{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2921017"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2921017","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Αναγνώριση τουριστικών σημείων ενδιαφέροντος μέσω της εξαγωγής δεδομένων από κοινωνικά δίκτυα","abstract":"Σκοπός της παρούσας εργασίας είναι η ανάλυση της μεθοδολογίας για την εύρεση σημείων τουριστικού ενδιαφέροντος μέσω της εξαγωγής δεδομένων από τα μέσα κοινωνικής δικτύωσης. Αρχικά, γίνεται μία απόπειρα κατανόησης των χαρακτηριστικών των χαρακτηριστικών των μέσων κοινωνικής δικτύωσης και της σχέσης τους με τις ηλικιακές ομάδες. Στη συνέχεια, γίνεται μία περιγραφή των χωρικών δεδομένων και συγκεκριμένα των χωρικών δεδομένων που εξάγονται από τα μέσα κοινωνικής δικτύωσης. Ακόμη, γίνεται μία σύντομη περιγραφή των εργασιών σχετικών με την εξαγωγή δεδομένων από τα μέσα κοινωνικής δικτύωσης. Στη συνέχεια γίνεται μία προσέγγιση στην πλαφόρμα διαμοίρασης εικόνων Flickr καθώς και μία σύντομη περιγραφή του Flickr API. Έπειτα περιγράφεται η μέθοδος που ακολουθήθηκε για την εξαγωγή δεδομένων από το Flickr API με χρήση της γλώσσας Python και παρατίθεται ο σχετικός κώδικας. Στη συνέχεια, στην ενότητα της επεξεργασίας των δεδομένων γίνεται η ομαδοποίηση των εξαχθέντων σημείων, δηλαδή η αποτύπωση “βάρους” σε γεωγραφικές συντεταγμένες ανάλογα με το πλήθος εμφανίσεών τους ως ετικέτες χωρικών δεδομένων σε εικόνες της πλατφόρμας Flickr. Στη συνέχεια, γίνεται αναφορά στη συσταδοποίηση των σημείων, δηλαδή στην προσπάθεια ενοποίησης των σημείων που αφορούν σε κοινή περιοχή ενδιαφέροντος σε ένα σημείο (π.χ. περιοχή ενδιαφέροντος “Ακρόπολη” και ενοποίηση όλων των σημείων εντός της περιοχής σε ένα σημείο π.χ. “Παρθενώνας”). Παρουσιάζονται τα κριτήρια επιλογής των σημείων-αντιπροσώπων μίας περιοχής τουριστικού ενδιαφέροντος, τα μειονεκτήματα και πλεονεκτήματα της συσταδοποίησης σημείων, η μέθοδος συσταδοποίησης και ο σχετικός κώδικας σε γλώσσα Python. Στη συνέχεια, παρουσιάζεται η μέθοδος απεικόνισης των σημείων στο χάρτη και το αρχείο παραμέτρων. Η επόμενη ενότητα αφορά στην εύρεση συντομότερου μονοπατιού που ενώνει όλα τα σημεία των περιοχών ενδιαφέροντος. Περιγράφεται το πρόβλημα του συντομότερου μονοπατιού, τα προβλήματα υπολογισμού συντομότερου μονοπατιού ανάμεσα σε σημεία ενδιαφέροντος, η επίλυση του προβλήματος ανάλογα με το αν ο γράφος είναι κατευθυνόμενος ή μη κατευθυνόμενος και βελτιώσεις του προβλήματος μέσω της αναγωγής του σε πρόβλημα TSP. Τέλος, παρουσιάζονται τα συμπεράσματα μέσω των αποτελεσμάτων της εφαρμογής των μεθοδολογιών που χρησιμοποιήθηκαν.","abstract_html":"Σκοπός της παρούσας εργασίας είναι η ανάλυση της μεθοδολογίας για την εύρεση σημείων τουριστικού ενδιαφέροντος μέσω της εξαγωγής δεδομένων από τα μέσα κοινωνικής δικτύωσης. Αρχικά, γίνεται μία απόπειρα κατανόησης των χαρακτηριστικών των χαρακτηριστικών των μέσων κοινωνικής δικτύωσης και της σχέσης τους με τις ηλικιακές ομάδες. Στη συνέχεια, γίνεται μία περιγραφή των χωρικών δεδομένων και συγκεκριμένα των χωρικών δεδομένων που εξάγονται από τα μέσα κοινωνικής δικτύωσης. Ακόμη, γίνεται μία σύντομη περιγραφή των εργασιών σχετικών με την εξαγωγή δεδομένων από τα μέσα κοινωνικής δικτύωσης. Στη συνέχεια γίνεται μία προσέγγιση στην πλαφόρμα διαμοίρασης εικόνων Flickr καθώς και μία σύντομη περιγραφή του Flickr API. Έπειτα περιγράφεται η μέθοδος που ακολουθήθηκε για την εξαγωγή δεδομένων από το Flickr API με χρήση της γλώσσας Python και παρατίθεται ο σχετικός κώδικας. Στη συνέχεια, στην ενότητα της επεξεργασίας των δεδομένων γίνεται η ομαδοποίηση των εξαχθέντων σημείων, δηλαδή η αποτύπωση “βάρους” σε γεωγραφικές συντεταγμένες ανάλογα με το πλήθος εμφανίσεών τους ως ετικέτες χωρικών δεδομένων σε εικόνες της πλατφόρμας Flickr. Στη συνέχεια, γίνεται αναφορά στη συσταδοποίηση των σημείων, δηλαδή στην προσπάθεια ενοποίησης των σημείων που αφορούν σε κοινή περιοχή ενδιαφέροντος σε ένα σημείο (π.