Search

Η ταχεία εξέλιξη της τεχνολογίας, το ανταγωνιστικό περιβάλλον και ο τεράστιος όγκος δεδομένων που είναι διαθέσιμα στην σημερινή εποχή, λαμβάνουν υπόψη την επείγουσα ανάγκη των εταιρειών να μεταβούν σε μια νέα ψηφιακή πραγματικότητα. Η χρήση δεδομένων για την αυτοματοποίηση των διαδικασιών και των αποφάσεων μέσω της χρήσης νέων μεθόδων όπως η τεχνητή νοημοσύνη και η μηχανική μάθηση είναι κύριος στόχος των οργανισμών. Στα πρώτα βήματα της, η τεχνητή νοημοσύνη, αν και προκάλεσε ενθουσιασμό και ενδιαφέρον, δεν μπόρεσε να εφαρμοστεί με την αναμενόμενη επιτυχία. Πρόσφατες τεχνολογικές εξελίξεις και ανακαλύψεις κατέστησαν τις εφαρμογές της Τεχνητής Νοημοσύνης εμπορικά βιώσιμες. Η Τεχνητή Νοημοσύνη καθίσταται μια από τις πιο δημοφιλείς τεχνολογίες η οποία πρόκειται να μετασχηματίσει τον τραπεζικό κλάδο, καθώς οι εφαρμογές της αποδεικνύονται βιώσιμες και η αποδοχή τους από τους πελάτες ικανοποιητική. Στον τραπεζικό κλάδο η Τεχνητή Νοημοσύνη εφαρμόζεται, μεταξύ άλλων, στην εξυπηρέτηση πελατών, στην ανίχνευση απάτης και ξεπλύματος μαύρου χρήματος, στην εφαρμογή κανονιστικής συμμόρφωσης, στην ανάλυση και την αξιολόγηση του πιστωτικού κινδύνου. Στην παρούσα διπλωματική εργασία αναπτύχθηκαν τρία μοντέλα εποπτευόμενης μηχανικής μάθησης, με τα οποία γίνεται η ταξινόμηση των πελατών μίας τράπεζας σε «καλούς» ή «κακούς» με βάση την πιθανότητα αθέτησης των υποχρεώσεών τους. Οι αλγόριθμοι που χρησιμοποιήθηκαν είναι οι Random Forest, KNN και Decision Trees., The rapid development of technology, the competitive environment and the huge amount of data available today, take into account the urgent need of companies to move to a new digital reality. The use of data to automate processes and decisions through the use of new methods such as artificial intelligence and machine learning is a major goal of organizations. In its first steps, Artificial Intelligence, although it aroused excitement and interest, could not be implemented with the expected success. Recent technological developments and discoveries have made Artificial Intelligence applications commercially viable. Artificial Intelligence is becoming one of the most popular technologies that is going to transform the banking industry, as its applications prove to be viable and their acceptance by customers satisfactory. In the banking industry, Artificial Intelligence is applied, among other things, to customer service, fraud detection and money laundering, regulatory compliance, credit risk analysis and assessment. In this dissertation, three models of supervised machine learning were developed, which classify the customers of a bank into ”good” or ”bad” based on the possibility of default. The algorithms used are Random Forest,KNN and Decision Trees.

Στην εποχή της ραγδαίας μετάδοσης της πληροφορίας και της συνεχούς εξέλιξης των μεθόδων συλλογής και ανάλυσης δεδομένων αθλητών, η παγκόσμια βιομηχανία του ποδοσφαίρου δε θα μπορούσε να μείνει αμέτοχη. Υπέρογκα χρηματικά ποσά διατίθενται σε αναλύσεις για κατάλληλο σχηματισμό ομάδων, και σχεδιασμό παιχνιδιών. Μεγάλα χρηματικά ποσά επενδύονται στην εξόρυξη γνώσης από αθλητικά δεδομένα, με σκοπό την αύξηση κερδών και θεαματικότητας. Οι μέθοδοι αξιολόγησης παικτών είναι ένας τομέας ανάλυσης που βοηθά στη χάραξη στρατηγικών και στη διαμόρφωση ισχυρών ποδοσφαιρικών ομάδων. Στη μελέτη αυτή εφαρμόσαμε ένα καινοτόμο πλαίσιο αξιολόγησης και βαθμολογικής κατάταξης παικτών ποδοσφαίρου, το οποίο θεμελιώνεται σε μεθόδους μηχανικής μάθησης, και τροφοδοτείται με έναν συγκεκριμένο τύπο δεδομένων, τα λεγόμενα soccer-logs. Τα αποτελέσματα των αλγορίθμων έδειξαν ότι το πλαίσιο αυτό αποδίδει καλύτερα σε μεγάλου όγκου δεδομένα τέτοιας μορφής., In the era of rapid information transfer and the continuous development of sports data collection and analytics methods, the global soccer industry could not be uninvolved. Exorbitant amounts of money are invested in the proper team formation and game planning analysis. Considerable amounts of money are invested in sports data mining, with the intention of profit and ratings increase. Football players evaluation is an analysis field that helps in strategic planning and constructing powerful teams. In this study we implement an innovative framework of rating and ranking football players which is based on machine learning algorithms and accepts a specific data type as input, the so-called soccer-logs. The results showed that this framework performs better on big data of this type.

Η τρέχουσα περίοδος μπορεί να χαρακτηριστεί εύκολα ως η εποχή των «μεγάλων δεδομένων». Η ραγδαία ανάπτυξη της τεχνητής νοημοσύνης, της μηχανικής μάθησης και της εξόρυξης δεδομένων έχει οδηγήσει στην ψηφιοποίηση των περισσοτέρων ενεργειών της καθημερινότητας των ανθρώπων. Ως εκ τούτου, ο κλάδος των χρηματοοικονομικών και ιδιαίτερα ο τραπεζικός, δεν θα μπορούσε να μείνει ανεπηρέαστος από τις μεταβολές αυτές. Τα τελευταία χρόνια παρατηρείται η ολοένα και αυξανόμενη τάση, από πλευράς των διοικήσεων των τραπικών ιδρυμάτων, για ψηφιοποίηση των χρηματοοικονομικών διεργασιών. Η χρήση του πλαστικού χρήματος και συγκεκριμένα πιστωτικών καρτών τείνει να αντικαταστήσει τη χρήση χαρτονομισμάτων στις δοσοληψίες. Ωστόσο, η εκτεταμένη χρήση πιστωτικών καρτών συνοδεύεται από αύξηση των φαινομένων απάτης σε παγκόσμιο επίπεδο. Η παρούσα διπλωματική εργασία πραγματεύεται το φλέγον ζήτημα των φαινομένων απάτης με χρήση πιστωτικών καρτών, ακολουθώντας ένα επαγωγικό πλάνο ανάπτυξης. Αρχικά, στο πρώτο και δεύτερο κεφάλαιο, γίνεται μια εκτενής αναφορά στα μεγάλα δεδομένα και στην αξία αυτών, στους διάφορους τομείς της καθημερινότητας, εστιάζοντας στον τραπεζικό κλάδο. Έπειτα, στο τρίτο κεφάλαιο λαμβάνει χώρα η περιγραφή του προβλήματος της απάτης στον χρηματοοικονομικό τομέα και στο τραπεζικό σύστημα. Στο τέταρτο κεφάλαιο παρατίθεται το πειραματικό σκέλος της εργασίας, όπου γίνεται μια προσπάθεια ανάπτυξης διαφόρων μοντέλων πρόβλεψης των απατηλών συναλλαγών που έγιναν με πιστωτική κάρτα, κάνοντας χρήση δεδομένων που διατίθενται από την Vesta Corporation. Τέλος, στο πέμπτο κεφάλαιο, αποτυπώνονται τα αποτελέσματα των τελεσθέντων πειραμάτων και τα εξαγόμενα συμπεράσματα., Ιt is commonly considered that we are living the “Big Data” era. The rapid development of the artificial intelligence, machine learning and data mining has led to the digitization of most of the actions of people's everyday lives. Therefore, the financial sector, and in particular the banking sector, could not be unaffected by these changes. In recent years there has been a growing tendency on the part of the administrations of banking institutions, to digitilise financial processes. The use of plastic money and specifically credit cards tends to replace the use of banknotes in transactions. However, the widespread use of credit cards is accompanied by an increase in fraud worldwide. This dissertation deals with the burning issue of credit card fraud, following an inductive development plan. Initially, in the first and second chapter, an extensive reference is made to the big data and their value, in the various areas of everyday life, focusing on the banking industry. Then, the third chapter describes the problem of fraud in the financial sector and specifically in the banking system. The fourth chapter lists the experimental part of the work, where an attempt is made to develop various models for predicting fraudulent transactions made by credit card, using data made available by Vesta Corporation. Finally, chapter five captures the results of the experiments carried out and the conclusions drawn.

Στην παρούσα εργασία έγινε μια βιβλιογραφική μελέτη πάνω στη Μηχανική Μάθηση και τις δίαφορες τεχνικές εξόρυξης γνώσης. Αναλύθηκαν κάποιοι απο τους πιο δημοφιλείς αλγόριθμους κατηγοριοποίησης, ενώ έγινε εκτενής ανάλυση των ιδιαιτεροτήτων και των ορθών πρακτικών της εφαρμογής της Μηχανικής Μάθησης στον χρηματοοικονομικό χώρο. Μετέπειτα ορίστηκε το πρόβλημα της ανίχνευσης απάτης σε συναλλαγές πιστωτικών καρτών, ως πρόβλημα κατηγοριοποίησης σε σύνολο δεδομένων όπου παρουσιάζεται ισχυρή ανισορροπία στην εκπροσώπηση των δυο κλάσεων εντός του συνόλου. Κατασκευάστηκαν συνολικά 20 διαφορετικά μοντέλα κατηγοριοποίησης με την εφαρμογή των τεσσάρων πιο δημοφιλών τεχνικών χειρισμού ανισόροπων συνόλων δεδομένων. Τα μή ποιοτικά αποτελέσματα της απόδοσης των κατηγοριοποιητών ανέδειξαν ένα επιπρόσθετο πρόβλημα που σε πολλές περιπτώσεις, σύμφωνα με τη βιβλιογραφία, δείχνει να παίζει σημαντικότερο ρόλο απο αυτό της ανισορροπίας των κλάσεων στην προσπάθεια κατηγοριοποίησης, το πρόβλημα των επικαλυπτόμενων κατανομών. Γεγονός που υποδεικνύει πως σε γενικές γραμμές, δεν υπάρχει κάποια ‘καλύτερη’ μέθοδος ή αλγόριθμος, απλά σε κάποιες περιπτώσεις κάποιες τεχνικές λειτουργούν καλύτερα απο άλλες.

Διπλωματική εργασία που υποβλήθηκε στην σχολή Μηχανικών Παραγωγής και Διοίκησης για την πλήρωση προϋποθέσεων λήψης Προπτυχιακού διπλώματος Περίληψη: Η πολιτική συμπεριφορά των ψηφοφόρων αποτελεί ένα ενδιαφέρον και πολύπλοκο αντικείμενο έρευνας από διαφορετικούς επιστημονικούς χώρους. Σκοπός της παρούσας διπλωματικής εργασίας είναι αρχικά η παρουσίαση της υφιστάμενης κατάστασης και εν συνεχεία η ανάλυση, η ταξινόμηση και η πρόβλεψη της πολιτικής συμπεριφοράς των ψηφοφόρων με χρήση στατιστικής ανάλυσης, πολυκριτήριων μεθόδων και τεχνικών εξόρυξης γνώσης από δεδομένα. Τα δεδομένα που θα απαιτηθούν θα προέρχονται από πρωτογενή έρευνα αγοράς στην περιοχή των Χανίων.

