EUVIMEDEUVIMED entdecken
Crossref

ИЗВЛЕЧЕНИЕ ИМЕНОВАННЫХ СУЩНОСТЕЙ И ОТНОШЕНИЙ МЕЖДУ НИМИ В ТЕКСТОВОЙ ТЕХНИЧЕСКОЙ ДОКУМЕНТАЦИИ

Д.С. Дюсекенов, А.В. Зыкина

Южно-Сибирский научный вестник · 15.03.2026 · (1(65)) · 19-25

DOI: 10.25699/sssb.2026.65.1.032 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Южно-Сибирский научный вестник, online erschienen am 15.03.2026. Verfasst von Д.С. Дюсекенов und 1 weiteren Autor:innen. Die Arbeit nennt 14 Literaturangaben.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

В статье рассматривается задача автоматического извлечения структурированной информации из текстовой технической документации на естественном языке. Актуальность исследования определяется возрастающей потребностью промышленных предприятий в автоматизации анализа обширных массивов руководств по эксплуатации, сервисных бюллетеней и отчётов о неисправностях для построения интеллектуальных систем диагностики и управления знаниями. Существующие системы обработки естественного языка демонстрируют ограниченную эффективность при работе со специализированными техническими текстами из-за особенностей предметной области: высокой плотности терминологии, наличия многозначных аббревиатур, сложных синтаксических конструкций и специфических способов выражения причинно-следственных связей. В работе предложен конвейер, основанный на тонкой настройке предобученной языковой модели ruBERT и последовательно решающий задачи извлечения именованных сущностей и семантических отношений между ними. На первом уровне реализована модель распознавания именованных сущностей пяти целевых типов: «оборудование», «неисправность», «причина», «решение» и «признак». Второй уровень конвейера ориентирован на извлечение семантических отношений между ранее обнаруженным сущностями по четырем основным типам: «имеет неисправность», «является причиной», «имеет признак» и «имеет решение». Для обучения и оценки модели сформирован размеченный корпус технических текстов. Качественный анализ выявил основные типы ошибок, связанные с сегментацией составных терминов и контекстной неоднозначностью. Определены практические ограничения метода и перспективные направления для дальнейших исследований, включая разработку сквозных архитектур и многоязычных моделей. Результаты исследования планируется использовать для формирования базы знаний, которая позволит системе предиктивной аналитики производить анализ текущей ситуации и предлагать список возможных неисправностей и их причин. The article addresses the task of automatically extracting structured information from natural language technical documentation. The relevance of the study is determined by the growing need of industrial enterprises to automate the analysis of vast volumes of operation manuals, service bulletins, and fault reports to build intelligent diagnostic systems and knowledge management systems. Existing natural language processing systems show limited effectiveness when working with specialized technical texts due to domain-specific features: high density of terminology, the presence of ambiguous abbreviations, complex syntactic structures, and specific ways of expressing cause-and-effect relationships. The work proposes a pipeline based on the fine-tuning of the pre-trained ruBERT language model, sequentially solving the tasks of named entity recognition and semantic relation extraction. The first level implements a model for recognizing named entities of five target types: "equipment", "fault", "cause", "solution", and "symptom". The second level of the pipeline is focused on extracting semantic relations between previously identified entities across four main types: "has fault", "is cause of", "has symptom", and "has solution". A labeled corpus of technical texts was created for training and evaluating the model. Qualitative analysis revealed main error types related to the segmentation of compound terms and contextual ambiguity. Practical limitations of the method and promising directions for future research are identified, including the development of end-to-end architectures and multilingual models. The research results are planned to be used for building a knowledge base that will enable a predictive analytics system to analyze the current situation and propose a list of possible faults and their causes.

Zitieren

APA

Дюсекенов, Д., & Зыкина, А. (2026). ИЗВЛЕЧЕНИЕ ИМЕНОВАННЫХ СУЩНОСТЕЙ И ОТНОШЕНИЙ МЕЖДУ НИМИ В ТЕКСТОВОЙ ТЕХНИЧЕСКОЙ ДОКУМЕНТАЦИИ. Южно-Сибирский научный вестник, 19-25. https://doi.org/10.25699/sssb.2026.65.1.032

Vancouver

Дюсекенов Д, Зыкина А. ИЗВЛЕЧЕНИЕ ИМЕНОВАННЫХ СУЩНОСТЕЙ И ОТНОШЕНИЙ МЕЖДУ НИМИ В ТЕКСТОВОЙ ТЕХНИЧЕСКОЙ ДОКУМЕНТАЦИИ. Южно-Сибирский научный вестник. 2026:19-25. doi:10.25699/sssb.2026.65.1.032

BibTeX
@article{2026,
  author = {Дюсекенов, Д.С. and Зыкина, А.В.},
  title = {ИЗВЛЕЧЕНИЕ ИМЕНОВАННЫХ СУЩНОСТЕЙ И ОТНОШЕНИЙ МЕЖДУ НИМИ В ТЕКСТОВОЙ ТЕХНИЧЕСКОЙ ДОКУМЕНТАЦИИ},
  journal = {Южно-Сибирский научный вестник},
  year = {2026},
  number = {1(65)},
  pages = {19--25},
  doi = {10.25699/sssb.2026.65.1.032}
}
Kostenlos starten →