Разработка и обучение языковой модели для автоматизированной классификации англоязычных научных статей по кодам ГРНТИ

В современном научном сообществе растет потребность в эффективной классификации научных статей для улучшения поиска и организации знаний в связи с быстрым ростом объема информации. Целью выпускной квалификационной работы является разработка языковой модели на основе искусственного интеллекта для автоматизации процесса классификации англоязычных научных статей по кодам ГРНТИ. Актуальность работы обусловлена необходимостью повышения точности и скорости обработки научных данных, так как в настоящее время процесс классификации осуществляется вручную. Целью исследования является создание модели, способной автоматически определять соответствующие коды ГРНТИ для научных статей, что позволит улучшить процесс рецензирования и индексирования публикаций. Методы исследования включают использование собранного корпуса статей, его предварительную обработку, разработку специальной архитектуры для решения задачи иерархичной классификации, обучение модели с помощью алгоритмов машинного обучения и оценку ее эффективности. Результатом данного исследования является разработанное консольное приложение для автоматической классификации больших объемов научных статей. Работа состоит из 35 страниц, 32 источников, 8 рисунков и 5 таблиц.