Μελέτη ικανότητας διαφόρων προεκπαιδευμένων μοντέλων στην απάντηση ερωτήσεων πάνω σε κείμενα οικονομικού περιεχομένου
Τα τελευταία χρόνια με τη ραγδαία ανάπτυξη της τεχνητής νοημοσύνης, η Επεξεργασία Φυσικής Γλώσσας (ΕΦΓ) έχει αναχθεί πλέον σε αναπόσπαστο κομμάτι της ζωής του ανθρώπου, αλλά και χρήσιμο εργαλείο στα χέρια των διαφόρων εταιρειών. Ένας μεγάλος τομέας των εφαρμογών ΕΦΓ είναι η απάντηση ερωτήσεων και η...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Γλώσσα: | Greek |
Έκδοση: |
2023
|
Θέματα: | |
Διαθέσιμο Online: | https://hdl.handle.net/10889/24308 |
id |
nemertes-10889-24308 |
---|---|
record_format |
dspace |
spelling |
nemertes-10889-243082023-01-21T04:36:46Z Μελέτη ικανότητας διαφόρων προεκπαιδευμένων μοντέλων στην απάντηση ερωτήσεων πάνω σε κείμενα οικονομικού περιεχομένου A study of the ability of various pretrained language models to answer questions on financial texts Σακέτου, Σωτηρία Saketou, Sotiria Προεκπαιδευμένα μοντέλα Μοντέλο FinQANet Απάντηση ερωτήσεων NLP models FinQANet model Question answering Τα τελευταία χρόνια με τη ραγδαία ανάπτυξη της τεχνητής νοημοσύνης, η Επεξεργασία Φυσικής Γλώσσας (ΕΦΓ) έχει αναχθεί πλέον σε αναπόσπαστο κομμάτι της ζωής του ανθρώπου, αλλά και χρήσιμο εργαλείο στα χέρια των διαφόρων εταιρειών. Ένας μεγάλος τομέας των εφαρμογών ΕΦΓ είναι η απάντηση ερωτήσεων και η λύση λογικών και μαθηματικών προβλημάτων. Η επιτυχία αυτών των συστημάτων θα αποτελέσει ορόσημο στον οικονομικό τομέα. Παρόλα αυτά, η ανάπτυξή τους αποτελεί μια δύσκολη και πολύπλοκη διαδικασία. Παρά το γεγονός ότι τα τελευταία χρόνια έχουν αναπτυχθεί διάφορες state of the art τεχνικές, οι οποίες αρχίζουν να επιτυγχάνουν ικανοποιητική ακρίβεια, εξακολουθούμε να βρισκόμαστε ακόμα μακριά από το επιθυμητό αποτέλεσμα. Η παρούσα εργασία αφορά στη διερεύνηση των μοντέλων αυτών αλλά και τη δημιουργία ενός συστήματος που θα μπορεί να εντοπίζει τα σημεία στα οποία βρίσκονται τα δεδομένα για τη σύνθεση της απάντησης. In recent years with the rapid development of artificial intelligence, Natural Language Processing (NLP) has become an integral part of human life and a useful tool in the hands of various companies. A large area of SFG applications is answering questions and solving logical and mathematical problems. The success of these systems will be a milestone in the economic sector. However, their development is a difficult and complex process. In recent years several state of the art techniques have been developed, which are beginning to achieve satisfactory accuracy, yet we are still far from the desired result. This paper is concerned with the investigation of these models and the creation of a system that can identify the points at which the data points are located for the synthesis of the answer. 2023-01-20T07:31:01Z 2023-01-20T07:31:01Z 2023-01-13 https://hdl.handle.net/10889/24308 el application/pdf |
institution |
UPatras |
collection |
Nemertes |
language |
Greek |
topic |
Προεκπαιδευμένα μοντέλα Μοντέλο FinQANet Απάντηση ερωτήσεων NLP models FinQANet model Question answering |
spellingShingle |
Προεκπαιδευμένα μοντέλα Μοντέλο FinQANet Απάντηση ερωτήσεων NLP models FinQANet model Question answering Σακέτου, Σωτηρία Μελέτη ικανότητας διαφόρων προεκπαιδευμένων μοντέλων στην απάντηση ερωτήσεων πάνω σε κείμενα οικονομικού περιεχομένου |
description |
Τα τελευταία χρόνια με τη ραγδαία ανάπτυξη της τεχνητής νοημοσύνης, η Επεξεργασία Φυσικής Γλώσσας (ΕΦΓ) έχει αναχθεί πλέον σε αναπόσπαστο κομμάτι της ζωής του ανθρώπου, αλλά και χρήσιμο εργαλείο στα χέρια των διαφόρων εταιρειών. Ένας μεγάλος τομέας των εφαρμογών ΕΦΓ είναι η απάντηση ερωτήσεων και η λύση λογικών και μαθηματικών προβλημάτων. Η επιτυχία αυτών των συστημάτων θα αποτελέσει ορόσημο στον οικονομικό τομέα. Παρόλα αυτά, η ανάπτυξή τους αποτελεί μια δύσκολη και πολύπλοκη διαδικασία. Παρά το γεγονός ότι τα τελευταία χρόνια έχουν αναπτυχθεί διάφορες state of the art τεχνικές, οι οποίες αρχίζουν να επιτυγχάνουν ικανοποιητική ακρίβεια, εξακολουθούμε να βρισκόμαστε ακόμα μακριά από το επιθυμητό αποτέλεσμα. Η παρούσα εργασία αφορά στη διερεύνηση των μοντέλων αυτών αλλά και τη δημιουργία ενός συστήματος που θα μπορεί να εντοπίζει τα σημεία στα οποία βρίσκονται τα δεδομένα για τη σύνθεση της απάντησης. |
author2 |
Saketou, Sotiria |
author_facet |
Saketou, Sotiria Σακέτου, Σωτηρία |
author |
Σακέτου, Σωτηρία |
author_sort |
Σακέτου, Σωτηρία |
title |
Μελέτη ικανότητας διαφόρων προεκπαιδευμένων μοντέλων στην απάντηση ερωτήσεων πάνω σε κείμενα οικονομικού περιεχομένου |
title_short |
Μελέτη ικανότητας διαφόρων προεκπαιδευμένων μοντέλων στην απάντηση ερωτήσεων πάνω σε κείμενα οικονομικού περιεχομένου |
title_full |
Μελέτη ικανότητας διαφόρων προεκπαιδευμένων μοντέλων στην απάντηση ερωτήσεων πάνω σε κείμενα οικονομικού περιεχομένου |
title_fullStr |
Μελέτη ικανότητας διαφόρων προεκπαιδευμένων μοντέλων στην απάντηση ερωτήσεων πάνω σε κείμενα οικονομικού περιεχομένου |
title_full_unstemmed |
Μελέτη ικανότητας διαφόρων προεκπαιδευμένων μοντέλων στην απάντηση ερωτήσεων πάνω σε κείμενα οικονομικού περιεχομένου |
title_sort |
μελέτη ικανότητας διαφόρων προεκπαιδευμένων μοντέλων στην απάντηση ερωτήσεων πάνω σε κείμενα οικονομικού περιεχομένου |
publishDate |
2023 |
url |
https://hdl.handle.net/10889/24308 |
work_keys_str_mv |
AT saketousōtēria meletēikanotētasdiaphorōnproekpaideumenōnmontelōnstēnapantēsēerōtēseōnpanōsekeimenaoikonomikouperiechomenou AT saketousōtēria astudyoftheabilityofvariouspretrainedlanguagemodelstoanswerquestionsonfinancialtexts |
_version_ |
1771297293727694848 |