Меню
Публикации
2026
2025
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
Главный редактор
НИКИФОРОВ
Владимир Олегович
д.т.н., профессор
Партнеры
doi: 10.17586/2226-1494-2026-26-4-860-867
УДК 004.83
Метод построения RAG для анализа гетерогенных графо-иерархических текстовых корпусов
Читать статью полностью
Язык статьи - русский
Ссылка для цитирования:
Аннотация
Ссылка для цитирования:
Улизько М.В., Береснев А.Д., Жуков В.В., Марков П.Д., Гусарова Н.Ф. Метод построения RAG для анализа гетерогенных графо-иерархических текстовых корпусов // Научно-технический вестник информационных технологий, механики и оптики. 2026. Т. 26, № 4. С.860–867. doi: 10.17586/2226-1494-2026-26-4-860-867
Аннотация
Введение. Анализ корпусов документов со сложными внутренними и междокументными связями требует не только поиска релевантных текстов, но и построения минимального, проверяемого и трассируемого набора фрагментов, достаточного для последующего вывода и цитирования. В работе предложен метод извлечения фрагментов для корпусов документов, в котором смысл фрагмента определяется его локальным содержанием, положением в структуре документа и системой ссылок на другие фрагменты. Метод. Разработанный метод основан на совместном представлении корпуса как дерева структурных единиц и ориентированного графа ссылок, а также на гибридном ранжировании, сочетающем лексический поиск, векторное сходство и ссылочный сигнал. Доказана монотонность и субмодулярность целевой функции, что позволяет применять жадные алгоритмы с известной аппроксимационной гарантией и выполнять бюджетированный отбор контекста для системы генерации с дополненным поиском (Retrieval-Augmented Generation, RAG). Дополнительно вводится протокол оценки, разделяющий качество извлечения на уровне документов, фрагментов и цитат. Основные результаты. Представленный метод формально валидирован на тестах устойчивости к лексическому несовпадению и эффективности бюджетного отбора по сравнению с простыми стратегиями. Для содержательной иллюстрации эффективности метода использованы примеры из юридического домена. Обсуждение. Метод может использоваться как слой извлечения для RAG-систем в задачах построения вопросно-ответных систем, поиска доказательств, нормативного комплаенса и анализа больших структурно связанных корпусов.
Ключевые слова: интеллектуальный анализ документов, граф ссылок, графо-иерархическая структура корпуса, RAG-система, бюджетированный отбор контекста, извлечение информации, поиск доказательств, субмодулярная оптимизация, юридические документы
Благодарности. Работа частично поддержана Министерством науки и высшего образования Российской Федерации, госзадание FSER-2025-0013.
Благодарности. Работа частично поддержана Министерством науки и высшего образования Российской Федерации, госзадание FSER-2025-0013.
