Мультимодальна платформа для аналізу та пошуку даних на основі RAG-архітектури

Abstract

Метою магістерської роботи – підвищення якості інформаційного пошуку в неструктурованих текстових масивах шляхом застосування як готових, так розробки нових методів інформаційного пошуку, які допоможуть подолати лексичний розрив між запитом та релевантними документами. Об'єкт дослідження – процеси семантичного пошуку та генерації відповідей у системах доповненої генерації на основі великих мовних моделей. Предмет магістерської роботи – методи та алгоритми гібридного семантичного пошуку документів із застосуванням генерації гіпотетичних документів та механізму пізньої взаємодії ColBERT. Область застосування – інтелектуальні системи пошуку та аналізу текстових даних. Розроблений підхід може бути інтегрований у корпоративні системи управління знаннями, платформи технічної підтримки з автоматизованими відповідями, освітні середовища з адаптивним контентом, а також використаний у дослідницьких проектах з обробки природної мови.

The purpose of the qualification work is to develop a multimodal platform for data analysis and retrieval based on RAG architecture. The object of the research is the processes of semantic search and response generation in retrieval–augmented generation systems based on large language models. The subject of the research is the methods and algorithms of hybrid semantic document retrieval that combine Dense and Sparse approaches with HyDE hypothetical document generation and ColBERT late interaction mechanism to improve result relevance in RAG systems. The problem addressed in the thesis is to improve information retrieval quality by transitioning from homogeneous methods to hybrid approaches using hypothetical document generation and multi–level ranking. This makes it possible to bridge the semantic gap between user queries and relevant documents, reduce lexical mismatch impact, and improve search precision and recall. Scope – intelligent text data search and analysis systems. The developed approach can be integrated into corporate knowledge management systems, technical support platforms with automated responses, educational environments with adaptive content, and used in natural language processing projects.