О.В. Блинова1, Д.В. Команич2, Е.В. Панкратова3, А.В. Таратухин4, С.А. Мальгина5

1–4 Институт проблем управления им. В.А. Трапезникова РАН (Москва, Россия)
5 ФГУП «РФЯЦ-ВНИИЭФ» (г. Саров, Россия)
1 blinovaov@ipu.ru, 2 komanich.d.@ipu.ru, 3 pankratova@ipu.ru, 4 avt@ipu.ru, 5 samalgina@vniief.ru

Постановка проблемы. Одной из ключевых особенностей научных организаций является производство и взаимодействие пользователей с большими потоками данных. «Взрывной» рост количества хранимой и получаемой научно-технической документации по различным направлениям исследований приводит к необходимости поиска новых путей автоматизации и интеллектуализации сбора, обработки, хранения, систематизации и анализа информации. Возникающие разнородные проблемы и задачи обработки текстовой документации требуют исследования человеко-ориентированного интерфейса и комбинирования различных средств и методов в рамках выполнения одного пользовательского запроса на релевантной выборке документации. Современные системы обработки научно-технической документации не позволяют в полной мере реализовать пользовательские требования к качеству и результативности диалога с данными системами.

Цель. Рассмотреть характерные особенности в контексте сценарного описания человеко-ориентированного диалога с разрабатываемой интеллектуальной информационно-аналитической системой, позволяющей объединить существующие и разрабатываемые технологии по анализу документации для получения многокритериальных срезов частично структурированной информации при работе с документами различных форматов.

Результаты. С практической точки зрения унифицирована совокупность пользовательских задач при осуществлении оперативного информационного поиска и получения срезов научно-технической документации. Уточнены элементы точечного и семантического поиска в контексте разноплановых сценариев их выполнения в реализованном интерфейсе при обобщении пользовательского опыта. Причем в рамках каждого запроса для точечного поиска или формирования выборки документов применены семантический поиск, голосовой ввод, конструктор контекстно-логических запросов, категоризация на основе метаданных или пользовательской специализации.

Практическая значимость. Исследование диалога с интеллектуальной информационно-аналитической системой выполнено по результатам тестирования прототипа (Интеллектуальная система управления Национального центра физики и математики (ИСУ НЦФМ)). Посредством формализации характерных особенностей сложных и повторяемых запросов пользователей и последующей реализации человеко-ориентированных сценариев поиска в разработанной оригинальной системе всесторонне исследован и автоматизирован процесс анализа научно-технической информации.

Блинова О.В., Команич Д.В., Панкратова Е.В., Таратухин А.В., Мальгина С.А. Исследование сценариев диалога человеко-ориентированного интерфейса систем обработки научно-технической документации // Динамика сложных систем. 2026. Т. 20. № 4. С. 95−107. DOI: 10.18127/j19997493-202604-08

1. Zuluaga M., Robledo S., Arbelaez-Echeverri O., Osorio-Zuluaga G. A., Duque-Méndez N. Tree of science-ToS: A web-based tool for scientific literature recommendation. search less, research more! // Issues in Science and Technology Librarianship. 2022. № 100. P. 1–10.
2. Keyvan K., Huang J.X. How to approach ambiguous queries in conversational search: A survey of techniques, approaches, tools, and challenges // ACM Computing Surveys. 2022. V. 55. № 6. P. 1–40.
3. Белов С.Д., Зрелова Д.П., Зрелов П.В., Кореньков В.В. Обзор методов автоматической обработки текстов на естественном языке // Системный анализ в науке и образовании. 2020. № 3. С. 1–15.
4. Кононова О.В., Прокудин Д.Е. Технологии извлечения и интеллектуального анализа данных в научных исследованиях. СПб.: Университет ИТМО. 2021. 135 с.
5. Иванова Г.С., Мартынюк П.А. Анализ систем извлечения информации из неструктурированных текстовых документов // Нейрокомпьютеры: разработка, применение. 2025. Т. 27. № 1. С. 5–27. DOI: https://doi.org/10.18127/j19998554-202501-01
6. Блинова О.В., Фархадов М.П., Панкратова Е.В., Смирнов В.А. Человеко-ориентированные интерфейсы с использованием естественного языка и голосовых команд управления информационными системами // Материалы XXVI Харитоновских тематических научных чтений «Искусственный интеллект и большие данные в технических, промышленных, природных и социальных системах» (Саров, 2025). Саров: ФГУП «РФЯЦ-ВНИИЭФ». 2025. С. 33–35.
7. Wilson M. Search-User Interface Design. Springer Nature. 2022. 125 p.
8. Brooke J. SUS-A quick and dirty usability scale // Usability evaluation in industry. 1996. V. 189. № 194. P. 4–7.
9. Brooke J. SUS: a retrospective // Journal of usability studies. 2013. V. 8. Iss. 2. P. 29–40.
10. Sauro J., Lewis J. R. Quantifying the user experience: Practical statistics for user research. Morgan Kaufmann. 2016. 350 p.
11. Борисова Н.В., Кочуева З.А. Индексирование полнотекстовых документов для задачи интеллектуального поиска информации по ключевым словам // Восточно-Европейский журнал передовых технологий. 2014. № 1(2). С. 4–8.
12. Фархадов М.П., Панкратова Е.В., Блинова О.В., Смирнов В.А. Принципы построения формального контекстно-логического конструктора запросов для точного поиска событий в больших массивах гетерогенной информации // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2023. № 64. С. 138–145.
13. Quamar A., Efthymiou V., Lei C., Lei C. Natural language interfaces to data // Foundations and Trends in Databases. 2022. V. 11. № 4. P. 319–414.
14. Терехов В.И., Скрыль С.В., Балдин А.В., Горячкин Б.С., Ивченко Д.Д. Основные положения концепции проектной эргономики автоматизированных систем отображения информации // Динамика сложных систем. 2024. Т. 18. № 2. С. 28−35. DOI: 10.18127/j19997493-202402-03
15. Шалагин Н.Д. Обзор алгоритмов семантического поиска по текстовым документам // International Journal of Open Information Technologies. 2024. Т. 12. №. 9. С. 11–21.
16. Yang A. et al. Qwen3 technical report // arXiv. 2025. P. 1–35. URL: https://arxiv.org/abs/2505.09388 (дата обращения: 07.05.2026).
17. Атаева О.М., Серебряков В.А., Тучкова Н.П. Модель поиска схожих документов в семантической библиотеке // Научный сервис в сети Интернет: труды XXIII Всерос. науч. конф. (20–23 сентября 2021 г., онлайн). М.: ИПМ им. М.В. Келдыша. 2021. С. 54–64.
18. Милкова М.А., Неволин И.В., Пигорев Д.П. Современные методы извлечения ключевой информации из нормативных документов // Экономическая наука современной России. 2021. № 2(93). С. 101–114.
19. Голубинский А.Н., Толстых А.А., Толстых М.Ю. Автоматическая генерация аннотаций научных статей на основе больших языковых моделей // Информатика и автоматизация. 2025. Т. 24. № 1. С. 275–301.
20. Koh H. Y., Ju J., Liu M., Pan S. An empirical survey on long document summarization: Datasets, models, and metrics // ACM computing surveys. 2022. V. 55. № 8. P. 1–35.