{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3392432"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3392432","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Geospatial Question Answering with GeoQA3","abstract":"Η απάντηση ερωτημάτων είναι μία περιοχή της επιστήμης των υπολογιστής που ασχο- λείται με την κατασκευή συστημάτων που απαντούν ερωτήσεις που δίνονται σε φυσική γλώσσα. Δεν αποτελεί απλά ένα τομέα επιστημονικής αναζήτησης, τεχνικές απάντησης ερωτημάτων έχουν χρησιμοποιηθεί ευρεύως από μεγάλες εταιρείες λογισμικού. Χρησιμο- ποιούνται σε όλες τις γνωστές μηχανές αναζήτησης (π.χ. Google και Bing) και σε ψηφια- κούς βοηθούς (π.χ. Siri, Alexa και Goggle Assistant) για να απαντούν σε ερωτήσεις όπως \"Τι ώρα είναι στη Νέα Υόρκη;\" και \"Πόσα παιδιά είχε ο Άλμπερτ Αϊνστάιν;\". Σήμερα, οι χρήτες συχνά θέλουν να κάνουν ερωτήσεις με γεωχωρική χροιά σε μηχανές αναζήτησης, chatbots και ψηφιακούς βοηθούς. Όμως συστήματα όπως το Google Search και το ChatGPT αδυνατούν να δώσουν ακριβής απαντήσεις σε πολύπλοκες γεωχωρικές ερωτήσεις της μορφής: \"Ποιά ποτάμια που είναι μεγαλύτερα από 10 χιλιόμετρα παιρνούν από το Λονδίνο και τουλάχιστον μία ακόμα πόλη;\", \"Πόσες εκκλησίες υπάρχουν σε ακτίνα 2 μιλίων από το κέντρο της πόλης του Όστιν στο Τέξας\", \"Ποιές γειτονικές χώρες της Ελλάδας χρησιμοποιούν το ευρώ και έχουν πληθυσμό μεγαλύτερο από την Ελλάδα;\". Σε αυτη τη διπλωματική εργασία αντιμετωπίζουμε το πρόβλημα της απάντησης τέτοιων ερωτήσεων που μπορούν να απαντηθούν απο γεωχωρικούς γράφους γνώσεων που ανα- παριστούν γεωγραφικά σημεία ενδιαφέροντος. Η γεωχωρική γνώση στους γράφους γνώ- σεων κωδικοποιείται με τη χρήση συντεταγμένων (όπως σε DBpedia και YAGO2) αλλά και με λεπτομερέστες γεωμετρίες (π.χ. γραμμές, πολύγωνα) που είναι πιο ταιριαστές ανα- παραστάσεις για δρόμους, ποτάμια, χώρες και λοιπά (όπως σε Wikidata, YAGO2geo, WorldKG και KnowWhereGraph). Παρουσιάζουμε το γεωχωρικό σύστημα απάντησης ερωτημάτων GeoQA3 που βασίζεται στα συστήματα GeoQA και GeoQA2. Το GeoQA3 είναι μία ριζική εξέλιξη για τα συστήματα GeoQA, μιας και κάνει χρήση Μεγάλων Γλωσσικών Μοντέλων στην αρχιτεκτονική του για βελτιωμένη κατανόηση της φυσικής γλώσσας και την ικανότητα να παράγει εκτελέσημα ερωτήματα δυναμικά. Αυτό επιτρέπει στο GeoQA3 να κατανοεί και να απαντάει ένα μεγά- λυτερο εύρος ερωτήσεων. Το σύστημα είνα προσφέρεται ως λογισμικό ανοιχτού κώδικα. Όπως και το GeoQA2 στοχεύει στην απάντηση ερωτημάτων με τη χρήση των YAGO2 και YAGO2geo.","abstract_html":"Η απάντηση ερωτημάτων είναι μία περιοχή της επιστήμης των υπολογιστής που ασχο- λείται με την κατασκευή συστημάτων που απαντούν ερωτήσεις που δίνονται σε φυσική γλώσσα. Δεν αποτελεί απλά ένα τομέα επιστημονικής αναζήτησης, τεχνικές απάντησης ερωτημάτων έχουν χρησιμοποιηθεί ευρεύως από μεγάλες εταιρείες λογισμικού. Χρησιμο- ποιούνται σε όλες τις γνωστές μηχανές αναζήτησης (π.χ. Google και Bing) και σε ψηφια- κούς βοηθούς (π.