Συντάχθηκε 12-05-2026 10:12
Τόπος: Δ5 - Κτίριο ΜΠΔ
Έναρξη: 14/05/2026 15:00
Λήξη: 14/05/2026 16:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Μηχανικών Παραγωγής και Διοίκησης
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Ημερομηνία: Πέμπτη, 14 Μαΐου 2026, 15:00
Αίθουσα: Εργαστήριο διοικητικών συστημάτων
Ονοματεπώνυμο: ΔΑΛΕΤΖΑΚΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ
Θέμα: "Ταξινόμηση τουριστικών κριτικών με τεχνικές επεξεργασίας φυσικής γλώσσας: η περίπτωση του Μπάλου"
Title: «Tourist review classification using natural language processing: the case of Balos»
Εξεταστική Επιτροπή
- ΤΣΑΦΑΡΑΚΗΣ ΣΤΕΛΙΟΣ, Αναπληρωτής Καθηγητής (επιβλέπων)
- ΦΑΦΑΛΙΟΣ ΠΑΥΛΟΣ, Επίκουρος Καθηγητής
- ΣΙΣΚΟΣ ΕΛΕΥΘΕΡΙΟΣ, Επίκουρος Καθηγητής
Περίληψη
Η παρούσα εργασία εξέτασε την αυτόματη ταξινόμηση τουριστικών κριτικών από την πλατφόρμα TripAdvisor, με στόχο την πρόβλεψη της βαθμολογίας που αποδίδει ο επισκέπτης βάσει του κειμένου της κριτικής. Το πεδίο μελέτης ήταν ο τουριστικός προορισμός του Μπάλου στα Χανιά και το σύνολο δεδομένων περιλάμβανε 2.500 κριτικές επισκεπτών. Για την αναπαράσταση των κειμένων εφαρμόστηκαν τεχνικές Επεξεργασίας Φυσικής Γλώσσας, όπως TF-IDF, Word2Vec και BERT. Στη συνέχεια εκπαιδεύτηκαν και συγκρίθηκαν διαφορετικοί ταξινομητές μηχανικής μάθησης, συγκεκριμένα Logistic Regression, SVM, Naive Bayes και Random Forest. Η απόδοση των μοντέλων αξιολογήθηκε μέσω δεικτών όπως Accuracy, Precision, Recall, F1-score, ROC-AUC και πίνακες σύγχυσης. Συμπληρωματικά, πραγματοποιήθηκε ημι-αυτόματη ανάλυση πτυχών της εμπειρίας των επισκεπτών με χρήση LDA και VADER. Αρχικά, το LDA χρησιμοποιήθηκε για τον εντοπισμό βασικών θεματικών μοτίβων στις κριτικές, τα οποία στη συνέχεια ερμηνεύτηκαν και ομαδοποιήθηκαν σε ευρύτερες πτυχές. Έπειτα, το VADER εφαρμόστηκε για την αποτίμηση του συναισθήματος που σχετίζεται με τις παραπάνω πτυχές. Τα αποτελέσματα ανέδειξαν τη χρησιμότητα των τεχνικών NLP τόσο για την πρόβλεψη της συνολικής αξιολόγησης των επισκεπτών όσο και για την πιο αναλυτική κατανόηση των επιμέρους παραγόντων που διαμορφώνουν την τουριστική εμπειρία στον Μπάλο.
Abstract
This thesis examined the automatic classification of tourist reviews from the TripAdvisor platform, aiming to predict the rating assigned by visitors based on the textual content of their reviews. The case study focused on the tourist destination of Balos in Chania, and the dataset consisted of 2,500 visitor reviews. For text representation, Natural Language Processing (NLP) techniques such as TF-IDF, Word2Vec, and BERT were applied. Subsequently, different machine learning classifiers were trained and compared, namely Logistic Regression, SVM, Naive Bayes, and Random Forest. Model performance was evaluated using metrics such as Accuracy, Precision, Recall, F1-score, ROC-AUC, and confusion matrices. Additionally, a semi-automatic analysis of aspects of the visitor experience was conducted using LDA and VADER. Initially, LDA was used to identify key thematic patterns in the reviews, which were then interpreted and grouped into broader aspects. VADER was then applied to assess the sentiment associated with these aspects. The results highlighted the usefulness of NLP techniques both for predicting visitors’ overall evaluations and for gaining a more detailed understanding of the individual factors that shape the tourist experience in Balos.