Στο πρώτο κεφάλαιο αναφερόμαστε στην θεωρητική προσέγγιση για τον τρόπο με τον οποίο αναλύουμε και επεξεργαζόμαστε τα δεδομένα μας. Αυτός δεν είναι άλλος από την μηχανική μάθηση και το παρακλάδι της, την ημι-επιτηρούμενη μάθηση. Πιο συγκεκριμένα της διάδοση της ετικέτας του εκάστοτε δεδομένου στις υπόλοιπες μεταβλητές μας. Στο δεύτερο κεφάλαιο, έχουμε την βιβλιογραφική επισκόπηση στην εξόρυξη γνώσης και ανάλυση αισθήματος, όπως επίσης παρουσιάζονται παραδείγματα για την καλύτερη κατανόηση του αντικειμένου. Αναλύεται βιβλιογραφικά οι αλγόριθμοι ανάλυσης αισθήματος μέσα από τις δημοσιεύσεις της παγκόσμιας επιστημονικής κοινότητας. Κατόπιν, έχουμε την μεθοδολογία. Όπου είχαμε πρώτα την αξιολόγηση των αποτελεσμάτων των αλγορίθμων σαν αλγόριθμοι για να δούμε ποιον θα υλοποιήσουμε και μετέπειτα την συλλογή των πρωτογενών δεδομένων και την αξιολόγηση των αποτελεσμάτων της έρευνας μας. Αναφέραμε τα βήματα των αλγορίθμων διάδοσης και μετάδοσης και τα υλοποιήσαμε. Αξιολογήσαμε τις υλοποιήσεις μας μέσα από δευτερογενή δεδομένα από δημοσιευμένη επιστημονική εργασία και καταλήξαμε στον κώδικά που θα χρησιμοποιήσουμε για την έρευνα της δημοτικότητας των τοποθεσιών της Ρόδου. Ποιες δηλαδή τοποθεσίες έχουν αυξημένη δημοτικότητα στο κοινωνικό δίκτυο έχοντας ετικέτα με σημείωση +1 και είναι αντίστοιχες της Παλιάς Πόλης της Ρόδου. Επιπλέον παρουσιάζονται τα περιγραφικά στατιστικά με benchmarking. Στο τελευταίο κεφάλαιο παρουσιάζονται τα συμπεράσματα μας,, τα οποία κατά κύριο λόγο είναι δύο και γίνονται προτάσεις για περαιτέρω έρευνα., The purpose of this research is to locate the socio-economically developing sites of Rhodes. This is achieved through the promotion of sites with increased popularity and traffic in Facebook's social network. The research objectives of the thesis are to analyze some graph based semi-supervised learning methodologies and to parameterize oriented to the best results. Present the scientific literature and select the appropriate model. Regarding the development theme of Rhodes, the goal is to operate as a region-business- positive business and to stimulate the adoption of practices by other businesses in order to increase popularity throughout Rhodes. In theory, semi-supervised learning and sense analysis algorithms are analyzed. For the selection of the appropriate algorithm, dissemination and transmission algorithms were examined with data from existing scientific work. Later we ended up using the code we used and applied it to 674 records with 3 parameters each. At the end of the analysis, we come to conclusions that will make us continue our research and standardize locations and organizations.

Η Μεταπτυχιακή μας διατριβή έχει σαν τίτλο: «Αλγοριθμική άντληση δομικής πληροφορίας από ψηφιακά κοινωνικά δίκτυα και υπολογισμός μέτρων κεντρικότητας.» Με πιο απλά λόγια, στα πλαίσια της εργασίας αυτής, καταφέραμε να πάρουμε δεδομένα από ένα κοινωνικό δίκτυο (συγκεκριμένα από το Twitter), και μετά από κάποια επεξεργασία των δεδομένων αυτών, βγάλαμε έναν γράφο. Ο Γράφος αυτός αναπαριστά ένα μικρό κομμάτι του δικτύου. Για να είμαστε ακριβείς αναπαριστά το δίκτυο που δημιουργείτε ξεκινώντας από εμάς, μέχρι και τους Followers των Followers μας. Δηλαδή μέχρι και τους συγγενείς 2ου βαθμού στο δίκτυο. Στα πλαίσια της μεταπτυχιακής διατριβής, η εξόρυξη γνώσης, από το δίκτυο, έγινε γράφοντας κώδικα σε Python. Και η αναπαράσταση του γράφου έγινε με την βοήθεια του εργαλείου Gephi. Δώθηκε μεγάλη έμφαση κατά την εξόρυξη, ώστε να μην ξαναπάρουμε κόμβους, που τους έχουμε ξαναπάρει, γιατί ο σκοπός μας ήταν να δημιουργήσουμε έναν γράφο, όπου ο κάθε κόμβος να αναπαριστά ένα μοναδικό χρήστη του Twitter. Η μεταπτυχιακή διατριβή αυτή, θα μπορούσαμε να πούμε πως χωρίζεται σε 3 μέρη. Πρώτο, η εξόρυξη γνώσεις από ένα κοινωνικό δίκτυο, και η εισαγωγή των αποτελεσμάτων σε ένα αρχείο .txt. Δεύτερο μέρος, η μετατροπή του αρχείου .txt σε αρχείο μορφής .gml, ώστε να διαβάζεται στο Gephi. Και τρίτο μέρος, η εισαγωγή του αρχείου .gml στο Gephi, και η μελέτη του γράφου που βγαίνει, με σκοπό να μελετήσουμε, κυρίως τα μέτρα κεντρικότητας. Τα μέτρα κεντρικότητας, δηλαδή το πόσο ‘κεντρικός ή σημαντικός είναι ένας κόμβος σε ένα γράφο, είναι κάτι που απασχολεί πολλούς ανθρώπους, ανα τον κόσμο, διαφορετικών κλάδων. Για παράδειγμα οι συγκοινωνιολόγοι, μελετάνε τα μέτρα κεντρικότητας, για να βγάλουνε σε ένα οδικό δίκτυο μιας πόλης, τα πιο κεντρικά σημεία, σημεία που οι πιθανότητες να περάσουν η πλειοψηφία του πληθυσμού είναι αρκετά υψηλή. Οι αεροπορικές εταιρίες μελετάνε επίσης τα μέτρα κεντρικότητας των αεροπορικών γραμμών, βλέποντας την μετακίνηση των επιβατών, αλλά και τις αλλαγές στρατηγικής των άλλων εταιριών. Με αυτό τον τρόπο (με τα μέτρα κεντρικότητας δηλαδή) οι αεροπορικές εταιρίες καταλαβαίνουν τους πιο ‘εμπορικούς’ αερολιμένες για αυτούς, πληροφορία πολύ σημαντική για το πως θα δράσει η εταιρία στο άμεσο μέλλον. Με βάση τα μέτρα κεντρικότητας, και όχι μόνο, πολλές φορές διαλέγουν να συγχωνευθούν πολλές αεροπορικές εταιρίες. Ελπίζοντας πως με λίγους, αλλά κεντρικούς αερολιμένες, θα μπορούν να καλύψουν, σχεδόν όλο το δίκτυο. Θα ήταν πάρα πολύ ενδιαφέρον να δούμε το πως θα εξελισσόταν, το δίκτυο μας, συναρτήση του χρόνου, αλλά αυτό ξεφεύγει από τα στενά όρια της μεταπτυχιακής διατριβής, και μπαίνει στα όρια της έρευνας. Σε ένα μετέπειτα βήμα, αν βλέπαμε πως θα άλλαζε το δίκτυο μας, στην πάροδο του χρόνου, ίσως να είχαμε την δυνατότητα να κάνουμε και προβλέψεις. Και σε περίπτωση που φτάναμε σε σημείο να προβλέπουμε την ανάπτυξη του δικτύου, θα είχαμε ανακαλύψη μια νέα γνώση, η οποία θα μπορούσε να χρησιμοποιηθεί και σε άλλους κλάδους εκτός της πληροφορικής. Για παράδειγμα στην ιατρική, να προβλέπει επιδημίες, σε ποιά σημεία και προς τα που τείνει να αναπτυχθεί. Αυτό θα μπορούσε να γίνει, ίσως, σε συνέχεια της μεταπτυχιακής αυτής διατριβής, σε διδακτορικό επίπεδο. Γιατί η ανάπτυξη κώδικα για ένα αρκετά μεγάλο κομμάτι του δικτύου του Twitter, αλλά και η μελέτη του αντίστοιχου γράφου, η παρατήρηση του γράφου, συναρτήση του χρόνου, και η σύγκριση των αποτελεσμάτων ανα χρονικές περιόδους, είναι μια αρκετά σύνθετη δουλειά, και πάρα πολύ χρονοβόρα. Αυτό που θέλαμε όμως να πετύχουμε, και το πετύχαμε σε αυτήν την εργασία, είναι πως η ιδέα μας, έστω σε αυτό το μικρό δίκτυο, δουλεύει. Μπορέσαμε και ‘τραβήξαμε’ δεδομένα από το κοινωνικό δίκτυο, και με βάση αυτά φτιάξαμε ένα γράφο. Από τον πολυδιάστατο αυτόν γράφο βγάλαμε σημαντικά συμπεράσματα, όπως τα κριτήρια με τα οποία, κάποιος αποφασίζει να ‘ακολουθήσει’ κάποιον, στο κοινωνικό δίκτυου του Twitter. Επίσης, βγάλαμε και στατιστικά στοιχεία, όπως τον μέσο όρο σύνδεσης ανά κόμβο, τις πιθανότητες που έχουμε κάποιος συγγενείς 2ου βαθμού να μας κάνει Follow κ.τ.λ., Our Master thesis has the title: «Algorithmic extraction of structural information from social networks and computation of associated centrality measures». In simpler words, in the context of this work, we managed to get data from one social network (specifically from Twitter), and after some processing of such data, we took a graph. The graph represents a small part of the network. To be precise, represents the network that is creating, by starting from our Twitter profile, to our Followers of our Followers. That is up to the 2nd degree relatives in the network. As part of postgraduate thesis, we were writing code in Python. In this way, we have the ability to get some data from the network. The representation of the graph was made with the help of Gephi tool. It was given great emphasis in data mining. We do not take nodes that have them retake, because our goal was to create a graph, where each node represents a unique user of Twitter. This master thesis, we could say that is divided into 3 parts. First, the extraction of knowledge from a social network, and the introduction of the results in a file .txt. Second part, the conversion from .txt format file to .gml file, Because Gephi can read only .gml files. And the third part, the introduction of file .gml in Gephi, and the study of the graph coming out, especially the centrality measures. The centrality measures, is how ‘central’ or important is a node in a graph, it is something that concerns many people, around the world, many times at different industries. For example, transportation, studying the centrality measures, to make a road of a city, the most central points, points that are likely to spend the majority of the population is quite high. Airlines are also studying the centrality measures of air lines, watching the movement of the passengers, but also the strategic changes of other companies. In this way (by using measures centrality) the airlines understand the more 'commercial' airports for them, very important information about how the company will act in the near future. By using the centrality measures, of course and others parameters, often choose to merge many airlines. Hoping that with few, but hubs, nodes you can cover almost the entire network. It would be very interesting if we could see the changing of our network, step by step, function of time , but this is outside the confines of the master thesis, and enters the boundaries of research. In a subsequent step, if we could see how our network is changing, function of time, we might have the ability to do and forecasts. And if we could predict the development of the network, we would have discovered a new knowledge, which could be used in other industries outside of IT. For example in medicine, provide epidemics. Whereas, epidemics grow up in the similar way as a social network. This could be, perhaps, following this master thesis at the doctoral level. Because, develop code for a sizable chunk of the network of Twitter, and the study of the corresponding graph, the observation of the graph, function of time and the comparison of results particular moments, is a quite complex job, and too time consuming . What we wanted to achieve, and we succeeded in this master thesis, is that our idea, even in this small network, it works. We were able and 'pulled' data from the social network, and based on these data, we built a graph. From the multidimensional this graph we took important lessons, such as the criteria by which someone decided to 'follow' someone, in a social network, for example on Twitter network. Also, we took and statistics results, such as average connection per node, the chances that we have, one second-degree relative Follow us on Twitter etc.

