Труды КНЦ вып.12 (ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ вып. 5/2021(12))

Труды Кольского научного центра РАН. Информационные технологии. Вып. 12. 2021. Т. 12, № 5. С. 166-170. Transactions of the toila Science Centre. Information technologies. Series 12. 2021. Vol. 12, no. 5. P. 166-170. Тезисы УДК 004.853 DOI: 10.37614/2307-5252.2021.5.12.016 ТЕХНОЛОГИЯ ОБУЧЕНИЯ НЕЙРОСЕТЕВОЙ МОДЕЛИ ДЛЯ ПОПОЛНЕНИЯ ОНТОЛОГИИ Павел Андреевич Ломов Марина Леонидовна Малоземова 2 12 Институт информатики и математического моделирования ФИЦ КНЦ РАН, Апатиты, Россия 1lomov@iimm.ru 181, https://orcid.org/0000-0002-0924-0188 2malozemova@iimm.ru, https://orcid.org/0000-0002-4358-2683 Аннотация В работе рассмотрена одна из подзадач обучения онтологий - задача пополнения онтологии, которая предполагает включение в существующую онтологию новых экземпляров без изменения структуры ее классов и отношений. Представлен краткий обзор существующих подходов к обучению онтологий. Предложена высокоавтоматизированная технология пополнения онтологии с помощью обучения и дальнейшего использования нейросетевой языковой модели для выявления потенциальных экземпляров классов онтологии из текстов предметной области. Рассматриваются основные этапы ее применения, результаты ее экспериментальной оценки и основные направления ее дальнейшего совершенствования. Ключевые слова: нейронная сеть, пополнение онтологий, обучений онтологий Финансирование Работа выполнена при поддержке Российского фонда фундаментальных исследований, проект № 20-07-00754 А. Для цитирования: Ломов П. А., Малоземова М. Л. Технология обучения нейросетевой модели для пополнения онтологии // Труды Кольского научного центра РАН. Информационные технологии. Вып. 12. 2021. Т. 12, № 5. С. 166-170. http://dx/doi.org/10.37614/2307-5252.2021.5.12.016. Theses TECHNOLOGY OF TRAINING A NEURAL-NETWORK MODEL FOR ONTOLOGY POPULATION Pavel A .L om o v 1B, Marina L.Malozemova 2 12 Institute for Informatics and Mathematical Modeling Kola Science Centre of the Russian Academy of Sciences, Apatity, Russia 1lomov@iimm.ruB, https://orcid.org/0000-0002-0924-0188 2malozemova@iimm.ru, https://orcid. org/0000-0002-4358-2683 Abstract The paper considers one of the subtasks of ontology learning - the ontology population, which implies the extension of existing ontology by new instances without changing the structure of its classes and relations. A brief overview of existing ontology learning approaches is presented. A highly automated technology for ontology population based on training and application of the neural-network language model to identify and extract potential instances of ontology classes from domain texts is proposed. The main stages of its application, as well as the results of its experimental evaluation and the main directions of its further improvement are considered. 166