{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3404641"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3404641","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"News Aggregator: Story Discovery & Ranking - From Web Data Mining through a Modular Processing Pipeline to UI","abstract":"Η παρούσα διπλωματική εξετάζει την ανάπτυξη ενός τμητατικού συστήματος συλλογής ειδήσεων, καλύπτοντας όλα τα στάδια από τη συλλογή δεδομένων έως την τελική παρουσίαση. Τα δεδομένα των ειδήσεων λαμβάνονται απευθείας από τις ειδησιογραφικές πηγές, αποθυκεύονται και επεξεργάζονται με σκοπό να ανακαλυφθούν ομάδες άρθρων που αναφέρονται στα ίδια γεγονότα. Το σύστημα χρησιμοποιεί μια μοναδική προσέγγιση ομαδοποίησης που συνδυάζει τις δυνατότητες κατανόησης περιεχομένου των γλωσσικών μοντέλων με την ευελιξία της ιεραρχικής ομαδοποίησης. Οι ειδήσεις που προκύπτουν από αυτή τη διαδικασία ομαδοποίησης ταξινομούνται στη συνέχεια με βάση τη σημαντικότητά τους στον καθημερινό κύκλο ειδήσεων. Η βασική αρχιτεκτονική είναι χτισμένη πάνω στην τεχνολογία Docker, ενισχύοντας την φορητότητα του συστήματος και την ευκολία τροποποιήσεων. Κάθε κομμάτι λειτουργεί ανεξάρτητα μέσα σε ”κοντέινερ” Docker, διευκολύνοντας τις ενημερώσεις και διασφαλίζοντας την ανθεκτικότητα του συστήματος απέναντι στις τεχνολογικές αλλαγές. Η αξιολόγηση του συστήματος δείχνει ικανοποιητικά αποτελέσματα σε όρους ακρίβειας, ανάκλησης και F-measure, υπογραμμίζοντας την αποτελεσματικότη τα της προσέγγισης ομαδοποίησης. Ο τμηματικός σχεδιασμός του συστήματος απλοποιεί τη συντήρηση, αλλά και υποστηρίζει την απλή επέκταση και προσαρμογή σε μελλοντικές απαιτήσεις. Αυτή η διατριβή επιβεβαιώνει το δυναμικό της προχωρημένης επεξεργασίας κειμένου στη βελτίωση της ποιότητας της συλλογής ειδήσεων, προσφέροντας ένα ισχυρό πλαίσιο για περαιτέρω έρευνα και ανάπτυξη σε συστήματα ανάκτησης πληροφοριών.","abstract_html":"Η παρούσα διπλωματική εξετάζει την ανάπτυξη ενός τμητατικού συστήματος συλλογής ειδήσεων, καλύπτοντας όλα τα στάδια από τη συλλογή δεδομένων έως την τελική παρουσίαση. Τα δεδομένα των ειδήσεων λαμβάνονται απευθείας από τις ειδησιογραφικές πηγές, αποθυκεύονται και επεξεργάζονται με σκοπό να ανακαλυφθούν ομάδες άρθρων που αναφέρονται στα ίδια γεγονότα. Το σύστημα χρησιμοποιεί μια μοναδική προσέγγιση ομαδοποίησης που συνδυάζει τις δυνατότητες κατανόησης περιεχομένου των γλωσσικών μοντέλων με την ευελιξία της ιεραρχικής ομαδοποίησης. Οι ειδήσεις που προκύπτουν από αυτή τη διαδικασία ομαδοποίησης ταξινομούνται στη συνέχεια με βάση τη σημαντικότητά τους στον καθημερινό κύκλο ειδήσεων. Η βασική αρχιτεκτονική είναι χτισμένη πάνω στην τεχνολογία Docker, ενισχύοντας την φορητότητα του συστήματος και την ευκολία τροποποιήσεων. Κάθε κομμάτι λειτουργεί ανεξάρτητα μέσα σε ”κοντέινερ” Docker, διευκολύνοντας τις ενημερώσεις και διασφαλίζοντας την ανθεκτικότητα του συστήματος απέναντι στις τεχνολογικές αλλαγές. Η αξιολόγηση του συστήματος δείχνει ικανοποιητικά αποτελέσματα σε όρους ακρίβειας, ανάκλησης και F-measure, υπογραμμίζοντας την αποτελεσματικότη τα της προσέγγισης ομαδοποίησης. Ο τμηματικός σχεδιασμός του συστήματος απλοποιεί τη συντήρηση, αλλά και υποστηρίζει την απλή επέκταση και προσαρμογή σε μελλοντικές απαιτήσεις. Αυτή η διατριβή επιβεβαιώνει το δυναμικό της προχωρημένης επεξεργασίας κειμένου στη βελτίωση της ποιότητας της συλλογής ειδήσεων, προσφέροντας ένα ισχυρό πλαίσιο για περαιτέρω έρευνα και ανάπτυξη σε συστήματα ανάκτησης πληροφοριών.","abstract_has_math":false,"creators":["Μαστοράκης Ευστάθιος-Ανδρέας","Mastorakis