Η αυξανόμενη ανάγκη των επιχειρήσεων για την αποτελεσματική λήψη επιχειρηματικών αποφάσεων, έχει οδηγήσει τις επιχειρήσεις να στραφούν στην αναζήτηση αποδοτικών μεθόδων αξιοποίησης δεδομένων των μέσων κοινωνικής δικτύωσης. Η συγκεκριμένη έρευνα επικεντρώνεται συνεπώς στην αξιοποίηση αυτών των δεδομένων για την εξαγωγή πολύτιμων πληροφοριών που μπορούν να προωθήσουν την ανάπτυξη των επιχειρήσεων και να βελτιώσουν την ικανοποίηση των πελατών. Αξιοποιώντας καινοτόμες μεθοδολογίες που συνδυάζουν τεχνικές επεξεργασίας φυσικής γλώσσας και μηχανικής μάθησης, οι επιχειρήσεις μπορούν να διαχειρίζονται και να αναλύουν αποτελεσματικά την πληθώρα πληροφοριών που παράγεται από τους χρήστες στα μέσα κοινωνικής δικτύωσης. Παράλληλα, η έρευνα μελετά τα χαρακτηριστικά της συμπεριφοράς και των συναισθημάτων των χρηστών, με σκοπό την μοντελοποίηση των δυναμικών σχέσεων που αναπτύσσονται μεταξύ καταναλωτών και επιχειρήσεων. Επιπλέον, ιδιαίτερη έμφαση δίνεται στη σημασία του χρόνου στη διαχείριση των σχέσεων, η οποία επιτρέπει στις επιχειρήσεις να αξιολογούν εγκαίρως την κατάσταση των πελατειακών τους σχέσεων και να εφαρμόζουν αποτελεσματικές εκστρατείες μάρκετινγκ. Στο πλαίσιο αυτό, παρουσιάζεται επίσης μία καινοτόμα μεθοδολογία για την αποδοτική ταξινόμηση χρονοσειρών των χρηστών σε κατηγορίες ρητορικής μίσους ή μη, με τη χρήση πολυδιάστατων δομών δεδομένων, όπου αξιοποιώντας τις χρονικές πληροφορίες και τη σημαντικότητα των χρηστών στα κοινωνικά δίκτυα, τα αποτελέσματα της ταξινόμησης βελτιώνονται. Επομένως, παρέχοντας μεθοδολογίες με τη χρήση τεχνικών μηχανικής μάθησης και δομών δεδομένων στα μέσα κοινωνικής δικτύωσης, η παρούσα έρευνα συμβάλλει στην προώθηση των δυνατοτήτων λήψης αποφάσεων των επιχειρήσεων, εστιάζοντας στη σημασία της αποτελεσματικής διαχείρισης και ανάλυσης των δεδομένων των μέσων κοινωνικής δικτύωσης για την απόκτηση ανταγωνιστικού πλεονεκτήματος στο σημερινό δυναμικό τοπίο της αγοράς.
The increasing need for businesses to make effective business decisions has forced companies to turn to the search for efficient methods of utilizing social media data. This research therefore focuses on the utilization of such data in order to extract valuable information that can drive business growth and improve customer satisfaction. By utilizing innovative methodologies that combine natural language processing and machine learning techniques, businesses can effectively manage and analyze the plethora of information that is generated by users on social media. At the same time, the research studies the characteristics of users' behaviour and emotions in order to model the dynamic relationships that are developed between consumers and businesses. Furthermore, particular emphasis is given to the importance of time in relationship management, which allows companies to assess the state of their customer relationships in a timely manner and to implement effective marketing campaigns. In this context, an innovative methodology is also presented for the efficient classification of user time series into hate speech or non-hate speech categories by using multidimensional data structures, where by leveraging the temporal information and the importance of users in social networks, the classification results are improved. Therefore, by providing methodologies utilizing machine learning techniques and data structures in social networks, this research contributes to the advancement of business decision making capabilities by focusing on the importance of effective management and analysis of social media data to gain competitive advantage in today's dynamic market landscape.
National Documentation Centre (EKT)
