Применение методов машинного обучения для анализа документации по научно-исследовательским и опытно-конструкторским работам

В настоящее время российское государство активно поддерживает IT-компании во внедрении цифровизации в страну. Например, правительство РФ решило стимулировать экономику и технологическое развитие, предложив налоговые льготы компаниям, занимающимся научно-исследовательскими и опытно-конструкторскими работами (НИОКР). Это позволяет налогоплательщикам частично компенсировать свои расходы на проведение исследований. Одним из условий получения такой преференции является научная экспертиза текстовых документов, представляемых в налоговую службу. Именно поэтому анализ научно-технических отчетов, представляемых этими IT-компаниями для целей налогообложения, является важным и ключевым процессом для подтверждения правомерности предоставления этих налоговых льгот. Cейчас в этом процессе много рутинной и ручной работы сотрудников налоговой службы. Чтобы автоматизировать и оптимизировать этот процесс, возникла идея применить компьютерные технологии для облегчения работы налоговой службы путем анализа текстовых документов с использованием методов машинного обучения. Программные средства, позволяющие проводить подобный анализ, будут интегрированы в систему поддержки проведения научно-технических экспертиз, которую сотрудники налоговой службы будут использовать в своей работе. В данной работе будут рассмотрены методы машинного обучения для анализа текстовых документов отчетов, представленных налогоплательщиками, в частности, будет решена задача бинарной классификации: относятся ли проверяемые отчеты к НИОКР или нет.