Υλοποίηση διαδικτυακής εφαρμογής ανίχνευσης γεγονότων από
δεδομένα προερχόμενα από μέσα κοινωνικής δικτύωσης

Δεπάστας, Βασίλειος; Συρμακέσης, Ανδρέας-Δωρόθεος; Depastas, Vasileios; Syrmakesis, Andreas-Dorotheos

dc.contributor.author	Δεπάστας, Βασίλειος	el
dc.contributor.author	Συρμακέσης, Ανδρέας-Δωρόθεος	el
dc.contributor.author	Depastas, Vasileios	en
dc.contributor.author	Syrmakesis, Andreas-Dorotheos	en
dc.date.accessioned	2017-10-27T09:33:24Z
dc.date.available	2017-10-27T09:33:24Z
dc.date.issued	2017-10-27
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/45826
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.14635
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	Ανίχνευση έκτακτων γεγονότων	el
dc.subject	Πραγματικός χρόνος	el
dc.subject	Ελληνικά	el
dc.subject	Twitter	en
dc.subject	Unscheduled events detection	en
dc.subject	Real time	en
dc.subject	Greek	en
dc.subject	Streaming API	en
dc.title	Υλοποίηση διαδικτυακής εφαρμογής ανίχνευσης γεγονότων από δεδομένα προερχόμενα από μέσα κοινωνικής δικτύωσης	el
heal.type	bachelorThesis
heal.classification	Information retrieval	en
heal.classification	Εξόρυξη δεδομένων	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2017-10-13
heal.abstract	Η συνεχής αύξηση του αριθμού των χρηστών του μέσου κοινωνικής δικτύωσης Twitter στην Ελλάδα (σύμφωνα με το monitor.netsteps.gr - έναν ιστότοπο που αναλύει σε καθημερινή βάση τα μέσα κοινωνικής δικτύωσης Ελλήνων - ο τρέχων αριθμός ανέρχεται σε 697,678 τον Οκτώβριο του 2017 ενώ το 2013 ο αριθμός αυτός ανερχόταν σε 263,100) και η συνακόλουθη αύξηση του όγκου της πληροφορίας που διαμοιράζεται στο μέσο καθιστά το Twitter μια εξαιρετικά χρήσιμη πηγή δεδομένων σε πραγματικό χρόνο. Στα πλαίσια της παρούσας διπλωματικής εργασίας πραγματοποιήθηκε α) μελέτη και σύγκριση μεθόδων ανίχνευσης προκαθορισμένων έκτακτων γεγονότων όπως σεισμών και πλημμύρων σε μικρό χρόνο από την πρώτη παρατήρηση τους από αναφορές στο μέσο κοινωνικής δικτύωσης Twitter και β) ανάπτυξη κατάλληλης μεθοδολογίας με επιλογή των πιο αποτελεσματικών μεθόδων για την υλοποίησή τους στα πλαίσια μιας διαδικτυακής πλατφόρμας και εφαρμογής για κινητά που ενημερώνει τους χρήστες για τέτοια γεγονότα. Η υλοποίηση αφορά γεγονότα που ανιχνεύονται σε πραγματικό χρόνο μέσω της συγκέντρωσης και επεξεργασίας tweets με χρήση του Streaming API του Twitter με προκαθορισμένες λέξεις-κλειδιά στα ελληνικά. Ως εκ τούτου, γεγονότα τα οποία συζητούνται στο μέσο στην ελληνική γλώσσα είναι υποψήφια προς ανίχνευση από το σύστημα. Η μεθοδολογία που αναπτύχθηκε μπορεί να χρησιμοποιηθεί για την ανίχνευση προκαθορισμένων γεγονότων με την τροποποίηση των λέξεων-κλειδιών για την λήψη των tweets μέσω του Twitter API και τη δημιουργία κατάλληλου dataset για την εκπαίδευση του συστήματος. Η γενικότητα της μεθοδολογίας έγκειται στο γεγονός ότι έχει υλοποιηθεί ένα γενικό σύστημα άντλησης και προεπεξεργασίας των tweets σε πραγματικό χρόνο όπως και η πλατφόρμα και εφαρμογή για κινητά που αμφότερες μπορούν να χρησιμοποιηθούν για ενημέρωση των χρηστών σχετικά με γεγονότα που τους αφορούν με κατάλληλη τροποποίηση.	el
heal.abstract	The continuous increase of the Twitter social media users in Greece (according to monitor.netsteps.gr –a website analyzing Greek social media in a daily basis –the number of users is up to 697,678 as of October 2017, whereas in 2013 it was only 263,100) and the increase on data volumes exchanged through the platform makes Twitter an ideal real time data source. In the context of this thesis, we a) studied and compared event detection methods for predefined unplanned events such as earthquakes or floodings in short time after their first report on Twitter and b) we developed an appropriate methodology to create this system along with an online platform and mobile app which informs its users regarding such events. The system created detects events in real time after concentrating and processing tweets with the usage of Twitter’s Streaming API and predefined keywords in Greek language. Therefore, events that are being discussed in Twitter in Greek are subject to detection by the system. The methodology developed can also be used for detection of other predefined events with appropriate adjustments of the used keywords for tweets retrieval through Twitter API and the creation of an appropriate training dataset. Τhe generality of this methods lies in the fact that we have developed a generic system for retrieving tweets and pre processing in real time as well as a web platform and a mobile app in order to keep users updated regarding events of their interest with appropriate adjustments.	en
heal.advisorName	Ασκούνης, Δημήτριος	el
heal.committeeMemberName	Ασκούνης, Δημήτριος	el
heal.committeeMemberName	Ψαρράς, Ιωάννης	el
heal.committeeMemberName	Δούκας, Χρυσόστομος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεων	el
heal.academicPublisherID	ntua
heal.numberOfPages	115 σ.
heal.fullTextAvailability	true