HEAL DSpace

Εξόρυξη δεδομένων και καταγραφή του περιεχομένου του διαδικτύου και των κοινωνικών δικτύων

Αποθετήριο DSpace/Manakin

Εμφάνιση απλής εγγραφής

dc.contributor.author Κατσαμένης, Ιάσων el
dc.contributor.author Katsamenis, Iason en
dc.date.accessioned 2015-01-23T08:48:44Z
dc.date.available 2015-01-23T08:48:44Z
dc.date.issued 2015-01-23
dc.identifier.uri https://dspace.lib.ntua.gr/xmlui/handle/123456789/40104
dc.identifier.uri http://dx.doi.org/10.26240/heal.ntua.9058
dc.rights Default License
dc.subject Εξόρυξη δεδομένων el
dc.subject Καταγραφή του περιεχομένου του διαδικτύου el
dc.subject Μέσα κοινωνικής δικτύωσης el
dc.subject Ανάλυση παλινδρόμησης el
dc.subject Μηχανική λογισμικού el
dc.subject Data mining en
dc.subject Regression analysis el
dc.subject Social media and web monitoring en
dc.subject Regression analysis en
dc.subject Software engineering en
dc.subject Big data en
dc.title Εξόρυξη δεδομένων και καταγραφή του περιεχομένου του διαδικτύου και των κοινωνικών δικτύων el
dc.title Data mining and web monitoring en
heal.type bachelorThesis
heal.classification Επιστήμη υπολογιστών/πληροφορική el
heal.classification Στατιστική el
heal.classificationURI http://localhost:8080/healp/data/3
heal.classificationURI http://localhost:8080/healp/data/2/36
heal.language el
heal.access free
heal.recordProvider ntua el
heal.publicationDate 2014-10-03
heal.abstract Η παρούσα διπλωματική εργασία αφορά στη μελέτη των πληροφοριών που παράγονται μέσα από το διαδίκτυο και κυρίως από τα μέσα κοινωνικής δικτύωσης. Αρχικά γίνεται μία ιστορική αναδρομή γύρω από τα Big Data, ενώ παράλληλα αναφέρονται διάφορα παραδείγματα αυτών, καθώς και τα βασικά θεωρητικά γνωρίσματα που τα διακρίνουν. Στη συνέχεια μελετήθηκε ο βαθμός στον οποίο αποτυπώνεται στο διαδίκτυο ένα κοινωνικοπολιτικό φαινόμενο που, κατά τη διάρκεια μίας χρονικής περιόδου, μονοπωλεί το ενδιαφέρον των ΜΜΕ και της κοινωνίας γενικότερα. Έτσι λοιπόν εξετάστηκε αν εμφανίζεται ή όχι στα social media και συγκεκριμένα στο Twitter, η αρνητική ψυχολογία που διακρίνει τους Έλληνες κατά τη διάρκεια των τελευταίων ετών, λόγω της έντονης οικονομικής κρίσης. Προκειμένου να πραγματοποιηθεί η συγκεκριμένη ανάλυση, συλλέχθηκαν περίπου τέσσερα εκατομμύρια Tweets, που αναρτήθηκαν στη δημοφιλή σελίδα κοινωνικής δικτύωσης, μέσα σε διάστημα τεσσεράμισι ετών. Για την υλοποίηση της συγκεκριμένης εφαρμογής γράφτηκε κώδικας σε γλώσσα προγραμματισμού Java. Τέλος αποδείχθηκε ότι οι αναζητήσεις μιας αυτοκινητοβιομηχανίας στο Google συμμεταβάλλονται με τις πωλήσεις της εταιρείας. Έτσι λοιπόν, χρησιμοποιώντας ανάλυση παλινδρόμησης, επιχειρήθηκε η κατασκευή ενός μοντέλου, το οποίο είναι ικανό να πραγματοποιεί μελλοντικές προβλέψεις των πωλήσεων της εταιρείας, χρησιμοποιώντας τον αριθμό των αναζητήσεών της, στη δημοφιλή μηχανή αναζήτησης. Για την στατιστική ανάλυση και την εξαγωγή συμπερασμάτων χρησιμοποιήθηκε το στατιστικό πακέτο R. el
heal.advisorName Στεφανέας, Πέτρος el
heal.committeeMemberName Κολέτσος, Ιωάννης el
heal.committeeMemberName Καρώνη-Ρίτσαρντσον, Χρυσηΐς el
heal.academicPublisher Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών. Τομέας Μαθηματικών el
heal.academicPublisherID ntua
heal.numberOfPages 132 σ.
heal.fullTextAvailability true


Αρχεία σε αυτό το τεκμήριο

Αυτό το τεκμήριο εμφανίζεται στην ακόλουθη συλλογή(ές)

Εμφάνιση απλής εγγραφής