Η παρούσα μεταπτυχιακή διατριβή έχει ως θέμα την Εξόρυξη Γνώσης (data mining) από δεδομένα επιθέσεων σε υπολογιστικά συστήματα, βάσει των οποίων καθίσταται δυνατή η πρόβλεψη επιθέσεων. Δηλαδή θα επιχειρείται η εφαρμογή τεχνικών Εξόρυξης Γνώσης (data mining) στην Ασφάλεια με σκοπό την πρόβλεψη επιθέσεων. Αυτός ο στόχος επιτυγχάνεται με την υλοποίηση ενός ανιχνευτή δικτυακών εισβολών. Συγκεκριμένα, ενός μοντέλου πρόβλεψης ικανού να διακρίνει τις ‘κακές’ συνδέσεις, οι οποίες ονομάζονται εισβολές ή επιθέσεις, από τις ‘καλές’ φυσιολογικές συνδέσεις., The subject of the current study is application of data mining techniques on data, for intrusion detection in computer networks. The training dataset consist of data regarding network connections. By analyzing that data and applying data mining techniques on that data, current study aims to be able to predict network attacks. The aim of this study will be reached with the development of a network intrusion detector. More specific, the created model will be able to distinguish network attacks, which are called intrusions - from normal network connections.

Ο παγκόσμιος ιστός (www – world wide web) και το διαδίκτυο (Internet) πάνω στο οποίο στηρίζεται έφεραν την τρίτη επανάσταση του εικοστού αιώνα στον τρόπο επικοινωνίας μεταξύ των ανθρώπων. Ώρα με την ώρα γίνεται πιο δημοφιλής τρόπος επικοινωνίας και από περισσότερους χρήστες. Ένα δε σημαντικό κομμάτι της ανθρώπινης γνώσης έχει ήδη εγκατασταθεί στον παγκόσμιο ιστό. Περάσαμε λοιπόν από τα απλά δεδομένα στα “μεγάλα δεδομένα” (big data) που υπάρχουν διαθέσιμα και μας περιμένουν να εφαρμόσουμε πάνω τους διαδικασίες επεξεργασίας και στατιστικής για εξαγωγή συμπερασμάτων. Ένας κλάδος της πληροφορικής επιστήμης που ασχολείται με την επεξεργασία των δεδομένων στον παγκόσμιο ιστό χρησιμοποιεί μεθόδους εξόρυξης γνώσης και ονομάζεται “εξόρυξη παγκόσμιου ιστού”. Στην εργασία μας αυτή σκοπός ήταν να κάνουμε “εξόρυξη χρήσης παγκόσμιου ιστού”. Επεξεργαστήκαμε λοιπόν τα αρχεία καταγραφής του εξυπηρετητή μιας ασφαλιστικής εταιρείας σχετικά με την επισκεψιμότητα, με σκοπό την εξαγωγή συμπερασμάτων σχετικά με τις ημερομηνίες. Συγκεκριμένα εφαρμόστηκαν αλγόριθμοι ομαδοποίησης και ταξινόμησης για την εξόρυξη δεδομένων από την επισκεψιμότητα της ιστοσελίδας. Η πληροφορία αυτή είναι χρήσιμη για τη χάραξη διαφημιστικής στρατηγικής, για το ποιες περιόδους είναι κατάλληλες, καθώς το κοινό παρουσιάζει μεγαλύτερο ενδιαφέρον., The world wide web and the Internet in which it is based have brought the third revolution of the twentieth century in the way people communicate. Hour by hour it becomes the most popular means of human communication. An important piece of human knowledge has been already installed in the web. We have passed from data to “big data”. There is a lot of data in the web just waiting to be statistically analyzed and mined. A computer science field that deals with processing web data using data mining techniques is called “web mining”. Our purpose in this thesis is to apply “web usage mining” to web data coming from web server log files. The target was an insurance company in which we had to infer results about its visitors. We also use SPSS, applying clustering techniques for data mining for the visitors. This information is useful, in order to organize the advertising strategy plan in suitable periods.

Η ανάκτηση περιεχομένου από τις επιμέρους βάσεις είναι ιδιαίτερης σημασίας για την σωστή επεξεργασία δεδομένων και την εξαγωγή συμπερασμάτων. Παράλληλα, η σωστή επισήμανση των επιμέρους δεδομένων (κείμενο, εικόνα, βίντεο) βοηθά ιδιαίτερα στη σωστή ανάκτηση των περιεχομένων και επακόλουθα στην εξαγωγή των απαραίτητων συμπερασμάτων. Στα πλαίσια αυτής της διπλωματικής, αρχικά, δίδεται μια πλήρης περιγραφή και ανάλυση των παραπάνω ενώ στη συνέχεια υλοποιείται το αντίστοιχο σύστημα επισήμανσης και ανάκτησης περιεχομένου. Πιο αναλυτικά, το σύστημα είναι σε θέση να ανεβάζει και να επισημαίνει κατάλληλα τα περιεχόμενά του στις βάσεις περιεχομένων και δεδομένων. Παράλληλα, μπορεί να ανακτά τα συγκεκριμένα περιεχόμενα από αυτές τις βάσεις ώστε να είναι σε θέση να εξάγει τα κατάλληλα συμπεράσματα. Όλα αυτά υλοποιούνται και ενσωματώνονται με τις μεθόδους ενεργής μάθησης ενώ παρουσιάζονται σε μια web based εφαρμογή. The content retrieval of individual data bases are of particular importance for both correct processing of data and draw conclusions. Furthermore, proper labeling of individual data (among text, image or video), particularly helps in recovering the correct contents and subsequent export of the necessary conclusions. Within this thesis is firstly given a complete description and analysis of the above references and then is implemented the corresponding labeling and content retrieval system. More specifically, the system is able to fetch and appropriate note the contents of data bases and data contents. Furthermore, it can recover the specific contents of those databases being able to draw of the appropriate conclusions. All of these are implemented and integrated with the methods of active learning represented on a web based application.

Ο μεγάλος όγκος σελίδων και υπηρεσιών στο Διαδίκτυο αρκετές φορές δημιουργεί προβλήματα πλοήγησης με αποτέλεσμα η αναζήτηση εγγράφων και πληροφοριών να είναι μια εξαιρετικά χρονοβόρα και δύσκολη διαδικασία. Για το λόγο αυτό είναι απαραίτητη η πρόβλεψη των αναγκών των χρηστών με στόχο τη βελτίωση της χρηστικότητας του Διαδικτύου αλλά και της παραμονής του χρήστη σε έναν δικτυακό τόπο. Ο στόχος αυτής της διπλωματικής εργασίας είναι αρχικά να παρουσιάσει μεθόδους και τεχνικές που χρησιμοποιούνται για την εξατομίκευση και προσαρμογή στα ενδιαφέροντα του χρήστη, δικτυακών τόπων. Η εξατομίκευση περιλαμβάνει τη χρήση πληροφοριών που προέρχονται από τα ενδιαφέρονται και τη συμπεριφορά πλοήγησης του χρήστη σε συνδυασμό με το περιεχόμενο και τη δομή του δικτυακού τόπου. Στη συνέχεια παρουσιάζεται ένα σύστημα αναδιοργάνωσης της δομής ενός δικτυακού τόπου, του οποίου η υλοποίηση βασίστηκε στη δημοτικότητα των σελίδων για κάθε χρήστη όπως αυτή προκύπτει από τα log αρχεία που διατηρεί ο server του δικτυακού τόπου. Τέλος, το σύστημα αυτό εφαρμόζεται σε έναν πειραματικό δικτυακό τόπο και γίνεται αξιολόγηση των αποτελεσμάτων εφαρμογής του. The large number of web pages on many Web sites has raised navigation problems. As a result, users often miss the goal of their inquiry, or receive ambiguous results when they try to navigate through them. Therefore, the requirement for predicting user needs in order to improve the usability and user retention of a Web Site is more than ever, indispensable. The primary purpose of this thesis is to explore methods and techniques for improving or “personalizing” Web Sites. Web personalization includes any action that adapts the information or services provided by a Web site to the needs of a particular user or a set of users, taking advantage of the knowledge gained from the users’ navigation behavior and interests in combination with the content and structure of the Web Site. Secondly, this thesis describes the implementation of a tool (reorganization software) which parses log files and uses specific metrics related to web page accesses, in order to reorganize the structure of a web site according to its users’ preferences. Finally, the tool is applied in an experimental Web Site and the results of this reorganization process are evaluated.

