| dc.contributor.author | Στουφή, Διονύσιου | |
| dc.date.accessioned | 2025-07-22T12:29:19Z | |
| dc.date.available | 2025-07-22T12:29:19Z | |
| dc.date.issued | 2023-01 | |
| dc.identifier.uri | http://hdl.handle.net/11728/13187 | |
| dc.description | ENGLISH ABSTRACT
Natural language processing is a rapidly growing branch of artificial intelligence that
deals with the interaction of computers and humans and the computer's ability to
recognize human (natural) language, weather in written or oral form. This ability is of
great importance to businesses because a large part of all the unstructured data
generated by the internet is in natural language. Natural language processing
research combines more than one science, such as computer science, linguistics,
psychology etc.
This paper’s aim is to study and present some of the most well-known natural
language processing algorithms, after first implementing them from scratch in the
Python programming language. It should be emphasized that no NLP library was
used since the ultimate purpose of this thesis is, as mentioned above, the in-depth
study of various algorithms but also the further learning of the Python language. | en_UK |
| dc.description.abstract | Η επεξεργασία της φυσικής γλώσσας είναι ένας ραγδαία αναπτυσσόμενος κλάδος της
τεχνητής νοημοσύνης που ασχολείται με την αλληλεπίδραση των υπολογιστών και
ανθρώπων και την ικανότητα του υπολογιστή να αναγνωρίσει την ανθρώπινη (φυσική)
γλώσσα, είτε αυτή είναι σε γραπτή μορφή είτε σε προφορική. Η ικανότητα αυτή είναι
μεγάλης σημασίας για επιχειρήσεις γιατί ένα μεγάλο μέρος όλων των αδόμητων
δεδομένων που δημιουργεί το διαδίκτυο είναι στην φυσική γλώσσα. Η έρευνα στην
επεξεργασία φυσικής γλώσσας συνδυάζει περισσότερες από μία επιστήμες, όπως η
επιστήμη των υπολογιστών, η γλωσσολογία, η ψυχολογία κλπ.
Στόχος της εργασίας είναι να μελετήσει και να παρουσιάσει κάποιους από τους πιο
γνωστούς αλγόριθμους της επεξεργασίας φυσικής γλώσσας, αφού πρώτα γίνει η, από
το μηδέν υλοποίηση τους στην προγραμματιστική γλώσσα Python. Να τονισθεί ότι δεν
χρησιμοποιήθηκε καμία βιβλιοθήκη που υπάρχει στο διαδίκτυο μιας και ο απώτερος
σκοπός της παρούσας διατριβής είναι, όπως προαναφέρθηκε η μελέτη σε βάθος
διαφόρων αλγόριθμων αλλά και παράλληλα η περαιτέρω εκμάθηση της γλώσσας
Python. | en_UK |
| dc.language.iso | el_GR | en_UK |
| dc.publisher | Μεταπτυχιακό στα Πληροφοριακά Συστήματα και Ψηφιακή Καινοτομία, Σχολή Διοίκησης και Επιστήμης Υπολογιστών, Πανεπιστήμιο Νεάπολις Πάφου | en_UK |
| dc.rights | Απαγορεύεται η δημοσίευση ή αναπαραγωγή, ηλεκτρονική ή άλλη χωρίς τη γραπτή συγκατάθεση του δημιουργού και κάτοχου των πνευματικών δικαιωμάτων | en_UK |
| dc.subject | Τεχνητή Νοημοσύνη | en_UK |
| dc.subject | μηχανική μάθηση | en_UK |
| dc.subject | επεξεργασία φυσικής γλώσσας | en_UK |
| dc.subject | classifier | en_UK |
| dc.subject | μοντέλα | en_UK |
| dc.subject | αλγόριθμοι | en_UK |
| dc.subject | Bag of Words | en_UK |
| dc.subject | Tf – Idf | en_UK |
| dc.subject | cosine similarity | en_UK |
| dc.subject | co-occurrence matrix | en_UK |
| dc.subject | Naive Bayes | en_UK |
| dc.subject | Pointwise mutual information | en_UK |
| dc.title | Μελέτη και υλοποίηση αλγορίθμων τεχνητής νοημοσύνης για την επεξεργασία φυσικής γλώσσας | en_UK |
| dc.title.alternative | Διατριβή η οποία υποβλήθηκε προς απόκτηση εξ αποστάσεως μεταπτυχιακού τίτλου σπουδών Πληροφοριακά Συστήματα και Ψηφιακή Καινοτομία στο Πανεπιστήμιο Νεάπολις | en_UK |
| dc.type | Thesis | en_UK |
