{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5410546"},"canonical_url":"https://search.dev.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5410546","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Construction and Annotation of a Greek Corpus of Archaeological Texts","abstract":"Η αρχαιολογία σήμερα έρχεται αντιμέτωπη με έναν ταχέως αυξανόμενο όγκο δεδομένων, μεγάλο μέρος των οποίων έχει τη μορφή κειμένου. Στην περίπτωση της Ελλάδας, η οποία διαθέτει έναν από τους πιο πυκνούς αρχαιολογικούς χάρτες παγκοσμίως, ο όγκος των ανασκαφικών εκθέσεων, των καταλόγων και των επιστημονικών δημοσιεύσεων είναι ιδιαίτερα μεγάλος. Η συστηματική διαχείριση και ανάλυση αυτής της πληροφορίας καθίσταται ολοένα και δυσκολότερη με τη χρήση αποκλειστικά παραδοσιακών μεθόδων. Μια υποσχόμενη προσέγγιση για την εξόρυξη δομημένης πληροφορίας από αρχαιολογικά κείμενα είναι η Αναγνώριση Ονοματικών Οντοτήτων (Named Entity Recognition – NER). Η παρούσα εργασία παρουσιάζει την ανάπτυξη ενός συνόλου δεδομένων εκπαίδευσης και αξιολόγησης που βασίζεται σε κείμενα με αρχαιολογικό περιεχόμενο. Ένα σώμα κειμένων, αποτελούμενο από 324 προτάσεις, επισημειώθηκε χειροκίνητα βάσει ενός σχήματος που περιλαμβάνει οκτώ τύπους οντοτήτων: Artefact (Τεχνούργημα), Period (Περίοδος), Location (Τοποθεσία), Context (Κατασκευές/Δομές), Material (Υλικό), Species (Είδος), Person (Πρόσωπο) και Feature (Χαρακτηριστικό). Η συμφωνία μεταξύ των δύο επισημειωτών (IAA), υπολογιζόμενη μέσω της τιμής micro-F1, ανήλθε σε 0.91 μετά την αναθεώρηση των οδηγιών επισημείωσης, υποδηλώνοντας υψηλή συνέπεια στη διαδικασία επισημείωσης. Το σύνολο δεδομένων χρησιμοποιήθηκε για την αξιολόγηση και την προσαρμογή του μοντέλου GLiNER2 (fastino/gliner2-multi-v1) στην αναγνώριση αρχαιολογικών οντοτήτων σε ελληνικά κείμενα, βάσει του ίδιου σχήματος επισημείωσης. Αρχικά, το μοντέλο αξιολογήθηκε σε συνθήκη μηδενικής εκπαίδευσης (zero-shot), αξιοποιώντας μόνο την περιγραφή των οντοτήτων σε φυσική γλώσσα. Στη συνέχεια, πραγματοποιήθηκε εποπτευόμενη προσαρμογή (supervised fine-tuning) του μοντέλου, το οποίο πέτυχε τελικό micro-F1 score 0.65 στο ανεξάρτητο, ανθρώπινα επισημειωμένο σύνολο ελέγχου αναφοράς (test set). Τα αποτελέσματα έδειξαν ότι η προσαρμογή βελτίωσε την απόδοση του μοντέλου σε σχέση με τη zero-shot αξιολόγηση, ενώ παράλληλα ανέδειξαν και τις προκλήσεις που προκύπτουν από την εξειδικευμένη αρχαιολογική ορολογία, τις πολυλεκτικές οντότητες, τη γλωσσική αμφισημία και τη συντακτική πολυπλοκότητα των ελληνικών αρχαιολογικών κειμένων. Τέλος, εξετάστηκε πιλοτικά η χρήση συνθετικών επισημειωμένων δεδομένων ως μέθοδος εμπλουτισμού του συνόλου εκπαίδευσης σε περιβάλλον περιορισμένων πόρων. Συνολικά, η εργασία φιλοδοξεί να δημιουργήσει τον πρώτο εξειδικευμένο πόρο για την εφαρμογή NER στην ελληνική αρχαιολογία και να θέσει μια βάση για μελλοντική έρευνα στην εξαγωγή και οργάνωση αρχαιολογικής πληροφορίας από ελληνικά κείμενα.","abstract_html":"Η αρχαιολογία σήμερα έρχεται αντιμέτωπη με έναν ταχέως αυξανόμενο όγκο δεδομένων, μεγάλο μέρος των οποίων έχει τη μορφή κειμένου. Στην περίπτωση της Ελλάδας, η οποία διαθέτει έναν από τους πιο πυκνούς αρχαιολογικούς χάρτες παγκοσμίως, ο όγκος των ανασκαφικών εκθέσεων, των καταλόγων και των επιστημονικών δημοσιεύσεων είναι ιδιαίτερα μεγάλος. Η συστηματική