{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5360578"},"canonical_url":"https://search.dev.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5360578","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Ανάλυση συναισθήματος προφορικού λόγου από αθλητικές εκπομπές","abstract":"Η ανάλυση συναισθήματος αποτελεί έναν κρίσιμο υποτομέα της Επεξεργασίας Φυσικής Γλώσσας (Natural Language Processing), κι έχει σήμερα μια πληθώρα εφαρμογών στους τομείς της πληροφορικής, της επικοινωνίας και των επιχειρήσεων. Παρ’ ότι η έρευνα έχει σημειώσει σημαντική πρόοδο στη μελέτη γραπτών κειμένων, η εφαρμογή αντίστοιχων μεθόδων σε αυθόρμητο, προφορικό λόγο - και ειδικότερα στο έντονα συναισθηματικά φορτισμένο περιβάλλον των αθλητικών εκπομπών - εξακολουθεί να συνιστά μια μεθοδολογικά και τεχνικά σύνθετη πρόκληση. Στο πλαίσιο αυτό, η παρούσα διπλωματική εργασία επικεντρώνεται στη συστηματική διερεύνηση της εν λόγω πρόκλησης, με στόχο την ανάπτυξη μιας ολοκληρωμένης μεθοδολογίας για τη δημιουργία ενός επαρκώς σχολιασμένου συνόλου δεδομένων (annotated dataset) και την εκπαίδευση βασικών μοντέλων μηχανικής μάθησης (Machine Learning) για την αυτόματη αναγνώριση και ταξινόμηση συναισθημάτων. Αρχικά, έγινε η διαδικασία συλλογής και σύνθεσης ενός σώματος κειμένων (corpus), αποτελούμενου από περίπου 500 αποσπάσματα, τα οποία προέκυψαν μέσω μεταγραφής αγγλόφωνων αθλητικών εκπομπών και podcast με θεματολογία σχετική με το UEFA Champions League. Στη συνέχεια, σχεδιάστηκε ένα εξειδικευμένο σχήμα 22 κατηγοριών συναισθήματος, το οποίο βασίστηκε σε καθιερωμένα θεωρητικά μοντέλα της ψυχολογίας και σε επαναληπτική ανάλυση του ίδιου του ερευνητικού υλικού. Ακολούθησε η χειροκίνητη επισημείωση των αποσπασμάτων και η εφαρμογή αλγορίθμων ταξινόμησης, συγκεκριμένα των Multinomial Naive Bayes και Logistic Regression, με χρήση της τεχνικής TF-IDF (Term Frequency – Inverse Document Frequency) για την αριθμητική αναπαράσταση των δεδομένων. Οι πειραματικές διαδικασίες επικεντρώθηκαν στην αξιολόγηση της απόδοσης των μοντέλων ως προς την ακρίβεια και την ικανότητά τους να διαχειριστούν την πολυπλοκότητα του συναισθηματικού περιεχομένου. Η ανάλυση των αποτελεσμάτων αποκάλυψε συνολικά χαμηλή απόδοση των μοντέλων, με την τελική εκδοχή του Logistic Regression να επιτυγχάνει ακρίβεια της τάξεως του 23%. Η κύρια αιτία για τη χαμηλή επίδοση αποδόθηκε στην έντονη ανισορροπία των κλάσεων (class imbalance), ένα φαινόμενο που χαρακτηρίζεται ως δομικό χαρακτηριστικό του αθλητικού λόγου, δεδομένης της έμφασης σε γεγονότα υψηλής συναισθηματικής έντασης (π.χ. στιγμές επιτυχίας ή αποτυχίας). Παρά την περιορισμένη συνολική ακρίβεια, καταγράφηκε ποιοτική πρόοδος κατά τη διάρκεια των πειραμάτων, με το τελικό μοντέλο να επιτυγχάνει F1-score 0.53 στην αναγνώριση της μειοψηφικής κατηγορίας «Απογοήτευση», στοιχείο που καταδεικνύει τις δυνατότητες προσαρμογής των μοντέλων υπό συγκεκριμένες συνθήκες.","abstract_html":"Η ανάλυση συναισθήματος αποτελεί έναν κρίσιμο υποτομέα της Επεξεργασίας Φυσικής Γλώσσας (Natural Language Processing), κι έχει σήμερα μια πληθώρα εφαρμογών στους τομείς της πληροφορικής, της επικοινωνίας και των επιχειρήσεων. Παρ’ ότι η έρευνα έχει σημειώσει σημαντική πρόοδο στη μελέτη γραπτών κειμένων, η εφαρμογή αντίστοιχων μεθόδων σε