МЕТОДИ ТА МОДЕЛІ РОЗГОРНУТОГО АНАЛІЗУ РОЗПІЗНАВАННЯ ІМЕНОВАНИХ СУТНОСТЕЙ В ТЕКСТІ
Information Technology: Computer Science, Software Engineering and Cyber Security · 29.05.2026 · (2) · 118-127
DOI: 10.32782/it/2026-2-13 ↗Kurz gefasst
Fachartikel in der Zeitschrift Information Technology: Computer Science, Software Engineering and Cyber Security, online erschienen am 29.05.2026. Verfasst von Олексій КРАВЧЕНКО und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
У сучасних умовах стрімкого зростання обсягів текстової інформації особливої актуальності набувають методи автоматичного аналізу природної мови, зокрема розпізнавання іменованих сутностей як базового етапу побудови інтелектуальних інформаційних систем.Мета роботи. Метою статті є комплексний порівняльний аналіз підходів до задачі Named Entity Recognition, включаючи статистичні, нейромережеві, трансформерні моделі та підходи на основі великих мовних моделей, з визначенням їх ефективності в умовах практичного застосування.Методологія. Методологія дослідження базується на використанні стандартного корпусу CoNLL-2003, реалізації моделей CRF, BiLSTM-CRF, BERT та LLM-based підходу, а також їх оцінюванні за метриками precision, recall і F1-score з використанням єдиної експериментальної процедури. У процесі дослідження застосовано методи попередньої обробки текстових даних, токенізації, формування ознак, глибокого навчання та порівняльного аналізу результатів.Наукова новизна. Наукова новизна отриманих результатів полягає у системному порівнянні класичних, нейромережевих і сучасних трансформерних та LLM-підходів у межах єдиного експериментального середовища, а також у виявленні обмежень універсальних мовних моделей при розв’язанні задач послідовного маркування без спеціалізованого донавчання. Додатковий якісний аналіз на різнорідних текстах дозволив виявити типові помилки, пов’язані з визначенням меж сутностей і контекстною неоднозначністю.Висновки. В результаті дослідження розглянуто задачу розпізнавання іменованих сутностей та проаналізовано підходи до її розв’язання — від статистичних моделей до трансформерних і LLM-орієнтованих. Реалізовано та порівняно моделі CRF, BiLSTM-CRF, BERT-based NER і LLM-based NER на наборі CoNLL-2003 із використанням метрик precision, recall і F1-score.
Zitieren
APA
КРАВЧЕНКО, О., КОБИЛІН, О., & ВЕЧІРСЬКА, І. (2026). МЕТОДИ ТА МОДЕЛІ РОЗГОРНУТОГО АНАЛІЗУ РОЗПІЗНАВАННЯ ІМЕНОВАНИХ СУТНОСТЕЙ В ТЕКСТІ. Information Technology: Computer Science, Software Engineering and Cyber Security, 118-127. https://doi.org/10.32782/it/2026-2-13
Vancouver
КРАВЧЕНКО О, КОБИЛІН О, ВЕЧІРСЬКА І. МЕТОДИ ТА МОДЕЛІ РОЗГОРНУТОГО АНАЛІЗУ РОЗПІЗНАВАННЯ ІМЕНОВАНИХ СУТНОСТЕЙ В ТЕКСТІ. Information Technology: Computer Science, Software Engineering and Cyber Security. 2026:118-127. doi:10.32782/it/2026-2-13
BibTeX
@article{2026,
author = {КРАВЧЕНКО, Олексій and КОБИЛІН, Олег and ВЕЧІРСЬКА, Ірина},
title = {МЕТОДИ ТА МОДЕЛІ РОЗГОРНУТОГО АНАЛІЗУ РОЗПІЗНАВАННЯ ІМЕНОВАНИХ СУТНОСТЕЙ В ТЕКСТІ},
journal = {Information Technology: Computer Science, Software Engineering and Cyber Security},
year = {2026},
number = {2},
pages = {118--127},
doi = {10.32782/it/2026-2-13}
}
EUVIMED