Ανάλυση και πρόβλεψη τάσεων μόδας με χρήση τεχνικών Hashed Indexing και διαχείρισης δεδομένων
Loading...
Date
2026-06-15
Authors
Βελαώρα, Μαρία
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η σύγχρονη βιομηχανία της μόδας παράγει καθημερινά τεράστιο όγκο αδόμητων κειμενικών-δεδομένων στο διαδίκτυο. Η έγκαιρη αναγνώριση των αναδυόμενων τάσεων (micro-trends)-μέσα από αυτόν τον όγκο πληροφορίας αποτελεί ένα σύνθετο πρόβλημα που απαιτεί-υπολογιστικές λύσεις. Η παρούσα διπλωματική εργασία παρουσιάζει τον σχεδιασμό και την-υλοποίηση ενός ολοκληρωμένου συστήματος συλλογής, αποθήκευσης και ανάλυσης-δεδομένων, με σκοπό την ποσοτικοποίηση και την πρόβλεψη των τάσεων στον χώρο της-μόδας.
Η μεθοδολογία της εργασίας βασίζεται στην αυτοματοποιημένη εξόρυξη δεδομένων (web-scraping) από διαδικτυακά άρθρα και στην αποθήκευσή τους σε μια μη-σχεσιακή βάση-δεδομένων (MongoDB). Για την αποδοτική αναζήτηση και ευρετηρίαση της πληροφορίας,-αναπτύχθηκε ένας ανεστραμμένος δείκτης (Hashed Inverted Index) με χρήση του-κρυπτογραφικού αλγορίθμου SHA-256. Η αναλυτική διαδικασία ενσωματώνει τεχνικές-Επεξεργασίας Φυσικής Γλώσσας (NLP) και στατιστικής μοντελοποίησης. Συγκεκριμένα,-εφαρμόζεται η μέθοδος TF-IDF για την εξαγωγή σημαντικών όρων με υψηλό κέρδος-πληροφορίας και το μοντέλο VADER για την αξιολόγηση του συναισθήματος (sentiment-analysis) του κοινού απέναντι σε κάθε τάση. Τέλος, χρησιμοποιείται Γραμμική Παλινδρόμηση-(Linear Regression) σε δεδομένα χρονοσειρών για την πρόβλεψη της μελλοντικής πορείας-των τάσεων, ταξινομώντας τες σε ανοδικές, σταθερές ή φθίνουσες.
Τα αποτελέσματα της υλοποίησης καταδεικνύουν ότι η προτεινόμενη αρχιτεκτονική-μετατρέπει επιτυχώς την αδόμητη πληροφορία σε μετρήσιμους δείκτες. Το σύστημα-προσφέρει μια αντικειμενική, βασισμένη σε δεδομένα προσέγγιση για την κατανόηση της-δυναμικής της αγοράς, αντικαθιστώντας την υποκειμενική παρατήρηση με ένα πρακτικό-εργαλείο λήψης αποφάσεων.
Description
Keywords
Κατακερματισμένο ανεστραμμένο ευρετήριο, Επεξεργασία φυσικής γλώσσας, Ανάκτηση πληροφορίας, Τάσεις μόδας, Ανάλυση συναισθήματος, Γραμμική παλινδρόμηση