Ζούμε σε μια κοινωνία στην οποία η χρήση της τεχνολογίας έχει εισβάλει δυναμικά στην καθημερινότητα.Η εκπαίδευση δεν θα μπορούσε να μην επηρεαστεί απο τις Νέες Τεχνολογίες.Ήδη,όροι όπως “Ηλεκτρονική Μάθηση” και ”Ασύγχρονη Τηλε-εκπαίδευση” έχουν δημιουργήσει νέα δεδομένα στην κλασική Εκπαίδευση. Με τον όρο ασύγχρονη τηλε-εκπαίδευση εννοούμε μια διαδικασία ανταλλαγής μάθησης μεταξύ εκπαιδευτή - εκπαιδευομένων,που πραγματοποιείται ανεξάρτητα χρόνου και τόπου. Ηλεκτρονική Μάθηση είναι η χρήση των νέων πολυμεσικών τεχνολογιών και του διαδικτύου για τη βελτίωση της ποιότητας της μάθησης,διευκολύνοντας την πρόσβαση σε πηγές πληροφοριών και σε υπηρεσίες καθώς και σε ανταλλαγές και εξ'αποστάσεως συνεργασίες.Ο όρος καλύπτει ένα ευρύ φάσμα εφαρμογών και διαδικασιών,όπως ηλεκτρονικές τάξεις και ψηφιακές συνεργασίες, μάθηση βασιζόμενη στους ηλεκτρονικούς υπολογιστές και στις τεχνολογίες του παγκόσμιου ιστού. Κάποιες απο τις βασικές απαιτήσεις που θα πρέπει να πληρούνται για την δημιουργία μιας πλατφόρμας ηλεκτρονικής μάθησης είναι: Να υποστηρίζει τη δημιουργία βημάτων συζήτησης (discussion forums) και “δωματίων συζήτησης”(chat rooms),να υλοποιεί ηλεκτρονικό ταχυδρομείο,να έχει φιλικό περιβάλλον τόσο για το χρήστη/μαθητή όσο και για το χρήστη/καθηγητή,να υποστηρίζει προσωποποίηση(customization)του περιβάλλοντος ανάλογα με το χρήστη.Επίσης να κρατάει πληροφορίες(δημιουργία profiles)για το χρήστη για να τον “βοηθάει”κατά την πλοήγηση,να υποστηρίζει την εύκολη δημιουργία διαγωνισμάτων(online tests), να υποστηρίζει την παρουσίαση πολυμεσικών υλικών. Ως επεξεργασία φυσικής γλώσσας (NLP) ορίζουμε την υπολογιστική ανάλυση αδόμητων δεδομένων σε κείμενα, με σκοπό την επίτευξη μηχανικής κατανόησης του κειμένου αυτού.Είναι η επεξεργασία προτάσεων που εισάγονται ή διαβάζονται από το σύστημα,το οποίο απαντά επίσης με προτάσεις με τρόπο τέτοιο που να θυμίζει απαντήσεις μορφωμένου ανθρώπου. Βασικό ρόλο παίζει η γραμματική,το συντακτικό,η ανάλυση των εννοιολογικών στοιχείων και γενικά της γνώσης, για να γίνει κατανοητή η ανθρώπινη γλώσσα από τη μηχανή. Οι βασικές τεχνικές επεξεργασίας φυσικού κειμένου βασίζονται στις γενικές γνώσεις σχετικά με τη φυσική γλώσσα.Χρησιμοποιούν ορισμένους απλούς ευρετικούς κανόνες οι οποίοι στηρίζονται στη συντακτική και σημασιολογική προσέγγιση και ανάλυση του κειμένου.Ορισμένες τεχνικές που αφορούν σε όλα τα πεδία εφαρμογής είναι: ο διαμερισμός στα συστατικά στοιχεία του κειμένου (tokenization), η χρήση της διάταξης του κειμένου (structural data mining), η απαλοιφή λέξεων που δεν φέρουν ουσιαστική πληροφορία (elimination of insignificant words),η γραμματική δεικτοδότηση (PoS tagging), η μορφολογική ανάλυση και η συντακτική ανάλυση. Στόχος της παρούσας διπλωματικής είναι να περιγράψει και να αξιολογήσει πως οι τεχνικές επεξεργασίας της φυσικής γλώσσας (NLP), θα μπορούσαν να αξιοποιηθούν για την ενσωμάτωση τους σε πλατφόρμες ηλεκτρονικής μάθησης.Ο μεγάλος όγκος δεδομένων που παρέχεται μέσω μιας ηλεκτρονικής πλατφόρμας μάθησης, θα πρέπει να μπορεί να διαχειριστεί , να διανεμηθεί και να ανακτηθεί σωστά.Κάνοντας χρήση των τεχνικών NLP θα παρουσιαστεί μια καινοτόμα πλατφόρμα ηλεκτρονικής μάθησης,εκμεταλεύοντας τις υψηλού επιπέδου τεχνικές εξατομίκευσης, την δυνατότητα εξαγωγής συμπερασμάτων επεξεργάζοντας την φυσική γλώσσα των χρηστών προσαρμόζοντας το προσφερόμενο εκπαιδευτικό υλικό στις ανάγκες του κάθε χρήστη. We live in a society in which the use of technology has entered dynamically in our life,the education could not be influenced by new Technologies. Terms such as "e-Learning" and "Asynchronous e-learning" have created new standards in the classical Education. By the term “asynchronous e-learning” we mean a process of exchange of learning between teacher & student, performed regardless of time and place. E-learning is the use of new multimedia technologies and the Internet to improve the quality of learning by facilitating access to information resources and services as well as remote exchanges .The term covers a wide range of applications and processes, such electronic classrooms, and digital collaboration, learning based on computers and Web technologies. Some of the basic requirements that must be met to establish a platform for e-learning are: To support the creation of forums and chat rooms, to deliver email, has friendly environment for both user / student and user / teacher, support personalization depending to the user . Holding information (creating profiles) for the user in order to provide help in the navigation, to support easy creating exams (online tests), to support multimedia presentation materials. As natural language processing (NLP) define the computational analysis of unstructured data in text, to achieve mechanical understanding of the text. To elaborate proposals that imported or read by the system, which also responds by proposals in a manner that reminds answers of educated man. A key role is played by the grammar, syntax, semantic analysis of data and general knowledge to understand the human language of the machine. The main natural text processing techniques based on general knowledge about natural language .This techniques use some simple heuristic rules based on syntactic and semantic analysis of the text. Some of the techniques pertaining to all fields of application are: tokenization, structural data mining, elimination of insignificant words, PoS tagging, analyzing the morphological and syntactic analysis. The aim of this study is to describe and evaluate how the techniques of natural language processing (NLP), could be used for incorporation into e-learning platforms. The large growth of data delivered through an online learning platform, should be able to manage, distributed and retrieved. By the use of NLP techniques will be presented an innovative e-learning platform, using the high level personalization techniques, the ability to extract conclusions digesting the user's natural language by customizing the offered educational materials to the needs of each user .

Περιέχει τη περίληψη Επί σειρά ετών έχει παρατηρηθεί η συνεχόμενα εκθετική αύξηση των ακαδημαϊκών άρθρων, γεγονός που έχει προκαλέσει αντιστοίχως μια διακαή ανάγκη για αποτελεσματικά εργαλεία λογισμικού επεξεργασίας κειμένου. Στην προσπάθεια ανταπόκρισης στην ανάγκη αυτή μια πληθώρα από εργαλεία εξόρυξης κειμένου δημιουργήθηκαν, κάποια γενικής χρήσεως και άλλα πιο εξειδικευμένα για συγκεκριμένους κλάδους, κυρίως για τις βιολογικές και ιατρικές επιστήμες. Από τα υπολογιστικά αυτά εργαλεία απαιτείται να επεξεργάζονται, να αναλύουν, να ερμηνεύουν, να ενσωματώνουν και να παράγουν πληροφορίες διαχειριζόμενα μεγάλες αποθήκες δεδομένων. Τα εργαλεία πρέπει να είναι λειτουργικά και να ανταποκρίνονται στις απαιτήσεις του επιστημονικού αλλά και του πραγματικού κόσμου. Σκοπός αυτού του άρθρου είναι η αναφορά αξιολόγησης (benchmark evaluation) ενός επιλεγμένου συνόλου από τα πιο επαγγελματικά, λειτουργικά, ανοικτού κώδικα (open source) εργαλεία λογισμικού (GATE, KNIME, Rapid Miner, κ.τ.λ.) τα οποία μέσω της επεξεργασίας κειμένου παράγουν πληροφορίες χρησιμοποιώντας τεχνικές εξόρυξης δεδομένων. Στόχος αυτής της έρευνας είναι να προτείνει ένα κοινό πλαίσιο αξιολόγησης το οποίο να προσδιορίζει, να βοηθάει στη λήψη αποφάσεων και να αποτιμά τα παραπάνω συστήματα στο χώρο των ακαδημαϊκών βιβλιοθηκών. Για το σκοπό αυτής της έρευνας εφαρμόστηκε η τεχνική αξιολόγησης και ανάλυσης SWOT (Πλεονεκτήματα, Αδυναμίες, Ευκαιρίες και Απειλές) για να προσδιοριστούν ενδογενείς και εξωγενείς παράγοντες (όπως αποτελεσματικότητα αλγορίθμων, βάθος σημασιολογικής ανάλυσης, ποιότητα δεδομένων, επεκτασιμότητα, διαλειτουργικότητα με άλλα συστήματα, κ.α.) ως κριτήρια για μια «δοκιμή πρόσκρουσης» μεταξύ των σημαντικότερων εργαλείων. Η ανάλυση αυτή θα χρησιμοποιηθεί ως εφαλτήριο και οδηγός κατανόησης και λήψης αποφάσεων για τη δημιουργία ενός πρότυπου εργαλείου εξόρυξης δεδομένων το οποίο θα εντοπίζει σημασιολογικές ομοιότητες μεταξύ ακαδημαϊκών συγγραμμάτων. Ταυτόχρονα θα αναγνωρίζει τις κύριες μεθοδολογίες έρευνας που χρησιμοποιήθηκαν και κύριος σκοπός του εργαλείου θα είναι η διευκόλυνση της ακαδημαϊκής μελέτης και έρευνας και η αύξηση της ικανότητας άντλησης πληροφοριών και συσχετισμών από τα ακαδημαϊκά περιεχόμενα.

Πίσω από όλα αυτά τα δεδομένα που υπάρχουν κρύβεται ένας τεράστιος θησαυρός γνώσεων τον οποίο δεν μπορούμε να αντιληφθούμε καθώς η μορφή των πληροφοριών δεν μας το επιτρέπει. Έτσι αναπτύχθηκαν μέθοδοι και τεχνικές που μας βοηθούν να βρούμε την κρυμμένη γνώση και να την αξιοποιήσουμε προς όφελος κυρίως του κοινού και η πιο γνωστή μέθοδος, με την οποία θα ασχοληθούμε και εμείς είναι η Εξόρυξη Γνώσης. Στην εργασία που ακολουθεί θα μιλήσουμε για την χρήση των μεθόδων Εξόρυξης Γνώσης (όπως λέγονται) σε βιοϊατρικά δεδομένα. Στην αρχή θα κάνουμε αναφορά στην Μοριακή Βιολογία και στην Βιοπληροφορική. Ακολούθως θα δουμε την Ανακάλυψη γνώσης από βάσεις δεδομένων. Θα δούμε αναλυτικά την Εξόρυξη γνώσης και πιο πολύ τις μεθόδους κατηγοριοποίησης. Τέλος θα εφαρμόσουμε τους αλγορίθμους σε ιατροβιολογικά δεδομένα και θα δούμε τα συμπεράσματα που προκύπτουν αλλά και μελλοντικές επεκτάσεις. Behind all these data there is hidden a huge treasure of knowledge which we can not understand . Thus developed methods and techniques that help us find the hidden knowledge and to utilize it for the benefit of the public. The most famous method, which we will study, is Data Mining. In the work that follows we will discuss the use of data mining methods (as they are called) in biomedical data. In the beginning, we will report information about Molecular Biology and Bioinformatics. Then. we will see the knowledge discovery in databases. We will see in detail the Data Mining and the classification methods. Finally we implement the algorithms in biomedical data and see the conclusions and future extensions.

