Εξόρυξη δεδομένων από γράφους κοινωνικών δικτύων
| dc.contributor.advisor | Κούτρας, Μάρκος | |
| dc.contributor.author | Ραμπούσης, Σωτήριος | |
| dc.date.accessioned | 2024-12-17T13:58:35Z | |
| dc.date.available | 2024-12-17T13:58:35Z | |
| dc.date.issued | 2024-09 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/17265 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/4688 | |
| dc.description.abstract | Τα τελευταία χρόνια η ραγδαία ανάπτυξη των κοινωνικών δικτύων έχει οδηγήσει τους χρήστες, σε καθημερινή και πολύωρη χρήση τους. Το φαινόμενο αυτό, έχει στρέψει το ενδιαφέρον πολλών ερευνητών προς τη μελέτη της δομής διαφόρων κοινωνικών δικτύων, αφού τα αποτελέσματα μπορούν να χρησιμοποιηθούν σε τομείς όπως οι πωλήσεις ειδών και υπηρεσιών μέσα από κοινωνικά δίκτυα, στη τουριστική βιομηχανία, στη μελέτη διασποράς ειδήσεων, στη κατανόηση των σχέσεων μεταξύ κρατών κλπ. Έτσι έχουν δημιουργηθεί διάφοροι αλγόριθμοι, οι οποίοι μπορούν να ερμηνεύσουν την κοινωνική σύσταση ενός δικτύου και μπορούν να μας βοηθήσουν στην κατανόηση της δομής ποικίλων δικτύων, όπως επίσης και τις ανάγκες των ατόμων από τα οποία αποτελείται. Τα σύνολα κοινωνικών δικτύων είναι γιγαντιαία με αποτέλεσμα, τα συστήματα να χρειάζονται πολύ χρόνο για να τα επεξεργαστούν. Στα πλαίσια της διπλωματικής εργασίας θα παρουσιάσουμε, τη σημαντικότητα εξόρυξης δεδομένων από κοινωνικά δίκτυα και θα δούμε πως μπορούμε να τα αναπαραστήσουμε σε φυσική μορφή. Έπειτα, θα μελετήσουμε διάφορα χρήσιμα μέτρα και αλγόριθμους, με τα οποία μπορούμε να μελετήσουμε τη δομή των δικτύων και να κατανοήσουμε το πως μεταφέρεται η πληροφορία μέσα σε αυτά. Τέλος θα εφαρμόσουμε τους αλγορίθμους σε συνθετικά αλλά και πραγματικά σύνολα δεδομένων όπου θα αξιολογήσουμε την ποιότητα των αποτελεσμάτων τους, αλλά και το πόσο εύχρηστοι είναι οι αλγόριθμοι σε μεγάλα σύνολα δεδομένων. | el |
| dc.format.extent | 130 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.title | Εξόρυξη δεδομένων από γράφους κοινωνικών δικτύων | el |
| dc.title.alternative | Data Mining from social-network graphs | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης | el |
| dc.description.abstractEN | In recent years, the rapid growth of social networks has led users to use social networks on a daily and extended time basis. The phenomenon has drawn the interest of many researchers, to study the structure of various social networks, since the results can be used in various fields, such as the sales of products or services through social platforms, the tourism industry, news dispersion, understanding relations between countries etc. Thus, various algorithms have been created, which can interpret the social composition of a network and help us understand the structure of various networks, as well as the needs of their members. The volume of social networks is huge and, as a result, systems take a long time to analyze them. In this thesis we will present, the importance of data mining from networks and review how we can represent them in a physical form. We will then study several useful measures and algorithms, with which we can study the structure of networks and understand how information is transferred within them. Finally, we will apply the algorithms to synthetic and real datasets where we will evaluate the quality of the results and how flexible the algorithms are when applied on large data sets. | el |
| dc.contributor.master | Εφαρμοσμένη Στατιστική | el |
| dc.subject.keyword | Κοινότηες | el |
| dc.subject.keyword | Εύρεση τριγώνων | el |
| dc.subject.keyword | Γράφος | el |
| dc.date.defense | 2024-09-30 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης
Department of Statistics & Insurance Science
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα