Στόχος της παρούσας εργασίας, είναι η σχεδίαση και η υλοποίηση ενός προγράμματος, το οποίο θα υπολογίζει την βέλτιστη διαδρομή μεταξύ δύο σημείων στην πόλη της Πάτρας, το οποία συνδέονται με αστική συγκοινωνία. Στα πλαίσια της εργασίας αυτής, συγκεντρώθηκαν τα δεδομένα που αφορούν τις διαδρομές των λεωφορείων, τα δρομολόγια και οι χρόνοι μετάβασης. Στη συνέχεια, τα δεδομένα αυτά κωδικοποιήθηκαν κατάλληλα και δημιουργήθηκε πρόγραμμα το οποίο θα τα χρησιμοποιεί για να υπολογίζει την βέλτιστη δρομολόγηση μεταξύ δύο σημείων που θα επιλέγει ο χρήστης. Το πρόγραμμα παρέχεται και ως ανεξάρτητη εκτελέσιμη εφαρμογή αλλά και ως υπηρεσία web, με δυνατότητα εγκατάστασης στον web server του εργαστηρίου. / The main purpose of this Diploma Thesis is the development of a computer program, that is going to estimate the best route between two city points in the city of Patras. These two places are accessible by Patras public transportation system. For this project, we gathered all the appropriate data that are related with the bus routes, the routes, and the time between subsequent bus stop. Furthermore, these data were encoded in such a way, that they are accessible by our program, which calculates the best route between two points chosen by a user. This program was developed as an independent executable application but also as a web service, with the ability to be uploaded in the laboratory’s web server.

- / -

Τα τελευταία χρόνια, η τεχνολογία ραδιοσυχνικής αναγνώρισης (Radio Frequency Identification), πιο γνωστή ως RFID, γνωρίζει σημαντική ανάπτυξη και υιοθετείται σε πολλές εφαρμογές παγκοσμίως. Πρόκειται για μια τεχνολογία, αυτόματης αναγνώρισης αντικειμένων ή/και προσώπων που φέρουν RFID ετικέτα, η οποία συγκεντρώνει σημαντικά χαρακτηριστικά που μπορούν να αξιοποιηθούν για την υποστήριξη υποδομών και συστημάτων ελέγχου προσπέλασης και αναγνώρισης. Τα συστήματα RFID γίνονται ολοένα και περισσότερο δημοφιλή στην εφαρμογή τους σε ολοκληρωμένα επιχειρησιακά συστήματα όπως διαχείρισης εφοδιαστικής αλυσίδας, αναγνώρισης αντικειμένων, ιχνηλάτισης, διαχείρισης εγγράφων αλλά και σε γενικότερο επίπεδο σε εφαρμογές που απαιτούν αναγνώριση των αντικειμένων / ανθρώπων. Ταυτόχρονα με την ανάπτυξη του προτύπου Electronic Product Code‐EPC καθίσταται πλέον δυνατή η αυτόματη αναγνώριση της ταυτότητας των προϊόντων, επιφέροντας μία επαναστατική αλλαγή στον τρόπο που οι επιχειρήσεις διαχειρίζονται και επιβλέπουν τη ροή των υλικών και των πληροφοριών από την παραγωγή του προϊόντος μέχρι την τελική εναπόθεσή του στο ράφι του καταστήματος λιανικής πώλησης. Στο παρόν σύγγραμμα παρέχονται όλες οι απαραίτητες πληροφορίες για την κατανόηση των βασικών χαρακτηριστικών λειτουργίας της μεθόδου RFID καθώς και των προοπτικών εφαρμογής της σε διάφορες επιχειρηματικές εφαρμογές. Η συγκεκριμένη εργασία σαν κύριο στόχο έχει την λεπτομερή περιγραφή της νέας αυτής τεχνολογίας σε επίπεδο συστημικό και εφαρμογών, εστιάζοντας ταυτόχρονα σε τρία κύρια σημεία: κόστος, ιδιωτικότητα, ασφάλεια. Ταυτόχρονα θα γίνει έρευνα που θα αποκαλύπτει την διείσδυση – adoption της καινοτόμας αυτής τεχνολογίας σε Εθνικό και Ευρωπαϊκό επίπεδο παρουσιάζοντας τόσο τις επιχειρήσεις που δραστηριοποιούνται στον χώρο της ανάπτυξης συστημάτων RFID όσο και τις επιχειρήσεις οι οποίες έχουν υιοθετήσει αντίστοιχες λύσεις αυτοματοποίησης των επιχειρησιακών τους διαδικασιών. Επιπλέον θα καταγράψουμε την συμβολή του προτύπου Ηλεκτρονικού Κωδικού Προϊόντος (Electronic Product Code, EPC), που έχει αναπτυχθεί από τον EPCglobal και βοηθά στην αναγνώριση μεμονωμένων αντικειμένων. Πρότυπο στο οποίο βασίζεται το EPCglobal δίκτυο (EPCglobal Network) για αναγνώριση μέσω ραδιοσυχνοτήτων και διευκόλυνση της ορατότητας και διαμοιρασμό των πληροφοριών που σχετίζονται με αντικείμενα ή/και άτομα. Εκτενής αναφορά τέλος θα γίνει και για τις πολιτικές και τα επόμενα βήματα που έχει χαράξει η Ευρωπαϊκή Ένωση για τη χρήση της νέας τεχνολογίας RFID. / -