αυθόρμητο, προφορικό λόγο - και ειδικότερα στο έντονα συναισθηματικά φορτισμένο περιβάλλον των αθλητικών εκπομπών - εξακολουθεί να συνιστά μια μεθοδολογικά και τεχνικά σύνθετη πρόκληση. Στο πλαίσιο αυτό, η παρούσα διπλωματική εργασία επικεντρώνεται στη συστηματική διερεύνηση της εν λόγω πρόκλησης, με στόχο την ανάπτυξη μιας ολοκληρωμένης μεθοδολογίας για τη δημιουργία ενός επαρκώς σχολιασμένου συνόλου δεδομένων (annotated dataset) και την εκπαίδευση βασικών μοντέλων μηχανικής μάθησης (Machine Learning) για την αυτόματη αναγνώριση και ταξινόμηση συναισθημάτων. Αρχικά, έγινε η διαδικασία συλλογής και σύνθεσης ενός σώματος κειμένων (corpus), αποτελούμενου από περίπου 500 αποσπάσματα, τα οποία προέκυψαν μέσω μεταγραφής αγγλόφωνων αθλητικών εκπομπών και podcast με θεματολογία σχετική με το UEFA Champions League. Στη συνέχεια, σχεδιάστηκε ένα εξειδικευμένο σχήμα 22 κατηγοριών συναισθήματος, το οποίο βασίστηκε σε καθιερωμένα θεωρητικά μοντέλα της ψυχολογίας και σε επαναληπτική ανάλυση του ίδιου του ερευνητικού υλικού. Ακολούθησε η χειροκίνητη επισημείωση των αποσπασμάτων και η εφαρμογή αλγορίθμων ταξινόμησης, συγκεκριμένα των Multinomial Naive Bayes και Logistic Regression, με χρήση της τεχνικής TF-IDF (Term Frequency – Inverse Document Frequency) για την αριθμητική αναπαράσταση των δεδομένων. Οι πειραματικές διαδικασίες επικεντρώθηκαν στην αξιολόγηση της απόδοσης των μοντέλων ως προς την ακρίβεια και την ικανότητά τους να διαχειριστούν την πολυπλοκότητα του συναισθηματικού περιεχομένου. Η ανάλυση των αποτελεσμάτων αποκάλυψε συνολικά χαμηλή απόδοση των μοντέλων, με την τελική εκδοχή του Logistic Regression να επιτυγχάνει ακρίβεια της τάξεως του 23%. Η κύρια αιτία για τη χαμηλή επίδοση αποδόθηκε στην έντονη ανισορροπία των κλάσεων (class imbalance), ένα φαινόμενο που χαρακτηρίζεται ως δομικό χαρακτηριστικό του αθλητικού λόγου, δεδομένης της έμφασης σε γεγονότα υψηλής συναισθηματικής έντασης (π.χ. στιγμές επιτυχίας ή αποτυχίας). Παρά την περιορισμένη συνολική ακρίβεια, καταγράφηκε ποιοτική πρόοδος κατά τη διάρκεια των πειραμάτων, με το τελικό μοντέλο να επιτυγχάνει F1-score 0.53 στην αναγνώριση της μειοψηφικής κατηγορίας «Απογοήτευση», στοιχείο που καταδεικνύει τις δυνατότητες προσαρμογής των μοντέλων υπό συγκεκριμένες συνθήκες.","abstract_has_math":false,"creators":["Χαρίσης Γεώργιος","Charisis Georgios"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-07-24T01:01:53Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5360578"],"render_values":[{"text":"uoadl:5360578","href":null,"code":true}]}]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5360578","outbound_label":"Repository record","outbound_source":"dc:identifier"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Χαρίσης Γεώργιος","Charisis Georgios"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5360578","https://pergamos.lib.uoa.gr/uoa/dl/object/5360578"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η ανάλυση συναισθήματος αποτελεί έναν κρίσιμο υποτομέα της Επεξεργασίας Φυσικής Γλώσσας (Natural Language Processing), κι έχει σήμερα μια πληθώρα εφαρμογών στους τομείς της πληροφορικής, της επικοινωνίας και των επιχειρήσεων. Παρ’ ότι η έρευνα έχει σημειώσει σημαντική πρόοδο στη μελέτη γραπτών κειμένων, η εφαρμογή αντίστοιχων