F3 Комп'ютерні науки

Permanent URI for this collection

https://ekmair.ukma.edu.ua/handle/123456789/18301
Освітня програма: "Комп'ютерні науки"

Browse

Browsing F3 Комп'ютерні науки by Author "Андрощук, Максим"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Автоматизоване наповнення графів знань з неструктурованих текстів
    (2025) Анісімов, Євген; Андрощук, Максим
    У кваліфікаційній роботі досліджено проблему автоматизованого наповнення графів знань з неструктурованих текстів та реалізовано прототип системи, що поєднує сучасні методи обробки природної мови та технології відповідей на запитання за допомогою графів. Запропонований сценарій включає: динамічне визначення типів сутностей за допомогою великих мовних моделей, розпізнавання іменованих сутностей, генеративне вилучення відношень, збереження фактів у графовій базі даних Neo4j та створення векторного індексу для описів відношень. Для пошуку релевантного контексту застосовано комбінацію семантичного пошуку методом k-найближчих сусідів та алгоритму Personalized PageRank, після чого велика мовна модель генерує відповідь на запитання користувача природною мовою. Практична цінність полягає у можливості швидше будувати графи знань на основі текстових корпусів, придатні для виконання запитів, що є актуальним для корпоративних систем управління знаннями, аналітичних платформ та інтелектуальних асистентів.
  • Thumbnail Image
    Item
    Точне налаштування LLM для обраних предметних областей
    (2025) Остролуцький, Андрій; Андрощук, Максим
    Кваліфікаційну роботу присвячено точному налаштуванню LLM для обраних предметних областей: науково-теоретична медицина, клінічна медицина та фінанси. В роботі проведено аналіз сучасних методів точного налаштування та огляд архітектури трансформерних моделей. Для практичної частини було використано метод низькорангового адаптування та модель Gemma 2 2B. Запропоновано двоетапний підхід до налаштування для теоретичної медицини, що забезпечив приріст точності на 9,19% (категорія «Professional medicine» MMLU) і покращення на 9,75% (MedQA). У клінічній медицині досягнуто зростання BERTScore Precision на 9,44%. Модель для фінансового аналізу показала 95,38% збігу з анотаціями експертів. Додатково було створено демонстраційні застосунки для клінічної і фінансової сфер як приклад практичного використання моделей.