Лисицин Леонид Александрович - кандидат технических наук, доцент, доцент кафедры программной инженерии.
ул. 50 лет Октября, д. 94, Курск 305040
Leonid A. Lisitsin - Cand. of Sci. (Engineering), Associate Professor, Associate Professor of the Software Engineering Department, Southwest State University.
50 Let Oktyabrya str. 94, Kursk 305040
Лисицин Александр Леонидович - старший преподаватель кафедры информационной безопасности.
ул. Радищева, д. 33, Курск 305000
Alexander L. Lisitsin - Senior Lecturer, Information Security Department, Kursk State University.
33, Radishcheva str., Kursk 305000
Блоха Дмитрий Николаевич - студент кафедры информационной безопасности.
ул. 50 лет Октября, д. 94, Курск 305040
Dmitry N. Blokha - Student of the Information Security Department, Southwest State University.
50 Let Oktyabrya str. 94, Kursk 305040
Цель исследования. Исследование направлено на изучение возможностей применения когнитивных технологий (КТ) для эффективного решения плохо формализуемых задач в сфере анализа больших объемов текстовых данных. Особое внимание уделяется задаче автоматического конспектирования текстов — одной из важнейших проблем современной науки и техники, стимулирующей активное развитие методов искусственного интеллекта и машинного обучения.
Методы. Для достижения поставленной цели применялся извлекательный метод автоматического составления конспекта. Этот подход предполагает выбор наиболее значимых фрагментов исходного текста путем выделения отдельных предложений или фраз на основании определенных критериев. Использовались следующие критерии отбора: частота встречаемости слов; семантическая важность слов и выражений; позиция предложений внутри документа. Эти показатели позволяют выделить основные мысли текста и создать компактное резюме, сохраняющее смысл исходного материала.
Результаты. В ходе экспериментов была разработана программа на языке программирования Python, реализующая извлеченный метод конспектирования. Алгоритм основан на анализе частоты появления ключевых слов в тексте, что обеспечивает эффективную оценку значимости каждого предложения. Программа обладает рядом преимуществ: простота реализации и эксплуатации; открытый исходный код, позволяющий легко адаптировать решение под конкретные нужды пользователей; высокая эффективность при обработке значительных объемов текстовой информации. Разработанный инструмент демонстрирует способность эффективно создавать краткое изложение текста, сохраняя основную смысловую нагрузку и структуру оригинального содержания.
Заключение. Использование когнитивного алгоритма позволило значительно повысить производительность процесса анализа и обработки текстовой информации. Предложенная методика способна автоматизировать рутинные операции по составлению конспектов, помогая специалистам быстро получать общее представление о содержании крупных документов и публикаций. Это особенно актуально в условиях современного информационного общества, характеризующегося постоянно растущими потоками данных, которые требуют быстрого и качественного осмысления. Таким образом, исследование показало перспективность внедрения когнитивных технологий в сферу автоматизации интеллектуального труда и предложило практическое решение актуальной проблемы конспектирования больших объемов информации, которое может стать важным помощником для специалистов и исследователей.
Purpose of research. The research is aimed at exploring the possibilities of using cognitive technologies (CT) to effectively solve poorly formalized tasks in the field of analyzing large amounts of textual data. Special attention is paid to the task of automatic text annotation, which is one of the most important problems of modern science and technology, stimulating the active development of artificial intelligence and machine learning methods.
Methods. To achieve this goal, an extractive method of automatic summary compilation was used. This approach involves selecting the most significant fragments of the source text by highlighting individual sentences or phrases based on certain criteria. The following selection criteria were used: frequency of occurrence of words; semantic importance of words and expressions; position of sentences within the document. These indicators allow you to highlight the main thoughts of the text and create a compact summary that preserves the meaning of the source material.
Results. During the experiments, a program was developed in the Python programming language that implements the extracted method of taking notes. The algorithm is based on an analysis of the frequency of occurrence of keywords in the text, which ensures an effective assessment of the significance of each sentence. The program has a number of advantages: simplicity of implementation and operation; open source code, which makes it easy to adapt the solution to the specific needs of users; high efficiency in processing significant amounts of textual information. The developed tool demonstrates the ability to effectively create a summary of the text, while maintaining the basic meaning and structure of the original content.
Conclusion. The use of a cognitive algorithm has significantly improved the productivity of the text information analysis and processing process. The proposed methodology is capable of automating routine operations for making notes, helping specialists quickly get a general idea of the contents of large documents and publications. This is especially important in the context of the modern information society, characterized by ever-growing data flows that require rapid and high-quality comprehension. Thus, the study showed the prospects of introducing cognitive technologies into the field of automation of intellectual work and offered a practical solution to the urgent problem of taking notes on large amounts of information, which can become an important assistant for specialists and researchers.
The authors declare that there are no conflicts of interest present.