Σκοπός της Μεταπτυχιακής Εργασίας είναι η επέκταση και αναβάθμιση του μηχανισμού που είχε δημιουργηθεί στα πλαίσια της Διπλωματικής Εργασίας που εκπόνησα με τίτλο «Δημιουργία Πύλης Προσωποποιημένης Πρόσβασης σε Περιεχόμενο του WWW». Η παραπάνω Διπλωματική εργασία περιλάμβανε τη δημιουργία ενός μηχανισμού που ξεκινούσε με ανάκτηση πληροφορίας από το Διαδίκτυο (HTML σελίδες από news portals), εξαγωγή χρήσιμου κειμένου και προεπεξεργασία της πληροφορίας, αυτόματη κατηγοριοποίηση της πληροφορίας και τέλος παρουσίαση στον τελικό χρήστη με προσωποποίηση με στοιχεία που εντοπίζονταν στις επιλογές του χρήστη. Στην παραπάνω εργασία εξετάστηκαν διεξοδικά θέματα που είχαν να κάνουν με τον τρόπο προεπεξεργασίας της πληροφορίας καθώς και με τον τρόπο αυτόματης κατηγοριοποίησης ενώ υλοποιήθηκαν αλγόριθμοι προεπεξεργασίας πληροφορίας τεσσάρων σταδίων και αλγόριθμος αυτόματης κατηγοριοποίησης βασισμένος σε πρότυπες κατηγορίες. Τέλος υλοποιήθηκε portal το οποίο εκμεταλλευόμενο την επεξεργασία που έχει πραγματοποιηθεί στην πληροφορία παρουσιάζει το περιεχόμενο στους χρήστες προσωποποιημένο βάσει των επιλογών που αυτοί πραγματοποιούν. Σκοπός της μεταπτυχιακής εργασίας είναι η εξέταση περισσοτέρων αλγορίθμων για την πραγματοποίηση της παραπάνω διαδικασίας αλλά και η υλοποίησή τους προκειμένου να γίνει σύγκριση αλγορίθμων και παραγωγή ποιοτικότερου αποτελέσματος. Πιο συγκεκριμένα αναβαθμίζονται όλα τα στάδια λειτουργίας του μηχανισμού. Έτσι, το στάδιο λήψης πληροφορίας βασίζεται σε έναν απλό crawler λήψης HTML σελίδων από αγγλόφωνα news portals. Η διαδικασία βασίζεται στο γεγονός πως για κάθε σελίδα υπάρχουν RSS feeds. Διαβάζοντας τα τελευταία νέα που προκύπτουν από τις εγγραφές στα RSS feeds μπορούμε να εντοπίσουμε όλα τα URL που περιέχουν HTML σελίδες με τα άρθρα. Οι HTML σελίδες φιλτράρονται προκειμένου από αυτές να γίνει εξαγωγή μόνο του κειμένου και πιο αναλυτικά του χρήσιμου κειμένου ούτως ώστε το κείμενο που εξάγεται να αφορά αποκλειστικά άρθρα. Η τεχνική εξαγωγής χρήσιμου κειμένου βασίζεται στην τεχνική web clipping. Ένας parser, ελέγχει την HTML δομή προκειμένου να εντοπίσει τους κόμβους που περιέχουν μεγάλη ποσότητα κειμένου και βρίσκονται κοντά σε άλλους κόμβους που επίσης περιέχουν μεγάλες ποσότητες κειμένου. Στα εξαγόμενα άρθρα πραγματοποιείται προεπεξεργασία πέντε σταδίων με σκοπό να προκύψουν οι λέξεις κλειδιά που είναι αντιπροσωπευτικές του άρθρου. Πιο αναλυτικά, αφαιρούνται όλα τα σημεία στίξης, όλοι οι αριθμοί, μετατρέπονται όλα τα γράμματα σε πεζά, αφαιρούνται όλες οι λέξεις που έχουν λιγότερους από 4 χαρακτήρες, αφαιρούνται όλες οι κοινότυπες λέξεις και τέλος εφαρμόζονται αλγόριθμοι εύρεσης της ρίζας μίας λέξεις. Οι λέξεις κλειδιά που απομένουν είναι stemmed το οποίο σημαίνει πως από τις λέξεις διατηρείται μόνο η ρίζα. Από τις λέξεις κλειδιά ο μηχανισμός οδηγείται σε δύο διαφορετικά στάδια ανάλυσης. Στο πρώτο στάδιο υπάρχει μηχανισμός ο οποίος αναλαμβάνει να δημιουργήσει μία αντιπροσωπευτική περίληψη του κειμένου ενώ στο δεύτερο στάδιο πραγματοποιείται αυτόματη κατηγοριοποίηση του κειμένου βασισμένη σε πρότυπες κατηγορίες που έχουν δημιουργηθεί από επιλεγμένα άρθρα που συλλέγονται καθ’ όλη τη διάρκεια υλοποίησης του μηχανισμού. Η εξαγωγή περίληψης βασίζεται σε ευρεστικούς αλγορίθμους. Πιο συγκεκριμένα προσπαθούμε χρησιμοποιώντας λεξικολογική ανάλυση του κειμένου αλλά και γεγονότα για τις λέξεις του κειμένου αν δημιουργήσουμε βάρη για τις προτάσεις του κειμένου. Οι προτάσεις με τα μεγαλύτερη βάρη μετά το πέρας της διαδικασίας είναι αυτές που επιλέγονται για να διαμορφώσουν την περίληψη. Όπως θα δούμε και στη συνέχεια για κάθε άρθρο υπάρχει μία γενική περίληψη αλλά το σύστημα είναι σε θέση να δημιουργήσει προσωποποιημένες περιλήψεις για κάθε χρήστη. Η διαδικασία κατηγοριοποίησης βασίζεται στη συσχέτιση συνημίτονου