μεθόδων σε αυθόρμητο, προφορικό λόγο - και ειδικότερα στο έντονα συναισθηματικά φορτισμένο περιβάλλον των αθλητικών εκπομπών - εξακολουθεί να συνιστά μια μεθοδολογικά και τεχνικά σύνθετη πρόκληση. Στο πλαίσιο αυτό, η παρούσα διπλωματική εργασία επικεντρώνεται στη συστηματική διερεύνηση της εν λόγω πρόκλησης, με στόχο την ανάπτυξη μιας ολοκληρωμένης μεθοδολογίας για τη δημιουργία ενός επαρκώς σχολιασμένου συνόλου δεδομένων (annotated dataset) και την εκπαίδευση βασικών μοντέλων μηχανικής μάθησης (Machine Learning) για την αυτόματη αναγνώριση και ταξινόμηση συναισθημάτων. Αρχικά, έγινε η διαδικασία συλλογής και σύνθεσης ενός σώματος κειμένων (corpus), αποτελούμενου από περίπου 500 αποσπάσματα, τα οποία προέκυψαν μέσω μεταγραφής αγγλόφωνων αθλητικών εκπομπών και podcast με θεματολογία σχετική με το UEFA Champions League. Στη συνέχεια, σχεδιάστηκε ένα εξειδικευμένο σχήμα 22 κατηγοριών συναισθήματος, το οποίο βασίστηκε σε καθιερωμένα θεωρητικά μοντέλα της ψυχολογίας και σε επαναληπτική ανάλυση του ίδιου του ερευνητικού υλικού. Ακολούθησε η χειροκίνητη επισημείωση των αποσπασμάτων και η εφαρμογή αλγορίθμων ταξινόμησης, συγκεκριμένα των Multinomial Naive Bayes και Logistic Regression, με χρήση της τεχνικής TF-IDF (Term Frequency – Inverse Document Frequency) για την αριθμητική αναπαράσταση των δεδομένων. Οι πειραματικές διαδικασίες επικεντρώθηκαν στην αξιολόγηση της απόδοσης των μοντέλων ως προς την ακρίβεια και την ικανότητά τους να διαχειριστούν την πολυπλοκότητα του συναισθηματικού περιεχομένου. Η ανάλυση των αποτελεσμάτων αποκάλυψε συνολικά χαμηλή απόδοση των μοντέλων, με την τελική εκδοχή του Logistic Regression να επιτυγχάνει ακρίβεια της τάξεως του 23%. Η κύρια αιτία για τη χαμηλή επίδοση αποδόθηκε στην έντονη ανισορροπία των κλάσεων (class imbalance), ένα φαινόμενο που χαρακτηρίζεται ως δομικό χαρακτηριστικό του αθλητικού λόγου, δεδομένης της έμφασης σε γεγονότα υψηλής συναισθηματικής έντασης (π.χ. στιγμές επιτυχίας ή αποτυχίας). Παρά την περιορισμένη συνολική ακρίβεια, καταγράφηκε ποιοτική πρόοδος κατά τη διάρκεια των πειραμάτων, με το τελικό μοντέλο να επιτυγχάνει F1-score 0.53 στην αναγνώριση της μειοψηφικής κατηγορίας «Απογοήτευση», στοιχείο που καταδεικνύει τις δυνατότητες προσαρμογής των μοντέλων υπό συγκεκριμένες συνθήκες.","Sentiment Analysis constitutes a critical subfield of Natural Language Processing (NLP), with a wide range of applications in computing, communication, and business intelligence. While significant progress has been made in the analysis of written text, the application of sentiment analysis techniques to spontaneous spoken discourse—particularly within the emotionally charged context of sports broadcasting—remains a complex methodological and technical challenge. Against this backdrop, the present thesis aims to systematically investigate this challenge by developing a comprehensive methodology for the construction of an annotated dataset and the training of baseline machine learning models for automatic sentiment classification. To this end, a specialized text corpus consisting of approximately 500 utterances was compiled through the transcription of English-language sports broadcasts and podcasts centered on the UEFA Champions League. A 22-category emotion schema