Details
При обработке естественного языка проблема неопределенностей - критическая задача для автоматизации на основе искусственного интеллекта в цифровой экономике. В работе раскрыты лексические, семантические, референциальные, прагматические неопределенности, возникающие в естественном языке. Предложен алгоритм, повышающий уровень надежности за счет разрешения контекстной неоднозначности и уменьшения количества неверных интерпретаций. Эмпирические результаты показали повышение точности классификации и лучшую адаптивность в неоднозначных сценариях. Предложенный подход может применяться в приложениях цифровой экономики, таких как чат-боты для обслуживания клиентов, анализ настроений для прогнозирования рынка и научных исследований. Показано, что при смягчении неопределенности алгоритм усиливает предиктивный контроль в автоматизированных системах на основе искусственного интеллекта.
The problem of uncertainties in natural language processing is a critical challenge for AI-driven automation in the digital economy. In this work, lexical, semantic, referential, pragmatic uncertainties that occur in natural language processing are identified. An algorithm enhancing the reliability level due to context disambiguation and misinterpretations reduce is proposed. The empirical results have shown an improvement in classification accuracy and better adaptability in ambiguous scenarios. The proposed approach can be used in digital economy applications, such as customer service chat bots, sentiment analysis for market forecasting, and scientific research. It was demonstrated that by mitigating uncertainty, the algorithm strengthens AI-driven predictive control in automated systems.
Access count: 42
Last 30 days: 15