Η οπτικοποίηση των δεδομένων (data visualization) αποτελεί τη διαδικασία αναπαράστασης αφαιρετικών ή επιστημονικών δεδομένων με τη μορφή εικόνας, η οποία μπορεί να συμβάλει στην καλύτερη και βαθύτερη κατανόηση της σημασίας των δεδομένων και των μεταβλητών ή των μονάδων που συνιστούν τα δεδομένα αυτά. Λόγω των τεράστιων και συνεχώς αυξανόμενων ποσοτήτων και πηγών πληροφορίας, η ανάγκη για οπτικοποίηση είναι μεγάλη. Εφαρμόζοντας διάφορα μέσα οπτικοποίησης, η μελέτη των δεδομένων γίνεται πιο αποδοτική: τα δεδομένα εξετάζονται μαζικά και γρήγορα. Επίσης, η οπτικοποίηση των δεδομένων συμβάλλει στην ουσιαστική κατανόηση ενός ορισμένου προβλήματος και μπορεί να οδηγήσει στην ανακάλυψη νέων εννοιών και λύσεων. Η τεχνική της οπτικοποίησης δεδομένων βρίσκει ιδιαίτερη εφαρμογή στον τομέα της Βιοπληροφορικής. Συγκεκριμένα, η οπτικοποίηση εφαρμόζεται σε δεδομένα αλληλουχιών, γονιδιωμάτων, μακρομοριακών δομών, συστημικής βιολογίας, μαγνητικής τομογραφίας, κλπ. Η πρόσφατη και ολοένα μεγαλύτερη πρόοδος στη διαθεσιμότητα δεδομένων και στις μεθόδους ανάλυσης έχει δημιουργήσει νέες ευκαιρίες για τους ερευνητές, έτσι ώστε αυτοί να είναι σε θέση να βελτιώσουν τις μεθόδους καταγραφής νόσων σε εθνικό ή τοπικό επίπεδο. Η HELPIDA (HELlenic ePIdemiological DAtabase) αποτελεί την πρώτη προσπάθει καταγραφής ενός μεγάλου αριθμού επιδημιολογικών μελετών από τον χώρο της ελλάδας, συνδυασμού αυτών με γεωγραφικές και στατιστικές παραμέτρους και οπτικοποίησης των αποτελεσμάτων με σκοπό την εξόρυξη πολύτιμης πληροφορίας. Σε ό,τι αφορά την πρώτη έκδοσή της, η HELPIDA αναπτύχθηκε με τη χρήστη των γλωσσών προγραμματισμού ASP.NET και Visual C#. Στην εργασία αυτή, παρουσιάζεται η δεύτερη έκδοση της HELPIDA, η οποία σχεδιάστηκε με τη βοήθεια του εργαλείου Microsoft Lightswitch και εμπλουτίστηκε με γραφήματα και οπτικοποιήσεις δεδομένων. Εφαρμόζοντας ορισμένα εργαλεία οπτικοποίησης, στοχεύουμε στον χαρακτηρισμό της HELPIDA ως ένα πολύτιμο εργαλείο στον τομέα της Δημόσιας Υγείας και ελπίζουμε ότι θα χρησιμοποιηθεί από ερευνητές σε ακαδημαϊκό επίπεδο αλλά και σε άλλους τομείς. Data visualization is the study of the visual representation of data, meaning "information that has been abstracted in some schematic form, including attributes or variables for the units of information". The ability to visualize the implications of data is as old as humanity itself. Yet due to the vast quantities, sources, and sinks of data being pumped around our global economy at an ever increasing rate, the need for superior visualization is great and growing. Data visualization is efficient: vast quantities of data are processed in a simple and quick manner. Furthermore, visualizations can help an analyst or a group achieve more insight into the nature of a problem and discover new understanding. Data Visualization is often applied in the field of Bioinformatics. Specifically, software tools are used for the visualization of sequences, genomes, alignments, phylogenies, macromolecular structures, systems biology, microscopy, and magnetic resonance imaging data. HELPIDA (HELlenic ePIdemiological DAtabase) is the first attempt to register a large number of epidemiological studies from Greece, to combine them with geographical and statistical parameters and to visualize the results in order to mine valuable information. As fas as the first version of the application is concerned, HELPIDA was developed using the programming languages ASP.NET and Visual C#. In this thesis, the second version of HELPIDA, which was designed using the tool Microsoft Lightswitch and was enhanced with charts and data visualizations, is presented. Being enhanced with certain data visualization tools, HELPIDA is aiming at being used as an invaluable tool for Public Health decisions and we hope that it will be exploited by decision makers in academic and political level.

Σε αυτήν την εργασία χρησιμοποιούμε το μέσο κοινωνικής δικτύωσης "twitter" (https://twitter.com/) για την συλλογή μηνυμάτων που αφορούν τις εξελίξεις στην ευρωζώνη και την εφαρμογή μεθόδων επιβλεπόμενης μηχανικής μάθησης για την "εκπαίδευση" ενός κατηγοριοποιητή ο οποίος θα διαχωρίζει τα μηνύματα σε "θετικά" και "αρνητικά" ανάλογα με την είδηση ή την άποψη που περιέχουν. Οι μέθοδοι κατηγοριοποίησης που εφαρμόστηκαν ήταν οι k πλησιέστεροι γείτονες, μηχανές διανυσμάτων υποστήριξης και αφελής Μπεϊζιανός κατηγοριοποιητής. Ο ταξινομητής θα μπορούσε να χρησιμοποιηθεί σε ένα απλό πρόγραμμα το οποίο ημερησίως θα συλλέγει και θα ταξινομεί, αυτομάτως, σχετικά μηνύματα. Μία μακρυπρόθεσμη χρήση ενός τέτοιου προγράμματος θα μας έδινε σαν αποτέλεσμα δεδομένα σε μορφή χρονοσειράς τα οποία στην συνέχεια θα μπορούσαν να αναλυθούν για την εξαγωγή, πιθανώς, χρήσιμων συμπερασμάτων.

Το υπάρχον σύστημα κατοχύρωσης της Πνευματικής Ιδιοκτησίας και ιδιαίτερα της Βιομηχανικής Ιδιοκτησίας μέσω των Διπλωμάτων Ευρεσιτεχνίας δημιουργήθηκε με σκοπό να να προάγει την έρευνα και την επιστήμη. Η πολιτεία χορηγεί το μονοπωλιακό δικαίωμα στην χρήση και εκμετάλλευση μιας εφέυρεσης με αντάλλαγμα την δημόσια αποκάλυψη της ευρεσιτεχνίας από τον εφευρέτη. Οι υπόλοιποι ερευνητές πλέον μπορούν να χρησιμοποι-ήσουν ελεύθερα αυτή την (δημοσιευμένη) γνώση στην έρευνά τους ενώ οι επιχειρήσεις μπορούν καταβάλλοντας κάποιο τίμημα στον εφευρέτη να την χρησιμοποιήσουν για εμπο-ρικούς σκοπούς. Συνεπώς, με βάση τα παραπάνω, το σκεπτικό πίσω από την χορήγηση διπλωμάτων ευρεσιτεχνίας είναι η αύξηση των επενδύσεων σε έρευνα και καινοτομικότητα με ταυτόχ-ρονη διάχυση των αποτελεσμάτων μέσω της χορήγησης ενός προσωρινού μονοπωλίου. Όμως καθώς πλέον η χρήση των διπλωμάτων ευρεσιτεχνίας αυξάνεται διαρκώς και η χρήση τους γενικεύεται σε ζώντες οργανισμούς, φυτά, προγράμματα υπολογιστών προ-κύπτουν ερωτήματα σχετικά με την ανάγκη αναθεώρησης του υπάρχοντος σύστηματος Προστασίας της Διανοητικής Ιδιοκτησίας και της διαδικασίας εξέτασης και χορήγησης ευ-ρεσιτεχνιών. Επίσης εξετάζεται η χρήση τεχνικών εξόρυξης γνώσης από ΔΕ και οι δυνατότητες που οι τεχνικές αυτές μπορούν να προσφέρουν. The existing system of Intellectual Property rights is analysed, and more specifically the patent system. Patents grant a monopoly right for a specific amount of time to the applicant in exchange of full disclosure. The existing patent system is examined along with controversial issues and grants and a text mining method for information extraction is tested.

237 σ.

Περιέχει την περίληψη Μια πληθώρα νέων δεδομένων και πληροφοριών προσθέτονται κάθε μέρα στον ακαδημαϊκό τομέα. Ο αριθμός των ακαδημαϊκών άρθρων αυξάνεται εκθετικά κάθε χρόνο καθιστώντας αυτή την τεράστια δεξαμενή γνώσης προβληματική ως προς την εξερεύνηση και επεξεργασία της. Προτείνεται ένα αυτοματοποιημένο εργαλείο εξόρυξης δεδομένων γραμμένο σε Java το οποίο βρίσκεται στη φάση της υλοποίησης και θα εντοπίζει σημασιολογικές ομοιότητες μεταξύ ακαδημαϊκών συγγραμμάτων. Παρέχοντας στο εργαλείο έναν τίτλο άρθρου Α, θα μπορεί να αναγνωρίζει αποτελεσματικά άλλους τίτλους άρθρων τα οποία μοιράζονται κοινώς ένα ή παραπάνω κριτήρια, όπως συγγραφείς, αναφορές, λέξεις κλειδιά, θεματολογία, εκδότες, ημερομηνίες καθώς και μεθοδολογίες και θεματικές υποενότητες. Το εργαλείο θα έχει τη δυνατότητα ανακάλυψης κρυμμένων μοτίβων, κανόνων σχέσης (association rules), κατηγοριοποίησης (classification) και συσταδοποίησης- ομαδοποίησης (clustering) στις ακαδημαϊκές εκδόσεις καθώς και απεικόνιση όλων αυτών των πληροφοριών. Προκειμένου να διευκολυνθεί η ανακάλυψη των μεθοδολογιών, το προτεινόμενο εργαλείο θα είναι σε θέση να δημιουργεί μια βάση δεδομένων ορολογιών και υπο-ορολογιών κυρίως μέσω της ανάλυσης των ευρετηρίων ηλεκτρονικών βιβλίων (e-books). Επιπροσθέτως, αυτή η βάση δεδομένων θα είναι διαθέσιμη διαδικτυακά οπού ουσιαστικά θα δημιουργηθεί ένα αποθετήριο ορολογιών και υπο-ορολογιών. Ο κύριος σκοπός της δημιουργίας αυτού του εργαλείου είναι η διευκόλυνση της ακαδημαϊκής μελέτης και έρευνας και η αύξηση της ικανότητας άντλησης πληροφοριών και συσχετισμών από τα ακαδημαϊκά περιεχόμενα.

Ενδιαφέρον παρουσιάζει η αυξημένη ανάγκη για εφαρμογές εσωτερικού χώρου οι οποίες να είναι σε θέση να χρησιμοποιούν την ασύρματη τεχνολογία για να εντοπίσουν την θέση των χρηστών με σκοπό την εκμετάλλευση της πληροφορίας της θέσης τους για την αποστολή διαφόρων πληροφοριών ενδιαφέροντος. Στην εργασία αυτή προτείνεται ένα σύστημα εντοπισμού θέσης του οποίου η εξαγόμενη πληροφορία χρησιμοποιείται σε m-commerce εφαρμογές (mobile commerce) μέσω τεχνικών εξόρυξης γνώσης (data mining). Το σύστημα το οποίο προτείνεται αποτελείται από δύο κεντρικά υποσυστήματα. Το πρώτο υποσύστημα αποτελεί ένα σύστημα εντοπισμού θέσης μέσα σε ένα Wi-Fi δίκτυο. Το δεύτερο υποσύστημα περιλαμβάνει την λογική για την εξόρυξη δεδομένων από το πληροφοριακό περιεχόμενο της θέσης των χρηστών ώστε να μπορεί να χρησιμοποιηθεί στον εμπορικό τομέα. The increased need for applications of indoor localization which use wireless technology in order to locate users’ position and exploiting this position information for extracting deeper knowledge has motivated this paper. In this work it is proposed a system of localization where the exported information is used in m-commerce applications (mobile commerce) via techniques of data mining. The system which is suggested is constituted of two central sub systems. The first sub system constitutes a system of localization in a Wi-Fi network. The second sub system includes the logic of the excavation of data from the informative content of users’ position so that it can be used in the commercial sector.

Ένα βασικό ανοιχτό ερώτημα στην ανάλυση των online κοινωνικών δικτύων είναι η κατανόηση του φαινομένου της ομοφιλίας. Οι χρήστες τους είναι όμοιοι με τους φίλους τους, όσον αφορά τα ενδιαφέροντά τους. Στη διπλωματική αυτή εργασία, επιχειρείται η διερεύνηση του φαινομένου της ομοφιλίας στο Facebook και στο Twitter. Τα datasets τα οποία εξορύχθηκαν για αυτήν τη διπλωματική εργασία αφορούν τους Έλληνες χρήστες. Ακόμη, εισάγεται ένα νέο μοντέλο για τη μέτρηση της ομοιότητας μεταξύ των χρηστών , ως προς τα κοινά τους ενδιαφέροντα – το προσαρμοσμένο vector space μοντέλο. Το μοντέλο αυτό συγκρίνεται με τη διαδεδομένη μέθοδο των κοινών γειτόνων. Τέλος, προτείνεται η δημιουργία recommendations βάσει των κοινών ενδιαφερόντων των χρηστών και όχι μόνο βάσει των κοινών φίλων . Μάλιστα, κατασκευάζεται μια web application η οποία δείχνει το πώς μπορεί να πραγματοποιηθεί αυτό, κάνοντας homophily-based recommendations και χρησιμοποιώντας το προσαρμοσμένο vector space μοντέλο. A fundamental open question in social networking analysis is the research of the phenomenon of homophily. The users of the social networking sites are similar to their friends, regarding their interests, their hobbies and their topics of discussion. In this diploma thesis, the study of the phenomenon of homophily is attempted in two main and popular networking sites- Facebook and Twitter. The datasets that were mined for the purpose of this diploma thesis concern the Greek users of the two above-mentioned social networking sites.Moreover, a new method for measuring similarity between users regarding their common interests is introduced- the so-called “adapted vector-space model”. This model is compared to the popular method of common neighbors. Finally, the creation of recommendations based on the common interests of users (and not only based on the existence of common friends, as is the case with the existing situation) is suggested. What is more, a web application is constructed that shows how this can be implemented. This application makes homophily-based recommendations and it uses the adapted vector-space model.

