Εφαρμογή τεχνικών και μεθόδων ανάλυσης σύγχρονων κοινωνικών δικτύων

Abstract

This doctoral dissertation addresses the challenge of automated proposal merging within e-deliberation systems, aiming to improve the organization and effectiveness of participatory political discourse. The research focuses on the development of a hybrid mechanism for measuring sentence similarity, which combines lexical and conceptual features to detect semantically related proposals. The methodology includes lexical normalization of Greek data through the ILSP Lemmatizer tool, lexical similarity computation using distance-based metrics, and conceptual analysis based on semantic representations. The combination of these results led to the formulation of a hybrid similarity index, which was applied to real data from the PODS system. Experimental results demonstrated that the proposed approach significantly enhances the accuracy of identifying related proposals and reduces thematic overlap during the deliberation process. The contribution of this dissertation lies in bridging computational natural language processing with the needs of electronic democracy, offering a reliable and practically applicable model for strengthening participatory governance.

Η παρούσα διδακτορική διατριβή πραγματεύεται το ζήτημα της αυτοματοποιημένης συγχώνευσης προτάσεων στο πλαίσιο των συστημάτων ηλεκτρονικής διαβούλευσης (e-deliberation), με σκοπό τη βελτίωση της οργάνωσης και της αποτελεσματικότητας του συμμετοχικού πολιτικού λόγου. Η έρευνα εστιάζει στην ανάπτυξη ενός υβριδικού μηχανισμού μέτρησης ομοιότητας προτάσεων, ο οποίος συνδυάζει λεξιλογικά και εννοιολογικά χαρακτηριστικά για την ανίχνευση νοηματικά συναφών προτάσεων. Η μεθοδολογία περιλαμβάνει τη λεξιλογική κανονικοποίηση ελληνικών δεδομένων μέσω του εργαλείου ILSP Lemmatizer, τον υπολογισμό λεξιλογικής ομοιότητας με μετρικές απόστασης και την εννοιολογική ανάλυση με χρήση σημασιολογικών αναπαραστάσεων. Ο συνδυασμός των αποτελεσμάτων οδήγησε στη διαμόρφωση ενός υβριδικού δείκτη ομοιότητας, ο οποίος εφαρμόστηκε σε πραγματικά δεδομένα από το σύστημα PODS. Τα πειραματικά αποτελέσματα έδειξαν ότι η προτεινόμενη προσέγγιση βελτιώνει σημαντικά την ακρίβεια αναγνώρισης συναφών προτάσεων και μειώνει τη θεματική επικάλυψη κατά τη διαδικασία της διαβούλευσης. Η συμβολή της διατριβής έγκειται στη γεφύρωση της υπολογιστικής επεξεργασίας φυσικής γλώσσας με τις ανάγκες της ηλεκτρονικής δημοκρατίας, προσφέροντας ένα αξιόπιστο και πρακτικά εφαρμόσιμο μοντέλο ενίσχυσης της συμμετοχικής διακυβέρνησης.