background image

 

Νικόλαος Λυμπιτάκης, Κατασκευή ενός RAG Chatbot για 
Ξενοδοχειακή Υποστήριξη 

 

 
 

 

23 

χρήστη. Αυτό καθιστά τη διαχείρισή της απλή και προσβάσιμη ακόμα και για μη ειδικούς. 

Η  SQLite  έχει  εξελιχθεί  σε  μια  πλήρως  λειτουργική  μηχανή  βάσης  δεδομένων  που 

υποστηρίζει  σύνθετα  αναλυτικά  ερωτήματα,  παρόλο  που  είναι  κυρίως  σχεδιασμένη  για 

ταχεία επεξεργασία συναλλαγών online (OLTP) 

[21]

. 

Το  DB  Browser  for  SQLite  είναι  ένα  φιλικό  προς  το  χρήστη  οπτικό  εργαλείο 

διαχείρισης βάσεων δεδομένων SQLite. Παρέχει τη δυνατότητα δημιουργίας, οργάνωσης, 

και  τροποποίησης  των  πινάκων  και  των  δεδομένων  με  απλές  ενέργειες  μέσω  γραφικού 

περιβάλλοντος. Το εργαλείο αυτό είναι ιδιαίτερα χρήσιμο για φοιτητές, ερευνητές αλλά και 

επαγγελματίες που θέλουν να εξερευνήσουν ή να τροποποιήσουν τις βάσεις δεδομένων τους 

χωρίς να χρειάζεται να γράφουν σύνθετες εντολές SQL. Η χρήση του συμβάλλει σημαντικά 

στην  κατανόηση  της  δομής  και  της  λειτουργίας  των  σχεσιακών  βάσεων  δεδομένων, 

διευκολύνοντας την εκμάθηση και την επεξεργασία δεδομένων σε εκπαιδευτικά ή μικρά 

επαγγελματικά έργα 

[22]

. 

 

2.4.6  DeepSeek 

  Το  DeepSeek  LLM  αποτελεί  ένα  νέο  ανοιχτού  κώδικα  μεγάλο 

γλωσσικό μοντέλο που παρουσιάστηκε από την κινεζική εταιρεία DeepSeek-AI στο πλαίσιο 

μιας  στρατηγικής  για  ανοικτή  έρευνα..  Με  αυτή  την  ανοιχτή  διάθεση,  το  DeepSeek 

παρέχεται  ως  εργαλείο  σε  ερευνητές  και  επιχειρήσεις  χωρίς  σημαντικούς  περιορισμούς. 

Σύμφωνα  με  την  επίσημη  τεχνική  τεκμηρίωση,  το  DeepSeek  υπερβαίνει  σε  απόδοση 

προηγούμενα  μοντέλα  ανοιχτού  κώδικα  όπως  το  LLaMA-2  70B  και  σε  γενικές 

αξιολογήσεις υπερέχει του GPT-3.5 

[23]

. 

Μία  σημαντική  καινοτομία  του  DeepSeek  είναι  στη  χρήση  της 

αρχιτεκτονικής Mixture-of-Experts (MoE), η οποία επιτρέπει στο μοντέλο να ενεργοποιεί 

μόνο  ένα  υποσύνολο  των  παραμέτρων  του  για  κάθε  εισερχόμενο  token,  μειώνοντας 

δραστικά  το  υπολογιστικό  κόστος  χωρίς  απώλεια  απόδοσης.  Το  DeepSeek-V3,  με 

συνολικές  παραμέτρους  671B  αλλά  μόνο  37B  ενεργές  για  κάθε  token,  καταφέρνει  να 

επιτύχει απόδοση συγκρίσιμη με τα καλύτερα κλειστού κώδικα μοντέλα, όπως το GPT-4, 

με κόστος εκπαίδευσης μόλις 2.788M ώρες GPU

[24]

.