Search

Η διπλωματική εργασία που παρουσιάζεται παρακάτω δημιουργήθηκε και συντάχθηκε για την ολοκλήρωση της φοίτησης στο μεταπτυχιακό πρόγραμμα σπουδών «Προηγμένα Συστήματα Πληροφορικής» του Πανεπιστημίου Πειραιώς. Στις σελίδες που έπονται θα γίνει μία παρουσίαση ενός καινούργιου και πολύ σημαντικού κλάδου τα τελευταία χρόνια στην πληροφορική. Αυτός είναι τα Data Analytics αλλά και η χρησιμότητα τους για τους επιστήμονες σήμερα. Η συλλογή τεράστιων βάσεων δεδομένων για πολλούς τομείς της καθημερινότητας, αλλά και η αλληλεπίδραση με αυτές είναι το κύριο ζήτημα που θα αναπτυχθεί. Η εργασία βασίζεται στην παραδοχή ότι κάποιος δημιούργησε μία real-time βάση δεδομένων με πολλά raw data. Αυτή η βάση παραδόθηκε στον ερευνητή με σκοπό εκείνος να χωρίς να πειράξει τα δεδομένα αυτά, να εκτελέσει data analytics (με τρόπο που εκείνος κρίνει) ώστε να γίνει μία εξαγωγή σειράς συμπερασμάτων. Στην προκειμένη περίπτωση η βάση αυτή δημιουργήθηκε συλλέγοντας δεδομένα μέσω μίας εφαρμογής που αναπτύχθηκε για κινητά τηλέφωνα και τάμπλετ. Τα δεδομένα τα οποία συλλέχθηκαν και αποθηκεύτηκαν στην βάση δεδομένων προέρχονται από τα διάφορα αισθητήρια των κινητών συσκευών, αλλά και από την διεπαφή της εφαρμογής με το εκάστοτε επιβατικό όχημα ΙΧ του χρήστη. Η βάση δεδομένων που χρησιμοποιήθηκε αναπτύχθηκε στο framework της Google Firebase. Για να μπορέσει να οπτικοποιηθεί το αποτέλεσμα της συλλογής των δεδομένων δημιουργήθηκε ένας ιστότοπος. Αφού έγιναν οι απαραίτητες μετατροπές, εκτελέστηκαν μέσω πηγαίου κώδικα queries με σκοπό την εξαγωγή διάφορων συμπερασμάτων με βάση τα δεδομένα. Με βάση τα παραπάνω αποδείχθηκε πως η χρήση τέτοιων εφαρμογών με σκοπό την συλλογή δεδομένων μπορεί να οδηγήσει μελλοντικούς ερευνητές σε μελέτες πάνω στον τομέα των Data Analytics που μπορούν να επηρεάσουν σε σημαντικό βαθμό τους διάφορους τομείς της τεχνολογίας ακόμα και σε βιομηχανικό επίπεδο., The diploma thesis presented below was created and compiled for the completion of the postgraduate program "Advanced Informatics Systems" of the University of Piraeus. In the following pages will be a presentation of a new and very important area of computer science in recent years. This is the sector of Data Analytics and their usefulness for scientists today. The collection of huge databases for many areas of everyday life, as well as the interaction with them, is the main issue to be discussed. The thesis is based on the assumption that someone created a real-time database with many raw data. This database was then given to the researcher so as to perform data analytics – without manipulating the data itself (in any way he wishes or finds suitable), present the results and make a series of useful conclusions. In this case, this database was created by collecting data through an application that was developed for mobile phones and tablets. The data collected and stored in the database come not only from various sensors of the mobile devices, but also from the interface of the application with the user's own passenger vehicle. The database used was constructed within the Google Firebase framework. In order to be able to visualize the result of the collection of data, a website was created. After the necessary conversions were made, the researcher executed queries (through source code) in order to perform Data Analytics that led him in extracting various conclusions for the database. Based on the above, it has been shown that the use of such applications for the purpose of collecting data may lead future researchers to studies on the Data Analytics sector, which can significantly affect the various technology sectors even on industrial level.

