Ομαδοποίηση Εγγράφων (Document Clustering)

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Ομαδοποίηση Εγγράφων (Document Clustering)"

Transcript

1 Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών Άνοιξη 2008 HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems Ομαδοποίηση Εγγράφων (Document Clustering) Γιάννης Τζίτζικας ιάλεξη :13 Ημερομηνία : CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 1 Clustering Clustering is the process of grouping similar objects into naturally associated subclasses. This process results in a set of clusters which somehow describe the underlying objects at a more abstract or approximate level. The process of clustering is typically based on a similarity measure which allows the objects to be classified into separate natural groupings. A cluster is then simply a collection of objects that are grouped together because they collectively have a strong internal similarity based on such a measure. A similarity measure (or dissimilarity measure) quantifies the conceptual distance between two objects, that is, how alike or disalike a pair of objects are. Determining exactly what type of similarity measure to use is typically a domain dependent problem. CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 2

2 Clustering A clustering of a set N is a partition of N, i.e. a set C 1,, C k of subsets of N, such that: C 1 C k = N and C i C j =, for all i j. According to the above definition, clusters are disjoint (C i C j =, for all i j.) However there are clustering approaches that yield overlapping clusters (it may be C i C j ) Clustering is used in areas such as: medicine, anthropology, economics, data mining software engineering (reverse engineering, program comprehension, software maintenance) information retrieval In general, any field of endeavor that necessitates the analysis and comprehension of large amounts of data may use clustering. CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 3 Clustering Example CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 4

3 Παράδειγμα ομαδοποίησης αποτελεσμάτων CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 5 Παράδειγμα ομαδοποίησης αποτελεσμάτων CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 6

4 Παράδειγμα ομαδοποίησης αποτελεσμάτων CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 7 q=santorini CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 8

5 Τύποι Ομαδοποίησης Ανάλογα με τη σχέση μεταξύ Ιδιοτήτων και Κλάσεων Monothetic clustering Polythetic clustering Ανάλογα με τη σχέση μεταξύ Αντικειμένων και Κλάσεων Αποκλειστική (exclusive) ομαδοποίηση Επικαλυπτόμενη (οverlapping) ομαδοποίηση Ένα αντικείμενο μπορεί να ανήκει σε παραπάνω από μία κλάση Ανάλογα με τη σχέση μεταξύ Κλάσεων Χωρίς διάταξη: οι κλάσεις δεν συνδέονται μεταξύ τους Με διάταξη (ιεραρχική): υπάρχουν σχέσεις μεταξύ των κλάσεων CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 9 Monothetic vs. Polythetic Monothetic Μια κλάση ορίζεται βάσει ενός συνόλου ικανών και αναγκαίων ιδιοτήτων που πρέπει να ικανοποιούν τα μέλη της (Αριστοτελικός ορισμός) Polythetic Μια κλάση ορίζεται βάσει ενός συνόλου ιδιοτήτων Φ =φ1,...,φn, τ.ω. Κάθε μέλος της κλάσης πρέπει να έχει ένα μεγάλο αριθμό των ιδιοτήτων Φ Κάθε φ του Φ χαρακτηρίζει πολλά αντικείμενα Δεν είναι αναγκαίο να υπάρχει μια φ που να ικανοποιείται από όλα τα μέλη της κλάσης Στην ΑΠ, έχει δοθεί έμφαση σε αλγόριθμους για αυτόματη παραγωγή polythetic classifications. CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 10

6 Monothetic vs. Polythetic 8 individuals (1-8) and 8 properties (A-H). The possession of a property is indicated by a plus sign. The individuals 1-4 constitute a polythetic group each individual possessing three out of four of the properties A,B,C,D. The other 4 individuals can be split into two monothetic classes {5,6} and {7,8}. CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 11 Μέτρα Συσχέτισης (Association) Μετρικές συναρτήσεις ομοιότητας, συσχέτισης (απόστασης): Pairwise measure Similarity increases as the number or proportion of shared properties increase Typically normalized between 0 and 1 S(X,X)=1, S(X,Y)=S(Y,X) Παραδείγματα μετρικών ομοιότητας Οι περισσότερες είναι κανονικοποιημένες εκδόσεις του Χ Y ή του εσωτερικού γινομένου (εάν έχουμε βεβαρημένους όρους) Dice s coefficient 2 Χ Y / X + Y Jaccard s coefficient Χ Y / X Y Cosine correlation Δεν υπάρχει το «καλύτερο» μέτρο (που να δίνει τα καλύτερα αποτελέσματα σε κάθε περίπτωση) CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 12

7 Παραδείγματα Μέτρων για Έγγραφα Dice s coefficient 2 Χ Y / X + Y Jaccard s coefficient Χ Y / X Y Μέτρα για την περίπτωση που τα βάρη δεν είναι δυαδικά: DiceSim (dj, dm) = t 2 t i= 1 w ( ij w 2 ij + i= 1 i= 1 t w im ) w im 2 JaccardSim (dj, dm) = CosSim(dj, dm) = r d r d j j t w r r d d m m ij 2 + i= 1 i= 1 CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 13 = t i= 1 t ( w i = 1 t w im t ij 2 ( w w t ( w i= 1 w ij im ) ij i = 1 i = 1 2 ij w t w im ) im ) w im 2 Ομαδοποίηση ως τρόπος Αναπαράστασης (Clustering as Representation) Η ομαδοποίηση είναι μια μορφή μη επιτηρούμενης μάθησης (unsupervised learning) Για εκμάθηση της υποκείμενης δομής και κλάσεων Η ομαδοποίηση είναι μια μορφή μετασχηματισμού της αναπαράστασης (representation transformation) Τα έγγραφα παριστάνονται όχι μόνο βάσει των όρων αλλά και βάσει των κλάσεων στις οποίες μετέχουν Η ομαδοποίηση μπορεί να θεωρηθεί ως μια τεχνική για μείωση των διαστάσεων (dimensionality reduction) Ειδικά το term clustering Latent Semantic Indexing, Factor Analysis είναι παρόμοιες τεχνικές CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 14

8 Ομαδοποίηση για βελτίωση της απόδοσης (Clustering for Efficiency) Ένας τρόπος επιτάχυνσης της αποτίμησης των επερωτήσεων θα μπορούσε να είναι ο εξής Method: 1/ Cluster all documents of the collection We have to do it only once 2/ Represent clusters by mean or average document We have to do it only once 3/ compare each received query to the cluster representatives It is like ranking the cluster representatives (as if they were document vectors) 4/ Return the documents of the most similar(s) cluster(s) CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 15 Ομαδοποίηση για βελτίωση της Αποτελεσματικότητας (Clustering for Effectiveness) By transforming representation, clustering may also result in more effective retrieval Retrieval of clusters makes it possible to retrieve documents that may not have many terms in common with the query E.g. LSI CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 16

9 Document Clustering Approaches Graph Theoretic Defines clusters based on a graph where documents are nodes and edges exist if similarity greater than some threshold Require at least O(n^2) computation Naturally hierarchic (agglomerative) Good formal properties Reflect structure of data Based on relationships to cluster representatives or means Define criteria for separability of cluster representatives Typically have some measure of goodness of cluster Require only O(n logn) or even O(n) computations Tend to impose structure (e.g. number of clusters) Can have undesirable properties (e.g. order dependence) Usually produce partitions (no overlapping clusters) CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 17 Criteria of Adequacy for Clustering Methods Criteria Stability under growth The method produces a clustering which is unlikely to be altered drastically when further objects are incorporated (stable under growth) Stability The method is stable in the sense that small errors in the description of objects lead to small changes in the clustering Order Independence The method is independent of the initial ordering of the objects CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 18

10 Graph Theoretic Clustering Algorithms Graph Clustering Graph clustering deals with the problem of clustering a graph the nodes of the graph are the objects to be clustered an edge between two nodes of the graph exist if the similarity of the nodes is greater than some threshold we can view the clustering process as a process that groups similar nodes into a set of subgraphs CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 20

11 Quality criteria for graph clustering methods Graph clustering methods should produce clusters with high cohesion and low coupling high cohesion: there should be many internal edges low cut size : The cut size (else called external cost) of a clustering measures how many edges are external to all sub-graphs, that is, how many edges cross cluster boundaries. Uniformity of cluster size is also often desirable. A uniform graph clustering is where C i is close to C j for all i,j in {1..k} CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 21 Example A 2 B Cut size = C A B Cut size =2 4 C CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 22

12 Quality Measures for Graph Clustering There are several. One well known is the CC measure (Coupling-Cohesion measure) CC E = in E E E in : the internal edges: those that connect nodes of the same cluster E ex : the external edges: those that cross cluster boundaries maximum value of CC: 1 when all edges are internal minimum value of CC: -1 when all edges are external ex CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 23 Example A 2 B Cut size = C CC = = 0. 2 A B C 5 6 Cut size =2 8 2 CC = 10 = CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 24

13 Hierarchical Graph Clustering The clusters of the graph can be clustered themselves to form a higher level clustering, and so on. A hierarchical clustering is a collection of clusters where any two clusters are either disjoint or nested. E A C 9 B A D B C CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 25 Hierarchical Clustered Graph A Hierarchical Clustered Graph (HCG) is a pair (G,T) where G is the underlying graph, and T is a rooted tree such that the leaves of T are the nodes of G. (the tree T represents an inclusion relationship: the leaves of T are nodes of G, the internal nodes of T represent a set of graph nodes, i.e. a cluster) E D E HCG A B 5 6 D A B C 4 C CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 26

14 Implied Edges Implied edges: edges between the internal nodes. Two clusters are connected iff the nodes that they contain are related. Multiple implied edges (between the same pair of clusters) can be ignored or summed up to form weighted implied edges. Thresholding can applied in order to filter out some implied edges E D 1 A B C A Hierarchical Compound Graph is a triad (G,T, I) where (G,T) is a hierarchical clustered graph (HCG), and I the set of implied edges set. CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 27 Graph Theoretic Clustering Approaches Given a graph of objects connected by links that represent similarities greater than some threshold, the following cluster definitions are straightforward: Connected Component: subgraph such that each node is connected to at least one other node in the subgraph and the set of nodes is maximal with respect to that property Called single link clusters Maximal complete subgraph: subgraph such that each node is connected to every other node in the subgraph (clique) Complete link clusters Others are possible and very common: Average link: each cluster member has a greater average similarity to the remaining members of the cluster than it does to all members of any other cluster CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 28

