Отчет об опытно-конструкторских и технологических работах Разработка универсальной адаптивной системы разметки текстовых данных с использованием предразметки на базе нейросетевых языковых моделей и активного обучения по теме ТЕХНИЧЕСКОЕ ПРЕДЛОЖЕНИЕ (промежуточный) этап 1

Во многих приложениях машинного обучения используется большое количество неразмеченных данных, однако зачастую для их использования в технологиях обучения с учителем возникает задача создания разметки (аннотации), подразумевая под разметкой метаданные в виде списка комментариев/тегов/гиперссылок и т.п. Наиболее часто данный процесс связан с реализацией экспертной ручной или полуавтоматической разметки, что влечет за собой значительные временные и, соответственно, финансовые затраты. Кроме того, при наличии ограниченного времени на разметку полная разметка коллекции данных практически неосуществима. Один из способов, призванных преодолеть данные проблемы, заключается в многоплановом анализе текстового материала, с последующим использованием полученной информации для автоматизации системы разметки данных. В ходе настоящего проекта планируется разработать модернизированную платформу интеллектуализации с сервисом адаптивной разметки документов; в качестве основы данного сервиса предлагается использовать подход активного обучения, направленный на сокращение объема данных, аннотируемых экспертом. В ходе циклического процесса модель активного обучения производит отбор текстовых образцов, с последующей экспертной разметкой и обучением модели на основе вновь размеченных данных. При аннотировании текста составляющие предложений или структуры текста выделяются по определенным критериям для подготовки наборов данных для использования в моделях машинного обучения. Перечень возможных приложений подобных моделей, наряду с их потенциальными возможностями, продолжает расширяться; существует возможность внедрения модернизированной платформы в любую сферу деятельности, подразумевающую интенсивный документооборот и необходимость обрабатывать текстовые данные, например, анализ договорной документации (проверка на соответствие текущему законодательству, поиск сомнительных требований и отклонений от стандартов, распознавание сущностей, классификация документов и др.). С учетом текущих оригинальных результатов (касающихся, в том числе, оптимизации языковой модели глубокого обучения, лежащей в основе сервисов интеллектуализации, и методов контроля обучения на промежуточных стадиях), присутствует оптимизм в отношении дальнейшего развития функциональных возможностей платформы.