χ. Siri, Alexa και Goggle Assistant) για να απαντούν σε ερωτήσεις όπως &quot;Τι ώρα είναι στη Νέα Υόρκη;&quot; και &quot;Πόσα παιδιά είχε ο Άλμπερτ Αϊνστάιν;&quot;. Σήμερα, οι χρήτες συχνά θέλουν να κάνουν ερωτήσεις με γεωχωρική χροιά σε μηχανές αναζήτησης, chatbots και ψηφιακούς βοηθούς. Όμως συστήματα όπως το Google Search και το ChatGPT αδυνατούν να δώσουν ακριβής απαντήσεις σε πολύπλοκες γεωχωρικές ερωτήσεις της μορφής: &quot;Ποιά ποτάμια που είναι μεγαλύτερα από 10 χιλιόμετρα παιρνούν από το Λονδίνο και τουλάχιστον μία ακόμα πόλη;&quot;, &quot;Πόσες εκκλησίες υπάρχουν σε ακτίνα 2 μιλίων από το κέντρο της πόλης του Όστιν στο Τέξας&quot;, &quot;Ποιές γειτονικές χώρες της Ελλάδας χρησιμοποιούν το ευρώ και έχουν πληθυσμό μεγαλύτερο από την Ελλάδα;&quot;. Σε αυτη τη διπλωματική εργασία αντιμετωπίζουμε το πρόβλημα της απάντησης τέτοιων ερωτήσεων που μπορούν να απαντηθούν απο γεωχωρικούς γράφους γνώσεων που ανα- παριστούν γεωγραφικά σημεία ενδιαφέροντος. Η γεωχωρική γνώση στους γράφους γνώ- σεων κωδικοποιείται με τη χρήση συντεταγμένων (όπως σε DBpedia και YAGO2) αλλά και με λεπτομερέστες γεωμετρίες (π.χ. γραμμές, πολύγωνα) που είναι πιο ταιριαστές ανα- παραστάσεις για δρόμους, ποτάμια, χώρες και λοιπά (όπως σε Wikidata, YAGO2geo, WorldKG και KnowWhereGraph). Παρουσιάζουμε το γεωχωρικό σύστημα απάντησης ερωτημάτων GeoQA3 που βασίζεται στα συστήματα GeoQA και GeoQA2. Το GeoQA3 είναι μία ριζική εξέλιξη για τα συστήματα GeoQA, μιας και κάνει χρήση Μεγάλων Γλωσσικών Μοντέλων στην αρχιτεκτονική του για βελτιωμένη κατανόηση της φυσικής γλώσσας και την ικανότητα να παράγει εκτελέσημα ερωτήματα δυναμικά. Αυτό επιτρέπει στο GeoQA3 να κατανοεί και να απαντάει ένα μεγά- λυτερο εύρος ερωτήσεων. Το σύστημα είνα προσφέρεται ως λογισμικό ανοιχτού κώδικα. Όπως και το GeoQA2 στοχεύει στην απάντηση ερωτημάτων με τη χρήση των YAGO2 και YAGO2geo.","abstract_has_math":false,"creators":["Κεφαλίδης Σέργιος-Ανέστης","Kefalidis Sergios-Anestis"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2024,"date_issued":"2024","date_published":"2024","updated_at":"2026-11-19T06:28:48Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3392432"],"render_values":[{"text":"uoadl:3392432","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3392432","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3392432","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%3A3392432","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Κεφαλίδης Σέργιος-Ανέστης","Kefalidis Sergios-Anestis"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2024"]},{"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":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3392432","https://pergamos.lib.uoa.gr/uoa/dl/object/3392432"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η απάντηση ερωτημάτων είναι μία περιοχή της επιστήμης των υπολογιστής που ασχο- λείται με την κατασκευή συστημάτων που απαντούν ερωτήσεις που δίνονται σε φυσική γλώσσα. Δεν αποτελεί απλά ένα τομέα επιστημονικής αναζήτησης, τεχνικές απάντησης ερωτημάτων έχουν χρησιμοποιηθεί ευρεύως από μεγάλες εταιρείες λογισμικού. Χρησιμο- ποιούνται σε όλες τις γνωστές μηχανές αναζήτησης (π.χ. Google και Bing) και σε ψηφια- κούς βοηθούς (π.