Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Πρόβλεψη τιμών και εξόρυξη γνώμης από κριτικές σε διαδικτυακές πλατφόρμες βραχυχρόνιας μίσθωσης ακινήτων

Stavroulakis Iakovos

Απλή Εγγραφή


URIhttp://purl.tuc.gr/dl/dias/74786F4D-8955-4086-857E-77CF4FA0479D-
Αναγνωριστικόhttps://doi.org/10.26233/heallink.tuc.85951-
Γλώσσαel-
Μέγεθος73 σελίδεςel
Μέγεθος2.9 megabytesen
ΤίτλοςΠρόβλεψη τιμών και εξόρυξη γνώμης από κριτικές σε διαδικτυακές πλατφόρμες βραχυχρόνιας μίσθωσης ακινήτωνel
ΤίτλοςPredicting and extracting opinion(sentimental analysis) from reviews on short-term real estate online platformsen
ΔημιουργόςStavroulakis Iakovosen
ΔημιουργόςΣταυρουλακης Ιακωβοςel
Συντελεστής [Επιβλέπων Καθηγητής]Tsafarakis Steliosen
Συντελεστής [Επιβλέπων Καθηγητής]Τσαφαρακης Στελιοςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Grigoroudis Evaggelosen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Γρηγορουδης Ευαγγελοςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Matsatsinis Nikolaosen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Ματσατσινης Νικολαοςel
ΕκδότηςΠολυτεχνείο Κρήτηςel
ΕκδότηςTechnical University of Creteen
Ακαδημαϊκή ΜονάδαTechnical University of Crete::School of Production Engineering and Managementen
Ακαδημαϊκή ΜονάδαΠολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησηςel
ΠερίληψηΣκοπός της παρούσας μεταπτυχιακής εργασίας είναι η πρόβλεψη των τιμών των χαρακτηριστικών καταλυμάτων που έχουν εισαχθεί στην πλατφόρμα Airbnb στην περιοχή των Αθηνών με την χρήση μεθόδων μηχανικής μάθησης. Το πρώτο χαρακτηριστικό είναι η τιμή των καταλυμάτων ανά ημέρα όπου παρατηρήθηκε ποιοι παράγοντες επηρεάζουν την τιμή όπως η απόσταση από αξιοθέατα, προηγούμενες κριτικές, ανέσεις δωματίου. Τα κριτήρια για να γίνει ένας οικοδεσπότης Superhost όπως για παράδειγμα η ταχύτητα απάντησης. Τέλος, μελετήθηκε πως συγκεκριμένες λέξεις κλειδιά επηρεάζουν τις κριτικές των καταλυμάτων και συγκεκριμένα αν έχουν θετικό ή αρνητικό αντίκτυπο στην κριτική ενός καταλύματος με την χρήση της μεθόδου Εξόρυξης γνώμης(Sentiment Analysis). Έγινε χρήση των ακόλουθων τεχνικών μηχανικής μάθησης: Απλή γραμμική παλινδρόμηση, Ridge & Lasso Παλινδρόμηση, Τυχαία Δέντρα Αποφάσεων και Τυχαία Δάση Αποφάσεων με την χρήση των προγραμμάτων tableau, SPSS, Microsoft Excel, Dataiku όπου πραγματοποιήθηκε εκτενής σύγκριση των τεχνικών ώστε να προκύψει το βέλτιστο και πιο αντιπροσωπευτικό αποτέλεσμα.el
ΤύποςΜεταπτυχιακή Διατριβήel
ΤύποςMaster Thesisen
Άδεια Χρήσηςhttp://creativecommons.org/licenses/by/4.0/en
Ημερομηνία2020-07-06-
Ημερομηνία Δημοσίευσης2020-
Θεματική ΚατηγορίαΜηχανική μάθησηel
Θεματική ΚατηγορίαSentimental analysisen
Θεματική ΚατηγορίαAirbnben
Θεματική ΚατηγορίαSuperhosten
Βιβλιογραφική ΑναφοράΙάκωβος Σταυρουλάκης, "Πρόβλεψη τιμών και εξόρυξη γνώμης από κριτικές σε διαδικτυακές πλατφόρμες βραχυχρόνιας μίσθωσης ακινήτων", Μεταπτυχιακή Διατριβή, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2020el
Βιβλιογραφική ΑναφοράIakovos Stavroulakis, "Predicting and extracting opinion(sentimental analysis) from reviews on short-term real estate online platforms", Master Thesis, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2020en

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά