{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3243280"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3243280","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"ΑΝΑΠΤΥΞΗ ΜΕΘΟΔΟΛΟΓΙΑΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΦΥΣΙΚΗΣ ΓΛΩΣΣΑΣ ΓΙΑ ΤΗΝ ΑΝΑΛΥΣΗ ΒΙΟΙΑΤΡΙΚΩΝ ΔΕΔΟΜΕΝΩΝ","abstract":"Ο ρυθμός με τον οποίο παράγονται νέες επιστημονικές δημοσιεύσεις αυξάνεται συνεχώς, με αποτέλεσμα να είναι αδύνατο για άτομα κάθε επιστημονικού χώρου να διατηρούνται πλήρως ενημερωμένα, αλλά και να μπορούν να εκμεταλλευτούν τη γνώση που περιέχεται στις δημοσιεύσεις αυτές. Το φαινόμενο αυτό είναι ακόμα πιο προβληματικό στην περίπτωση των βιοϊατρικών επιστημών, όπου είναι πιο κρίσιμη η άμεση αλλαγή του τρόπου δράσης και παραγωγής νέων συμπερασμάτων με βάση τα νέα δεδομένα, τόσο για εργαζόμενους στο χώρο της υγείας, όσο και για ερευνητές αντίστοιχα. Ένας πολύ σημαντικός τρόπος με τον οποίο θα είναι δυνατή η αυτοματοποίηση της συλλογής και επεξεργασίας της νέας γνώσης που περιέχεται στις δημοσιεύσεις προέρχεται από το χώρο της επεξεργασίας φυσικής γλώσσας, ο οποίος προσφέρει εργαλεία τόσο για την κατανόηση των αντίστοιχων κειμένων, όσο και για την παραγωγή συμπερασμάτων με βάση αυτά. Στην παρούσα εργασία δίνεται χρήση εργαλείων του τομέα αυτού, σε συνδυασμό με εργαλεία που προέρχονται γενικότερα από το χώρο της μηχανικής μάθησης, με στόχο την κατασκευή μίας μηχανής απάντησης ερωτήσεων βιοϊατρικού περιεχομένου, η οποία στην πρώτη υλοποίησή της θα είναι στοχευμένη στην απάντηση ερωτήσεων σχετικών με τη θεματολογία του Covid-19. Η μηχανή αυτή αξιολογήθηκε σε κατάλληλα σύνολα δεδομένων, και τα συμπεράσματα χρησιμοποιήθηκαν τόσο για την κατανόηση των δυνατοτήτων της όσον αφορά την παραγωγή νέας γνώσης, όσο και για κρίση σχετικά με βελτιώσεις που θα μπορούσε μία αντίστοιχη αρχιτεκτονικά να δεχτεί σε μελλοντικές υλοποιήσεις.","abstract_html":"Ο ρυθμός με τον οποίο παράγονται νέες επιστημονικές δημοσιεύσεις αυξάνεται συνεχώς, με αποτέλεσμα να είναι αδύνατο για άτομα κάθε επιστημονικού χώρου να διατηρούνται πλήρως ενημερωμένα, αλλά και να μπορούν να εκμεταλλευτούν τη γνώση που περιέχεται στις δημοσιεύσεις αυτές. Το φαινόμενο αυτό είναι ακόμα πιο προβληματικό στην περίπτωση των βιοϊατρικών επιστημών, όπου είναι πιο κρίσιμη η άμεση αλλαγή του τρόπου δράσης και παραγωγής νέων συμπερασμάτων με βάση τα νέα δεδομένα, τόσο για εργαζόμενους στο χώρο της υγείας, όσο και για ερευνητές αντίστοιχα. Ένας πολύ σημαντικός τρόπος με τον οποίο θα είναι δυνατή η αυτοματοποίηση της συλλογής και επεξεργασίας της νέας γνώσης που περιέχεται στις δημοσιεύσεις προέρχεται από το χώρο της επεξεργασίας φυσικής γλώσσας, ο οποίος προσφέρει εργαλεία τόσο για την κατανόηση των αντίστοιχων κειμένων, όσο και για την παραγωγή συμπερασμάτων με βάση αυτά. Στην παρούσα εργασία δίνεται χρήση εργαλείων του τομέα αυτού, σε συνδυασμό με εργαλεία που προέρχονται γενικότερα από το χώρο της μηχανικής μάθησης, με στόχο την κατασκευή μίας μηχανής απάντησης ερωτήσεων βιοϊατρικού περιεχομένου, η οποία στην πρώτη υλοποίησή της θα είναι στοχευμένη στην απάντηση ερωτήσεων σχετικών με τη θεματολογία του Covid-19. Η μηχανή αυτή αξιολογήθηκε σε κατάλληλα σύνολα δεδομένων, και τα συμπεράσματα χρησιμοποιήθηκαν τόσο για την κατανόηση των δυνατοτήτων της όσον αφορά την παραγωγή νέας γνώσης, όσο και για κρίση σχετικά με βελτιώσεις που θα μπορούσε μία αντίστοιχη αρχιτεκτονικά να δεχτεί σε μελλοντικές υλοποιήσεις.","abstract_has_math":false,"creators":["Λυρής Ιωάννης","Lyris