{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3362641"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3362641","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Analysis of Trending Media Data Using Survival Models","abstract":"Στη σημερινή ψηφιακή εποχή, οι πλατφόρμες μέσων κοινωνικής δικτύωσης έχουν γίνει αναπόσπαστο μέρος της ζωής μας, μεταμορφώνοντας τον τρόπο με τον οποίο επικοινω- νούμε, μοιραζόμαστε πληροφορίες και καταναλώνουμε περιεχόμενο. Ο όγκος των δεδο- μένων που παράγεται σε αυτές τις πλατφόρμες δίνει την ευκαιρία σε ερευνητές και επι- στήμονες δεδομένων να αποκτήσουν πολύτιμες πληροφορίες σχετικά με τη συμπεριφορά, τις προτιμήσεις και τις τάσεις των χρηστών. Δύο τέτοιες πλατφόρμες που έχουν τραβήξει την προσοχή εκατομμυρίων είναι το YouTube και το Spotify, που έχουν παραμείνει στην κορυφή της πυραμίδας όσον αφορά τα μέσα κοινωνικής δικτύωσης για πολλά χρόνια. Μελετώντας τις βασικές αρχές της ανάλυσης επιβίωσης, ένα συνδυασμό μηχανικής μά- θησης και στατιστικής, η διπλωματική εμβαθύνει στην εφαρμογή της στα δεδομένα των μέσων κοινωνικής δικτύωσης. Η ανάλυση επιβίωσης ερευνά τη διάρκεια έως ότου συμβεί ένα συμβάν ενδιαφέροντος. Ο κεντρικός στόχος αυτής της εργασίας είναι να διερευνή- σει τις δυνατότητες του περιεχομένου των μέσων κοινωνικής δικτύωσης να παραμείνει στις δημοφιλείς λίστες με την πάροδο του χρόνου, χρησιμοποιώντας μοντέλα επιβίωσης. Αυτή η έρευνα εμπίπτει στο ευρύτερο πεδίο της πρόβλεψης σε δεδομένα μέσων κοινω- νικής δικτύωσης, εστιάζοντας στο πώς διάφοροι παράγοντες επηρεάζουν τη μακροζωία του περιεχομένου σε δημοφιλείς πλατφόρμες. Αυτή η μεθοδολογία επεξηγείται μέσα από δύο κυρίαρχες πλατφόρμες, το YouTube και το Spotify. Και στις δύο περιπτώσεις, το γε- γονός ενδιαφέροντος αφορά την αφαίρεση ενός βίντεο ή τραγουδιού από τις αντίστοιχες δημοφιλείς λίστες της εκάστοτε πλατφόρμας.","abstract_html":"Στη σημερινή ψηφιακή εποχή, οι πλατφόρμες μέσων κοινωνικής δικτύωσης έχουν γίνει αναπόσπαστο μέρος της ζωής μας, μεταμορφώνοντας τον τρόπο με τον οποίο επικοινω- νούμε, μοιραζόμαστε πληροφορίες και καταναλώνουμε περιεχόμενο. Ο όγκος των δεδο- μένων που παράγεται σε αυτές τις πλατφόρμες δίνει την ευκαιρία σε ερευνητές και επι- στήμονες δεδομένων να αποκτήσουν πολύτιμες πληροφορίες σχετικά με τη συμπεριφορά, τις προτιμήσεις και τις τάσεις των χρηστών. Δύο τέτοιες πλατφόρμες που έχουν τραβήξει την προσοχή εκατομμυρίων είναι το YouTube και το Spotify, που έχουν παραμείνει στην κορυφή της πυραμίδας όσον αφορά τα μέσα κοινωνικής δικτύωσης για πολλά χρόνια. Μελετώντας τις βασικές αρχές της ανάλυσης επιβίωσης, ένα συνδυασμό μηχανικής μά- θησης και στατιστικής, η διπλωματική εμβαθύνει στην εφαρμογή της στα δεδομένα των μέσων κοινωνικής δικτύωσης. Η ανάλυση επιβίωσης ερευνά τη διάρκεια έως ότου συμβεί ένα συμβάν ενδιαφέροντος. Ο κεντρικός στόχος αυτής της εργασίας είναι να διερευνή- σει τις δυνατότητες του περιεχομένου των μέσων κοινωνικής δικτύωσης να παραμείνει στις δημοφιλείς λίστες με την πάροδο του χρόνου, χρησιμοποιώντας μοντέλα επιβίωσης. Αυτή η έρευνα εμπίπτει στο ευρύτερο πεδίο της πρόβλεψης σε δεδομένα μέσων κοινω- νικής δικτύωσης, εστιάζοντας στο πώς διάφοροι παράγοντες επηρεάζουν τη μακροζωία του περιεχομένου σε δημοφιλείς πλατφόρμες. Αυτή η μεθοδολογία επεξηγείται μέσα από δύο κυρίαρχες πλατφόρμες, το YouTube και το Spotify. Και στις δύο περιπτώσεις, το γε- γονός ενδιαφέροντος αφορά την αφαίρεση ενός βίντεο ή τραγουδιού από τις αντίστοιχες δημοφιλείς λίστες της εκάστοτε πλατφόρμας.","abstract_has_math":false,"creators":["Αγγιστριώτης Νικόλαος","Angistriotis