Εμφάνιση απλής εγγραφής

dc.contributor.advisorΚατάκης, Ιωάννης
dc.contributor.authorΧατζηνικολάου, Νικόλας
dc.contributor.otherChatzinicolaou, Nicolas
dc.coverage.spatialΚύπροςel_GR
dc.date.accessioned2017-02-10
dc.date.accessioned2017-02-13T07:38:23Z
dc.date.available2017-02-13T07:38:23Z
dc.date.copyright2017-01
dc.date.issued2017-02-13
dc.identifier.otherΠΕΣ/2017/00239el_GR
dc.identifier.urihttp://hdl.handle.net/11128/2774
dc.descriptionΠεριέχει βιβλιογραφικές παραπομπές.el_GR
dc.description.abstractΕίναι ευρέως αποδεκτό ότι σε περίοδο προεκλογικής εκστρατείας, είτε για προεδρικές εκλογές είτε για βουλευτικές εκλογές, γίνονται αρκετές δημοσκοπήσεις όπου ο πολίτης καλείται να απαντήσει σε διάφορες ερωτήσεις πολιτικού περιεχομένου. Από αυτές τις δημοσκοπήσεις βγαίνουν αρκετά χρήσιμα συμπεράσματα που αφορούν του πολίτες αλλά και τα πολιτικά μας κόμματα. Στην παρούσα διατριβή θα εξετάσουμε και θα αναλύσουμε τα συστήματα «Ηλεκτρονικοί Σύμβουλοι Ψήφου» γνωστά ως «Voting Advice Applications». Οι Ηλεκτρονικοί Σύμβουλοι Ψήφου δημιουργούν ένα προφίλ απόψεων του χρήστη αφού αυτός απαντήσει σε μία σειρά από ερωτήσεις. Οι απαντήσεις που καλείται να δώσει ο χρήστης είναι συνήθως του τύπου: «Συμφωνώ πλήρως», «Συμφωνώ», «Ούτε συμφωνώ, ούτε διαφωνώ», «Διαφωνώ», «Διαφωνώ πλήρως», «Χωρίς άποψη». Χρησιμοποιώντας αυτή την πληροφορία το σύστημα υπολογίζει την ταύτιση απόψεων του χρήστη με τους εκπρόσωπους των πολιτικών κομμάτων για τους οποίους υπάρχουν επίσης τα αντίστοιχα προφίλ. Τα εν λόγω εργαλεία επεξεργάζονται τις πληροφορίες αυτές και εξάγουν κάποια αποτελέσματα όπως για παράδειγμα την ταύτιση των απόψεων του πολίτη με τους συγκεκριμένους υποψήφιους. Με αυτό τον τρόπο ο πολίτης θα έχει την δυνατότητα να συμβουλευτεί αυτά τα αποτελέσματα ούτως ώστε να καθοδηγηθεί για τον υποψήφιο που θα προτιμήσει στις εκλογές. Τέτοια συστήματα ήταν το www.choose4greece.org και το www.choose4cyprus.org. Στο πλαίσιο της εργασίας αυτής θα εξετάσουμε διάφορους αλγόριθμους ταξινόμησης όπως είναι οι Naïve Bayes, J48, IBK, Multi Layer Perceptron και SMO, θα δημιουργήσουμε δέντρα απόφασης, θα μειώσουμε τις διαστάσεις στα δέντρα απόφασης για καλύτερη απεικόνιση των δεδομένων μας και θα εκπαιδεύσουμε τους ταξινομητές μας. Στόχος όλων αυτών είναι να εκπαιδευτούν οι αλγόριθμοι μας με το λιγότερο κόστος και η βελτίωση της αποτελεσματικότητας των υπαρχουσών τεχνικών.el_GR
dc.format.extentvi, 53 σ. 30 εκ.el_GR
dc.languagegrel_GR
dc.language.isogrel_GR
dc.rightsinfo:eu-repo/semantics/closedAccessel_GR
dc.subjectΗλεκτρονικοί Σύμβουλοι Ψήφουel_GR
dc.subjectVoting Advice Applicationsel_GR
dc.titleΠαραγωγή κοινωνικών συστάσεων σε συστήματα υποστήριξης απόφασης ψήφουel_GR
dc.typeΜεταπτυχιακή Διατριβήel_GR
dc.description.translatedabstractDuring a campaign it’s widely acceptable, either for presidential elections or parliamentary elections, to carry out several polls in which citizens are called upon answering random questions with political content. Useful conclusions that matter both citizens and all political parties are extracted from this kind of polls. In this research proposition we will study and analyze the electronic voting advise systems, also known as Voting Advice Applications. These systems create a perspective profile of the user after answering a series of questions. The options given to the user are usually: “Totally agree”, “Neither agree nor disagree”, “Agree”, “Disagree”, “Totally disagree” and “No decision”. Then the system will use the data from polls in order to sum up the convergence of views from each participant against those of the representatives of the political parties were respectively profiles do exist. All the information is processed by these tools and extracts results such as convergence of views of citizens with specific candidates. In this way ability is given to citizens in order to make up their mind and determine in which candidate the vote will be given during the election process. Such systems were www.choose4greece.org and www.choose4syprus.org. In this dissertation we will examine various sorting algorithms such as Naïve Bayes, J48, IBK, Multi Layer Perceptron and SMO. It will be used decision tree analysis, a dimensional reduction on decision trees for a better visualization of the results and we will train our classifiers. The target of the above is to train our classifiers with the minimum cost and to improve the efficiency of the existing techniques.el_GR
dc.format.typepdfel_GR


Αρχεία σε αυτό το τεκμήριο

Thumbnail

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Εμφάνιση απλής εγγραφής