Smart Library

Smart Library — ИИ-система смыслового поиска и рекомендаций по фонду реальной библиотеки. Языковая модель понимает запрос, сформулированный своими словами, рекомендательная модель находит подходящие книги именно в каталоге этой библиотеки, а система показывает их наличие и место на полке.

Посещаемость библиотек в России растёт пятый год подряд: в 2025 году она достигла 593 млн посещений. При этом даже удобные электронные каталоги ищут по совпадению слов: чтобы найти книгу, нужно заранее знать её название, автора или точные ключевые слова. Если человек может только описать, что ему интересно, каталог почти не помогает.

Например, на запрос «хочу что-нибудь про искусственный интеллект для начинающих» система находит подходящие книги в фонде, объясняет, чем они отличаются, и показывает, в каком зале и на каком стеллаже их искать.

Технологическое ядро

• Понимание запроса: LLM превращает свободную формулировку в структурированный запрос (тема, уровень сложности, тип литературы).
• Смысловой поиск и ранжирование: векторные представления книг (эмбеддинги) строятся по библиографическим метаданным, поиск гибридный, к нему добавляется рекомендательная модель.
• Защита от галлюцинаций: языковая модель не придумывает книги. Каждая рекомендация берётся из каталога библиотеки и проверяется на наличие (подход RAG).
• Оценка качества: модели сравниваются по метрикам Precision@K и NDCG@K на поведенческих данных читателей.

Текущий этап

Проведено исследование влияния библиографических метаданных на качество рекомендательной модели: 10 000 книг, 8 вариантов набора метаданных. Лучшая конфигурация повысила Precision@10 на 12% относительно базовой. Кроме того, выяснилось, что длинные описания книг ухудшают классические текстовые модели. Поэтому следующий шаг — переход на нейросетевые эмбеддинги.

MVP

• поиск книг по запросу на естественном языке;
• смысловой подбор и ранжирование книг из каталога библиотеки с учётом библиографических метаданных;
• объяснение, почему книга подходит под запрос;
• проверка наличия книги и отображение её местоположения на базовой карте фонда.

Развитие

• навигация внутри библиотеки с построением маршрута до стеллажа;
• персональные рекомендации и интеграция с различными библиотечными системами.

Ценность для библиотеки: раскрытие малоиспользуемых книг, рост обращаемости фонда, меньше нагрузки на сотрудников по типовым запросам. Библиотека сохраняет контроль над каталогом и данными.

Команда

Константин — основатель, руководитель проекта, ML-инженер.
Отвечает за ML-часть (рекомендательная модель, смысловой поиск, оценка качества), анализ данных и fullstack-разработку, а также за развитие продукта и взаимодействие с заказчиками.

Саид — технический партнёр, backend-разработчик.
Участвует в принятии технических решений, отвечает за серверную часть и интеграцию с библиотечными системами.