| dc.contributor.advisor | Δαμίγος, Ματθαίος | |
| dc.contributor.author | Τριζώνης, Βασίλειος | |
| dc.contributor.other | Trizonis, Vasilios | |
| dc.coverage.spatial | Κύπρος | el_GR |
| dc.date.accessioned | 2012-11-03 | |
| dc.date.accessioned | 2012-11-05T09:30:06Z | |
| dc.date.available | 2012-11-05T09:30:06Z | |
| dc.date.copyright | 2012-09 | |
| dc.date.issued | 2012-11-05 | |
| dc.identifier.other | ΠΛΗ/2012/00053 | el_GR |
| dc.identifier.uri | http://hdl.handle.net/11128/1087 | |
| dc.description | Περιέχει βιβλιογραφικές παραπομπές. | el_GR |
| dc.description.abstract | Η παρούσα μεταπτυχιακή διατριβή πραγματεύεται αποδοτικές τεχνικές εύρεσης κοινωνικών
ομάδων σε δίκτυα κοινωνικής δικτύωσης. Ο κύριος στόχος της είναι η αποδοτική αντιμετώπιση
του προβλήματος εύρεσης κοινωνικών ομάδων εντός κοινωνικού δικτύου. Αναγνωρίζοντας τον
μεγάλο όγκο δεδομένων που παράγονται από ένα κοινωνικό δίκτυο, γίνεται χρήση των
κατανεμημένων συστημάτων ώστε να μειωθεί ο χρόνος εύρεσης των κοινωνικών ομάδων και
κατ’ επέκταση να βελτιωθεί η αποδοτικότητα της επίλυσης του προβλήματος.
Όσον αφορά την εξέλιξη της επιστήμης των υπολογιστικών συστημάτων, τα τελευταία χρόνια
έχει γίνει αρκετή έρευνα στην ανάπτυξη μεθόδων και αλγορίθμων που έχουν σχέση με τα
κοινωνικά δίκτυα. Λειτουργώντας ως πρόκληση για την υλοποίηση της παρούσας διατριβής, η
σύγχρονη προσέγγιση της διερεύνησης κοινωνικών ομάδων εντός μεγάλου όγκου δεδομένων,
οδήγησε στην εφαρμογή και την υλοποίηση των θεωρητικών αλγορίθμων στην γλώσσα της
πληροφορικής με έναν τρόπο ανεξάρτητο των αρχικών ερευνητών και γι’ αυτό και εξίσου
έγκυρο και ισχυρά επιστημονικό.
Η μεταπτυχιακή διατριβή ξεκινά με την παρουσίαση παραδειγμάτων αναπαράστασης
συγκεκριμένων δικτύων τα οποία και μοντελοποιούνται με τη χρήση κοινωνικών γράφων, ένα
μεθοδολογικό εργαλείο που διερευνάται και χρησιμοποιείται διεξοδικά. Στη συνέχεια,
υλοποιείται ένας επιλεγμένος από την σχετική βιβλιογραφία αλγόριθμος σε κατανεμημένο
σύστημα και αξιολογείται η χρήση του ως προς την αποδοτικότητά της. Τα αποτελέσματα των
πειραμάτων δείχνουν το πόσο σημαντική μπορεί να είναι η βελτίωση που προσφέρει η χρήση
κατανεμημένων συστημάτων στη διερεύνηση κοινωνικών ομάδων και σχέσεων εντός μεγάλου
όγκου δεδομένων.
Χρησιμοποιώντας ως βάση τη σύγχρονη διεθνή βιβλιογραφία [28] αυτή η διατριβή προσπαθεί
να ενισχύσει τα πρώτα αποτελέσματα των ερευνών πάνω στο σχετικό γνωστικό πεδίο, μέσα
από τη δική της, παράλληλη και ανεξάρτητη ερευνητική διαδικασία. Τα αποτελέσματά της
επιβεβαιώνονται από τα ερευνητικά ευρήματα και δείχνουν ότι με τη χρήση παράλληλων
συστημάτων όσο αυξάνονται οι υπολογιστικοί κόμβοι (computing nodes) αυξάνεται και η
ταχύτητα ανακάλυψης κοινωνικών σχέσεων σε κοινωνικούς γράφους μεγάλους τόσο σε όγκο
δεδομένων όσο και σε πολυπλοκότητα. | el_GR |
| dc.format.extent | 116 σ. πιν., 30 εκ. | el_GR |
| dc.language | gr | el_GR |
| dc.language.iso | gr | el_GR |
| dc.subject | Κοινωνικά δίκτυα | el_GR |
| dc.subject | Social networks | el_GR |
| dc.subject | Μέσα Κοινωνικής Δικτύωσης | |
| dc.subject | Social media | |
| dc.title | Αποδοτικές τεχνικές εύρεσης κοινωνικών ομάδων σε δίκτυα κοινωνικής δικτύωσης | el_GR |
| dc.type | Μεταπτυχιακή Διατριβή | el_GR |
| dc.description.translatedabstract | Current post graduate dissertation deals with applying effective techniques to identify social
groups within social networks. It is known that large social networks with millions of nodes and
relations such as Twitter or Facebook produce huge amount of data and the only efficient way to
find social relationships through them is with the use of distributed systems.
The evolution of the computer science last years has produced a lot of research on the
development of methods and algorithms that are related to the social networks. In this
dissertation, the contemporary notion of finding social groups into large volume data, led to the
implementation of theoretical algorithms into working software in a way vastly differing from the
initial researchers’ perspective and for that reason equally valid and scientifically powerful.
First, an effort was made for the visualization as graphs of two specific social networks (Twitter,
BerkStan) and then, an algorithm chosen from relative literature was implemented at a
distributed system (Hadoop). The results were evaluated in terms of efficiency of applying the
particular algorithm at the specific datasets.
The results of the experiments illustrate the improvement of the effectiveness of the algorithm
which finds out social groups within large datasets, using distributed computing architecture. The
dissertation was based upon contemporary international literature [28], the results of which were
reinforced through this parallel work. These results show that with the use of distributed systems
an increase on the number of computing nodes, thus an increase in the parallelization of the
algorithm execution plan, greatly decreases running time for mining social groups from within
huge and complex social graphs. | el_GR |
| dc.format.type | pdf | el_GR |
