{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5319342"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5319342","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Μηχανική μετάφραση γλωσσών περιορισμένων δεδομένων: Δημιουργία παράλληλου συνόλου δεδομένων Περσικών - Ελληνικών και συγκριτική αξιολόγηση μη προσαρμοσμένων και προσαρμοσμένων μοντέλων.","abstract":"Η παρούσα διπλωματική εργασία εξετάζει τη μηχανική μετάφραση σε γλώσσες περιορισμένων δεδομένων, με εφαρμογή στο ζεύγος Περσικά (Φαρσί) – Ελληνικά. Η επιλογή του συγκεκριμένου αντικειμένου προκύπτει από τη διαπίστωση ότι πολλά γλωσσικά ζεύγη, παρότι παρουσιάζουν σημαντικό κοινωνικό και ανθρωπιστικό ενδιαφέρον, εξακολουθούν να υποστηρίζονται ανεπαρκώς από τα σύγχρονα συστήματα μηχανικής μετάφρασης.Στόχος της έρευνας είναι αφενός η ανάπτυξη ενός παράλληλου συνόλου δεδομένων για το συγκεκριμένο γλωσσικό ζεύγος και αφετέρου η αξιολόγηση της αποτελεσματικότητας παραμετρικά αποδοτικών τεχνικών προσαρμογής, σε σύγκριση με συστήματα γενικής χρήσης που λειτουργούν χωρίς προηγούμενη εκπαίδευση στο εν λόγω ζεύγος (zero-shot conditions). Η μεθοδολογία περιλάμβανε αρχικά τη συλλογή και τη στοίχιση δεδομένων από ποικίλες πηγές, όπως νομικά, δημοσιογραφικά και εκπαιδευτικά κείμενα, με σκοπό τη δημιουργία ενός πολυθεματικού παράλληλου συνόλου δεδομένων. Στη συνέχεια, εφαρμόστηκε παραμετρικά αποδοτική προσαρμογή (Parameter-Efficient Fine-Tuning) στο μοντέλο NLLB-200, με στόχο τη βελτίωση της απόδοσής του στο ζεύγος Περσικά–Ελληνικά. Για σκοπούς σύγκρισης, αξιολογήθηκαν επίσης γενικά πολυγλωσσικά συστήματα, τα οποία χρησιμοποιήθηκαν σε συνθήκες zero-shot, δηλαδή χωρίς καμία πρόσθετη εκπαίδευση στο συγκεκριμένο ζεύγος. Μεταξύ αυτών περιλαμβάνονται το Google Translate, το Krikri, το NLLB-200 (στη μη προσαρμοσμένη εκδοχή του) και το Gemma-3. Η αξιολόγηση πραγματοποιήθηκε τόσο με αυτόματες μετρικές όσο και με ανθρώπινη ποιοτική ανάλυση, η οποία εστίασε στην ακρίβεια, τη ροή και τη διαχείριση της ορολογίας στις παραγόμενες μεταφράσεις.Τα αποτελέσματα δείχνουν ότι το προσαρμοσμένο (fine-tuned) μοντέλο NLLB-200 υπερέχει έναντι των συστημάτων που εφαρμόστηκαν σε συνθήκες zero-shot, ιδίως σε κείμενα με εξειδικευμένη ορολογία, παράγοντας μεταφράσεις πιο συνεκτικές και ακριβείς σε σχέση με το πρωτότυπο. Συνολικά, η εργασία τεκμηριώνει ότι ο συνδυασμός ανάπτυξης παράλληλων συνόλων δεδομένων και παραμετρικά αποδοτικής προσαρμογής συνιστά αποτελεσματική στρατηγική για τη βελτίωση της μηχανικής μετάφρασης σε γλώσσες περιορισμένων δεδομένων. Η συμβολή της έρευνας είναι διττή: αφενός ενισχύει τη θεωρητική κατανόηση των πολυγλωσσικών μοντέλων και αφετέρου αναδεικνύει τη δυνατότητά τους να αξιοποιηθούν σε πολυγλωσσικά και ανθρωπιστικά περιβάλλοντα.","abstract_html":"Η παρούσα διπλωματική εργασία εξετάζει τη μηχανική μετάφραση σε γλώσσες περιορισμένων δεδομένων, με εφαρμογή στο ζεύγος Περσικά (Φαρσί) – Ελληνικά. Η επιλογή του συγκεκριμένου αντικειμένου προκύπτει από τη διαπίστωση ότι πολλά γλωσσικά ζεύγη, παρότι παρουσιάζουν σημαντικό κοινωνικό και ανθρωπιστικό ενδιαφέρον, εξακολουθούν να υποστηρίζονται ανεπαρκώς από τα σύγχρονα συστήματα μηχανικής μετάφρασης.