συγκριτικά με τις πρότυπες κατηγορίες. Η κατηγοριοποίηση δεν τοποθετεί μία ταμπέλα σε κάθε άρθρο αλλά μας δίνει τα αποτελέσματα συσχέτισης του άρθρου με κάθε κατηγορία. Ο συνδυασμός των δύο παραπάνω σταδίων δίνει την πληροφορία που εμφανίζεται σε πρώτη φάση στο χρήστη που επισκέπτεται το προσωποποιημένο portal. Η προσωποποίηση στο portal βασίζεται στις επιλογές που κάνουν οι χρήστες, στο χρόνο που παραμένουν σε μία σελίδα αλλά και στις επιλογές που δεν πραγματοποιούν προκειμένου να δημιουργηθεί προφίλ χρήστη και να είναι εφικτό με την πάροδο του χρόνου να παρουσιάζεται στους χρήστες μόνο πληροφορία που μπορεί να τους ενδιαφέρει. / The scope of this MsC thesis is the extension and upgrade of the mechanism that was constructed during my undergraduate studies under my undergraduate thesis entitled “Construction of a Web Portal with Personalized Access to WWW content”. The aforementioned thesis included the construction of a mechanism that would begin with information retrieval from the WWW and would conclude to representation of information through a portal after applying useful text extraction, text pre-processing and text categorization techniques. The scope of the MsC thesis is to locate the problematic parts of the system and correct them with better algorithms and also include more modules on the complete mechanism. More precisely, all the modules are upgraded while more of them are constructed in every aspect of the mechanism. The information retrieval module is based on a simple crawler. The procedure is based on the fact that all the major news portals include RSS feeds. By locating the latest articles that are added to the RSS feeds we are able to locate all the URLs of the HTML pages that include articles. The crawler then visits every simple URL and downloads the HTML page. These pages are filtered by the useful text extraction mechanism in order to extract only the body of the article from the HTML page. This procedure is based on the web-clipping technique. An HTML parser analyzes the DOM model of HTML and locates the nodes (leafs) that include large amounts of text and are close to nodes with large amounts of text. These nodes are considered to include the useful text. In the extracted useful text we apply a 5 level preprocessing technique in order to extract the keywords of the article. More analytically, we remove the punctuation, the numbers, the words that are smaller than 4 letters, the stopwords and finally we apply a stemming algorithm in order to produce the root of the word. The keywords are utilized into two different interconnected levels. The first is the categorization subsystem and the second is the summarization subsystem. During the summarization stage the system constructs a summary of the article while the second stage tries to label the article. The labeling is not unique but the categorization applies multi-labeling techniques in order to detect the relation with each of the standard categories of the system. The summarization technique is based on heuristics. More specifically, we try, by utilizing language processing and facts that concern the keywords, to create a score for each of the sentences of the article. The more the score of a sentence, the more the probability of it to be included to the summary which consists of sentences of the text. The combination of the categorization and summarization provides the information that is shown to our web portal called perssonal. The personalization issue of the portal is based on the selections of the user, on the non-selections of the user, on the time that the user remains on an article, on the time that spends reading similar or identical articles. After a short period of time, the system is able to adopt on the user’s needs and is able to present articles that match the preferences of the user only.

