Ανάπτυξη εφαρμογής για την επεξεργασία χωρικής πληροφορίας στα κοινωνικά δίκτυα

Θεοδωρίδη, Στεφανία; Theodoridi, Stefania

dc.contributor.author	Θεοδωρίδη, Στεφανία	el
dc.contributor.author	Theodoridi, Stefania	en
dc.date.accessioned	2016-07-22T08:04:16Z
dc.date.available	2016-07-22T08:04:16Z
dc.date.issued	2016-07-22
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/43230
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.5797
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Γεωπληροφορική”	el
dc.rights	Default License
dc.subject	Χωρική πληροφορία	el
dc.subject	Κοινωνικά δίκτυα	el
dc.subject	Υπηρεσίες βασιζόμενες στη τοποθεσία	el
dc.subject	API ροής	el
dc.subject	Android	en
dc.subject	Location based services	en
dc.subject	Social networks	en
dc.subject	Streaming API	en
dc.subject	Spatial information	en
dc.title	Ανάπτυξη εφαρμογής για την επεξεργασία χωρικής πληροφορίας στα κοινωνικά δίκτυα	el
heal.type	masterThesis
heal.classification	Γεωπληροφορική	el
heal.classificationURI	http://data.seab.gr/concepts/0470dde7ed974578bbc4961549816f7b254efcb2
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2015-07-23
heal.abstract	Η παρούσα εργασία αναφέρεται στην περιγραφή και την υλοποίηση μια εφαρμογής για την πλατφόρμα κινητών συσκευών Android, με σκοπό την επεξεργασία χωρικής πληροφορίας σε κοινωνικά δίκτυα και συγκεκριμένα στο κοινωνικό δίκτυο του Twitter. Τα κοινωνικά δίκτυα που χρησιμοποιούν υπηρεσίες τοποθεσίας και μπορούν να παρέχουν χωρικές πληροφορίες σε διάφορες χρονικές στιγμές ονομάζονται Κοινωνικά Δίκτυα Βασιζόμενα στην Τοποθεσία ή αλλιώς Location Based Social Networks. Η χωρική πληροφορία μπορεί να αποκτηθεί από τις γεωγραφικές συντεταγμένες, όπου ο χρήστης ήταν εκείνη τη χρονική στιγμή, ή μπορεί να παραχθεί από το περιεχόμενο ή το θέμα που περιγράφει, όπως ένα δρόμο ή ορόσημο όπου ο χρήστης βρισκόταν εκείνη τη στιγμή. Ο πρώτος τύπος των πληροφορίας συγκεντρώνει την παρουσία των ανθρώπων δίνοντας έμφαση στη στην ακρίβεια της θέσης, αλλά δεν έχει καμία σημασιολογική πληροφορία. Ο δεύτερος τύπος περιλαμβάνει πλούσιες εννοιολογικές πληροφορίες, αλλά δεν περιλαμβάνει κάθε θέση που έχει επισκεφθεί ο χρήστης. Οι πληροφορίες, που συλλέγονται και υποβάλλονται σε επεξεργασία σε αυτή τη διπλωματική εργασία είναι οι πληροφορίες των ετικετών ή αλλιώς Hashtags του Twitter. Οι ετικέτες είναι σύντομα μηνύματα κειμένου που αναφέρονται σε ένα συγκεκριμένο θέμα. Συμπεριλαμβανομένων των χωρικών πληροφοριών στην ετικέτα που δημιουργεί ο χρήστης, μπορούμε να βγάλουμε κάποια στατιστικά αποτελέσματα, σχετικά με τα θέματα που πιο δημοφιλή την τρέχουσα ώρα, και κοντά στην τρέχουσα τοποθεσία. Το Twitter έχει αναπτύξει το δικό του API για την ευκολότερη ενσωμάτωση του σε άλλες εφαρμογές. Στην παρούσα εργασία έχουμε χρησιμοποιήσει το API ροής, αντίθετα με το REST API, γιατί θέλουμε δεδομένα σε πραγματικό χρόνο. Επίσης έχουμε χρησιμοποιήσει τις δημόσιες παραμέτρους, για την πρόσβαση σε δημόσιες πληροφορίες και όχι ιδιωτικές, που θα απαιτούσε την είσοδο του χρήστη. Η πιστοποίηση πραγματοποιείται στο πλαίσιο της προσέγγισης του μοναδικού χρήστη, στη συγκεκριμένη περίπτωση του προγραμματιστή της εφαρμογής. Με αυτόν τον τρόπο έχουμε πρόσβαση στο API ροής, για τη συλλογή δεδομένων σε πραγματικό χρόνο, ενώ ταυτόχρονα δεν υπάρχει ανάγκη για είσοδο των χρηστών στο Twitter, ούτε και στα δεδομένα τους. Το API ροής, δημιουργεί μια μακρά σε χρονική διάρκεια σύνδεση, τροφοδοτώντας την τοπική βάση της συσκευής με νέα δεδομένα συνεχώς. Η εφαρμογή στέλνει αίτημα στις υπηρεσίες του Twitter για μια συγκεκριμένη περιοχή - πολύγωνο. Τα δεδομένα που επιστρέφονται στην εφαρμογή πελάτη, αποθηκεύονται στην τοπική βάση δεδομένων για ένα συγκεκριμένο χρονικό διάστημα, προκειμένου να υποστούν μια περαιτέρω επεξεργασία, μέχρι την τελική επιστροφή και παρουσίασή τους στον χρήστη. Σε αυτό το σημείο πρέπει να αναφέρουμε ότι, το πολύγωνο - περιοχή του αιτήματος στο Τwitter, περιλαμβάνει μια μεγαλύτερη ακτίνα αναζήτησης από ό,τι τα αποτελέσματα που επιστρέφονται τελικά στο χρήστη. Αυτό ο σχεδιασμός έχει να κάνει με το γεγονός, ότι ο χρήστης μπορεί να μετακινηθεί κατά τη χρήση της εφαρμογής. Έτσι, προκειμένου να είναι πιο γρήγορη η επιστροφή των τελικών αποτελεσμάτων, φορτώνουμε στην τοπική βάση δεδομένων μας περισσότερα αποτελέσματα, από μια ευρύτερη περιοχή, ώστε να είναι έτοιμα για προβολή. Μετά την εκτέλεση κάποιων στιγμιοτύπων