Γεώργιος Μανιάς

ΙδιότηταΕρευνητικός Συνεργάτης
ΤίτλοςΥποψήφιος Διδάκτορας
ΕιδικότηταΕπεξεργασία Φυσικής Γλώσσας, Νευρωνική Μηχανική Μετάφραση, Ανάλυση Συναισθήματος

Συνοπτικό Βιογραφικό

O Γιώργος Μανιάς είναι Μηχανικός Υπολογιστών με Μεταπτυχιακό στον τομέα των Μεγάλων Δεδομένων και της Αναλυτικής Δεδομένων. Έλαβε το πρώτο πτυχίο του από το Τμήμα Μηχανικών Υπολογιστών και Πληροφορικής, Πανεπιστήμιο Πατρών, Ελλάδα, και το Μεταπτυχιακό του στον τομέα των Μεγάλων Δεδομένων και της Αναλυτικής Δεδομένων από το Τμήμα Ψηφιακών Συστημάτων του Πανεπιστημίου Πειραιά. Ένα ενθουσιώδες, προσαρμοστικό και ταχείας μάθησης άτομο με ευρύ και έντονο ενδιαφέρον να ακολουθήσει καριέρα στην Ανάλυση Δεδομένων. Τα κύρια ερευνητικά ενδιαφέροντα του είναι η Επεξεργασία Φυσικής Γλώσσας, η Μηχανική Μετάφραση, η Ανάλυση Συναισθημάτων και η Εξόρυξη Πληροφοριών.

Θεματικές Ενότητες Έρευνας

Υπηρεσίες διαλειτουργικότητας δεδομένων σε υποδομές Cloud και εφαρμογές χάραξης πολιτικής

Η προσέγγιση επικεντρώνεται πρωτίστως στις φάσεις της μετάφρασης, της επεξεργασίας, του σχολιασμού, της χαρτογράφησης, καθώς και στον μετασχηματισμό των συλλεγόμενων δεδομένων, τα οποία έχουν σημαντικό αντίκτυπο στην επιτυχή συγκέντρωση, ανάλυση και εκμετάλλευση του da-ta σε ολόκληρη την πολιτική κάνοντας κύκλο ζωής

Νευρωνική Μηχανική Μετάφραση (Neural Machine Translation – NMT) με έμφαση στις μεθόδους της μάθησης μέσω μεταφοράς και της ομοσπονδιακής μάθησης

Η εφαρμογή τεχνικών NMT που ενισχύονται με τη χρήση της Εκμάθησης μέσω Μεταφοράς θα επιτρέψει τη μεταφορά των εξαγόμενων αποτελεσμάτων, παραμέτρων και γνώσεων από ένα μοντέλο NMT σε άλλο, με απώτερο στόχο την ανάπτυξη και βελτιστοποίηση πολυγλωσσικών ταξινομητών. Επιπλέον, η χρήση τεχνικών Ομοσπονδιακής Μάθησης θα βελτιώσει και θα επεκτείνει περαιτέρω τις δυνατότητες και τη διαλειτουργικότητα ενός συστήματος Μηχανικής μετάφρασης μέσω Νευρωνικών Δικτύων.

Πολυγλωσσική Ανάλυση Συναισθήματος

Παρά τις πρόσφατε εξελίξεις στην ανάλυση του συναισθήματος μέσω νευρωνικών δικτύων, οι περισσότερες προσεγγίσεις για ανάλυση συναισθήματος αναπτύχθηκαν μόνο για τα Αγγλικά και υπάρχουν μόνο λίγες προσπάθειες που προσεγγίζουν το πρόβλημα λαμβάνοντας υπόψη άλλες γλώσσες και ιδιαίτερα χαμηλού ενδιαφέροντος και χρήσης. Για το σκοπό αυτό, πολλές προσεγγίσεις και έρευνες τα τελευταία πέντε χρόνια ενισχύουν την πολυγλωσσική ανάλυση συναισθημάτων με βάση το μοντέλο κωδικοποιητή-αποκωδικοποιητή και τη χρήση τεχνικών NMT.

Ερευνητικά Έργα

Επιστημονικές Δημοσιεύσεις

Άρθρα Συνεδρίων

  1. Manias, G., Mavrogiorgou, A., Kiourtis, A., Kakomitas, D., & Kyriazis, D. (2021, December). Real-Time Kafka-Based Topic Modeling and Identification of Tweets. In 2021 IEEE International Conference on Progress in Informatics and Computing (PIC) (pp. 212-218). IEEE.
  2. Manias, G. et al (2021, September), iHELP: Personalised Health Monitoring and Decision Support Based on Artificial Intelligence and Holistic Health Records.
  3. Manias, G., Mavrogiorgou, A., Kiourtis, A., & Kyriazis, D. (2021, June), SemAI: A Novel Approach for Achieving Enhanced Semantic Interoperability in Public Policies.
  4. Mavrogiorgou, A., Kiourtis, A., Manias, G., & Kyriazis, D. (2021, May), An Optimized KDD Process for Collecting and Processing Ingested and Streaming Healthcare Data.
  5. Mavrogiorgou, A., Kiourtis, A., Manias, G., & Kyriazis, D. (2021, May), Adjustable Data Cleaning Towards Extracting Statistical Information, Stud Health Technol Inform, pp. 1013-1014, doi: 10.3233/SHTI210332, PMID: 34042827.
  6. Kyriazis, D. et al. (2020, June). PolicyCLOUD: Analytics as a Service Facilitating Efficient Data-Driven Public Policy Management, In IFIP International Conference on Artificial Intelligence Applications and Innovations, pp. 141-150, Springer, Cham.
  7. Manias, G., Mavrogiorgou, A., Kiourtis, A., & Kyriazis, D. (2020, December), An Evaluation of Neural Machine Translation and Pre-trained Word Embeddings in Multilingual Neural Sentiment Analysis, In 2020 IEEE International Conference on Progress in Informatics and Computing (PIC), pp. 274-283, IEEE, doi: 10.1109/PIC50277.2020.9350849.