Νικόλαος Λυμπιτάκης, Κατασκευή ενός RAG Chatbot για 
Ξενοδοχειακή Υποστήριξη 

 

 
 

 

70 

 

Εικόνα 37 : Διάγραμμα χρόνου απόκρισης ανά γλώσσα 

Από την ανάλυση των γραφημάτων προκύπτουν τα εξής: 

1.  Ποιότητα Απαντήσεων  

Persuasiveness: Και οι δύο γλώσσες αγγίζουν το άριστο (5.0), αποδεικνύοντας ότι το 

ύφος διατηρείται σταθερό ανεξαρτήτως γλώσσας. 

Hallucination: Παρατηρείται μια μικρή υπεροχή της Αγγλικής γλώσσας (χαμηλότερο 

σκορ ~0.5), έναντι της Ελληνικής (~1.0). Αυτό οφείλεται κυρίως στο γεγονός ότι η βάση 

γνώσης  του  συστήματος  RAG  είναι  δομημένη  αποκλειστικά  στην  αγγλική  γλώσσα.

 

Συγκεκριμένα,  η  ελληνική  ροή  απαιτεί  τη  συνεχή  μετατροπή  εννοιών  από  τη  μία 

γλώσσα στην άλλη (Ελληνικά-Αγγλικά), γεγονός που αυξάνει την πολυπλοκότητα της 

επεξεργασίας  και  εισάγει  μικρές  ανακρίβειες.    Το  μοντέλο  αναγκάζεται  έτσι  να 

συμπληρώσει τα κενά χρησιμοποιώντας τη δική του εσωτερική γνώση η οποία είναι 

βασισμένη  κυρίως  στην  Αγγλική  γλώσσα  και  αυτό  το  γέμισμα  «κενών»  εισάγει 

παραισθήσεις. 

Accuracy & Relevance: Οι διαφορές είναι αμελητέες, με τα Αγγλικά να υπερτερούν 

ελαφρώς στην ακρίβεια και τα Ελληνικά στη Συνάφεια. 

2.  Χρόνος Απόκρισης 

Υπάρχει μια σαφής διαφοροποίηση στο Latency. 

Αγγλικά:  Ο  μέσος  χρόνος  απόκρισης  είναι  περίπου  10  δευτερόλεπτα,  με  πολλές 

απαντήσεις να δίνονται σε λιγότερο από 8 δευτερόλεπτα.