15 Hierarchical Clustering Build a tree-based hierarchical taxonomy (dendrogram). Recursive application of a standard clustering algorithm can produce a hierarchical clustering. animal vertebrate fish reptile amphib. mammal invertebrate worm insect crustacean Hierarchical Clustering Methods Agglomerative (συσσώρευσης) (bottom-up) methods start with each example in its own cluster and iteratively combine them to form larger and larger clusters. Divisive (διαίρεσης) (partitional, top-down) separate all examples immediately into clusters. CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 29 An hierarchical (agglomerative ) clustering algorithm 1/ Βάλε κάθε έγγραφο σε ένα διαφορετικό cluster 2. Υπολόγισε την ομοιότητα μεταξύ όλων των ζευγαριών cluster 3. Βρες το ζεύγος {Cu,Cv} με την υψηλότερη (inter-cluster) ομοιότητα 4. Συγχώνευσε τα clusters Cu, Cv 5. Επανέλαβε (από το βήμα 2) έως ότου να καταλήξουμε να έχουμε 1 μόνο cluster 6. Επέστρεψε την ιεραρχία των clusters (το ιστορικό των συγχωνεύσεων) CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 30

16 An hierarchical (agglomerative ) clustering algorithm 1/ Βαλε κάθε έγγραφο σε ένα διαφορετικό cluster C:= ; For i=1 to n C:=C [di] 2. Υπολόγισε την ομοιότητα μεταξύ όλων των ζευγαριών cluster Compute SIM(c,c ) for each c, c C 3. Βρες το ζεύγος {Cu,Cv} με την υψηλότερη (inter-cluster) ομοιότητα 4. Συγχώνευσε τα clusters Cu, Cv 5. Επανέλαβε (από το βήμα 2) έως ότου να καταλήξουμε να έχουμε 1 μόνο cluster 6. Επέστρεψε την ιεραρχία των clusters (το ιστορικό των συγχωνεύσεων) CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 31 An hierarchical (agglomerative) clustering algorithm 1/ Βαλε κάθε έγγραφο σε ένα διαφορετικό cluster C:= ; For i=1 to n C:=C [di] 2. Υπολόγισε την ομοιότητα μεταξύ όλων των ζευγαριών cluster Compute SIM(c,c ) for each c, c C sim(d,d ) = CosineSim(d,d ) or DiceSim(d,d ) or JaccardSim(d,d ) 3. Βρες το ζεύγος {Cu,Cv} με την υψηλότερη (inter-cluster) ομοιότητα 4. Συγχώνευσε τα clusters Cu, Cv 5. Επανέλαβε (από το βήμα 2) έως ότου να καταλήξουμε να έχουμε 1 μόνο cluster 6. Επέστρεψε την ιεραρχία των clusters (το ιστορικό των συγχωνεύσεων) CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 32

17 An hierarchical (agglomerative ) clustering algorithm 1/ Βαλε κάθε έγγραφο σε ένα διαφορετικό cluster C:= ; For i=1 to n C:=C [di] 2. Υπολόγισε την ομοιότητα μεταξύ όλων των ζευγαριών cluster Compute SIM(c,c ) for each c, c C sim(d,d ) = CosineSim(d,d ) or DiceSim(d,d ) or JaccardSim(d,d ) single link: similarity of two most similar. = max{ sim(d,d ) d c,d c } SIM(c,c )=complete link: similarity of two least similar. = min{ sim(d,d ) d c,d c } average link: average similarity b. = avg{ sim(d,d ) d c,d c } 3. Βρες το ζεύγος {Cu,Cv} με την υψηλότερη (inter-cluster) ομοιότητα 4. Συγχώνευσε τα clusters Cu, Cv 5. Επανέλαβε (από το βήμα 2) έως ότου να καταλήξουμε να έχουμε 1 μόνο cluster 6. Επέστρεψε την ιεραρχία των clusters (το ιστορικό των συγχωνεύσεων) CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 33 Dendogram or Cluster Hierarchy CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 34

18 Single Link Example CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 35 Complete Link Example CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 36

19 Σύγκριση Single-link is provably the only method that satisfies criteria of adequacy however it produces long, straggly (ανάκατα) string that are not good clusters Only a single-link required to connect Complete link produces good clusters (more tight, spherical clusters), but too few of them (many singletons) Average-link For both searching and browsing applications, average-link clustering has been shown to produce the best overall effectiveness CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 37 Ward s method (an alternative to single/complete/average link) Cluster merging: Merge the pair of clusters whose merger minimizes the increase in the total within-group error sum of squares, based on the Euclidean distance between centroids Remarks: this method tends to create symmetric hierarchies CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 38

20 Computing the Document Similarity Matrix d 1 d 2 s 21 d 3 : s 31 s 32 : : : : d n s n1 s n2 s n,n-1 d 1 d 2. d n-1 d n Empty because sim(x,y)=sim(y,x) Optimization: Compute sim(di,dj) only if di and dj have at least one term in common (otherwise it is 0) This is done by exploiting the inverted index CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 39 Clustering algorithms based on relationships to cluster representatives or means (Fast Partition Algorithms)

21 Fast Partition Methods Single Pass Assign the document d1 as the representative (centroid,mean) for c1 For each di, calculate the similarity Sim with the representative for each existing cluster If SimMax is greater than threshold value simthres, add the document to the corresponding cluster and recalculate the cluster representative; otherwise use di to initiate a new cluster If a document di remains to be clustered, repeat CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 41 Fast Partition Methods K-means (or reallocation methods) Select K cluster representatives For i = 1 to N, assign di to the most similar centroid For j = 1 to K, recalculate the cluster centroid cj Repeat the above steps until there is little or no change in cluster membership Issues: How should K representatives be chosen? Numerous variations on this basic method cluster splitting and merging strategies criteria for cluster coherence seed selection CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 42

22 K-Means Assumes instances are real-valued vectors. Clusters based on centroids, center of gravity, or mean of points in a cluster, c: For example, the centroid of (1,2,3), (4,5,6) and (7,2,6) is (4,3,5). r μ(c) = 1 c x r c r x Reassignment of instances to clusters is based on distance to the current cluster centroids. CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 43 K Means Example (K=2) Pick seeds Reassign clusters Compute centroids Reasssign clusters x x x x Compute centroids Reassign clusters Converged! CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 44

23 Nearest Neighbor Clusters Cluster each document with its k nearest neighbors Produces overlapping clusters Called star clusters by Sparck Jones Can be used to produce hierarchic clusters cf. documents like this in web search CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 45 Complexity Remarks Computing the matrix with document similarities: O(n^2) Simple reallocation clustering method with k clusters O(kn) πιο γρήγορος από τους αλγορίθμους για ιεραρχική ομαδοποίηση Agglomerative or Divisive Hierarchical Clustering: απαιτεί n-1 συγχωνεύσεις/διαιρέσεις η πολυπλοκότητα του είναι τουλάχιστον O(n^2) CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 46

24 Cluster Searching Document Retrieval from a Clustered Data Set Top-down searching: start at top of cluster hierarchy,choose one of more of the best matching clusters to expand at the next level tends to get lost Bottom-up searching: create inverted file of lowestlevel clusters and rank them more effective indicates that highest similarity clusters (such as nearest neighbor) are the most useful for searching After clusters are retrieved in order, documents in those clusters are ranked Cluster search produces similar level of effectiveness to document search, finds different relevant documents CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 47 Some notes HAC and K-Means have been applied to text in a straightforward way. Typically use normalized, TF/IDF-weighted vectors and cosine similarity. Optimize computations for sparse vectors. Applications: During retrieval, add other documents in the same cluster as the initial retrieved documents to improve recall. Clustering of results of retrieval to present more organized results to the user (e.g. vivisimo search engine) Automated production of hierarchical taxonomies of documents for browsing purposes (like Yahoo & DMOZ). CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 48

25 Questions: Human Clustering (χειρονακτική ομαδοποίηση) Is there a clustering that people will agree on? Is clustering something that people do consistently? Yahoo suggests there s value in creating categories Fixed hierarchy that people like Human performance on clustering Web pages Macskassy, Banerjee, Davison, and Hirsh (Rutgers) KDD 1998, and extended technical report Αποτελέσματα: Μάλλον δεν υπάρχει μεγάλη συμφωνία γενικά προτίμηση σε μικρά clusters άλλοι χρήστες προτιμούν/δημιουργούν επικαλυπτόμενα, άλλοι αποκλειστικά clusters τα περιεχόμενα των clusters διέφεραν αρκετά γενική ομαδοποίηση (ανεξαρτήτου επερώτησης) δεν φαίνεται να είναι πολύ χρήσιμη CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 49 Παραδείγματα Ομαδοποίησης Αποτελεσμάτων Αναζήτησης (Results Clustering)

26 Vivisimo.com CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 51 Clusty.com CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 52

27 CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 53 On mouse over hotels CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 54

28 CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 55 Grouper It is a Research Web Meta-Search Engine Users can specify the number of documents to be retrieved (10-200) from each of the participating search engines. The system queries 10 search engines, so it will retrieve documents. Clustering is applied on snippets returned by the search engines. Snippet: a fragment of a web page returned by search engines summarizing the context of search keywords Clusters together documents with large common subphrases. It uses the Suffix Tree Clustering (STC) algorithm create overlapping clusters because all suffixes of each phrase are generated CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 56

29 Grouper CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 57 Carrot 2 (www.carrot2.org) Open-source Web Meta-Search Engine Acquire search results from various sources (YahooAPI, GoogleAPI, MSN Search API, etools Meta Search, Alexa Web Search, PubMed, OpenSearch, Lucene index, SOLR) 5 clustering algorithms are available that are suitable for different kinds of document clustering tasks STC FussyAnts Lingo HAOG-STC Rough k-means Open-source implementation of Grouper Lingo is the default clustering algorithm used in the Carrot2 live demos. CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 58

30 Carrot 2 (www.carrot2.org) CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 59 Carrot 2 (www.carrot2.org) CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 60

31 SNAKET (http://snaket.di.unipi.it) Open-source Web Meta-Search Engine Draws about 200 snippets from 16 search engines about Web, Blog, News and Books domain Offers both hierarchical clustering and folder labeling with variable-length sentences drawn on-the-fly from snippets Use gapped sentences as labels, namely sequences of terms occurring notcontiguously into the snippets CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 61 SNAKET (http://snaket.di.unipi.it) CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 62

32 SNAKET (http://snaket.di.unipi.it) Personalized ranking User selects the two labels Tutorial and Training and gets its personalized ranked list CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 63 Next-generation meta search engines Display a visual interface Goal: Make easier the visualization of internet & intranet information Help user apprehend huge quantities of information KartOO (www.kartoo.com/) Display search results as two-dimensional, interactive maps Map Sites are represented by more or less important size pages, depending on their relevance On mouse over these pages, the concerned keywords are illuminated and a brief description of the site appears on the left side of the screen Queries can follow specific syntax E.g. TEXT : Search on the text of the page as a priority LINK : Search a word on the hypertext link follow natural language CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 64

33 KartOO (www.kartoo.com/) CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 65 KartOO (www.kartoo.com/) On mouse over hotel CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 66

