Επεξεργασία ροών χωροκειμενικών δεδομένων

Κάσδαγλης, Σπύρος

dc.contributor.advisor	Δουλκερίδης, Χρήστος
dc.contributor.author	Κάσδαγλης, Σπύρος
dc.date.accessioned	2022-03-18T12:49:02Z
dc.date.available	2022-03-18T12:49:02Z
dc.date.issued	2022-02
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/14235
dc.identifier.uri	http://dx.doi.org/10.26267/unipi_dione/1658
dc.description.abstract	Smartphones, wearables, health assistants, instagram, facebook, twitter, tic toc· Αυτές είναι μόνο μερικές -πολύ γνωστές- από τις εκατοντάδες συσκευές και εφαρμογές που πλέον απαιτούν τη συλλογή και επεξεργασία χωροκειμενικών (spatiotextual) δεδομένων, ώστε να μπορούν να προσφέρουν την βέλτιστη εμπειρία για τους χρήστες τους. Όπως είναι επόμενο, η χρήση “έξυπνων” συσκευών και αισθητήρων έχει αυξήσει ραγδαία το μέγεθος της πληροφορίας που έχει να κάνει με την τοποθεσία και το κείμενο. Αντίστοιχα, αυξάνονται οι ανάγκες για επεξεργασία και εξαγωγή αποτελεσμάτων σε πραγματικό χρόνο. Το Spatiotextual Similarity Join συνεχόμενων ροών χωροκειμενικών δεδομένων είναι ένα από τα πλέον σημαντικά και σύγχρονα ερωτήματα που το συναντάμε σε διάφορες εφαρμογές στο σήμερα. Αναφέρεται στην προσπάθεια να επιτευχθεί ζεύξη μεταξύ των αντικειμένων μιας συνεχόμενης ροής δεδομένων που φέρουν γεωγραφική και κειμενική πληροφορία, με ένα σύνολο χωροκειμενικών αντικειμένων αποθηκευμένων σε ένα σύστημα. Για παράδειγμα, ας υποθέσουμε πως έχουμε μια συνεχόμενη ροή και ένα σύνολο χωροκειμενικών αντικειμένων, και παράλληλα, μας δίνεται μια ακτίνα αναζήτησης και ένα κατώφλι κειμενικής ομοιότητας (threshold). Εμείς θα προσπαθήσουμε να επιστρέψουμε ζευγάρια αντικειμένων από τα δύο προαναφερθέντα σύνολα, τα οποία βρίσκονται σε απόσταση μικρότερη από την δοθείσα ακτίνα, ενώ η κειμενική τους ομοιότητα κρίνεται μεγαλύτερη από το δοθέν threshold. Γίνεται εύκολα αντιληπτό πως στις μέρες μας το μέγεθος των χωροκειμενικών δεδομένων είναι αυξημένο και οι ανάγκες επεξεργασίας αυτών σε πραγματικό χρόνο υπερβαίνουν τις δυνατότητες που μπορεί να προσφέρει ένα κεντρικοποιημένο σύστημα. Γι’ αυτό κρίθηκε αναγκαία η υλοποίηση ενός συστήματος που να υιοθετεί την κατανεμημένη τοπολογία και τεχνικές παράλληλης εκτέλεσης εργασιών.	el
dc.format.extent	59	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	Επεξεργασία ροών χωροκειμενικών δεδομένων	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων	el
dc.description.abstractEN	Smartphones, wearables, health assistants, instagram, facebook, twitter, tic toc· are only some -well known- of hundreds of devices and applications that nowdays require the collection and processing of spatiotextual data in order to provide the best possible user experience. Therefore, the use of smart devices and sensors has caused a rapid increase of the amount of data that contain location and text info. As a result, processing and real-time result extraction needs rise accordingly. Spatiotextual similarity join of streaming data is one of the foremost operations in spatiotextual data integration and finds usage in various applications. It refers to the execution of the needed operations in order to achieve join between the streaming data that contain spatiotextual info and a set of spatiotextual objects. For example, let’s assume a set of streaming and a set of static spatiotextual data, as well as a given spatial range radius and a text similarity threshold. We are attempting to determine all the similar pairs from the two sets that are in a closer distance than the given radius, while at the same time their textual similarity ranking is greater than the given threshold. It is easily understood that nowadays, the big volume of spatial-textual data and the need for real-time processing go beyond the possibilities that a centralized system can offer. Therefore, the development of a system with a decentralized topology that makes use of parallel processing techniques is considered necessary.	el
dc.contributor.master	Πληροφοριακά Συστήματα και Υπηρεσίες	el
dc.subject.keyword	Επεξεργασία συνεχόμενων ροών	el
dc.subject.keyword	Streaming	el
dc.subject.keyword	Apache Spark Streaming	el
dc.subject.keyword	Spatio-textual Similarity JOIN	el
dc.subject.keyword	Χωροκειμενικά δεδομένα	el
dc.subject.keyword	Big data	el
dc.date.defense	2022-02-28

Αρχεία σε αυτό το τεκμήριο

Name:: Kasdaglis_ME1927.pdf
Μέγεθος:: 4.483Mb
Τύπος:: PDF
Description:: Μεταπτυχιακή διατριβή

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα

Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα