Статті

DOI: https://doi.org/10.31713/vt3202518

Анотація

У статті представлено комплексний аналіз сучасних методів побудови графів знань (Knowledge Graph Construction, KGC) знеструктурованих текстових даних, що становлять основу для широкого спектра інтелектуальних застосунків – від семантичного пошуку та систем запитань-відповідей до рекомендаційних сервісів та аналітики даних. Робота критично розглядає ключові парадигми KGC, серед яких конвеєрний підхід, спільне вилучення сутностей та відношень, генеративні Seq2Seq-моделі, фреймворки на базі багатокрокового запитання-відповіді (QA) та методи із залученням великих мовних моделей (LLM). Для кожної з парадигм окреслено їхні сильні сторони та фундаментальні обмеження: від каскадного поширення помилок і втрати структурної інформації під час лінеаризації до труднощів генерації повних шаблонів запитань і проблем галюцинацій та фактологічної  непослідовності LLM.Окрему увагу зосереджено на проблематиці побудови графів знань у малоресурсних мовах, де відсутність достатніх корпусів, анотованих даних та інструментів робить використання традиційних підходів малоефективним. У цьому контексті розглянуто сучасні стратегії: використання опорних мов, few-shot та метанавчання, промпторієнтовані методи для генерації синтетичних даних, а також архітектури пошуково-доповненої генерації (RAG). Наведено приклади  успішного застосування цих стратегій у різних мовних середовищах і галузях, зокрема у біомедичних дослідженнях та для афро-азійських мов.У статті запропоновано гібридну методологію RAG-QA, яка поєднує сильні сторони обох підходів: фактологічну надійність та «заземлення» інформації, що забезпечує модуль ретривера, із контрольованістю та інтерпретованістю, які надає формулювання задачі у вигляді багатокрокового QA. Такий синергетичний підхід дозволяє чітко узгоджувати побудований граф знань із заданою онтологією, мінімізувати ризики помилок та підвищувати точність вилучення  сутностей і відношень у складних умовах дефіциту даних.

Біографії авторів