was designed, informed by established psychological theories and developed through an iterative analysis of the source material, thereby ensuring both theoretical validity and empirical relevance. Subsequently, the utterances were manually annotated, and classification models were trained—specifically Multinomial Naive Bayes and Logistic Regression—using TF-IDF (Term Frequency – Inverse Document Frequency) for numerical text representation. The experimental process focused on evaluating model performance in terms of accuracy and the ability to capture the complexity of emotional expression. The analysis of results revealed an overall low performance, with the final Logistic Regression model achieving an accuracy of 23%. This outcome was primarily attributed to severe class imbalance in the dataset, a phenomenon considered to be an inherent feature of sports discourse, which typically emphasizes emotionally intense peak moments. Despite the low overall accuracy, a qualitative improvement was observed over the course of experimentation, with the final model achieving an F1-score of 0.53 in detecting the minority emotion category “Disappointment”, indicating potential for targeted optimization."]},{"key":"dc:title","label":"Title","values":["Ανάλυση συναισθήματος προφορικού λόγου από αθλητικές εκπομπές"]}]}],"canonical_facts":{"dc:creator":["Χαρίσης Γεώργιος","Charisis Georgios"],"dc:date":["2026"],"dc:description":["Η ανάλυση συναισθήματος αποτελεί έναν κρίσιμο υποτομέα της Επεξεργασίας Φυσικής Γλώσσας (Natural Language Processing), κι έχει σήμερα μια πληθώρα εφαρμογών στους τομείς της πληροφορικής, της επικοινωνίας και των επιχειρήσεων. Παρ’ ότι η έρευνα έχει σημειώσει σημαντική πρόοδο στη μελέτη γραπτών κειμένων, η εφαρμογή αντίστοιχων μεθόδων σε αυθόρμητο, προφορικό λόγο - και ειδικότερα στο έντονα συναισθηματικά φορτισμένο περιβάλλον των αθλητικών εκπομπών - εξακολουθεί να συνιστά μια μεθοδολογικά και τεχνικά σύνθετη πρόκληση. Στο πλαίσιο αυτό, η παρούσα διπλωματική εργασία επικεντρώνεται στη συστηματική διερεύνηση της εν λόγω πρόκλησης, με στόχο την ανάπτυξη μιας ολοκληρωμένης μεθοδολογίας για τη δημιουργία ενός επαρκώς σχολιασμένου συνόλου δεδομένων (annotated dataset) και την εκπαίδευση βασικών μοντέλων μηχανικής μάθησης (Machine Learning) για την αυτόματη αναγνώριση και ταξινόμηση συναισθημάτων. Αρχικά, έγινε η διαδικασία συλλογής και σύνθεσης ενός σώματος κειμένων (corpus), αποτελούμενου από περίπου 500 αποσπάσματα, τα οποία προέκυψαν μέσω μεταγραφής αγγλόφωνων αθλητικών εκπομπών και podcast με θεματολογία σχετική με το UEFA Champions League. Στη συνέχεια, σχεδιάστηκε ένα εξειδικευμένο σχήμα 22 κατηγοριών συναισθήματος, το οποίο βασίστηκε σε καθιερωμένα θεωρητικά μοντέλα της ψυχολογίας και σε επαναληπτική ανάλυση του ίδιου του ερευνητικού υλικού. Ακολούθησε η χειροκίνητη επισημείωση των αποσπασμάτων και η εφαρμογή αλγορίθμων ταξινόμησης, συγκεκριμένα των Multinomial Naive Bayes και Logistic Regression, με χρήση της τεχνικής TF-IDF (Term Frequency – Inverse Document Frequency) για την αριθμητική αναπαράσταση των δεδομένων. Οι πειραματικές διαδικασίες επικεντρώθηκαν στην αξιολόγηση της απόδοσης των μοντέλων ως προς την ακρίβεια και την ικανότητά τους να διαχειριστούν την πολυπλοκότητα του συναισθηματικού περιεχομένου. Η ανάλυση των αποτελεσμάτων αποκάλυψε συνολικά χαμηλή απόδοση των μοντέλων, με την τελική εκδοχή του Logistic Regression να επιτυγχάνει ακρίβεια της τάξεως του 23%. Η κύρια αιτία για τη χαμηλή επίδοση αποδόθηκε στην έντονη ανισορροπία των κλάσεων (class imbalance), ένα φαινόμενο που χαρακτηρίζεται ως δομικό χαρακτηριστικό του αθλητικού λόγου, δεδομένης της έμφασης σε γεγονότα υψηλής συναισθηματικής έντασης (π.