Στόχος της έρευνας είναι αφενός η ανάπτυξη ενός παράλληλου συνόλου δεδομένων για το συγκεκριμένο γλωσσικό ζεύγος και αφετέρου η αξιολόγηση της αποτελεσματικότητας παραμετρικά αποδοτικών τεχνικών προσαρμογής, σε σύγκριση με συστήματα γενικής χρήσης που λειτουργούν χωρίς προηγούμενη εκπαίδευση στο εν λόγω ζεύγος (zero-shot conditions). Η μεθοδολογία περιλάμβανε αρχικά τη συλλογή και τη στοίχιση δεδομένων από ποικίλες πηγές, όπως νομικά, δημοσιογραφικά και εκπαιδευτικά κείμενα, με σκοπό τη δημιουργία ενός πολυθεματικού παράλληλου συνόλου δεδομένων. Στη συνέχεια, εφαρμόστηκε παραμετρικά αποδοτική προσαρμογή (Parameter-Efficient Fine-Tuning) στο μοντέλο NLLB-200, με στόχο τη βελτίωση της απόδοσής του στο ζεύγος Περσικά–Ελληνικά. Για σκοπούς σύγκρισης, αξιολογήθηκαν επίσης γενικά πολυγλωσσικά συστήματα, τα οποία χρησιμοποιήθηκαν σε συνθήκες zero-shot, δηλαδή χωρίς καμία πρόσθετη εκπαίδευση στο συγκεκριμένο ζεύγος. Μεταξύ αυτών περιλαμβάνονται το Google Translate, το Krikri, το NLLB-200 (στη μη προσαρμοσμένη εκδοχή του) και το Gemma-3. Η αξιολόγηση πραγματοποιήθηκε τόσο με αυτόματες μετρικές όσο και με ανθρώπινη ποιοτική ανάλυση, η οποία εστίασε στην ακρίβεια, τη ροή και τη διαχείριση της ορολογίας στις παραγόμενες μεταφράσεις.Τα αποτελέσματα δείχνουν ότι το προσαρμοσμένο (fine-tuned) μοντέλο NLLB-200 υπερέχει έναντι των συστημάτων που εφαρμόστηκαν σε συνθήκες zero-shot, ιδίως σε κείμενα με εξειδικευμένη ορολογία, παράγοντας μεταφράσεις πιο συνεκτικές και ακριβείς σε σχέση με το πρωτότυπο. Συνολικά, η εργασία τεκμηριώνει ότι ο συνδυασμός ανάπτυξης παράλληλων συνόλων δεδομένων και παραμετρικά αποδοτικής προσαρμογής συνιστά αποτελεσματική στρατηγική για τη βελτίωση της μηχανικής μετάφρασης σε γλώσσες περιορισμένων δεδομένων. Η συμβολή της έρευνας είναι διττή: αφενός ενισχύει τη θεωρητική κατανόηση των πολυγλωσσικών μοντέλων και αφετέρου αναδεικνύει τη δυνατότητά τους να αξιοποιηθούν σε πολυγλωσσικά και ανθρωπιστικά περιβάλλοντα.","abstract_has_math":false,"creators":["Μαστροφώτη Aικατερίνη","Mastrofoti Aikaterini"],"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":"2026-11-19T06:41:26Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5319342"],"render_values":[{"text":"uoadl:5319342","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5319342","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5319342","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%3A5319342","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Μαστροφώτη Aικατερίνη","Mastrofoti Aikaterini"]}]},{"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":["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:5319342","https://pergamos.lib.uoa.gr/uoa/dl/object/5319342"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα διπλωματική εργασία εξετάζει τη μηχανική μετάφραση σε γλώσσες περιορισμένων δεδομένων, με εφαρμογή στο ζεύγος Περσικά (Φαρσί) – Ελληνικά. Η επιλογή του συγκεκριμένου αντικειμένου προκύπτει από τη διαπίστωση ότι πολλά γλωσσικά ζεύγη, παρότι παρουσιάζουν σημαντικό κοινωνικό και ανθρωπιστικό ενδιαφέρον, εξακολουθούν να υποστηρίζονται ανεπαρκώς από τα σύγχρονα συστήματα μηχανικής μετάφρασης.