dc.contributor.author | Bitsikokos, Loizos | en |
dc.contributor.author | Μπιτσικώκος, Λοΐζος | el |
dc.date.accessioned | 2022-07-20T10:41:38Z | |
dc.date.available | 2022-07-20T10:41:38Z | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/55453 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.23151 | |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc/3.0/gr/ | * |
dc.subject | Μαθηματική μοντελοποίηση | el |
dc.subject | Ανάλυση κοινωνικών δικτύων | el |
dc.subject | Υπολογιστικές κοινωνικές επιστήμες | el |
dc.subject | Γραφήματα | el |
dc.subject | Δίκτυα | el |
dc.subject | Mathematical modelling | en |
dc.subject | Social network analysis | en |
dc.subject | Graphs | en |
dc.subject | Networks | en |
dc.subject | Computational social science | en |
dc.subject | Θεωρία γραφημάτων | el |
dc.subject | Graph theory | en |
dc.subject | Επιχειρησιακή έρευνα | el |
dc.subject | Operational research | en |
dc.title | Μελέτες επιδραστικότητας χρηστών κοινωνικών δικτύων | el |
dc.title | Studies of user influence in online social networks | en |
heal.type | masterThesis | |
heal.classification | Μαθηματική Μοντελοποίηση | el |
heal.classification | Θεωρία Γραφημάτων | el |
heal.classification | Επιχειρησιακή Έρευνα | el |
heal.classification | Ανάλυση Κοινωνικών Δικτύων | el |
heal.classification | Υπολογιστικές Κοινωνικές Επιστήμες | el |
heal.classification | Mathematical Modelling | en |
heal.classification | Graph Theory | en |
heal.classification | Operational Research | en |
heal.classification | Social Network Analysis | en |
heal.classification | Computational Social Science | en |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2022-02-17 | |
heal.abstract | Η μοντελοποίηση της λειτουργίας ενός μέσου κοινωνικής δικτύωσης και η εύρεση του πιο επιδραστικού χρήστη του είναι μία από τις πιο ενδιαφέρουσες και πολύπλοκες εφαρμογές της Θεωρίας Γραφημάτων. Το πρόβλημα της ποσοτικοποίησης της έννοιας της επιδραστικότητας έχει τεράστια σημασία για επιχειρήσεις που δραστηριοποιούνται στο χώρο του διαδικτυακού μάρκετινγκ, αποτελώντας αναπόσπαστο κομμάτι του κλάδου της Επιχειρησιακής Έρευνας. Αρχικά, παρουσιάζουμε μία εισαγωγή στην Επιχειρησιακή Έρευνα με έμφαση στη διαδικασία και τα στάδια της Μοντελοποίησης. Στη συνέχεια, κάνουμε μία εισαγωγή στη Θεωρία Γραφημάτων παραθέτοντας εκτενώς ορισμούς και ιδιότητες κατευθυνόμενων και μη κατευθυνόμενων γραφημάτων με αυστηρό μαθηματικό φορμαλισμό. Κατόπιν αναλύεται ο αλγόριθμος PageRank, ένας αλγόριθμος ταξινόμησης ιστοσελίδων σύμφωνα με τη σημαντικότητά τους, ο οποίος βρίσκει εφαρμογές σε κοινωνικά δίκτυα. Επίσης, εισάγεται η έννοια της κεντρικότητας/επιδραστικότητας σε γραφήματα καθώς και κάποια μέτρα κεντρικότητας για υπολογισμούς. Στη συνέχεια, παρουσιάζεται η δομή και λειτουργία του Twitter ενός από τα πιο σύνθετα κοινωνικά δίκτυα για τη μετάδοση πληροφοριών, ενώ μοντελοποιείται με τη βοήθεια της Θεωρίας Γραφημάτων, ορίζοντας πληθώρα μέτρων επιδραστικότητας ειδικά προσαρμοσμένα σε αυτό. Τέλος, εφαρμόζουμε το μοντέλο για το συγκεκριμένο κοινωνικό δίκτυο σε ένα πραγματικό σύνολο δεδομένων από χρήστες και αλληλεπιδράσεις τους, ενώ επιχειρούμε να εντοπίσουμε τόσο τους πιο επιδραστικούς χρήστες όσο και πιθανές συσχετίσεις μεταξύ των υπό μελέτη μέτρων επιδραστικότητας. | el |
heal.abstract | Modelling the function of an online social network and finding the most influential user is one of the most intriguing and complex applications of Graph Theory today. The problem of quantifying influence is a difficult and loosely defined task that has tremendous importance in businesses involved in online marketing and therefore is a milestone for Operational Research. As a start, an introduction to Operational Research with an emphasis in Modelling is presented. In addition, Graph Theory is introduced presenting various definitions, examples and properties of directed and undirected graphs with the appropriate mathematical formalism. We continue with an analysis of the PageRank algorithm for classifying websites according to their importance, an algorithm greatly important for classifying social networks users as well. The notion of Centrality/Influence is also analyzed extensively presenting various centrality measures. Continuing, Twitter, an online microblogging social network, is presented and modeled with the use of Graph Theory while some influence measures specifically defined for Twitter are introduced. Lastly, the Twitter model is applied to a real dataset constituted of users and their interactions while we attempt not only to find the most influential users in the dataset but possible correlations between various influence measures. | en |
heal.advisorName | Coletsos, John | en |
heal.committeeMemberName | Στεφανέας, Πέτρος | el |
heal.committeeMemberName | Συμβώνης, Αντώνιος | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών | el |
heal.academicPublisherID | ntua | |
heal.fullTextAvailability | false |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: