Существующие на сегодняшний день нейросетевые решения имеют ограниченные возможности для разбора текста на естественном языке в силу следующих ключевых недостатков:

- необходимость значительных объемов релевантных данных, предварительно размеченных человеком;

- ответы выдаются на принципах статистики и могут не соответствовать восприятию информации человеком.

- затраты на дообучение модели могут превышать затраты на первичное внедрение из-за необходимости повторного полного обучения.

- работа только с данными, структурно похожими на обучающий массив.

Наш проект направлен на создание системы, имитирующей когнитивные функции человека в части обработки информации и работающей не с буквальным представлением текста (словами), а с его смысловой составляющей.

Работа со смыслом обработанного текста позволит обходиться без предварительной разметки значительных объемов данных, ответы системы будут прослеживаемы и объяснимы, дообучение станет возможно без повторного полного объема загрузки всего массива текста.

Практический сценарий для системы, обеспечивающей работу со смыслом текста – выявление именованных сущностей, ключевых положений, объектов и атрибутов из документов, не имеющих заранее заданной структуры и написанных на естественном языке (договора, нормативные и распорядительные документы и т.д.).

Наша система может быть легко масштабирована путем наполнения базы знаний и применена для иных актуальных задач – извлечение и формирование матрицы требований, сравнение нормативной документации, выявление плагиата на уровне смысла, оценки договоров и контрактов для выявления коррупционной составляющей, верификации и валидации перевода на уровне смысла.

На страницу проекта