χ. περιοχή ενδιαφέροντος “Ακρόπολη” και ενοποίηση όλων των σημείων εντός της περιοχής σε ένα σημείο π.χ. “Παρθενώνας”). Παρουσιάζονται τα κριτήρια επιλογής των σημείων-αντιπροσώπων μίας περιοχής τουριστικού ενδιαφέροντος, τα μειονεκτήματα και πλεονεκτήματα της συσταδοποίησης σημείων, η μέθοδος συσταδοποίησης και ο σχετικός κώδικας σε γλώσσα Python. Στη συνέχεια, παρουσιάζεται η μέθοδος απεικόνισης των σημείων στο χάρτη και το αρχείο παραμέτρων. Η επόμενη ενότητα αφορά στην εύρεση συντομότερου μονοπατιού που ενώνει όλα τα σημεία των περιοχών ενδιαφέροντος. Περιγράφεται το πρόβλημα του συντομότερου μονοπατιού, τα προβλήματα υπολογισμού συντομότερου μονοπατιού ανάμεσα σε σημεία ενδιαφέροντος, η επίλυση του προβλήματος ανάλογα με το αν ο γράφος είναι κατευθυνόμενος ή μη κατευθυνόμενος και βελτιώσεις του προβλήματος μέσω της αναγωγής του σε πρόβλημα TSP. Τέλος, παρουσιάζονται τα συμπεράσματα μέσω των αποτελεσμάτων της εφαρμογής των μεθοδολογιών που χρησιμοποιήθηκαν.","abstract_has_math":false,"creators":["Μαρκάκη Σοφία","Markaki Sophia"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2020,"date_issued":"2020","date_published":"2020","updated_at":"2026-11-19T05:39:16Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["Ελληνικά","English","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2921017"],"render_values":[{"text":"uoadl:2921017","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2921017","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2921017","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%3A2921017","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Μαρκάκη Σοφία","Markaki Sophia"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2020"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","English","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2921017","https://pergamos.lib.uoa.gr/uoa/dl/object/2921017"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Σκοπός της παρούσας εργασίας είναι η ανάλυση της μεθοδολογίας για την εύρεση σημείων τουριστικού ενδιαφέροντος μέσω της εξαγωγής δεδομένων από τα μέσα κοινωνικής δικτύωσης. Αρχικά, γίνεται μία απόπειρα κατανόησης των χαρακτηριστικών των χαρακτηριστικών των μέσων κοινωνικής δικτύωσης και της σχέσης τους με τις ηλικιακές ομάδες. Στη συνέχεια, γίνεται μία περιγραφή των χωρικών δεδομένων και συγκεκριμένα των χωρικών δεδομένων που εξάγονται από τα μέσα κοινωνικής δικτύωσης. Ακόμη, γίνεται μία σύντομη περιγραφή των εργασιών σχετικών με την εξαγωγή δεδομένων από τα μέσα κοινωνικής δικτύωσης. Στη συνέχεια γίνεται μία προσέγγιση στην πλαφόρμα διαμοίρασης εικόνων Flickr καθώς και μία σύντομη περιγραφή του Flickr API. Έπειτα περιγράφεται η μέθοδος που ακολουθήθηκε για την εξαγωγή δεδομένων από το Flickr API με χρήση της γλώσσας Python και παρατίθεται ο σχετικός κώδικας. Στη συνέχεια, στην ενότητα της επεξεργασίας των δεδομένων γίνεται η ομαδοποίηση των εξαχθέντων σημείων, δηλαδή η αποτύπωση “βάρους” σε γεωγραφικές συντεταγμένες ανάλογα με το πλήθος εμφανίσεών τους ως ετικέτες χωρικών δεδομένων σε εικόνες της πλατφόρμας Flickr. Στη συνέχεια, γίνεται αναφορά στη συσταδοποίηση των σημείων, δηλαδή στην προσπάθεια ενοποίησης των σημείων που αφορούν σε κοινή περιοχή ενδιαφέροντος σε ένα σημείο (π.χ. περιοχή ενδιαφέροντος “Ακρόπολη” και ενοποίηση όλων των σημείων εντός της περιοχής σε ένα σημείο π.