{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1315779"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1315779","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Ανάλυση περιεχομένου από ηλεκτρονικά κοινωνικά δίκτυα με χρήση συνεχών επερωτήσεων πάνω από σημασιολογικές ροές δεδομένων","abstract":"Η εργασία προτείνει ένα καινοτόμο μοντέλο ανάλυσης περιεχομένου το οποίο βασίζεται στην επεξεργασία σημασιολογικών ροών δεδομένων. Τα δεδομένα έχουν ληφθεί από το Twiiter, το δεύτερο πιο διαδεδομένο μέσο κοινωνικής δικτύωσης. Πιο συγκεκριμένα ο διαχειριστής της εφαρμογής μπορεί να εντοπίσει τους χρήστες που έχουν αναφερθεί σε μία λέξη-κλειδί και στη συνέχεια να αναγνωρίσει τα θέματα που τους ενδιαφέρουν. Τα ενδιαφέροντα αποφασίζονται και παρουσιάζονται στο διαχειριστή σε πραγματικό χρόνο μέσω των ροών δεδομένων. Αυτό σημαίνει ότι επαναπροσδιορίζονται μόλις οι χρήστες δημοσιεύσουν ένα καινούριο tweet. Για την υλοποίηση της εφαρμογής χρησιμοποιήθηκαν το Twitter API για την επικοινωνία με το Twitter, το Stanford NER για την επεξεργασία της φυσικής γλώσσας, το Freebase για τη σημασιολογική αντιστοίχιση των δεδομένων και, τέλος, το CSPARQL-Readytogo API για τη δημιουργία των ροών δεδομένων και για την υλοποίηση του CSPARQL reasoner. Η εργασία αυτή μπορεί να αξιοποιηθεί σε επιχειρήσεις οι οποίες θέλουν να γνωρίζουν τα θέματα ενδιαφέροντος των πελατών της. Αυτή η γνώση θα τις βοηθήσει να προσδιορίσουν ακόμα καλύτερα το κοινό στο οποίο απευθύνονται τα προϊόντα τους, να αναπροσαρμόσουν τις διαφημίσεις τους και τα ίδια τα προϊόντα, και να επεκταθούν σε νέους τομείς.","abstract_html":"Η εργασία προτείνει ένα καινοτόμο μοντέλο ανάλυσης περιεχομένου το οποίο βασίζεται στην επεξεργασία σημασιολογικών ροών δεδομένων. Τα δεδομένα έχουν ληφθεί από το Twiiter, το δεύτερο πιο διαδεδομένο μέσο κοινωνικής δικτύωσης. Πιο συγκεκριμένα ο διαχειριστής της εφαρμογής μπορεί να εντοπίσει τους χρήστες που έχουν αναφερθεί σε μία λέξη-κλειδί και στη συνέχεια να αναγνωρίσει τα θέματα που τους ενδιαφέρουν. Τα ενδιαφέροντα αποφασίζονται και παρουσιάζονται στο διαχειριστή σε πραγματικό χρόνο μέσω των ροών δεδομένων. Αυτό σημαίνει ότι επαναπροσδιορίζονται μόλις οι χρήστες δημοσιεύσουν ένα καινούριο tweet. Για την υλοποίηση της εφαρμογής χρησιμοποιήθηκαν το Twitter API για την επικοινωνία με το Twitter, το Stanford NER για την επεξεργασία της φυσικής γλώσσας, το Freebase για τη σημασιολογική αντιστοίχιση των δεδομένων και, τέλος, το CSPARQL-Readytogo API για τη δημιουργία των ροών δεδομένων και για την υλοποίηση του CSPARQL reasoner. Η εργασία αυτή μπορεί να αξιοποιηθεί σε επιχειρήσεις οι οποίες θέλουν να γνωρίζουν τα θέματα ενδιαφέροντος των πελατών της. Αυτή η γνώση θα τις βοηθήσει να προσδιορίσουν ακόμα καλύτερα το κοινό στο οποίο απευθύνονται τα προϊόντα τους, να αναπροσαρμόσουν τις διαφημίσεις τους και τα ίδια τα προϊόντα, και να επεκταθούν σε νέους τομείς.","abstract_has_math":false,"creators":["Μανωλάκου Χριστίνα-Ιωάννα"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2012,"date_issued":"2012","date_published":"2012","updated_at":"2026-11-19T05:24:17Z","subjects":[],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1315779"],"render_values":[{"text":"uoadl:1315779","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1315779","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1315779","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A1315779","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Μανωλάκου Χριστίνα-Ιωάννα"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2012"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1315779","https://pergamos.lib.uoa.gr/uoa/dl/object/1315779"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η εργασία προτείνει ένα καινοτόμο μοντέλο ανάλυσης περιεχομένου το οποίο βασίζεται στην επεξεργασία σημασιολογικών ροών δεδομένων. Τα δεδομένα έχουν ληφθεί από το Twiiter, το δεύτερο πιο διαδεδομένο μέσο κοινωνικής δικτύωσης. Πιο συγκεκριμένα ο διαχειριστής της εφαρμογής μπορεί να εντοπίσει τους χρήστες που έχουν αναφερθεί σε μία λέξη-κλειδί και στη συνέχεια να αναγνωρίσει τα θέματα που τους ενδιαφέρουν. Τα ενδιαφέροντα αποφασίζονται και παρουσιάζονται στο διαχειριστή σε πραγματικό χρόνο μέσω των ροών δεδομένων. Αυτό σημαίνει ότι επαναπροσδιορίζονται μόλις οι χρήστες δημοσιεύσουν ένα καινούριο tweet. Για την υλοποίηση της εφαρμογής χρησιμοποιήθηκαν το Twitter API για την επικοινωνία με το Twitter, το Stanford NER για την επεξεργασία της φυσικής γλώσσας, το Freebase για τη σημασιολογική αντιστοίχιση των δεδομένων και, τέλος, το