χ. στιγμές επιτυχίας ή αποτυχίας). Παρά την περιορισμένη συνολική ακρίβεια, καταγράφηκε ποιοτική πρόοδος κατά τη διάρκεια των πειραμάτων, με το τελικό μοντέλο να επιτυγχάνει F1-score 0.53 στην αναγνώριση της μειοψηφικής κατηγορίας «Απογοήτευση», στοιχείο που καταδεικνύει τις δυνατότητες προσαρμογής των μοντέλων υπό συγκεκριμένες συνθήκες.","Sentiment Analysis constitutes a critical subfield of Natural Language Processing (NLP), with a wide range of applications in computing, communication, and business intelligence. While significant progress has been made in the analysis of written text, the application of sentiment analysis techniques to spontaneous spoken discourse—particularly within the emotionally charged context of sports broadcasting—remains a complex methodological and technical challenge. Against this backdrop, the present thesis aims to systematically investigate this challenge by developing a comprehensive methodology for the construction of an annotated dataset and the training of baseline machine learning models for automatic sentiment classification. To this end, a specialized text corpus consisting of approximately 500 utterances was compiled through the transcription of English-language sports broadcasts and podcasts centered on the UEFA Champions League. A 22-category emotion schema was designed, informed by established psychological theories and developed through an iterative analysis of the source material, thereby ensuring both theoretical validity and empirical relevance. Subsequently, the utterances were manually annotated, and classification models were trained—specifically Multinomial Naive Bayes and Logistic Regression—using TF-IDF (Term Frequency – Inverse Document Frequency) for numerical text representation. The experimental process focused on evaluating model performance in terms of accuracy and the ability to capture the complexity of emotional expression. The analysis of results revealed an overall low performance, with the final Logistic Regression model achieving an accuracy of 23%. This outcome was primarily attributed to severe class imbalance in the dataset, a phenomenon considered to be an inherent feature of sports discourse, which typically emphasizes emotionally intense peak moments. Despite the low overall accuracy, a qualitative improvement was observed over the course of experimentation, with the final model achieving an F1-score of 0.53 in detecting the minority emotion category “Disappointment”, indicating potential for targeted optimization."],"dc:identifier":["uoadl:5360578","https://pergamos.lib.uoa.gr/uoa/dl/object/5360578"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Ανάλυση συναισθήματος προφορικού λόγου από αθλητικές εκπομπές"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-07-24T01:01:53Z"}