Аналіз використання ембедінг моделей в задачі векторного пошуку для покращення відповідей великих мовних моделей
Year: 2024
Type: dissertation
Abstract: Дипломна робота: 140 с., 14 табл., 21 рис., 2 додатки, 23 джерела. Об'єкт дослідження - порівняння ембедінг моделей для задачі векторизації тексту з максимальним збереженням сенсу та семантики. Аналіз точності пошуку при використанні різних моделей. Аналіз надання додаткового контексту на вхід великих мовних моделей і його вплив на якість і точність генерації кінцевого результату у задачі відповіді на питання. У сучасному світі обсяг інформації, і її доступність стрімко зростає, що ускладнює її ефективний пошук і обробку. Ефективні системи пошуку у поєднанні з моделями генерації відповідей можуть значно покращити досвід користувачів у використанні персональних асистентів та систем пошуку. Метою цієї роботи є розробка та аналіз системи, яка використовує векторний пошук для подання релевантної інформації у вхідний контекст великих мовних моделей, для отримання відповідей на основі цього контексту, проаналізувати чи покращується якість згенерованих відповідей. Система інтегрує ембедінг моделі для векторизації тексту та великі мовні моделі для генерації відповідей, що дозволяє отримати точніші і контекстуально релевантні відповіді без необхідності додаткового навчання. Ця система спрямована на покращення точності відповідей мовних моделей шляхом використання ембедінг та великих мовних моделей, векторних баз даних, що дозволяє ефективно здійснювати пошук релевантної інформації та покращує якість генерації відповідей. Такий підхід значно підвищує ефективність систем, роблячи їх роботу ефективною. Розроблено програмний продукт на мові програмування Python.
Author: Коберник, Андрій Олександрович
Language: Ukrainian
Topic: Topic Modeling
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7198398742