Ανάλυση και οπτικοποίηση δεδομένων από μέσα κοινωνικής δικτύωσης

Αντωνίου, Ηλίας; Antoniou, Ilias

dc.contributor.author	Αντωνίου, Ηλίας	el
dc.contributor.author	Antoniou, Ilias	el
dc.date.accessioned	2015-06-26T09:05:31Z
dc.date.available	2015-06-26T09:05:31Z
dc.date.issued	2015-06-26
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/40894
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.8681
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc/3.0/gr/	*
dc.subject	Κοινωνικά δίκτυα	el
dc.subject	Neo4j	en
dc.subject	Twitter	en
dc.subject	Ανάλυση συναισθήματος	el
dc.subject	Node.js platform	en
dc.title	Ανάλυση και οπτικοποίηση δεδομένων από μέσα κοινωνικής δικτύωσης	el
heal.type	bachelorThesis
heal.classification	Online social networks	el
heal.classificationURI	http://id.loc.gov/authorities/subjects/sh2006006990
heal.language	el
heal.access	campus
heal.recordProvider	ntua	el
heal.publicationDate	2015-03-27
heal.abstract	Οι πλατφόρμες μικρο-ιστολογίου έχουν γίνει στις μέρες μας ένα πολύ δημοφιλές εργαλείο επικοινωνίας μεταξύ των χρηστών του Διαδικτύου. Εκατομμύρια χρήστες μοιράζονται τις απόψεις τους πάνω σε θέματα της καθημερινότητας και συνεπώς οι ιστοσελίδες αυτές κατακλύζονται από πληθώρα δεδομένων. Μια από τις δημοφιλέστερες πλατφόρμες αυτού του τύπου είναι η ιστοσελίδα κοινωνικής δικτύωσης Twitter. Τα δεδομένα που υπάρχουν στο Twitter αποτελούν σημαντική πηγή πληροφοριών, που για να αξιοποιηθούν όμως πρέπει πρώτα να οργανωθούν και να αναλυθούν με κάποιο αποτελεσματικό τρόπο. Ο όγκος των δεδομένων που υπάρχουν στο Twitter, καθώς και ο ρυθμός που αυτά παράγονται καθιστά την διαχείριση τους μια σημαντική πρόκληση. Η ακριβής γεωγραφική θέση δημιουργίας ενός τιτιβίσματος μπορεί πλέον να προσδιοριστεί αυτόματα με την βοήθεια τεχνολογιών όπως WiFi ή GPS που τα σύγχρονα κινητά τηλέφωνα παρέχουν. Σκοπός της παρούσας διπλωματικής είναι η ανάπτυξη μιας διαδικτυακής εφαρμογής που θα διαχειρίζεται τα δεδομένα του Twitter σε πραγματικό χρόνο, δίνοντας έμφαση τόσο στην γεωγραφική πληροφορία που συνοδεύει αυτά τα δεδομένα, όσο και στην εξαγωγή γλωσσικού περιεχομένου (συναίσθημα, hashtags , URLs ) από αυτά. Για την συλλογή των δεδομένων πραγματικού χρόνου αξιοποιήσαμε τις δυνατότητες που μας δίνει η εξαιρετικά οργανωμένη και λειτουργική διεπαφή προγραμματισμού εφαρμογών ( API ) του Twitter . Στη συνέχεια, αναλύσαμε τα δεδομένα αυτά με ένα εργαλείο επεξεργασίας φυσικής γλώσσας, το AlchemyAPI , προκειμένου να κάνουμε ανάλυση συναισθημάτων ( Sentiment Analysis ) στο κείμενο των τιτιβισμάτων. Οι πληροφορίες που εξάγονται από την ανάλυση, μαζί με αυτές που προσφέρει η διεπαφή του Twitter , αποθηκεύονται σε μια βάση δεδομένων. Ως βάση δεδομένων χρησιμοποιήσαμε την μη σχεσιακή βάση δεδομένων γράφου Neo4j , καθώς ο τρόπος που αποθηκεύει και ανασύρει τα δεδομένα ταιριάζει στον έντονα δομημένο γύρω από τις σχέσεις τομέα των κοινωνικών δικτύων. Για την ανάπτυξη της εφαρμογής μας χρησιμοποιήσαμε την πλατφόρμα Node.js . Το Node.js χρησιμοποιεί την Javascript στην πλευρά του εξυπηρετητή, για την δημιουργία γρήγορων και με υψηλά επίπεδα κλιμάκωσης εφαρμογών. Τα υψηλά επίπεδα κλιμάκωσης, είναι ιδιαίτερα σημαντικό στοιχείο για μια εφαρμογή διαχείρισης δεδομένων, αφού αυτή απαιτείται να ανταποκρίνεται σε μεγάλο όγκο δεδομένων. Στην πλευρά του εξυπηρετούμενου χρησιμοποιήσαμε ένα σύνολο γνωστών διαδικτυακών τεχνολογιών ( HTML , CSS, Javascript, JQuery) και βιβλιοθηκών ( OpenLayers , Sigma , Raph ä el ) , προκειμένου να εμφανίσουμε τα αποτελέσματα στον χρήστη	el
heal.advisorName	Βασιλείου, Ιωάννης	el
heal.committeeMemberName	Κοντογιάννης, Κωνσταντίνος	el
heal.committeeMemberName	Βασιλείου, Ιωάννης	el
heal.committeeMemberName	Κόλλιας, Στέφανος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	102 σ.
heal.fullTextAvailability	true