Μελέτη και υλοποίηση αλγορίθμων για την ανάκτηση προσωπικής πληροφορίας σε κινητές συσκευές
Οι σύγχρονες κινητές συσκευές επιτρέπουν στους χρήστες να αποθηκεύουν μεγάλη ποσότητα προσωπικών δεδομένων με αποτέλεσμα η οργάνωση και η ανάκτηση τους να γίνεται μια δύσκολη διαδικασία λόγω του μεγέθους των δεδομένων που αυξάνεται συνέχεια. Το ίδιο συμβαίνει και με τον κατάλογο των επαφών που οι χρ...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Μορφή: | Thesis |
| Γλώσσα: | Greek |
| Έκδοση: |
2018
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/11280 |
| id |
nemertes-10889-11280 |
|---|---|
| record_format |
dspace |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Προσωπική πληροφορία Κινητές συσκευές Αλγόριθμος Personal information Mobile devices Algorithm 005.25 |
| spellingShingle |
Προσωπική πληροφορία Κινητές συσκευές Αλγόριθμος Personal information Mobile devices Algorithm 005.25 Λιακοπούλου, Αγγελική Μελέτη και υλοποίηση αλγορίθμων για την ανάκτηση προσωπικής πληροφορίας σε κινητές συσκευές |
| description |
Οι σύγχρονες κινητές συσκευές επιτρέπουν στους χρήστες να αποθηκεύουν μεγάλη ποσότητα προσωπικών δεδομένων με αποτέλεσμα η οργάνωση και η ανάκτηση τους να γίνεται μια δύσκολη διαδικασία λόγω του μεγέθους των δεδομένων που αυξάνεται συνέχεια. Το ίδιο συμβαίνει και με τον κατάλογο των επαφών που οι χρήστες προσθέτουν επαφές χωρίς να διαγράφουν τις παλαιότερες. Ο αυξανόμενος όγκος των επαφών καθιστά την ανάγκη για γρήγορη και αποτελεσματική πρόσβαση στις επαφές. Οι κινητές συσκευές συλλέγουν ένα σημαντικό ποσό δεδομένων και πληροφοριών σχετικά με το πλαίσιο του χρήστη. Οι πληροφορίες αυτές περιλαμβάνουν την τοποθεσία, την τρέχουσα ημερομηνία και ώρα, αν ο χρήστης της συσκευής είναι σε κίνηση και την ταχύτητα του, τον προσανατολισμό της συσκευής, την τρέχουσα εργασία του χρήστη (αν μιλάει στο τηλέφωνο ή αν στέλνει κάποιο μήνυμα) κ.α. Οπότε, είναι χρήσιμο να υπάρξουν αλγόριθμοι ανάκτησης επαφών, αξιοποιώντας το πλαίσιο του χρήστη. Σε αυτή την εργασία γίνεται μια προσπάθεια αντιμετώπισης του προβλήματος της ανάκτησης επαφών κατά την πραγματοποίηση μιας εξερχόμενης κλήσης, προβλέποντας ποια επαφή θέλει να καλέσει ο χρήστης. Εξετάζονται τα αρχεία καταγραφής κλήσεων από διαφορετικά σύνολα δεδομένων. Παρότι η πρόβλεψη της επόμενης επιθυμητής κλήσης στηριζόμενη στην ανάλυση του αρχείου καταγραφής των κλήσεων δεν είναι κάτι καινούριο, έχει γίνει μικρής κλίμακας έρευνα στην πρόβλεψη κλήσης αναλύοντας αρχεία καταγραφής κλήσεων και μηνυμάτων. Η συνεισφορά της εργασίας είναι ότι χρησιμοποιείται και το αρχείο καταγραφής των μηνυμάτων, πέρα από το αρχείο καταγραφής των εξερχομένων και εισερχομένων κλήσεων του χρήστη για την πρόβλεψη της μελλοντικής κλήσης. Υλοποιείται μια μεθοδολογία και επαναλαμβάνεται με τροποποιήσεις σε διαφορετικά σύνολα δεδομένων. Τέλος, παρατίθενται τα αποτελέσματα και συγκρίνονται τα ποσοστά ακρίβειας πρόβλεψης που έχουν εξαχθεί χρησιμοποιώντας το σύνολο δεδομένων μόνο των κλήσεων με τα αποτελέσματα που έχουν εξαχθεί από το σύνολο δεδομένων των κλήσεων και των μηνυμάτων. |
| author2 |
Γαροφαλάκης, Ιωάννης |
| author_facet |
Γαροφαλάκης, Ιωάννης Λιακοπούλου, Αγγελική |
| format |
Thesis |
| author |
Λιακοπούλου, Αγγελική |
| author_sort |
Λιακοπούλου, Αγγελική |
| title |
Μελέτη και υλοποίηση αλγορίθμων για την ανάκτηση προσωπικής πληροφορίας σε κινητές συσκευές |
| title_short |
Μελέτη και υλοποίηση αλγορίθμων για την ανάκτηση προσωπικής πληροφορίας σε κινητές συσκευές |
| title_full |
Μελέτη και υλοποίηση αλγορίθμων για την ανάκτηση προσωπικής πληροφορίας σε κινητές συσκευές |
| title_fullStr |
Μελέτη και υλοποίηση αλγορίθμων για την ανάκτηση προσωπικής πληροφορίας σε κινητές συσκευές |
| title_full_unstemmed |
Μελέτη και υλοποίηση αλγορίθμων για την ανάκτηση προσωπικής πληροφορίας σε κινητές συσκευές |
| title_sort |
μελέτη και υλοποίηση αλγορίθμων για την ανάκτηση προσωπικής πληροφορίας σε κινητές συσκευές |
| publishDate |
2018 |
| url |
http://hdl.handle.net/10889/11280 |
| work_keys_str_mv |
AT liakopoulouangelikē meletēkaiylopoiēsēalgorithmōngiatēnanaktēsēprosōpikēsplērophoriassekinētessyskeues AT liakopoulouangelikē developmentandevaluationofalgorithmsfortheretrievalofpersonalinformationonmobiledevices |
| _version_ |
1771297254302285824 |
