A DOMAIN-KNOWLEDGE-BASED MODEL FOR REFERENCE RESOLUTION IN LOW-RESOURCE LANGUAGES
DOI:
https://doi.org/10.54309/IJICT.2026.25.1.012Ключевые слова:
разрешение референций, разрешение кореференции, , знания предметной области, малоресурсные языки, знания предметной области, NLP,, гибридная модельАннотация
Разрешение референций (reference resolution) является критически важной задачей в обработке естественного языка (NLP), необходимой для глубокого понимания текста. Однако современные методы глубокого обучения требуют больших аннотированных корпусов, что делает их применение затруднительным для малоресурсных языков. В данной работе предлагается модель, основанная на интеграции знаний предметной области для повышения эффективности разрешения кореференции в условиях дефицита данных. Предложенный подход комбинирует статистические алгоритмы с правилами, извлеченными из предметных онтологий и семантических ограничений. Использование априорных знаний позволяет компенсировать нехватку обучающих примеров, сужая пространство поиска антецедентов. Экспериментальные результаты демонстрируют, что внедрение знаний предметной области значительно улучшает метрики качества (F1-score) по сравнению со стандартными методами машинного обучения. Исследование открывает новые возможности для создания интеллектуальных систем анализа текста для языков с ограниченными цифровыми ресурсами.
Скачивания
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2026 МЕЖДУНАРОДНЫЙ ЖУРНАЛ ИНФОРМАЦИОННЫХ И КОММУНИКАЦИОННЫХ ТЕХНОЛОГИЙ
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
https://creativecommons.org/licenses/by-nc-nd/3.0/deed.en