Nikolaos"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023","date_published":"2023","updated_at":"2026-11-19T06:24:13Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3362641"],"render_values":[{"text":"uoadl:3362641","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3362641","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3362641","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%3A3362641","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Αγγιστριώτης Νικόλαος","Angistriotis Nikolaos"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2023"]},{"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":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3362641","https://pergamos.lib.uoa.gr/uoa/dl/object/3362641"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Στη σημερινή ψηφιακή εποχή, οι πλατφόρμες μέσων κοινωνικής δικτύωσης έχουν γίνει αναπόσπαστο μέρος της ζωής μας, μεταμορφώνοντας τον τρόπο με τον οποίο επικοινω- νούμε, μοιραζόμαστε πληροφορίες και καταναλώνουμε περιεχόμενο. Ο όγκος των δεδο- μένων που παράγεται σε αυτές τις πλατφόρμες δίνει την ευκαιρία σε ερευνητές και επι- στήμονες δεδομένων να αποκτήσουν πολύτιμες πληροφορίες σχετικά με τη συμπεριφορά, τις προτιμήσεις και τις τάσεις των χρηστών. Δύο τέτοιες πλατφόρμες που έχουν τραβήξει την προσοχή εκατομμυρίων είναι το YouTube και το Spotify, που έχουν παραμείνει στην κορυφή της πυραμίδας όσον αφορά τα μέσα κοινωνικής δικτύωσης για πολλά χρόνια. Μελετώντας τις βασικές αρχές της ανάλυσης επιβίωσης, ένα συνδυασμό μηχανικής μά- θησης και στατιστικής, η διπλωματική εμβαθύνει στην εφαρμογή της στα δεδομένα των μέσων κοινωνικής δικτύωσης. Η ανάλυση επιβίωσης ερευνά τη διάρκεια έως ότου συμβεί ένα συμβάν ενδιαφέροντος. Ο κεντρικός στόχος αυτής της εργασίας είναι να διερευνή- σει τις δυνατότητες του περιεχομένου των μέσων κοινωνικής δικτύωσης να παραμείνει στις δημοφιλείς λίστες με την πάροδο του χρόνου, χρησιμοποιώντας μοντέλα επιβίωσης. Αυτή η έρευνα εμπίπτει στο ευρύτερο πεδίο της πρόβλεψης σε δεδομένα μέσων κοινω- νικής δικτύωσης, εστιάζοντας στο πώς διάφοροι παράγοντες επηρεάζουν τη μακροζωία του περιεχομένου σε δημοφιλείς πλατφόρμες. Αυτή η μεθοδολογία επεξηγείται μέσα από δύο κυρίαρχες πλατφόρμες, το YouTube και το Spotify. Και στις δύο περιπτώσεις, το γε- γονός ενδιαφέροντος αφορά την αφαίρεση ενός βίντεο ή τραγουδιού από τις αντίστοιχες δημοφιλείς λίστες της εκάστοτε πλατφόρμας.","In today’s digital age, media platforms have become an integral part of our lives, trans- forming the way we communicate, share information, and consume content. The vast amount of data generated on these platforms presents researchers and data scientists with opportunities to gain valuable insights into user behavior, preferences, and trends. Two such platforms that have captured the attention of millions are YouTube, a video shar- ing service that is one of the most popular ones and Spotify, a leading audio streaming giant. Both platforms have stayed at the top of the social media platform pyramid for many years. Studying the fundamentals of survival analysis, a blend of machine learning and statistics, this thesis delves into its application on media data. Survival analysis is concerned with investigating the time until a particular event of interest takes place. The main objective of this research is to explore the potential for media content to endure on trending lists over time, employing survival models. This investigation falls within the broader scope of media forecasting, focusing on how various factors influence the longevity of content’s prominence on popular platforms. We illustrate this methodology through two popular platforms, using YouTube and Spotify as case studies. In both cases, the event of interest pertains to the removal of a video or song from their respective top trending lists."]