Использование семантического поиска для выбора и ранжирования научных геологических публикаций
https://doi.org/10.26907/1562-5419-2024-27-5-758-773
Аннотация
Агрегирование научной информации играет важную роль для комплексного анализа геологических объектов. В настоящей работе мы рассматриваем потенциал и возможности семантического поиска для выбора тематически близких геологических публикаций. Проанализированы различные языковые модели в контексте нахождения сходства и различия между текстами при описании месторождений полезных ископаемых. Показано значительное улучшение результатов поиска после дополнительной тренировки языковых моделей. Представлены два веб-сервиса, основанных на методе расчета семантической близости текстов с количественной оценкой меры близости.
Об авторах
Михаил Иванович Патук
Государственный геологический музей им. В.И. Вернадского РАН
Россия
Россия
Вера Викторовна Наумова
Государственный геологический музей им. В.И. Вернадского РАН
Россия
Россия
Список литературы
1. Семантический поиск. URL: https://ru.wikipedia.org/wiki/Семантический_поиск (дата обращения 10.09.2024)
2. Ваш путеводитель по миру NLP (обработке естественного языка). URL: https://habr.com/ru/companies/otus/articles/705482/ (дата обращения 10.09.2024)
3. Semantic similarity. URL: https://en.wikipedia.org/wiki/Semantic_similarity (дата обращения 10.09.2024)
4. Devlin J., Chang M.W., Lee K., Toutanova K. Bert: pre-training of deep bidirectional transformers for language understanding. URL: arxiv.org/abs/1810.04805 (2018)
5. Объясняем простым языком, что такое трансформеры. URL: https://habr.com/ru/companies/mws/articles/770202/ (дата обращения 10.09.2024)
6. BERT (языковая модель). URL: https://neerc.ifmo.ru/wiki/index.php?title= BERT_(языковая_модель) (дата обращения 10.09.2024)
7. BERT community. URL: https://huggingface.co/google-bert (дата обращения 10.09.2024)
8. Akila D., Jayakumar C. Semantic Similarity – A Review of Approaches and Metrics // International Journal of Applied Engineering Research. 2014. Vol. 9, No. 24. P. 27581–27600.
9. TF-IDF. URL: https://ru.wikipedia.org/wiki/TF-IDF (дата обращения 10.09.2024)
10. Okapi BM25. URL: https://ru.wikipedia.org/wiki/Okapi_BM25 (дата обращения 10.11.2024)
11. Word2vec. URL: https://ru.wikipedia.org/wiki/Word2vec (дата обращения 10.09.2024)
12. Краснов Ф.В., Смазневич И.С., Баскакова Е.Н. Проблема потери решений в задаче поиска схожих документов: Применение терминологии при построении векторной модели корпуса // Бизнес-информатика. 2021. Т. 15. № 2. С. 60–74. https://doi.org/10.17323/2587-814X.2021.2.60.74
13. Атаева О.М., Серебряков В.А., Тучкова Н.П. Модель поиска схожих документов в семантической библиотеке // Научный сервис в сети Интернет: труды XXIII Всероссийской научной конференции (20–23 сентября 2021 г., онлайн). М.: ИПМ им. М.В. Келдыша, 2021. С. 54–64. https://doi.org/10.20948/abrau-2021-24
14. Kanerva J., Kitti H., Chang L.-H., Vahtola T., Creutz M., Ginter F. Semantic search as extractive paraphrase span detection // Lang Resources and Evaluation. 2024. https://doi.org/10.1007/s10579-023-09715-7
15. Denghui Yang, Dengyun Zhu, Hailong Gai, Fucheng Wan. Semantic Similarity Calculating based on BERT // Journal of Electrical Systems. 2024. Vol. 20, No. 2. P. 73–79.
16. Kuang M. et al. Multi-task Learning Based Keywords Weighted Siamese Model for Semantic Retrieval // In: Kashima H., Ide T., Peng W/C. (Eds.) Advances in Knowledge Discovery and Data Mining. PAKDD 2023. Lecture Notes in Computer Science. 2023. Vol. 13937. Springer, Cham. https://doi.org/10.1007/978-3-031-33380-4_7
17. Elibrary. URL: https://www.elibrary.ru/defaultx.asp (дата обращения 10.11.2024)
18. Sci-rus-tiny. URL: https://huggingface.co/mlsa-iai-msu-lab/sci-rus-tiny (дата обращения 10.09.2024)
19. ruSciBench — бенчмарк для оценки эмбеддингов научных текстов. URL: https://habr.com/ru/articles/781032/ (дата обращения 10.09.2024).
20. Научная электронная библиотека «КиберЛенинка». URL: https://cyberleninka.ru/ (дата обращения 10.09.2024)
21. Fine-tuning BERT for Semantic Textual Similarity with Transformers in Python. URL: https://thepythoncode.com/article/finetune-bert-for-semantic-textual-similarity-in-python (дата обращения 10.09.2024)
22. Lawley C.J.M., Raimondo S., Chen T., Brin L., Zakharov A., Kur D., Hui J., Newton G., Burgoyne S.L., Marquis G. Geoscience language models and their intrinsic evaluation // Applied Computing and Geosciences. 2022. Vol. 14, 100084. P. 1–10. https://doi.org/10.1016/j.acags.2022.100084
23. Cosine similarity. URL: https://en.wikipedia.org/wiki/Cosine_similarity (дата обращения 10.09.2024)
24. Rubert-tiny2. URL: https://huggingface.co/cointegrated/rubert-tiny2 (дата обращения 10.09.2024)
25. Multilingual-e5-base. URL: https://huggingface.co/intfloat/multilingual-e5-base (дата обращения 10.09.2024)
26. E5-large-en-ru. URL: https://huggingface.co/d0rj/e5-large-en-ru (дата обращения 10.09.2024)
27. Multilingual-e5-large. URL: https://huggingface.co/intfloat/multilingual-e5-large (дата обращения 10.09.2024)
28. Тест производительности. URL: https://ru.wikipedia.org/wiki/Тест_производительности (дата обращения 10.09.2024)
29. Патук М.И., Наумова В.В., Ерёменко В.С. Цифровой репозиторий "geologyscience.ru": открытый доступ к научным публикациям по геологии России // Электронные библиотеки. 2020. Т. 23, № 6. С. 1324–1338. https://doi.org/10.26907/1562-5419-2020-23-6-1324-1338
30. Geologyscience.ru – Виртуальный ассистент – Сервисы с использованием ИИ – Сервисы нейросетевого анализа геологических текстов. URL: https://service.geologyscience.ru/ (дата обращения 10.09.2024)
Рецензия
Для цитирования:
Патук М.И., Наумова В.В. Использование семантического поиска для выбора и ранжирования научных геологических публикаций . Электронные библиотеки. 2024;27(5):758-773. https://doi.org/10.26907/1562-5419-2024-27-5-758-773
For citation:
Patuk M.I., Naumova V.V. Using Semantic Search to Select and Rank Geological Publications. Russian Digital Libraries Journal. 2024;27(5):758-773. (In Russ.) https://doi.org/10.26907/1562-5419-2024-27-5-758-773
Просмотров:
0
Послать статью по эл. почте 