Οι διάφορες δραστηριότητες του εγκεφάλου συχνά χαρακτηρίζονται από ειδικούς ρυθμούς στο ηλεκτροεγκεφαλογράφημα (ΗΕΓ). Το 2ο στάδιο του ύπνου χωρίς ταχείες οφθαλμικές κινήσεις (στάδιο NREM) χαρακτηρίζεται από τις ατράκτους που σηματοδοτούν την ουσιαστική έναρξη του ύπνου. Αποτελούν 0.5-1 δευτερόλεπτα ρυθμικής διαδοχής κύρια αρνητικών κυμάτων γενικευμένα στο ΗΕΓ τα οποία παρουσιάζουν προϊούσα αύξηση και μετά μείωση του πλάτους τους. Οι άτρακτοι συμμετέχουν σε διάφορες σημαντικές λειτουργίες του εγκεφάλου. Η κατανόηση του πολύπλευρου και πολύ σημαντικού ρόλου των ατράκτων έχει αποτελέσει αφορμή ώστε να γίνουν προσπάθειες εντοπισμού των υπεύθυνων για τη γένεσή τους εγκεφαλικών κυκλωμάτων. Σκοπός της προτεινόμενης μεθόδου είναι η εφαρμογή της μεθόδου εντοπισμού σημάτων σε πολυκαναλικές καταγραφές χρησιμοποιώντας περιορισμούς που στηρίζονται στο πεδίο του χώρου (spatial constraints) και το πεδίο της συχνότητας (frequency constraints) χρησιμοποιώντας την τεχνική ανάλυσης σε ανεξάρτητες συνιστώσες (ICA). Η μέθοδος εφαρμόστηκε για την ανάλυση βραδέων και ταχέων ατράκτων σε εγκεφαλογραφήματα ύπνου. Στο εργαστήριο Φυσιολογίας έχουν γίνει ΗΕΓ καταγραφές ολονύκτιου ύπνου με καταμέτρηση πολλών εκατοντάδων ατράκτων οι οποίες χρησιμοποιήθηκαν για την ανάπτυξη της παραπάνω μεθόδου αυτομάτου ανίχνευσης και εντοπισμού των ατράκτων. / Several brain activities are characterized by specific rhythms in electroencephalogram (EEG). The non rapid eye movement (NREM) stage of sleep is characterized by sleep spindles signaling the beginning of sleep. Spindles are rhythmic generalized negative waves in EEG with progressively increasing and gradually decreasing amplitude lasting 0.5-1 sec. Spindles are involved in several brain functions. The comprehension of the significance and multilateral role of spindles has driven efforts to detect the brain circuits involved in their generation. The purpose of this study is the introduction of a signal detection method in multichannel records, using Independent Component Analysis with spatial and frequency constraints. This automatic detection method was applied to the analysis of fast and slow spindles in sleep EEG, obtained from whole-night sleep recording in the laboratory of Physiology Department at University of Patras.

