| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Informācijas glabāšanas un izgūšanas pieeju salīdzinājums sarunbotos, kas izmanto ar izguvi paplašināto teksta ģenerēšanu |
| Nosaukums angļu valodā |
Comparison of Information Storage and Retrieval Approaches in Chatbots Using Retrieval-Augmented Text Generation |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Alla Anohina-Naumeca |
| Recenzents |
Svetlana Jurenoka |
| Anotācija |
Bakalaura darbs ir veltīts aktuālam jautājumam mākslīgā intelekta un lielo valodas modeļu jomā- uz specifiskiem datiem balstītas informācijas izgūšanas nodrošināšanai sarunbotos, izmantojot ar izguvi paplašināto teksta ģenerēšanu (RAG), novēršot modeļu halucinācijas.
Darba mērķis ir izpētīt un salīdzinoši analizēt dažādas informācijas glabāšanas un izgūšanas pieejas RAG sistēmās, lai noteiktu optimālās teksta sadalīšanu stratēģiju un vektoru datubāzu kombinācijas dažāda tipa datiem.
Eksperimentālajā daļā tika izveidota un testēta RAG izvērtēšanas vide, izmantojot trīs strukturāli un lingvistiski atšķirīgas datu kopas: akadēmiskos (RTU), juridiskos (likumi.lv) un tehniskā bloga (devops.lv) datus. Kā informācijas glabāšanas un meklēšanas mezgli tika salīdzinātas trīs populāras vektoru datubāzes (Qdrant, Weaviate un ChromaDB) kombinācijā ar dažādām fiksēta izmēra, rekursīvajām, semantiskajām un kontekstuālajām teksta sadalīšanas stratēģijām. Sistēmas veiktspēja tika vērtēta pēc izguves precizitātes, ātrdarbības un integrētā efektivitātes koeficienta K.
Eksperimentu rezultāti apliecina, ka universāli labākās RAG konfigurācijas neeksistē un sistēmas efektivitāte ir tieši pakārtota mērķa datu struktūrai. Qdrant uzrādīja stabilu pārsvaru vaicājumu izpildes ātrumā, savukārt Weaviate un ChromaDB demonstrēja par 5–10% augstāku precizitātes noturību trokšņainos un sintaktiski sarežģītos datos pie neoptimālām fragmentēšanas stratēģijām. Noteikts, ka strukturētiem (juridiskiem) un pusstrukturētiem (tehniskiem) datiem visefektīvākā ir semantiskā sadalīšanas stratēģija apvienojumā ar Qdrant. Savukārt jauktiem (akadēmiskiem) datiem visaugstāko efektivitāti nodrošina kontekstuālā sadalīšanas stratēģija. Tāpat konstatēta tieša sakarība starp teksta sarežģītību un LLM darbības laiku, juridisko tekstu apstrādei sasniedzot līdz pat 4200 ms kopējo aizturi. Iegūtie empīriskie dati kalpo par pamatu praktisku ieteikumu izstrādei viedo meklēšanas sistēmu optimizēšanai korporatīvajā vidē. |
| Atslēgas vārdi |
Ar izguvi paplašinātā teksta ģenerēšana, sarunboti, sadalīšanas stratēģija, vektoru datubāzes. |
| Atslēgas vārdi angļu valodā |
Retrieval-Augmented Generation, chatbots, chunking strategy, vector databases. |
| Valoda |
lv |
| Gads |
2026 |
| Darba augšupielādes datums un laiks |
26.05.2026 09:06:55 |
