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

Κατσαμένης, Ιάσων; Katsamenis, Iason

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