Труды КНЦ (Технические науки вып. 3/2024(15))

Труды Кольского научного центра РАН. Серия: Технические науки. 2024. Т. 15, № 3. С. 5-26. Transactions of the Kola Science Centre of RAS. Series: Engineering Sciences. 2024. Vol. 15, No. 3. P. 5-26. $ MGG Chatbot — □ Пользователь -> Сколько лекций и практик длится Теория технологии и комплексной механизации? Бот —> Теория технологии и комплексной механизации включает 2 лекции и 4 практики. Пользователь -> Какие используемые активные/интерактивные образовательные технологии у дисциплины Перспективное и текущее планирование горных работ? Бот -> Дисциплина ^Перспективное и текущее планирование горных работ* преподаётся с использованием дискуссионных методов и проблемного обучения. Пользователь —> Что содержится в графе Используемые активные/интерактивные образовательные технологии для дисциплины Технология и комплексная механизация при сплошных системах разработки? Бот -> Проблемное обучение. Пользователь -> У кого дискуссионные методы, проблемное обучение? Бот -> Дискуссионные методы и проблемное обучение используются при преподавании дисциплины •Перспективное и техущее планирование горных работ*. Пользователь -> У каких дисциплин четыре лекции? Бот -> В тексте указаны ДЕе дисциплины, в рамках которых проводится по 2 лекции: * Теория технологии и комплексной механизации; * Перспективное и текущее планирование горных работ. Отправить Рис. 13. Примеры запросов по табличным данным Из представленного на рис. 13 примера видно, что в целом ответы чат-бота с использованием данных из таблицы являются корректными. Тем не менее имеются и неправильные ответы — в случае вопроса о дисциплинах с четырьмя лекциями бот указал на дисциплины, имеющие по две лекции. Выяснение причин появления некорректных ответов требует дополнительного исследования, в том числе и с точки зрения доработки методов интерпретации вопросов. Эксперименты с анализом частей речи Одним из направлений использования разрабатываемой системы планируется поддержка построения онтологий предметной области. Онтология, по сути, является концептуальной схемой, представляющей множество сущностей (понятий, объектов) предметной области и связей (отношений) между ними. В текстах на естественном языке сущности, как правило, представляются существительными, а вот для «описания» связи между ними могут использоваться различные части речи. Проведена серия экспериментов, связанных с оценкой возможностей системы идентифицировать и извлекать из текстов определенные части речи, в первую очередь существительных. Ниже представлены некоторые результаты этих экспериментов. Рис. 14 демонстрирует, что чат-бот успешно идентифицирует различные части речи. Помимо существительных, прилагательных и глаголов, он также определяет более сложные грамматические категории такие, как причастия и деепричастия. При ответе на запрос по идентификации частей речи (рис. 15) чат-бот приводит список слов, это означает, что система умеет выделять ключевые элементы текста. Тем не менее бот не упомянул такие слова, как «OPMPS» и «Pit», «Mine», «Scheduling», это указывает на наличие проблем в идентификации существительных на латинице и, возможно, аббревиатур. Пример, представленный на рис. 16, показывает, что чат-бот может провести детальный разбор и выдать характеристику предложения, включая его тип, структуру и синтаксические компоненты. Он правильно определяет подлежащее, сказуемое и выделяет определения и дополнения. По результатам проведенных экспериментов можно сделать вывод, что чат-бот выдает в большинстве случаев корректные структурированные ответы, демонстрирует способность работать с технической и специализированной лексикой, а также проводить комплексный анализ текста на естественном языке. Анализ текстов выполняется чат-ботом с достаточной степенью точности и детализации. 20 © Олейник А. Г., Федоров А. М., Датьев И. О., Зуенко А. А., Шестаков А. А., Вишняков И. Г., 2024