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 |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: