Система обробки технічних документів з таблицями і рисунками з використанням мультимодальних моделей штучного інтелекту
Вантажиться...
Дата
2026
Автори
Булах, Леонід Ігорович
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
У бакалаврському дипломному проєкті розроблено програмну систему мультимодального RAG для технічних PDF-документів, що поєднує автоматичну екстракцію тексту, таблиць та зображень з гібридним пошуковим конвеєром, реранкінгом моделі cross-encoder та генерацією відповідей з прозорим зазначенням джерел; архітектура побудована за принципами чистої архітектури та забезпечує модульність і можливість підміни реалізацій; на тестовому наборі з 50 запитів повний конвеєр досягає Recall@5 ≈ 0,92, що перевищує одиничні методи на 5–18 п.п. Записка містить аналіз предметної області, проєктування архітектури, опис реалізації конвеєрів індексації та запитів, REST API і CLI, а також результати тестування та експериментальної оцінки якості пошуку за метриками Recall@k, MRR і nDCG@k.
Опис
Ключові слова
мультимодальний rag, технічні pdf-документи, гібридний пошук, reciprocal rank fusion, реранкінг, cross-encoder, векторний пошук, faiss, bm25, велика мовна модель, чиста архітектура, fastapi
Бібліографічний опис
Булах, Л. І. Система обробки технічних документів з таблицями і рисунками з використанням мультимодальних моделей штучного інтелекту : дипломний проєкт ... бакалавра : 123 Комп'ютерна інженерія / Булах Леонід Ігорович. – Київ, 2026. – 96 с.