Σχεδιασμός, υλοποίηση και αξιοποίηση στη γενική και επαγγελματική εκπαίδευση ελληνικού ηλεκτρονικού εννοιολογικού λεξικού, χρησιμοποιώντας σύστημα λογισμικού οντολογικής οργάνωσης λέξεων και των μεταξύ αυτών σημασιολογικών συσχετίσεων

Abstract

The development of language models for Natural Language Processing and Understanding (NLP/NLU) presupposes an in-depth understanding of the morphosyntactic and semantic structure of a language, particularly in the case of Modern Greek, which is characterized by rich and complex inflectional morphology. Despite its importance, Modern Greek continues to be supported by only a limited number of comprehensive and interoperable computational linguistic tools, as most existing approaches focus on individual levels of linguistic analysis. This doctoral dissertation addresses the design, implementation, and utilization of a Greek Electronic Conceptual Lexicon, based on an ontology-driven system for organizing words and their semantic relations, with a focus on its use in General and Vocational Education. An integrated computational system for processing Modern Greek linguistic data is presented, which bridges grammatical analysis with ontological representation by unifying the extraction, analysis, and representation of linguistic knowledge within a single coherent and interoperable framework. The system is based on four main pillars: (a) theautomatic extraction of linguistic data from structured and semi-structured sources, (b) the algorithmic generation of inflectional forms, (c) the analysis of morphological and syntactic features and the representation of syntactic relations at the sentence level, and (d) the organization of thegenerated lemmas and their properties within an ontological structure. The data were extracted from structured and semi-structured sources, mainly from the Dictionary of Standard Modern Greek of the Manolis Triantafyllidis Foundation, and were processed using algorithms implemented in thePython programming language, while their integration was performed within an ontology using the Protégé platform. The resulting ontology accurately represents grammatical, syntactic, and semantic relations, supports reasoning mechanisms, ensures interoperability, and facilitates the extensibility of linguistic knowledge. The validity and functionality of the system are confirmed through consistency checks, as well as structural and qualitative evaluation. The dissertation focuses on rules and linguistically grounded representations of explicit knowledge, providing an interpretable, reusable, and extensible foundation for NLP/NLU applications and the educational use of linguistic knowledge. In addition, the lexicon is enriched with terms and conceptual structures from specialized domains, such as Supply Chain Management, supporting its adaptation to professional and thematic contexts. The proposed architecture is compatible with contemporary Big Data processing approaches and can be utilized as an infrastructure for applications integrating Large Language Models (LLMs). Overall, the dissertation proposes a systematic transition from grammaticalknowledge to ontological knowledge, contributing to the formation of a stable and reliable conceptual lexicon for Modern Greek, with a substantial contribution to both computational linguistics and General and Vocational Education.