| spelling |
nemertes-10889-112802022-09-05T14:04:25Z Μελέτη και υλοποίηση αλγορίθμων για την ανάκτηση προσωπικής πληροφορίας σε κινητές συσκευές Development and evaluation of algorithms for the retrieval of personal information on mobile devices Λιακοπούλου, Αγγελική Γαροφαλάκης, Ιωάννης Μακρής, Χρήστος Χατζηλυγερούδης, Ιωάννης Liakopoulou, Aggeliki Προσωπική πληροφορία Κινητές συσκευές Αλγόριθμος Personal information Mobile devices Algorithm 005.25 Οι σύγχρονες κινητές συσκευές επιτρέπουν στους χρήστες να αποθηκεύουν μεγάλη ποσότητα προσωπικών δεδομένων με αποτέλεσμα η οργάνωση και η ανάκτηση τους να γίνεται μια δύσκολη διαδικασία λόγω του μεγέθους των δεδομένων που αυξάνεται συνέχεια. Το ίδιο συμβαίνει και με τον κατάλογο των επαφών που οι χρήστες προσθέτουν επαφές χωρίς να διαγράφουν τις παλαιότερες. Ο αυξανόμενος όγκος των επαφών καθιστά την ανάγκη για γρήγορη και αποτελεσματική πρόσβαση στις επαφές. Οι κινητές συσκευές συλλέγουν ένα σημαντικό ποσό δεδομένων και πληροφοριών σχετικά με το πλαίσιο του χρήστη. Οι πληροφορίες αυτές περιλαμβάνουν την τοποθεσία, την τρέχουσα ημερομηνία και ώρα, αν ο χρήστης της συσκευής είναι σε κίνηση και την ταχύτητα του, τον προσανατολισμό της συσκευής, την τρέχουσα εργασία του χρήστη (αν μιλάει στο τηλέφωνο ή αν στέλνει κάποιο μήνυμα) κ.α. Οπότε, είναι χρήσιμο να υπάρξουν αλγόριθμοι ανάκτησης επαφών, αξιοποιώντας το πλαίσιο του χρήστη. Σε αυτή την εργασία γίνεται μια προσπάθεια αντιμετώπισης του προβλήματος της ανάκτησης επαφών κατά την πραγματοποίηση μιας εξερχόμενης κλήσης, προβλέποντας ποια επαφή θέλει να καλέσει ο χρήστης. Εξετάζονται τα αρχεία καταγραφής κλήσεων από διαφορετικά σύνολα δεδομένων. Παρότι η πρόβλεψη της επόμενης επιθυμητής κλήσης στηριζόμενη στην ανάλυση του αρχείου καταγραφής των κλήσεων δεν είναι κάτι καινούριο, έχει γίνει μικρής κλίμακας έρευνα στην πρόβλεψη κλήσης αναλύοντας αρχεία καταγραφής κλήσεων και μηνυμάτων. Η συνεισφορά της εργασίας είναι ότι χρησιμοποιείται και το αρχείο καταγραφής των μηνυμάτων, πέρα από το αρχείο καταγραφής των εξερχομένων και εισερχομένων κλήσεων του χρήστη για την πρόβλεψη της μελλοντικής κλήσης. Υλοποιείται μια μεθοδολογία και επαναλαμβάνεται με τροποποιήσεις σε διαφορετικά σύνολα δεδομένων. Τέλος, παρατίθενται τα αποτελέσματα και συγκρίνονται τα ποσοστά ακρίβειας πρόβλεψης που έχουν εξαχθεί χρησιμοποιώντας το σύνολο δεδομένων μόνο των κλήσεων με τα αποτελέσματα που έχουν εξαχθεί από το σύνολο δεδομένων των κλήσεων και των μηνυμάτων. Modern mobile devices allow users to store large amount of personal data, making their management and retrieval a difficult process because of the increasing amount of data. The same happens with the list of contacts that users add without deleting the old ones. The growing volume of contacts creates the need for quick and effective access to contacts. Mobile devices collect a significant amount of data and information about the user's context. This information includes the location, the current date and time, whether the user of the device is in motion and the speed of the device, the orientation of the device, the user's current job (if he is talking on the phone or sending a message). So, it is useful to have algorithms in order to retrieve contacts, utilizing the user's context.This diploma thesis attempts to address the problem of retrieving contacts when making an outgoing call, predicting what contact the user wants to call. Call logs of mobile users are being examined from different data sets. Although predicting the next desired call based on the examination of the call log is not a new process, a small-scale survey in the call forecast has been conducted by analyzing call logs and messages logs. The contribution of this work is that the log of the SMS is used, in addition to the log of the outgoing and incoming calls of the user to predict the future call. A methodology is implemented and repeated with modifications in different sets of data. Finally, the results are listed and the percentages of prediction accuracy that have been extracted using the call data set are compared with the results extracted from the call and message data set. 2018-05-16T08:44:22Z 2018-05-16T08:44:22Z 2017-10-23 Thesis http://hdl.handle.net/10889/11280 gr 6 application/pdf |
