Νικόλαος Λυμπιτάκης, Κατασκευή ενός RAG Chatbot για 
Ξενοδοχειακή Υποστήριξη 

 

 
 

 

27 

αξιολόγηση  feedback.  Σκοπός  είναι  η  ανάλυση,  η  αποσφαλμάτωση  και  η 

παρακολούθηση της ποιότητας των απαντήσεων. 

NFR-8  Μάθηση και προσαρμοστικότητα 

a.  Οι  συνομιλίες  που  έχουν  χαρακτηριστεί  ως  “Καλές”  από  τους  χρήστες 

χρησιμοποιούνται σε διαδικασία ανατροφοδότησης για τη βελτίωση της ακρίβειας 

των  απαντήσεων.  Η  διαδικασία  εκτελείται  περιοδικά  και  δεν  επηρεάζει  τη 

λειτουργία του chatbot σε πραγματικό χρόνο. 

Λειτουργικές προδιαγραφές (Functional Requirements-FR) 

 

FR-1  Το  chatbot  πρέπει  να  μπορεί  να  απαντά  σε  ερωτήσεις  στα  Αγγλικά  και  στα 

Ελληνικά. 

FR-2  Πρέπει να παρέχει πληροφορίες για το ξενοδοχείο, τις παροχές, FAQs και τις 

πολιτικές  του  στηριζόμενο  αποκλειστικά  σε  εσωτερικά  δεδομένα  μέσω  της 

τεχνικής RAG. 

FR-3  Να μπορεί να απαντά σε ερωτήσεις σχετικά με κοντινά σημεία ενδιαφέροντος 

μέσω Vector Similarity search. 

FR-4  Αν μια ερώτηση δεν σχετίζεται με το ξενοδοχείο, το chatbot πρέπει να αρνείται 

ευγενικά  να  απαντήσει,  αποφεύγοντας  την  παραγωγή  εσφαλμένων 

πληροφοριών (hallucinations). 

FR-5  Το chatbot πρέπει να διαθέτει μνήμη και θυμάται τα προηγούμενα μηνύματα στη 

συζήτηση για να παρέχει πιο σχετικές απαντήσεις. 

FR-6  Να  μπορεί  να  απαντάει  σε  ερωτήσεις  σχετικά  με  τη  διαθεσιμότητα  και  τις 

πληροφορίες των διαθέσιμων δωματίων κάνοντας αναζήτηση σε σχεσιακή βάση 

δεδομένων με SQL queries. 

FR-7  Να μπορεί να ενημερώνει  εύκολα τη βάση γνώσης μέσω ξεχωριστών έτοιμων 

Python scripts. 

FR-8  Το  σύστημα  πρέπει  να  επιτρέπει  την  ενσωμάτωσή  του  σε  υπάρχουσες 

ιστοσελίδες ξενοδοχείων, είτε μέσω iframe, είτε μέσω API. 

FR-9  Να  μπορεί  να  εντοπίζει  και  να  επιστρέφει  κριτικές  που  υπάρχουν  στη  βάση 

σχετικές  με  οποιοδήποτε  θέμα  ρωτήσει  ο  χρήστης  μέσω  Vector  Similarity  

search.