Εξατομικευμένη, σημασιολογική και διερευνητική ανάλυση δεδομένων

Περίληψη

Στην εποχή των Μεγάλων Δεδομένων, τα συστήματα αντιμετωπίζουν σημαντικές προκλήσεις που σχετίζονται με την αποδοτικότητα και την αποτελεσματικότητα τους. Οι προκλήσεις αυτές απορρέουν κυρίως από τον Όγκο, την Ετερογένεια και την Ταχύτητα που χαρακτηρίζει τα δεδομένα σήμερα. Σε αυτό το πλαίσιο, τα σημερινά συστήματα πρέπει σε πραγματικό χρόνο να διαχειρίζονται μεγάλους όγκους δεδομένων, καθώς και να λειτουργούν σε περιβάλλοντα όπου διαφορετικοί χρήστες οι οποίοι εργάζονται σε διάφορα σενάρια, δημιουργούν, διερευνούν και αναλύουν ποικίλες μορφές δεδομένων. Προς την κατεύθυνση αυτή, η παρούσα διατριβή μελετά την ανάπτυξη εξατομικευμένων, διερευνητικών και σημασιολογικών τεχνικών για την διαχείριση και ανάλυση Μεγάλων Δεδομένων. Πιο συγκεκριμένα, προτείνονται μέθοδοι για: (α) κλιμακούμενη διαχείριση και ανάλυση δεδομένων βασισμένη σε προτιμήσεις χρηστών (β) αποδοτική διερεύνηση και οπτικοποίηση μεγάλων συνόλων δεδομένων και (γ) σημασιολογική ολοκλήρωση, διερεύνηση και ανάκτηση δεδομένων.Ό ...
περισσότερα

Περίληψη σε άλλη γλώσσα

In the Big Data era, systems in several application areas face significant efficiency and effectiveness challenges, due to the ever increasing Volume, Variety and Velocity of data. In this context, systems have to handle vast amounts of data in real time and operate in environments where different users, working on different scenarios, generate, explore and analyse different forms of data. To this direction, this thesis studies the development of personalization, exploration and semantic techniques for facilitating Big Data management and analysis. Specifically, we propose methods for: (a) scalable preference-aware data management and analysis; (b) efficient exploration and visualization over large datasets; and (c) semantic data integration, exploration and retrieval.In the context of personalized data analysis, we study the following problems. First, we study the problem of finding and ranking objects that are preferable by a group of users based on their preferences. We propose an o ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/37924
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/37924
ND
37924
Εναλλακτικός τίτλος
Personalized, semantic and exploratory data analysis
Συγγραφέας
Μπικάκης, Νικόλαος του Εμμανουήλ
Ημερομηνία
2016
Ίδρυμα
Εθνικό Μετσόβιο Πολυτεχνείο (ΕΜΠ). Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών
Εξεταστική επιτροπή
Σελλής Τιμολέων
Βασιλείου Ιωάννης
Στάμου Γεώργιος
Κοντογιάννης Κωνσταντίνος
Δαλαμάγκας Θεόδωρος
Κουμπαράκης Εμμανουήλ
Δεληγιαννάκης Αντώνιος
Επιστημονικό πεδίο
Φυσικές ΕπιστήμεςΕπιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική
Λέξεις-κλειδιά
Μεγάλα δεδομένα; Εξατομικευμένα συστήματα; Διερεύνηση δεδομένων; Οπτικοποίηση; Οπτική ανάλυση; Σημασιολογικός ιστός; Διαλειτουργικότητα; Επεξεργασία ερωτήσεων; Ταξινόμηση; Χωρικά δεδομένα; Συστήματα συστάσεων
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
xviii, 207 σ., πιν., σχημ., γραφ.
Ειδικοί όροι χρήσης/διάθεσης
Το έργο παρέχεται υπό τους όρους της δημόσιας άδειας του νομικού προσώπου Creative Commons Corporation:
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)