Ανάλυση συναισθήματος σε διαδικτυακές κριτικές υπηρεσιών φιλοξενίας

Abstract

Αντικείμενο αυτής της διπλωματικής εργασίας αποτελεί η ανάλυση συναισθημάτων σε σχόλια διαδικτυακών κριτικών υπηρεσιών φιλοξενίας με τεχνικές μηχανικής μάθησης. Ανάλυση συναισθήματος ονομάζεται η αυτοματοποιημένη διαδικασία μέσω της οποίας μπορούμε να εξάγουμε πληροφορίες και συμπεράσματα για το συναίσθημα, το οποίο επικρατεί στο σύνολο ενός σώματος κειμένου. Συνήθως, την ανάλυση συναισθημάτων σε αυτό το πλαίσιο τη συναντάμε με την ονομασία «Συναισθηματική Πολικότητα», Sentiment Polarity, θέλοντας να δηλώσουμε την ύπαρξη δύο ξεχωριστών και αντίθετων συναισθηματικών πόλων (θετικού και αρνητικού) ενός σώματος κειμένου. Ο τομέας ανάλυσης συναισθημάτων συναντάται συχνά τα τελευταία χρόνια καθώς βρίσκει εφαρμογή στο χώρο της ανάλυσης κειμένων και συγκεκριμένα στον προσδιορισμό του συναισθήματος που «εκπέμπει» ένα κείμενο. Η συνεχής και αυξανόμενη διαθέσιμη ποσότητα διαδικτυακής πληροφορίας στο διαδίκτυο έχει οδηγήσει στην εφαρμογή και ανάπτυξη πολλαπλών μεθόδων και εφαρμογών που είναι άμεσα συνυφασμένες με τους τομείς της Μηχανικής Μάθησης και της Τεχνητής Νοημοσύνης. Αλματώδης είναι η πρόοδος η οποία έχει σημειωθεί στους συγκεκριμένους τομείς συντελώντας στην διεξαγωγή πληθώρας νέων ερευνών και ανάπτυξης εφαρμογών αποδεικνύοντας το εύρος της δύναμης και της επιρροής των μέσων κοινωνικής δικτύωσης στην καθημερινότητα των σύγχρονων ανθρώπων. Επιπλέον, έχει γίνει αναπόσπαστο κομμάτι ζωτικής σημασίας για εταιρίες και οργανισμούς αυξάνοντας την ικανότητα αντίληψης και ανταπόκρισής τους στο σύνολο των αναγκών των εκάστοτε πελατών τους. Γενικά, ο τομέας της Ανάλυσης Συναισθήματος κυρίως αποσκοπεί στο διαχωρισμό και την ανάθεση του συναισθήματος σε δύο βασικές κατηγορίες, Θετική και Αρνητική. Στην παρούσα διπλωματική εργασία ασχοληθήκαμε με διαχωρισμό και ανάθεση σε κλάσεις διαδικτυακών κειμένων ή σχολίων που αφορούν κριτικές και σχόλια πελατών σε ξενοδοχεία, με διαχωρισμό τεσσάρων κατηγοριών συναισθημάτων, Χαράς, Ικανοποίησης, Απογοήτευσης, και Θυμού. Για αυτές τις κατηγορίες χρησιμοποιήσαμε 600 σχόλια, σε Ελληνική και Αγγλική γλώσσα, από τον ιστότοπο Booking.com. Για την ταξινόμηση των σχολίων επιλέξαμε τέσσερις βασικούς αλγόριθμους: λογιστική παλινδρόμηση (Logistic Regression), Naïve Bayes, μηχανές διανυσμάτων υποστήριξης (Supper Vector Machine) και τεχνητά νευρωνικά δίκτυα (Artificial Neural Network). Στην εργασία παρουσιάζουμε δύο μεθόδους ταξινόμησης. Στην πρώτη ακολουθούμε τη Δυαδική Ταξινόμηση όπου λαμβάνει χώρα η ανάθεση των σχολίων στις δύο βασικές κατηγορίες συναισθήματος, την Θετική και 4 Αρνητική. Στη δεύτερη, εφαρμόζουμε την Ταξινόμηση μίας κλάσης προς μία (One vs. One) εξετάζοντας 4 διαφορετικές κλάσεις συναισθήματος. Εξετάζεται η απόδοση 4 βασικών αλγορίθμων στις παραπάνω μεθόδους. Για την εξαγωγή των μοντέλων ταξινόμησης ακολουθούμε δυο επιλογές. Αρχικά, γίνεται χρήση των σχολίων του training set ενώ έπειτα γίνεται χρήση επιπλέον συναφών λέξεων αποσκοπώντας στη δημιουργία ενισχυμένων μοντέλων Ταξινόμησης. Επιπλέον, πραγματοποιείται παρουσίαση και αναλυτικός σχολιασμός ενός πλήθους διαγραμμάτων και αποτελεσμάτων των δύο εξεταζόμενων μεθόδων.

The object of this dissertation is the use of sentiment analysis in social network online review hospitality services via machine learning techniques. Sentiment analysis is the automated process through which we can export useful data and conclusions of the sentiment which prevails in a text body. This process is also known as "Sentiment Polarity", as it manifests the existence of two separately and opposite sentiments, namely Positive and Negative of a text body. Nowadays, the topic of sentiment analysis is often exploited in a diverse range of topics as it has application in the space of sentiment analysis and specifically in the definition of the emotion which a text emits. The increase amount of internet information has led to the development of multiple methods and applications that are immediately interwoven with the domains of Machine Learning and Artificial Intelligence. Rapid is also the progress is perceived in the aforementioned domains, thus leading to new research and the development of novel applications. Furthermore, it has become an integral part of companies and organisations, increasing the ability of their perception and response to the needs of their current customers. Generally, the topic of sentiment analysis aims at the classification of sentiment in two basic categories: Positive and Negative. The present thesis deals with the separation and the assignment of web texts-comments into classes which concern critics and comments of customers in hotels. We specifically focus on four emotional categories, namely, Joy, Satisfaction, Disappointment and Anger. For these categories we have used 600 comments written in English and Greek from the well-known website Booking.com. For the categorization of the comments we have chosen four base algorithms, that is, Logistic Regression, Naϊve Bayes, Supper Vector Machine and Artificial Neural Network. We present two ways of categorization. In the first, we use Binary Classification, which takes place in the assignment of comments in two basic emotional categories, Positive or Negative. In the second, we apply the classification of One vs. One scheme examining four different sentimental classes. For the extraction of the classification model we follow two options. A a simple one, where we use comments of the training set, and a second where we employ related words aiming at the creation of an enriched model.