Στην παρούσα διπλωματική εργασία μελετώνται και συγκρίνονται μεταξύ τους μερικές από τις κυριότερες προγραμματιστικές διεπαφές (APIs) που έχουν αναπτυχθεί για τη διαχείριση οντολογικών εγγράφων του Σημαντικού Ιστού. Αυτές οι προγραμματιστικές διεπαφές είναι εκφρασμένες σε JAVA, και κάθε μία προσφέρει ιδιαίτερα χαρακτηριστικά για την διαχείριση οντολογιών. Οι προγραμματιστικές διεπαφές μελετήθηκαν και συγκρίθηκαν ως προς διάφορα χαρακτηριστικά. Σ’ αυτά περιλαμβάνονται οι οντολογικές γλώσσες τις οποίες υποστηρίζουν, ποια ιδιαίτερα υποσύνολα («διαλέκτους») γλωσσών με συγκεκριμένα χαρακτηριστικά υποστηρίζουν, αλλά και οι δυνατότητες ανακάλυψης γνώσης που παρέχουν, με την υποστήριξη κάποιας γλώσσας συγγραφής επερωτήσεων ή όχι. Επίσης μελετήσαμε τους στόχους κάθε διεπαφής και τα πεδία εφαρμογής της με τα συγκριτικά πλεονεκτήματα και τους περιορισμούς τους οποίους εισάγει. Τέλος, προτείνεται ένας μηχανισμός ανακάλυψης γνώσης από οντολογικά έγγραφα, και περιγράφεται η ανάπτυξή του. Ο μηχανισμός που αναπτύχθηκε είναι ένας μηχανισμός υποβολής ευφυών επερωτήσεων προς OWL οντολογίες, με ευρύτερες εκφραστικές δυνατότητες από τις υπάρχουσες προτάσεις, που συνήθως προσανατολίζονται σε RDF έγγραφα ή θέτουν διάφορους περιορισμούς ως προς τη φύση των επερωτήσεων. Για το σκοπό χρησιμοποιήθηκε μια νέα πρόταση στις γλώσσες επερωτήσεων, η SPARQL-DL. Επίσης, στόχοι κατά την ανάπτυξη του μηχανισμού ήταν η λειτουργικότητα και η επεκτασιμότητα της συνολικής εφαρμογής. Στο πρώτο κεφάλαιο, αρχικά γίνεται μια εισαγωγή στο Σημαντικό Ιστό, με την περιγραφή των γενικών χαρακτηριστικών του, της αναγκαιότητας των υπηρεσιών του και των διαφόρων προσεγγίσεων υλοποίησής του. Περιγράφονται τα συγκεκριμένα χαρακτηριστικά των γλωσσών που συμμετέχουν αυτή τη στιγμή ή προορίζονται για να συμμετάσχουν στη δόμησή του, με ιδιαίτερη έμφαση στη γλώσσα που συστήνει το World Wide Web Consortium, την OWL. Στο δεύτερο κεφάλαιο περιγράφονται οι γλώσσες συγγραφής επερωτήσεων που υπάρχουν αυτή τη στιγμή για την ανακάλυψη γνώσης από οντολογίες, τα συγκεκριμένα χαρακτηριστικά και οι αδυναμίες της κάθε μιας. Και πάλι δίνουμε ιδιαίτερη έμφαση στο πρότυπο του W3C, τη γλώσσα SPARQL, και στην προτεινόμενη εξέλιξή της, τη SPARQL-DL. Στο τρίτο κεφάλαιο περιγράφονται οι πιο κοινές προγραμματιστικές διεπαφές, τα χαρακτηριστικά που παρέχουν και οι αδυναμίες τους. Περιγράφονται ως προς τις οντολογικές γλώσσες που υποστηρίζουν, τις γλώσσες και γενικότερα τις μεθόδους επερωτήσεων που υποστηρίζουν και τα πεδία εφαρμογών στα οποία χρησιμοποιούνται. Περιγράφονται επίσης οι τρόποι διασύνδεσης των διάφορων διεπαφών μεταξύ τους ή με άλλα τμήματα λογισμικού, όπως μηχανισμούς συλλογισμού (reasoners). Στο τέταρτο και τελευταίο κεφάλαιο περιγράφεται ένας μηχανισμός υποβολής ευφυών επερωτήσεων και παρουσιάζεται η ανάπτυξή του. Περιγράφονται οι επιλογές των εργαλείων που χρησιμοποιήθηκαν και οι γενικότερες σχεδιαστικές επιλογές. Εκτελούνται πειράματα ώστε να αξιολογηθεί αυτός ο μηχανισμός υποβολής επερωτήσεων και να διερευνηθούν οι περιορισμοί τους οποίους εισάγουν τα συγκεκριμένα εργαλεία που χρησιμοποιήσαμε αλλά και οι δυνατότητες που προκύπτουν από αυτά. Παρουσιάζονται οι πιθανές επεκτάσεις της εφαρμογής που αναπτύχθηκε, με επιπλέον χαρακτηριστικά, ώστε για παράδειγμα να γίνει προσβάσιμη από απομακρυσμένες εφαρμογές. Τέλος, παρουσιάζεται ένα πιθανό σενάριο χρήσης της εφαρμογής σε πραγματικό περιβάλλον, ώστε να γίνουν περισσότερο εμφανή τα πλεονεκτήματα και η χρησιμότητα ενός τέτοιου μηχανισμού ανακάλυψης γνώσης. We study and compare the main Application Programming Interfaces (APIs) that have been developed for manipulating ontologies of the Semantic Web. These APIs are expressed in JAVA, and each one offers specific