RAG-based architecture enhanced specialized chatbot generation

Abstract

Η αυξανόμενη ανάγκη για εξειδικευμένα chatbots, προσαρμοσμένα σε συγκεκριμένους τομείς, γίνεται ιδιαίτερα εμφανής σε διάφορους κλάδους και ακαδημαϊκά ιδρύματα. Η παρούσα διπλωματική εργασία εξετάζει τον σχεδιασμό και την υλοποίηση ενός chatbot βασισμένου στην αρχιτεκτονική Retrieval-Augmented Generation (RAG), ειδικά προσαρμοσμένου για το Πανεπιστήμιο Πειραιώς. Με τη χρήση του GPT-3.5 σε συνδυασμό με ένα σύστημα ανάκτησης δεδομένων που αξιοποιεί τη MongoDB, το chatbot παρέχει ακριβείς και συναφείς απαντήσεις σε ζητήματα που αφορούν το πανεπιστήμιο. Η εργασία εστιάζει στις αρχές σχεδιασμού που εφαρμόζονται στο Flask για την ανάπτυξη του backend, στο React-based frontend για τη δημιουργία ενός φιλικού περιβάλλοντος χρήσης, καθώς και στις στρατηγικές βελτιστοποίησης που εξασφαλίζουν ομαλή διαχείριση των δεδομένων. Τα πειραματικά αποτελέσματα επιβεβαιώνουν την αποτελεσματικότητα του chatbot στην παροχή εξειδικευμένων απαντήσεων, αναδεικνύοντάς το ως μια ευέλικτη και αξιόπιστη λύση για ακαδημαϊκές ανάγκες.