190 σ., Το θέμα της παρούσας διδακτορικής διατριβής είναι η ανάπτυξη μεθόδων και τεχνικών απόκτησης γεωγραφικής γνώσης. Για την επίτευξη του στόχου αυτού, ανασκοπείται η πρόοδος σε συναφείς τομείς όπως είναι η αναπαράσταση γεωγραφικής γνώσης, η επεξεργασία φυσικής γλώσσας, η δημιουργία και χρήση ελεγχόμενων γλωσσών, η οπτικοποίηση πληροφοριών και ειδικότερα η χωρικοποίηση. Ακολούθως, εισάγονται τρεις καινοτόμες μέθοδοι και τεχνικές. Η πρώτη εξ αυτών στηρίζεται σε μια νέα ελεγχόμενη γλώσσα που επιτρέπει την απόσπαση γνώσης από βάσεις γεωχωρικών δεδομένων, με τρόπο αποτελεσματικό και ταυτόχρονα οικείο προς τον άνθρωπο. Στη συνέχεια, εισάγεται μια μέθοδος παραγωγής σημασιολογικών επιγραφών για ομάδες γεωγραφικών εννοιών οι οποίες περιγράφονται από ορισμούς σε φυσική γλώσσα. Αξιοποιώντας τη γνώση που εμπεριέχεται στους ίδιους τους ορισμούς και όχι σε εξωτερικές πηγές, η μέθοδος δημιουργεί σημασιολογικές επιγραφές που μοιάζουν με ορισμούς διατυπωμένους σε φυσική γλώσσα και που συνοψίζουν το περιεχόμενο των ορισμών των γεωγραφικών εννοιών κάθε ομάδας. Ακολούθως, η διδακτορική διατριβή εξετάζει ένα πρόβλημα που άπτεται του πεδίου της οπτικοποίησης πληροφοριών και ειδικότερα της χωρικοποίησης. Το πρόβλημα αυτό έγκειται στην απεικόνιση πολυδιάστατων πληροφοριών σε χώρους περιορισμένων διαστάσεων, όπως είναι ο γεωγραφικός, κάνοντας χρήση ειδικών τεχνικών προβολής και κατάλληλων χωρικών μεταφορών. Εισάγεται νέα τεχνική που αντιμετωπίζει το ζήτημα της χωρικοποίησης πληροφοριών σε πολλά επίπεδα λεπτομέρειας, η οποία ενσωματώνεται σ’ ένα πρωτότυπο γραφικό περιβάλλον που επιτρέπει την εξόρυξη γνώσης από συλλογές πολυδιάστατων πληροφοριών μεγάλου όγκου. Στο περιβάλλον αυτό, η νέα τεχνική χωρικοποίησης παράγει τρισδιάστατες επιφάνειες κάνοντας χρήση της μεταφοράς του τοπίου πληροφοριών, για την ανάδειξη ομάδων όμοιων πληροφοριών, και της μεταφοράς της ομαλότητας του τοπίου πληροφοριών, για την αναπαράσταση πολλών επιπέδων λεπτομέρειας., The topic of the present dissertation is the development of methods and techniques for geographic knowledge acquisition. Initially, a survey is performed to review the work in progress regarding related fields such as geographical knowledge representation, natural language processing and controlled languages, information visualization and especially spatialization. In following, three novel methods and techniques are introduced. The first involves the creation of a new controlled language, which is used to derive spatial knowledge from geospatial databases in both human familiar and effective way. The purpose is to overcome the difficulties arising from the learning of specialized and hard to manipulate languages in order to formulate search queries. The second method consists in the creation of semantic labels for clusters of geographic concepts described by natural language definitions. The aim is to create labels by taking advantage of the semantic information immanent in the definitions of geographic concepts instead of resorting to external information. The resulting labels are structured so as to epitomize the meaning of the clusters and be readily understood by users in the context of semantic-based applications. The forth section of the dissertation concerns the field of information visualization and spatialization. It tackles both the issue of granularity and the way it is handled by existing spatialization methods. A new spatialization technique is introduced and integrated into a prototyping spatialization environment for representing, exploring, and extracting knowledge from large sets of multidimensional data at different levels of granularity, by making use of kernel density estimation and spatial metaphors., Sofia C. Kontaxaki

Σε αυτή την Διπλωματική εργασία μελετήσαμε με ποιο τρόπο μπορούν να εφαρμοστούν οι διάφορες τεχνικές Εξόρυξης Γνώσης (Data Mining) στην εκπαίδευση. Αυτός ο επιστημονικός τομέας o οποίος ερευνά και αναπτύσσει τεχνικές προκειμένου να ανακαλύψει γνώση από δεδομένα τα οποία προέρχονται από την εκπαίδευση ονομάζεται Εξόρυξη Γνώσης από Εκπαιδευτικά Δεδομένα (Educational Data Mining –EDM. Στην εργασία αυτή εκτός από την θεωρητική μελέτη των αλγορίθμων και των τεχνικών που διέπουν την εξόρυξη γνώσης από δεδομένα γενικά, έγινε και μια λεπτομερέστερη μελέτη και παρουσίαση της κατηγορίας των αλγορίθμων κατηγοριοποίησης (Classification), διότι αυτοί οι αλγόριθμοι χρησιμοποιήθηκαν στην φάση της υλοποίησης/αξιολόγησης. Στην συνέχεια η εργασία επικεντρώθηκε στον τρόπο με τον οποίο μπορούν να εφαρμοστούν αυτοί οι αλγόριθμοι σε εκπαιδευτικά δεδομένα, τι εφαρμογές έχουμε στην εκπαίδευση, ενώ αναφερόμαστε και σε μια πληθώρα ερευνών που έχουν πραγματοποιηθεί πάνω στο συγκεκριμένο αντικείμενο. Στην συνέχεια διερευνήσαμε την εφαρμογή τεχνικών κατηγοριοποίησης στην πρόγνωση της επίδοσης μαθητών Δευτεροβάθμιας Εκπαίδευσης στα μαθήματα της Γεωγραφίας Α’ και Β’ Γυμνασίου. Συγκεκριμένα υλοποιήσαμε και θα αξιολογήσαμε έξι αλγορίθμους οι οποίοι ανήκουν στην ομάδα των αλγορίθμων κατηγοριοποίησης(Classification) και είναι αντιπροσωπευτικοί των σημαντικότερων τεχνικών κατηγοριοποίησης. Από την οικογένεια των ταξινομητών με χρήση δένδρων απόφασης (Decision Tree Classifiers) υλοποιήσαμε τον J48, από τους αλγορίθμους κανόνων ταξινόμησης (Rule-based Classification ) τον Ripper, από τους αλγόριθμους στατιστικής κατηγοριοποίησης τον Naïve Bayes, από την μέθοδο των Κ πλησιέστερων γειτόνων (KNN) τον 3-ΝΝ, από την κατηγορία των τεχνητών νευρωνικών δικτύων τον Back Propagation και τέλος από τις μηχανές διανυσμάτων υποστήριξης (Support Vector Machines SVM) τον SMO (Sequental Minimal Optimazation). Όλες οι παραπάνω υλοποιήσεις και αξιολογήσεις έγιναν με το ελεύθερο λογισμικού Weka το οποίο είναι υλοποιημένο σε Java και το οποίο προσφέρει μια πληθώρα αλγορίθμων μηχανικής μάθησης για να κάνουμε εξόρυξη γνώσης. In this work we will study the way the misc data mining techniques can be applied to the misc fields of the education. This new scientific field is commonly named Educational Data Mining. In this study we will study the theoretical analysis of the data mining techniques focussing to the classification techniques as those are the most commonly used for prediction purpose. We also intend to predict student performance in secondary education using data mining techniques. The data we collect are concerned the class of Geography and we apply to them six data mining models with the help of the open source machine learning software Weka. We use supervised machine learning algorithms from the Classification field (Decision Tree Classifiers, Rule-based Classification, Neural Networks, k-Nearest Neighbour Algorithm, Bayesian and Support Vector Machines). After we have evaluate the algorithms we build a java tool, that uses the 3-KNN algorithm, to help us predict the performance of a student at the end of the year.

Ο παγκόσμιος ιστός αποτελεί μία τεράστια αποθήκη πληροφοριών και αναπτύσσεται με τάχιστους ρυθμούς, ενώ η ανθρώπινη ικανότητα να εντοπίζει, να επεξεργάζεται και να αντιλαμβάνεται τις παρεχόμενες πληροφορίες παραμένει πεπερασμένη. Οι μηχανές αναζήτησης διευκολύνουν την αναζήτηση στον παγκόσμιο ιστό και έχουν γίνει αναπόσπαστο κομμάτι της καθημερινής ζωής των χρηστών του διαδικτύου. Οι χρήστες όμως χαρακτηρίζονται από διαφορετικές ανάγκες, προτιμήσεις, ιδιαιτερότητες και κατά την πλοήγησή τους μπορεί να χάσουν τον στόχο της αναζήτησής τους. Η προσωποποίηση στον παγκόσμιο ιστό, δηλαδή η εξατομίκευση των παρεχόμενων αποτελεσμάτων, αποτελεί μία πολλά υποσχόμενη προσέγγιση για την λύση του πληροφοριακού υπερφόρτου, παρέχοντας κατάλληλα προσαρμοσμένες εμπειρίες πλοήγησης. Στα πλαίσια αυτής της διπλωματικής εργασίας αναπτύχθηκε μία μεθοδολογία για την προσωποποίηση των αποτελεσμάτων μίας μηχανής αναζήτησης ώστε αυτά να ανταποκρίνονται στις προτιμήσεις των χρηστών και στα διαιτολογικά τους χαρακτηριστικά. Η μεθοδολογία αναπτύχθηκε σε δύο μέρη: στο εκτός σύνδεσης τμήμα και στο συνδεδεμένο. Στο πρώτο με την χρησιμοποίηση των αρχείων πρόσβασης μίας μηχανής αναζήτησης και των διαιτολογικών χαρακτηριστικών των χρηστών, έγινε εξαγωγή πληροφορίας για τις προτιμήσεις των τελευταίων. Στην συνέχεια με την χρήση μίας οντολογίας που κατασκευάστηκε για τα πλαίσια της διπλωματικής αυτής εργασίας, έγινε σημασιολογική κατηγοριοποίηση των επιλογών των χρηστών και κατασκευάστηκαν τα προφίλ που τους χαρακτηρίζουν. Έπειτα με την χρήση ενός αλγορίθμου ομαδοποίησης οι χρήστες κατηγοριοποιήθηκαν με βάση τα διαιτολογικά τους χαρακτηριστικά και τις επιλογές τους στην μηχανή αναζήτησης. Στο συνδεδεμένο τμήμα ο αλγόριθμος προσωποποίησης εκμεταλλευόμενος την σημασιολογική αντιστοίχιση των αποτελεσμάτων της μηχανής αναζήτησης και τις ομάδες των χρηστών που δημιουργήθηκαν στο εκτός σύνδεσης τμήμα αναδιοργανώνει τα παρεχόμενα από την μηχανή αναζήτησης αποτελέσματα. Η αναδιοργάνωση γίνεται προωθώντας στις υψηλότερες θέσεις των αποτελεσμάτων της μηχανής αναζήτησης τα αποτελέσματα που ταιριάζουν καλύτερα με τις προτιμήσεις και τα χαρακτηριστικά της ομάδας στην οποία εντάσσεται ο χρήστης. Στο τέλος έγιναν πειράματα και εξακριβώθηκαν τα επιθυμητά αποτελέσματα για την προσωποποίηση σύμφωνα με τις σημασιολογικές ομάδες των χρηστών. The World Wide Web has become a huge data repository and it keeps growing exponentially, whereas the human capability to find, process and understand the provided content remains constant. Search engines facilitate the search process in the World Wide Web and they have become an integral part of the web users' daily lives. However users who are characterized by different needs, preferences and special characteristics, navigate through large Web structures and may lost their goal of inquiry. Web personalization, i.e. the customization of the search engines’ returned results, is one of the most promising approaches for alleviating information overload providing tailored navigation experiences to Web users. The present dissertation presents the methodology which was implemented in order to personalize a search engine’s results for corresponding users’ preferences and dietary characteristics. This methodology was implemented in two parts: the offline and the online part. The first one uses a search engines’ log files and the dietary characteristics of the users in order to extract information for the latter preferences. Afterwards, with the use of an ontology which was created explicitly for this work, semantic profiling of users’ interests was achieved and their corresponding profiles were formed. Then with the use of a clustering algorithm, users’ categorization was made based on their dietary profiles and their preferences in the search engine. In the online part the methodology re-ranks the search engines’ results, based on the semantic characterization of those results and the users’ clusters which were created at the offline part. Re-ranking is achieved by placing those results which match better the interests and the characteristics of the user’s cluster at the top of the list of the search engines’ returned results. Experimental evaluation of the presented methodology shows that the expected objectives from the semantic users’ clustering in search engines are achievable.

