Την Τέταρτη 8 Ιουλίου 2026 στις 15:00, θα πραγματοποιηθεί η παρουσίαση της προπτυχιακής διπλωματικής εργασίας του φοιτητή κ. Κωνσταντίνου-Νικόλαου Κατσίρη (ΑΜ 1051955) με τίτλο:
«Αξιολόγηση στατιστικών αποκωδικοποιητών για την είσοδο κειμένου σε κινητά μέσω εξομοίωσης»
Σύνοψη:
Η εισαγωγή κειμένου σε εικονικά πληκτρολόγια (virtual/soft keyboards) οθονών αφής, όπως σε κινητά τηλέφωνα και tablets, υποστηρίζεται σήμερα από τεχνικές όπως η αυτόματη διόρθωση σφαλμάτων (autocorrect), η πρόταση λέξεων (word suggestions) και η συμπλήρωση λέξεων (word completion). Οι τεχνικές αυτές βασίζονται κατά κύριο λόγο στη στατιστική αποκωδικοποίηση (statistical decoding), δηλαδή στην πιθανοτική ανάλυση ακολουθιών λέξεων ή γραμμάτων. Παρότι η προσέγγιση αυτή κυριαρχεί, η ραγδαία εξέλιξη των τεχνικών μηχανικής μάθησης εγείρει το ερώτημα κατά πόσο νεότερες αρχιτεκτονικές νευρωνικών δικτύων μπορούν να προσφέρουν καλύτερες επιδόσεις.
Αντικείμενο της παρούσας διπλωματικής εργασίας είναι η συγκριτική μελέτη της αποδοτικότητας τριών τεχνικών πρόβλεψης κειμένου — της στατιστικής αποκωδικοποίησης και δύο σύγχρονων τεχνικών μηχανικής μάθησης, των αναδρομικών νευρωνικών δικτύων (RNN) και των δικτύων μακράς βραχύχρονης μνήμης (LSTM) — για την πρόβλεψη τόσο μεμονωμένων λέξεων όσο και ολόκληρων φράσεων. Σκοπός της εργασίας είναι η διερεύνηση του τρόπου με τον οποίο η διαφορετική αρχιτεκτονική των μοντέλων επηρεάζει τις επιδόσεις της εισαγωγής κειμένου σε κινητές συσκευές, με έμφαση στη σχέση μεταξύ της ταχύτητας πληκτρολόγησης και της ακρίβειας των προβλέψεων για την τρέχουσα και την επόμενη λέξη.
Και οι τρεις τεχνικές υλοποιήθηκαν σε γλώσσα Python και ενσωματώθηκαν στον εξομοιωτή πληκτρολόγησης κινητών συσκευών RoboType II, ο οποίος έχει αναπτυχθεί από το εργαστήριο USIDAS του Πανεπιστημίου Πατρών (https://usidas.ceid.upatras.gr/). Η αξιολόγησή τους πραγματοποιήθηκε σε δύο πλαίσια: σε θεωρητικό πλαίσιο, όπου οι αποκωδικοποιητές εξετάστηκαν αυτόνομα (συμπλήρωση λέξης, πρόβλεψη επόμενης λέξης και διασταυρούμενη επικύρωση k-fold), και σε πλαίσιο ρεαλιστικής εξομοίωσης μέσω του RoboType II, με χρήση καθιερωμένων μετρικών εισαγωγής κειμένου (WPM, KSPC, CER, SAR, NWA).
Από την πειραματική διαδικασία προέκυψε ότι το μοντέλο RNN βελτίωσε την ταχύτητα πληκτρολόγησης σε σχέση με τη στατιστική βάση αναφοράς, που όμως, παρά την απλότητά του, παραμένει εκπληκτικά ανταγωνιστικός, ενώ η απόδοση του LSTM αποδείχθηκε ότι εξαρτάται σε μεγάλο βαθμό από το σώμα κειμένων (corpus) εκπαίδευσης. Τα αποτελέσματα έδειξαν ότι η επιλογή έστω και της πιο απλής αρχιτεκτονικής πρόβλεψης επηρεάζει σημαντικά την εμπειρία εισαγωγής κειμένου σε κινητές συσκευές, επιβεβαιώνοντας την αρχική υπόθεση της έρευνας και δίνοντας ενθαρρυντικά στοιχεία για μελλοντικές μελέτες στο πεδίο.
Η παρουσίαση θα γίνει εξ αποστάσεως (Zoom) στον ακόλουθο σύνδεσμο.
https://upatras-gr.zoom.us/j/98628437196?pwd=DBNB1vE0QOHvFh8gSz96Hg5B6tKIds.1
H Τριμελής εξεταστική επιτροπή:
Ανδρεας Κομνηνός, Επίκουρος Καθηγητής ΤΜΗΥΠ Παν. Πατρών (επιβλέπων)
Μακρής Χρήστος, Αναπληρωτής Καθηγητής ΤΜΗΥΠ Παν. Πατρών
Σιούτας Σπύρος, Καθηγητής ΤΜΗΥΠ Παν. Πατρών