CSPARQL-Readytogo API για τη δημιουργία των ροών δεδομένων και για την υλοποίηση του CSPARQL reasoner. Η εργασία αυτή μπορεί να αξιοποιηθεί σε επιχειρήσεις οι οποίες θέλουν να γνωρίζουν τα θέματα ενδιαφέροντος των πελατών της. Αυτή η γνώση θα τις βοηθήσει να προσδιορίσουν ακόμα καλύτερα το κοινό στο οποίο απευθύνονται τα προϊόντα τους, να αναπροσαρμόσουν τις διαφημίσεις τους και τα ίδια τα προϊόντα, και να επεκταθούν σε νέους τομείς.","This project suggests a novel content analysis model which is based on semantic data and stream reasoning. All used data originated from Twitter, the second most widely used social media network. More particularly, the application manager can track down all users that had made any reference to a specific keyword and in turn identify the subjects they show interest in. These interests are determined and fed back to the manager in real time through data streaming. In other words, they are redetermined as soon as the users post a new tweet. For the realization of this application the Twitter API was used for interfacing with Twitter, Stanford NER for natural language processing, Freebase for data semantic correspondence and finally CSPARQL-Readytogo API for data streaming creation and CSPARQL reasoner for its realization. This project can be of special value to enterprises that wish to be aware of their client interests. This knowledge would help them determine even better the target group for their products, readjust their advertisement campaings as well as the products themselves and expand to new sectors"]},{"key":"dc:title","label":"Title","values":["Ανάλυση περιεχομένου από ηλεκτρονικά κοινωνικά δίκτυα με χρήση συνεχών επερωτήσεων πάνω από σημασιολογικές ροές δεδομένων"]}]}],"canonical_facts":{"dc:creator":["Μανωλάκου Χριστίνα-Ιωάννα"],"dc:date":["2012"],"dc:description":["Η εργασία προτείνει ένα καινοτόμο μοντέλο ανάλυσης περιεχομένου το οποίο βασίζεται στην επεξεργασία σημασιολογικών ροών δεδομένων. Τα δεδομένα έχουν ληφθεί από το Twiiter, το δεύτερο πιο διαδεδομένο μέσο κοινωνικής δικτύωσης. Πιο συγκεκριμένα ο διαχειριστής της εφαρμογής μπορεί να εντοπίσει τους χρήστες που έχουν αναφερθεί σε μία λέξη-κλειδί και στη συνέχεια να αναγνωρίσει τα θέματα που τους ενδιαφέρουν. Τα ενδιαφέροντα αποφασίζονται και παρουσιάζονται στο διαχειριστή σε πραγματικό χρόνο μέσω των ροών δεδομένων. Αυτό σημαίνει ότι επαναπροσδιορίζονται μόλις οι χρήστες δημοσιεύσουν ένα καινούριο tweet. Για την υλοποίηση της εφαρμογής χρησιμοποιήθηκαν το Twitter API για την επικοινωνία με το Twitter, το Stanford NER για την επεξεργασία της φυσικής γλώσσας, το Freebase για τη σημασιολογική αντιστοίχιση των δεδομένων και, τέλος, το CSPARQL-Readytogo API για τη δημιουργία των ροών δεδομένων και για την υλοποίηση του CSPARQL reasoner. Η εργασία αυτή μπορεί να αξιοποιηθεί σε επιχειρήσεις οι οποίες θέλουν να γνωρίζουν τα θέματα ενδιαφέροντος των πελατών της. Αυτή η γνώση θα τις βοηθήσει να προσδιορίσουν ακόμα καλύτερα το κοινό στο οποίο απευθύνονται τα προϊόντα τους, να αναπροσαρμόσουν τις διαφημίσεις τους και τα ίδια τα προϊόντα, και να επεκταθούν σε νέους τομείς.","This project suggests a novel content analysis model which is based on semantic data and stream reasoning. All used data originated from Twitter, the second most widely used social media network. More particularly, the application manager can track down all users that had made any reference to a specific keyword and in turn identify the subjects they show interest in. These interests are determined and fed back to the manager in real time through data streaming. In other words, they are redetermined as soon as the users post a new tweet. For the realization of this application the Twitter API was used for interfacing with Twitter, Stanford NER for natural language processing, Freebase for data semantic correspondence and finally CSPARQL-Readytogo API for data streaming creation and CSPARQL reasoner for its realization. This project can be of special value to enterprises that wish to be aware of their client interests. This knowledge would help them determine even better the target group for their products, readjust their advertisement campaings as well as the products themselves and expand to new sectors"],"dc:identifier":["uoadl:1315779","https://pergamos.lib.uoa.gr/uoa/dl/object/1315779"],"dc:language":["Ελληνικά","Greek"],"dc:title":["Ανάλυση περιεχομένου από ηλεκτρονικά κοινωνικά δίκτυα με χρήση συνεχών επερωτήσεων πάνω από σημασιολογικές ροές δεδομένων"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:24:17Z"}