dc.contributor.advisor | Troussas, Christos | |
dc.contributor.author | Μπούσιος, Άρης | |
dc.date.accessioned | 2023-10-19T10:51:48Z | |
dc.date.available | 2023-10-19T10:51:48Z | |
dc.date.issued | 2023-10 | |
dc.identifier.uri | https://polynoe.lib.uniwa.gr/xmlui/handle/11400/5389 | |
dc.identifier.uri | http://dx.doi.org/10.26265/polynoe-5226 | |
dc.description.abstract | Η διπλωματική εργασία αυτή πραγματεύεται την κατασκευή μιας Fullstack διαδικτυακής
εφαρμογής που στοχεύει στην παροχή ενός εξατομικευμένου ευρετή γευμάτων, αξιοποιώντας
την δύναμη της μηχανικής μάθησης. Στο πλαίσιο της σύγχρονης κοινωνίας, όπου η τεχνολογία
και οι διαδικτυακές εφαρμογές καταλαμβάνουν ένα ολοένα και πιο ουσιαστικό μέρος της
καθημερινότητάς μας, το έργο επικεντρώνεται στην εκμετάλλευση αυτών των τάσεων για την
ανάπτυξη μιας καινοτόμας εφαρμογής. Η εφαρμογή αυτή συνδυάζει σύγχρονες τεχνολογίες
Frontend και Backend για την παροχή μιας ολοκληρωμένης εμπειρίας στον χρήστη.
Περιλαμβάνει σελίδες σύνδεσης και εγγραφής για τη διαχείριση των χρηστών, καθώς και μια
κύρια σελίδα για την αναζήτηση συνταγών μέσω μιας φιλικής προς τον χρήστη διεπαφής. Ένα
από τα κύρια χαρακτηριστικά αυτής της εφαρμογής είναι η ενσωμάτωση τεχνικών κατανόησης
φυσικής γλώσσας (NLP) μέσω της χρήσης του προ-εκπαιδευμένου μοντέλου t5-recipe generator της Hugging face. Αυτό το μοντέλο, που έχει εκπαιδευτεί σε πάνω από 2
εκατομμύρια συνταγές, επιτρέπει την προσαρμογή της αναζήτησης συνταγών βάσει των
αναγκών και των προτιμήσεων του χρήστη. Συμπέρασμα της διπλωματικής είναι η ευκολία
της χρήσης μηχανικής μάθησης σε διαδικτυακές εφαρμογές για την ενίσχυση των λειτουργιών
του συστήματος για μια καλύτερη εμπειρία ως προς τον χρήστη. | el |
dc.format.extent | 75 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Δυτικής Αττικής | el |
dc.rights | Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές | * |
dc.rights | Attribution-NoDerivatives 4.0 Διεθνές | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nd/4.0/ | * |
dc.subject | Μοντέλα μηχανικής μάθησης | el |
dc.subject | NLP | el |
dc.subject | React.js | el |
dc.subject | Fullstack | el |
dc.subject | Machine learning | el |
dc.title | Εξατομικευμένη εύρεση γευμάτων με μηχανική μάθηση και επεξεργασία φυσικής γλώσσας | el |
dc.title.alternative | Personalized meal finder using machine learning and natural language processing | el |
dc.type | Διπλωματική εργασία | el |
dc.contributor.committee | Κρούσκα, Ακριβή | |
dc.contributor.committee | Tselenti, Panagiota | |
dc.contributor.faculty | Σχολή Μηχανικών | el |
dc.contributor.department | Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών | el |
dc.description.abstracttranslated | This thesis deals with the construction of a Fullstack web application that aims to provide a
personalized meal finder, utilizing the power of machine learning in the context of modern
society, where technology and online applications occupy an increasingly essential part of our
daily lives, the project focuses on exploiting these trends to develop an innovative application.
This application combines modern Frontend and Backend technologies to provide a complete
user experience. It includes login and registration pages to manage users, as well as a main
page to search for recipes through a user-friendly interface. One of the main features of this app is the integration of natural language understanding (NLP) techniques through the use of
Hugging face's pre-trained t5-recipe-generator model. This model, which has been trained on
over 2 million recipes, allows the recipe search to be customized based on the user's needs and
preferences. The conclusion of the thesis is the ease of using machine learning in web
applications to enhance system functions for a better user experience. | el |