National and Kapodistrian University of Athens
Σχεδίαση και Υλοποίηση Διαλογικού Συστήματος Υποστήριξης για Άγχος και Συναφείς Δυσκολίες με Τεχνικές Μηχανικής Μάθησης
Abstract
dc:descriptionΗ παρούσα διπλωματική πραγματεύεται τη σχεδίαση και υλοποίηση ενός ελεγχόμενου διαλογικού συστήματος υποστήριξης για άγχος και συναφείς δυσκολίες, με στόχο να παρέχει σύντομη, τεκμηριωμένη και ασφαλή καθοδήγηση σε ελληνόφωνους χρήστες. Το σύστημα δεν επιχειρεί διάγνωση ή θεραπευτική παρέμβαση, αλλά λειτουργεί ως εργαλείο πρώτου επιπέδου: προσφέρει ψυχοεκπαίδευση και πρακτικές τεχνικές αυτοφροντίδας (π.χ. αναπνοές/γείωση, ύπνος, διαχείριση υπερανάλυσης, στρες ή κρίσης πανικού) και ενθαρρύνει την αναζήτηση επαγγελματικής βοήθειας όταν αυτό είναι αναγκαίο. Η αρχιτεκτονική ακολουθεί υβριδικό pipeline δύο σταδίων: (α) αναγνώριση πρόθεσης (intent classification) με επιβλεπόμενη μηχανική μάθηση και (β) ανάκτηση απάντησης (retrieval) από επιμελημένη βάση γνώσης ερωτήσεων-απαντήσεων (Q/A), όπου κάθε απάντηση συνοδεύεται από πηγή. Για την αναγνώριση προθέσεων υλοποιήθηκε baseline μοντέλο TF-IDF (n-grams 1-2) με Logistic Regression, ενώ για την ανάκτηση χρησιμοποιείται TF-IDF και cosine similarity, με κατώφλια ομοιότητας και fallback πολιτική όταν δεν υπάρχει επαρκής συνάφεια. Ο Dialogue Manager ενσωματώνει κανόνες για small-talk (χαιρετισμός/αποχαιρετισμός), χειρισμό χαμηλής εμπιστοσύνης (top-k intents) και anchors λέξεων-κλειδιών για σταθερότερη συμπεριφορά. Κρίσιμο στοιχείο της υλοποίησης είναι το Safety Layer: σε μηνύματα υψηλού ρίσκου (intent crisis_risk) παρακάμπτει την τυπική ροή και επιστρέφει προκαθορισμένο, ασφαλές μήνυμα παραπομπής, ώστε να μειώνεται ο κίνδυνος ακατάλληλων αποκρίσεων σε ευαίσθητα σενάρια. Το πρωτότυπο υλοποιήθηκε με διεπαφή χρήστη σε Streamlit, επιτρέποντας δοκιμές και εμφάνιση πηγών/παραμέτρων για αναπαραγωγιμότητα. Η αξιολόγηση περιλαμβάνει ποσοτική εκτίμηση του intent classifier και ποιοτική αξιολόγηση της συμπεριφοράς σε σενάρια χρήσης. Στο test set, το baseline μοντέλο πέτυχε Accuracy=0,30 και macro-F1=0,34, αναδεικνύοντας τη δυσκολία του προβλήματος με μικρά και πολυ-κλασικά δεδομένα. Παρά τους περιορισμούς, η συνολική λειτουργικότητα ενισχύεται από τους μηχανισμούς ελέγχου (intent-filtered retrieval, thresholds, fallbacks και safety overrides). Τέλος, προτείνονται επεκτάσεις όπως εμπλουτισμός δεδομένων, αναβάθμιση ανάκτησης με σημασιολογικά embeddings και αξιολόγηση με πραγματικούς χρήστες/ειδικούς.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Νάτση Δήμητρα
- Natsi Dimitra
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, Greek, English
Identifiers
dc:identifier.*- Identifier
- uoadl:5325894