BEGIN:VCALENDAR VERSION:2.0 PRODID:-//TUC//Events//EN CALSCALE:GREGORIAN BEGIN:VTIMEZONE TZID:Europe/Athens TZNAME:EEST DTSTART:19700329T030000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3 BEGIN:STANDARD TZOFFSETFROM:+0200 TZOFFSETTO:+0300 TZNAME:EET DTSTART:19701025T040000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10 END:STANDARD END:VTIMEZONE BEGIN:VEVENT CREATED:20251007T113245Z LAST-MODIFIED:20251007T113245Z DTSTAMP:20260817T230325Z UID:1786997005@tuc.gr SUMMARY:Παρουσίαση διπλωματικής εργασίας κ. Ευαγγέλου Αθανασάκη - Σχολή ΗΜΜΥ LOCATION: DESCRIPTION:https://www.ece.tuc.gr/el/katalogos- ekdiloseon?tx_tucevents2_tuceventsdi splay%5Baction%5D=show&tx_tucevents2 _tuceventsdisplay%5Bcontroller%5D=Ev ent&tx_tucevents2_tuceventsdisplay%5 Bevent%5D=8134&cHash=3c51d279dcd4ee2 1984d6d4bf9d30f23\nΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗ Σ\n Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών\n Πρόγραμμα Π ροπτυχιακών Σπουδών\n ΠΑΡΟΥΣΙΑΣΗ ΔΙΠ ΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Ευαγγέλου Αθανα σάκη\n με θέμα\n Βελτιστοποίηση Επιχ ειρησιακών Ροών Εργασίας μέσω Αυτομα τοποιημένης Εξαγωγής Πληροφορίας από Αρχεία PDF με χρήση Μεγάλων Γλωσσικ ών Μοντέλων\n Optimization of Enterp rise Workflows through Automated Inf ormation Extraction from PDF Files u sing Large Language Models\n Εξεταστ ική Επιτροπή\n Καθηγητής Μιχαήλ Γ. Λ αγουδάκης (Σχολή ΗΜΜΥ, Επιβλέπων)\n Καθηγητής Θρασύβουλος Σπυρόπουλος (Σ χολή ΗΜΜΥ)\n Δρ. Βασίλειος Διακολουκ άς (Σχολή ΗΜΜΥ)\n Περίληψη\n Οι μεγά λοι όγκοι αρχείων που διακινούνται σ τις σύγχρονες επιχειρησιακές ροές έχ ουν ωθήσει την ανάπτυξη μεθόδων που βασίζονται σε τεχνικές Τεχνητής Νοημ οσύνης για αυτοματοποιημένη εξαγωγή, ανάκτηση και σύνοψη πληροφοριών. Στ ην παρούσα διπλωματική εργασία μελετ ώνται και υλοποιούνται μέθοδοι επεξε ργασίας και εξαγωγής δεδομένων από η μιδομημένα έγγραφα PDF με χρήση Μεγά λων Γλωσσικών Μοντέλων (Large Langua ge Models – LLMs). Η εργασία αναπτύσ σεται σε δύο διακριτά μέρη. Στο πρώτ ο μέρος, το πεδίο μελέτης επικεντρών εται στην ανάκτηση πληροφοριών από α ναλύσεις Ελληνικών εδαφών, οι οποίες χαρακτηρίζονται από ετερογένεια στη δομή και τη μορφοποίησή τους. Εξετά ζονται διάφορες τεχνικές εξαγωγής κε ιμένου, τόσο από εγγενώς ψηφιακά, όσ ο και από σκαναρισμένα, έγγραφα με χ ρήση Οπτικής Αναγνώρισης Χαρακτήρων (Optical Character Recognition – OCR ). Στη συνέχεια, εξετάζεται η συνεισ φορά επιμέρους υπομονάδων της ροής ε πεξεργασίας, όπως post-processing γι α διόρθωση λαθών κατά την εξαγωγή το υ κειμένου και μετάφραση από Ελληνικ ά σε Αγγλικά, στην ακρίβεια και την αποδοτικότητα της συνολικής δομής. Σ τη συνέχεια, συγκρίνονται διάφορες τ εχνικές ανάκτησης πληροφορίας, όπως η προσέγγιση πλήρων συμφραζομένων (f ull-context prompting) και η ανάκτησ η υποβοηθούμενη από γνώση (Retrieval -Augmented Generation – RAG), με στό χο την αξιολόγηση της αποδοτικότητας κάθε ροής επεξεργασίας. Στο δεύτερο μέρος, η μεθοδολογία γενικεύεται, ώ στε να μπορεί να εφαρμοστεί σε έγγρα φα PDF από κάθε πεδίο εφαρμογής. Για τον σκοπό αυτόν αναπτύσσονται τρείς πράκτορες (agents): Ο Πράκτορας Ανί χνευσης Πεδίων εντοπίζει υποψήφια πε δία, ο Πράκτορας Μετα-Επεξεργασίας φ ιλτράρει και κανονικοποιεί τα αποτελ έσματα, ενώ ο Πράκτορας Δημιουργίας Prompts κατασκευάζει δυναμικά prompt s για τη φάση ανάκτησης πληροφορίας. Εξετάζονται διαφορετικές αρχιτεκτον ικές που δημιουργούνται από αυτούς τ ους πράκτορες για την εξαγωγή των ον ομάτων των πεδίων που μπορούν