Εξόρυξη γνώσης σε κοινωνικά δίκτυα
| dc.contributor.advisor | Θεοδωρίδης, Ιωάννης | |
| dc.contributor.author | Ταράτσα, Νίκη Χ. | |
| dc.date.accessioned | 2012-05-29T08:39:46Z | |
| dc.date.available | 2012-05-29T08:39:46Z | |
| dc.date.issued | 2012-05-29T08:39:46Z | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/4792 | |
| dc.description.abstract | Από το Διαδίκτυο έχουν προκύψει πολλά δίκτυα ανταλλαγής πληροφοριών, το πιο γνωστό από τα οποία είναι το World Wide Web. Πρόσφατα, μια νέα κατηγορία πληροφοριακών δικτύων που ονομάζονται Κοινωνικά Δίκτυα έχουν γίνει ιδιαίτερα δημοφιλή. Οι ιστότοποι κοινωνικών δικτύων όπως το MySpace (πάνω από 125 εκατομμύρια χρήστες), το Facebook (πάνω από 800 εκατομμύρια χρήστες), το Orkut (πάνω από 100 εκατομμύρια χρήστες) και το LinkedIn (πάνω από 110 εκατομμύρια χρήστες) αποτελούν παραδείγματα των εξωφρενικά δημοφιλών δικτύων που χρησιμοποιούνται για την εύρεση και την οργάνωση επαφών. Άλλα κοινωνικά δίκτυα όπως το Flickr, το YouTube και το Google Video χρησιμοποιούνται από τους χρήστες με σκοπό να μοιράζονται περιεχόμενο πολυμέσων και κάποια άλλα όπως το LiveJournal και το BlogSpot χρησιμοποιούνται για να μοιράζονται απόψεις / συζητήσεις (blogs). Η μελέτη και η ανάλυση αυτών των δικτύων προσφέρουν σημαντικές πληροφορίες σε θέματα δομής και χαρακτηριστικών του δικτύου, εμπιστοσύνης και διάδοσης πληροφοριών. Το βασικό πρόβλημα που καλείται να αντιμετωπίσει αυτή η εργασία είναι η ανάλυση των τρόπων με τους οποίους μπορούν να εξαχθούν χρήσιμα συμπεράσματα από τα δεδομένα κοινωνικών δικτύων χρησιμοποιώντας τεχνικές εξόρυξης γνώσης. Η εργασία αυτή αποτελείται από δύο βασικά μέρη. Το θεωρητικό μέρος το οποίο περιέχει την αναλυτική παρουσίαση / καταγραφή των τεχνικών εξόρυξης γνώσης (αλγόριθμοι ανίχνευσης κοινοτήτων, κατηγοριοποίησης κόμβων, πρόβλεψης συνδέσμου, εύρεσης ειδικών, εμπιστοσύνης κτλ.) σε κοινωνικά δίκτυα και το πρακτικό μέρος στο οποίο γίνεται μια προσπάθεια να εξαχθούν συμπεράσματα από μια βάση δεδομένων κοινωνικού δικτύου χρησιμοποιώντας τις τεχνικές εξόρυξης γνώσης των SQL Server Analysis Services. | |
| dc.language.iso | el | |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/deed.el | |
| dc.subject | Δίκτυα πληροφόρησης -- Κοινωνικές απόψεις | |
| dc.subject | Κοινωνικά δίκτυα | |
| dc.subject | Online social networks | |
| dc.subject | Data mining -- Methodology | |
| dc.subject | Εξόρυξη δεδομένων | |
| dc.title | Εξόρυξη γνώσης σε κοινωνικά δίκτυα | |
| dc.type | Master Thesis | |
| europeana.isShownAt | https://dione.lib.unipi.gr/xmlui/handle/unipi/4792 | |
| dc.identifier.call | 004.6 ΤΑΡ | |
| dc.description.abstractEN | Since the conception of the Internet, WWW has become the most well-known sharing information network. Recently, a new class of information networks has gained tremendous popularity and now rivals the traditional WWW in terms of usability. Social networks like MySpace (over 125 million users), Facebook (over 800 million users), Orkut (over 100 million users), and LinkedIn (over 110 million “professionals”) are examples of wildly popular networks used to find and manage contacts. Other social networks such as Flickr, YouTube, and Google Video provide multimedia content sharing; on the other hand networks such as LiveJournal and BlogSpot are used to share blogs. The study and analysis of social networks provide us with important information about the network structure, its associated properties and issues related with trust and information distribution. The main problem we face with this study is to survey and analyze various mining techniques that can be used to draw useful conclusions based on the data of the social networks. This dissertation consists of two parts: a) the theoretical one which contains a detailed survey of data mining techniques (community detection, classification nodes, link prediction, finding experts, trust, etc.) and b) the practical part which presents an effort to draw conclusions from a social network database using the data mining techniques provided by SQL Server Analysis Services. |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Πληροφορικής
Department of Informatics
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές