РОЗРОБКА МЕТОДИКИ ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ ОБРОБКИ НЕСТРУКТУРОВАНОЇ ТЕКСТОВОЇ ІНФОРМАЦІЇ В ІНФОРМАЦІЙНИХ, ІНФОРМАЦІЙНО-КОМУНІКАЦІЙНИХ СИСТЕМАХ ОБОРОННОГО ПРИЗНАЧЕННЯ

Анотація

У статті проведено комплексний аналіз сучасних методів обробки неструктурованої текстової
інформації, зокрема: лінгвістичних, статистичних, векторних моделей представлення тексту, машинного
навчання та глибокого навчання, послідовного аналізу, і визначено їхні переваги й обмеження в умовах
функціонування інформаційно-аналітичних систем оборонного призначення. Показано, що в умовах зростання
обсягів інформаційних потоків і необхідності їх обробки у реальному масштабі часу більшість традиційних
підходів характеризуються значними вимогами до обчислювальних ресурсів та затримками прийняття рішень,
що зумовлено необхідністю повного аналізу неструктурованої текстової інформації. Встановлено, що існуючі
методи не забезпечують належного балансу між точністю класифікації та швидкістю обробки на етапі
первинної обробки та забезпеченням спроможності до подальшого глибинного аналізу на подальших етапах, що
є критичним для систем підтримки прийняття рішень у військовій сфері.
Запропоновано методику, яка базується на гібридному підході і забезпечує підвищення ефективності
обробки текстових даних завдяки використанню багатоальтернативних послідовних вирішальних правил на
етапі первинної обробки і трансформерних моделей для подальшого глибинного аналізу, що передбачає
можливість раннього прийняття рішень на попередньому етапі та на неповній вибірці. Такий підхід дозволяє
скорочувати обсяг оброблюваних даних та зменшувати час аналізу без суттєвого зниження достовірності
результатів. На відміну від класичних методів класифікації, запропоноване рішення забезпечує гнучке управління
процесом обробки неструктурованої вхідної текстової інформації.
Запропоновано застосування сховищ типу Data Lake для інтеграції різнорідних джерел інформації та
забезпечення масштабованості системи.
Обґрунтовано, що впровадження запропонованої методики дозволяє підвищити оперативність обробки
текстової інформації, знизити обчислювальні витрати та забезпечити необхідний рівень точності
класифікації в умовах невизначеності та інформаційного перевантаження. Отримані результати можуть
бути використані при створенні та модернізації інформаційно-аналітичних систем оборонного призначення,
а також при інтеграції з існуючими платформами обробки даних у рамках сучасних військових стандартів.