διαχείριση και ανάλυση αυτής της πληροφορίας καθίσταται ολοένα και δυσκολότερη με τη χρήση αποκλειστικά παραδοσιακών μεθόδων. Μια υποσχόμενη προσέγγιση για την εξόρυξη δομημένης πληροφορίας από αρχαιολογικά κείμενα είναι η Αναγνώριση Ονοματικών Οντοτήτων (Named Entity Recognition – NER). Η παρούσα εργασία παρουσιάζει την ανάπτυξη ενός συνόλου δεδομένων εκπαίδευσης και αξιολόγησης που βασίζεται σε κείμενα με αρχαιολογικό περιεχόμενο. Ένα σώμα κειμένων, αποτελούμενο από 324 προτάσεις, επισημειώθηκε χειροκίνητα βάσει ενός σχήματος που περιλαμβάνει οκτώ τύπους οντοτήτων: Artefact (Τεχνούργημα), Period (Περίοδος), Location (Τοποθεσία), Context (Κατασκευές/Δομές), Material (Υλικό), Species (Είδος), Person (Πρόσωπο) και Feature (Χαρακτηριστικό). Η συμφωνία μεταξύ των δύο επισημειωτών (IAA), υπολογιζόμενη μέσω της τιμής micro-F1, ανήλθε σε 0.91 μετά την αναθεώρηση των οδηγιών επισημείωσης, υποδηλώνοντας υψηλή συνέπεια στη διαδικασία επισημείωσης. Το σύνολο δεδομένων χρησιμοποιήθηκε για την αξιολόγηση και την προσαρμογή του μοντέλου GLiNER2 (fastino/gliner2-multi-v1) στην αναγνώριση αρχαιολογικών οντοτήτων σε ελληνικά κείμενα, βάσει του ίδιου σχήματος επισημείωσης. Αρχικά, το μοντέλο αξιολογήθηκε σε συνθήκη μηδενικής εκπαίδευσης (zero-shot), αξιοποιώντας μόνο την περιγραφή των οντοτήτων σε φυσική γλώσσα. Στη συνέχεια, πραγματοποιήθηκε εποπτευόμενη προσαρμογή (supervised fine-tuning) του μοντέλου, το οποίο πέτυχε τελικό micro-F1 score 0.65 στο ανεξάρτητο, ανθρώπινα επισημειωμένο σύνολο ελέγχου αναφοράς (test set). Τα αποτελέσματα έδειξαν ότι η προσαρμογή βελτίωσε την απόδοση του μοντέλου σε σχέση με τη zero-shot αξιολόγηση, ενώ παράλληλα ανέδειξαν και τις προκλήσεις που προκύπτουν από την εξειδικευμένη αρχαιολογική ορολογία, τις πολυλεκτικές οντότητες, τη γλωσσική αμφισημία και τη συντακτική πολυπλοκότητα των ελληνικών αρχαιολογικών κειμένων. Τέλος, εξετάστηκε πιλοτικά η χρήση συνθετικών επισημειωμένων δεδομένων ως μέθοδος εμπλουτισμού του συνόλου εκπαίδευσης σε περιβάλλον περιορισμένων πόρων. Συνολικά, η εργασία φιλοδοξεί να δημιουργήσει τον πρώτο εξειδικευμένο πόρο για την εφαρμογή NER στην ελληνική αρχαιολογία και να θέσει μια βάση για μελλοντική έρευνα στην εξαγωγή και οργάνωση αρχαιολογικής πληροφορίας από ελληνικά κείμενα.","abstract_has_math":false,"creators":["Αλεξανδροπούλου Σταυρούλα","Alexandropoulou Stavroula"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-07-24T01:02:36Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5410546"],"render_values":[{"text":"uoadl:5410546","href":null,"code":true}]}]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5410546","outbound_label":"Repository record","outbound_source":"dc:identifier"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Αλεξανδροπούλου Σταυρούλα","Alexandropoulou Stavroula"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5410546","https://pergamos.lib.uoa.gr/uoa/dl/object/5410546"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η αρχαιολογία σήμερα έρχεται αντιμέτωπη με έναν ταχέως αυξανόμενο όγκο δεδομένων, μεγάλο μέρος των οποίων έχει τη μορφή κειμένου. Στην περίπτωση της Ελλάδας, η οποία διαθέτει έναν από τους πιο πυκνούς αρχαιολογικούς χάρτες παγκοσμίως, ο όγκος των ανασκαφικών εκθέσεων, των καταλόγων και των επιστημονικών δημοσιεύσεων είναι