Details

В работе разработано приложение Kirana для семантического анализа длинных текстов на основе архитектуры Retrieval-Augmented Generation с гибридным поиском и проверяемой привязкой ответов к источнику. Проанализированы ограничения существующих RAG-систем для сверхдлинных нарративов, спроектированы алгоритмы гибридного и графового поиска, контракта доказательства и итеративного исследования; реализован прототип и выполнена его экспериментальная оценка. В состав прототипа входят конвейер обработки документов с иерархической суммаризацией, извлечение сущностей и кореференция, гибридный и графовый RAG-поиск, режим Deep Research. На длинном корпусе гибридный поиск (HR@10=0,902) превосходит векторный и полнотекстовый каналы по отдельности, верность ответа источнику --- 0,973. Результаты могут использоваться при анализе художественных, технических и научных текстов.

The work presents Kirana, an application for semantic analysis of long texts based on Retrieval-Augmented Generation with hybrid retrieval and verifiable source attribution. Limitations of existing RAG systems for ultra-long narratives were analyzed; algorithms for hybrid and graph-based retrieval, an evidence contract, and iterative research were designed; a prototype was implemented and evaluated experimentally. The prototype comprises a document processing pipeline with hierarchical summarization, entity extraction and coreference, hybrid and graph-based RAG, and Deep Research mode. On a long corpus, hybrid search (HR@10=0.902) outperforms vector-only and full-text channels; answer faithfulness is 0.973. The results are applicable to fiction, technical, and scientific text analysis.