Υλοποίηση chatbot με χρήση large language models

Τσίμπης, Αθανάσιος; Tsimpis, Athanasios

dc.contributor.author	Τσίμπης, Αθανάσιος	el
dc.contributor.author	Tsimpis, Athanasios	en
dc.date.accessioned	2025-03-13T10:45:17Z
dc.date.available	2025-03-13T10:45:17Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/61337
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.29033
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	Chatbot	en
dc.subject	Μεγάλα Γλωσσικά Μοντέλα	el
dc.subject	RAG	en
dc.subject	Μηχανική Μάθηση	el
dc.subject	Επεξεργασία Φυσικής Γλώσσας	el
dc.subject	Διανυσματικές Βάσεις Δεδομένων	el
dc.subject	Σημασιολογική Αναζήτηση	el
dc.title	Υλοποίηση chatbot με χρήση large language models	el
heal.type	bachelorThesis
heal.classification	Chatbot	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-10-15
heal.abstract	Τα συστήματα chatbot έχουν ολοένα και αυξανόμενο αντίκτυπο στην κοινωνία, απλοποιώντας σημαντικά πληθώρα εργασιών και παρέχοντας βελτιωμένη εμπειρία χρήστη για τις υπηρεσίες και τις ιστοσελίδες στις οποίες ενσωματώνονται. Τα σύγχρονα chatbot αξιοποιούν αλγορίθμους μηχανικής μάθησης και επεξεργασίας φυσικής γλώσσας, πετυχαίνοντας ισχυρές επιδόσεις. Το Εργαστήριο Συστημάτων Υποστήριξης Αποφάσεων και Διοίκησης του Εθνικού Μετσόβιου Πολυτεχνείου συμμετέχει σε διάφορα ερευνητικά έργα, από τα οποία έχει προκύψει ένα σημαντικό πλήθος εγγράφων που περιέχουν πληροφορίες σχετικές με τα έργα αυτά. Σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη ενός συστήματος chatbot, το οποίο θα επιτρέψει την διευκόλυνση της αναζήτησης πληροφορίας για το σύνολο των παραπάνω εγγράφων. Χρησιμοποιώντας το chatbot αυτό, οι χρήστες του θα μπορούν να μάθουν ποιος εργάστηκε σε συγκεκριμένα τμήματα των έργων καθώς και πως πραγματοποιήθηκε η εκάστοτε εργασία πολύ πιο εύκολα και γρήγορα. Το σύστημα chatbot που προτείνεται ακολουθεί το μοτίβο σχεδίασης RAG. Πιο συγκεκριμένα, το chatbot αποτελείται από ένα τμήμα παραγωγής απάντησης το οποίο επιτρέπει την αξιοποίηση των υψηλών δυνατοτήτων ενός μεγάλου γλωσσικού μοντέλου και από ένα τμήμα ανάκτησης πληροφορίας που παρέχει στο τμήμα παραγωγής απάντησης δεδομένα σχετικά με το εκάστοτε ερώτημα. Το τμήμα ανάκτησης αξιοποιεί μοντέλα μηχανικής μάθησης και μια διανυσματική βάση, προκειμένου να αποθηκεύσει κατάλληλα την υπάρχουσα πληροφορία και να είναι σε θέση να ανακτήσει σχετικά με τα ερωτήματα τμήματα πληροφορίας, πραγματοποιώντας τεχνικές σύγκρισης ομοιότητας. Αξιοποιώντας τα δύο παραπάνω τμήματα, το τελικό σύστημα είναι ικανό να προσφέρει σχετικές και ορθές απαντήσεις στον χρήστη του. Στα πλαίσια της παρούσας εργασίας, διερευνήθηκαν τρόποι με τους οποίους μπορεί να γίνει η όσο το δυνατόν ορθότερη εξαγωγή της πληροφορίας που περιέχεται στα έγγραφα που αποτελούν το σύνολο δεδομένων μας. Πραγματοποιήθηκαν επίσης πειράματα αξιολόγησης του τμήματος ανάκτησης του chatbot μας αλλά και του συνολικού συστήματος chatbot, όπου χρησιμοποιήθηκαν κατάλληλες μετρικές για κάθε περίπτωση αξιολόγησης. Παρουσιάζονται επιπλέον τα αποτελέσματα των πειραμάτων αξιολόγησης και σχετικές παρατηρήσεις. Τέλος, παρατίθενται τα συμπεράσματα σχετικά με τις δυνατότητες και τους περιορισμούς του προτεινόμενου συστήματος chatbot, καθώς και τρόποι με τους οποίους εκείνο μπορεί πιθανά να επεκταθεί στο μέλλον.	el
heal.abstract	Chatbot systems have an ever-increasing impact on society, significantly simplifying a multitude of tasks and providing an improved user experience in services and websites they are integrated into. Modern chatbots utilize machine learning and natural language processing algorithms, achieving strong performance. The Decision Support Systems and Management Laboratory of the National Technical University of Athens participates in various research projects, from which a significant number of documents have emerged, containing information related to these projects. The goal of this thesis is the development of a chatbot system, which will facilitate the information search for the aforementioned documents. By using this chatbot, its users will be able to learn who worked on particular parts of a project and also how the action was implemented, much faster and easier. The proposed chatbot system follows the RAG design pattern. More specifically, the chatbot consists of a response generation component which allows the utilization of the high capabilities of a large language model and a retrieval component that provides relevant data for each question to the response generation component. The retrieval component utilizes machine learning models and a vector database, in order to properly store the existing information and to be able to retrieve information passages relevant to the questions, by using similarity comparison techniques. By utilizing the above two components, the final system is capable of offering relevant and correct answers to its user. In the scope of this work, ways that enable the extraction of the information contained in the documents that make up our dataset as correctly as possible, were investigated. Various experiments that evaluate the retrieval component and the chatbot system as a whole have also been carried out, using the appropriate metrics for each evaluation case. Furthermore, the evaluation experiments results are presented, along with the relevant observations. Finally, the conclusions regarding the capabilities and limitations of the proposed chatbot system as well as possible ways with which it can be extended in the future, are listed.	en
heal.advisorName	Ασκούνης, Δημήτριος	el
heal.committeeMemberName	Ψαρράς, Ιωάννης	el
heal.committeeMemberName	Μαρινάκης, Ευάγγελος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεων. Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης	el
heal.academicPublisherID	ntua
heal.numberOfPages	87 σ.	el
heal.fullTextAvailability	false