ιδιαίτερα μεγάλος. Η συστηματική διαχείριση και ανάλυση αυτής της πληροφορίας καθίσταται ολοένα και δυσκολότερη με τη χρήση αποκλειστικά παραδοσιακών μεθόδων. Μια υποσχόμενη προσέγγιση για την εξόρυξη δομημένης πληροφορίας από αρχαιολογικά κείμενα είναι η Αναγνώριση Ονοματικών Οντοτήτων (Named Entity Recognition – NER). Η παρούσα εργασία παρουσιάζει την ανάπτυξη ενός συνόλου δεδομένων εκπαίδευσης και αξιολόγησης που βασίζεται σε κείμενα με αρχαιολογικό περιεχόμενο. Ένα σώμα κειμένων, αποτελούμενο από 324 προτάσεις, επισημειώθηκε χειροκίνητα βάσει ενός σχήματος που περιλαμβάνει οκτώ τύπους οντοτήτων: Artefact (Τεχνούργημα), Period (Περίοδος), Location (Τοποθεσία), Context (Κατασκευές/Δομές), Material (Υλικό), Species (Είδος), Person (Πρόσωπο) και Feature (Χαρακτηριστικό). Η συμφωνία μεταξύ των δύο επισημειωτών (IAA), υπολογιζόμενη μέσω της τιμής micro-F1, ανήλθε σε 0.91 μετά την αναθεώρηση των οδηγιών επισημείωσης, υποδηλώνοντας υψηλή συνέπεια στη διαδικασία επισημείωσης. Το σύνολο δεδομένων χρησιμοποιήθηκε για την αξιολόγηση και την προσαρμογή του μοντέλου GLiNER2 (fastino/gliner2-multi-v1) στην αναγνώριση αρχαιολογικών οντοτήτων σε ελληνικά κείμενα, βάσει του ίδιου σχήματος επισημείωσης. Αρχικά, το μοντέλο αξιολογήθηκε σε συνθήκη μηδενικής εκπαίδευσης (zero-shot), αξιοποιώντας μόνο την περιγραφή των οντοτήτων σε φυσική γλώσσα. Στη συνέχεια, πραγματοποιήθηκε εποπτευόμενη προσαρμογή (supervised fine-tuning) του μοντέλου, το οποίο πέτυχε τελικό micro-F1 score 0.65 στο ανεξάρτητο, ανθρώπινα επισημειωμένο σύνολο ελέγχου αναφοράς (test set). Τα αποτελέσματα έδειξαν ότι η προσαρμογή βελτίωσε την απόδοση του μοντέλου σε σχέση με τη zero-shot αξιολόγηση, ενώ παράλληλα ανέδειξαν και τις προκλήσεις που προκύπτουν από την εξειδικευμένη αρχαιολογική ορολογία, τις πολυλεκτικές οντότητες, τη γλωσσική αμφισημία και τη συντακτική πολυπλοκότητα των ελληνικών αρχαιολογικών κειμένων. Τέλος, εξετάστηκε πιλοτικά η χρήση συνθετικών επισημειωμένων δεδομένων ως μέθοδος εμπλουτισμού του συνόλου εκπαίδευσης σε περιβάλλον περιορισμένων πόρων. Συνολικά, η εργασία φιλοδοξεί να δημιουργήσει τον πρώτο εξειδικευμένο πόρο για την εφαρμογή NER στην ελληνική αρχαιολογία και να θέσει μια βάση για μελλοντική έρευνα στην εξαγωγή και οργάνωση αρχαιολογικής πληροφορίας από ελληνικά κείμενα.","Archaeology today is confronted with a rapidly increasing volume of data, a large part of which takes the form of textual material. In the case of Greece, which has one of the densest archaeological landscapes worldwide, the volume of excavation reports, catalogues, and scholarly publications is particularly extensive. The systematic management and analysis of this information is becoming increasingly difficult using exclusively traditional methods. A promising approach for extracting structured information from archaeological texts is Named Entity Recognition (NER). This thesis presents the development of a dataset specifically designed for Greek archaeology. A corpus consisting of 324 sentences was manually annotated by two annotators according to a schema that includes eight entity types: Artefact, Context, Feature, Location, Material, Period, Person, and Species. Inter-Annotator Agreement (IAA) reached an F1-score of 0.91 after the revision of the annotation guidelines, indicating