Τα «Συστήματα Αυτόματης Απόδειξης Θεωρημάτων-ΣΑΑΘ» (Automatic Theorem Proving Systems-ATP Systems) είναι συστήματα βασισμένα στη λογική πρώτης τάξεως, τα οποία μπορούν από ένα σύνολο λογικών προτάσεων να συνάγουν την αλήθεια μιας δεδομένης λογικής πρότασης με αυτόματο τρόπο. Η διαδικασία της απόδειξης στα περισσότερα ΣΑΑΘ στηρίζεται στην αρχή της επίλυσης, τον ισχυρότερο κανόνα λογικής εξαγωγής συμπερασμάτων, και την αντίφαση της επίλυσης, μια διαδικασία που εξασφαλίζει την ορθότητα των συμπερασμάτων. Ο ACT-P είναι ένα ΣΑΑΘ που στηρίζεται στην αρχή της επίλυσης και την αντίφαση της επίλυσης, γραμμένο στο εργαλείο GCLISP Developer 5.0 της Gold-Hill, και διαθέτει μια βιβλιοθήκη γνωστών στρατηγικών ελέγχου της διαδικασίας απόδειξης, προσφέροντας τη δυνατότητα στον χρήστη να ορίσει κάθε φορά ένα (κατάλληλο) συνδυασμό στρατηγικών. Στην εργασία αυτή έγινε κατ’ αρχήν μεταφορά του ACT-P σε LispWorks, ένα δυναμικότερο εργαλείο ανάπτυξης εφαρμογών σε Lisp. Επιπλέον, ο χρήστης μέσω του νέου παραθυρικού περιβάλλοντος μπορεί να βλέπει δυο διαφορετικές λύσεις του ίδιου προβλήματος, τη συνοπτική και αναλυτική λύση. Στη συνέχεια, έγινε έλεγχος της καλής λειτουργίας του ACT-P και των στρατηγικών του μέσω δοκιμών με προβλήματα που προέρχονται από την TPTP (Thousands of Problems for Theorem Provers), μια γνωστή βιβλιοθήκη προβλημάτων για ΣΣΑΘ συστήματα στο Διαδίκτυο, και έγιναν οι απαραίτητες διορθώσεις έτσι ώστε να επιλύει προβλήματα από διάφορες κατηγορίες προβλημάτων της βιβλιοθήκης TPTP. Τέλος, έγινε μια μελέτη χρήσης διαφόρων συνδυασμών στρατηγικών ελέγχου για διάφορα προβλήματα της TPTP και εξήχθησαν χρήσιμα συμπεράσματα για την καταλληλότητά τους και την αποδοτικότητά τους σε σχέση με το είδος των προβλημάτων. / Automatic Theorem Proving Systems (ATP Systems) are based on First Order Logic (FOL) and are able to automatically prove the truth of logical sentence. The proof procedure in most ATP Systems uses the resolution principle which is the strongest existing inference rule, and the resolution refutation process which ensure soundeness of the conclusion. The ACT-P is an ATP System which uses the resolution principle and the resolution refutation and it is written in GCLISP Developer 5.0 of Gold-Hill. ACT-P has a library of strategies to control the proof process, and gives users the ability to assign to specify a suitable combination of strategies. In this dissertation a new window based interface is developed for ACTP in Lispworks, which is a powerful tool for developing Lisp applications. The interface gives to the user a more thorough view of the solving process. Moreover, the user can see two different solutions of the problem, the brief and the analytic one. In addition, the functionality and the strategies of ACTP were tested on problems from the TPTP (Thousands of Problems for Theorem Provers) which is a known library of problems for ATP Systems on the web. ACTP has been improved so as to solve problems from various categories of the TPTP library. Finally, different strategy combinations for solving problems from various categories of TPTP library were studied, leading to useful conclusions about the suitability and the performance of the different combinations depending on the problems.

- / -

- / -

H αναερόβια χώνευση είναι η βιολογική διεργασία κατά την οποία παράγεται βιοαέριο (CH4 και CO2) από οργανική ύλη με τη συνδυασμένη δράση μεικτού πληθυσμού μικροοργανισμών, απουσία μοριακού οξυγόνου. Η διεργασία της αναερόβιας χώνευσης είναι μια από τις πιο διαδεδομένες μεθόδους χώνευσης υλύος και εφαρμόζεται κυρίως στην επεξεργασία αποβλήτων με υψηλό οργανικό φορτίο, με σκοπό την παραγωγή βιοαερίου, με ταυτόχρονη παραγωγή ενέργειας καθώς και στην παραγωγή ενέργειας από φυτική βιομάζα ή από στερεά οικιακά απορρίματα. Το πιο σημαντικό πρόβλημα που αντιμετωπίζεται σε μονάδες παραγωγής ενέργειας είναι η μεγιστοποίηση του ρυθμού παραγωγής βιοαερίου για τη χρήση του. Στην παρούσα εργασία μελετήθηκε ένα σύστημα ρύθμισης μεσόφιλου ( 35-37 oC) αναερόβιου χωνευτήρα τύπου CSTR χωρητικότητος τριών λίτρων, ο οποίος εμβολιάστηκε με αναερόβια βιομάζα μεικτής καλλιέργειας μικροοργανισμών από βιολογική μονάδα επεξεργασίας αστικών λυμάτων. Η τροφοδοσία ήταν ένα συνθετικό