Efstathios-Andreas"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2024,"date_issued":"2024","date_published":"2024","updated_at":"2026-11-19T06:29:56Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3404641"],"render_values":[{"text":"uoadl:3404641","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3404641","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3404641","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%3A3404641","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Μαστοράκης Ευστάθιος-Ανδρέας","Mastorakis Efstathios-Andreas"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2024"]},{"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":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3404641","https://pergamos.lib.uoa.gr/uoa/dl/object/3404641"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα διπλωματική εξετάζει την ανάπτυξη ενός τμητατικού συστήματος συλλογής ειδήσεων, καλύπτοντας όλα τα στάδια από τη συλλογή δεδομένων έως την τελική παρουσίαση. Τα δεδομένα των ειδήσεων λαμβάνονται απευθείας από τις ειδησιογραφικές πηγές, αποθυκεύονται και επεξεργάζονται με σκοπό να ανακαλυφθούν ομάδες άρθρων που αναφέρονται στα ίδια γεγονότα. Το σύστημα χρησιμοποιεί μια μοναδική προσέγγιση ομαδοποίησης που συνδυάζει τις δυνατότητες κατανόησης περιεχομένου των γλωσσικών μοντέλων με την ευελιξία της ιεραρχικής ομαδοποίησης. Οι ειδήσεις που προκύπτουν από αυτή τη διαδικασία ομαδοποίησης ταξινομούνται στη συνέχεια με βάση τη σημαντικότητά τους στον καθημερινό κύκλο ειδήσεων. Η βασική αρχιτεκτονική είναι χτισμένη πάνω στην τεχνολογία Docker, ενισχύοντας την φορητότητα του συστήματος και την ευκολία τροποποιήσεων. Κάθε κομμάτι λειτουργεί ανεξάρτητα μέσα σε ”κοντέινερ” Docker, διευκολύνοντας τις ενημερώσεις και διασφαλίζοντας την ανθεκτικότητα του συστήματος απέναντι στις τεχνολογικές αλλαγές. Η αξιολόγηση του συστήματος δείχνει ικανοποιητικά αποτελέσματα σε όρους ακρίβειας, ανάκλησης και F-measure, υπογραμμίζοντας την αποτελεσματικότη τα της προσέγγισης ομαδοποίησης. Ο τμηματικός σχεδιασμός του συστήματος απλοποιεί τη συντήρηση, αλλά και υποστηρίζει την απλή επέκταση και προσαρμογή σε μελλοντικές απαιτήσεις. Αυτή η διατριβή επιβεβαιώνει το δυναμικό της προχωρημένης επεξεργασίας κειμένου στη βελτίωση της ποιότητας της συλλογής ειδήσεων, προσφέροντας ένα ισχυρό πλαίσιο για περαιτέρω έρευνα και ανάπτυξη σε συστήματα ανάκτησης πληροφοριών.","This thesis explores the development of a modular news aggregator system, encompassing all aspects from data collection through to final presentation. News data is drawn directly from online news outlets and is stored and processed in order to create news stories: clusters of articles that refer to the same news events. The system utilizes a unique clustering approach that combines the contextual understanding capabilities of language models with the flexibility of hierarchical clustering. The news stories that emerge from this clustering process are then ranked based on their perceived importance in the daily news cycle. The core architecture is built on Docker, enhancing portability and ease of modifications. Each component operates independently within Docker containers, facilitating seamless updates and ensuring system robustness against technological changes. Evaluation of the system demonstrates satisfactory results in precision, recall, and F-measure, underscoring the effectiveness of the clustering approach. The system’s modular design simplifies maintenance and scalability but also supports straightforward expansion and adaptation to future requirements. This thesis confirms the potential of advanced text processing in improving news aggregation quality, offering a robust framework for further research and development in information retrieval systems."]