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.
Содержание пособия включает изложение основных подходов направления интеллектуального анализа временных рядов (Time Series Data Mining), которое в настоящее время объединяет статистические, нейросетевые и нечеткие модели и технологии анализа временных рядов. Описание моделей и технологий базируется на современном обзоре отечественных и зарубежных источников, системном подходе и сопровождается примерами и контрольными вопросами. Рассматриваются авторские модели временных рядов на основе анализа нечетких тенденций, позволяющие прогнозировать не только числовые значения временных рядов, но и направление их изменения, а также генерировать краткое описание поведения временного ряда в лингвистической форме.
Пособие предназначено для поддержки дисциплин «Интеллектуальные информационные технологии», «Информационные технологии», «Информатика», дневной, вечерней, заочной и дистанционной форм обучения, а также для магистрантов и аспирантов, специализирующихся в области интеллектуальной обработки данных.
Содержание пособия включает изложение основных подходов направления интеллектуального анализа временных рядов (Time Series Data Mining), которое в настоящее время объединяет статистические, нейросетевые и нечеткие модели и технологии анализа временных рядов. Описание моделей и технологий базируется на современном обзоре отечественных и зарубежных источников, системном подходе и сопровождается примерами и контрольными вопросами. Рассматриваются авторские модели временных рядов на основе анализа нечетких тенденций, позволяющие прогнозировать не только числовые значения временных рядов, но и направление их изменения, а также генерировать краткое описание поведения временного ряда в лингвистической форме.
Пособие предназначено для поддержки дисциплин «Интеллектуальные информационные технологии», «Информационные технологии», «Информатика», дневной, вечерней, заочной и дистанционной форм обучения, а также для магистрантов и аспирантов, специализирующихся в области интеллектуальной обработки данных.