BR21882268 — Автоматическое построение мультиязычной онтологии для расширения применимости казахского языка на основе передовых интеллектуальных технологий

Цель работы: Целью данной работы является разработка средств автоматизированного наполнения контента интеллектуального информационного ресурса NLP, что подразумевает создание и внедрение эффективных алгоритмов и технологий, способных обрабатывать и анализировать большие объемы текстовых данных на разных языках для извлечения полезной информации и знаний для заданной предметной области.

Актуальность работы : Разработанные методы и алгоритмы обладают достаточной степенью эффективности и проверены на уровне проведённых экспериментов.

Научный руководитель: Доктор Ph.D.,Профессор-исследователь, Мусабаев Рустам Рафикович

Полученные результаты: В рамках проекта разработан и внедрён интеллектуальный информационный ресурс на основе NLP, включающий оптимизированные поисковые и навигационные механизмы. Создана методика разметки параллельных текстов с применением современных стандартов компьютерной лингвистики для извлечения именованных сущностей и обучения языковых моделей. Разработан мультиязычный семантический словарь и сформированы подходы к построению интероперабельного тезауруса отраслевых терминов. Реализован алгоритм формирования многоязычного управляемого тезауруса, интегрированный в информационную систему. Создан ресурс с доступом к размеченным корпусам текстов и справочным материалам для широкого круга пользователей. Опубликованы научные статьи, издана монография и получены объекты интеллектуальной собственности. Полученные результаты соответствуют современному уровню развития технологий обработки естественного языка и имеют высокую практическую значимость.