},{"key":"dc:title","label":"Title","values":["News Aggregator: Story Discovery & Ranking - From Web Data Mining through a Modular Processing Pipeline to UI"]}]}],"canonical_facts":{"dc:creator":["Μαστοράκης Ευστάθιος-Ανδρέας","Mastorakis Efstathios-Andreas"],"dc:date":["2024"],"dc:description":["Η παρούσα διπλωματική εξετάζει την ανάπτυξη ενός τμητατικού συστήματος συλλογής ειδήσεων, καλύπτοντας όλα τα στάδια από τη συλλογή δεδομένων έως την τελική παρουσίαση. Τα δεδομένα των ειδήσεων λαμβάνονται απευθείας από τις ειδησιογραφικές πηγές, αποθυκεύονται και επεξεργάζονται με σκοπό να ανακαλυφθούν ομάδες άρθρων που αναφέρονται στα ίδια γεγονότα. Το σύστημα χρησιμοποιεί μια μοναδική προσέγγιση ομαδοποίησης που συνδυάζει τις δυνατότητες κατανόησης περιεχομένου των γλωσσικών μοντέλων με την ευελιξία της ιεραρχικής ομαδοποίησης. Οι ειδήσεις που προκύπτουν από αυτή τη διαδικασία ομαδοποίησης ταξινομούνται στη συνέχεια με βάση τη σημαντικότητά τους στον καθημερινό κύκλο ειδήσεων. Η βασική αρχιτεκτονική είναι χτισμένη πάνω στην τεχνολογία Docker, ενισχύοντας την φορητότητα του συστήματος και την ευκολία τροποποιήσεων. Κάθε κομμάτι λειτουργεί ανεξάρτητα μέσα σε ”κοντέινερ” Docker, διευκολύνοντας τις ενημερώσεις και διασφαλίζοντας την ανθεκτικότητα του συστήματος απέναντι στις τεχνολογικές αλλαγές. Η αξιολόγηση του συστήματος δείχνει ικανοποιητικά αποτελέσματα σε όρους ακρίβειας, ανάκλησης και F-measure, υπογραμμίζοντας την αποτελεσματικότη τα της προσέγγισης ομαδοποίησης. Ο τμηματικός σχεδιασμός του συστήματος απλοποιεί τη συντήρηση, αλλά και υποστηρίζει την απλή επέκταση και προσαρμογή σε μελλοντικές απαιτήσεις. Αυτή η διατριβή επιβεβαιώνει το δυναμικό της προχωρημένης επεξεργασίας κειμένου στη βελτίωση της ποιότητας της συλλογής ειδήσεων, προσφέροντας ένα ισχυρό πλαίσιο για περαιτέρω έρευνα και ανάπτυξη σε συστήματα ανάκτησης πληροφοριών.","This thesis explores the development of a modular news aggregator system, encompassing all aspects from data collection through to final presentation. News data is drawn directly from online news outlets and is stored and processed in order to create news stories: clusters of articles that refer to the same news events. The system utilizes a unique clustering approach that combines the contextual understanding capabilities of language models with the flexibility of hierarchical clustering. The news stories that emerge from this clustering process are then ranked based on their perceived importance in the daily news cycle. The core architecture is built on Docker, enhancing portability and ease of modifications. Each component operates independently within Docker containers, facilitating seamless updates and ensuring system robustness against technological changes. Evaluation of the system demonstrates satisfactory results in precision, recall, and F-measure, underscoring the effectiveness of the clustering approach. The system’s modular design simplifies maintenance and scalability but also supports straightforward expansion and adaptation to future requirements. This thesis confirms the potential of advanced text processing in improving news aggregation quality, offering a robust framework for further research and development in information retrieval systems."],"dc:identifier":["uoadl:3404641","https://pergamos.lib.uoa.gr/uoa/dl/object/3404641"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["News Aggregator: Story Discovery & Ranking - From Web Data Mining through a Modular Processing Pipeline to UI"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:29:56Z"}