Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/40558Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Τσιλιγιάννης, Δημήτριος | el |
| dc.date.accessioned | 2026-11-02T11:53:56Z | - |
| dc.date.available | 2026-11-02T11:53:56Z | - |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/40558 | - |
| dc.rights | Default License | - |
| dc.subject | e-shop | en |
| dc.subject | Τεχνητή νοημοσύνη | el |
| dc.subject | Ηλεκτρινικό κατάστημα | el |
| dc.title | Σχεδιασμός και υλοποίηση έξυπνου Chatbot εξυπηρέτησης πελατών με Retrieval - Augmented Generation και ανατροφοδότηση ανθρώπου (Human - in - the - Loop) | el |
| dc.type | bachelorThesis | - |
| heal.type | bachelorThesis | - |
| heal.type.en | Bachelor thesis | en |
| heal.type.el | Προπτυχιακή/Διπλωματική εργασία | el |
| heal.classification | Ηλεκτρονικά καταστήματα | - |
| heal.classification | E-shop - Σχεδιασμός | - |
| heal.classification | Τεχνητή νοημοσύνη | - |
| heal.dateAvailable | 2026-11-02T11:54:56Z | - |
| heal.language | el | - |
| heal.access | free | - |
| heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.publicationDate | 2026 | - |
| heal.abstract | Η παρούσα εργασία παρουσιάζει τον σχεδιασμό και την υλοποίηση του ShopEasy ChatBot, ενός έξυπνου συστήματος εξυπηρέτησης πελατών για ηλεκτρονικά καταστήματα, βασισμένου σε τεχνητή νοημοσύνη. Το σύστημα ενσωματώνει δύο προηγμένες τεχνικές: Retrieval-Augmented Generation (RAG) για ανάκτηση σχετικής πληροφορίας από γνωσιακή βάση με χρήση διανυσματικής αναζήτησης, και έναν μηχανισμό Human-in-the-Loop (HitL) ανατροφοδότησης που επιτρέπει τη συνεχή βελτίωση του συστήματος χωρίς επανεκπαίδευση του γλωσσικού μοντέλου. Η αρχιτεκτονική του συστήματος ακολουθεί το τριεπίπεδο μοντέλο: React frontend, Node.js/Express backend και MongoDB Atlas ως βάση δεδομένων με ενσωματωμένη υποστήριξη διανυσματικής αναζήτησης. Για την παραγωγή embeddings χρησιμοποιείται τοπικό μοντέλο (paraphrase-multilingual-MiniLM-L12-v2) χωρίς εξάρτηση από cloud API, ενώ η υποστήριξη πολλαπλών παρόχων AI (OpenAI, Gemini, OpenRouter) επιτυγχάνεται μέσω factory pattern. Η αξιολόγηση πραγματοποιήθηκε με τρία πειράματα σε σύνολο 30 ερωτήσεων τεσσάρων κατηγοριών. Ο μηχανισμός RAG πέτυχε hit rate 93,3%, ενώ η σύγκριση του πλήρους συστήματος με baseline χωρίς RAG έδειξε βελτίωση ακρίβειας κατά 53,3 ποσοστιαίες μονάδες (96,7% έναντι 43,4%). Ο μηχανισμός HitL επαλήθευσε την ικανότητα του συστήματος να ενσωματώνει διορθώσεις σε πραγματικό χρόνο. Η εργασία καταδεικνύει ότι η συνδυαστική χρήση RAG και HitL αποτελεί αποτελεσματική προσέγγιση για την κατασκευή αξιόπιστων chatbots σε επιχειρησιακό πλαίσιο, χωρίς την ανάγκη για εκπαίδευση εξειδικευμένου μοντέλου. | el |
| heal.abstract | This thesis presents the design and implementation of ShopEasy ChatBot, an AI-powered customer support system for e-commerce applications. The system integrates two advanced techniques: Retrieval-Augmented Generation (RAG) for retrieving relevant information from a knowledge base using vector similarity search, and a Human-in-the-Loop (HitL) feedback mechanism that enables continuous improvement without retraining the underlying language model. The system follows a three-tier architecture: a React frontend, a Node.js/Express backend, and MongoDB Atlas as the database with native vector search support. Embeddings are generated locally using the paraphrase-multilingual-MiniLM-L12-v2 model, eliminating cloud API dependencies, while multi-provider AI support (OpenAI, Gemini, OpenRouter) is achieved through a factory pattern abstraction. Evaluation was conducted through three experiments on a test set of 30 questions across four categories. The RAG retrieval mechanism achieved a hit rate of 93.3%, while comparison of the full system against a RAG-free baseline demonstrated an accuracy improvement of 53.3 percentage points (96.7% vs. 43.4%). The HitL feedback loop successfully incorporated real-time corrections, validating the inference-time alignment approach. The findings demonstrate that combining RAG with a HitL feedback mechanism is an effective strategy for building reliable, domain-specific chatbots without the need for fine-tuning a dedicated language model. | en |
| heal.advisorName | Βαρτζιώτης, Φώτιος | el |
| heal.committeeMemberName | Λιαροκάπης, Δημήτριος | el |
| heal.committeeMemberName | Κατσής, Χρήστος | el |
| heal.academicPublisher | Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.academicPublisherID | uoi | - |
| heal.fullTextAvailability | true | - |
| Appears in Collections: | Προπτυχιακές εργασίες Τμ. Μηχανικών Πληροφορικής Τ.Ε. | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| ΤΣΙΛΙΓΙΑΝΝΗΣ ΔΗΜΗΤΡΙΟΣ - ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ.pdf | 6.19 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
