ПРИМЕНЕНИЕ БОЛЬШИХ ЯЗЫКОВЫХ МОДЕЛЕЙ ПРИ ОРГАНИЗАЦИИ ПОПОЛНЕНИЯ БАЗЫ ЗНАНИЙ О МЕТОДАХ ОБРАБОТКИ ИНФОРМАЦИИ В СИСТЕМАХ ПРИКЛАДНОЙ ФОТОГРАММЕТРИИ
Аннотация
Рассмотрены вопросы, связанные с автоматизацией процедуры синтеза систем прикладной фотограмметрии. Такие системы служат для измерения и учета объектов по изображениям и в настоящее время широко применяются в различных областях деятельности, таких как карто- графирование, археология и аэрофотосъемка. Широкому применению также способствует по- вышение доступности и мобильности устройств для получения изображений. Все это обусловило проведение активных исследований, направленных на разработку методического обеспечения для систем прикладной фотограмметрии. Отслеживание в ручном режиме появления новых методов и алгоритмов фотограмметрической обработки информации для широкой номенклатуры облас- тей применения достаточно затруднительно, что делает актуальной автоматизацию данной процедуры. Предлагаемое в статье решение основано на использовании базы знаний о методах обработки информации в системах прикладной фотограмметрии, основными элементами кото- рой являются нечеткая онтология предметной области и база данных, что логично, т.к. инфор- мация о предметной области может быть достаточно легко структурирована. В качестве осно- вы для онтологии было взято существующее решение, которое было дополнено на основе резуль- татов анализа текущего состояния предметной области. Полученная онтология далее использо- вана для поиска и классификации методов обработки информации в системах прикладной фото- грамметрии и заполнения базы знаний. В связи с активизацией разработки новых методов обра- ботки информации в системах прикладной фотограмметрии возникает необходимость модифи- кации онтологии и пополнения базы данных, т. е. пополнения базы знаний. Важным источником информации для этого является Интернет. Для автоматизации поиска данных о методах обра- ботки информации и пополнения базы знаний целесообразно использовать большие языковые мо- дели, благодаря которым упрощается решение нескольких задач в области обработки естествен- ного языка, которые включают кластеризацию и формирование новых сущностей для классифи- кации. Соответствующий метод описан в статье. Для метода приведены результаты тестиро- вания его работоспособности. В рамках решения задач проведён сравнительный анализ больших языковых моделей, в результате которого была вобрана модель RoBERTa.