Μία από τις βασικές προκλήσεις στο μουσικό αυτοσχεδιασμό είναι ο διαδραστικός αυτοσχεδιασμός μεταξύ ενός ανθρώπου και ενός συστήματος. Στη παρούσα ενότητα παρουσιάζουμε ένα μουσικό διαδραστικό σύστημα (Πολύμνια) ως συνεχιστή της μελωδίας (as melody continuator). Για κάθε μουσικό πρότυπο (pattern) που έχει δοθεί από το χρήστη, το ευφυές σύστημα ανακαλεί ένα όμοιο (similar) γενικό πρότυπο που είναι αποθηκευμένο στη βάση του (database) και το οποίο το αναμορφώνει ανάλογα (reform). Το προτεινόμενο σύστημα κατευθύνει τη μουσική αναπαράσταση και την ομοιότητα του μουσικού προτύπου (musical pattern similarity) στη χρήση της εξόρυξης δεδομένων (data mining). Προτείνουμε ένα σχήμα μουσικής αναπαράστασης το οποίο μπορεί να χρησιμοποιηθεί για ανάλυση εξόρυξης δεδομένων (data mining analysis) η οποία στοχεύει στη μάθηση γενικών προτύπων και για τη συχνότητα και για τη διάρκεια σε συγκεκριμένα είδη μουσικής (music styles). Η εξόρυξη δεδομένων είναι μια αναδυόμενη διαδικασία μηχανικής μάθησης με την εξαγωγή προηγουμένως άγνωστων, αγώγιμων (actionable) πληροφοριών από πολύ μεγάλες επιστημονικές και εμπορικές βάσεις δεδομένων. Η μηχανική μάθηση (machine learning) έχει παίξει έναν κρίσιμο ρόλο στη υπολογιστική μουσική (computer music) σχεδόν από την αρχή της. Πρόσφατα η έρευνα στο πεδίο έχει εστιαστεί στην εξόρυξη μουσικής (music mining). Παρουσιάζουμε επίσης πειραματικά αποτελέσματα για έλεγχο και αξιολόγηση της αποδοτικότητας (efficiency) και της ακρίβειας του προτεινόμενου συστήματος «Πολύμνια». One of the main challenges in music improvisation is interactive improvisation between a human and a system. In this thesis we present a musical interactive system (called polyhymnia) acting as melody continuator. For each musical pattern given by the user, it recalls a similar general pattern stored in its memory and reforms it. The proposed system addresses music representation and musical pattern similarity using data mining. We propose a scheme for monophonic music representation as traditional data sets suitable for common data mining algorithms and investigate the application of clustering similarity measures to musical pattern similarity. Data Mining is an emerging machine learning process of extracting previously unknown, actionable information from very large scientific and commercial databases. Machine learning has played a crucial role in the computer music almost since its beginning. Recently, research in the field has focused on music mining. We also present experimental results for testing and evaluating the efficiency and accuracy of the proposed system “polyhymnia”.

Στη συγκεκριμένη διπλωματική εργασία αναλύεται το πρόβλημα του εντοπισμού ομάδων σε σύνολα δεδομένων (ομαδοποίηση δεδομένων). Δίνεται μια σύντομη ανασκόπηση των μεθόδων που χρησιμοποιούνται σήμερα στην ομαδοποίηση δεδομένων και ιδιαίτερα στην ολοένα και αυξανόμενη χρήση Εξελικτικών Αλγόριθμων (ΕΑ) στην ομαδοποίηση. Οι ΕΑ έχουν αποδειχθεί ιδιαίτερα αποτελεσματικοί σε μια πληθώρα προβλημάτων βελτιστοποίησης. Η χρήση ΕΑ είναι αναμενόμενη, καθώς η ομαδοποίηση δεδομένων μπορεί να εκφραστεί και ως πρόβλημα βελτιστοποίησης. Επιπρόσθετα, παρουσιάζεται μια μέθοδος αντιμετώπισης της (συνήθως) μεγάλης διάστασης των προβλημάτων ομαδοποίησης, κάτι που επιβαρύνει ιδιαίτερα τους ΕΑ. Αναλυτικότερα, το πρώτο μέρος της διπλωματικής εργασίας παρέχει μια σφαιρική εικόνα του προβλήματος της ομαδοποίησης καθώς και των κατηγοριών των αλγορίθμων, που έχουν προταθεί για τον εντοπισμό ομάδων. Επιπλέον, παρουσιάζονται δομές δεδομένων που χρησιμοποιούνται από αλγόριθμους ομαδοποίησης για την επιτάχυνσή τους, όπως είναι τα Range Trees και τα BBD Trees. Εν συνεχεία, παρουσιάζονται αναλυτικά οι ΕΑ και ο τρόπος εφαρμογής τους σε προβλήματα ομαδοποίησης δεδομένων, αναλύοντας τρόπους αναπαράστασης του προβλήματος ομαδοποίησης, έτσι ώστε να είναι δυνατή η χρήση ΕΑ καθώς επίσης και οι μορφές των αντικειμενικών συναρτήσεων. Εισάγεται μια νέα προσέγγιση της εφαρμογής των ΕΑ σε προβλήματα ομαδοποίησης με σκοπό την πλήρη αποδέσμευση της διαδικασίας από εκτιμήσεις του πλήθους των ομάδων. Η διπλωματική εργασία κλείνει με τη σύγκριση υπάρχοντων αλγορίθμων ομαδοποίησης, που εφαρμόζουν την καθιερωμένη προσέγγιση της εφαρμογής των ΕΑ σε προβλήματα ομαδοποίησης, ένα νέο τρόπο εφαρμογής των ΕΑ, καθώς και κλασικούς αλγόριθμους όπως ο k-means και ο DBSCAN. Η σύγκριση γίνεται σε τεχνητά σύνολα δεδομένων, το κάθε ένα με διαφορετικές ιδιαιτερότητες. In this master thesis, the problem of finding groups in data sets (data clustering) is analyzed. Data clustering methods in general and, more specifically, Evolutionary Algorithms (EA) based methods are shortly reviewed. EA's have proven to be effective in a extensive number of optimization problems. Since data clustering can be formulated as an optimization problem, EA can be utilized. Additionally, a method of reducing the (usually) large dimensionality of clustering problems is presented, since this hinders the performance and stability of EAs. The first part of this thesis provides an introduction to clustering as well as to existing clustering algorithms. Additionally, data structures used by clustering algorithms such as Range trees and BBD trees are described. After that, EA is described thoroughly as well as approaches of applying them on clustering problems, by analyzing forms of presenting a clustering problem in a way than an EA can be used, as well as and possible objective functions. A new approach of applying EAs on clustering problems is introduced, in an attempt to automatically determine the number of clusters present in a data set. Finally, an existing EA-based method and well known clustering algorithms such as k-means and DBSCAN are compared to the proposed approach. This comparison is made on artificial data sets, each one with its own characteristics.

Η παρούσα διδακτορική διατριβή αναφέρεται σε μια ειδική κατηγορία Πληροφοριακών Συστημάτων, αυτή των Συστημάτων Ηλεκτρονικής Αγοράς. Πιο συγκεκριμένα, αποτελεί μια προσπάθεια ολοκλήρωσης υβριδικών Τεχνικών Συστάσεων και Τεχνικών Εξόρυξης Γνώσης, με παράλληλη ενσωμάτωσή τους σε ένα πλαίσιο διαχείρισης συνδυασμένων μεταφορών και αξιοποίηση σύγχρονων Τεχνολογιών Διαδικτύου. Λαμβάνοντας υπόψη τη διαπιστωμένη ανάγκη για την ανάπτυξη καινοτόμων συστημάτων διαχείρισης συνδυασμένων μεταφορών, η διατριβή παρουσιάζει αναλυτικά τις φάσεις ανάπτυξης ενός τέτοιου συστήματος. Το προτεινόμενο σύστημα δέχεται αιτήσεις μεταφορικών συναλλαγών και έχει τη δυνατότητα κατασκευής άμεσων ή τμηματικών λύσεων με την χρήση κατάλληλων αλγορίθμων Επιχειρησιακής Έρευνας. Στο συγκεκριμένο σύστημα ενσωματώνονται υβριδικές τεχνικές συστάσεων με σκοπό την παροχή υψηλού επιπέδου πληροφόρησης στους εμπλεκόμενους χρήστες. Επιπλέον η διατριβή προτείνει ένα πρωτότυπο υβριδικό μοντέλο συστάσεων με τη συνδυασμένη χρήση μεθόδων συστάσεων και τεχνικών εξόρυξης γνώσης. Η ανάπτυξη του παραπάνω μοντέλου αποσκοπεί στην αντιμετώπιση των μειονεκτημάτων που προκύπτουν από τη χρήση προηγούμενων τεχνικών και τη βελτίωση των παρεχόμενων υπηρεσιών. Στο προτεινόμενο σύστημα συμμετέχουν και αλληλεπιδρούν, μέσω αυστηρά ορισμένων πρωτοκόλλων, ένα σύνολο ευφυών πρακτόρων, αναλαμβάνοντας την διεκπεραίωση μιας σειράς απαραίτητων εργασιών για την πραγματοποίηση των μεταφορικών συναλλαγών. Το σύστημα βασίζεται στον Παγκόσμιο Ιστό και υλοποιήθηκε με τη χρήση σύγχρονων Τεχνολογιών Διαδικτύου. This PhD thesis refers to a specific area of Information Systems called E-Market Systems. More specifically, it represents an attempt to integrate hybrid Recommendation techniques as well as data mining methods, encapsulating them at the same time, into an intermodal transportation transactions management framework, through the exploitation of innovative internet technologies. Taking into consideration the urgent need for the development of innovative intermodal transportations management systems, this thesis presents analytically all the phases of the development of such a system. The proposed system accepts requests for transportation transactions and is capable of constructing direct or modular transportation solutions exploiting suitable Operation Research Algorithms. The system encapsulates hybrid recommendation techniques – aiming at providing a high level of information to the involved users. Moreover, this thesis proposes an innovative hybrid recommendation model which combines recommendation methods and data mining techniques. The development of the above model, aims at facing up the problems that rise by the use of the recommendation methods mentioned before and at the enhancement of the provided services. In the proposed system, an agents’ community participate and interact with each others, through well defined communication protocols, with the responsibility of performing all the necessary tasks for the establishment of a transportation transaction. The proposed system is Web-based and implemented through the use of modern Web technologies.