χ. Siri, Alexa και Goggle Assistant) για να απαντούν σε ερωτήσεις όπως \"Τι ώρα είναι στη Νέα Υόρκη;\" και \"Πόσα παιδιά είχε ο Άλμπερτ Αϊνστάιν;\". Σήμερα, οι χρήτες συχνά θέλουν να κάνουν ερωτήσεις με γεωχωρική χροιά σε μηχανές αναζήτησης, chatbots και ψηφιακούς βοηθούς. Όμως συστήματα όπως το Google Search και το ChatGPT αδυνατούν να δώσουν ακριβής απαντήσεις σε πολύπλοκες γεωχωρικές ερωτήσεις της μορφής: \"Ποιά ποτάμια που είναι μεγαλύτερα από 10 χιλιόμετρα παιρνούν από το Λονδίνο και τουλάχιστον μία ακόμα πόλη;\", \"Πόσες εκκλησίες υπάρχουν σε ακτίνα 2 μιλίων από το κέντρο της πόλης του Όστιν στο Τέξας\", \"Ποιές γειτονικές χώρες της Ελλάδας χρησιμοποιούν το ευρώ και έχουν πληθυσμό μεγαλύτερο από την Ελλάδα;\". Σε αυτη τη διπλωματική εργασία αντιμετωπίζουμε το πρόβλημα της απάντησης τέτοιων ερωτήσεων που μπορούν να απαντηθούν απο γεωχωρικούς γράφους γνώσεων που ανα- παριστούν γεωγραφικά σημεία ενδιαφέροντος. Η γεωχωρική γνώση στους γράφους γνώ- σεων κωδικοποιείται με τη χρήση συντεταγμένων (όπως σε DBpedia και YAGO2) αλλά και με λεπτομερέστες γεωμετρίες (π.χ. γραμμές, πολύγωνα) που είναι πιο ταιριαστές ανα- παραστάσεις για δρόμους, ποτάμια, χώρες και λοιπά (όπως σε Wikidata, YAGO2geo, WorldKG και KnowWhereGraph). Παρουσιάζουμε το γεωχωρικό σύστημα απάντησης ερωτημάτων GeoQA3 που βασίζεται στα συστήματα GeoQA και GeoQA2. Το GeoQA3 είναι μία ριζική εξέλιξη για τα συστήματα GeoQA, μιας και κάνει χρήση Μεγάλων Γλωσσικών Μοντέλων στην αρχιτεκτονική του για βελτιωμένη κατανόηση της φυσικής γλώσσας και την ικανότητα να παράγει εκτελέσημα ερωτήματα δυναμικά. Αυτό επιτρέπει στο GeoQA3 να κατανοεί και να απαντάει ένα μεγά- λυτερο εύρος ερωτήσεων. Το σύστημα είνα προσφέρεται ως λογισμικό ανοιχτού κώδικα. Όπως και το GeoQA2 στοχεύει στην απάντηση ερωτημάτων με τη χρήση των YAGO2 και YAGO2geo.","Question answering (QA) is a computer science discipline within the fields of information retrieval and natural language processing that is concerned with building systems that answer questions posed in natural language. Question answering is not just a scientific challenge, question answering techniques have seen widespread use and adoption in the industry. They are used in all well-known search engines (e.g., Google and Bing) and digital assistants (e.g., Siri, Alexa, and Google Assistant) for answering questions like “What’s the time in New York?” or “How many children did Albert Einstein have?”. Today, users often are interested in posing questions or information requests with a geo- spatial dimension to search engines, chatbots and virtual personal assistants. However, such technologies, like Google and ChatGPT, still struggle to give immediate and precise answers to complex geographic questions of the form: “Which rivers longer than 10kms cross London and at least one other city?”, “How many churches exist in a 2-mile radius of the city center of Austin, Texas?”, “Which countries border Greece, have the euro as their currency and their population is greater than the population of Greece”. In this thesis, we deal with the problem of answering such questions over geospatial