Αυτόματος Προγραμματισμός Συναντήσεων με Χρήση Πολυπρακτορικών Συστημάτων που Υποστηρίζονται από Μεγάλα Γλωσσικά Μοντέλα

Abstract

Ο αυτόματος προγραμματισμός συναντήσεων αποτελεί σύνθετο πρόβλημα, καθώς απαιτεί τον συντονισμό πολλών συμμετεχόντων, τη διαχείριση χρονικών περιορισμών και τη λήψη αποφάσεων σε κατανεμημένο περιβάλλον. Παράλληλα, τα Μεγάλα Γλωσσικά Μοντέλα προσφέρουν νέες δυνατότητες για την κατανόηση αιτημάτων φυσικής γλώσσας και τη μετατροπή τους σε δομημένη πληροφορία. Η παρούσα διπλωματική εργασία παρουσιάζει τον σχεδιασμό, την υλοποίηση και την πειραματική αξιολόγηση ενός συστήματος αυτόματου προγραμματισμού συναντήσεων που συνδυάζει σημασιολογική επεξεργασία μέσω Μεγάλου Γλωσσικού Μοντέλου με κατανεμημένο πολυπρακτορικό συντονισμό. Στην προτεινόμενη αρχιτεκτονική, το γλωσσικό μοντέλο χρησιμοποιείται αποκλειστικά για την κατανόηση των αιτημάτων φυσικής γλώσσας και τη μετατροπή τους σε δομημένες προδιαγραφές προγραμματισμού. Η αξιολόγηση των υποψήφιων χρονικών διαστημάτων, η εφαρμογή των περιορισμών και η λήψη της τελικής απόφασης πραγματοποιούνται από συνεργαζόμενους πράκτορες, χωρίς τη συμμετοχή του γλωσσικού μοντέλου στη διαδικασία απόφασης. Η αρχιτεκτονική περιλαμβάνει πράκτορα συντονισμού, πράκτορες συμμετεχόντων και πράκτορες πόρων, οι οποίοι επικοινωνούν μέσω ανταλλαγής μηνυμάτων για την τοπική αξιολόγηση των υποψήφιων χρονικών διαστημάτων και την οριστικοποίηση της συνάντησης. Η υλοποίηση βασίστηκε στο πλαίσιο SPADE και στο πρωτόκολλο XMPP για την ανάπτυξη και την επικοινωνία των πρακτόρων, σε REST API για την αλληλεπίδραση με το σύστημα, σε τοπική εκτέλεση Μεγάλου Γλωσσικού Μοντέλου για τη σημασιολογική επεξεργασία και στο πρότυπο iCalendar για την παραγωγή διαλειτουργικών αρχείων ημερολογίου. Η πειραματική αξιολόγηση έδειξε ότι το σύστημα εντοπίζει έγκυρες λύσεις όταν αυτές υπάρχουν, αποτυγχάνει με ελεγχόμενο τρόπο όταν δεν υπάρχει διαθέσιμο κοινό χρονικό διάστημα και παραμένει λειτουργικό υπό αυξανόμενο αριθμό συμμετεχόντων. Επιπλέον, διαπιστώθηκε ότι το μεγαλύτερο μέρος του συνολικού χρόνου απόκρισης οφείλεται στο σημασιολογικό υποσύστημα, ενώ ο πολυπρακτορικός μηχανισμός παρουσιάζει σταθερότερη συμπεριφορά στα εξεταζόμενα σενάρια. Συνολικά, η εργασία παρουσιάζει και αξιολογεί μία συγκεκριμένη υβριδική αρχιτεκτονική για τον αυτόματο προγραμματισμό συναντήσεων, στην οποία η σημασιολογική κατανόηση των αιτημάτων διαχωρίζεται από τη διαδικασία λήψης αποφάσεων. Τα αποτελέσματα τεκμηριώνουν τη λειτουργικότητα της προτεινόμενης υλοποίησης στα σενάρια που εξετάστηκαν και αναδεικνύουν τα βασικά χαρακτηριστικά απόδοσης και τους περιορισμούς της.Automatic meeting scheduling is a complex problem, as it requires the coordination of multiple participants, the management of temporal constraints, and decision-making in a distributed environment. At the same time, Large Language Models provide new capabilities for understanding natural language requests and transforming them into structured information. This thesis presents the design, implementation, and experimental evaluation of an automatic meeting scheduling system that combines semantic processing through a Large Language Model with distributed multi-agent coordination. In the proposed architecture, the language model is used exclusively to interpret natural language requests and convert them into structured scheduling specifications. The evaluation of candidate time slots, the application of constraints, and the final scheduling decision are carried out by cooperating agents, without involving the language model in the decision-making process. The architecture includes a Scheduler Agent, Member Agents, and Resource Agents, which communicate through message exchange in order to perform local evaluations of candidate time slots and finalize the meeting. The system was implemented using the SPADE framework and the XMPP protocol for agent development and communication, a REST API for interaction with the system, local execution of a Large Language Model for semantic processing, and the iCalendar standard for generating interoperable calendar files. The experimental evaluation showed that the system identifies valid solutions when they exist, terminates gracefully when no common time slot is available, and remains operational as the number of participants increases. Furthermore, the results indicate that the semantic processing subsystem accounts for the largest portion of the overall response time, while the multi-agent scheduling mechanism exhibits more stable behavior across the evaluated scenarios. Overall, the thesis presents and evaluates a specific hybrid architecture for automatic meeting scheduling, in which semantic interpretation is separated from the decision-making process. The results document the functionality of the proposed implementation in the examined scenarios and highlight its main performance characteristics and limitations.