Меню
Том 3 № 28 (2025) / 2025-09-30 / Көрілім саны: 338
Авторлар
Кілтті сөздер
DOI сілтемесі:
Қалай дәйексөз келтіруге болады
Бұл мақалада қазақ тіліндегі сұрақтар мен контексттерді сәйкестендіруге арналған қазіргі заманғы эмбеддинг модельдерінің тиімділігіне салыстырмалы талдау ұсынылған. Зерттеу шамамен 7700 «сұрақ–контекст» жұбынан тұратын ашық Kundyzka/informatics_kaz деректер жиыны негізінде жүргізілді. Зерттеу барысында дәстүрлі TF-IDF әдісі мен заманауи көптілді модельдер — mMiniLM, LaBSE, Alibaba GTE-multilingual-base, intfloat/multilingual-e5-small және Snowflake Arctic-Embed v2.0 — арасындағы айырмашылықтарға ерекше назар аударылды. Сәйкестендіру сапасын бағалау үшін Accuracy@1, Mean Reciprocal Rank (MRR) және ROC AUC метрикалары қолданылды. Zero-shot режимінде жүргізілген эксперименттер эмбеддинг модельдерінің TF-IDF әдісінен айтарлықтай жақсы нәтиже көрсететінін дәлелдеді: эмбеддинг модельдері 0.59–0.63 аралығында Accuracy@1 мәнін көрсетті, ал базалық әдіс — 0.50. Сонымен қатар, t-SNE визуализациясының нәтижелері қазіргі модельдердің семантикалық жағынан ұқсас сұрақтар мен контексттерді бір-біріне жақын орналастыра алатынын көрсетті, бұл өз кезегінде рейтинг сапасын арттырады. Зерттелген модельдердің ішінде Alibaba GTE және Snowflake Arctic-Embed v2.0 үздік нәтижелер көрсетті, бұл оларды білім беру бағытындағы жасанды интеллект қосымшалары үшін өзекті құрал етеді. Бұл жұмыс қазақ тіліндегі деректерге арнайы оқытусыз-ақ алдын ала оқытылған көптілді модельдердің семантикалық сәйкестендіру сапасын айтарлықтай арттыра алатынын көрсетіп, оларды білім беру жүйелері мен ақпараттық сервистерде қолдану мүмкіндіктерін ашады.