Using Semantic Search to Select and Rank Geological Publications

Main Article Content

Michail Ivanovich Patuk
Vera Viktorovna Naumova

Abstract

The aggregation of scientific information is essential for a comprehensive analysis of geological objects. This paper explores the potential and possibilities of semantic search to select thematically similar publications in the geological domain. Various language models are examined in the context of identifying similarities and differences in texts describing mineral deposits. After additional training of language models, a significant improvement in search results is demonstrated. Two web services are presented, based on a method for calculating the semantic similarity between texts and providing a quantitative assessment of their similarity.

Article Details

References

1. Семантический поиск. URL: https://ru.wikipedia.org/wiki/Семантический_поиск (дата обращения 10.09.2024)
2. Ваш путеводитель по миру NLP (обработке естественного языка). URL: https://habr.com/ru/companies/otus/articles/705482/ (дата обращения 10.09.2024)
3. Semantic similarity. URL: https://en.wikipedia.org/wiki/Semantic_similarity (дата обращения 10.09.2024)
4. Devlin J., Chang M.W., Lee K., Toutanova K. Bert: pre-training of deep bidirectional transformers for language understanding. URL: arxiv.org/abs/1810.04805 (2018)
5. Объясняем простым языком, что такое трансформеры. URL: https://habr.com/ru/companies/mws/articles/770202/ (дата обращения 10.09.2024)
6. BERT (языковая модель). URL: https://neerc.ifmo.ru/wiki/index.php?title= BERT_(языковая_модель) (дата обращения 10.09.2024)
7. BERT community. URL: https://huggingface.co/google-bert (дата обращения 10.09.2024)
8. Akila D., Jayakumar C. Semantic Similarity – A Review of Approaches and Metrics // International Journal of Applied Engineering Research. 2014. Vol. 9, No. 24. P. 27581–27600.
9. TF-IDF. URL: https://ru.wikipedia.org/wiki/TF-IDF (дата обращения 10.09.2024)
10. Okapi BM25. URL: https://ru.wikipedia.org/wiki/Okapi_BM25 (дата обращения 10.11.2024)
11. Word2vec. URL: https://ru.wikipedia.org/wiki/Word2vec (дата обращения 10.09.2024)
12. Краснов Ф.В., Смазневич И.С., Баскакова Е.Н. Проблема потери решений в задаче поиска схожих документов: Применение терминологии при построении векторной модели корпуса // Бизнес-информатика. 2021. Т. 15. № 2. С. 60–74. https://doi.org/10.17323/2587-814X.2021.2.60.74
13. Атаева О.М., Серебряков В.А., Тучкова Н.П. Модель поиска схожих документов в семантической библиотеке // Научный сервис в сети Интернет: труды XXIII Всероссийской научной конференции (20–23 сентября 2021 г., онлайн). М.: ИПМ им. М.В. Келдыша, 2021. С. 54–64. https://doi.org/10.20948/abrau-2021-24
14. Kanerva J., Kitti H., Chang L.-H., Vahtola T., Creutz M., Ginter F. Semantic search as extractive paraphrase span detection // Lang Resources and Evaluation. 2024. https://doi.org/10.1007/s10579-023-09715-7
15. Denghui Yang, Dengyun Zhu, Hailong Gai, Fucheng Wan. Semantic Similarity Calculating based on BERT // Journal of Electrical Systems. 2024. Vol. 20, No. 2. P. 73–79.
16. Kuang M. et al. Multi-task Learning Based Keywords Weighted Siamese Model for Semantic Retrieval // In: Kashima H., Ide T., Peng W/C. (Eds.) Advances in Knowledge Discovery and Data Mining. PAKDD 2023. Lecture Notes in Computer Science. 2023. Vol. 13937. Springer, Cham. https://doi.org/10.1007/978-3-031-33380-4_7
17. Elibrary. URL: https://www.elibrary.ru/defaultx.asp (дата обращения 10.11.2024)
18. Sci-rus-tiny. URL: https://huggingface.co/mlsa-iai-msu-lab/sci-rus-tiny (дата обращения 10.09.2024)
19. ruSciBench — бенчмарк для оценки эмбеддингов научных текстов. URL: https://habr.com/ru/articles/781032/ (дата обращения 10.09.2024).
20. Научная электронная библиотека «КиберЛенинка». URL: https://cyberleninka.ru/ (дата обращения 10.09.2024)
21. Fine-tuning BERT for Semantic Textual Similarity with Transformers in Python. URL: https://thepythoncode.com/article/finetune-bert-for-semantic-textual-similarity-in-python (дата обращения 10.09.2024)
22. Lawley C.J.M., Raimondo S., Chen T., Brin L., Zakharov A., Kur D., Hui J., Newton G., Burgoyne S.L., Marquis G. Geoscience language models and their intrinsic evaluation // Applied Computing and Geosciences. 2022. Vol. 14, 100084. P. 1–10. https://doi.org/10.1016/j.acags.2022.100084
23. Cosine similarity. URL: https://en.wikipedia.org/wiki/Cosine_similarity (дата обращения 10.09.2024)
24. Rubert-tiny2. URL: https://huggingface.co/cointegrated/rubert-tiny2 (дата обращения 10.09.2024)
25. Multilingual-e5-base. URL: https://huggingface.co/intfloat/multilingual-e5-base (дата обращения 10.09.2024)
26. E5-large-en-ru. URL: https://huggingface.co/d0rj/e5-large-en-ru (дата обращения 10.09.2024)
27. Multilingual-e5-large. URL: https://huggingface.co/intfloat/multilingual-e5-large (дата обращения 10.09.2024)
28. Тест производительности. URL: https://ru.wikipedia.org/wiki/Тест_производительности (дата обращения 10.09.2024)
29. Патук М.И., Наумова В.В., Ерёменко В.С. Цифровой репозиторий "geologyscience.ru": открытый доступ к научным публикациям по геологии России // Электронные библиотеки. 2020. Т. 23, № 6. С. 1324–1338. https://doi.org/10.26907/1562-5419-2020-23-6-1324-1338
30. Geologyscience.ru – Виртуальный ассистент – Сервисы с использованием ИИ – Сервисы нейросетевого анализа геологических текстов. URL: https://service.geologyscience.ru/ (дата обращения 10.09.2024)


Most read articles by the same author(s)

1 2 > >>