Детальная информация

В работе проведен анализ существующих систем фактчекинга, моделей классификации и моделей представления знаний. Предложен подход к формализации исторических данных на основе RDF-триплетов и графовых моделей, позволяющий представлять исторические события в виде атомарных фактов для их независимой проверки. Разработана архитектура интеллектуальной системы фактчекинга, включающая модули веб-поиска источников, извлечения текстовых данных, семантического retrieval-анализа, взаимодействия с большими языковыми моделями и агрегирования результатов проверки. Для поиска источников используется сервис Brave Search. В системе реализован гибридный retrieval-подход, сочетающий алгоритмы BM25, семантического поиска на основе эмбеддингов и моделей переранжирования. Предложен вероятностный метод агрегирования оценок достоверности исторических утверждений, основанный на логарифмах отношения шансов. Реализована стратегия кэширования промежуточных результатов, обеспечивающая снижение вычислительных затрат и повторное использование ранее обработанных данных. Практическая значимость работы заключается в создании архитектурной основы интеллектуальной системы автоматизированного фактчекинга исторической информации, пригодной для дальнейшего масштабирования и интеграции современных языковых моделей. Полученные результаты могут применяться в образовательных системах, цифровых архивах, аналитических платформах и системах обработки исторических данных.

The thesis provides an analysis of existing fact-checking systems, classification models, and knowledge representation models. An approach to the formalization of historical data based on RDF triplets and graph models is proposed, allowing historical events to be represented as atomic facts for independent verification. An architecture of an intelligent fact-checking system has been developed, including modules for web source search, text extraction, semantic retrieval analysis, interaction with large language models, and aggregation of verification results. Brave Search service is used for source retrieval. The system implements a hybrid retrieval approach combining BM25 algorithms, dense retrieval based on embeddings, and cross-encoder re-ranking. A probabilistic method for aggregating historical claim verification results based on log-odds ratios is proposed. A caching strategy for intermediate results has been implemented to reduce computational costs and enable reuse of previously processed data. The practical significance of the work lies in the creation of an architectural foundation for an intelligent automated historical fact-checking system suitable for further scaling and integration with modern language models. The obtained results can be applied in educational systems, digital archives, analytical platforms, and historical data processing systems.