{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3475702"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3475702","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Prompt enrichment for Geospatial LLM inference","abstract":"Η ενσωμάτωση των γεωχωρικών δεδομένων σε prompts φυσικής γλώσσας προσφέρει σημαντικές δυνατότητες για την ενίσχυση της εξαγωγής συμπερασμάτων από Μεγάλα Γλωσσικά Μοντέλα (LLM) για εργασίες με χωρική επίγνωση. Η παρούσα διατριβή αναπτύσσεται ως βελτίωση του πειράματος της δημοσίευσης του Manvi [12] που αξιοποιεί τα LLMs για εξαγωγή συμπερασμάτων σε γεωχωρικά δεδομένα με τη χρήση prompts προσαρμοσμένων για αυτό το σκοπό και επίσης έλαβε κάποια στοιχεία από την δημοσίευση [11] τα οποία αναφέρονται στη γεωγραφική προκατάληψη των LLMs σε συγκεκριμένες γεωγραφικές τοποθεσίες με χαμηλότερες κοινωνικοοικονομικές συνθήκες με τη χρήση συσχέτισης spearman. Πραγματοποιείται άμεση σύγκριση με τη μεθοδολογία των συγγραφέων, όπου χρησιμοποίησα ακριβώς τις ίδιες μεθόδους και μέρος του κώδικα που μοιράζομαι εδώ: [10] προκειμένου να αναπαραχθεί το πείραμα και να ανοίξει ο δρόμος για τον κύριο σκοπό της παρούσας διατριβής: τον εμπλουτισμό των prompts των συγγραφέων με επιπλέον predicates από το Wikidata για την ενίσχυση της διαδικασίας εξαγωγής συμπερασμάτων της LLM. Η εργασία αυτή προάγει την κατανόηση του τρόπου με τον οποίο τα γεωχωρικά δεδομένα μπορούν να ενσωματωθούν απρόσκοπτα στα LLM, παρέχοντας μια βάση για μελλοντική έρευνα σχετικά με τη χρήση τους για την εξαγωγή γεωχωρικών γνώσεων και το εξειδικευμένo prompt engineering.","abstract_html":"Η ενσωμάτωση των γεωχωρικών δεδομένων σε prompts φυσικής γλώσσας προσφέρει σημαντικές δυνατότητες για την ενίσχυση της εξαγωγής συμπερασμάτων από Μεγάλα Γλωσσικά Μοντέλα (LLM) για εργασίες με χωρική επίγνωση. Η παρούσα διατριβή αναπτύσσεται ως βελτίωση του πειράματος της δημοσίευσης του Manvi [12] που αξιοποιεί τα LLMs για εξαγωγή συμπερασμάτων σε γεωχωρικά δεδομένα με τη χρήση prompts προσαρμοσμένων για αυτό το σκοπό και επίσης έλαβε κάποια στοιχεία από την δημοσίευση [11] τα οποία αναφέρονται στη γεωγραφική προκατάληψη των LLMs σε συγκεκριμένες γεωγραφικές τοποθεσίες με χαμηλότερες κοινωνικοοικονομικές συνθήκες με τη χρήση συσχέτισης spearman. Πραγματοποιείται άμεση σύγκριση με τη μεθοδολογία των συγγραφέων, όπου χρησιμοποίησα ακριβώς τις ίδιες μεθόδους και μέρος του κώδικα που μοιράζομαι εδώ: [10] προκειμένου να αναπαραχθεί το πείραμα και να ανοίξει ο δρόμος για τον κύριο σκοπό της παρούσας διατριβής: τον εμπλουτισμό των prompts των συγγραφέων με επιπλέον predicates από το Wikidata για την ενίσχυση της διαδικασίας εξαγωγής συμπερασμάτων της LLM. Η εργασία αυτή προάγει την κατανόηση του τρόπου με τον οποίο τα γεωχωρικά δεδομένα μπορούν να ενσωματωθούν απρόσκοπτα στα LLM, παρέχοντας μια βάση για μελλοντική έρευνα σχετικά με τη χρήση τους για την εξαγωγή γεωχωρικών γνώσεων και το εξειδικευμένo prompt engineering.","abstract_has_math":false,"creators":["Τσιομπίκας Δημήτριος","Tsiompikas Dimitrios"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-11-19T06:32:09Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3475702"],"render_values":[{"text":"uoadl:3475702","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3475702","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3475702","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%3A3475702","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Τσιομπίκας Δημήτριος","Tsiompikas Dimitrios"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2025"]},{"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:3475702","https://pergamos.lib.uoa.gr/uoa/dl/object/3475702"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η ενσωμάτωση των γεωχωρικών δεδομένων σε prompts φυσικής γλώσσας προσφέρει σημαντικές δυνατότητες για την ενίσχυση της εξαγωγής συμπερασμάτων από Μεγάλα Γλωσσικά Μοντέλα (LLM) για εργασίες με χωρική επίγνωση. Η παρούσα διατριβή αναπτύσσεται ως βελτίωση του πειράματος της δημοσίευσης του Manvi [12] που αξιοποιεί τα LLMs για εξαγωγή συμπερασμάτων σε γεωχωρικά δεδομένα με τη χρήση prompts προσαρμοσμένων για αυτό το σκοπό και επίσης έλαβε κάποια στοιχεία από την δημοσίευση [11] τα οποία αναφέρονται στη γεωγραφική προκατάληψη των LLMs σε συγκεκριμένες γεωγραφικές τοποθεσίες με χαμηλότερες κοινωνικοοικονομικές συνθήκες με τη χρήση συσχέτισης spearman. Πραγματοποιείται άμεση σύγκριση με τη μεθοδολογία των συγγραφέων, όπου χρησιμοποίησα ακριβώς τις ίδιες μεθόδους και μέρος του κώδικα που μοιράζομαι εδώ: [10] προκειμένου να αναπαραχθεί το πείραμα και να ανοίξει ο δρόμος για τον κύριο σκοπό της παρούσας διατριβής: τον εμπλουτισμό των prompts των συγγραφέων με επιπλέον predicates από το Wikidata για την ενίσχυση της διαδικασίας εξαγωγής συμπερασμάτων της LLM. Η εργασία αυτή προάγει την κατανόηση του τρόπου με τον οποίο τα γεωχωρικά δεδομένα μπορούν να ενσωματωθούν απρόσκοπτα στα LLM, παρέχοντας μια βάση για μελλοντική έρευνα σχετικά με τη χρήση τους για την εξαγωγή γεωχωρικών γνώσεων και το εξειδικευμένo prompt engineering.","The integration of geospatial data into natural language prompts offers significant potential to enhance Large Language Model (LLM) inference for spatiallyaware tasks. This thesis is developed as an improvement to the experiment of paper [12] which leverages LLMs for inference on geospatial data using prompts tailored for the task and also took some elements from paper [11] which refer to the geographical bias of LLMs on specific geographic locations with lower socioeconomic conditions by using spearman correlation. A direct comparison is conducted with the authors' methodology, where I used the exact same methods and some of the code shared here: [10] in order to reproduce the experiment and pave the way for the main purpose of this thesis: enriching the authors' prompts with extra predicates from Wikidata to enhance the inference process of the LLM. This work advances the understanding of how geospatial data can be seamlessly integrated into LLMs, providing a foundation for future research in its usage for extracting geospatial knowledge and specialized prompt engineering."]},{"key":"dc:title","label":"Title","values":["Prompt enrichment for Geospatial LLM inference"]}]}],"canonical_facts":{"dc:creator":["Τσιομπίκας Δημήτριος","Tsiompikas Dimitrios"],"dc:date":["2025"],"dc:description":["Η ενσωμάτωση των γεωχωρικών δεδομένων σε prompts φυσικής γλώσσας προσφέρει σημαντικές δυνατότητες για την ενίσχυση της εξαγωγής συμπερασμάτων από Μεγάλα Γλωσσικά Μοντέλα (LLM) για εργασίες με χωρική επίγνωση. Η παρούσα διατριβή αναπτύσσεται ως βελτίωση του πειράματος της δημοσίευσης του Manvi [12] που αξιοποιεί τα LLMs για εξαγωγή συμπερασμάτων σε γεωχωρικά δεδομένα με τη χρήση prompts προσαρμοσμένων για αυτό το σκοπό και επίσης έλαβε κάποια στοιχεία από την δημοσίευση [11] τα οποία αναφέρονται στη γεωγραφική προκατάληψη των LLMs σε συγκεκριμένες γεωγραφικές τοποθεσίες με χαμηλότερες κοινωνικοοικονομικές συνθήκες με τη χρήση συσχέτισης spearman. Πραγματοποιείται άμεση σύγκριση με τη μεθοδολογία των συγγραφέων, όπου χρησιμοποίησα ακριβώς τις ίδιες μεθόδους και μέρος του κώδικα που μοιράζομαι εδώ: [10] προκειμένου να αναπαραχθεί το πείραμα και να ανοίξει ο δρόμος για τον κύριο σκοπό της παρούσας διατριβής: τον εμπλουτισμό των prompts των συγγραφέων με επιπλέον predicates από το Wikidata για την ενίσχυση της διαδικασίας εξαγωγής συμπερασμάτων της LLM. Η εργασία αυτή προάγει την κατανόηση του τρόπου με τον οποίο τα γεωχωρικά δεδομένα μπορούν να ενσωματωθούν απρόσκοπτα στα LLM, παρέχοντας μια βάση για μελλοντική έρευνα σχετικά με τη χρήση τους για την εξαγωγή γεωχωρικών γνώσεων και το εξειδικευμένo prompt engineering.","The integration of geospatial data into natural language prompts offers significant potential to enhance Large Language Model (LLM) inference for spatiallyaware tasks. This thesis is developed as an improvement to the experiment of paper [12] which leverages LLMs for inference on geospatial data using prompts tailored for the task and also took some elements from paper [11] which refer to the geographical bias of LLMs on specific geographic locations with lower socioeconomic conditions by using spearman correlation. A direct comparison is conducted with the authors' methodology, where I used the exact same methods and some of the code shared here: [10] in order to reproduce the experiment and pave the way for the main purpose of this thesis: enriching the authors' prompts with extra predicates from Wikidata to enhance the inference process of the LLM. This work advances the understanding of how geospatial data can be seamlessly integrated into LLMs, providing a foundation for future research in its usage for extracting geospatial knowledge and specialized prompt engineering."],"dc:identifier":["uoadl:3475702","https://pergamos.lib.uoa.gr/uoa/dl/object/3475702"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Prompt enrichment for Geospatial LLM inference"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:32:09Z"}