χ. “Παρθενώνας”). Παρουσιάζονται τα κριτήρια επιλογής των σημείων-αντιπροσώπων μίας περιοχής τουριστικού ενδιαφέροντος, τα μειονεκτήματα και πλεονεκτήματα της συσταδοποίησης σημείων, η μέθοδος συσταδοποίησης και ο σχετικός κώδικας σε γλώσσα Python. Στη συνέχεια, παρουσιάζεται η μέθοδος απεικόνισης των σημείων στο χάρτη και το αρχείο παραμέτρων. Η επόμενη ενότητα αφορά στην εύρεση συντομότερου μονοπατιού που ενώνει όλα τα σημεία των περιοχών ενδιαφέροντος. Περιγράφεται το πρόβλημα του συντομότερου μονοπατιού, τα προβλήματα υπολογισμού συντομότερου μονοπατιού ανάμεσα σε σημεία ενδιαφέροντος, η επίλυση του προβλήματος ανάλογα με το αν ο γράφος είναι κατευθυνόμενος ή μη κατευθυνόμενος και βελτιώσεις του προβλήματος μέσω της αναγωγής του σε πρόβλημα TSP. Τέλος, παρουσιάζονται τα συμπεράσματα μέσω των αποτελεσμάτων της εφαρμογής των μεθοδολογιών που χρησιμοποιήθηκαν.","The aim of the current essay is the analysis of the methodology used to find the points of interest through the data exported from social media. Initially, there is an approach of understanding of the social media characteristics and their relation to different age groups. Then, there is a description of geographical data as well as geographical data exported from social media. Also, there is a brief presentation of essays done on social media exported data. In advance, there is an approach to describe the Flicrk platform and Flickr API. Then, we try to describe the method followed for exporting the data from Flikr API us - ing Python language and presenting the code. After that, the data analysis section follows, and at first we describe the point grouping, which means the assignment of cost in geographical points according to the number of times they appear as geo tags in Flickr images. Then, there is a reference in point clustering that is the grouping of points that appear inside an area of interest in one point (e.g. “Acropolis” and grouping of all points inside that area into one point, “Parthenon”). Then, the criteria of considering a point as a representative of an area of interest are being presented, the advantages and disadavantages of point clustering as well as the methodology and code in Python. Then there is a presentation of methodology used to present the points on the map and the parameters used for the visualization. The next section refers to the shortest path that connects all points of interest. There is a description of shortest path problem, the problem of calculation of the shortest path between points of interest on a map, the difference between directed and undirected graph and the solution through the assignment to a TSP problem. Finally, there is a presentation of the conclusions of the methodologies application used."]},{"key":"dc:title","label":"Title","values":["Αναγνώριση τουριστικών σημείων ενδιαφέροντος μέσω της εξαγωγής δεδομένων από κοινωνικά δίκτυα"]}]}],"canonical_facts":{"dc:creator":["Μαρκάκη Σοφία","Markaki Sophia"],"dc:date":["2020"],"dc:description":["Σκοπός της παρούσας εργασίας είναι η ανάλυση της μεθοδολογίας για την εύρεση σημείων τουριστικού ενδιαφέροντος μέσω της εξαγωγής δεδομένων από τα μέσα κοινωνικής δικτύωσης. Αρχικά, γίνεται μία απόπειρα κατανόησης των χαρακτηριστικών των χαρακτηριστικών των μέσων κοινωνικής δικτύωσης και της σχέσης τους με τις ηλικιακές ομάδες. Στη συνέχεια, γίνεται μία περιγραφή των χωρικών δεδομένων και συγκεκριμένα των χωρικών δεδομένων που εξάγονται από τα μέσα κοινωνικής δικτύωσης. Ακόμη, γίνεται μία σύντομη περιγραφή των εργασιών σχετικών με την εξαγωγή δεδομένων από τα μέσα κοινωνικής δικτύωσης. Στη συνέχεια γίνεται μία προσέγγιση στην πλαφόρμα διαμοίρασης εικόνων Flickr καθώς και μία σύντομη περιγραφή του Flickr API. Έπειτα περιγράφεται η μέθοδος που ακολουθήθηκε για την εξαγωγή δεδομένων από το Flickr API με χρήση της γλώσσας Python και παρατίθεται ο σχετικός κώδικας. Στη συνέχεια, στην ενότητα της επεξεργασίας των δεδομένων γίνεται η ομαδοποίηση των εξαχθέντων σημείων, δηλαδή η αποτύπωση “βάρους” σε γεωγραφικές συντεταγμένες ανάλογα με το πλήθος εμφανίσεών τους ως ετικέτες χωρικών δεδομένων σε εικόνες της πλατφόρμας Flickr. Στη συνέχεια, γίνεται αναφορά στη συσταδοποίηση των σημείων, δηλαδή στην προσπάθεια ενοποίησης των σημείων που αφορούν σε κοινή περιοχή ενδιαφέροντος σε ένα σημείο (π.