Στόχος της έρευνας είναι αφενός η ανάπτυξη ενός παράλληλου συνόλου δεδομένων για το συγκεκριμένο γλωσσικό ζεύγος και αφετέρου η αξιολόγηση της αποτελεσματικότητας παραμετρικά αποδοτικών τεχνικών προσαρμογής, σε σύγκριση με συστήματα γενικής χρήσης που λειτουργούν χωρίς προηγούμενη εκπαίδευση στο εν λόγω ζεύγος (zero-shot conditions). Η μεθοδολογία περιλάμβανε αρχικά τη συλλογή και τη στοίχιση δεδομένων από ποικίλες πηγές, όπως νομικά, δημοσιογραφικά και εκπαιδευτικά κείμενα, με σκοπό τη δημιουργία ενός πολυθεματικού παράλληλου συνόλου δεδομένων. Στη συνέχεια, εφαρμόστηκε παραμετρικά αποδοτική προσαρμογή (Parameter-Efficient Fine-Tuning) στο μοντέλο NLLB-200, με στόχο τη βελτίωση της απόδοσής του στο ζεύγος Περσικά–Ελληνικά. Για σκοπούς σύγκρισης, αξιολογήθηκαν επίσης γενικά πολυγλωσσικά συστήματα, τα οποία χρησιμοποιήθηκαν σε συνθήκες zero-shot, δηλαδή χωρίς καμία πρόσθετη εκπαίδευση στο συγκεκριμένο ζεύγος. Μεταξύ αυτών περιλαμβάνονται το Google Translate, το Krikri, το NLLB-200 (στη μη προσαρμοσμένη εκδοχή του) και το Gemma-3. Η αξιολόγηση πραγματοποιήθηκε τόσο με αυτόματες μετρικές όσο και με ανθρώπινη ποιοτική ανάλυση, η οποία εστίασε στην ακρίβεια, τη ροή και τη διαχείριση της ορολογίας στις παραγόμενες μεταφράσεις.Τα αποτελέσματα δείχνουν ότι το προσαρμοσμένο (fine-tuned) μοντέλο NLLB-200 υπερέχει έναντι των συστημάτων που εφαρμόστηκαν σε συνθήκες zero-shot, ιδίως σε κείμενα με εξειδικευμένη ορολογία, παράγοντας μεταφράσεις πιο συνεκτικές και ακριβείς σε σχέση με το πρωτότυπο. Συνολικά, η εργασία τεκμηριώνει ότι ο συνδυασμός ανάπτυξης παράλληλων συνόλων δεδομένων και παραμετρικά αποδοτικής προσαρμογής συνιστά αποτελεσματική στρατηγική για τη βελτίωση της μηχανικής μετάφρασης σε γλώσσες περιορισμένων δεδομένων. Η συμβολή της έρευνας είναι διττή: αφενός ενισχύει τη θεωρητική κατανόηση των πολυγλωσσικών μοντέλων και αφετέρου αναδεικνύει τη δυνατότητά τους να αξιοποιηθούν σε πολυγλωσσικά και ανθρωπιστικά περιβάλλοντα.","This thesis investigates machine translation in low-resource language settings, focusing on the Persian (Farsi)–Greek language pair. The study addresses the gap in support for language pairs that, despite their social and humanitarian significance, remain underrepresented in current translation technologies. The research pursues two main objectives: the development of a parallel corpus for Persian–Greek translation, and the evaluation of parameter-efficient fine-tuning techniques compared with general-purpose systems operating under zero-shot conditions. Data were collected and aligned from multiple domains, including