Article · System Informatics · July 16, 2025
СВЯЗЫВАНИЕ ТЕРМИНОВ ИЗ НАУЧНЫХ ТЕКСТОВ С СУЩНОСТЯМИ БАЗ ЗНАНИЙ
Даниил Дмитриевич Кузовлев, Tatiana Viktorovna Batura, Павел Анатольевич Старцев
Abstract
System Informatics (Системная информатика), No. 26 (2025) 53 УДК 004.912 + 004.8 Связывание терминов из научных текстов с сущностями баз знаний Кузовлев Д.Д.(Институт систем информатики им.А.П.Ершова СО РАН), Батура Т.В.(Институт систем информатики им.А.П.Ершова СО РАН), Старцев П.А.(Институт систем информатики им.А.П.Ершова СО РАН) В данной статье предлагаются новые алгоритмы связывания научных терминов с сущностями Википедии и MeSH (Medical Subject Headings), работающие в условиях ограниченного количества данных.Алгоритм связывания с Википедией для части коллекции текстов на русском языке использует поисковую систему Википедии для генерации кандидатов и библиотеку spaCy для получения векторного представления текста.Подсчет семантической близости между описанием сущности из Википедии и термином из текста выполняется не только на основе самого научного термина, но и контекста, в котором он расположен.Для части коллекции по медицинской тематике, содержащей переводы с русского на английский язык, описан и реализован алгоритм связывания терминов, который опирается на словарь медицинских предметных рубрик MeSH.Результаты экспериментов показывают значения F1-меры 50.77 % для Википедии и 40.05 % для MeSH, что является хорошим показателем в условиях малого объема размеченных данных.Проведенное исследование подчеркивает необходимость развития специализированных русскоязычных баз знаний по аналогии с MeSH.Перспективным направлением является применение мультиязычных моделей для кросс-лингвистического связывания, что особенно актуально для редких терминов.Полученные результаты могут применяться при создании интеллектуальных систем анализа научных текстов и автоматизированных научных ассистентов, что особенно важно для узких предметных областей.
More by Tatiana Batura
- Entity Linking of Scientific Terms in Specialized Domains and Low-Resource SettingsApplied Sciences · 2026
- SciMDIX: A dataset for aspect extraction from multi-domain scientific documents in Kazakh and RussianProcedia Computer Science · 2026 · Citations: 1
- From text to knowledge: Entity linking of scientific terms to WikipediaBulletin of the Novosibirsk Computing Center Series Computer Science · 2025
- Kazakh Text Classification using Deep Learning ApproachesInternational Conference on Computer Science and Engineering · 2025 · Citations: 1