να ανα κτηθούν από το έγγραφο. Στην συνέχει α, αξιολογείται εκ νέου η αποδοτικότ ητα της καλύτερης μεθόδου ανάκτησης πληροφορίας που προέκυψε από το πρώτ ο μέρος, καθώς και παραλλαγές της πρ οσέγγισης πλήρων συμφραζομένων. H πρ οτεινόμενη προσέγγιση επιτρέπει την αυτόματη, προσαρμοστική και αποδοτικ ή εξαγωγή πληροφορίας από ποικίλα κε ίμενα προερχόμενα από διαφορετικούς τομείς. Συνολικά, η εργασία συμβάλλε ι τόσο στην αξιολόγηση και βελτίωση διαφορετικών ροών επεξεργασίας για τ ην εξαγωγή δεδομένων από αναλύσεις Ε λληνικών εδαφών, όσο και στην ανάπτυ ξη μίας γενικής και επεκτάσιμης σε κ άθε τομέα, πολυπρακτορικής αρχιτεκτο νικής. Η προτεινόμενη υποδομή μπορεί να εφαρμοστεί σε ποικίλα πεδία εφαρ μογής, ενισχύοντας την αυτοματοποίησ η και την ακρίβεια στην εξαγωγή πληρ οφοριών από αρχεία PDF.\n Abstract\n The large volumes of files circulat ed in today’s enterprise workflows h ave prompted the development of meth ods based on Artificial Intelligence (AI) techniques for automated infor mation extraction, retrieval, and su mmarization. In this diploma thesis, methods for processing and extracti ng data from semi-structured Portabl e Document Format (PDF) documents ar e studied and implemented using Larg e Language Models (LLMs). The projec t is divided into two distinct parts . In the first part, the study focus es on information retrieval from Gre ek soil analyses, which are characte rized by their heterogeneous structu re and formatting. Various text extr action techniques are examined, both from natively digital and scanned d ocuments using Optical Character Rec ognition (OCR). The contribution of individual sub-modules in the proces sing pipeline, such as post-processi ng for text extraction error correct ion and translation from Greek to En glish, is then investigated to the a ccuracy and efficiency of the overal l structure. Various information ret rieval techniques are then compared, including the full-context promptin g approach and Retrieval-Augmented G eneration (RAG), with the goal of ev aluating the efficiency of each proc essing flow. In the second part, the methodology is generalized to be ap plicable to PDF documents from any d omain. To this end, three agents are developed: The Field Detection Agen t identifies candidate fields, the P ost-Processing Agent filters and nor malizes the results, and the Prompt Builder Agent dynamically constructs prompts for the information retriev al phase. Different architectures cr eated by these agents are examined f or extracting the names of fields th at can be retrieved from the documen t. The efficiency and accuracy of th e best information retrieval method from the first part is then re-evalu ated, along with a variation of the full-context prompting approach. The proposed approach allows for automa tic, adaptive, and efficient informa tion extraction from a variety of te xts. Overall, the thesis contributes to both the evaluation and improvem ent of different processing flows fo r data extraction from Greek soil an alyses and the development of a gene ral and scalable multi-agent archite cture for any domain. The proposed f ramework can be applied to various f ields, enhancing the automation and accuracy of information extraction f rom PDF files.\n Meeting ID: 9861130 0947\n Password: 258009\n STATUS:CONFIRMED ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr DTSTART:20251008T150000 DTEND:20251008T160000 TRANSP:OPAQUE CLASS:DEFAULT END:VEVENT END:VCALENDAR