Wikidata | DBpedia | SPARQL | RDF | Δομημένα Δεδομένα | Linked Data | Σημείο ενδιαφέροντος | Point Of Interest | Universal Windows Platform | OpenStreetMap | Δημοφιλία σημείων ενδιαφέροντος | POIs popularity | Semantic content
31
Περιέχει: πίνακες, εικόνες
Ένα από τα σημαντικότερα προβλήματα που συναντώνται στην υλοποίηση (κινητών) εφαρμογών ανάδειξης και προβολής τουριστικού ή/και πολιτιστικού αποθέματος είναι η επιμέλεια έγκυρου και πλούσιου ερμηνευτικού περιεχομένου για τα σημεία ενδιαφέροντος (αξιοθέατα) μιας περιοχής. Η επεξεργασία και επιμέλεια περιεχομένου γίνεται, κατά κανόνα, χειροκίνητα και συνεπώς αποτελεί μια -κατά τεκμήριο- χρονοβόρα και δύσκολη διαδικασία. Η παρούσα εργασία διερευνά τις τεχνολογίες του Σημασιολογικού Ιστού που χρησιμοποιούνται από online πηγές, ώστε να είναι εφικτή η οργάνωση, αποθήκευση και εξόρυξη της υπάρχουσας ανοργάνωτης και κατακερματισμένης πληροφορίας που διατίθεται στον σημερινό Ιστό. Περιγράφει την εφαρμογή (που αναπτύχθηκε στα πλαίσια της εργασίας) και τους στόχους αυτής, που είναι η (ημί)αυτοματοποίηση της διαδικασίας ανάκτησης και προετοιμασίας ερμηνευτικού περιεχομένου για αξιοθέατα τουριστικού/πολιτιστικού ενδιαφέροντος αξιοποιώντας τους πόρους που συγκεντρώνονται από online δομημένες πηγές όπως οι Wikidata και DBpedia και η ανάθεση -δυναμικά επαναϋπολογιζόμενων- δεικτών δημοφιλίας σε αυτά. Αναλύει, επίσης, τον τρόπο που πραγματοποιείται η εξόρυξη τέτοιου τύπου περιεχομένου και προβολής του στους χρήστες σε τουριστική ξενάγηση ή περιήγησή τους σε έναν τόπο μέσω μιας κινητής εφαρμογής.
One of the key problems encountered in the implementation of tourist and cultural information –mobile- applications lies in processing rich and valid semantic content concerning the attractions of an area. The editing and processing of such content is generally carried out manually and, therefore, has been so far a demanding and time consuming procedure. This dissertation explores the Semantic Web technologies used from online sources so that the management, storing and mining of the currently unrelated and fragmented available information (on the present web) can become feasible. It describes the application (developed within the scope of the dissertation) and its goals, which are the (semi)automatic extraction and distribution of semantic content for tourist/cultural points of interest based on structured online sources such as Wikidata and DBpedia, as well as the assignment of popularity index rating to these attractions. Moreover, the study elaborates the way such type data mining content is implemented and presented to the users in a tourist-guided-tour mobile app.
Εξόρυξη πληροφορίας τουριστικού/πολιτιστικού ενδιαφέροντος από δομημένες online πηγές