και αποστειρωμένο διάλυμα οξικού οξέος. Ως αποτέλεσμα, μετά από κάποιο χρονικό διάστημα επικρατεί καλλιέργεια ακετοκλαστικών μεθανογόνων μικροοργανισμών. Με βάση τη συμπεριφορά του αντιδραστήρα για διαφορετική οργανική φόρτιση, αναπτύχθηκε ένα απλοποιημένο μοντέλο δύο μεταβλητών, της βιομάζας και του περιοριστικού υποστρώματος, κατάλληλο για αυτόματη ρύθμιση, το οποίο χρησιμοποιήθηκε στη συνέχεια για τον προσδιορισμό του βέλτιστου χρόνου παραμονής και για την ανάπτυξη ρυθμιστικού αλγορίθμου. Οι κινητικοί παράμετροι του μαθηματικού μοντέλου εκτιμήθηκαν μέσω συλλογής πειραματικών δεδομένων από την διάταξη του αναερόβιου χωνευτήρα. Για τη σταθεροποίηση του συστήματος της αναερόβιας χώνευσης, αναπτύχθηκε ένας αναλογικός νόμος ανάδρασης εξόδου, ο οποίος σταθεροποιεί τη διεργασία σε μία μεγάλη περιοχή γύρω από τη βέλτιστη μόνιμη κατάσταση, όπου η βιομάζα δεν οδηγείται σε έκπλυση. Τέλος, οι προσομοιώσεις και τα πειραματικά αποτελέσματα έδειξαν ότι ο προτεινόμενος νόμος ανάδρασης εξόδου σταθεροποιεί το σύστημα ύστερα υπό παλμική διαταραχή (ανοδική και καθοδική) στη συγκέντρωση της οργανικής φόρτισης της τροφοδοσίας του συστήματος. / Anaerobic digestion is a complex biochemical process and one of the most widespread methods for the treatment of high organic content waste, aiming at the production of biogas(energy), while treating the waste] A common process objective is the maximisation of the biogas production. A 2-state model was developed for the simulation of an experimental reactor (CSTR), fed with acetic acid. This type of feeding is very important, as quite often anaerobic digestion is carried out in two sequential reactors, one hydrogen and fatty acids (mainly acetate) producing hydrolysis reactor followed by a methanogenic reactor which produces biogas (methane and carbon dioxide). The hydraulic retention time which maximizes the production rate of biogas was determined based on the developed process model. A model-based output feedback process control algorithm was utilised to secure fast transition to the new optimal steady state when there are changes in the feed loading rate. The algorithm was first demonstrated to work theoretically and secured minimal losses of methane during a transition. The algorithm was then applied experimentally and succeeded to drive the digester to the new optimum following both step-up and step-down pulse disturbances in the acetate feed concentration.

Εκατομμύρια ανθρώπων επιλέγουν καθημερινά να χρησιμοποιήσουν τον Παγκόσμιο Ιστό για ένα ευρύ σύνολο δραστηριοτήτων. Ο αριθμός των χρηστών του διαδικτύου αυξάνεται συνεχώς, όπως επίσης και το σύνολο των διαφορετικών δραστηριοτήτων που μπορούν να εκτελεστούν μέσω ιστοσελίδων και υπηρεσιών του διαδικτύου. Οι χρήστες του Παγκόσμιου Ιστού καθημερινά συμμετέχουν σε διάφορες ψηφιακές δραστηριότητες, οριοθετώντας με αυτόν τον τρόπο τη ψηφιακή τους «ζωή». Κάθε χρήστης μπορεί να στείλει μήνυμα με το ηλεκτρονικό ταχυδρομείο, να επικοινωνήσει και να δημιουργήσει σχέσεις με άλλους χρήστες του Παγκόσμιου Ιστού, να επισκεφτεί ιστότοπους για να ικανοποιήσει τις ενημερωτικές του ανάγκες ή να διατηρεί ένα προσωπικό προφίλ σε έναν ή περισσότερους ιστότοπους κοινωνικής δικτύωσης. Παράλληλα, όλο και περισσότεροι χρήστες του Παγκόσμιου Ιστού χρησιμοποιούν τα ηλεκτρονικά καταστήματα για τις αγορές τους, επιτυγχάνοντας την απευθείας σύνδεση της έρευνας αγοράς με την αγορά προϊόντων ή υπηρεσιών, ενώ ο σχολιασμός και οι απόψεις άλλων χρηστών για προϊόντα και υπηρεσίες αποτελεί άλλο ένα αναμφισβήτητο πλεονέκτημα των ηλεκτρονικών καταστημάτων. Αποτέλεσμα της αυξανόμενης δραστηριοποίησης των χρηστών είναι η συνεχής αύξηση του όγκου των κειμενικών δεδομένων που έχουν παραχθεί από χρήστες (user generated text content - UGTC) στις ιστοσελίδες του Παγκόσμιου Ιστού. Οι δικτυακές κοινότητες αυξάνονται συνεχώς σε μέγεθος και αριθμό, ενώ ταυτόχρονα οι ιστότοποι και οι υπηρεσίες του Παγκόσμιου Ιστού προσφέρουν όλο και περισσότερες δυνατότητες στους χρήστες τους για να δημιουργήσουν, να συντηρήσουν και να δημοσιοποιήσουν περιεχόμενο κειμένου που έχει παραχθεί από τους ίδιους. Αποτέλεσμα της αλληλεπίδρασης των χρηστών αλλά και χρηστών και ιστοσελίδων, είναι ότι ένα αρκετά μεγάλο μέρος της διαδικτυακής πληροφορίας