Πρόβλεψη μελλοντικών σχέσεων μεταξύ των χρηστών των
μέσων κοινωνικής δικτύωσης

Κωνσταντινίδης-Γεωργίου, Εμμανουήλ; Konstantinidis-Georgiou, Emmanouil

dc.contributor.author	Κωνσταντινίδης-Γεωργίου, Εμμανουήλ	el
dc.contributor.author	Konstantinidis-Georgiou, Emmanouil	en
dc.date.accessioned	2017-02-10T10:52:52Z
dc.date.available	2017-02-10T10:52:52Z
dc.date.issued	2017-02-10
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/44320
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.13781
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Μέσα κοινωνικής δικτύωσης	el
dc.subject	Πρόβλεψη ακμών	el
dc.subject	Ταξινομητές	el
dc.subject	Γράφος	el
dc.subject	Τυχαίοι περίπατοι	el
dc.subject	Online social networks	en
dc.subject	Link prediction	en
dc.subject	Classifiers	en
dc.subject	Graph	en
dc.title	Πρόβλεψη μελλοντικών σχέσεων μεταξύ των χρηστών των μέσων κοινωνικής δικτύωσης	el
heal.type	bachelorThesis
heal.classification	Προχωρημένη μηχανική μάθηση	el
heal.classificationURI	http://data.seab.gr/concepts/d5cf140063d31fceb414be6c8dcb4654ffd3efcf
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2016-10-13
heal.abstract	Ο σκοπός αυτής της διπλωματικής εργασίας είναι η μελέτη του προβλήματος της πρόβλεψης ακμών στα μέσα κοινωνικής δικτύωσης. Αρχικά, παρουσιάζονται τα βασικά συστατικά ενός κοινωνικού δικτύου και δίνεται ο ορισμός του προβλήματος. Επισημαίνεται η σημαντικότητα του προβλήματος σε ζητήματα της καθημερινότητας και τονίζονται τα προβλήματα που συναντούνται κατά την διαδικασία επίλυσης του. Κατά την διαδικασία επίλυσης μελετούνται γραφοθεωρητικές τεχνικές, αλλά και πιο ευφυείς και περίπλοκες τεχνικές. Οι γραφοθεωρητικές τεχνικές βασίζονται στην μελέτη της δομής του δικτύου και την ομοιότητα μεταξύ των κόμβων. Δίνεται ιδιαίτερη βαρύτητα σε τεχνικές που μελετούν τους γειτόνους, τα μονοπάτια και τους τυχαίους περιπάτους μεταξύ δυο κόμβων του δικτύου. Η επίλυση του προβλήματος με ευφυείς τεχνικές, απαιτεί τον ορισμό του αντίστοιχου προβλήματος δυαδικής ταξινόμησης, τον πειραματισμό με τις τιμές των παραμέτρων των διαφόρων ταξινομητών, τον σχεδιασμό και τη δημιουργία των δειγμάτων εκπαίδευσης και την αντιμετώπιση σημαντικών ζητημάτων που προκύπτουν. Στην παρούσα εργασία εξετάζεται η απόδοση πολλών διαφορετικών ταξινομητών. Επίσης, γίνεται λεπτομερής αναφορά στα πειραματικά πρωτόκολλα που χρησιμοποιήθηκαν για τις γραφοθεωρητικές και τις ευφυείς τεχνικές, όπως και στον τρόπο με τον οποίο υπολογίζεται η απόδοση των διαφόρων τεχνικών πρόβλεψης. Τονίζεται ο λόγος χρήσης δυο διαφορετικών πειραματικών πρωτοκόλλων και γίνεται μια παρουσίαση της μεθόδου διασταυρούμενης αντεπικύρωσης, η οποία χρησιμοποιείται για τον υπολογισμό της απόδοσης όλων των τεχνικών. Τέλος, παρουσιάζονται τα αποτελέσματα της έρευνας μας με την μορφή γραφικών παραστάσεων και σε μορφή τέτοια ώστε να μπορεί να γίνει γρήγορη και εύκολη σύγκριση μεταξύ των τεχνικών πρόβλεψης. Ακολουθεί η αξιολόγηση των τεχνικών και ο σχολιασμός των αποτελεσμάτων για τα σύνολα δεδομένων που χρησιμοποιήθηκαν. Η εργασία ολοκληρώνεται με την αναφορά στα συμπεράσματα που εξάγονται από την μελέτη του προβλήματος και τις μελλοντικές κατευθύνσεις.	el
heal.abstract	Theaimofthisthesisistostudythelinkpredictionprobleminsocialnetworks.Initially,weintroduce the basic components of a social network and we define the problem. The importance of this problem is highlighted and we also point out the difficulties that we encounter during the solving process. We study many graphtheoretical techniques but also more complex, machine learning techniques for solving this problem. Graphtheoretical techniques are based on examining the structure of the network and the similarity between nodes. We focus on techniques that examine the neighborhood, the paths and the random walks between two nodes of the network. In order to solve the problem by using machine learning techniques, we first need to define the counterpartproblemofbinaryclassification,toexperimentwiththevaluesoftheclassificationparam- eters, to design and create the training examples for the classifiers and to deal with difficult problems that emerge during the classification process. We also give a detailed report of the experimental setup that we use for solving the problem, but also a detailed report on how we measure the performance of different techniques. We highlight the importance of using two different experimental setups for the techniques that we study and we also introduce the idea of cross validation, a method that we use to measure the performance. Finally, we present our results using charts, in a way that it is easier for the reader to find and comparetheperformanceofdifferenttechniques.Weevaluateourfindingsandcommentontheresults before we give our conclusions for our study and suggest future directions for the link prediction problem in social networks.	en
heal.advisorName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Σιόλας, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	80 σ.
heal.fullTextAvailability	true