DAVLAT TASHKILOTLARI HUJJATLARINI SUN’IY INTELLEKT ASOSIDA QAYTA ISHLASH VA SEMANTIK QIDIRUV TIZIMLARINING NAZARIY ASOSLARI
Keywords:
sun’iy intellekt, davlat tashkiloti, elektron hujjat aylanishi, tabiiy tilni qayta ishlash, semantik qidiruv, embedding, vektorli ma’lumotlar bazasi, matnni klassifikatsiyalash, raqamli transformatsiya, axborot izlash tizimlari.Abstract
Ushbu maqolada davlat tashkilotlari faoliyatida shakllanadigan hujjatlarni sun’iy intellekt texnologiyalari asosida avtomatik qayta ishlash hamda semantik qidiruv tizimlarini yaratishning nazariy-uslubiy asoslari tadqiq etilgan. Tadqiqotning dolzarbligi shundan iboratki, davlat tashkilotlarida yig‘ilgan hujjatlar hajmining tobora ortib borishi sharoitida an’anaviy, kalit so‘zga asoslangan qidiruv usullari foydalanuvchi so‘roviga mazmunan mos, ammo leksik jihatdan farqli hujjatlarni aniqlay olmaydi. Maqolaning maqsadi bu elektron hujjat aylanish tizimlarining zamonaviy holatini, tabiiy tilni qayta ishlash (NLP) usullarini hamda embedding modellari va vektorli ma’lumotlar bazalarining ishlash tamoyillarini tizimli tahlil qilish va davlat sektori uchun mos kontseptual arxitekturani asoslashdan iborat. Tadqiqot metodologiyasi tizimli adabiyotlar sharhi, qiyosiy tahlil va kontseptual modellashtirish usullarini o‘z ichiga oladi. Tahlil uchun 2013- 2024-yillarda chop etilgan ilmiy manbalar, xalqaro standartlar va milliy me’yoriy-huquqiy hujjatlar tanlab olindi. Tahlil natijasida mavjud elektron hujjat aylanish tizimlarida sun’iy intellekt integratsiyasi cheklanganligi, transformer arxitekturasiga asoslangan zamonaviy NLP modellari matn mazmunini yuqori aniqlikda ifodalash imkonini berishi hamda embedding va vektorli ma’lumotlar bazalari semantik qidiruvni amalga oshirishning asosiy texnik vositasi ekanligi aniqlandi. Tahlil asosida besh qatlamli (manba, OCR, NLP, embedding yoki vektorli saqlash, qidiruv interfeysi) kontseptual arxitektura taklif etilgan. Natijalar shuni ko‘rsatadiki, davlat tashkilotlari uchun milliy tilga moslashtirilgan semantik qidiruv tizimini yaratish amaliy jihatdan asoslangan va dolzarb yo‘nalish hisoblanadi.
Downloads
References
1. O‘zbekiston Respublikasi Prezidentining “Raqamli O‘zbekiston - 2030” strategiyasini tasdiqlash to‘g‘risida”gi Farmoni, 2020-yil 5-oktabr, PF-6079-son.
2. O‘zbekiston Respublikasi Vazirlar Mahkamasining elektron hujjat aylanish tizimlarini joriy etish to‘g‘risidagi qarori. - Toshkent, 2021.
3. Karimov B.R., Yusupov T.A. Davlat boshqaruvida raqamli texnologiyalar: elektron hujjat aylanishi tahlili. O‘zbekiston axborot texnologiyalari jurnali. - 2022. - №3. - B. 45-52.
4. Vaswani A., Shazeer N., Parmar N. va boshq. Attention Is All You Need. Advances in Neural Information Processing Systems (NeurIPS). - 2017. - P. 5998-6008.
5. Devlin J., Chang M.W., Lee K., Toutanova K. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACLHLT. - 2019. - P. 4171- 4186.
6. ISO 15489-1:2016. Information and documentation - Records management - Part 1: Concepts and principles. - Geneva: International Organization for Standardization, 2016.
7. Mikolov T., Chen K., Corrado G., Dean J. Efficient Estimation of Word Representations in Vector Space. arXiv preprint arXiv:1301.3781. - 2013.
8. Brown T., Mann B., Ryder N. va boshq. Language Models are Few-Shot Learners. Advances in Neural Information Processing Systems (NeurIPS). - 2020. - P. 1877-1901.
9. Toshpulatov D.A. O‘zbek tilidagi matnlarni avtomatik qayta ishlashning lingvistik asoslari. Til va adabiyot ta’limi jurnali. - 2021. - №2. - B. 12-19.
10. Bishop C.M. Pattern Recognition and Machine Learning. - New York: Springer, 2006. - 738 p.
11. Reimers N., Gurevych I. Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. Proceedings of EMNLP-IJCNLP. - 2019. - P. 3982-3992.
12. Wang L., Yang N., Huang X. va boshq. Multilingual E5 Text Embeddings: A Technical Report. arXiv preprint arXiv:2402.05672. - 2024.
13. Johnson J., Douze M., Jegou H. Billion-scale similarity search with GPUs. IEEE Transactions on Big Data. - 2021. - Vol. 7, No. 3. - P. 535-547.
14. Malkov Y.A., Yashunin D.A. Efficient and robust approximate nearest neighbor search using Hierarchical Navigable Small World graphs. IEEE Transactions on Pattern Analysis and Machine Intelligence. - 2020. - Vol. 42, No. 4. - P. 824-836.
15. Manning C.D., Raghavan P., Schutze H. Introduction to Information Retrieval. - Cambridge: Cambridge University Press, 2008. - 544 p.
16. Salton G., McGill M.J. Introduction to Modern Information Retrieval. - New York: McGraw-Hill, 1983. - 448 p.
17. Lewis P., Perez E., Piktus A. and others. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. Advances in Neural Information Processing Systems (NeurIPS). - 2020. - P. 9459-9474.
18. Douze M., Guzhva A., Deng C. and others. The Faiss library. arXiv preprint arXiv:2401.08281. - 2024.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution 4.0 International License.
License Terms of our Journal
