URI | http://purl.tuc.gr/dl/dias/0379CE87-6802-4795-B7F8-11EAE9ABFFFA | - |
Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.105032 | - |
Γλώσσα | el | - |
Μέγεθος | 326 σελίδες | el |
Τίτλος | Αλγόριθμοι μηχανικής μάθησης για την ανάλυση των μέσων κοινωνικής δικτύωσης | el |
Δημιουργός | Vasileiadis Georgios | en |
Δημιουργός | Βασιλειαδης Γεωργιος | el |
Συντελεστής [Επιβλέπων Καθηγητής] | Papadakis Nikolaos | en |
Συντελεστής [Επιβλέπων Καθηγητής] | Παπαδακης Νικολαος | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Daras Nikolaos | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Δαρας Νικολαος | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Matsatsinis Nikolaos | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Ματσατσινης Νικολαος | el |
Εκδότης | Πολυτεχνείο Κρήτης | el |
Εκδότης | Technical University of Crete | en |
Εκδότης | Hellenic Army Academy | en |
Εκδότης | Στρατιωτική Σχολή Ευελπίδων | el |
Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Production Engineering and Management | en |
Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησης | el |
Περίληψη | Η ραγδαία εξάπλωση των μέσων κοινωνικής δικτύωσης (Social Media) τα τελευταία χρόνια έχει δημιουργήσει τεράστιες ποσότητες δεδομένων, οι οποίες μπορούν να αξιοποιηθούν για την εξαγωγή γνώσης και την κατανόηση της ανθρώπινης συμπεριφοράς, των τάσεων και της κοινωνικής δυναμικής. Η ανάλυση αυτών των δεδομένων προϋποθέτει εξελιγμένες τεχνικές, με τη Μηχανική Μάθηση (Machine Learning) να διαδραματίζει πρωταγωνιστικό ρόλο σε αυτό το πεδίο. Η παρούσα διπλωματική εργασία αποσκοπεί στη μελέτη των αλγορίθμων μηχανικής μάθησης που χρησιμοποιούνται για την ανάλυση των μέσων κοινωνικής δικτύωσης, παρέχοντας μια θεωρητική και τεχνολογική επισκόπηση, καθώς και μια κριτική αξιολόγηση των σύγχρονων προσεγγίσεων.
Αρχικά, θα παρουσιαστεί συνοπτικά το θεωρητικό υπόβαθρο των μέσων κοινωνικής δικτύωσης και της μηχανικής μάθησης, με ιδιαίτερη έμφαση στις βασικές κατηγορίες και λειτουργίες των αλγορίθμων, όπως η επιβλεπόμενη και μη επιβλεπόμενη μάθηση, η ενισχυτική μάθηση, τα νευρωνικά δίκτυα και οι αλγόριθμοι βαθιάς μάθησης. Στη συνέχεια, θα πραγματοποιηθεί μια λεπτομερής ανάλυση των προσεγγίσεων μηχανικής μάθησης που εφαρμόζονται στην ανάλυση των κοινωνικών δικτύων, όπως η ανάλυση συναισθήματος (sentiment analysis), η ανίχνευση παραπληροφόρησης, η πρόβλεψη συμπεριφοράς χρηστών, η ανάλυση κοινοτήτων και η επεξεργασία φυσικής γλώσσας.
Η εργασία εξετάζει επίσης τα πλεονεκτήματα και τις προκλήσεις της χρήσης των αλγορίθμων αυτών, αναδεικνύοντας θέματα όπως η ακρίβεια των μοντέλων, η ανάγκη για μεγάλα και ποιοτικά δεδομένα, τα ζητήματα ηθικής και ιδιωτικότητας, καθώς και τη δυσκολία ερμηνείας των αποτελεσμάτων. Τέλος, αναλύονται τα ανοιχτά ερευνητικά ζητήματα του πεδίου και προτείνονται κατευθύνσεις για μελλοντική έρευνα, όπως η αξιοποίηση νέων αλγορίθμων βαθιάς μάθησης (π.χ. transformers, LLMs), η προσαρμογή μοντέλων σε δυναμικά περιβάλλοντα και η ενσωμάτωση των κοινωνικών δικτύων σε καινοτόμες τεχνολογίες όπως το metaverse.
Η εργασία φιλοδοξεί να προσφέρει ένα ολοκληρωμένο και ερευνητικά τεκμηριωμένο πλαίσιο κατανόησης της συμβολής της μηχανικής μάθησης στην ανάλυση των μέσων κοινωνικής δικτύωσης, συμβάλλοντας τόσο στη θεωρητική εμβάθυνση όσο και στην πρακτική αξιοποίηση των εργαλείων αυτών σε ένα συνεχώς εξελισσόμενο ψηφιακό περιβάλλον.
| el |
Τύπος | Μεταπτυχιακή Διατριβή | el |
Τύπος | Master Thesis | en |
Άδεια Χρήσης | http://creativecommons.org/licenses/by-nc-nd/4.0/ | en |
Ημερομηνία | 2025-10-14 | - |
Ημερομηνία Δημοσίευσης | 2025 | - |
Θεματική Κατηγορία | Αλγόριθμοι | el |
Θεματική Κατηγορία | Artificial Intelligence | en |
Θεματική Κατηγορία | Machine learning | en |
Θεματική Κατηγορία | Social media | en |
Βιβλιογραφική Αναφορά | Γεώργιος Βασιλειάδης, "Αλγόριθμοι μηχανικής μάθησης για την ανάλυση των μέσων κοινωνικής δικτύωσης", Μεταπτυχιακή Διατριβή, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Στρατιωτική Σχολή Ευελπίδων, Χανιά, Ελλάς, 2025 | el |