34 KartOO (www.kartoo.com/) CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 67 UJIKO (www.ujiko.com/) New version of KartOO Uses the brand new Yahoo (c) search technology, which indexes more than 5 billion pages. Customizable User is free to decide if the website is relevant whether or not by a button heart and trashcan. Clicking on a site, make it go up automatically in the results list with all the associated sites, which share common topics (wide personalization). Separation into levels Each time user visit a new site, he gains one point of expertise. With every 10 points, user move to the next level. New buttons appear giving you access to advanced features (search video, images, news, encyclopedia, advanced filters, animated skins, web archive, traffic details ) From level 2, in the center of screen are set of themes are displayed Some of these topics are coloured and linked to small bricks with the same color: these indicate which sites are associated with a specific theme. CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 68

35 UJIKO (www.ujiko.com/) CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 69 UJIKO (www.ujiko.com/) Refined query CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 70

36 KartOOvisu (www.kvisu.com/) Display results with a thematic map Functionalities added Cartography of topics to filter results Contextual summary generated when click on a topic An integrated history of previous searches CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 71 KartOOvisu (www.kvisu.com/) CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 72

37 KartOOvisu (www.kvisu.com/) CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 73 Result Clustering of groogle 2007 Ομαδοποίηση των εγγράφων που εμπεριέχουν τη φράση αναζήτησης με τους αλγορίθμους Kmeans Hierarchical (agglomerative) Ορθή συλλογή (φιλτράρισμα) και ονομασία των πιο πάνω αποτελεσμάτων Kmeans έχει επεκταθεί με ένα επιπλέον βήμα, το οποίο δίνει ένα όνομα σε κάθε cluster και με μεθόδους που δημιουργούν ιεραρχίες πάνω σ αυτά τα ονόματα Bottom-up Intersection (BU-i) Bottom-up Weighted (BU-w) Top-Down (TD) CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 74

38 Result Clustering of groogle 2007 Kmeans 1. Δημιουργείται ένα Label για κάθε Cluster στο οποίο δίνετε ως όνομα αντίστοιχο αριθμό καταχώρισης (1,2,3.Κ). 2. Τα Ν έγγραφα, top-l έγγραφα της τρέχουσας απάντησης, τοποθετούνται τυχαία στα παραπάνω clusters, βάζοντας τα πρώτα Ν/Κ στοπρώτο, τα επόμενα τα Ν/Κ στο επόμενο κ.ο. στην περίπτωση που υπάρχει modulo (υπόλοιπο) μοιράζονται αντίστοιχα στα παραπάνω Clusters L : παράμετρος με default τιμή Για κάθε ένα i=1,,k από τα Clusters υπολογίζονται τα Centroids. Μπορεί να είναι: Ο μέσος όρος των βαρών των αντίστοιχων εγγράφων (Centroids). Το έγγραφο με την πλησιέστερη τιμή στον μέσο όρο των βαρών των αντίστοιχων εγγράφων (Memoids). 4. Για κάθε ένα από τα έγγραφα (documents), αναζητάτε το πιο κοντινό (στην τιμή του βάρους) Centroid (δημιουργία του centroid vector του κάθε cluster) 5. Τα βήματα 3,4 επαναλαμβάνονται μέχρι όλα τα labels να είναι διαφορετικά μεταξύ τους σε κάθε γύρο. Ο αριθμός των επαναλήψεων δίνεται σαν παράμετρος Ωστόσο, η διαδικασία του αλγορίθμου σταματάει σε περίπτωση που δεν έχουμε μετακίνηση- αλλαγή του αντίστοιχου label 6. Υπολογίζεται το όνομα και η ιεραρχικότητα (που τυχόν δημιουργείτε ) για τα αποτελέσματα. CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 75 Result Clustering of groogle 2007 Μέθοδοι που χρησιμοποιούνται για τη δημιουργία ιεραρχιών Bottom-up Intersection (BU-i) Bασίζεται στην ομοιότητα των όρων μεταξύ των original clusters Αρχικά, οι κόμβοι με τα ονόματα με τη μεγαλύτερη (σε μέγεθος) τομή ομαδοποιούνται δημιουργώντας ένα νέο κόμβο με παιδιά αυτούς τους κόμβους Το όνομα ενός νέου κόμβου είναι η τομή των ονομάτων των παιδιών του Η διαδικασία συνεχίζεται μέχρι να φτάσουμε σε έναν κόμβο Οι κόμβοι που ήδη έχουν γονείς αγνοούνται Bottom-up Weighted (BU-w) Bασίζεται στα βάρη των centroid vectors Αρχικά, γίνεται ταξινόμηση των λέξεων του ονόματος κάθε cluster με βάση το βάρος τους σε φθίνουσα σειρά Στη συνέχεια, τα ονόματα των clusters ταξινομούνται αλφαβητικά Έτσι, τα clusters που έχουν τους ίδιους πιο βεβαρημένους όρους θα τοποθετηθούν διαδοχικά Γίνεται ομαδοποίηση δύο ή περισσότερων clusters κάτω από τον ίδιο κόμβο εάν τα ονόματα τους έχουν κάποιο κοινό πρόθεμα Top-Down (TD) Τα original K clusters θεωρούνται παιδιά του κόμβου root Εφαρμόζεται ξανά ο K-means στα περιεχόμενα του κάθε cluster Η διαδικασία γίνεται αναδρομικά έως το δέντρο να έχει βάθος maxdepth ή το μέγεθος του cluster να είναι μικρότερο από ένα όριο(sz mn ) CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 76

39 Result Clustering of groogle 2007 Παραμετροποίηση Κ: αριθμός των αρχικών κέντρων κατανομής του αλγορίθμου, αλλά και εν τέλει το ελάχιστο πλήθος ομάδων που μπορεί να προκύψουν Max number of docs: μέγιστο μέγεθος των εγγράφων που μπορεί να γίνει clustered (default 100) Minimum title: ελάχιστο μήκος του ονόματος για ένα cluster. Επίσης μπορεί να αλλάξει αρκετά τις τιμές ονοματοδοσίας, αν χρησιμοποιηθεί στην bottom up (InterSection approach) Max Depth: μέγιστο βάθος που μπορεί να έχει το δέντρο. Στην περίπτωση του top Down Hierarchy η πραγματική τιμή είναι maxdepth +1 μιας και εφαρμόζουμε τουλ. σε ένα πιο κάτω επίπεδο τον συγκεκριμένο αλγόριθμο Name hierarchy: οι μέθοδοι δημιουργίας ιεραρχικότητας των clusters Max number of words: ο αριθμός των πιο βεβαρημένων όρων που χρησιμοποιούνται από κάθε έγγραφο Max Title Length: μέγιστο πλήθος λέξεων που μπορεί να απαρτίζεται ένα cluster Min docs in cluster(sz mn ): ελάχιστος αριθμός από έγγραφα που θα υπάρχουν σε ένα cluster Προβλήματα Στο ευρετήριο του groogle 2007 αποθηκεύονται μόνο οι ρίζες των λέξεων, με αποτέλεσμα τη μείωση της αναγνωσιμότητας των ονομάτων των cluster που δημιουργούνται CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 77 Result Clustering of groogle 2007 BU-w CS463, Information Retrieval Systems Yannis Tzitzikas, U. of Crete 78

Ομαδοποίηση Εγγράφων (Document Clustering)

Ομαδοποίηση Εγγράφων (Document Clustering) Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών Άνοιξη 007 HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems Ομαδοποίηση Εγγράφων (Document Clustering) Γιάννης Τζίτζικας ιάλεξη

Διαβάστε περισσότερα

ΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 6/5/2006

ΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 6/5/2006 Οδηγίες: Να απαντηθούν όλες οι ερωτήσεις. Ολοι οι αριθμοί που αναφέρονται σε όλα τα ερωτήματα είναι μικρότεροι το 1000 εκτός αν ορίζεται διαφορετικά στη διατύπωση του προβλήματος. Διάρκεια: 3,5 ώρες Καλή

Διαβάστε περισσότερα

ΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 11/3/2006

ΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 11/3/2006 ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 11/3/26 Οδηγίες: Να απαντηθούν όλες οι ερωτήσεις. Ολοι οι αριθμοί που αναφέρονται σε όλα τα ερωτήματα μικρότεροι το 1 εκτός αν ορίζεται διαφορετικά στη διατύπωση

Διαβάστε περισσότερα

ΚΥΠΡΙΑΚΟΣ ΣΥΝΔΕΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY 21 ος ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ Δεύτερος Γύρος - 30 Μαρτίου 2011

ΚΥΠΡΙΑΚΟΣ ΣΥΝΔΕΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY 21 ος ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ Δεύτερος Γύρος - 30 Μαρτίου 2011 Διάρκεια Διαγωνισμού: 3 ώρες Απαντήστε όλες τις ερωτήσεις Μέγιστο Βάρος (20 Μονάδες) Δίνεται ένα σύνολο από N σφαιρίδια τα οποία δεν έχουν όλα το ίδιο βάρος μεταξύ τους και ένα κουτί που αντέχει μέχρι

Διαβάστε περισσότερα

LECTURE 2 CONTEXT FREE GRAMMARS CONTENTS

LECTURE 2 CONTEXT FREE GRAMMARS CONTENTS LECTURE 2 CONTEXT FREE GRAMMARS CONTENTS 1. Developing a grammar fragment...1 2. A formalism that is too strong and too weak at the same time...3 3. References...4 1. Developing a grammar fragment The

Διαβάστε περισσότερα

Terabyte Technology Ltd

Terabyte Technology Ltd Terabyte Technology Ltd is a Web and Graphic design company in Limassol with dedicated staff who will endeavour to deliver the highest quality of work in our field. We offer a range of services such as

Διαβάστε περισσότερα

Business English. Ενότητα # 9: Financial Planning. Ευαγγελία Κουτσογιάννη Τμήμα Διοίκησης Επιχειρήσεων

Business English. Ενότητα # 9: Financial Planning. Ευαγγελία Κουτσογιάννη Τμήμα Διοίκησης Επιχειρήσεων ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Business English Ενότητα # 9: Financial Planning Ευαγγελία Κουτσογιάννη Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης Το παρόν εκπαιδευτικό

Διαβάστε περισσότερα

Λέξεις, φράσεις και προτάσεις

Λέξεις, φράσεις και προτάσεις 1 Λέξεις, φράσεις και προτάσεις (Words, phrases and clauses) The Greek language, like all human languages, has a Lexicon and a Grammar that are used to create sentences. The Lexicon consists of the words

Διαβάστε περισσότερα

Ρύθμιση e-mail σε whitelist

Ρύθμιση e-mail σε whitelist Ρύθμιση e-mail σε whitelist «Δουλεύω Ηλεκτρονικά, Δουλεύω Γρήγορα και με Ασφάλεια - by e-base.gr» Web : www.e-base.gr E-mail : support@e-base.gr Facebook : Like Twitter : @ebasegr Πολλές φορές αντιμετωπίζετε

Διαβάστε περισσότερα

Εγκατάσταση λογισμικού και αναβάθμιση συσκευής Device software installation and software upgrade

Εγκατάσταση λογισμικού και αναβάθμιση συσκευής Device software installation and software upgrade Για να ελέγξετε το λογισμικό που έχει τώρα η συσκευή κάντε κλικ Menu > Options > Device > About Device Versions. Στο πιο κάτω παράδειγμα η συσκευή έχει έκδοση λογισμικού 6.0.0.546 με πλατφόρμα 6.6.0.207.