Список публикаций с ссылками на них

1. Mussabayev R., Mussabayev R. Strategies for Parallelizing the Big-Means Algorithm: A Comprehensive Tutorial for Effective Big Data Clustering // ArXiv. – 2023. – Vol. abs/2311.04517v1. – P. 1–53. – URL: https://arxiv.org/pdf/2311.04517v1.pdf.
2. Мусабаев Р., Мусабаев Р., Кульдеев Н. Использование конкурентной оптимизации и стохастической выборки в Big-means для эффективной параллельной кластеризации K-means // Труды 21-й Междунар. конф. «Математические методы распознавания образов» (MMRO-23). – Москва, 2023. – P. 1–4.
3. Kozbagarov O., Mussabayev R. Distributed random swap: An efficient algorithm for minimum sum-of-squares clustering // Information Sciences. – 2024. – Vol. 681. – Art. 121204. – https://doi.org/10.1016/j.ins.2024.121204.
4. Mussabayev R., Mussabayev R. High-Performance Hybrid Algorithm for Minimum Sum-of-Squares Clustering of Infinitely Tall Data // Mathematics. – 2024. – Vol. 12, No. 13. – Art. 1930. – https://doi.org/10.3390/math12131930.
5. Baktibayev D., Baigozha B., Akhmetov I., Mussabayev R., Krassovitskiy A., Toleu A. Literature review on aftershock and earthquake prediction models aided by NLP summarization and ontology extraction techniques // Procedia Computer Science. – 2024. – Vol. 238. – P. 579–586. – https://doi.org/10.1016/j.procs.2024.06.064.
6. Toleu A., Tolegen G., Mussabayev R. Topic Modeling with Variable Neighborhood Search // Communications in Computer and Information Science. – 2024. – Vol. 2166. – P. 234–246. – https://doi.org/10.1007/978-3-031-70259-4_18.
7. Kozbagarov O., Mussabayev R., Krassovitskiy A., Kuldeyev N. Interpretable Dense Embedding for Large-Scale Textual Data via Fast Fuzzy Clustering // Communications in Computer and Information Science. – 2024. – Vol. 2165. – P. 206–218. – https://doi.org/10.1007/978-3-031-70248-8_16.
8. Tolegen G., Toleu A., Mussabayev R. Enhancing Low-Resource NER via Knowledge Transfer from LLM // Lecture Notes in Computer Science. – 2024. – Vol. 14810. – P. 238–248. – https://doi.org/10.1007/978-3-031-70816-9_19.
9. Mussabayev R., Mussabayev R. Superior Parallel Big Data Clustering Through Competitive Stochastic Sample Size Optimization in Big-Means // Lecture Notes in Computer Science. – 2024. – Vol. 14796. – P. 224–236. – https://doi.org/10.1007/978-981-97-4985-0_18.
10. Barakhnin V.B., Karpov M.V., Machikina E.P., Musasbayev R.R. Optimization of Database Operations in the Application for Text Corpus Analysis // Proc. 20th Int. Asian School-Seminar on Optimization Problems of Complex Systems (OPCS). – Novosibirsk, 2024. – P. 1–6. – https://doi.org/10.1109/OPCS63516.2024.10720387.
11. Mussabayev R. WRDScore: New Metric for Evaluation of Natural Language Generation Models // Proc. 20th Int. Asian School-Seminar on Optimization Problems of Complex Systems (OPCS). – Novosibirsk, 2024. – P. 20–23. – https://doi.org/10.1109/OPCS63516.2024.10720439.
12. Aubakirov S., Akhmetov I. Dynamic Optimization of Minimum Document Frequency for Extractive Text Summarization Using GreedSum Algorithm // Proc. 20th Int. Asian School-Seminar on Optimization Problems of Complex Systems (OPCS). – Novosibirsk, 2024. – P. 33–37. – https://doi.org/10.1109/OPCS63516.2024.10720390.
13. Mussabayev R., Mussabayev R. BiModalClust: Fused Data and Neighborhood Variation for Advanced K-Means Big Data Clustering // Applied Sciences. – 2025. – Vol. 15, No. 3. – Art. 1032. – https://doi.org/10.3390/app15031032.
14. Shestov A., Levichev R., Mussabayev R., Maslov E., Zadorozhny P., Cheshkov A., Toleu A., Tolegen G., Krassovitskiy A. Finetuning Large Language Models for Vulnerability Detection // IEEE Access. – 2025. – Vol. 13. – P. 38889–38900. – https://doi.org/10.1109/ACCESS.2025.3546700.
15. Tolegen G., Toleu A., Mussabayev R. Contrastive Learning for Morphological Disambiguation Using Large Language Models in Low-Resource Settings // Applied Sciences. – 2024. – Vol. 14, No. 21. – Art. 9992. – https://doi.org/10.3390/app14219992.
16. Aubakirov S., Akhmetov I., Gelbukh A., Mussabayev R. Dynamic optimization of min-df in the GreedSum algorithm for enhanced extractive summarization // Artificial Intelligence Review. – 2025. – Vol. 58, No. 9. – Art. 270. – https://doi.org/10.1007/s10462-025-11276-w.
17. Mussabayev R. Optimizing Euclidean Distance Computation // Mathematics. – 2024. – Vol. 12, No. 23. – Art. 3787. – https://doi.org/10.3390/math12233787.
18. Tolegen G., Toleu A., Mussabayev R., Krassovitskiy A., Zhuldyzbayuly N. Automatic Creation of Multilingual Knowledge Graph with Large Language Models // Lecture Notes in Computer Science. – 2025. – Vol. 15683. – P. 271–285. – https://doi.org/10.1007/978-981-96-6008-7_20.
19. Mussabayev R., Mussabayev R. Boosting K-means for Big Data by Fusing Data Streaming with Global Optimization // Communications in Computer and Information Science. – 2025. – Vol. 2493. – P. 1–17. – https://doi.org/10.1007/978-981-96-5881-7_3.
20. Mussabayev R., Mussabayev R., Toleu A., Ibraimova A. Efficient big data clustering via VNS-accelerated optimization // Book of Abstracts: 11th Int. Conf. on Variable Neighborhood Search (ICVNS 2025). – Montreal, 2025. – P. 17. – URL: https://2025.icvns.com/static/ICVNS_2025_Book_of_Abstracts.pdf.
21. Toleu A., Tolegen G., Mussabayev R.R. Towards Full-Stack Kazakh NLP: from Morphology to Ontology and LLMs. – Almaty: KazNITU named after K.I. Satbayev, 2025. – 175 p.
22. Mussabayev R., Mussabayev R. Parallel Memetic Differential Evolution for Minimum Sum-of-Squares Clustering // Communications in Computer and Information Science. – 2026. – Vol. 2747. – P. 1–17.
23. А.с. № 62665. Рекурсивный алгоритм иерархической сегментации временных рядов для формирования структурной тематической таксономии текста / Мусабаев Р.Р. – опубл. 03.10.2025.
24. А.с. № 62708. Алгоритм нечёткой кластеризации для тематического моделирования и онтологического структурирования текстовых корпусов / Мусабаев Р.Р. – опубл. 06.10.2025.
25. А.с. № 62700. Алгоритм экстрактивной суммаризации текста на основе контекстных эмбеддингов и метода переменных окрестностей / Мусабаев Р.Р. – опубл. 06.10.2025.
26. А.с. № 62164. KazNER: система распознавания именованных сущностей для казахского языка / Төлеу А., Төлеген Г. – опубл. 16.09.2025.
27. А.с. № 62340. QazAnalyzer: инструмент анализа казахского текста и построения онтологий / Төлеу А., Төлеген Г. – опубл. 23.09.2025.