Моделирование интеллектуального алгоритма ранжирования уполномоченных инстанций в задачах подготовки ответов на запросы
Рубрика: Программирование
Статья в выпуске: 3 т.19, 2026 года.
Бесплатный доступ
Исследованию применения методов семантического сопоставления векторных представлений текста в задаче разработки интеллектуального сервиса ранжирования исполнителей при формировании ответов на запросы рассматривается в данной работы. Моделирование системы строится на примере определения исполнителей для подготовки ответов на обращения граждан в органы государственной власти. Разработанная система способна не только выявлять релевантных исполнителей, но и устанавливать понятную связь между обращением и полномочиями органов власти. Это позволяет получить объяснение результата работы алгоритма. Гибридная архитектура с дообученной моделью нейронной сети, на основе архитектуры SBERT, легла в основу системы. Результаты тестирования полученного алгоритма показывают существенное улучшение качества ранжирования. Итоговая модель достигает MRR=0,996 и 0,739 на обучающей и тестовой выборках соответственно. Такие показатели подтверждают применимость разработанного подхода для автоматизации процесса обработки обращений граждан.
Короткий адрес: https://sciup.org/147254906
IDS: 147254906 | УДК: 004.891.2 | DOI: 10.14529/mmp260309
Modeling of an Intelligent Algorithm for Ranking Authorized Institutions in Response to Requests
The presented work explores the application of semantic matching methods for vector representations of text to create an intelligent service that can rank authorized entities in the task of preparing responses to requests. The proposed system is modeled using the example of identifying performers for preparing responses to citizens' appeals to government agencies. The system is designed to not only identify relevant performers but also provide an explainable connection between the content of the appeal and the authority of the government agency, making it an effective tool for professionals. A hybrid architecture is considered, which includes a pre-trained neural network model based on the SBERT architecture. The results demonstrate a significant improvement in ranking quality: the final model achieves MRR=0,996 on the training set and 0,739 on the test set, which confirms the applicability of the developed approach for automating the process of processing citizens' appeals.