Η ανάπτυξη γλωσσικών μοντέλων για την Επεξεργασία και Κατανόηση της Φυσικής Γλώσσας (Natural Language Processing and Understanding – NLP/NLU) προϋποθέτει την εις βάθος κατανόηση της μορφοσυντακτικής και σημασιολογικής δομής μιας γλώσσας, ιδιαίτερα στην περίπτωση της Νέας Ελληνικής, η οποία χαρακτηρίζεται από πλούσια και σύνθετη κλιτική μορφολογία. Παρά τη σημασία της, η Νέα Ελληνική εξακολουθεί να υποστηρίζεται περιορισμένα από ολοκληρωμένα και διαλειτουργικά υπολογιστικά γλωσσικά εργαλεία, καθώς οι περισσότερες υπάρχουσες προσεγγίσεις εστιάζουν αποσπασματικά σε μεμονωμένα επίπεδα γλωσσικής ανάλυσης. Η παρούσα διδακτορική διατριβή πραγματεύεται τον σχεδιασμό, την υλοποίηση και την αξιοποίηση ενός Ελληνικού Ηλεκτρονικού Εννοιολογικού Λεξικού, βασισμένου σε σύστημα οντολογικής οργάνωσης λέξεων και σημασιολογικών συσχετίσεων, με προσανατολισμό τη χρήση του στη Γενική και την Επαγγελματική Εκπαίδευση. Παρουσιάζεται ένα ολοκληρωμένο υπολογιστικό σύστημα επεξεργασίας γλωσσικών δεδομένων της Νέας Ελληνικής, το οποίο γεφυρώνει τη γραμματική ανάλυση με την οντολογική αναπαράσταση, ενοποιώντας την εξαγωγή, την ανάλυση και την αναπαράσταση της γλωσσικής γνώσης σε ένα ενιαίο, συνεκτικό και διαλειτουργικό πλαίσιο. Το σύστημα βασίζεται σε τέσσερις άξονες: (α) την αυτόματη άντληση γλωσσικών δεδομένων από δομημένες και ημιδομημένες πηγές, (β) την αλγοριθμική παραγωγή κλιτικών μορφών, (γ) την ανάλυση μορφολογικών και συντακτικών χαρακτηριστικών καθώς και την αποτύπωση συντακτικών σχέσεων σε επίπεδο πρότασης και (δ) την οργάνωση των παραγόμενων λημμάτων και των ιδιοτήτων τους σε οντολογική δομή. Τα δεδομένα αντλήθηκαν από δομημένες και ημιδομημένες πηγές, κυρίως από το Λεξικό της Κοινής Νεοελληνικής του Ιδρύματος Μ. Τριανταφυλλίδη, και επεξεργάστηκαν με αλγορίθμους σε υπολογιστική γλώσσα Python, ενώ η ενσωμάτωσή τους πραγματοποιήθηκε σε οντολογία με χρήση της πλατφόρμας Protégé. Η παραγόμενη οντολογία αποτυπώνει με ακρίβεια γραμματικές, συντακτικές και σημασιολογικές σχέσεις, υποστηρίζει μηχανισμούς συλλογιστικής, εξασφαλίζει διαλειτουργικότητα και επιτρέπει την επεκτασιμότητα της γλωσσικής γνώσης. Η εγκυρότητα και η λειτουργικότητα του συστήματος επιβεβαιώνονται μέσω ελέγχων συνοχής, δομικής και ποιοτικής αξιολόγησης. Η εργασία εστιάζει σε κανόνες και γλωσσολογικά τεκμηριωμένες αναπαραστάσεις ρητής γνώσης, προσφέροντας ένα ερμηνεύσιμο, επαναχρησιμοποιήσιμο και επεκτάσιμο υπόβαθρο για εφαρμογές NLP/NLU και για τη διδακτική αξιοποίηση της γλωσσικής γνώσης. Επιπλέον, το λεξιλόγιο εμπλουτίζεται με όρους και εννοιολογικές δομές από εξειδικευμένα πεδία, όπως η Εφοδιαστική Αλυσίδα, υποστηρίζοντας την προσαρμογή του σε επαγγελματικά και θεματικά συμφραζόμενα. Η προτεινόμενη αρχιτεκτονική είναι συμβατή με σύγχρονες προσεγγίσεις επεξεργασίας Μεγάλων Δεδομένων (Big Data) και δύναται να αξιοποιηθεί ως υποδομή για εφαρμογές που ενσωματώνουν Μεγάλα Γλωσσικά Μοντέλα (Large Language Models – LLMs). Συνολικά, η διατριβή προτείνει μια συστηματική μετάβαση από τη γραμματική γνώση στην οντολογική γνώση, συμβάλλοντας στη διαμόρφωση ενός σταθερού και αξιόπιστου εννοιολογικού λεξικού για τη Νέα Ελληνική, με ουσιαστική συνεισφορά τόσο στην υπολογιστική γλωσσολογία όσο και στη Γενική και Επαγγελματική Εκπαίδευση.