Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Теория и реализация информационных систем; Москва; Москва
Год издания: 2026
Ключевые слова: document routing, long-context transformers, electronic document management, multi-class classification, algorithmic governance, маршрутизация документов, трансформеры с длинным контекстом, Longformer, электронный документооборот, многоклассовая классификация, алгоритмическое управление
Аннотация: Рассмотрена задача автоматической многоклассовой маршрутизации официальных документов в ведомственных системах электронного документооборота. Предложен метод обработки информации на основе трансформеров с длинным контекстом (Longformer), позволяющий обрабатывать полный текст документа без его разбиения на фрагменты и сохранять глобПоказать полностьюальные семантические зависимости. Проведено сравнительное экспериментальное исследование классических методов (TFIDF в сочетании с методами машинного обучения), трансформерных архитектур с фрагментацией текста, а также модели Longformer. Эксперименты выполнены на реальном датасете из 593 официальных документов налогового ведомства (27 классов после фильтрации). Показано, что модель Longformer-base, дообученная на полных текстах документов, обеспечивает наилучшие показатели качества (F1-macro = 0,6750) и существенно превосходит альтернативные подходы. The paper addresses the problem of automatic multi-class routing of official documents in governmental electronic document management systems. A method based on long-context transformers (Longformer) is proposed, enabling full-text processing without segmentation while preserving global semantic dependencies. A comparative experimental study of classical methods (TF-IDF combined with machine learning), chunking-based transformer architectures, and the Longformer model is conducted. Experiments were performed on a real-world dataset of 593 official documents from a national tax authority (27 classes after filtering). It is demonstrated that Longformer-base fine-tuned on complete document texts achieves the best performance (F1-macro = 0.6750), significantly outperforming alternative approaches. A prototype intelligent document classification module was developed, implementing the full information processing pipeline from text extraction to routing recommendation generation.
Журнал: Теория и реализация информационных систем
Номера страниц: 533-538
Место издания: Москва