legal, journalistic, and educational texts, to build a balanced and domain-diverse parallel dataset. A parameter-efficient fine-tuning approach (PEFT) was then applied to the NLLB-200 model to enhance its translation performance for the selected pair. For comparison, several multilingual systems such as Google Translate, Krikri, NLLB-200 (baseline), and Gemma-3 were evaluated without additional training. Evaluation combined automatic metrics with human qualitative analysis, focusing on accuracy, fluency, and terminology handling. Results show that the fine-tuned NLLB-200 model consistently outperforms zero-shot systems, especially in domain-specific texts, producing more coherent and semantically precise translations. The findings highlight that the integration of parallel corpus development with parameter-efficient fine-tuning provides a practical and scalable strategy for improving translation quality in low-resource languages. The study contributes to both the theoretical understanding of multilingual models and their application in multilingual and humanitarian contexts."]},{"key":"dc:title","label":"Title","values":["Μηχανική μετάφραση γλωσσών περιορισμένων δεδομένων: Δημιουργία παράλληλου συνόλου δεδομένων Περσικών - Ελληνικών και συγκριτική αξιολόγηση μη προσαρμοσμένων και προσαρμοσμένων μοντέλων."]}]}],"canonical_facts":{"dc:creator":["Μαστροφώτη Aικατερίνη","Mastrofoti Aikaterini"],"dc:date":["2025"],"dc:description":["Η παρούσα διπλωματική εργασία εξετάζει τη μηχανική μετάφραση σε γλώσσες περιορισμένων δεδομένων, με εφαρμογή στο ζεύγος Περσικά (Φαρσί) – Ελληνικά. Η επιλογή του συγκεκριμένου αντικειμένου προκύπτει από τη διαπίστωση ότι πολλά γλωσσικά ζεύγη, παρότι παρουσιάζουν σημαντικό κοινωνικό και ανθρωπιστικό ενδιαφέρον, εξακολουθούν να υποστηρίζονται ανεπαρκώς από τα σύγχρονα συστήματα μηχανικής μετάφρασης.Στόχος της έρευνας είναι αφενός η ανάπτυξη ενός παράλληλου συνόλου δεδομένων για το συγκεκριμένο γλωσσικό ζεύγος και αφετέρου η αξιολόγηση της αποτελεσματικότητας παραμετρικά αποδοτικών τεχνικών προσαρμογής, σε σύγκριση με συστήματα γενικής χρήσης που λειτουργούν χωρίς προηγούμενη εκπαίδευση στο εν λόγω ζεύγος (zero-shot conditions). Η μεθοδολογία περιλάμβανε αρχικά τη συλλογή και τη στοίχιση δεδομένων από ποικίλες πηγές, όπως νομικά, δημοσιογραφικά και εκπαιδευτικά κείμενα, με σκοπό τη δημιουργία ενός πολυθεματικού παράλληλου συνόλου δεδομένων. Στη συνέχεια, εφαρμόστηκε παραμετρικά αποδοτική προσαρμογή (Parameter-Efficient Fine-Tuning) στο μοντέλο NLLB-200, με στόχο τη βελτίωση της απόδοσής του στο ζεύγος Περσικά–Ελληνικά. Για σκοπούς σύγκρισης, αξιολογήθηκαν επίσης γενικά πολυγλωσσικά συστήματα, τα οποία χρησιμοποιήθηκαν σε συνθήκες zero-shot, δηλαδή χωρίς καμία πρόσθετη εκπαίδευση στο συγκεκριμένο ζεύγος. Μεταξύ αυτών περιλαμβάνονται το Google Translate, το Krikri, το NLLB-200 (στη μη προσαρμοσμένη εκδοχή του) και το Gemma-3. Η αξιολόγηση πραγματοποιήθηκε τόσο με αυτόματες μετρικές όσο και με ανθρώπινη ποιοτική ανάλυση, η οποία εστίασε στην ακρίβεια, τη ροή και τη διαχείριση της ορολογίας στις παραγόμενες μεταφράσεις.