Διαβάστε περισσότερα

SOAP API. https://bulksmsn.gr. Table of Contents

SOAP API. https://bulksmsn.gr. Table of Contents SOAP API https://bulksmsn.gr Table of Contents Send SMS...2 Query SMS...3 Multiple Query SMS...4 Credits...5 Save Contact...5 Delete Contact...7 Delete Message...8 Email: sales@bulksmsn.gr, Τηλ: 211 850

Διαβάστε περισσότερα

ΕΥΧΑΡΙΣΤΙΕΣ. Θεσσαλονίκη, Δεκέμβριος 2005. Κώστας Δόσιος

ΕΥΧΑΡΙΣΤΙΕΣ. Θεσσαλονίκη, Δεκέμβριος 2005. Κώστας Δόσιος ΕΥΧΑΡΙΣΤΙΕΣ Μου δίνεται η ευκαιρία με την περάτωση της παρούσης διδακτορικής διατριβής να σημειώσω ότι, είναι ιδιαίτερα δύσκολο και κοπιαστικό να ολοκληρώσεις το έργο που ξεκινάς κάποια στιγμή έχοντας

Διαβάστε περισσότερα

Case 1: Original version of a bill available in only one language.

Case 1: Original version of a bill available in only one language. currentid originalid attributes currentid attribute is used to identify an element and must be unique inside the document. originalid is used to mark the identifier that the structure used to have in the

Διαβάστε περισσότερα

ΣΗΜΑΝΤΙΚΗ ΑΝΑΚΟΙΝΩΣΗ ΓΙΑ ΤΗΝ ΔΙΕΘΝΗ ΕΚΘΕΣΗ VEHICLE AND ON-VEHICLE EQUIPMENTS FAIR

ΣΗΜΑΝΤΙΚΗ ΑΝΑΚΟΙΝΩΣΗ ΓΙΑ ΤΗΝ ΔΙΕΘΝΗ ΕΚΘΕΣΗ VEHICLE AND ON-VEHICLE EQUIPMENTS FAIR From: Turkish Embassy - Office Of Commercial Counsellor [mailto:dtati@otenet.gr] Sent: Tuesday, April 12, 2011 1:17 PM To: Turkish Embassy - Office Of Commercial Counsellor Subject: FAIR ANNOUNCEMENT AND

Διαβάστε περισσότερα

Test Data Management in Practice

Test Data Management in Practice Problems, Concepts, and the Swisscom Test Data Organizer Do you have issues with your legal and compliance department because test environments contain sensitive data outsourcing partners must not see?

Διαβάστε περισσότερα

ΠΕΡΙΛΗΨΗ. Εισαγωγή. Σκοπός

ΠΕΡΙΛΗΨΗ. Εισαγωγή. Σκοπός ΠΕΡΙΛΗΨΗ Εισαγωγή Η παιδική παχυσαρκία έχει φτάσει σε επίπεδα επιδημίας στις μέρες μας. Μαστίζει παιδιά από μικρές ηλικίες μέχρι και σε εφήβους. Συντείνουν αρκετοί παράγοντες που ένα παιδί γίνεται παχύσαρκο

Διαβάστε περισσότερα

Language Resources for Information Extraction:

Language Resources for Information Extraction: Language Resources for Information Extraction: demands and challenges in practice Christos Tsalidis tsalidis@neurolingo.gr Page 1 Different types of LRs Alphabets & Characters sets (Greek, English, Mixed)

Διαβάστε περισσότερα

Biodiesel quality and EN 14214:2012

Biodiesel quality and EN 14214:2012 3η Ενότητα: «Αγορά Βιοκαυσίμων στην Ελλάδα: Τάσεις και Προοπτικές» Biodiesel quality and EN 14214:2012 Dr. Hendrik Stein Pilot Plant Manager, ASG Analytik Content Introduction Development of the Biodiesel

Διαβάστε περισσότερα

Οδηγίες χρήσης υλικού D U N S Registered

Οδηγίες χρήσης υλικού D U N S Registered Οδηγίες χρήσης υλικού D U N S Registered Οδηγίες ένταξης σήματος D U N S Registered στην ιστοσελίδα σας και χρήσης του στην ηλεκτρονική σας επικοινωνία Για οποιαδήποτε ερώτηση, σας παρακαλούμε επικοινωνήστε

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΠΑΡΑΓΟΝΤΕΣ ΠΟΥ ΕΠΗΡΕΑΖΟΥΝ ΤΗ ΖΩΗ ΤΟΥ ΠΑΙΔΙΟΥ ΚΑΙ ΕΦΗΒΟΥ ΜΕ ΔΙΑΒΗΤΗ ΤΥΠΟΥ 1 ΠΟΥ ΧΡΗΣΙΜΟΠΟΙΟΥΝ ΑΝΤΛΙΕΣ ΣΥΝΕΧΟΥΣ ΕΚΧΥΣΗΣ ΙΝΣΟΥΛΙΝΗΣ

Διαβάστε περισσότερα

AVL-trees C++ implementation

AVL-trees C++ implementation Τ Μ Η Μ Α Μ Η Χ Α Ν Ι Κ Ω Ν Η / Υ Κ Α Ι Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ AVL-trees C++ implementation Δομές Δεδομένων Μάριος Κενδέα 31 Μαρτίου 2015 kendea@ceid.upatras.gr Εισαγωγή (1/3) Δυαδικά Δένδρα Αναζήτησης:

Διαβάστε περισσότερα

(SEO) - Ανοίγοντας τους ορίζοντες τις ΜΜΕ Ελληνικής τουριστικής επιχείρησης στο ιαδίκτυο

(SEO) - Ανοίγοντας τους ορίζοντες τις ΜΜΕ Ελληνικής τουριστικής επιχείρησης στο ιαδίκτυο (SEO) - Ανοίγοντας τους ορίζοντες τις ΜΜΕ Ελληνικής τουριστικής επιχείρησης στο ιαδίκτυο SEO Η βελτιστοποίηση µηχανών αναζήτησης είναι ένα σύνολο µεθοδολογιών που στοχεύουν στην ευνοϊκής κατάταξή ενός

Διαβάστε περισσότερα

Georgios Lucarelli and Ion Androutsopoulos Dept. of Informatics, Athens University of Economics and Business Patision 76, GR-104 34, Athens, Greece

Georgios Lucarelli and Ion Androutsopoulos Dept. of Informatics, Athens University of Economics and Business Patision 76, GR-104 34, Athens, Greece A Greek Named-Entity Recognizer that Uses Support Vector Machines and Active Learning Georgios Lucarelli and Ion Androutsopoulos Dept. of Informatics, Athens University of Economics and Business Patision

Διαβάστε περισσότερα

ίκτυο προστασίας για τα Ελληνικά αγροτικά και οικόσιτα ζώα on.net e-foundatio //www.save itute: http:/ toring Insti SAVE-Monit

ίκτυο προστασίας για τα Ελληνικά αγροτικά και οικόσιτα ζώα on.net e-foundatio //www.save itute: http:/ toring Insti SAVE-Monit How to run a Herdbook: Basics and Basics According to the pedigree scheme, you need to write down the ancestors of your animals. Breeders should be able easily to write down the necessary data It is better

Διαβάστε περισσότερα

Web Data Mining ΕΡΓΑΣΤΗΡΙΟ 2 & 3. Prepared by Costantinos Costa Edited by George Nikolaides. EPL 451 - Data Mining on the Web

Web Data Mining ΕΡΓΑΣΤΗΡΙΟ 2 & 3. Prepared by Costantinos Costa Edited by George Nikolaides. EPL 451 - Data Mining on the Web EPL 451 - Data Mining on the Web Web Data Mining ΕΡΓΑΣΤΗΡΙΟ 2 & 3 Prepared by Costantinos Costa Edited by George Nikolaides Semester Project Microsoft Malware Classification Challenge (BIG 2015) More info:

Διαβάστε περισσότερα

Quantifying the Financial Benefits of Chemical Inventory Management Using CISPro

Quantifying the Financial Benefits of Chemical Inventory Management Using CISPro of Chemical Inventory Management Using CISPro by Darryl Braaksma Sr. Business and Financial Consultant, ChemSW, Inc. of Chemical Inventory Management Using CISPro Table of Contents Introduction 3 About

Διαβάστε περισσότερα

Διάρθρωση. Στατιστικά Κειμένου Text Statistics. Συχνότητα Εμφάνισης Λέξεων Ο Νόμος του Zipf Ο Νόμος του Heaps. Ανάκτηση Πληροφορίας 2008-2009 1

Διάρθρωση. Στατιστικά Κειμένου Text Statistics. Συχνότητα Εμφάνισης Λέξεων Ο Νόμος του Zipf Ο Νόμος του Heaps. Ανάκτηση Πληροφορίας 2008-2009 1 Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών Άνοιξη 2008 Στατιστικά Κειμένου Text Statistics CS463 - Information Retrieval Systems Yannis Tzitzikas, U. of Crete, Spring 2008 1 Διάρθρωση Συχνότητα Εμφάνισης

Διαβάστε περισσότερα

Από τις Κοινότητες Πρακτικής στις Κοινότητες Μάθησης

Από τις Κοινότητες Πρακτικής στις Κοινότητες Μάθησης Από τις Κοινότητες Πρακτικής στις Κοινότητες Μάθησης Νίκος Καρακαπιλίδης Industrial Management & Information Systems Lab MEAD, University of Patras, Greece nikos@mech.upatras.gr Βασικές έννοιες ιάρθρωση

Διαβάστε περισσότερα

Objectives-Στόχοι: -Helping your Child become a fantastic language learner «Βοηθώντας το παιδί σας να γίνει εξαιρετικό στην εκμάθηση γλωσσών» 6/2/2014

Objectives-Στόχοι: -Helping your Child become a fantastic language learner «Βοηθώντας το παιδί σας να γίνει εξαιρετικό στην εκμάθηση γλωσσών» 6/2/2014 -Helping your Child become a fantastic language learner «Βοηθώντας το παιδί σας να γίνει εξαιρετικό στην εκμάθηση γλωσσών» Dr Caroline Linse Queens University, Belfast, Northern Ireland Objectives-Στόχοι:

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ ΚΑΠΝΙΣΤΙΚΕΣ ΣΥΝΗΘΕΙΕΣ ΓΟΝΕΩΝ ΚΑΙ ΕΠΙΡΡΟΗ ΤΟΥΣ ΣΤΗΝ ΕΝΑΡΞΗ ΤΟΥ ΚΑΠΝΙΣΜΑΤΟΣ ΣΤΟΥΣ ΕΦΗΒΟΥΣ Ονοματεπώνυμο Φοιτήτριας: Χριστοφόρου Έλενα

Διαβάστε περισσότερα

Adjectives. Describing the Qualities of Things. A lesson for the Paideia web-app Ian W. Scott, 2015

Adjectives. Describing the Qualities of Things. A lesson for the Paideia web-app Ian W. Scott, 2015 Adjectives Describing the Qualities of Things A lesson for the Paideia web-app Ian W. Scott, 2015 Getting Started with Adjectives It's hard to say much using only nouns and pronouns Simon is a father.

