Η ταχεία ανάπτυξη των δεδομένων που παράγονται από διαδικτυακές πλατφόρμες έχει κάνει τις τεχνικές ανάλυσης δεδομένων στα μέσα κοινωνικής δικτύωσης όλο και πιο σημαντικές. Οι βάσεις NoSQL, ειδικά οι βάσεις δεδομένων γραφημάτων, έχουν αναδειχθεί ως ένα ισχυρό εργαλείο για την ανάλυση δεδομένων μέσων κοινωνικής δικτύωσης λόγω της ικανότητάς τους να αποθηκεύουν και να επεξεργάζονται αποτελεσματικά δεδομένα, δομημένα με τοπολογία γραφήματος. Αυτή η εργασία διερευνά τη χρήση βάσεων δεδομένων NoSQL για την ανάλυση δεδομένων κοινωνικών μέσων, εστιάζοντας στην ανάλυση, τη μοντελοποίηση και την κατανόηση των σχέσεων και των αλληλεπιδράσεων μεταξύ ατόμων ή ομάδων σε ένα δίκτυο.

Θα γίνει εστίαση στην ανάλυση των μέσων κοινωνικής δικτύωσης και στον εντοπισμό συγκεκριμένων προτύπων, όπως οι κοινότητες ή οι ομάδες, μέσα στο δίκτυο, εφαρμόζοντας αλγόριθμους αντιστοίχισης που μπορούν να εφαρμοστούν για τον εντοπισμό αυτών των μοτίβων, παρέχοντας πληροφορίες για τη δομή και την οργάνωση του δικτύου, καθώς και για τους ρόλους και τις σχέσεις των ατόμων μέσα σε αυτό. Αυτές οι πληροφορίες είναι πολύτιμες για διάφορους σκοπούς, συμπεριλαμβανομένου του στοχευμένου μάρκετινγκ και του εντοπισμού κόμβων ή οντοτήτων με επιρροή στο δίκτυο.

Επιπλέον, θα εφαρμοστεί ανάλυση συναισθήματος με χρήση τεχνητής νοημοσύνης για κατανόηση των δεδομένων όπου ένα τέτοιο παράδειγμα εξυπηρετεί τις επιχειρήσεις να βελτιώσουν τις προσφορές προϊόντων τους, μαθαίνοντας τις ανάγκες των καταναλωτών και να αποκτήσουν βαθύτερες γνώσεις για συγκεκριμένα χαρακτηριστικά προϊόντων, επιτρέποντας την προληπτική λήψη αποφάσεων και τον στρατηγικό σχεδιασμό.

Τα αποτελέσματα της συγκεκριμένης έρευνας θα καταδεικνύουν την αποτελεσματικότητα των βάσεων δεδομένων NoSQL στην ανάλυση δεδομένων κοινωνικών μέσων, όπου αξιοποιώντας τη δομή της τοπολογίας  δεδομένων γραφημάτων, οι βάσεις δεδομένων NoSQL επιτρέπουν την αποτελεσματική αποθήκευση και ανάκτηση πληροφοριών, διευκολύνοντας πολύπλοκες εργασίες ανάλυσης.

The rapid growth of data generated by online platforms has made data analysis techniques in social media increasingly important. NoSQL databases, especially graph databases, have emerged as a powerful tool for social media data analysis due to their ability to efficiently store and process data structured in a graph topology. This paper explores the use of NoSQL databases for analyzing social media data, focusing on the analysis, modeling, and understanding of relationships and interactions between individuals or groups within a network.

There will be a focus on social media analysis and the identification of specific patterns, such as communities or groups within the network, by applying matching algorithms that can be used to identify these patterns, providing insights into the structure and organization of the network, as well as the roles and relationships of individuals within it. This information is valuable for various purposes, including targeted marketing and identifying influential nodes or entities within the network.

In addition, sentiment analysis using artificial intelligence will be applied to understand the data, where such an example serves businesses to improve their product offerings by learning consumer needs and gaining deeper insights into specific product features, enabling proactive decision-making and strategic planning.

The results of this research will demonstrate the effectiveness of NoSQL databases in social media data analysis, whereby leveraging the graph topology structure, NoSQL databases enable efficient storage and retrieval of information, facilitating complex analysis tasks.