Ανάλυση χρονοσειρών για την πρόβλεψη της συμπεριφοράς των χρηστών στο Twitter
Η αλματώδης πρόοδος του διαδικτύου και η τεράστια απήχηση και χρήση του από το ευρύ κοινό, έχει επιφέρει τεράστιες αλλαγές στις ζωές των ανθρώπων. Χαρακτηριστικό παράδειγμα αποτελούν τα μέσα κοινωνικής δικτύωσης, τα οποία προσελκύουν το ενδιαφέρον ολοένα και περισσότερων ανθρώπων, φέρνοντας έτσι την...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2021
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/14617 |
| id |
nemertes-10889-14617 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-146172022-09-05T14:00:14Z Ανάλυση χρονοσειρών για την πρόβλεψη της συμπεριφοράς των χρηστών στο Twitter Time series analysis to predict Twitter user behavior Γιαννακόπουλος, Κωνσταντίνος Μάριος Giannakopoulos, Konstantinos Marios Εξόρυξη δεδομένων Ανάλυση χρονοσειρών Data mining Time series analysis Η αλματώδης πρόοδος του διαδικτύου και η τεράστια απήχηση και χρήση του από το ευρύ κοινό, έχει επιφέρει τεράστιες αλλαγές στις ζωές των ανθρώπων. Χαρακτηριστικό παράδειγμα αποτελούν τα μέσα κοινωνικής δικτύωσης, τα οποία προσελκύουν το ενδιαφέρον ολοένα και περισσότερων ανθρώπων, φέρνοντας έτσι την επανάσταση στον τρόπο με τον οποίο επικοινωνούν οι χρήστες μεταξύ τους αλλά και οι επιχειρήσεις με τους πελάτες τους. Το Twitter, αποτελεί ένα από τα πιο δημοφιλή μέσα κοινωνικής δικτύωσης, το οποίο χρησιμοποιείται καθημερινά από εκατομμύρια χρήστες παγκοσμίως, που μέσω αυτού μοιράζονται, επικοινωνούν και αλληλεπιδρούν,δημιουργώντας μια μοναδική πηγή πλούσιας και αστείρευτης ροής δεδομένων.Τα τελευταία χρόνια οι επιχειρήσεις έχουν στρέψει το ενδιαφέρον τους σε τρόπους με τους οποίους μπορούν να εκμεταλλευτούν αυτόν τον καταιγισμό δεδομένων, η αξιοποίηση των οποίων προσφέρει πρωτόγνωρες ευκαιρίες, διαδραματίζοντας πρωταγωνιστικό ρόλο στην κατανόηση και διαχείριση της συμπεριφοράς των καταναλωτών. Η στρατηγική μάρκετινγκ που ακολουθεί μια εταιρεία, δεν είναι πάντοτε η ίδια και διαφέρει,ανάλογα με το στάδιο που βρίσκεται η σχέση μεταξύ αυτής και των πελατών της.Το αντικείμενο της παρούσας διπλωματικής εργασίας εστιάζει στην ανάπτυξη ενός συστήματος που θα μπορεί να προβλέπει τη μελλοντική κατάσταση στην οποία θα βρίσκεται η σχέση μεταξύ χρηστών του Twitter και μιας συγκεκριμένης εμπορικής επωνυμίας. Στο πρώτο στάδιο, γίνεται η συλλογή και η ανάλυση χρονοσειρών από το κοινωνικό δίκτυο του Twitter, προκειμένου να προσδιοριστεί η κατάσταση στη οποία βρίσκεται η σχέση επιχείρησης-καταναλωτή. Στο δεύτερο στάδιο, με χρήση αλγορίθμων μηχανικής μάθησης, γίνεται προσπάθεια εκτίμησης της κατάστασης στην οποία θα βρίσκεται η σχέση αυτή στο μέλλον. The rapid progress of the internet and its huge impact and use by the general public, has brought about huge changes in people’s lives. A typical example is social media, which is attracting the interest of more and more people, thus revolutionizing the way users communicate with each other and businesses with their customers. Twitter is one of the most popular social media, used daily by millions of users around the world, through which they share, communicate and interact, creating a unique source of rich and endless data flow. In recent years, companies have turned their attention to ways in which they can take advantage of this data storm, the exploitation of which offers unprecedented opportunities, playing a leading role in understanding and managing consumer behavior. The marketing strategy that a company follows is not always the same and varies, depending on the stage of the relationship between the company and its customers. The subject of this dissertation focuses on the development of a system that can predict the future state of the relationship between Twitter users and a particular brand. In the first stage, time series are collected and analyzed from the social network Twitter, in order to determine the state of the business-consumer relationship. In the second stage, using machine learning algorithms, an attempt is made to assess the state of this relationship in the future. 