high consistency in the annotation process. The dataset was used for the evaluation and adaptation of the GLiNER2 model (fastino/gliner2-multi-v1) to the task of recognising archaeological entities in Greek texts, following the same annotation schema. First, the model was evaluated in a zero-shot setting, relying only on the natural-language descriptions of the entity labels. Subsequently, supervised fine-tuning was performed, and the model achieved a final micro-F1 score of 0.65 on an independent, human-annotated test set. The results showed that fine-tuning improved the model’s performance compared with the zero-shot evaluation. At the same time, they highlighted the challenges posed by specialised archaeological terminology, multi-word entities, linguistic ambiguity, and the syntactic complexity of Greek archaeological texts. Finally, the use of synthetic data was explored as a pilot method for augmenting the training set in a low-resource setting. Overall, this thesis aims to create the first specialised resource for the application of NER to Greek archaeology and to provide a basis for future research on the extraction and organisation of archaeological information from Greek texts."]},{"key":"dc:title","label":"Title","values":["Construction and Annotation of a Greek Corpus of Archaeological Texts"]}]}],"canonical_facts":{"dc:creator":["Αλεξανδροπούλου Σταυρούλα","Alexandropoulou Stavroula"],"dc:date":["2026"],"dc:description":["Η αρχαιολογία σήμερα έρχεται αντιμέτωπη με έναν ταχέως αυξανόμενο όγκο δεδομένων, μεγάλο μέρος των οποίων έχει τη μορφή κειμένου. Στην περίπτωση της Ελλάδας, η οποία διαθέτει έναν από τους πιο πυκνούς αρχαιολογικούς χάρτες παγκοσμίως, ο όγκος των ανασκαφικών εκθέσεων, των καταλόγων και των επιστημονικών δημοσιεύσεων είναι ιδιαίτερα μεγάλος. Η συστηματική διαχείριση και ανάλυση αυτής της πληροφορίας καθίσταται ολοένα και δυσκολότερη με τη χρήση αποκλειστικά παραδοσιακών μεθόδων. Μια υποσχόμενη προσέγγιση για την εξόρυξη δομημένης πληροφορίας από αρχαιολογικά κείμενα είναι η Αναγνώριση Ονοματικών Οντοτήτων (Named Entity Recognition – NER). Η παρούσα εργασία παρουσιάζει την ανάπτυξη ενός συνόλου δεδομένων εκπαίδευσης και αξιολόγησης που βασίζεται σε κείμενα με αρχαιολογικό περιεχόμενο. Ένα σώμα κειμένων, αποτελούμενο από 324 προτάσεις, επισημειώθηκε χειροκίνητα βάσει ενός σχήματος που περιλαμβάνει οκτώ τύπους οντοτήτων: Artefact (Τεχνούργημα), Period (Περίοδος), Location (Τοποθεσία), Context (Κατασκευές/Δομές), Material (Υλικό), Species (Είδος), Person (Πρόσωπο) και Feature (Χαρακτηριστικό). Η συμφωνία μεταξύ των δύο επισημειωτών (IAA), υπολογιζόμενη μέσω της τιμής micro-F1, ανήλθε σε 0.91 μετά την αναθεώρηση των οδηγιών επισημείωσης, υποδηλώνοντας υψηλή συνέπεια στη διαδικασία επισημείωσης. Το σύνολο δεδομένων χρησιμοποιήθηκε για την αξιολόγηση και την προσαρμογή του μοντέλου GLiNER2 (fastino/gliner2-multi-v1) στην αναγνώριση αρχαιολογικών οντοτήτων σε ελληνικά κείμενα, βάσει του ίδιου σχήματος επισημείωσης. Αρχικά, το μοντέλο αξιολογήθηκε σε συνθήκη μηδενικής εκπαίδευσης (zero-shot), αξιοποιώντας μόνο την περιγραφή των οντοτήτων σε φυσική γλώσσα. Στη συνέχεια, πραγματοποιήθηκε εποπτευόμενη προσαρμογή (supervised fine-tuning) του μοντέλου, το οποίο πέτυχε τελικό micro-F1 score 0.65 στο