Интеллектуальная система вопросов-ответов: интеграция баз знаний и языковых моделей для повышения эффективности обработки информации

Abstract

В статье рассматриваются современные подходы к созданию интеллектуальных систем вопросов-ответов (Q&A), ориентированных на повышение эффективности обработки информации за счет интеграции баз знаний и языковых моделей. Основное внимание уделяется методу Retrieval Augmented Generation (RAG), который объединяет извлечение данных из базы знаний с генерацией ответов с использованием мощных языковых моделей. Данный метод позволяет улучшить качество ответов, повышая их релевантность за счет обработки предварительно найденной информации. В статье анализируются и сравниваются различные методы векторизации текста, включая One-hot encoding, TF-IDF, Word2Vec и BERT, с целью их адаптации к системам Q&A. Отдельное внимание уделено отечественным языковым моделям, таким как YandexGPT и GigaChat, которые демонстрируют высокую точность и производительность в условиях отечественного рынка и в контексте тенденций импортозамещения. В рамках работы проведены эксперименты на основе конфигурации 1С:Бухгалтерия предприятия 8, в ходе которых оценивались точность, релевантность и производительность различных систем вопросов-ответов. Результаты экспериментов показали, что предложенные подходы способны значительно повысить качество обработки запросов и предоставления информации. Новизна работы заключается в интеграции современных языковых моделей с базами знаний для создания эффективных систем Q&A, что открывает новые возможности для автоматизации бизнес-процессов и улучшения взаимодействия с информационными системами.

Keywords

• Retrieval Augmented Generation (RAG)
• языковые модели
• векторизация текста
• YandexGPT
• GigaChat
• 1С:Бухгалтерия