Αξιολόγηση Μαρκοβιανών μοντέλων για την ακρίβεια πρόβλεψης ανθρώπινης κινητικότητας μέσα από επισημασμένες τοποθεσίες σε κοινωνικά δίκτυα

Ψαλτόπουλος, Βασίλειος; Psaltopoulos, Vasileios

dc.contributor.author	Ψαλτόπουλος, Βασίλειος	el
dc.contributor.author	Psaltopoulos, Vasileios	en
dc.date.accessioned	2019-05-14T09:25:30Z
dc.date.available	2019-05-14T09:25:30Z
dc.date.issued	2019-05-14
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/48710
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.9395
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Μαθηματική Προτυποποίηση σε Σύγχρονες Τεχνολογίες και στα Χρηματοοικονομικά”	el
dc.rights	Αναφορά Δημιουργού-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nd/3.0/gr/	*
dc.subject	Μοντέλα Markov	el
dc.subject	Πρόβλεψη Κινητικότητα Τοποθεσίες	el
dc.subject	Κοινωνικά δίκτυα	el
dc.subject	Prediction Mobility Location	en
dc.subject	Markov Models	en
dc.subject	Foursquare	en
dc.title	Αξιολόγηση Μαρκοβιανών μοντέλων για την ακρίβεια πρόβλεψης ανθρώπινης κινητικότητας μέσα από επισημασμένες τοποθεσίες σε κοινωνικά δίκτυα	el
heal.type	masterThesis
heal.classification	ΜΑΘΗΜΑΤΙΚΕΣ ΜΕΘΟΔΟΙ, ΜΟΝΤΕΛΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ, ΜΑΘΗΜΑΤΙΚΑ ΜΟΝΤΕΛΑ ΚΑΙ ΜΟΝΤΕΛΑ ΠΡΟΣΟΜΟΙΩΣΗΣ	el
heal.classification	MATHEMATICAL METHODS; PROGRAMMING MODELS; MATHEMATICAL AND SIMULATION MODELING	en
heal.classificationURI	http://data.seab.gr/concepts/6ca5fa29c7950767cbdff3b3c2db129576fe533a
heal.classificationURI	http://data.seab.gr/concepts/6ca5fa29c7950767cbdff3b3c2db129576fe533a
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2019-02-11
heal.abstract	Η κοινοποίηση παρουσίας στα κοινωνικά δίκτυα έχει γίνει εξαιρετικά δημοφιλής τα τελευταία χρόνια. Σε γενικές γραμμές μέσω της κοινοποίησης παρουσίας σε κάποια συγκεκριμένη τοποθεσία παρέχονται στους χρήστες διάφορες σχετικές υπηρεσίες επιτρέποντας τους την αλληλεπίδραση με τις επαφές τους αλλά και το διαμοιρασμό σχετικών πληροφοριών με την τοποθεσία αναφοράς. Σκοπός της παρούσας εργασίας είναι η αξιολόγηση των διάφορων συνθέσεων του Μαρκοβιανού μοντέλου (Πρωτοτάξιο, Δευτεροτάξιο και Κρυφό) ως προς την ικανότητα πρόβλεψης της επόμενης επισκεπτόμενης τοποθεσίας κάποιου χρήστη σε ένα κοινωνικό δίκτυο - την τοποθεσία δηλαδή στην οποία ο χρήστης θα πραγματοποιήσει την επόμενη κοινοποίηση παρουσίας. Γενικά, τα μοντέλα Markov χρησιμοποιούνται για τη μοντελοποίηση πολλών προβλημάτων. Ανάμεσα στις χρήσεις ξεχωρίζουν για τον αποτελεσματικότητα τους στην μοντελοποίηση προβλημάτων πρόβλεψης. Ο λόγος της παρούσας διερεύνησης είναι διότι μετά από μελέτες έχει προκύψει ότι γενικώς οι ανθρώπινες συμπεριφορές μπορούν να περιγραφούν με ακρίβεια ως ένα σύνολο δυναμικών μοντέλων που μπορούν να αλληλουχιστούν μέσα από αλυσίδες Markov. Η ανάλυση της απόδοσης και της ικανότητας των μοντέλων θα γίνει στα πλαίσια μιας γενικής αξιολόγησης αποτελεσματικότητας μέσω προσομοιώσεων με πραγματικά δεδομένα. Τα κοινωνικά δίκτυα με χρήση τοποθεσίας μέσω των δεδομένων που συλλέγουν στα αστικά κέντρα, μπορούν να μας βοηθήσουν να κατανοήσουμε τους παράγοντες που διέπουν την ανθρώπινη κινητικότητα. Έτσι, τα πειραματικά μας δεδομένα ελήφθησαν από την βάση δεδομένων του κοινωνικού δικτύου Foursquare από εξωτερικό website και η χρήση τους είναι καθαρά και μόνο ερευνητική χωρίς καμία αλλοίωση και αναδιανομή. Ο βασικός στόχος μας είναι αφού αξιολογήσουμε τις συνθέσεις των μοντέλων και κρίνουμε ότι τα αποτελέσματα είναι ικανοποιητικά, να προχωρήσουμε στην ανάπτυξη ενός καθολικού μο ντέλου που να μπορεί να προβλέψει την επόμενη τοποθεσία που κάποιος χρήστης θα επιλέξει να παρευρεθεί. Αυτό το μοντέλο θα είναι εξαιρετικής σημασίας γιατί μπορεί να χρησιμοποιηθεί σε συστήματα πρότασης τοποθεσιών, διαφημιστικές υπηρεσίες, ταξιδιωτικά πακέτα και σε πληθώρα σχετικών εφαρμογών. Η πρόβλεψη και η μοντελοποίηση της ανθρώπινης κινητικότητας μπορεί επίσης να βελτιώσει τις υπηρεσίες βασιζόμενες στην τοποθεσία, τα ευφυή συστήματα μεταφορών, τα αστικά συστήματα πληροφορικής κλπ.	el
heal.abstract	The check-in functionality offered by most social networks has become extremely popular in recent years. In general, by sharing their particular location through a check-in, users are provided with various related services allowing them to interact with their contacts and to share relevant information with reference to their visited location. The purpose of this assignment is to evaluate the variations and the different synthesis of the Markov model (First, Second, and Hidden) in terms of their ability to predict the next visited location of a user in a social network - the location where the user will check - in next. In general, Markov models are used to model many problems. Among the uses they stand out for their efficiency in modeling forecasting problems. The reason for this research is because studies have shown that human behaviors can be described as a set of dynamic models that can be sequenced through Markov chains. Analysis of the performance and capability of the models will be performed in the context of a general efficacy assessment with the use of real data. Social networks that offer the check-in functionality collect data in urban centers that can help us understand the factors that affect human mobility. Thus, our experimental dataset was obtained from the social network Foursquare database, taken from an external website and its use is purely about research without any alteration or redistribution. Our main goal is to evaluate the different model compositions and if we consider the results to be satisfactory, to develop a global model that can predict a certain user’s next check-in location. This model will be of the utmost importance because it can be used in site propositions, advertising, travel packages and a variety of related applications. The prediction and modeling of human mobility can also improve location based services, intelligent transport systems, urban IT systems, etc	en
heal.advisorName	Άγγελος, Αμδίτης	el
heal.committeeMemberName	Άγγελος, Αμδίτης	el
heal.committeeMemberName	Ουζούνογλου, Νικόλαος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών	el
heal.academicPublisherID	ntua
heal.numberOfPages	64 σ.	el
heal.fullTextAvailability	true