Αφαίρεση ανεπιθύμητων μηνυμάτων για την αποτελεσματικότερη μελέτη των καταναλωτών στο Twitter
Το διαδίκτυο συναντά ραγδαία ανάπτυξη, ιδίως τα τελευταία χρόνια. Τα μέσα κοινωνικής δικτύωσης πλέον, αποτελούν αναπόσπαστο κομμάτι των επιχειρήσεων, αλλα και των ανθρώπων γενικότερα, παγκοσμίως. Μέσω αυτών, ειναι δυνατόν να συγκεντρωθούν σημαντικές πληροφορίες, οι οποίες αν αξιοποιηθούν σωστά μπ...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Μορφή: | Thesis |
| Γλώσσα: | Greek |
| Έκδοση: |
2019
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/12640 |
| id |
nemertes-10889-12640 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-126402022-09-05T09:41:19Z Αφαίρεση ανεπιθύμητων μηνυμάτων για την αποτελεσματικότερη μελέτη των καταναλωτών στο Twitter Removal of spam messages for a more effective customer study in Twitter Καραπούλιος, Βασίλειος Μακρής, Χρήστος Σιούτας, Σπύρος Τσώλης, Δημήτριος Karapoulios, Vasileios Εξόρυξη δεδομένων Ανάλυση δεδομένων Συσταδοποίηση Διαιρετική συσταδοποίηση Διαιρετικοί αλγόριθμοι Τουίτερ Ανάλυση συναισθήματος Ζωντανή ροή Κοινωνικά δίκτυα Data mining Data analysis Clustering Partional clustering Partional algorithms K-Means Live-streaming Spam Twitter Social media Sentiment analysis Το διαδίκτυο συναντά ραγδαία ανάπτυξη, ιδίως τα τελευταία χρόνια. Τα μέσα κοινωνικής δικτύωσης πλέον, αποτελούν αναπόσπαστο κομμάτι των επιχειρήσεων, αλλα και των ανθρώπων γενικότερα, παγκοσμίως. Μέσω αυτών, ειναι δυνατόν να συγκεντρωθούν σημαντικές πληροφορίες, οι οποίες αν αξιοποιηθούν σωστά μπορούν να αποτελέσουν πηγή πληροφοριών για τα δρώμενα της αγοράς, με απώτερο σκοπό της μελέτη της συμπεριφοράς των καταναλωτών. Τα δεδομένα που παράγονται καθημερινά ειναι ογκώδη, συνεπώς οι επιχειρήσεις πρέπει να βρούν έναν τρόπο να επεξεργάζονται και να εκμεταλλεύονται αυτόν τον όγκο προς όφελος τους όσο το δυνατόν πιο αποτελεσματικά. Αυτή η επεξεργασία πρέπει να γίνεται σε πραγματικό χρόνο. Έτσι, με αυτόν τον τρόπο, αξιολογώντας το feedback των καταναλωτών, δίνεται η δυνατότητα να αποκτούν αξία τα δεδομένα, έτσι ώστε να αυξάνεται η φήμη τους και το κέρδος τους. Η εξόρυξη δεδομένων, είναι ένας κλάδος της επιστήμης των ηλεκτρονικών υπολογιστών που συμβάλλει στην πραγματοποίηση αυτών των σκοπών. Η συγκεκριμένη εργασία, επεξεργάζεται δεδομένα, πηγή των οποίων είναι το μέσο κοινωνικής δικτύωσης Twitter. Σε πρώτη φάση, επιχειρεί σε πραγματικό χρόνο (live- streaming) τον εντοπισμό των “άσχετων” δημοσιεύσεων (spam) με απώτερο σκοπό την απομάκρυνσή τους, έτσι ώστε να είναι πιο αποτελεσματική η μελέτη και η επεξεργασία των δεδομένων. Κατόπιν, αφού έχει μείνει μόνο η σημαντική πληροφορία, ομαδοποιεί το σύνολο των δημοσιεύσεων με βάση τη συναισθηματική κατάσταση των καταναλωτών. Σκοπός αυτού, είναι να αποκτήσει η επιχείρηση μια εικόνα για τη στάση των πελατών απέναντί τους. Συνεπώς, παρέχεται ένας τρόπος μοντελοποίησης και διαχείρισης της σχέσης μεταξύ πελατών και επιχείρησης. The Internet is experiencing rapid growth, especially in recent years. Social media now form an integral part of business, as well as of people in general, worldwide. Through these, it is possible to gather important information, which, if properly utilized, can be a source of information on market actions, with the ultimate goal to study consumers’ behavior. Data produced daily is very large, so businesses need to find a way to process and exploit this volume for their benefit as efficiently as possible. This must be done in real time. In this way, by evaluating consumer feedback, it is possible to obtain the data in order to increase their reputation and profitability. Data mining is a branch of computer science that contributes to these goals. This particular work processes data, the source of which is the social media named Twitter. In the beginning, it is trying -in real-time (live-streaming)- to detect "unrelated" publications (spam) with the ultimate goal of removing them, so that data can be studied and processed more efficiently. Then, after only the important information is left, it aggregates all the publications based on the emotional state of the consumer. The purpose of this is to get the business an image of the attitude of the customers towards them. Therefore, there is provided a way of modeling and managing the relationship between customers and the business. 