Διαβάστε περισσότερα

Modern Greek *P40075A0112* P40075A. Edexcel International GCSE. Monday 3 June 2013 Morning Time: 3 hours. Instructions. Information.

Modern Greek *P40075A0112* P40075A. Edexcel International GCSE. Monday 3 June 2013 Morning Time: 3 hours. Instructions. Information. Write your name here Surname Other names Edexcel International GCSE Centre Number Modern Greek Candidate Number Monday 3 June 2013 Morning Time: 3 hours You do not need any other materials. Paper Reference

Διαβάστε περισσότερα

Chapter 2 * * * * * * * Introduction to Verbs * * * * * * *

Chapter 2 * * * * * * * Introduction to Verbs * * * * * * * Chapter 2 * * * * * * * Introduction to Verbs * * * * * * * In the first chapter, we practiced the skill of reading Greek words. Now we want to try to understand some parts of what we read. There are a

Διαβάστε περισσότερα

Top down vs. bottom up parsing. Top down vs. bottom up parsing

Top down vs. bottom up parsing. Top down vs. bottom up parsing CMSC 331 notes (9/17/2004) 1 Top down vs. bottom up parsing A grammar describes the strings of tokens that are syntactically legal in a PL A recogniser simply accepts or rejects strings. A generator produces

Διαβάστε περισσότερα

Η θέση ύπνου του βρέφους και η σχέση της με το Σύνδρομο του αιφνίδιου βρεφικού θανάτου. ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ

Η θέση ύπνου του βρέφους και η σχέση της με το Σύνδρομο του αιφνίδιου βρεφικού θανάτου. ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Η θέση ύπνου του βρέφους και η σχέση της με το Σύνδρομο του αιφνίδιου βρεφικού θανάτου. Χρυσάνθη Στυλιανού Λεμεσός 2014 ΤΕΧΝΟΛΟΓΙΚΟ

Διαβάστε περισσότερα

Newborn Upfront Payment & Newborn Supplement

Newborn Upfront Payment & Newborn Supplement GREEK Newborn Upfront Payment & Newborn Supplement Female 1: Το μωρό μου θα ρθει σύντομα, θα πρέπει να κανονίσω τα οικονομικά μου. Άκουσα ότι η κυβέρνηση δεν δίνει πλέον το Baby Bonus. Ξέρεις τίποτα γι

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ. Πτυχιακή εργασία

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ. Πτυχιακή εργασία ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ Πτυχιακή εργασία ΕΠΙΠΤΩΣΕΙΣ ΤΗΣ ΚΑΚΗΣ ΔΙΑΤΡΟΦΗΣ ΣΤΗ ΠΡΟΣΧΟΛΙΚΗ ΗΛΙΚΙΑ ΜΕ ΑΠΟΤΕΛΕΣΜΑ ΤΗ ΠΑΧΥΣΑΡΚΙΑ Έλλη Φωτίου 2010364426 Επιβλέπουσα

Διαβάστε περισσότερα

Final Test Grammar. Term C'

Final Test Grammar. Term C' Final Test Grammar Term C' Book: Starting Steps 1 & Extra and Friends Vocabulary and Grammar Practice Class: Junior AB Name: /43 Date: E xercise 1 L ook at the example and do the same. ( Κξίηα ηξ παοάδειγμα

Διαβάστε περισσότερα

ΑΠΟΓΡΑΦΙΚΟ ΔΕΛΤΙΟ ΔΙΔΑΚΤΟΡΙΚΗΣ ΔΙΑΤΡΙΒΗΣ ΤΙΤΛΟΣ Συμπληρώστε τον πρωτότυπο τίτλο της Διδακτορικής διατριβής ΑΡ. ΣΕΛΙΔΩΝ ΕΙΚΟΝΟΓΡΑΦΗΜΕΝΗ

ΑΠΟΓΡΑΦΙΚΟ ΔΕΛΤΙΟ ΔΙΔΑΚΤΟΡΙΚΗΣ ΔΙΑΤΡΙΒΗΣ ΤΙΤΛΟΣ Συμπληρώστε τον πρωτότυπο τίτλο της Διδακτορικής διατριβής ΑΡ. ΣΕΛΙΔΩΝ ΕΙΚΟΝΟΓΡΑΦΗΜΕΝΗ ΕΘΝΙΚΟ & ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΑΝΑΓΝΩΣΤΗΡΙΟ Πανεπιστημιούπολη, Κτήρια Πληροφορικής & Τηλεπικοινωνιών 15784 ΑΘΗΝΑ Τηλ.: 210 727 5190, email: library@di.uoa.gr,

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ. Πτυχιακή διατριβή Η ΚΑΤΑΘΛΙΨΗ ΩΣ ΠΑΡΑΓΟΝΤΑΣ ΚΙΝΔΥΝΟΥ ΓΙΑ ΑΠΟΠΕΙΡΑ ΑΥΤΟΚΤΟΝΙΑΣ

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ. Πτυχιακή διατριβή Η ΚΑΤΑΘΛΙΨΗ ΩΣ ΠΑΡΑΓΟΝΤΑΣ ΚΙΝΔΥΝΟΥ ΓΙΑ ΑΠΟΠΕΙΡΑ ΑΥΤΟΚΤΟΝΙΑΣ ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ Πτυχιακή διατριβή Η ΚΑΤΑΘΛΙΨΗ ΩΣ ΠΑΡΑΓΟΝΤΑΣ ΚΙΝΔΥΝΟΥ ΓΙΑ ΑΠΟΠΕΙΡΑ ΑΥΤΟΚΤΟΝΙΑΣ Παναγιώτου Νεοφύτα 2008969752 Επιβλέπων καθηγητής Δρ. Νίκος Μίτλεττον,

Διαβάστε περισσότερα

ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ

ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ H O G feature descriptor global feature the most common algorithm associated with person detection Με τα Ιστογράμματα της Βάθμωσης (Gradient) μετράμε τον προσανατολισμό και την ένταση της βάθμωσης σε μία

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ. Πτυχιακή εργασία Η ΚΑΤΑΘΛΙΨΗ ΣΕ ΕΦΗΒΟΥΣ ΜΕ ΣΑΚΧΑΡΩΔΗ ΔΙΑΒΗΤΗ ΤΥΠΟΥ 1

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ. Πτυχιακή εργασία Η ΚΑΤΑΘΛΙΨΗ ΣΕ ΕΦΗΒΟΥΣ ΜΕ ΣΑΚΧΑΡΩΔΗ ΔΙΑΒΗΤΗ ΤΥΠΟΥ 1 ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ Πτυχιακή εργασία Η ΚΑΤΑΘΛΙΨΗ ΣΕ ΕΦΗΒΟΥΣ ΜΕ ΣΑΚΧΑΡΩΔΗ ΔΙΑΒΗΤΗ ΤΥΠΟΥ 1 ΑΝΔΡΕΑΣ ΑΝΔΡΕΟΥ Φ.Τ:2008670839 Λεμεσός 2014 ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ

Διαβάστε περισσότερα

45% of dads are the primary grocery shoppers

45% of dads are the primary grocery shoppers 45% of dads are the primary grocery shoppers 80% for millennial dads Y&R New York North America s study on dads Shutterfly greeting cards/2014 Goodbye daddy rule. Hello daddy cool! Οι new generation daddiesέχουν

Διαβάστε περισσότερα

HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems. Μοντέλα Ανάκτησης Ι

HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems. Μοντέλα Ανάκτησης Ι Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών Άνοιξη 009 HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems Μοντέλα Ανάκτησης Ι (Retrieval Models) Γιάννης Τζίτζικας άλ ιάλεξη

Διαβάστε περισσότερα

FSM Toolkit Exercises

FSM Toolkit Exercises ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ Τμήμα Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών Τομέας Τηλεπικοινωνιών Αναπληρωτής Καθηγητής: Αλέξανδρος Ποταμιάνος Ονοματεπώνυμο: Α Μ : ΗΜΕΡΟΜΗΝΙΑ: ΤΗΛ 413 : Συστήματα Επικοινωνίας

Διαβάστε περισσότερα

ΑΝΩΤΑΤΗ ΣΧΟΛΗ ΠΑΙ ΑΓΩΓΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΕΚΠΑΙ ΕΥΣΗΣ ΠΑΡΑΔΟΤΕΟ ΕΠΙΣΤΗΜΟΝΙΚΗ ΕΡΓΑΣΙΑ ΣΕ ΔΙΕΘΝΕΣ ΕΠΙΣΤΗΜΟΝΙΚΟ ΠΕΡΙΟΔΙΚΟ

ΑΝΩΤΑΤΗ ΣΧΟΛΗ ΠΑΙ ΑΓΩΓΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΕΚΠΑΙ ΕΥΣΗΣ ΠΑΡΑΔΟΤΕΟ ΕΠΙΣΤΗΜΟΝΙΚΗ ΕΡΓΑΣΙΑ ΣΕ ΔΙΕΘΝΕΣ ΕΠΙΣΤΗΜΟΝΙΚΟ ΠΕΡΙΟΔΙΚΟ ΑΝΩΤΑΤΗ ΣΧΟΛΗ ΠΑΙ ΑΓΩΓΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΕΚΠΑΙ ΕΥΣΗΣ (Α.Σ.ΠΑΙ.Τ.Ε.) «Αρχιμήδης ΙΙΙ Ενίσχυση Ερευνητικών ομάδων στην Α.Σ.ΠΑΙ.Τ.Ε.» Υποέργο: 8 Τίτλος: «Εκκεντρότητες αντισεισμικού σχεδιασμού ασύμμετρων

