Ταξινόμηση και διαδικτυακή εφαρμογή αναζήτησης ηλεκτρονικών βιβλίων με τεχνικές βαθιάς μάθησης

Ξηρός, Βασίλειος; Xiros, Vasileios

dc.contributor.author	Ξηρός, Βασίλειος	el
dc.contributor.author	Xiros, Vasileios	en
dc.date.accessioned	2021-05-18T09:28:16Z
dc.date.available	2021-05-18T09:28:16Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/53445
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.21143
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Τεχνητή νοημοσύνη	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Επεξεργασία φυσικής γλώσσας	el
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Web εφαρμογή	el
dc.title	Ταξινόμηση και διαδικτυακή εφαρμογή αναζήτησης ηλεκτρονικών βιβλίων με τεχνικές βαθιάς μάθησης	el
heal.type	bachelorThesis
heal.secondaryTitle	Εφαρμογή στη συλλογή ebooks του Springer	el
heal.classification	Επιστήμη υπολογιστών	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-04-02
heal.abstract	Οι εφαρμογές της Τεχνητής Νοημοσύνης και πιο συγκεκριμένα της Μηχανικής Μάθησης, αυξάνονται εκθετικά χρόνο με τον χρόνο. Αυξάνεται διαρκώς η ανάγκη για συστηματικότερη μελέτη και έρευνα σε αυτά τα επιστημονικά πεδία. Σε αυτήν την διπλωματική εργασία, θα εφαρμοστούν τεχνικές Μηχανικής Μάθησης για κατανόηση και επεξεργασία φυσικής γλώσσας, σε ένα σύνολο δεδομένων που αποτελείται από βιβλία. Πιο συγκεκριμένα, θα χρησιμοποιηθεί ο πίνακας περιεχομένων του κάθε βιβλίου. Αρχικά, αφού γίνει η απαραίτητη ανάλυση και επεξεργασία τους, θα κατασκευαστούν μοντέλα Επιβλεπόμενης Μάθησης, τα οποία, με τη χρήση Νευρωνικών Δικτύων, θα είναι ικανά να ταξινομήσουν ένα βιβλίο με βάση τον πίνακα περιεχομένων του. Στη συνέχεια, με τη βοήθεια των νέων χαρακτηριστικών που θα αποκτήσει το κάθε βιβλίο, θα κατασκευαστούν μοντέλα Μη Επιβλεπόμενης Μάθησης, που σκοπό θα έχουν τη δημιουργία νέων κατηγοριών (clusters) στις οποίες θα ανήκει το κάθε βιβλίο. Επιπλέον, με τη βοήθεια των χαρακτηριστικών αυτών, θα υλοποιηθεί ένα σύστημα πρότασης συναφών συγγραμμάτων. Με σκοπό την παρουσίαση και διάθεση όλων των ανωτέρω μοντέλων, αλλά και των διαθέσιμων πληροφοριών για κάθε βιβλίο, θα υλοποιηθεί μια web εφαρμογή, η οποία θα υποστηρίζει όλα τα παραπάνω και θα είναι ικανή να εξυπηρετήσει πλήθος αιτημάτων χρήστη σε διάφορα σενάρια χρήσης.	el
heal.abstract	Applications of artificial intelligence and more specifically of machine learning are increasing exponentially each year. The need for more study and research is getting bigger. In this diploma thesis, machine learning techniques will be applied for natural language processing tasks in a dataset that consists of books. More specifically, the table of contents of each book will be used and, after the necessary data analysis and preprocessing is done, supervised learning models will be built using neural networks in order to be able to classify a book based on its table of contents. Subsequently, using the new features that each book gets, unsupervised learning models will be built in order to create new clusters, in which each book will belong to. Furthermore, using these features, a system that detects related books for a book, will be implemented. In order to make available all these models and also all the available information of each book, a web application will be implemented that supports all the above features and is capable of serving various user requests for various user scenarios.	en
heal.advisorName	Μήτρου, Νικόλαος	el
heal.committeeMemberName	Μήτρου, Νικόλαος	el
heal.committeeMemberName	Παπαβασιλείου, Συμεών	el
heal.committeeMemberName	Συκάς, Ευστάθιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	160 σ.	el
heal.fullTextAvailability	false