dc.contributor.advisor | Δουλκερίδης, Χρήστος | |
dc.contributor.author | Πατσιμάς, Ανδρέας | |
dc.date.accessioned | 2022-03-29T10:16:16Z | |
dc.date.available | 2022-03-29T10:16:16Z | |
dc.date.issued | 2022-02 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/14257 | |
dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/1680 | |
dc.description.abstract | Η παρούσα διπλωματική εργασία αποσκοπεί στον συνδυασμό ετερογενών δεδομένων για την εύρεση συσχετίσεων μεταξύ μεταβλητών και την εξαγωγή συμπερασμάτων σχετικά με την εξέλιξη της πανδημίας Covid-19. Αρχικά συλλέχθηκαν δεδομένα από επίσημες πηγές που αναφέρονται άμεσα στις μετρικές της πανδημίας, δεδομένα που αφορούν την ατμοσφαιρική μόλυνση και δεδομένα σχετικά με τις μετακινήσεις του πληθυσμού. Τα δεδομένα αυτά οργανώθηκαν και δομήθηκαν σύμφωνα με τις αρχές του σημασιολογικού ιστού, ενώ δημιουργήθηκε και η αντίστοιχη οντολογία με τη χρήση της γλώσσας OWL και του εργαλείου Protégé. Στη συνέχεια με τη δημιουργία κατάλληλων λεξικών και γραμματικών κανόνων και τη χρήση RDF-Gen παράχθηκαν τα τελικά αρχεία που περιέχουν τις επιθυμητές RDF τριπλέτες. Έτσι η εξαγωγή των επιθυμητών πληροφοριών πραγματοποιήθηκε με την κατασκευή των κατάλληλων SPARQL ερωτημάτων που βασίστηκαν στη δομή της οντολογίας αυτής. Επιπρόσθετα, με τη χρήση της SPARQL και αντίστοιχων queries συγκεντρώθηκαν δευτερεύοντα δεδομένα που προέρχονται από πηγές του σημασιολογικού ιστού και σχετίζονται με τον αριθμό των νοσοκομείων, των αθλητικών εγκαταστάσεων και της πυκνότητας του πληθυσμού για ένα σύνολο πρωτευουσών συγκεκριμένων χωρών-πιλότων. Σύμφωνα με τα αποτελέσματα, φαίνεται να υπάρχουν ενδιαφέρουσες συσχετίσεις ανάμεσα στα δεδομένα που χρήζουν περεταίρω διερεύνησης. | el |
dc.format.extent | 59 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | el |
dc.title | Συλλογή, ολοκλήρωση και ανάλυση δεδομένων για Covid-19 με τεχνολογίες σημασιολογικού ιστού | el |
dc.type | Master Thesis | el |
dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
dc.description.abstractEN | The present dissertation aims to combine heterogeneous data to find correlations between variables and to draw conclusions about the evolution of the Covid-19 pandemic. Initially, data were collected from officially sources that directly refer to pandemic metrics, data on air pollution and data on population mobility. This data were organized and structured according to the principles of semantic web, while the corresponding ontology was created using the OWL language and the Protégé tool. Then, with the creation of appropriate lexical and grammatical rules and the use of RDF-Gen, the final files were produced that include the desired RDF triplets. Therefore, the extraction of the desired information was carried out by constructing the appropriate SPARQL queries, which were based on the ontology’s structure. In addition, secondary data was collected using SPARQL and corresponding queries stemming from their semantic web sources which are related to the number of hospitals, sports facilities, and population density for a set of specific pilot country capitals. According to the results, it seems that exist interesting correlations between the data that need further investigation. | el |
dc.contributor.master | Προηγμένα Συστήματα Πληροφορικής | el |
dc.subject.keyword | COVID-19 | el |
dc.subject.keyword | Σημασιολογικός Ιστός | el |
dc.date.defense | 2022-01 | |