ανεξάρτητο, ανθρώπινα επισημειωμένο σύνολο ελέγχου αναφοράς (test set). Τα αποτελέσματα έδειξαν ότι η προσαρμογή βελτίωσε την απόδοση του μοντέλου σε σχέση με τη zero-shot αξιολόγηση, ενώ παράλληλα ανέδειξαν και τις προκλήσεις που προκύπτουν από την εξειδικευμένη αρχαιολογική ορολογία, τις πολυλεκτικές οντότητες, τη γλωσσική αμφισημία και τη συντακτική πολυπλοκότητα των ελληνικών αρχαιολογικών κειμένων. Τέλος, εξετάστηκε πιλοτικά η χρήση συνθετικών επισημειωμένων δεδομένων ως μέθοδος εμπλουτισμού του συνόλου εκπαίδευσης σε περιβάλλον περιορισμένων πόρων. Συνολικά, η εργασία φιλοδοξεί να δημιουργήσει τον πρώτο εξειδικευμένο πόρο για την εφαρμογή NER στην ελληνική αρχαιολογία και να θέσει μια βάση για μελλοντική έρευνα στην εξαγωγή και οργάνωση αρχαιολογικής πληροφορίας από ελληνικά κείμενα.","Archaeology today is confronted with a rapidly increasing volume of data, a large part of which takes the form of textual material. In the case of Greece, which has one of the densest archaeological landscapes worldwide, the volume of excavation reports, catalogues, and scholarly publications is particularly extensive. The systematic management and analysis of this information is becoming increasingly difficult using exclusively traditional methods. A promising approach for extracting structured information from archaeological texts is Named Entity Recognition (NER). This thesis presents the development of a dataset specifically designed for Greek archaeology. A corpus consisting of 324 sentences was manually annotated by two annotators according to a schema that includes eight entity types: Artefact, Context, Feature, Location, Material, Period, Person, and Species. Inter-Annotator Agreement (IAA) reached an F1-score of 0.91 after the revision of the annotation guidelines, indicating high consistency in the annotation process. The dataset was used for the evaluation and adaptation of the GLiNER2 model (fastino/gliner2-multi-v1) to the task of recognising archaeological entities in Greek texts, following the same annotation schema. First, the model was evaluated in a zero-shot setting, relying only on the natural-language descriptions of the entity labels. Subsequently, supervised fine-tuning was performed, and the model achieved a final micro-F1 score of 0.65 on an independent, human-annotated test set. The results showed that fine-tuning improved the model’s performance compared with the zero-shot evaluation. At the same time, they highlighted the challenges posed by specialised archaeological terminology, multi-word entities, linguistic ambiguity, and the syntactic complexity of Greek archaeological texts. Finally, the use of synthetic data was explored as a pilot method for augmenting the training set in a low-resource setting. Overall, this thesis aims to create the first specialised resource for the application of NER to Greek archaeology and to provide a basis for future research on the extraction and organisation of archaeological information from Greek texts."],"dc:identifier":["uoadl:5410546","https://pergamos.lib.uoa.gr/uoa/dl/object/5410546"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Construction and Annotation of a Greek Corpus of Archaeological Texts"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-07-24T01:02:36Z"}