2021-03-08T06:38:12Z 2021-03-08T06:38:12Z 2021-03-05 http://hdl.handle.net/10889/14617 gr application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Εξόρυξη δεδομένων Ανάλυση χρονοσειρών Data mining Time series analysis |
| spellingShingle |
Εξόρυξη δεδομένων Ανάλυση χρονοσειρών Data mining Time series analysis Γιαννακόπουλος, Κωνσταντίνος Μάριος Ανάλυση χρονοσειρών για την πρόβλεψη της συμπεριφοράς των χρηστών στο Twitter |
| description |
Η αλματώδης πρόοδος του διαδικτύου και η τεράστια απήχηση και χρήση του από το ευρύ κοινό, έχει επιφέρει τεράστιες αλλαγές στις ζωές των ανθρώπων. Χαρακτηριστικό παράδειγμα αποτελούν τα μέσα κοινωνικής δικτύωσης, τα οποία προσελκύουν το ενδιαφέρον ολοένα και περισσότερων ανθρώπων, φέρνοντας έτσι την επανάσταση στον τρόπο με τον οποίο επικοινωνούν οι χρήστες μεταξύ τους αλλά και οι επιχειρήσεις με τους πελάτες τους. Το Twitter, αποτελεί ένα από τα πιο δημοφιλή μέσα κοινωνικής δικτύωσης, το οποίο χρησιμοποιείται καθημερινά από εκατομμύρια χρήστες παγκοσμίως, που μέσω αυτού μοιράζονται, επικοινωνούν και αλληλεπιδρούν,δημιουργώντας μια μοναδική πηγή πλούσιας και αστείρευτης ροής δεδομένων.Τα τελευταία χρόνια οι επιχειρήσεις έχουν στρέψει το ενδιαφέρον τους σε τρόπους με τους οποίους μπορούν να εκμεταλλευτούν αυτόν τον καταιγισμό δεδομένων, η αξιοποίηση των οποίων προσφέρει πρωτόγνωρες ευκαιρίες, διαδραματίζοντας πρωταγωνιστικό ρόλο στην κατανόηση και διαχείριση της συμπεριφοράς των καταναλωτών. Η στρατηγική μάρκετινγκ που ακολουθεί μια εταιρεία, δεν είναι πάντοτε η ίδια και διαφέρει,ανάλογα με το στάδιο που βρίσκεται η σχέση μεταξύ αυτής και των πελατών της.Το αντικείμενο της παρούσας διπλωματικής εργασίας εστιάζει στην ανάπτυξη ενός συστήματος που θα μπορεί να προβλέπει τη μελλοντική κατάσταση στην οποία θα βρίσκεται η σχέση μεταξύ χρηστών του Twitter και μιας συγκεκριμένης εμπορικής επωνυμίας. Στο πρώτο στάδιο, γίνεται η συλλογή και η ανάλυση χρονοσειρών από το κοινωνικό δίκτυο του Twitter, προκειμένου να προσδιοριστεί η κατάσταση στη οποία βρίσκεται η σχέση επιχείρησης-καταναλωτή. Στο δεύτερο στάδιο, με χρήση αλγορίθμων μηχανικής μάθησης, γίνεται προσπάθεια εκτίμησης της κατάστασης στην οποία θα βρίσκεται η σχέση αυτή στο μέλλον. |
| author2 |
Giannakopoulos, Konstantinos Marios |
| author_facet |
Giannakopoulos, Konstantinos Marios Γιαννακόπουλος, Κωνσταντίνος Μάριος |
| author |
Γιαννακόπουλος, Κωνσταντίνος Μάριος |
| author_sort |
Γιαννακόπουλος, Κωνσταντίνος Μάριος |
| title |
Ανάλυση χρονοσειρών για την πρόβλεψη της συμπεριφοράς των χρηστών στο Twitter |
| title_short |
Ανάλυση χρονοσειρών για την πρόβλεψη της συμπεριφοράς των χρηστών στο Twitter |
| title_full |
Ανάλυση χρονοσειρών για την πρόβλεψη της συμπεριφοράς των χρηστών στο Twitter |
| title_fullStr |
Ανάλυση χρονοσειρών για την πρόβλεψη της συμπεριφοράς των χρηστών στο Twitter |
| title_full_unstemmed |
Ανάλυση χρονοσειρών για την πρόβλεψη της συμπεριφοράς των χρηστών στο Twitter |
| title_sort |
ανάλυση χρονοσειρών για την πρόβλεψη της συμπεριφοράς των χρηστών στο twitter |
| publishDate |
2021 |
| url |
http://hdl.handle.net/10889/14617 |
| work_keys_str_mv |
AT giannakopouloskōnstantinosmarios analysēchronoseirōngiatēnproblepsētēssymperiphorastōnchrēstōnstotwitter AT giannakopouloskōnstantinosmarios timeseriesanalysistopredicttwitteruserbehavior |
| _version_ |
1771297217098809344 |