know- ledge graphs i.e., knowledge graphs (KGs) which represent knowledge about geographic features or simply features in the terminology of GIS systems. Geospatial knowledge in KGs is encoded using latitude/longitude pairs representing the center of features (as e.g., in DBpedia and YAGO2), but also more detailed geometries (e.g., lines, polygons) since these are more appropriate for modeling the geometries of features such as rivers, roads, countries etc. (as in Wikidata, YAGO2geo, WorldKG and KnowWhereGraph). We present the geospatial QA system GeoQA3 which is based on GeoQA and its revi- sion GeoQA2. GeoQA3 represents a radical evolution of the GeoQA family of engines, introducing Large Language Models in the question-answering pipeline to improve natural language understanding and facilitate dynamic query generation. This allows GeoQA3 to understand and correctly answer a larger variety of questions. The engine is available as open source. As its predecessor, it targets the union of the knowledge graph YAGO2 and the geospatial knowledge graph YAGO2geo."]},{"key":"dc:title","label":"Title","values":["Geospatial Question Answering with GeoQA3"]}]}],"canonical_facts":{"dc:creator":["Κεφαλίδης Σέργιος-Ανέστης","Kefalidis Sergios-Anestis"],"dc:date":["2024"],"dc:description":["Η απάντηση ερωτημάτων είναι μία περιοχή της επιστήμης των υπολογιστής που ασχο- λείται με την κατασκευή συστημάτων που απαντούν ερωτήσεις που δίνονται σε φυσική γλώσσα. Δεν αποτελεί απλά ένα τομέα επιστημονικής αναζήτησης, τεχνικές απάντησης ερωτημάτων έχουν χρησιμοποιηθεί ευρεύως από μεγάλες εταιρείες λογισμικού. Χρησιμο- ποιούνται σε όλες τις γνωστές μηχανές αναζήτησης (π.χ. Google και Bing) και σε ψηφια- κούς βοηθούς (π.χ. Siri, Alexa και Goggle Assistant) για να απαντούν σε ερωτήσεις όπως \"Τι ώρα είναι στη Νέα Υόρκη;\" και \"Πόσα παιδιά είχε ο Άλμπερτ Αϊνστάιν;\". Σήμερα, οι χρήτες συχνά θέλουν να κάνουν ερωτήσεις με γεωχωρική χροιά σε μηχανές αναζήτησης, chatbots και ψηφιακούς βοηθούς. Όμως συστήματα όπως το Google Search και το ChatGPT αδυνατούν να δώσουν ακριβής απαντήσεις σε πολύπλοκες γεωχωρικές ερωτήσεις της μορφής: \"Ποιά ποτάμια που είναι μεγαλύτερα από 10 χιλιόμετρα παιρνούν από το Λονδίνο και τουλάχιστον μία ακόμα πόλη;\", \"Πόσες εκκλησίες υπάρχουν σε ακτίνα 2 μιλίων από το κέντρο της πόλης του Όστιν στο Τέξας\", \"Ποιές γειτονικές χώρες της Ελλάδας χρησιμοποιούν το ευρώ και έχουν πληθυσμό μεγαλύτερο από την Ελλάδα;\". Σε αυτη τη διπλωματική εργασία αντιμετωπίζουμε το πρόβλημα της απάντησης τέτοιων ερωτήσεων που μπορούν να απαντηθούν απο γεωχωρικούς γράφους γνώσεων που ανα- παριστούν γεωγραφικά σημεία ενδιαφέροντος. Η γεωχωρική γνώση στους γράφους γνώ- σεων κωδικοποιείται με τη χρήση συντεταγμένων (όπως σε DBpedia και YAGO2) αλλά και με λεπτομερέστες γεωμετρίες (π.