με το οποίο έρχεται σε επαφή ο μέσος χρήστης καθημερινά, έχει παραχθεί από άλλους χρήστες και όχι από τους δημιουργούς του ιστοτόπου. Η μελέτη των χαρακτηριστικών του περιεχομένου που έχει παραχθεί από χρήστες είναι κομβικό σημείο σε μια σειρά ερευνητικών πεδίων. Χαρακτηριστικό παράδειγμα αποτελούν οι μελέτες στα πλαίσια του πεδίου της εξόρυξης άποψης (opinion mining), οι οποίες βασίζονται στο περιεχόμενο των χρηστών για να αλιεύσουν τις απόψεις για ένα θέμα ή ένα προϊόν. Μελέτες, όπως οι παραπάνω, είναι ιδιαίτερα χρήσιμες στην ανάπτυξη σύγχρονων εμπορικών εφαρμογών, που θα προσφέρουν στον καταναλωτή δυνατότητα πληρέστερης ενημέρωσης για τις συναλλαγές που πρόκειται να πραγματοποιήσει. Άλλες περιπτώσεις αφορούν στην ανάλυση των γλωσσολογικών χαρακτηριστικών των κειμενικών δεδομένων που έχουν συνταχθεί από χρήστες. Επίσης, η μελέτη των χαρακτηριστικών του περιεχομένου που έχει παραχθεί από χρήστες του Παγκόσμιου Ιστού είναι ιδιαίτερα σημαντική στη μελέτη του social web, καθώς είναι δυνατόν να προκύψουν χρήσιμα συμπεράσματα τόσο για την εξέλιξή του στο χώρο και στο χρόνο, όσο και για την περαιτέρω εξέλιξη του, προσφέροντας στους χρήστες νέες δυνατότητες μέσα από σύγχρονες εφαρμογές που θα αναπτυχθούν. Σε κάθε περίπτωση, το περιεχόμενο των ιστοσελίδων του Παγκόσμιου Ιστού μπορεί θεωρητικά να κατηγοριοποιηθεί σε δυο κατηγορίες: στα δεδομένα των δημιουργών των ιστοσελίδων και στα δεδομένα που προέκυψαν από τους χρήστες των ιστοσελίδων κατά την αλληλεπίδρασή τους με αυτές. Στόχος της παρούσας μελέτης είναι να μελετήσει το κατά πόσο είναι εφικτή και με ποιόν τρόπο η αυτόματη αναγνώριση ύπαρξης ή μη περιεχομένου κειμένου του Παγκόσμιου Ιστού που έχει παραχθεί από χρήστες. Στα πλαίσια της παρούσας μεταπτυχιακής εργασίας θα εντοπιστούν χαρακτηριστικά, τα οποία θα επιτρέψουν τον αυτόματο εντοπισμό των κειμενικών δεδομένων χρηστών σε μια ιστοσελίδα. Γενικά σε μια ιστοσελίδα υπάρχουν τρεις πηγές πληροφοριών, οι οποίες μπορούν να χρησιμοποιηθούν κατά τη διαδικασία προσδιορσμού του user generated content (UGC): το περιεχόμενο της ιστοσελίδας, το περιβάλλον εμφάνισής της (συνδεσιμότητα με άλλες σελίδες και anchor text) και η δομή της, η οποία περιγράφεται από τα html tags (πχ ο τίτλος της σελίδας, οι λέξεις που παρουσιάζονται με bold κλπ). Η προτεινόμενη μεθοδολογία συνίσταται στην εφαρμογή τεχνικών ανάλυσης της ιστοσελίδας που σκοπό έχουν τον καθορισμό ενός συνόλου χαρακτηριστικών γνωρισμάτων της (features). Το σύνολο των γνωρισμάτων αυτών αποτελείται από τρία επιμέρους είδη χαρακτηριστικών γνωρισμάτων, τα γλωσσολογικά χαρακτηριστικά γνωρίσματα (textual features), τα χαρακτηριστικά γνωρίσματα δομής της ιστοσελίδας (Html tags), και τα χαρακτηριστικά γνωρίσματα απεικόνισης ή εμφάνισης της ιστοσελίδας (Visual and Visually Central Features). Από τα καθορισμένα χαρακτηριστικά θα επιλεγούν πειραματικά εκείνα, τα οποία θα συμμετάσχουν αποδοτικότερα στον αλγόριθμο προσδιορισμού για την ύπαρξη user generated text content σε μια ιστοσελίδα. Η αξιολόγηση των αποτελεσμάτων της προτεινόμενης μεθόδου θα πραγματοποιηθεί βάσει ενός συνόλου δεδομένων ελέγχου. Τα δεδομένα ελέγχου αποτελούνται από μια συλλογή ιστοσελίδων, για τις οποίες έχει γίνει έλεγχος για το αν περιέχουν user generated text content. Η διαδικασία αξιολόγησης συνίσταται στην σύγκριση των αποτελεσμάτων του αλγορίθμου που προτείνουμε με τα αποτελέσματα που έχουν παραχθεί από την επεξεργασία του συνόλου δεδομένων ελέγχου. Τα συμπεράσματα που θα προκύψουν μπορούν να χρησιμοποιηθούν για την περεταίρω βελτίωση του αλγορίθμου προσδιορισμού ύπαρξης user generated text content, καθώς και για την αξιοποίηση τους σε τεχνικές ανάλυσης και επεξεργασίας του user generated text content από ιστοσελίδες του Παγκόσμιου Ιστού. / Millions of people every day use the Web for a wide range of activities. The number of Internet users is continuously growing, as well as all the different activities that can be performed through websites and Internet services. Web users daily participate in various digital activities, delimiting in this way their digital "life." Each user can send an e-mail, communicate and establish relationships with other web users, visit websites in order to satisfy his information needs, or keep a personal profile in