Τα αποτελέσματα δείχνουν ότι το προσαρμοσμένο (fine-tuned) μοντέλο NLLB-200 υπερέχει έναντι των συστημάτων που εφαρμόστηκαν σε συνθήκες zero-shot, ιδίως σε κείμενα με εξειδικευμένη ορολογία, παράγοντας μεταφράσεις πιο συνεκτικές και ακριβείς σε σχέση με το πρωτότυπο. Συνολικά, η εργασία τεκμηριώνει ότι ο συνδυασμός ανάπτυξης παράλληλων συνόλων δεδομένων και παραμετρικά αποδοτικής προσαρμογής συνιστά αποτελεσματική στρατηγική για τη βελτίωση της μηχανικής μετάφρασης σε γλώσσες περιορισμένων δεδομένων. Η συμβολή της έρευνας είναι διττή: αφενός ενισχύει τη θεωρητική κατανόηση των πολυγλωσσικών μοντέλων και αφετέρου αναδεικνύει τη δυνατότητά τους να αξιοποιηθούν σε πολυγλωσσικά και ανθρωπιστικά περιβάλλοντα.","This thesis investigates machine translation in low-resource language settings, focusing on the Persian (Farsi)–Greek language pair. The study addresses the gap in support for language pairs that, despite their social and humanitarian significance, remain underrepresented in current translation technologies. The research pursues two main objectives: the development of a parallel corpus for Persian–Greek translation, and the evaluation of parameter-efficient fine-tuning techniques compared with general-purpose systems operating under zero-shot conditions. Data were collected and aligned from multiple domains, including legal, journalistic, and educational texts, to build a balanced and domain-diverse parallel dataset. A parameter-efficient fine-tuning approach (PEFT) was then applied to the NLLB-200 model to enhance its translation performance for the selected pair. For comparison, several multilingual systems such as Google Translate, Krikri, NLLB-200 (baseline), and Gemma-3 were evaluated without additional training. Evaluation combined automatic metrics with human qualitative analysis, focusing on accuracy, fluency, and terminology handling. Results show that the fine-tuned NLLB-200 model consistently outperforms zero-shot systems, especially in domain-specific texts, producing more coherent and semantically precise translations. The findings highlight that the integration of parallel corpus development with parameter-efficient fine-tuning provides a practical and scalable strategy for improving translation quality in low-resource languages. The study contributes to both the theoretical understanding of multilingual models and their application in multilingual and humanitarian contexts."],"dc:identifier":["uoadl:5319342","https://pergamos.lib.uoa.gr/uoa/dl/object/5319342"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Μηχανική μετάφραση γλωσσών περιορισμένων δεδομένων: Δημιουργία παράλληλου συνόλου δεδομένων Περσικών - Ελληνικών και συγκριτική αξιολόγηση μη προσαρμοσμένων και προσαρμοσμένων μοντέλων."],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:41:26Z"}