Г.А. Галимов1, О.А. Невзорова2

1-2 Казанский (Приволжский) федеральный университет (г. Казань, Россия)

1 zxlx@mail.ru; 2 onevzoro@gmail.com

Постановка проблемы. Автоматическая интерпретация пространственных описаний затруднена неоднозначностью пространственных выражений и отсутствием формализованной структуры многошагового рассуждения в LLM-подходах.

Цель. Разработать формализованную модель иерархического пространственного рассуждения на основе композиции пространственных операторов.

Результаты. Предложена модель последовательного применения формально определённых операторов локализации, позволяющая представить интерпретацию запроса как вычислительный процесс с явной структурой. Введена классификация типовых ошибок пространственной привязки и показаны преимущества явного представления рассуждения по сравнению с неявными агентными стратегиями.

Практическая значимость. Данный подход применим в геоинформационных и интеллектуальных навигационных системах.

Галимов Г.А., Невзорова О.А. Подход к автоматической интерпретации пространственных описаний на основе больших языковых моделей // Системы высокой доступности. 2026. Т. 22. № 1. С. 25−28. DOI: https://doi.org/10.18127/j20729472-202601-05

1. Palanichamy N., Maheswar R., Trojovský P. GeoNLU: Bridging the gap between natural language and spatial data infrastructures. Alexandria Engineering Journal. 2024. V. 87. P. 126–147. DOI: 10.1016/j.aej.2023.12.027
2. Kuhn W. Geospatial semantics: Why, of what, and how? Journal on Data Semantics III. Lecture Notes in Computer Science. V. 3534. Berlin; Heidelberg: Springer. 2005. P. 1–24. DOI: 10.1007/11496168_1
3. Annepaka Y., Pakray P. Large language models: a survey of their development, capabilities, and applications. Knowledge and Information Systems. 2025. V. 67. P. 2967–3022. DOI: 10.1007/s10115-024-02310-4
4. Russell S., Norvig P. Artificial Intelligence: A Modern Approach. 4th ed. Munich: Pearson. 2021. 1168 p.
5. Zheng S., Fang M., Chen L. SpatialWebAgent: Leveraging Large Language Models for Automated Spatial Information Extraction and Map Grounding. Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (ACL). 2025. P. 252–266. URL: https://aclanthology.org/2025.acl-demo.25.pdf