χ. περιοχή ενδιαφέροντος “Ακρόπολη” και ενοποίηση όλων των σημείων εντός της περιοχής σε ένα σημείο π.χ. “Παρθενώνας”). Παρουσιάζονται τα κριτήρια επιλογής των σημείων-αντιπροσώπων μίας περιοχής τουριστικού ενδιαφέροντος, τα μειονεκτήματα και πλεονεκτήματα της συσταδοποίησης σημείων, η μέθοδος συσταδοποίησης και ο σχετικός κώδικας σε γλώσσα Python. Στη συνέχεια, παρουσιάζεται η μέθοδος απεικόνισης των σημείων στο χάρτη και το αρχείο παραμέτρων. Η επόμενη ενότητα αφορά στην εύρεση συντομότερου μονοπατιού που ενώνει όλα τα σημεία των περιοχών ενδιαφέροντος. Περιγράφεται το πρόβλημα του συντομότερου μονοπατιού, τα προβλήματα υπολογισμού συντομότερου μονοπατιού ανάμεσα σε σημεία ενδιαφέροντος, η επίλυση του προβλήματος ανάλογα με το αν ο γράφος είναι κατευθυνόμενος ή μη κατευθυνόμενος και βελτιώσεις του προβλήματος μέσω της αναγωγής του σε πρόβλημα TSP. Τέλος, παρουσιάζονται τα συμπεράσματα μέσω των αποτελεσμάτων της εφαρμογής των μεθοδολογιών που χρησιμοποιήθηκαν.","The aim of the current essay is the analysis of the methodology used to find the points of interest through the data exported from social media. Initially, there is an approach of understanding of the social media characteristics and their relation to different age groups. Then, there is a description of geographical data as well as geographical data exported from social media. Also, there is a brief presentation of essays done on social media exported data. In advance, there is an approach to describe the Flicrk platform and Flickr API. Then, we try to describe the method followed for exporting the data from Flikr API us - ing Python language and presenting the code. After that, the data analysis section follows, and at first we describe the point grouping, which means the assignment of cost in geographical points according to the number of times they appear as geo tags in Flickr images. Then, there is a reference in point clustering that is the grouping of points that appear inside an area of interest in one point (e.g. “Acropolis” and grouping of all points inside that area into one point, “Parthenon”). Then, the criteria of considering a point as a representative of an area of interest are being presented, the advantages and disadavantages of point clustering as well as the methodology and code in Python. Then there is a presentation of methodology used to present the points on the map and the parameters used for the visualization. The next section refers to the shortest path that connects all points of interest. There is a description of shortest path problem, the problem of calculation of the shortest path between points of interest on a map, the difference between directed and undirected graph and the solution through the assignment to a TSP problem. Finally, there is a presentation of the conclusions of the methodologies application used."],"dc:identifier":["uoadl:2921017","https://pergamos.lib.uoa.gr/uoa/dl/object/2921017"],"dc:language":["Ελληνικά","English","Greek"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Αναγνώριση τουριστικών σημείων ενδιαφέροντος μέσω της εξαγωγής δεδομένων από κοινωνικά δίκτυα"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:39:16Z"}