Ioannis"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2022,"date_issued":"2022","date_published":"2022","updated_at":"2026-11-19T06:20:03Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3243280"],"render_values":[{"text":"uoadl:3243280","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3243280","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3243280","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3243280","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Λυρής Ιωάννης","Lyris Ioannis"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2022"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3243280","https://pergamos.lib.uoa.gr/uoa/dl/object/3243280"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Ο ρυθμός με τον οποίο παράγονται νέες επιστημονικές δημοσιεύσεις αυξάνεται συνεχώς, με αποτέλεσμα να είναι αδύνατο για άτομα κάθε επιστημονικού χώρου να διατηρούνται πλήρως ενημερωμένα, αλλά και να μπορούν να εκμεταλλευτούν τη γνώση που περιέχεται στις δημοσιεύσεις αυτές. Το φαινόμενο αυτό είναι ακόμα πιο προβληματικό στην περίπτωση των βιοϊατρικών επιστημών, όπου είναι πιο κρίσιμη η άμεση αλλαγή του τρόπου δράσης και παραγωγής νέων συμπερασμάτων με βάση τα νέα δεδομένα, τόσο για εργαζόμενους στο χώρο της υγείας, όσο και για ερευνητές αντίστοιχα. Ένας πολύ σημαντικός τρόπος με τον οποίο θα είναι δυνατή η αυτοματοποίηση της συλλογής και επεξεργασίας της νέας γνώσης που περιέχεται στις δημοσιεύσεις προέρχεται από το χώρο της επεξεργασίας φυσικής γλώσσας, ο οποίος προσφέρει εργαλεία τόσο για την κατανόηση των αντίστοιχων κειμένων, όσο και για την παραγωγή συμπερασμάτων με βάση αυτά. Στην παρούσα εργασία δίνεται χρήση εργαλείων του τομέα αυτού, σε συνδυασμό με εργαλεία που προέρχονται γενικότερα από το χώρο της μηχανικής μάθησης, με στόχο την κατασκευή μίας μηχανής απάντησης ερωτήσεων βιοϊατρικού περιεχομένου, η οποία στην πρώτη υλοποίησή της θα είναι στοχευμένη στην απάντηση ερωτήσεων σχετικών με τη θεματολογία του Covid-19. Η μηχανή αυτή αξιολογήθηκε σε κατάλληλα σύνολα δεδομένων, και τα συμπεράσματα χρησιμοποιήθηκαν τόσο για την κατανόηση των δυνατοτήτων της όσον αφορά την παραγωγή νέας γνώσης, όσο και για κρίση σχετικά με βελτιώσεις που θα μπορούσε μία αντίστοιχη αρχιτεκτονικά να δεχτεί σε μελλοντικές υλοποιήσεις.","The rate with which new scientific publications are produced is rising constantly, and as a result it is impossible for people of every scientific field to be always on top of all new development, or even being able to take advantage of the new knowledge contained in these publications. This phenomenon is even more troubling in the case of biomedical sciences, where it is crucial to be able to change the way of action, or even the way of producing new results with regards to the new data, both for medical practitioners and for researchers. A very important way with which it would be possible to automate the task of collecting and processing the data coming from publications comes from the field of natural language processing, which provides tools both for understanding the text, as also for producing results based on them. In the present work, tools from the field of Natural Language Processing are being used, in conjunction with tools coming from the more general field of Machine Learning, with the goal of constructing a Question Answering machine for questions of the biomedical field, which in the first construction will be targeted towards answering questions relevant to the thematology of Covid-19. This machine has been validated on corresponding datasets, and the results were used both for understanding the abilities of the machine with regards to the production of new knowledge, and for judgement regarding possible optimizations that a similar architecture could be provided with in future constructions."]