Διαβάστε περισσότερα

ΑΝΑΠΤΥΞΗ ΤΟΥ ΠΤΥΧΙΑΚΗ. Λεμεσός

ΑΝΑΠΤΥΞΗ ΤΟΥ ΠΤΥΧΙΑΚΗ. Λεμεσός ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ ΤΟ ΚΑΠΝΙΣΜΑ ΚΑΤΑ ΤΗΝ ΕΓΚΥΜΟΣΥΝΗ ΚΑΙ Η ΒΛΑΠΤΙΚΗ ΕΠΙΔΡΑ ΑΣΗ ΤΟΥ ΣΤΗΝ ΑΝΑΠΤΥΞΗ ΤΟΥ ΝΕΟΓΝΟΥ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Ονοματεπώνυμο Αγγελική Παπαπαύλου Αριθμός Φοιτητικής

Διαβάστε περισσότερα

GREECE BULGARIA 6 th JOINT MONITORING

GREECE BULGARIA 6 th JOINT MONITORING GREECE BULGARIA 6 th JOINT MONITORING COMMITTEE BANSKO 26-5-2015 «GREECE BULGARIA» Timeline 02 Future actions of the new GR-BG 20 Programme June 2015: Re - submission of the modified d Programme according

Διαβάστε περισσότερα

Πτυχιακή εργασία. Παραγωγή Βιοντίζελ από Χρησιμοποιημένα Έλαια

Πτυχιακή εργασία. Παραγωγή Βιοντίζελ από Χρησιμοποιημένα Έλαια ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Πτυχιακή εργασία Παραγωγή Βιοντίζελ από Χρησιμοποιημένα Έλαια Ελένη Χριστοδούλου Λεμεσός 2014 ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

Διαβάστε περισσότερα

A ΜΕΡΟΣ. 1 program Puppy_Dog; 2 3 begin 4 end. 5 6 { Result of execution 7 8 (There is no output from this program ) 9 10 }

A ΜΕΡΟΣ. 1 program Puppy_Dog; 2 3 begin 4 end. 5 6 { Result of execution 7 8 (There is no output from this program ) 9 10 } A ΜΕΡΟΣ 1 program Puppy_Dog; begin 4 end. 5 6 { Result of execution 7 (There is no output from this program ) 10 } (* Κεφάλαιο - Πρόγραµµα EX0_.pas *) 1 program Kitty_Cat; begin 4 Writeln('This program');

Διαβάστε περισσότερα

UNIVERSITY OF CAMBRIDGE INTERNATIONAL EXAMINATIONS International General Certificate of Secondary Education

UNIVERSITY OF CAMBRIDGE INTERNATIONAL EXAMINATIONS International General Certificate of Secondary Education www.xtremepapers.com UNIVERSITY OF CAMBRIDGE INTERNATIONAL EXAMINATIONS International General Certificate of Secondary Education *6301456813* GREEK 0543/03 Paper 3 Speaking Role Play Card One 1 March 30

Διαβάστε περισσότερα

Investigating the fuzzy areas of accuracy and confidence of muslim pupils- learners of Greek as Second Language in Thrace, Greece

Investigating the fuzzy areas of accuracy and confidence of muslim pupils- learners of Greek as Second Language in Thrace, Greece Investigating the fuzzy areas of accuracy and confidence of muslim pupils- learners of Greek as Second Language in Thrace, Greece Polyxeni Intze & Nikolaos Mathioudakis Democritus University of Thrace,

Διαβάστε περισσότερα

Ημερομηνία Παράδοσης: 4/10/2013

Ημερομηνία Παράδοσης: 4/10/2013 Δράση 9.14 / Υπηρεσία εντοπισμού λογοκλοπής Κυρίως Παραδοτέο / Εκπαίδευση προσωπικού βιβλιοθηκών μελών Σ.Ε.Α.Β στο πληροφοριακό σύστημα εντοπισμού λογοκλοπής. Επιμέρους Παραδοτέο 9.14.3.3 / Υλικό και πρόγραμμα

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΓΕΩΠΟΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΚΑΙ ΕΠΙΣΤΗΜΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΠΕΡΙΒΑΛΛΟΝΤΟΣ. Πτυχιακή εργασία

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΓΕΩΠΟΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΚΑΙ ΕΠΙΣΤΗΜΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΠΕΡΙΒΑΛΛΟΝΤΟΣ. Πτυχιακή εργασία ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΓΕΩΠΟΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΚΑΙ ΕΠΙΣΤΗΜΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Πτυχιακή εργασία Η ΕΦΑΡΜΟΓΗ ΤΟΥ ΣΥΣΤΗΜΑΤΟΣ HACCP ΣΕ ΜΙΚΡΕΣ ΒΙΟΤΕΧΝΙΕΣ ΓΑΛΑΚΤΟΣ ΣΤΗΝ ΕΠΑΡΧΙΑ ΛΕΜΕΣΟΥ

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ. Πτυχιακή Εργασία

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ. Πτυχιακή Εργασία ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ Πτυχιακή Εργασία Ο ΜΗΤΡΙΚΟΣ ΘΗΛΑΣΜΟΣ ΚΑΙ Η ΣΧΕΣΗ ΤΟΥ ΜΕ ΤΟ ΚΑΡΚΙΝΟ ΤΟΥ ΜΑΣΤΟΥΣ ΣΤΙΣ ΓΥΝΑΙΚΕΣ ΠΟΥ ΕΙΝΑΙ ΦΟΡΕΙΣ ΤΟΥ ΟΓΚΟΓΟΝΙΔΙΟΥ BRCA1 ΚΑΙ BRCA2. Βασούλλα

Διαβάστε περισσότερα

Why do customers abandon your e-shop. The Skroutz Experience

Why do customers abandon your e-shop. The Skroutz Experience Why do customers abandon your e-shop The Skroutz Experience 1 Where are all these data coming from? Skroutz s visitors feedback in UserVoice mechanism 3 When & how do we ask our visitors? As soon as our

Διαβάστε περισσότερα

ιανοητικό Κεφάλαιο σε Πόλεις και Περιφέρειες

ιανοητικό Κεφάλαιο σε Πόλεις και Περιφέρειες ιανοητικό Κεφάλαιο σε Πόλεις και Περιφέρειες Intellectual Capital for Communities A. Bounfour & L. Edvinsson, Elsevier, 2005 Μεταπτυχιακό Σεµινάριο ιδακτορικών 23 Νοεµβρίου 2007 ιανοητικό κεφάλαιο για

Διαβάστε περισσότερα

A hybrid approach to compiling bilingual dictionaries of medical terms from parallel corpora

A hybrid approach to compiling bilingual dictionaries of medical terms from parallel corpora A hybrid approach to compiling bilingual dictionaries of medical terms from parallel corpora Georgios Kontonatsios georgios.kontonatsios@cs.man.ac.uk 14 th October 2014 14/10/2014 1 Overview Background

Διαβάστε περισσότερα

DISTRIBUTED CACHE TABLE: EFFICIENT QUERY-DRIVEN PROCESSING OF MULTI-TERM QUERIES IN P2P NETWORKS

DISTRIBUTED CACHE TABLE: EFFICIENT QUERY-DRIVEN PROCESSING OF MULTI-TERM QUERIES IN P2P NETWORKS DISTRIBUTED CACHE TABLE: EFFICIENT QUERY-DRIVEN PROCESSING OF MULTI-TERM QUERIES IN P2P NETWORKS Paper By: Gleb Skobeltsyn, Karl Aberer Presented by: Βασίλης Φωτόπουλος Agenda 1. Ορισμός του προβλήματος

Διαβάστε περισσότερα

ιερεύνηση της Επίδρασης των ΟΑ «Αθήνα 2004» στην Εικόνα της Αθήνας & της Ελλάδας ως Τουριστικών Προορισµών ρ. Ευάγγελος Χρήστου

ιερεύνηση της Επίδρασης των ΟΑ «Αθήνα 2004» στην Εικόνα της Αθήνας & της Ελλάδας ως Τουριστικών Προορισµών ρ. Ευάγγελος Χρήστου ιερεύνηση της Επίδρασης των ΟΑ «Αθήνα 2004» στην Εικόνα της Αθήνας & της Ελλάδας ως Τουριστικών Προορισµών ρ. Ευάγγελος Χρήστου Εισαγωγή Ρόλος της εικόνας και της φήµης των τουριστικών προορισµών, σχετικά

Διαβάστε περισσότερα

AME SAMPLE REPORT James R. Cole, Ph.D. Neuropsychology

AME SAMPLE REPORT James R. Cole, Ph.D. Neuropsychology Setting the Standard since 1977 Quality and Timely Reports Med-Legal Evaluations Newton s Pyramid of Success AME SAMPLE REPORT Locations: Oakland & Sacramento SCHEDULING DEPARTMENT Ph: 510-208-4700 Fax:

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ. Πτυχιακή Εργασία

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ. Πτυχιακή Εργασία ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ Πτυχιακή Εργασία ΣΥΜΠΛΗΡΩΜΑΤΙΚΕΣ ΚΑΙ ΕΝΑΛΛΑΚΤΙΚΕΣ ΘΕΡΑΠΕΙΕΣ ΩΣ ΠΡΟΣ ΤΗ ΔΙΑΧΕΙΡΙΣΗ ΤΟΥ ΠΟΝΟΥ ΣΕ ΑΣΘΕΝΕΙΣ ΜΕ ΚΑΡΚΙΝΟ. Ονοματεπώνυμο:

Διαβάστε περισσότερα

Modern Greek *P40074A0112* P40074A. Edexcel International GCSE. Thursday 31 May 2012 Morning Time: 3 hours. Instructions. Information.

Modern Greek *P40074A0112* P40074A. Edexcel International GCSE. Thursday 31 May 2012 Morning Time: 3 hours. Instructions. Information. Write your name here Surname Other names Edexcel International GCSE Centre Number Modern Greek Candidate Number Thursday 31 May 2012 Morning Time: 3 hours You do not need any other materials. Paper Reference

Διαβάστε περισσότερα

STARTING STEPS IN GRAMMAR, FINAL TEST C TERM 2012 UNITS 1-18

STARTING STEPS IN GRAMMAR, FINAL TEST C TERM 2012 UNITS 1-18 STARTING STEPS IN GRAMMAR, FINAL TEST C TERM 2012 UNITS 1-18 Name.. Class. Date. EXERCISE 1 Answer the question. Use: Yes, it is or No, it isn t. Απάντηςε ςτισ ερωτήςεισ. Βάλε: Yes, it is ή No, it isn

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ. Πτυχιακή Εργασία. Κόπωση και ποιότητα ζωής ασθενών με καρκίνο.