one or more social networking sites. At the same time, more and more web users use online shopping for their purchases, achieving direct connection of the market research by buying products or services, while the commentations and the views of other users for goods and services is another undoubted advantage of online shops. The users’ increasing activity has as result the continuous raising of the volume data, generated by users (user generated content - UGTC) in Web pages. On-line communities are growing in size and number, while simultaneously websites and web services offer users more and more options, in order to create, preserve and publish text produced by them. Result of the interaction between users and the website users and websites, is that a large part of the online information, in which the user come daily in contact, is produced by others and not by the creators of the website. The study of the characteristics of the content obtained by users is a key point in a series of searching fields. Typical examples are the studies within the field of mining opinion (opinion mining), which are based on the content of users to catch their opinions on a topic or product. Studies such as the above, are particularly useful in the development of modern commercial applications that can offer the consumer better information for his transactions. Other cases concern the analysis of the linguistic characteristics of textual data compiled by users. Also, the study of the content characteristics generated by users of the World Wide Web is particularly important in the study of the social web, as well as it can yield useful results for both the evolution in space and time, and further development providing users with new capabilities through new applications, which are developed. In any case, the Web content could theoretically be categorized in two categories: data of Web pages creators and the data generated by web users when interacting with them. The aim of this study is to examine whether it is feasible and with which way the automatic recognition of the text content on the Web produced by users. In this thesis, it will be identified characteristics that allow the automatic detection of textual data of users to a website and its separation from the content that has been produced by the creators of the website. During the planning and design of the proposed method it will initially be studied the inherent characteristics of different types of websites, which are indicative of the presence of these text content users. It will also be studied the usefulness of linguistic and visual features for recognition textual data users at the site, in order to separate it from the official content, that is from content creators. Generally in a website there are three sources of information that can be used during the process of identifying user generated content (UGC): website content, setting of development (connectivity with other pages and anchor text) and its structure, which is described by the html tags (eg page title, words presented in bold, etc). The proposed methodology is recommended in applying technical analysis website aimed at defining a part of attributes (features). All these attributes consist of three kinds of features, textual features, features of the site structure (Html tags), and imaging features or appearance of the website (Visual and Visually Central Features). From the defined features it will experimentally be selected those, which will efficiently participate in the identification algorithm for the existence user generated text content on a website. The evaluation results of the proposed method will be held considering specific audit data. The audit data consist of a collection of web pages, which have already been checked whether they contain user generated text content. The process evaluation reccommends comparing the results of the proposed algorithm with the results obtained from processing all audit data. The conclusions can be used to further improvement of the identification algorithm existence of user generated text content, as well as to exploit them in technical analysis and processing of user generated text content from Web pages.