},{"key":"dc:title","label":"Title","values":["Analysis of Trending Media Data Using Survival Models"]}]}],"canonical_facts":{"dc:creator":["Αγγιστριώτης Νικόλαος","Angistriotis Nikolaos"],"dc:date":["2023"],"dc:description":["Στη σημερινή ψηφιακή εποχή, οι πλατφόρμες μέσων κοινωνικής δικτύωσης έχουν γίνει αναπόσπαστο μέρος της ζωής μας, μεταμορφώνοντας τον τρόπο με τον οποίο επικοινω- νούμε, μοιραζόμαστε πληροφορίες και καταναλώνουμε περιεχόμενο. Ο όγκος των δεδο- μένων που παράγεται σε αυτές τις πλατφόρμες δίνει την ευκαιρία σε ερευνητές και επι- στήμονες δεδομένων να αποκτήσουν πολύτιμες πληροφορίες σχετικά με τη συμπεριφορά, τις προτιμήσεις και τις τάσεις των χρηστών. Δύο τέτοιες πλατφόρμες που έχουν τραβήξει την προσοχή εκατομμυρίων είναι το YouTube και το Spotify, που έχουν παραμείνει στην κορυφή της πυραμίδας όσον αφορά τα μέσα κοινωνικής δικτύωσης για πολλά χρόνια. Μελετώντας τις βασικές αρχές της ανάλυσης επιβίωσης, ένα συνδυασμό μηχανικής μά- θησης και στατιστικής, η διπλωματική εμβαθύνει στην εφαρμογή της στα δεδομένα των μέσων κοινωνικής δικτύωσης. Η ανάλυση επιβίωσης ερευνά τη διάρκεια έως ότου συμβεί ένα συμβάν ενδιαφέροντος. Ο κεντρικός στόχος αυτής της εργασίας είναι να διερευνή- σει τις δυνατότητες του περιεχομένου των μέσων κοινωνικής δικτύωσης να παραμείνει στις δημοφιλείς λίστες με την πάροδο του χρόνου, χρησιμοποιώντας μοντέλα επιβίωσης. Αυτή η έρευνα εμπίπτει στο ευρύτερο πεδίο της πρόβλεψης σε δεδομένα μέσων κοινω- νικής δικτύωσης, εστιάζοντας στο πώς διάφοροι παράγοντες επηρεάζουν τη μακροζωία του περιεχομένου σε δημοφιλείς πλατφόρμες. Αυτή η μεθοδολογία επεξηγείται μέσα από δύο κυρίαρχες πλατφόρμες, το YouTube και το Spotify. Και στις δύο περιπτώσεις, το γε- γονός ενδιαφέροντος αφορά την αφαίρεση ενός βίντεο ή τραγουδιού από τις αντίστοιχες δημοφιλείς λίστες της εκάστοτε πλατφόρμας.","In today’s digital age, media platforms have become an integral part of our lives, trans- forming the way we communicate, share information, and consume content. The vast amount of data generated on these platforms presents researchers and data scientists with opportunities to gain valuable insights into user behavior, preferences, and trends. Two such platforms that have captured the attention of millions are YouTube, a video shar- ing service that is one of the most popular ones and Spotify, a leading audio streaming giant. Both platforms have stayed at the top of the social media platform pyramid for many years. Studying the fundamentals of survival analysis, a blend of machine learning and statistics, this thesis delves into its application on media data. Survival analysis is concerned with investigating the time until a particular event of interest takes place. The main objective of this research is to explore the potential for media content to endure on trending lists over time, employing survival models. This investigation falls within the broader scope of media forecasting, focusing on how various factors influence the longevity of content’s prominence on popular platforms. We illustrate this methodology through two popular platforms, using YouTube and Spotify as case studies. In both cases, the event of interest pertains to the removal of a video or song from their respective top trending lists."],"dc:identifier":["uoadl:3362641","https://pergamos.lib.uoa.gr/uoa/dl/object/3362641"],"dc:language":["English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Analysis of Trending Media Data Using Survival Models"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:24:13Z"}