},{"key":"dc:title","label":"Title","values":["ΑΝΑΠΤΥΞΗ ΜΕΘΟΔΟΛΟΓΙΑΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΦΥΣΙΚΗΣ ΓΛΩΣΣΑΣ ΓΙΑ ΤΗΝ ΑΝΑΛΥΣΗ ΒΙΟΙΑΤΡΙΚΩΝ ΔΕΔΟΜΕΝΩΝ"]}]}],"canonical_facts":{"dc:creator":["Λυρής Ιωάννης","Lyris Ioannis"],"dc:date":["2022"],"dc:description":["Ο ρυθμός με τον οποίο παράγονται νέες επιστημονικές δημοσιεύσεις αυξάνεται συνεχώς, με αποτέλεσμα να είναι αδύνατο για άτομα κάθε επιστημονικού χώρου να διατηρούνται πλήρως ενημερωμένα, αλλά και να μπορούν να εκμεταλλευτούν τη γνώση που περιέχεται στις δημοσιεύσεις αυτές. Το φαινόμενο αυτό είναι ακόμα πιο προβληματικό στην περίπτωση των βιοϊατρικών επιστημών, όπου είναι πιο κρίσιμη η άμεση αλλαγή του τρόπου δράσης και παραγωγής νέων συμπερασμάτων με βάση τα νέα δεδομένα, τόσο για εργαζόμενους στο χώρο της υγείας, όσο και για ερευνητές αντίστοιχα. Ένας πολύ σημαντικός τρόπος με τον οποίο θα είναι δυνατή η αυτοματοποίηση της συλλογής και επεξεργασίας της νέας γνώσης που περιέχεται στις δημοσιεύσεις προέρχεται από το χώρο της επεξεργασίας φυσικής γλώσσας, ο οποίος προσφέρει εργαλεία τόσο για την κατανόηση των αντίστοιχων κειμένων, όσο και για την παραγωγή συμπερασμάτων με βάση αυτά. Στην παρούσα εργασία δίνεται χρήση εργαλείων του τομέα αυτού, σε συνδυασμό με εργαλεία που προέρχονται γενικότερα από το χώρο της μηχανικής μάθησης, με στόχο την κατασκευή μίας μηχανής απάντησης ερωτήσεων βιοϊατρικού περιεχομένου, η οποία στην πρώτη υλοποίησή της θα είναι στοχευμένη στην απάντηση ερωτήσεων σχετικών με τη θεματολογία του Covid-19. Η μηχανή αυτή αξιολογήθηκε σε κατάλληλα σύνολα δεδομένων, και τα συμπεράσματα χρησιμοποιήθηκαν τόσο για την κατανόηση των δυνατοτήτων της όσον αφορά την παραγωγή νέας γνώσης, όσο και για κρίση σχετικά με βελτιώσεις που θα μπορούσε μία αντίστοιχη αρχιτεκτονικά να δεχτεί σε μελλοντικές υλοποιήσεις.","The rate with which new scientific publications are produced is rising constantly, and as a result it is impossible for people of every scientific field to be always on top of all new development, or even being able to take advantage of the new knowledge contained in these publications. This phenomenon is even more troubling in the case of biomedical sciences, where it is crucial to be able to change the way of action, or even the way of producing new results with regards to the new data, both for medical practitioners and for researchers. A very important way with which it would be possible to automate the task of collecting and processing the data coming from publications comes from the field of natural language processing, which provides tools both for understanding the text, as also for producing results based on them. In the present work, tools from the field of Natural Language Processing are being used, in conjunction with tools coming from the more general field of Machine Learning, with the goal of constructing a Question Answering machine for questions of the biomedical field, which in the first construction will be targeted towards answering questions relevant to the thematology of Covid-19. This machine has been validated on corresponding datasets, and the results were used both for understanding the abilities of the machine with regards to the production of new knowledge, and for judgement regarding possible optimizations that a similar architecture could be provided with in future constructions."],"dc:identifier":["uoadl:3243280","https://pergamos.lib.uoa.gr/uoa/dl/object/3243280"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["ΑΝΑΠΤΥΞΗ ΜΕΘΟΔΟΛΟΓΙΑΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΦΥΣΙΚΗΣ ΓΛΩΣΣΑΣ ΓΙΑ ΤΗΝ ΑΝΑΛΥΣΗ ΒΙΟΙΑΤΡΙΚΩΝ ΔΕΔΟΜΕΝΩΝ"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:20:03Z"}