χ. γραμμές, πολύγωνα) που είναι πιο ταιριαστές ανα- παραστάσεις για δρόμους, ποτάμια, χώρες και λοιπά (όπως σε Wikidata, YAGO2geo, WorldKG και KnowWhereGraph). Παρουσιάζουμε το γεωχωρικό σύστημα απάντησης ερωτημάτων GeoQA3 που βασίζεται στα συστήματα GeoQA και GeoQA2. Το GeoQA3 είναι μία ριζική εξέλιξη για τα συστήματα GeoQA, μιας και κάνει χρήση Μεγάλων Γλωσσικών Μοντέλων στην αρχιτεκτονική του για βελτιωμένη κατανόηση της φυσικής γλώσσας και την ικανότητα να παράγει εκτελέσημα ερωτήματα δυναμικά. Αυτό επιτρέπει στο GeoQA3 να κατανοεί και να απαντάει ένα μεγά- λυτερο εύρος ερωτήσεων. Το σύστημα είνα προσφέρεται ως λογισμικό ανοιχτού κώδικα. Όπως και το GeoQA2 στοχεύει στην απάντηση ερωτημάτων με τη χρήση των YAGO2 και YAGO2geo.","Question answering (QA) is a computer science discipline within the fields of information retrieval and natural language processing that is concerned with building systems that answer questions posed in natural language. Question answering is not just a scientific challenge, question answering techniques have seen widespread use and adoption in the industry. They are used in all well-known search engines (e.g., Google and Bing) and digital assistants (e.g., Siri, Alexa, and Google Assistant) for answering questions like “What’s the time in New York?” or “How many children did Albert Einstein have?”. Today, users often are interested in posing questions or information requests with a geo- spatial dimension to search engines, chatbots and virtual personal assistants. However, such technologies, like Google and ChatGPT, still struggle to give immediate and precise answers to complex geographic questions of the form: “Which rivers longer than 10kms cross London and at least one other city?”, “How many churches exist in a 2-mile radius of the city center of Austin, Texas?”, “Which countries border Greece, have the euro as their currency and their population is greater than the population of Greece”. In this thesis, we deal with the problem of answering such questions over geospatial know- ledge graphs i.e., knowledge graphs (KGs) which represent knowledge about geographic features or simply features in the terminology of GIS systems. Geospatial knowledge in KGs is encoded using latitude/longitude pairs representing the center of features (as e.g., in DBpedia and YAGO2), but also more detailed geometries (e.g., lines, polygons) since these are more appropriate for modeling the geometries of features such as rivers, roads, countries etc. (as in Wikidata, YAGO2geo, WorldKG and KnowWhereGraph). We present the geospatial QA system GeoQA3 which is based on GeoQA and its revi- sion GeoQA2. GeoQA3 represents a radical evolution of the GeoQA family of engines, introducing Large Language Models in the question-answering pipeline to improve natural language understanding and facilitate dynamic query generation. This allows GeoQA3 to understand and correctly answer a larger variety of questions. The engine is available as open source. As its predecessor, it targets the union of the knowledge graph YAGO2 and the geospatial knowledge graph YAGO2geo."],"dc:identifier":["uoadl:3392432","https://pergamos.lib.uoa.gr/uoa/dl/object/3392432"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Geospatial Question Answering with GeoQA3"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:28:48Z"}