της εφαρμογής, υπάρχουν μερικά αρκετά ενδιαφέροντα αποτελέσματα, που αξίζει να αναφερθούν. Τα αποτελέσματα που παρουσιάζονται σε αυτή την εργασία αναφέρονται στην περιοχή της Αττικής, στην Ελλάδα και το Σαν Φρανσίσκο, στις Ηνωμένες Πολιτείες Αμερικής. Τα πιο συχνά θέματα σχετίζονται με την πολιτική, με διασημότητες ή ό, τι είναι δημοφιλές εκείνη τη στιγμή κάποια άλλα μέσα ενημέρωσης. Ένα άλλο ενδιαφέρον αποτέλεσμα είναι ότι στην Ελλάδα το ποσό της δημόσιων ετικετών με δημοσιοποίηση της τοποθεσίας δεν είναι τόσο μεγάλο, γεγονός που σημαίνει ότι οι Έλληνες δεν είναι τόσο εξοικειωμένοι με τη δημοσίευση της θέσης τους στα κοινωνικά δίκτυα. Από την άλλη πλευρά σε πόλεις όπως το Σαν Φρανσίσκο δείχνουν μεγαλύτερη εξοικείωση με το να μοιράζονται την θέση τους στα κοινωνικά δίκτυα.	el
heal.abstract	In this work we focus on the description and the implementation of a mobile application, for the Android platform, in order to use and process the spatial information in social networks. The social network that is used for this study is Twitter. Social Networks that use location services and can provide spatial information in different times are called Location Based Social Networks. The spatial information can be acquired from the geographic coordinates where the user was at that time, or may be derived from conceptual or information content, such as a street or landmark where the user was located at that time. The first type on information gathers the views of people in a social network with more detail on the accuracy of the position, but has no semantic information. The second type includes rich conceptual information, but does not include each position the user has visited. The information, that is being collected and processed in this diploma thesis is the hashtag information of Twitter service. Hashtags are short text messages pointing to a specific topic. Including the spatial information in the hashtag that a user creates, we can make a statistic of which topics are most popular the current time, and near the current location. Twitter has developed its own API for easier integration with other applications. In this work we have used the Streaming API, instead of the REST, because we want real time data. Also we have used the public endpoints, for accessing public information and not private which would acquire user's login. The authentication is implemented on single user level, and more specific in the level of application’s owner. Implementing this approach, we can access the Streaming API for real time data and there is no need for signing in many users. So user information such as posts, or anything else, can not be accessed. The Streaming API, creates a long lived connection, feeding the local mobile database with new data continuously. The application sends request to Twitter endpoints for a specific area – polygon. The data that are returned to the client application, are stored to the local database for a specific time, in order to make a further process. At this point we have to mention that, the polygon – area of the twitter request, includes a larger search radius than the results, are finally returned to the user. This design decision has to do with the fact that a mobile user can move while using the application. So in order to access faster results, we feed our local database with more results, from a larger area, in order to be ready for display. After running some instances, there are some quite interesting results, that worth to be mentioned. The results that are presented in this work are in the city of Athens, Greece and San Fransisco, USA. The most frequent topics are related to politics, celebrities or whatever is popular that moment in other media. Another interesting result is that in Greece the amount of public hashtags that are location based is not so big, which means that Greek people are not so familiar of publishing their location in their posts or tags. While in cities like San Fransisco show greater familiarity with such location – based hashtags and share easier their location with the public.	en
heal.advisorName	Κάβουρας, Μαρίνος	el
heal.committeeMemberName	Κάβουρας, Μαρίνος	el
heal.committeeMemberName	Μήτρου, Νικόλαος	el
heal.committeeMemberName	Τερροβίτης, Μανώλης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	73 σ.	el
heal.fullTextAvailability	true