Разработка, тестирование и доработка по результатам тестирования прототипа системы для извлечения данных из неструктурированного текста. Этап 1.

Объектом исследования является разработка прототипа системы для извлечения данных из неструктурированного текста. Цель первого этапа – разработать ключевые модули прототипа системы, а именно: модуль предобработки текста, модуля векторного представления слов и токенов, модуля классификации страниц; модуль обучения модели извлечения данных и дообучения моделей; модуль применения модели извлечения данных и модуль измерения количественных и качественных характеристик компонент системы. Все запланированные работы по данному этапу выполнены полностью. Разработаны и реализованы программно все необходимые методы. Разработанные модули апробированы на нескольких наборах реальных данных. Таким образом показана их практическая применимость. На следующем этапе НИОКР будет осуществляться компоновка разработанных модулей в прототип единой системы для извлечения данных из неструктурированного текста, а также его тестирование и доработка.