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ. Πτυχιακή Εργασία. Κόπωση και ποιότητα ζωής ασθενών με καρκίνο. ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ Πτυχιακή Εργασία Κόπωση και ποιότητα ζωής ασθενών με καρκίνο Μαργαρίτα Μάου Λευκωσία 2012 ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΜΗΜΑ

Διαβάστε περισσότερα

Bring Your Own Device (BYOD) Legal Challenges of the new Business Trend MINA ZOULOVITS LAWYER, PARNTER FILOTHEIDIS & PARTNERS LAW FIRM

Bring Your Own Device (BYOD) Legal Challenges of the new Business Trend MINA ZOULOVITS LAWYER, PARNTER FILOTHEIDIS & PARTNERS LAW FIRM Bring Your Own Device (BYOD) Legal Challenges of the new Business Trend MINA ZOULOVITS LAWYER, PARNTER FILOTHEIDIS & PARTNERS LAW FIRM minazoulovits@phrlaw.gr What is BYOD? Information Commissioner's Office

Διαβάστε περισσότερα

LESSON 12 (ΜΑΘΗΜΑ ΔΩΔΕΚΑ) REF : 202/055/32-ADV. 4 February 2014

LESSON 12 (ΜΑΘΗΜΑ ΔΩΔΕΚΑ) REF : 202/055/32-ADV. 4 February 2014 LESSON 12 (ΜΑΘΗΜΑ ΔΩΔΕΚΑ) REF : 202/055/32-ADV 4 February 2014 Somewhere κάπου (kapoo) Nowhere πουθενά (poothena) Elsewhere αλλού (aloo) Drawer το συρτάρι (sirtari) Page η σελίδα (selida) News τα νέα (nea)

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ: ΜΑΚΡΟΧΡΟΝΙΑ ΧΡΗΣΗ ΚΙΝΗΤΟΥ ΤΗΛΕΦΩΝΟΥ ΚΑΙ ΑΝΑΠΤΥΞΗ ΟΓΚΩΝ ΕΓΚΕΦΑΛΟΥ. ΧΡΙΣΤΟΣ ΕΥΘΥΜΙΟΥ ΛΕΜΕΣΟΣ 2012 1 ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ

Διαβάστε περισσότερα

Combined Bus and Driver Scheduling

Combined Bus and Driver Scheduling Combined Bus and Driver Scheduling C Valouxis, E Housos Computers and Operation Research Journal Vol 29/3, pp 243-259, March 22 AMORE Patra, 2 Problem Definition () Shift: a set of routes that will be

Διαβάστε περισσότερα

A Granular Classifier for PAKDD 2015 Data Mining Competition

A Granular Classifier for PAKDD 2015 Data Mining Competition A Granular Classifier for PAKDD 2015 Data Mining Competition Wojtek Świeboda the University of Warsaw May 20, 2015 Overview Exploratory Data Analysis Observation-level classifier Granular classifier Summary

Διαβάστε περισσότερα

Managing Information.! Lecturer: N. Kyritsis, MBA, Ph.D. Candidate Athens University of Economics and Business!! e-mail: kyritsis@ist.edu.

Managing Information.! Lecturer: N. Kyritsis, MBA, Ph.D. Candidate Athens University of Economics and Business!! e-mail: kyritsis@ist.edu. Managing Information! Lecturer: N. Kyritsis, MBA, Ph.D. Candidate Athens University of Economics and Business!! e-mail: kyritsis@ist.edu.gr Database Management Database Definition Collection of relevant

Διαβάστε περισσότερα

60 61 62 63 64 65 Ο Δ Η Γ Ι Ε Σ Σ Υ Ν Τ Η Ρ Η Σ Η Σ Τ Ω Ν Κ Ο Υ Φ Ω Μ Α Τ Ω Ν Ι Ν S T R U C T I N O N S C O N C E R N I N G Τ Η Ε C A S E M E N T S M A I N T E N A N C E Ο τακτικός καθαρισμός των βαμμένων

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ Πτυχιακή Εργασία Ο ΡΟΛΟΣ ΤΗΣ ΑΣΚΗΣΗΣ ΣΕ ΗΛΙΚΙΩΜΕΝΟΥΣ ΜΕ ΚΑΤΑΘΛΙΨΗ Θεοφάνης Παύλου Αρ. Φοιτ. Ταυτότητας: 2010207299 Λεμεσός 2014 ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

Διαβάστε περισσότερα

OER Growers Blog. http://blog.oergrowers.gr. How to Post on the Blog. v2.0. Araksia Kantikian k.araksia@gmail.com

OER Growers Blog. http://blog.oergrowers.gr. How to Post on the Blog. v2.0. Araksia Kantikian k.araksia@gmail.com OER Growers Blog http://blog.oergrowers.gr How to Post on the Blog v2.0 Araksia Kantikian k.araksia@gmail.com 20 th of October 2012 This work is developed to support OER growers, by Agro-Know Technologies.

Διαβάστε περισσότερα

GenExis Οδηγίες προς Μαθητές

GenExis Οδηγίες προς Μαθητές Πρόγραμμα Δια Βίου Μάθησης Leonardo da Vinci Πολύπλευρο πρόγραμμα Μεταφοράς Καινοτομίας EEGS E-learning Exercise GenExis System GenExis Οδηγίες προς Μαθητές Τμήμα I: Γενικές οδηγίες χρήσης για Μαθητές

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ. Πτυχιακή εργασία ΑΓΧΟΣ ΚΑΙ ΚΑΤΑΘΛΙΨΗ ΣΕ ΓΥΝΑΙΚΕΣ ΜΕ ΚΑΡΚΙΝΟΥ ΤΟΥ ΜΑΣΤΟΥ ΜΕΤΑ ΑΠΟ ΜΑΣΤΕΚΤΟΜΗ

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ. Πτυχιακή εργασία ΑΓΧΟΣ ΚΑΙ ΚΑΤΑΘΛΙΨΗ ΣΕ ΓΥΝΑΙΚΕΣ ΜΕ ΚΑΡΚΙΝΟΥ ΤΟΥ ΜΑΣΤΟΥ ΜΕΤΑ ΑΠΟ ΜΑΣΤΕΚΤΟΜΗ ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ Πτυχιακή εργασία ΑΓΧΟΣ ΚΑΙ ΚΑΤΑΘΛΙΨΗ ΣΕ ΓΥΝΑΙΚΕΣ ΜΕ ΚΑΡΚΙΝΟΥ ΤΟΥ ΜΑΣΤΟΥ ΜΕΤΑ ΑΠΟ ΜΑΣΤΕΚΤΟΜΗ ΧΡΥΣΟΒΑΛΑΝΤΗΣ ΒΑΣΙΛΕΙΟΥ ΛΕΜΕΣΟΣ 2014 ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

Διαβάστε περισσότερα

Paper Reference. Paper Reference(s) 1776/01 Edexcel GCSE Modern Greek Paper 1 Listening and Responding

Paper Reference. Paper Reference(s) 1776/01 Edexcel GCSE Modern Greek Paper 1 Listening and Responding Centre No. Candidate No. Paper Reference 1 7 7 6 0 1 Surname Signature Paper Reference(s) 1776/01 Edexcel GCSE Modern Greek Paper 1 Listening and Responding Friday 18 June 2010 Morning Time: 45 minutes

Διαβάστε περισσότερα

Ιδιωτικότητα και ασφάλεια στο νέο δικτυακό περιβάλλον Ηλίας Χάντζος

Ιδιωτικότητα και ασφάλεια στο νέο δικτυακό περιβάλλον Ηλίας Χάντζος Ιδιωτικότητα και ασφάλεια στο νέο δικτυακό περιβάλλον Ηλίας Χάντζος Senior Director EMEA&APJ Government Affairs 1 Η πέντε μεγάλες τάσεις στην τεχνολογία 2 The Big Numbers for 2011 5.5B Attacks blocked

Διαβάστε περισσότερα

ΚΑΠΝΙΣΜΑ ΚΑΙ ΣΥΝΔΡΟΜΟ ΑΙΦΝΙΔΙΟΥ ΒΡΕΦΙΚΟΥ ΘΑΝΑΤΟΥ

ΚΑΠΝΙΣΜΑ ΚΑΙ ΣΥΝΔΡΟΜΟ ΑΙΦΝΙΔΙΟΥ ΒΡΕΦΙΚΟΥ ΘΑΝΑΤΟΥ ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΚΑΠΝΙΣΜΑ ΚΑΙ ΣΥΝΔΡΟΜΟ ΑΙΦΝΙΔΙΟΥ ΒΡΕΦΙΚΟΥ ΘΑΝΑΤΟΥ Ονοματεπώνυμο: Λοϊζιά Ελένη Λεμεσός 2012 ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ

Διαβάστε περισσότερα

ΒΕΛΤΙΣΤΕΣ ΙΑ ΡΟΜΕΣ ΣΕ ΙΚΤΥΑ ΜΕΤΑΒΛΗΤΟΥ ΚΟΣΤΟΥΣ

ΒΕΛΤΙΣΤΕΣ ΙΑ ΡΟΜΕΣ ΣΕ ΙΚΤΥΑ ΜΕΤΑΒΛΗΤΟΥ ΚΟΣΤΟΥΣ ΒΕΛΤΙΣΤΕΣ ΙΑ ΡΟΜΕΣ ΣΕ ΙΚΤΥΑ ΜΕΤΑΒΛΗΤΟΥ ΚΟΣΤΟΥΣ Μωυσιάδης Πολυχρόνης, Ανδρεάδης Ιωάννης Τμήμα Μαθηματικών Α.Π.Θ. ΠΕΡΙΛΗΨΗ Στην εργασία αυτή παρουσιάζεται μία μελέτη για την ελάχιστη διαδρομή σε δίκτυα μεταβλητού

Διαβάστε περισσότερα

1999 MODERN GREEK 2 UNIT Z

1999 MODERN GREEK 2 UNIT Z STUDENT NUMBER CENTRE NUMBER HIGHER SCHOOL CERTIFICATE EXAMINATION 1999 MODERN GREEK 2 UNIT Z (55 Marks) Time allowed Two hours (Plus 5 minutes reading time) DIRECTIONS TO CANDIDATES Write your Student

Διαβάστε περισσότερα

Risk! " #$%&'() *!'+,'''## -. / # $

Risk!  #$%&'() *!'+,'''## -. / # $ Risk! " #$%&'(!'+,'''## -. / 0! " # $ +/ #%&''&(+(( &'',$ #-&''&$ #(./0&'',$( ( (! #( &''/$ #$ 3 #4&'',$ #- &'',$ #5&''6(&''&7&'',$ / ( /8 9 :&' " 4; < # $ 3 " ( #$ = = #$ #$ ( 3 - > # $ 3 = = " 3 3, 6?3

Διαβάστε περισσότερα

ΜΑΘΗΜΑ: ΥΕ 335 «ΑΝΑΠΤΥΞΗ ΚΑΙ ΣΧΕΔΙΑΣΗ ΕΚΠΑΙΔΕΥΤΙΚΟΥ ΛΟΓΙΣΜΙΚΟΥ» ΚΑΤΑΣΚΕΥΗ-ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ: Γίντσης Αλέξανρος (3479)

