Πλοήγηση ανά Συγγραφέας "Kalouta, Kalliopi"

Τώρα δείχνει 1 - 2 of 2
  • Μικρογραφία εικόνας
    Τεκμήριο
    Εμπλουτισμός διεπαφών ανεύρεσης δεδομένων σε κοινοτικές υπηρεσίες δικτύωσης.
    (Τ.Ε.Ι. Κρήτης, Τεχνολογικών Εφαρμογών (Σ.Τ.Εφ), Τμήμα Μηχανικών Πληροφορικής Τ.Ε., 2013-11-12T12:32:14Z) Καλουτά, Καλλιόπη; Καλαφάτης, Κώστας; Kalouta, Kalliopi; Kalafatis, Kostas
    Σκοπός αυτής της πτυχιακής εργασίας είναι η δημιουργία ενός εργαλείου το οποίο θα επιτρέπει στους χρήστες να πραγματοποιούν cross-boundary ερωτήματα σε διαφορετικά και συχνά ασύνδετα μεταξύ τους, κοινοτικά δίκτυα και η παρουσίαση των αποτελεσμάτων αυτών. Αρχικά μελετήθηκε η τρέχουσα τεχνολογική στάθμιση, τόσο στον τομέα της συμβατικής αναζήτησης στο Διαδίκτυο (π.χ. Google), όσο και στον τομέα της αναζήτησης μέσα στα κοινοτικά δίκτυα(π.χ. Facebook και YouTube). Η εργασία επικεντρώθηκε σε μεθοδολογίες αλγορίθμων και αρχιτεκτονικών αναζήτησης, καθώς επίσης και στις προκλήσεις που τίθενται από την επιτακτική ανάγκη να ξεπεραστούν διαφόρων ειδών σύνορα, συμπεριλαμβανομένων τεχνικών και σημασιολογικών/θεματικών ορίων. Με βάση τη συγκεκριμένη ανάλυση σχεδιάσαμε ένα εργαλείο το οποίο επιτρέπει στο χρήστη να συντάσσει ερωτήματα που εκτείνονται πέραν των ορίων των εικονικών οικισμών και να επιστρέφει αποτελέσματα που αποτελούν μια συνάθροιση δεδομένων από πολλαπλά κοινοτικά δίκτυα.
  • Μικρογραφία εικόνας
    Τεκμήριο
    Χρήση μεγάλων γλωσσικών μοντέλων στην εξυπηρέτηση πελατών ενός e-shop: εκπαίδευση του μοντέλου, σύνδεση με chatbot και αξιολόγηση της αποτελεσματικότητας του
    (ΕΛΜΕΠΑ, Σχολή Μηχανικών (ΣΜΗΧ), ΠΜΣ Μηχανικών Πληροφορικής, 2025-09-29) Καλουτά, Καλλιόπη; Kalouta, Kalliopi; Μπατσάκης, Σωτήριος; Batsakis, Sotirios
    Η εξέλιξη του ηλεκτρονικού εμπορίου, ιδιαίτερα στον τομέα Business-to-Business (B2B), έχει εντείνει την ανάγκη για αποτελεσματική, εξειδικευμένη και άμεσα διαθέσιμη εξυπηρέτηση πελατών. Τα παραδοσιακά chatbots συχνά αδυνατούν να ανταποκριθούν σε σύνθετα ερωτήματα και να κατανοήσουν εξειδικευμένη ορολογία. Η παρούσα μεταπτυχιακή εργασία διερευνά την εφαρμογή Μεγάλων Γλωσσικών Μοντέλων (LLMs) σε συνδυασμό με την αρχιτεκτονική Επαυξημένης Γενιάς Ανάκτησης (RAG) για την ανάπτυξη ενός προηγμένου συστήματος chatbot, προσαρμοσμένου στις ανάγκες ενός B2B e-shop επαγγελματικού εξοπλισμού (Timber Destyle) εντός της ελληνικής αγοράς. Πρωταρχικός στόχος ήταν ο σχεδιασμός, η υλοποίηση και η αξιολόγηση ενός συνομιλητικού agent ικανού να παρέχει ακριβείς και έγκυρες απαντήσεις, αξιοποιώντας μια εξωτερική βάση γνώσης από εταιρικά δεδομένα προϊόντων. Το σύστημα αναπτύχθηκε με χρήση της low-code πλατφόρμας FlowiseAI για την ενορχήστρωση της RAG pipeline, ενσωματώνοντας το gpt-4o (latest) της OpenAI ως κεντρικό LLM, το text-embedding-3-small για τη δημιουργία vector embeddings, την Pinecone ως vector database και την Upstash Redis για τη διαχείριση μνήμης συνομιλίας. Η μεθοδολογία περιελάμβανε επαναληπτική παραμετροποίηση του συστήματος RAG (temperature του LLM, top_k του retriever, μηχανική προτροπών), αξιολόγηση πραγματικής ακρίβειας έναντι γνωστών απαντήσεων, και ολοκληρωμένη αξιολόγηση από χρήστες (μη ειδικούς και ειδικούς). Τα ευρήματα υποδεικνύουν ότι το chatbot που βασίζεται σε RAG επέδειξε σημαντικές δυνατότητες στην κατανόηση των προθέσεων των πελατών, την ανάκτηση σχετικών πληροφοριών από την εξειδικευμένη βάση γνώσης και την παραγωγή συνεκτικών απαντήσεων στα ελληνικά. Ενώ οι αξιολογήσεις των χρηστών ανέδειξαν καλή χρηστικότητα και ευγένεια, εντοπίστηκαν προκλήσεις σχετικές με τη διαχείριση εξαιρετικά εξειδικευμένων τεχνικών ερωτημάτων και τις ιδιαιτερότητες της ελληνικής γλώσσας, υπογραμμίζοντας τομείς για μελλοντική βελτίωση. Η εργασία αυτή συμβάλλει στην πρακτική κατανόηση της ανάπτυξης και εφαρμογής chatbots βασισμένων σε LLM και RAG σε εξειδικευμένα B2B e-commerce περιβάλλοντα, ιδιαίτερα για γλώσσες με λιγότερους πόρους όπως η ελληνική, και προσφέρει γνώσεις για αποτελεσματικές στρατηγικές αξιολόγησης.