Λογότυπο αποθετηρίου

Πλοήγηση ανά Επιβλέποντα "Papageorgiou, Haris"

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω
Φιλτράρετε τα αποτελέσματα πληκτρολογώντας τα πρώτα γράμματα
Τώρα δείχνει 1 - 2 από 2
  • Μικρογραφία εικόνας
    Τεκμήριο
    Document understanding with artificial intelligence
    (2025-05-16) Demertzis, Ioannis; Δεμερτζής, Ιωάννης; Chatziantoniou, Damianos; Papastefanatos, George; Papageorgiou, Haris; Kotitsas, Sotiris
    Η παρούσα διπλωματική εργασία διερευνά σύγχρονες μεθόδους στην Τεχνητή Νοημοσύνη για Έγγραφα (Document AI), με σκοπό την εξαγωγή και ανάκτηση πληροφορίας από πολύπλοκα επιστημονικά κείμενα. Τα επιστημονικά έγγραφα, τα οποία χαρακτηρίζονται από πυκνό κείμενο, οπτικά στοιχεία και σύνθετη διάταξη, θέτουν σημαντικές προκλήσεις στα παραδοσιακά συστήματα ανάκτησης πληροφορίας. Η μελέτη εξετάζει τρεις πρόσφατες τεχνολογικές προσεγγίσεις - ColPali, ColQwen2 και PaperMage - σε βασικά καθήκοντα, όπως η ανάκτηση εγγράφων, η εξαγωγή δομημένων δεδομένων και η πολυτροπική κατανόηση. Πραγματοποιήθηκαν πειράματα σε σύνολο 5.000 άρθρων από την ψηφιακή βιβλιοθήκη ACM, με έμφαση στην ακρίβεια ανάκτησης, την ευαισθησία στη διάταξη και την υπολογιστική αποδοτικότητα. Για την πρακτική εφαρμογή της μεθοδολογίας, αναπτύχθηκε πρωτότυπο σύστημα που αξιοποιεί την τεχνική Retrieval-Augmented Generation (RAG) για την απάντηση ερωτημάτων σε επιστημονικά κείμενα. Το σύστημα υποστηρίζει ερωτήσεις σε φυσική γλώσσα και παρέχει ερμηνεύσιμα αποτελέσματα μέσω διαδραστικού περιβάλλοντος, συνδυάζοντας σημασιολογική αναζήτηση, ανάλυση διάταξης και παραγωγή απαντήσεων. Η εργασία αυτή συνεισφέρει τόσο με εμπειρική αξιολόγηση όσο και με πρωτότυπη υλοποίηση στις τεχνικές ανάκτησης και κατανόησης επιστημονικών εγγράφων.
  • Μικρογραφία εικόνας
    Τεκμήριο
    Towards streamlining reproducibility studies in academic research
    (2025-05-20) Βρουβάκη, Ευρυδίκη; Vrouvaki, Evrydiki; Chatziantoniou, Damianos; Papastefanatos, George; Papageorgiou, Haris
    H παρούσα μεταπτυχιακή διπλωματική εργασία επικεντρώνεται στην αντιμετώπιση της δυσκολίας συνδυασμού και τυποποίησης των σχολίων μεταξύ διαφορετικών εργαλείων Επεξεργασίας Φυσικής Γλώσσας, ειδικά κατά την ανάλυση επιστημονικής βιβλιογραφίας. Η προτεινόμενη λύση βασίζεται σε μία γενικευμένη προσέγγιση αντιστοίχισης. Η προσέγγιση αυτή αντιστοιχεί τα ερευνητικά αντικείμενα σε επίπεδο πρότασης από το εργαλείο Research Artifact Analysis σε αρχεία CAS που δημιουργούνται μέσω της πλατφόρμας INCEpTION. Αυτή η ενσωμάτωση είναι κρίσιμη, καθώς αντιμετωπίζει ασυνέπειες στον διαχωρισμό προτάσεων, την κατάτμηση των λέξεων και τις μορφές κωδικοποίησης, οι οποίες αποτελούν σημαντικά εμπόδια για την αξιόπιστη αντιστοίχιση σχολίων. Για την εύρεση της πιο ακριβούς ευθυγράμμισης προτάσεων, η παρούσα έρευνα αξιοποιεί τεχνικές κανονικοποίησης κειμένου καθώς και τον αλγόριθμο Longest Common Subsequence. Για τη διασφάλιση υψηλής ακρίβειας, το πλαίσιο περιλαμβάνει επίσης μηχανισμούς που εφαρμόζουν αντιστοίχιση χωρίς διάκριση πεζών-κεφαλαίων και εναλλακτικές μεθόδους. Τα ερευνητικά αντικείμενα και τα αντίστοιχα μεταδεδομένα τους προστίθενται προγραμματιστικά στη δομή CAS. Η έρευνα αυτή συμβάλλει στην επιστημονική κοινότητα παρέχοντας ένα ευέλικτο πλαίσιο για τη βελτίωση της συνέπειας των σχολίων μεταξύ εργαλείων Επεξεργασίας Φυσικής Γλώσσας. Τα αποτελέσματά της ενισχύουν την ανάπτυξη πιο αξιόπιστων και αυτοματοποιημένων ροών εργασίας, με δυνατότητες εφαρμογής σε πολλούς επιστημονικούς τομείς.