AI системасы · металлургия, ченемдик документация
GOST графы жана болот талаптары боюнча RAG
EVRAZ · 2025 · AI системасы · Python 3.11, LangChain
PDF стандарттардын жыйындысынан өз ара байланышкан билим базасына чейин: GOST стандарттарынын ортосундагы шилтемелер, булактар менен издөө, болот классынын талаптарын JSON форматында чыгаруу
EVRAZ компаниясы үчүн прототиптер сериясы: анын GOST китепканасы документтердин ортосунда эч кандай байланышы жок PDF файлдардын жыйындысы. Стандарттар (PDF/DOC) таблицалар жана сүрөттөр менен Markdown форматына которулат, башка GOST стандарттарына шилтемелер (ченемдик жана маалымат берүүчү) автоматтык түрдө табылат, «туунду» стандарттар жүктөлүп алынат, ал эми анын үстүнө булактар менен RAG издөө жана структураланган маалыматтарды чыгарып алуу курулат. Сыноо тапшырмасы — GOST 27772-2021 боюнча C235 бекемдик классы: химиялык курамы жана механикалык касиеттери JSON форматына чыгарылат. Бир жуманын ичинде (2025-ж. 30-октябрь – 6-ноябрь) ишке ашыруунун беш варианты параллелдүү сыналды.
Тапшырма
Документтердин ичиндеги башка GOST стандарттарына шилтемелер активдүү эмес. C235 болоттун бардык талаптарын чогултуу үчүн адис негизги стандартты кол менен издеп табышы, андан кийин ал эскерткен ар бир стандартты бирден карап чыгышы керек, бул көп убакытты талап кылат жана бир нерсени өткөрүп жиберүүгө жол берет.
Ичинде эмне бар
- GOST стандарттарын DOC/DOCX/PDF форматынан Markdown, таблицаларга (XLSX) жана сүрөттөргө которуу
- «Ченемдик / маалымат берүүчү» классификациясы менен шилтемелерди автоматтык түрдө чыгарып алуу; GOST 27772-2021 ичинен 95 уникалдуу шилтеме табылды (71 ченемдик, 24 маалымат берүүчү) жана 232 басылуучу гипершилтеме коюлду
- «Туунду» GOST стандарттарын автоматтык түрдө издеп жүктөө (allgosts.ru, камдык вариант катары Yandex XML API): корпуста 60 .doc документ бар
- Булактары көрсөтүлгөн RAG жооптору (OpenRouter аркылуу Claude 4.5 Sonnet / Gemini 2.5 Pro, FAISS вектордук индекси)
- C235 бекемдик классы боюнча структураланган маалыматтарды (химиялык курамдын 8 элементи, 3 механикалык касиет) валидация менен JSON форматында чыгарып алуу
- Варианттар: React/tRPC негизиндеги веб билим базасы, Neo4j базасындагы стандарттар графы жана граф эске алынган жооптор (graph-aware), Docker колдонбостон k-NN менен RAGFlow + OpenSearch, краулери бар FastAPI + HTMX веб-сервиси, жогорку тактыктагы OCR модулуна техникалык тапшырма
Машина котормосу — редакцияланып жатат.