characteristics for managing ontologies. The APIs were studied and compared towards different aspects of functionality. These include the ontology languages each one supports, which specific idioms of those languages they support, and also the capabilities for retrieving knowledge that they provide, via supporting some query language or not. Furthermore, we studied the specific goals of each API and its application fields, with the respective advantages and the limitations it imports. Finally we suggest a mechanism for knowledge retrieval and describe its development. The mechanism we develop implements query answering for queries asked against OWL ontologies, with expanded capabilities compared to the existing query mechanisms, which are mostly oriented to RDF graphs or pose various restrictions regarding the queries. For this purpose we utilize the recently proposed SPARQL-DL query language. Additional goals during the development of this mechanism are ease of use and extensibility of the overall application.

Στη διπλωματική μας παραθέτουμε ένα μεγάλο κομμάτι βιβλιογραφίας σχετικής με Τεχνικές Εξατομικευμένης Αναζήτησης στον Παγκόσμιο Ιστό. Επίσης περιγράφονται αναλυτικά οι εφαρμογές που κατασκευάστηκαν στην διπλωματική μας και οι τεχνολογίες που χρησιμοποιήθηκαν για την υλοποίησή τους. Συγκεκριμένα κατασκευάστηκε ένα σύστημα εξατομίκευσης, το οποίο καταγράφει την συμπεριφορά ενός χρήστη και στην συνέχεια του δίνει την δυνατότητα να εξατομικεύσει τα αποτελέσματα μιας μηχανής αναζήτησης(Google) με βάση την προηγούμενη συμπεριφορά του. Υλοποιήθηκαν τρεις διαφορετικοί αλγόριθμοι(ένας αλγόριθμος που βασίζεται στις ακμές του γράφου, ένας αλγόριθμος πρόσθεσης εικονικών κόμβων και ένας εκτεταμένος αλγόριθμος πρόσθεσης εικονικών κόμβων), οι οποίοι με βάση την προηγούμενη συμπεριφορά του χρήστη κατασκευάζουν ένα γράφημα συμπεριφοράς για αυτόν, το οποίο χρησιμοποιούν στη συνέχεια για να εξατομικεύσουν τα αποτελέσματα μιας ερώτησης. Οι αλγόριθμοι αυτοί καλούνται από το χρήστη μέσω του συστήματος εξατομίκευσης για μια ερώτηση και ταξινομούν τα αποτελέσματα της ερώτησης σύμφωνα με την νέα σειρά που υποδεικνύει το γράφημα συμπεριφοράς που έχει κατασκευαστεί για τον συγκεκριμένο χρήστη. Στη συνέχεια δίνονται αναλυτικά παραδείγματα λειτουργίας για κάθε αλγόριθμο, που αποδεικνύουν τους θεωρητικούς υπολογισμούς. Τέλος παρατίθενται βασικά κομμάτια του κώδικα που δημιουργήθηκε για την υλοποίηση του συστήματος εξατομίκευσης. In our diplomatic we mention a big piece of bibliography relative with Techniques of Personalized Search in the World Wide Web. Also we describe analytically the applications that were manufactured in our diplomatic and the technologies that were used for their implementation. In particular, we construct a personalization system, which records the behaviour of user and then gives him the possibility of personalizing the results of a search engine (Google) with base his previous behaviour. They constructed three different algorithms(an algorithm that based on the edges of the graph, an algorithm that add virtual nodes and an extensive algorithm that add virtual nodes), which with base the previous behaviour of user construct a graph, which they use then in order to personalize the results of the query. These algorithms are called by the user via the personalization system for a query and they categorize the results of query according to the new order that indicates the graph of behaviour that has been constructed for the particular user. Then they are given analytic examples for each algorithm, which proves the theoretical calculations. Finally, they mentioned basic pieces of code that were created for the construction of the personalization system.