ΜΑΘΗΜΑ: ΥΕ 335 «ΑΝΑΠΤΥΞΗ ΚΑΙ ΣΧΕΔΙΑΣΗ ΕΚΠΑΙΔΕΥΤΙΚΟΥ ΛΟΓΙΣΜΙΚΟΥ» ΚΑΤΑΣΚΕΥΗ-ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ: Γίντσης Αλέξανρος (3479) «Mουσικοί κύκλοι» ΔΙΑΔΡΑΣΤΙΚΑ ΠΑΙΧΝΙΔΙΑ ΓΙΑ ΜΑΘΗΤΕΣ/ΤΡΙΕΣ ΤΗΣ Γ -Δ ΔΗΜΟΤΙΚΟΥ ΣΤΟ ΜΑΘΗΜΑ ΤΗΣ ΜΟΥΣΙΚΗΣ ΜΕ ΧΡΗΣΗ ΤΗΣ ΠΛΑΚΕΤΑΣ MAKEY-MAKEY ΚΑΙ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ ΣΤΟ SCRATCH ΜΑΘΗΜΑ: ΥΕ 335 «ΑΝΑΠΤΥΞΗ ΚΑΙ ΣΧΕΔΙΑΣΗ

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΑΞΙΟΛΟΓΗΣΗ ΣΤΑΣΕΩΝ ΚΑΙ ΕΠΙΠΕΔΟΥ ΓΝΩΣΕΩΝ ΤΩΝ ΝΟΣΗΛΕΥΤΩΝ ΣΕ ΜΟΝΑΔΕΣ ΕΝΤΑΤΙΚΗΣ ΘΕΡΑΠΕΙΑΣ ΣΧΕΤΙΚΑ ΜΕ ΤΗ ΜΕΤΑΜΟΣΧΕΥΣΗ ΟΡΓΑΝΩΝ ΑΠΟ ΕΓΚΕΦΑΛΙΚΑ

Διαβάστε περισσότερα

ΟΔΗΓΙΕΣ ΧΡΗΣΗΣ USE INSTRUCTIONS

ΟΔΗΓΙΕΣ ΧΡΗΣΗΣ USE INSTRUCTIONS ΟΔΗΓΙΕΣ ΧΡΗΣΗΣ USE INSTRUCTIONS ΤΗΛΕΦΩΝΟ ΜΕ ΑΝΑΓΝΩΡΙΣΗ ΚΛΗΣΗΣ /CORDED PHONE WITH CALLER ID ΜΟΝΤΕΛΟ/MODEL: TM09-448 DC48V Παρακαλούμε διαβάστε προσεκτικά όλες τις οδηγίες χρήσης πριν την χρήση της συσκευής

Διαβάστε περισσότερα

Entrepreneurship in Greece. Antonis Tsiflis

Entrepreneurship in Greece. Antonis Tsiflis Entrepreneurship in Greece Antonis Tsiflis About GEM Global Entrepreneurship Monitor is the only project that monitors entrepreneurship worldwide over time 69 countries in 2012 Greece participating since

Διαβάστε περισσότερα

ARISTOTLE UNIVERSITY OF THESSALONIKI FACULTY OF FORESTRY AND NATURAL ENVIRONMENT Institute of Mountainous Water Management and Control

ARISTOTLE UNIVERSITY OF THESSALONIKI FACULTY OF FORESTRY AND NATURAL ENVIRONMENT Institute of Mountainous Water Management and Control ARISTOTLE UNIVERSITY OF THESSALONIKI FACULTY OF FORESTRY AND NATURAL ENVIRONMENT Institute of Mountainous Water Management and Control Torrent Basin, Mountainous Watershed Management Dr. Panagiotis Stefanidis

Διαβάστε περισσότερα

EPL324: Tutorials* on Communications and Networks Tutorial 2: Chapter 1 Review Questions

EPL324: Tutorials* on Communications and Networks Tutorial 2: Chapter 1 Review Questions EPL324: Tutorials* on Communications and Networks Tutorial 2: Chapter 1 Review Questions Pavlos Antoniou University of Cyprus Department of Computer Science * The material is taken from J.F. Kurose & K.W.

Διαβάστε περισσότερα

ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΜΗΤΡΙΚΟΣ ΘΗΛΑΣΜΟΣ ΚΑΙ ΠΑΙΔΙΚΗ ΠΑΧΥΣΑΡΚΙΑ

ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΜΗΤΡΙΚΟΣ ΘΗΛΑΣΜΟΣ ΚΑΙ ΠΑΙΔΙΚΗ ΠΑΧΥΣΑΡΚΙΑ ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΜΗΤΡΙΚΟΣ ΘΗΛΑΣΜΟΣ ΚΑΙ ΠΑΙΔΙΚΗ ΠΑΧΥΣΑΡΚΙΑ Ονοματεπώνυμο: Μιχαέλλα Σάββα Λεμεσός 2014 ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ

Διαβάστε περισσότερα

Paper Reference. Paper Reference(s) 7615/01 London Examinations GCE Modern Greek Ordinary Level. Friday 14 May 2010 Afternoon Time: 3 hours

Paper Reference. Paper Reference(s) 7615/01 London Examinations GCE Modern Greek Ordinary Level. Friday 14 May 2010 Afternoon Time: 3 hours Centre No. Candidate No. Paper Reference 7 6 1 5 0 1 Surname Signature Paper Reference(s) 7615/01 London Examinations GCE Modern Greek Ordinary Level Friday 14 May 2010 Afternoon Time: 3 hours Initial(s)

Διαβάστε περισσότερα

LESSON 9 (ΜΑΘΗΜΑ ΕΝΝΙΑ) REF : 101/011/9-BEG. 14 January 2013

LESSON 9 (ΜΑΘΗΜΑ ΕΝΝΙΑ) REF : 101/011/9-BEG. 14 January 2013 LESSON 9 (ΜΑΘΗΜΑ ΕΝΝΙΑ) REF : 101/011/9-BEG 14 January 2013 Up πάνω Down κάτω In μέσα Out/outside έξω (exo) In front μπροστά (brosta) Behind πίσω (piso) Put! Βάλε! (vale) From *** από Few λίγα (liga) Many

Διαβάστε περισσότερα

2007 Classical Greek. Intermediate 2 Translation. Finalised Marking Instructions

2007 Classical Greek. Intermediate 2 Translation. Finalised Marking Instructions 2007 Classical Greek Intermediate 2 Translation Finalised Marking Instructions Scottish Qualifications Authority 2007 The information in this publication may be reproduced to support SQA qualifications

Διαβάστε περισσότερα

Η κατάσταση της ιδιωτικότητας Ηλίας Χάντζος, Senior Director EMEA

Η κατάσταση της ιδιωτικότητας Ηλίας Χάντζος, Senior Director EMEA Η κατάσταση της ιδιωτικότητας Ηλίας Χάντζος, Senior Director EMEA Αθήνα 1 η Απριλίου 2015 Και γιατί μας νοιάζει ή μας αφορά; Νέα Ευρωπαική νομοθεσία Τίνος είναι τα προσωπικά δεδομένα; Και λοιπόν; Τα περιστατικά

Διαβάστε περισσότερα

Advanced Unit 2: Understanding, Written Response and Research

Advanced Unit 2: Understanding, Written Response and Research Write your name here Surname Other names Edexcel GCE Centre Number Candidate Number Greek Advanced Unit 2: Understanding, Written Response and Research Tuesday 18 June 2013 Afternoon Time: 3 hours Paper

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΙΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΙΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΙΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Η ΕΠΙΔΡΑΣΗ ΤΟΥ ΘΕΡΑΠΕΥΤΙΚΟΥ ΑΓΓΙΓΜΑΤΟΣ ΣΕ ΑΣΘΕΝΕΙΣ ΜΕ ΚΑΡΚΙΝΟ ΩΣ ΑΝΑΚΟΥΦΙΣΤΙΚΟ ΜΕΤΡΟ ΑΝΤΡΕΑΣ ΠΙΤΣΙΛΛΟΣ Α.Φ.Τ 2007947541 ΛΕΥΚΩΣΙΑ

Διαβάστε περισσότερα

S. Gaudenzi,. π υ, «aggregation problem»

S. Gaudenzi,. π υ, «aggregation problem» υμυμπα «ΜΜΜΜααΜΑΜΜπΜαΜΜυαΜαΜυαΜφαΜΜ πμαπυμαμμαμυααμυevidence based policy making)». Aα, 07.10.2015 H ΕΕΗ Η Η Η, Η ΗΗ Ω Ω Ω Η Η ΕΕΩ ΕΗΩ ΓΜΧΑ πάμαμφαμαπυμαμαα (ΑΜΑαπυα αω) αμχαμχωααμα ΑπυΜΑΘ, gmich@plandevel.auth.gr

Διαβάστε περισσότερα

Ερευνητική+Ομάδα+Τεχνολογιών+ Διαδικτύου+

Ερευνητική+Ομάδα+Τεχνολογιών+ Διαδικτύου+ Ερευνητική+Ομάδα+Τεχνολογιών+ Διαδικτύου+ Ερευνητικές,Δραστηριότητες,και, Ενδιαφέροντα,, Τμήμα,Μηχανικών,Η/Υ,&,Πληροφορικής, Τομέας,Λογικού,των,Υπολογιστών, Εργαστήριο,Γραφικών,,Πολυμέσων,και,Γεωγραφικών,

Διαβάστε περισσότερα

Πώς αλλάζει η σεξουαλική ζωή και η αυτοεικόνα της γυναίκας μετά από μαστεκτομή. ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ

Πώς αλλάζει η σεξουαλική ζωή και η αυτοεικόνα της γυναίκας μετά από μαστεκτομή. ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Πώς αλλάζει η σεξουαλική ζωή και η αυτοεικόνα της γυναίκας μετά από μαστεκτομή. Μαριλένα Παναγή Λεμεσός 2014 ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

Διαβάστε περισσότερα

Τεχνητή Νοημοσύνη ΙΙ Εαρινό Εξάμηνο 2011-2012 Εργασία ΙΙ: Σχεδιασμός Ημερομηνία Παράδοσης: 26 Μαρτίου 2012

Τεχνητή Νοημοσύνη ΙΙ Εαρινό Εξάμηνο 2011-2012 Εργασία ΙΙ: Σχεδιασμός Ημερομηνία Παράδοσης: 26 Μαρτίου 2012 Τεχνητή Νοημοσύνη ΙΙ Εαρινό Εξάμηνο 2011-2012 Εργασία ΙΙ: Σχεδιασμός Ημερομηνία Παράδοσης: 26 Μαρτίου 2012 Ον/μο φοιτητή: Μπεγέτης Νικόλαος Α.Μ.: 1115200700281 Άσκηση 1(i) Το πλάνο εκτέλεσης για το πρόβλημα

Διαβάστε περισσότερα