Η παρούσα Διπλωματική Εργασία μελετά το θέμα της προσωποποίησης - εξατομίκευσης δικτυακών τόπων. Αρχικά, παρουσιάζεται μια ανασκόπηση στη σχετική βιβλιογραφία όπου εντοπίζεται πληθώρα αναφορών και λύσεων -ακαδημαϊκών και εμπορικών- για το συγκεκριμένο θέμα. Στις περισσότερες από αυτές τις περιπτώσεις καταβάλλεται προσπάθεια για εξατομίκευση η οποία στηρίζεται σε δεδομένα που συλλέγονται από δηλώσεις ή ενέργειες του χρήστη, άμεσα ή έμμεσα. Όμως, η μελέτη των σχετικών άρθρων δείχνει ότι η μέχρι σήμερα επιτυχία των εγχειρημάτων αξιοποίησης δεδομένων χρήσης του ιστού (web usage data) είναι περιορισμένη. Το βασικό έλλειμμα που διαπιστώνεται είναι το γεγονός ότι η διαχείριση του περιεχομένου ενός δικτυακού τόπου συνήθως γίνεται με μηχανιστικό τρόπο, αποφεύγοντας τόσο την κατανόηση του περιεχομένου του όσο και της δομής του. Ακολούθως, στη Διπλωματική Εργασία γίνεται απόπειρα εξατομίκευσης δικτυακών τόπων με ημιαυτόματο τρόπο χρησιμοποιώντας τα αρχεία καταγραφής χρήσης ιστού ενώ ταυτόχρονα βασίζεται σε σημασιολογικές και εννοιολογικές αναλύσεις του περιεχομένου των δικτυακών τόπων. Με αυτήν τη μέθοδο υλοποιείται ένα εργαλείο που εξατομικεύει τον δικτυακό τόπο προτείνοντας στους χρήστες ιστοσελίδες με παραπλήσιο εννοιολογικό περιεχόμενο. Αυτό γίνεται δημιουργώντας την οντολογία του εκάστοτε δικτυακού τόπου και συνδυάζοντάς τη με τα δεδομένα πλοήγησης των χρηστών. The present Diploma Dissertation attempts to study the personalization of websites. Initially, a thorough review of the relevant bibliography is presented, in which a plethora of academic and commercial reports and solutions is located regarding the subject of website personalization. In most cases, to achieve personalization, the researchers are based on data which are directly or indirectly collected by user statements or actions. However, the study of relative articles shows that there is limited success in the use of web usage data for personalization purposes. The fundamental problem lies in the fact that the comprehension of the content and the structure of a website is often neglected or even avoided. Further on, personalization of websites in a semi-automatic way is attempted using log files while it is simultaneously based in semantic and conceptual analysis of the website content. In this way, a tool is developed that personalizes websites by proposing web pages with similar conceptual content to the users. This is done by creating the ontology of the website and combining it with the users’ web usage data.

Η παρούσα μεταπτυχιακή εργασία έχει στόχο τη μελέτη προβλημάτων «κρυμμένης γνώσης» από συστήματα και εφαρμογές ηλεκτρονικού εμπορίου (e-commerce) και ηλεκτρονικής μάθησης (e-learning) με κύριο στόχο τη βελτίωση της ποιότητας και της απόδοσης των παρεχόμενων υπηρεσιών προς τους τελικούς χρήστες. Στο πρώτο κεφάλαιο παρουσιάζεται ένα σενάριο για σημασιολογικά εξατομικευμένο e-learning. Ο προτεινόμενος αλγόριθμος βασίζεται σε μια οντολογία (ontology) η οποία βοηθά στη δόμηση και στη διαχείριση του περιεχομένου που σχετίζεται με μια δεδομένη σειρά μαθημάτων, ένα μάθημα ή ένα θεματικό. Η διαδικασία χωρίζεται σε δύο στάδια: στο offline στάδιο το οποίο περιλαμβάνει τις ενέργειες προετοιμασίας των δεδομένων, δημιουργίας της οντολογίας και εξόρυξης από δεδομένα χρήσης (usage mining) και στο online στάδιο το οποίο περιλαμβάνει την εξαγωγή των εξατομικευμένων συστάσεων. Το προτεινόμενο σύστημα σε πρώτη φάση βρίσκει ένα αρχικό σύνολο συστάσεων βασισμένο στην οντολογία του πεδίου και στη συνέχεια χρησιμοποιεί τα frequent itemsets (συχνά εμφανιζόμενα σύνολα στοιχείων) για να το εμπλουτίσει, λαμβάνοντας υπόψη την πλοήγηση άλλων παρόμοιων χρηστών (similar users). Με τον τρόπο αυτό, μειώνεται ο χρόνος που απαιτείται για την ανάλυση όλων των frequent itemsets και των κανόνων συσχέτισης. Η ανάλυση εστιάζεται μόνο σε εκείνα τα σύνολα που προέρχονται από το συνδυασμό της ενεργούς συνόδου (current session) του χρήστη και των συστάσεων της οντολογίας. Αν και η εξατομίκευση απαιτεί αρκετά βήματα επεξεργασίας και ανάλυσης, στη συγκεκριμένη προσέγγιση το εμπόδιο αυτό αποφεύγεται με την εκτέλεση σημαντικού μέρους της διαδικασίας offline. Στο δεύτερο κεφάλαιο μελετάται το πρόβλημα της παραγωγής προτάσεων σε μια εφαρμογή e-commerce. Η προτεινόμενη υβριδική προσέγγιση στοχεύει στην παραγωγή αποτελεσματικών συστάσεων για τους πελάτες ενός online καταστήματος που ενοικιάζει κινηματογραφικές ταινίες. Η γνώση για τους πελάτες και τα προϊόντα προκύπτει από τα δεδομένα χρήσης και τη δομή της οντολογίας σε συνδυασμό με τις εκτιμήσεις-βαθμολογίες των πελατών για τις ταινίες καθώς και την εφαρμογή τεχνικών ταιριάσματος «όμοιων» πελατών. Όταν ένα ή περισσότερα κριτήρια ταιριάσματος ικανοποιούνται, τότε άλλες ταινίες μπορούν να προσδιοριστούν σύμφωνα με το οντολογικό σχήμα που έχουν παρόμοια χαρακτηριστικά με αυτές που ο πελάτης έχει ήδη νοικιάσει. Στην περίπτωση ενός νέου πελάτη όπου το ιστορικό του είναι κενό, αναλύονται πληροφορίες από την αίτηση εγγραφής του ώστε να ταξινομηθεί σε μια συγκεκριμένη κλάση πελατών και να παραχθούν προτάσεις με βάση το οντολογικό σχήμα. Αυτή η ενοποίηση παρέχει πρόσθετη γνώση για τις προτιμήσεις των πελατών και επιτρέπει την παραγωγή επιτυχημένων συστάσεων. Ακόμη και στην περίπτωση του «cold-start problem» όπου δεν είναι διαθέσιμη αρχική πληροφορία για τη συμπεριφορά του πελάτη, η προσέγγιση προβαίνει σε σχετικές συστάσεις. Στο τρίτο κεφάλαιο παρουσιάζεται μία νέα προσέγγιση στο πρόβλημα της δημιουργίας συστάσεων. Οι προηγούμενες προσεγγίσεις δεν λαμβάνουν υπόψη τους τη σειρά με την οποία ο χρήστης προσπελαύνει τα δεδομένα, είτε πρόκειται για e-learning είτε πρόκειται για e-commerce δεδομένα. Στο κεφάλαιο αυτό προτείνεται μία τεχνική η οποία λαμβάνει υπόψη τη σειρά με την οποία ο χρήστης προσπελαύνει τα δεδομένα (ordering). Πιο συγκεκριμένα μελετάται η τεχνική αυτή σε e-commerce συστήματα και καλάθια αγορών. Παρουσιάζεται και αναλύεται η υλοποίηση του προτεινόμενου αλγορίθμου. Επιπλέον γίνεται αξιολόγηση των αποτελεσμάτων του αλγορίθμου σε testing input data τα οποία και δείχνουν την ποιότητα των παραγόμενων συστάσεων.

Η παρούσα διατριβή ασχολήθηκε με την εφαρμογή τεχνικών data mining σε συστήματα ηλεκτρονικού εμπορίου. Για να είμαστε πιο ακριβείς επικεντρωθήκαμε στην εύρεση κανόνων συσχετίσεων από δεδομένα, και κύρια δεδομένα που είχαν να κάνουν με βάσεις συναλλαγών. Η βασική ιδέα ενός κανόνα συσχετίσεως είναι να αναπτύξει μια συστηματική μέθοδο με την οποία ένας χρήστης μπορεί να προβλέψει την εμφάνιση κάποιων αντικειμένων, δοσμένης της ύπαρξης κάποιων άλλων σε μια συναλλαγή, και συνήθως αποτελούν συνεπαγωγές της μορφής Χ=>Y. Παράδειγμα ενός τέτοιου κανόνα είναι: “οι πελάτες που αγοράζουν κινητά τηλέφωνα και handsfree αγοράζουν και θήκη για το κινητό τους”. Τα τελευταία χρόνια είχε γίνει κοινός τόπος όλων των μελετών και των ερευνητών οι αδυναμίες και τα μειονεκτήματα του μοντέλου εύρεσης κανόνων συσχετίσεων. Στόχος μας ήταν να επιλύσουμε υπάρχοντα προβλήματα αλλά και να εκθέσουμε και να αντιμετωπίσουμε κάποια νέα. Σαν σύγγραμμα η παρούσα διατριβή μπορεί να χωριστεί σε τρία κομμάτια. Το πρώτο είναι τα τρία πρώτα κεφάλαια, τα οποία και αποτελούν εισαγωγικά κεφάλαια απαραίτητα για την υποστήριξη και κατανόηση της δουλειάς μας. Ακολούθως τα κεφάλαια 4 έως 8 αποτελούν το δεύτερο και κύριο κομμάτι της παρούσας διατριβής, και περιγράφουν διάφορες τεχνικές και προτάσεις μας, αποτελέσματα της ερευνάς μας. Το τρίτο και τελευταίο κομμάτι της διατριβής, αναφορικά το Κεφάλαιο 9, αποτελεί την σύνοψη ολόκληρης της εργασίας μας όπου παραθέτουμε εν συντομία την τελική προσφορά μας στο χώρο, δίνουμε πιθανές εφαρμογές των προτάσεων μας, και τέλος προτείνουμε μελλοντικές κατευθύνσεις της έρευνας σε ανοιχτά πεδία – προβλήματα.