2019-10-12T17:28:54Z 2019-10-12T17:28:54Z 2019-10-07 Thesis http://hdl.handle.net/10889/12640 gr 0 application/octet-stream application/octet-stream text/plain application/octet-stream application/octet-stream application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Εξόρυξη δεδομένων Ανάλυση δεδομένων Συσταδοποίηση Διαιρετική συσταδοποίηση Διαιρετικοί αλγόριθμοι Τουίτερ Ανάλυση συναισθήματος Ζωντανή ροή Κοινωνικά δίκτυα Data mining Data analysis Clustering Partional clustering Partional algorithms K-Means Live-streaming Spam Social media Sentiment analysis |
| spellingShingle |
Εξόρυξη δεδομένων Ανάλυση δεδομένων Συσταδοποίηση Διαιρετική συσταδοποίηση Διαιρετικοί αλγόριθμοι Τουίτερ Ανάλυση συναισθήματος Ζωντανή ροή Κοινωνικά δίκτυα Data mining Data analysis Clustering Partional clustering Partional algorithms K-Means Live-streaming Spam Social media Sentiment analysis Καραπούλιος, Βασίλειος Αφαίρεση ανεπιθύμητων μηνυμάτων για την αποτελεσματικότερη μελέτη των καταναλωτών στο Twitter |
| description |
Το διαδίκτυο συναντά ραγδαία ανάπτυξη, ιδίως τα τελευταία χρόνια. Τα μέσα
κοινωνικής δικτύωσης πλέον, αποτελούν αναπόσπαστο κομμάτι των επιχειρήσεων, αλλα και
των ανθρώπων γενικότερα, παγκοσμίως. Μέσω αυτών, ειναι δυνατόν να συγκεντρωθούν
σημαντικές πληροφορίες, οι οποίες αν αξιοποιηθούν σωστά μπορούν να αποτελέσουν πηγή
πληροφοριών για τα δρώμενα της αγοράς, με απώτερο σκοπό της μελέτη της συμπεριφοράς
των καταναλωτών. Τα δεδομένα που παράγονται καθημερινά ειναι ογκώδη, συνεπώς οι
επιχειρήσεις πρέπει να βρούν έναν τρόπο να επεξεργάζονται και να εκμεταλλεύονται αυτόν τον
όγκο προς όφελος τους όσο το δυνατόν πιο αποτελεσματικά. Αυτή η επεξεργασία πρέπει να
γίνεται σε πραγματικό χρόνο. Έτσι, με αυτόν τον τρόπο, αξιολογώντας το feedback των
καταναλωτών, δίνεται η δυνατότητα να αποκτούν αξία τα δεδομένα, έτσι ώστε να αυξάνεται η
φήμη τους και το κέρδος τους. Η εξόρυξη δεδομένων, είναι ένας κλάδος της επιστήμης των
ηλεκτρονικών υπολογιστών που συμβάλλει στην πραγματοποίηση αυτών των σκοπών.
Η συγκεκριμένη εργασία, επεξεργάζεται δεδομένα, πηγή των οποίων είναι το μέσο
κοινωνικής δικτύωσης Twitter. Σε πρώτη φάση, επιχειρεί σε πραγματικό χρόνο (live-
streaming) τον εντοπισμό των “άσχετων” δημοσιεύσεων (spam) με απώτερο σκοπό την
απομάκρυνσή τους, έτσι ώστε να είναι πιο αποτελεσματική η μελέτη και η επεξεργασία των
δεδομένων. Κατόπιν, αφού έχει μείνει μόνο η σημαντική πληροφορία, ομαδοποιεί το σύνολο
των δημοσιεύσεων με βάση τη συναισθηματική κατάσταση των καταναλωτών. Σκοπός αυτού,
είναι να αποκτήσει η επιχείρηση μια εικόνα για τη στάση των πελατών απέναντί τους.
Συνεπώς, παρέχεται ένας τρόπος μοντελοποίησης και διαχείρισης της σχέσης μεταξύ
πελατών και επιχείρησης. |
| author2 |
Μακρής, Χρήστος |
| author_facet |
Μακρής, Χρήστος Καραπούλιος, Βασίλειος |
| format |
Thesis |
| author |
Καραπούλιος, Βασίλειος |
| author_sort |
Καραπούλιος, Βασίλειος |
| title |
Αφαίρεση ανεπιθύμητων μηνυμάτων για την αποτελεσματικότερη μελέτη των καταναλωτών στο Twitter |
| title_short |
Αφαίρεση ανεπιθύμητων μηνυμάτων για την αποτελεσματικότερη μελέτη των καταναλωτών στο Twitter |
| title_full |
Αφαίρεση ανεπιθύμητων μηνυμάτων για την αποτελεσματικότερη μελέτη των καταναλωτών στο Twitter |
| title_fullStr |
Αφαίρεση ανεπιθύμητων μηνυμάτων για την αποτελεσματικότερη μελέτη των καταναλωτών στο Twitter |
| title_full_unstemmed |
Αφαίρεση ανεπιθύμητων μηνυμάτων για την αποτελεσματικότερη μελέτη των καταναλωτών στο Twitter |
| title_sort |
αφαίρεση ανεπιθύμητων μηνυμάτων για την αποτελεσματικότερη μελέτη των καταναλωτών στο twitter |
| publishDate |
2019 |
| url |
http://hdl.handle.net/10889/12640 |
| work_keys_str_mv |
AT karapouliosbasileios aphairesēanepithymētōnmēnymatōngiatēnapotelesmatikoterēmeletētōnkatanalōtōnstotwitter AT karapouliosbasileios removalofspammessagesforamoreeffectivecustomerstudyintwitter |
| _version_ |
1771297194246144000 |
