Συστήματα ερωταποκρίσεων με χρήση τεχνικών deep learning

datacite.contributor.RelatedPersonΣπύρος Σιούτας
datacite.contributor.RelatedPersonΧρήστος Μακρής
datacite.contributor.SupervisorΙωάννης Χατζηλυγερούδης
datacite.rightshttp://purl.org/coar/access_right/c_abf2el
dc.contributor.authorΝτενέζος, Παναγιώτης
dc.contributor.otherNtenezos, Panagiotis
dc.date.accessioned2021-02-26T07:16:18Z
dc.date.available2021-02-26T07:16:18Z
dc.date.copyright2020-09-30
dc.degreegraduateThesisel
dc.description.abstractΗ απάντηση ερωτημάτων (QA) είναι ένας υποκλάδος της ανάκτησης πληροφορίας. Λαμβάνοντας ένα σύνολο εγγράφων, ένα σύστημα απάντησης ερωτημάτων επιχειρεί να βρει τη σωστή απάντηση στην ερώτηση που τίθεται σε φυσική γλώσσα. Η τεχνική αυτή αποτελείται από μια διεπιστημονική προσέγγιση. Περιλαμβάνει τεχνολογία πληροφοριών, τεχνητή νοημοσύνη, επεξεργασία φυσικής γλώσσας, διαχείριση γνώσεων και βάσεων δεδομένων. Από τεχνολογική άποψη, η απάντηση σε ερωτήματα χρησιμοποιεί τη φυσική ή στατιστική επεξεργασία της γλώσσας, την ανάκτηση πληροφοριών και την εκπροσώπηση της γνώσης ως πιθανές δομικές μονάδες. Περιλαμβάνει την ταξινόμηση κειμένων και τις τεχνολογίες εξόρυξης δεδομένων. Σε γενικές γραμμές, το σύστηµα ερωταποκρίσεων (QAS) αποτελείται από τρία δομικά στοιχεία όπως η ταξινόμηση ερωτήσεων, η ανάκτηση πληροφορίας και η εξαγωγή απαντήσεων. Η ταξινόμηση των ερωτήσεων αποτελεί πρωταρχικό ρόλο στο σύστημα QA, καθώς κατηγοριοποιεί το ερώτημα με βάση τον τύπο της οντότητάς του. Η μέθοδος ανάκτησης πληροφορίας προσφέρει την εξαγωγή της κατάλληλης απάντησης. Τέλος, η μονάδα εξόρυξης απάντησης παρέχει μια κατάταξη των σχετικών απαντήσεων και την επικύρωση της απάντησης ενός υποψηφίου.el
dc.description.translatedabstractQuestion Answering (QA) is a subclass of information retrieval. Given a collection of documents, a Question Answering system tries to seek out out the proper answer to the question proposed in natural language. Question answering is interdisciplinary. It involves information technology, artificial intelligence, natural language processing, knowledge and database management and cognitive science. Technologically speaking, question answering uses natural or statistical language processing, information retrieval, and knowledge representation and reasoning as potential building blocks. It involves text classification, information extraction and summarization technologies. In general, question answering system (QAS) consist of three distinct modules such as question classification, information retrieval, and answer extraction. These components play a essential role in QAS. Question classification play primary role in QA system, as it categorizes the question based upon its type. The information retrieval method offers the appropriate answers. Finally, answer extraction module aims to retrieve the answer of the user's question by ranking and verifying all the appropriate answer.el
dc.identifier.urihttp://hdl.handle.net/10889/14540
dc.language.isogrel
dc.subjectAπάντηση ερωτημάτωνel
dc.subjectΣύστημα απάντησης ερωτημάτωνel
dc.subjectΒαθιά μάθησηel
dc.subjectΕπεξεργασία φυσικής γλώσσαςel
dc.subjectΤεχνητή νοημοσύνηel
dc.subjectΑνάκτηση πληροφορίαςel
dc.subject.alternativeQuestion answeringel
dc.subject.alternativeQuestion answering systemsel
dc.subject.alternativeDeep learningel
dc.subject.alternativeNatural language processingel
dc.subject.alternativeArtificial intelligenceel
dc.subject.alternativeInformation retrievalel
dc.subject.alternativeSQuADel
dc.titleΣυστήματα ερωταποκρίσεων με χρήση τεχνικών deep learningel
dc.title.alternativeQuestion answering systems using deep learning techniquesel
oaire.licenseConditionnullel

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
ntenezos_panagiotis_thesis.pdf
Size:
2.07 MB
Format:
Adobe Portable Document Format
Description:
Αρχείο Διπλωματικής Εργασίας
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
4.53 KB
Format:
Item-specific license agreed upon to submission
Description: