Архив статей журнала
Рассматривается извлечение информации из текстов на основе онтологии предметной области и нейросетевых методов анализа текста с привлечением больших языковых моделей. Обсуждается роль эксперта при разработке и сопровождении систем на примере задачи извлечения информации из аналитических статей и при построении онтологий по компьютерной лингвистике, описывающих основные понятия, интересующие пользователя/заказчика системы. Создание онтологии сопровождается созданием словаря - терминологического ядра онтологии с дальнейшей разработкой методов извлечения новых терминов данной предметной области. Данная задача рассматривается как задача извлечения именованных сущностей, для решения которой стандартом является обучение нейросетевой модели на представительном наборе данных. Этот подход сравнивается с подходом на основе больших языковых моделей, для реализации которого разработаны лексико-синтаксические шаблоны, шаблоны инструкций для проверки гипотез относительно новых терминов-словосочетаний, инструкции для верификации результатов. Разработанные инструкции для решения задачи извлечения отношений включают вопросы оценки компетенций на естественном языке, генерируемые автоматически для каждого отношения онтологии. Новизна предлагаемого подхода заключается в интеграции онтологических, лингвистических и нейросетевых подходов для извлечения информации из текстов. Показана возможность решать задачи анализа текста и извлечения информации путём выстраивания цепочки больших языковых моделей, инструкции для которых динамически формируются на основе результатов предыдущих этапов анализа. В эксперименте достигнуты следующие оценки F1-меры: для извлечения и классификации терминов F1=0.8, для извлечения отношений F1=0.87.
В учебных дисциплинах обучаемому необходимо усвоить много новых понятий, для чего требуется большой объём тренировки с обратной связью. Интеллектуальный тренажёр может позволить обучаемому научиться решать простые задачи и получать объяснения ошибок, а преподаватель на занятии может уделить время решению более сложных задач. В данной работе предлагается метод разработки интеллектуальных тренажёров на основе онтологии предметной области в виде веб-приложений, доступных для аудиторной и внеаудиторной работы. Использование формата RDF для представления задачи и модели предметной области позволяет осуществить логический вывод с помощью машины вывода Apache Jena Reasoner . Приведён пример разработки интеллектуального тренажёра для изучения порядка вычисления выражений с поддержкой языков программирования C++, C# и Python , способного объяснять ошибки, генерировать объясняющие подсказки и вести обучающий диалог с помощью наводящих вопросов. Тренажёр опробован при обучении бакалавров и магистров факультета электроники и вычислительной техники Волгоградского государственного технического университета. Большинство студентов отметили разработанный тренажёр как более полезный, чем обучающий тест. Тренажёр может применяться при самостоятельном изучении темы и при проведении занятий в рамках учебного процесса.