| dc.contributor.advisor | Apostolou, Dimitrios | |
| dc.contributor.advisor | Αποστόλου, Δημήτριος | |
| dc.contributor.author | Papadakou, Matina | |
| dc.contributor.author | Παπαδάκου, Ματίνα | |
| dc.date.accessioned | 2025-10-14T08:21:01Z | |
| dc.date.available | 2025-10-14T08:21:01Z | |
| dc.date.issued | 2025-09 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/18223 | |
| dc.description | Διαθέσιμο μετά τις 01/10/2027 | |
| dc.description.abstract | Η παρούσα πτυχιακή εργασία εξετάζει τον σχεδιασμό και την υλοποίηση γραφημάτων γνώσης (Knowledge Graphs – KGs) με τη χρήση της πλατφόρμας Neo4j, με ιδιαίτερη έμφαση στη μοντελοποίηση διεργασιών βιομηχανικής επεξεργασίας λυμάτων. Η μελέτη αναδεικνύει τα πλεονεκτήματα των αναπαραστάσεων βασισμένων σε γράφους έναντι των παραδοσιακών σχεσιακών βάσεων δεδομένων, υπογραμμίζοντας την ευελιξία τους, τον σημασιολογικό εμπλουτισμό που προσφέρουν και την ικανότητά τους να αποτυπώνουν πολύπλοκες σχέσεις. Ως μελέτη περίπτωσης, μοντελοποιήθηκαν διεργασίες επεξεργασίας λυμάτων μέσω ενός προσαρμοσμένου σχήματος KG. Οι οντότητες, οι σχέσεις και οι ιδιότητες αναπαραστάθηκαν ως κόμβοι και ακμές, ενώ ενσωματώθηκαν προγνωστικά μοντέλα με σκοπό τη σύνδεση της διαδικασιακής γνώσης με δεδομένα που προκύπτουν από αναλυτικές μεθόδους. Η τροφοδότηση του KG πραγματοποιήθηκε χειροκίνητα, ώστε να διασφαλιστεί η σημασιολογική ακρίβεια και η συνέπεια. Η υλοποίηση καταδεικνύει πώς τα γραφήματα γνώσης μπορούν να ενοποιήσουν ετερογενή δεδομένα, να υποστηρίξουν προηγμένα ερωτήματα μέσω της γλώσσας Cypher και να αποτελέσουν θεμέλιο για προγνωστικές αναλύσεις. Τα αποτελέσματα επιβεβαιώνουν το δυναμικό των KGs να ενισχύσουν την αναπαράσταση γνώσης και τη διαδικασία λήψης αποφάσεων σε βιομηχανικά περιβάλλοντα, ενώ μελλοντική έρευνα θα μπορούσε να διερευνήσει την αυτοματοποίηση και τη δυνατότητα κλιμάκωσης. | el |
| dc.format.extent | 57 | el |
| dc.language.iso | en | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.title | Development of knowledge graph for representing industrial processes | el |
| dc.title.alternative | Αναπαράσταση βιομηχανικών διεργασιών με χρήση γράφων γνώσης | el |
| dc.type | Bachelor Dissertation | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | This thesis investigates the design and implementation of knowledge graphs (KGs) using the Neo4j platform, with a focus on modeling industrial wastewater treatment processes. The study emphasizes the advantages of graph-based representations over traditional relational databases, highlighting their flexibility, semantic enrichment, and ability to capture complex relationships. As a case study, industrial wastewater treatment processes were modeled through a custom KG schema. Entities, relationships, and properties were represented as nodes and edges, while predictive models were incorporated to integrate process knowledge with data-driven insights. The population of the KG was performed manually to ensure semantic accuracy and consistency. The implementation demonstrates how KGs can unify heterogeneous data, support advanced querying through Cypher, and provide a foundation for predictive analytics. The results confirm the potential of KGs to enhance knowledge representation and decision-making in industrial domains, while future work may explore automation and scalability. | el |
| dc.subject.keyword | Knowledge graph | el |
| dc.subject.keyword | Knowledge representation | el |
| dc.subject.keyword | Competency questions | el |
| dc.subject.keyword | Wastewater treatment process | el |
| dc.subject.keyword | Neo4j | el |
| dc.subject.keyword | Cypher | el |
| dc.subject.keyword | Γράφημα γνώσης | el |
| dc.subject.keyword | Αναπαράσταση γνώσης | el |
| dc.subject.keyword | Ερωτήματα επάρκειας | el |
| dc.subject.keyword | Διεργασία επεξεργασίας λυμάτων | el |
| dc.date.defense | 2025-09 | |
