<?xml version="1.0" encoding="UTF-8"?>
<article article-type="research-article" dtd-version="1.3" xml:lang="ru" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="https://metafora.rcsi.science/xsd_files/journal3.xsd">
  <front>
    <journal-meta>
      <journal-id journal-id-type="publisher-id">moitvivt</journal-id>
      <journal-title-group>
        <journal-title xml:lang="ru">Моделирование, оптимизация и информационные технологии</journal-title>
        <trans-title-group xml:lang="en">
          <trans-title>Modeling, Optimization and Information Technology</trans-title>
        </trans-title-group>
      </journal-title-group>
      <issn pub-type="epub">2310-6018</issn>
      <publisher>
        <publisher-name>Издательство</publisher-name>
      </publisher>
    </journal-meta>
    <article-meta>
      <article-id pub-id-type="doi">10.26102/2310-6018/2026.62.11.009</article-id>
      <article-id pub-id-type="custom" custom-type="elpub">2620</article-id>
      <title-group>
        <article-title xml:lang="ru">Применение эмбеддингов и больших языковых моделей для построения интеллектуальной системы технической поддержки</article-title>
        <trans-title-group xml:lang="en">
          <trans-title>Application of embeddings and large language models for building an intelligent technical support system</trans-title>
        </trans-title-group>
      </title-group>
      <contrib-group>
        <contrib contrib-type="author">
          <name-alternatives>
            <name name-style="eastern" xml:lang="ru">
              <surname>Сузьмин</surname>
              <given-names>Дмитрий Юрьевич</given-names>
            </name>
            <name name-style="western" xml:lang="en">
              <surname>Suzmin</surname>
              <given-names>Dmitry Yurevich</given-names>
            </name>
          </name-alternatives>
          <email>diman.suzmin@yandex.ru</email>
          <xref ref-type="aff">aff-1</xref>
        </contrib>
        <contrib contrib-type="author">
          <name-alternatives>
            <name name-style="eastern" xml:lang="ru">
              <surname>Усманов</surname>
              <given-names>Булат Витальевич</given-names>
            </name>
            <name name-style="western" xml:lang="en">
              <surname>Usmanov</surname>
              <given-names>Bulat Vitalyevich</given-names>
            </name>
          </name-alternatives>
          <email>bulat.2003.05@mail.ru</email>
          <xref ref-type="aff">aff-2</xref>
        </contrib>
        <contrib contrib-type="author">
          <name-alternatives>
            <name name-style="eastern" xml:lang="ru">
              <surname>Егунова</surname>
              <given-names>Алла Ивановна</given-names>
            </name>
            <name name-style="western" xml:lang="en">
              <surname>Egunova</surname>
              <given-names>Alla Ivanonva</given-names>
            </name>
          </name-alternatives>
          <email>vystasalla@gmail.com</email>
          <xref ref-type="aff">aff-3</xref>
        </contrib>
        <contrib contrib-type="author">
          <contrib-id contrib-id-type="orcid">0000-0002-7574-0981</contrib-id>
          <name-alternatives>
            <name name-style="eastern" xml:lang="ru">
              <surname>Ямашкин</surname>
              <given-names>Станислав Анатольевич</given-names>
            </name>
            <name name-style="western" xml:lang="en">
              <surname>Yamashkin</surname>
              <given-names>Stanislav Anatolyevich</given-names>
            </name>
          </name-alternatives>
          <email>yamashkinsa@mail.ru</email>
          <xref ref-type="aff">aff-4</xref>
        </contrib>
        <contrib contrib-type="author">
          <contrib-id contrib-id-type="orcid">0000-0003-3481-4101</contrib-id>
          <name-alternatives>
            <name name-style="eastern" xml:lang="ru">
              <surname>Федосин</surname>
              <given-names>Сергей Алексеевич</given-names>
            </name>
            <name name-style="western" xml:lang="en">
              <surname>Fedosin</surname>
              <given-names>Sergey Alekseevich</given-names>
            </name>
          </name-alternatives>
          <email>fedosinsa@mrsu.ru</email>
          <xref ref-type="aff">aff-5</xref>
        </contrib>
        <contrib contrib-type="author">
          <name-alternatives>
            <name name-style="eastern" xml:lang="ru">
              <surname>Аббакумов</surname>
              <given-names>Андрей Александрович</given-names>
            </name>
            <name name-style="western" xml:lang="en">
              <surname>Abbakumov</surname>
              <given-names>Andrey Aleksandrovich</given-names>
            </name>
          </name-alternatives>
          <email>abbakumov@mrsu.ru</email>
          <xref ref-type="aff">aff-6</xref>
        </contrib>
      </contrib-group>
      <aff-alternatives id="aff-1">
        <aff xml:lang="ru">Национальный исследовательский Мордовский государственный университет им. Н.П. Огарёва</aff>
        <aff xml:lang="en">National Research Ogarev Mordovia State University</aff>
      </aff-alternatives>
      <aff-alternatives id="aff-2">
        <aff xml:lang="ru">Национальный исследовательский Мордовский государственный университет им. Н.П. Огарёва</aff>
        <aff xml:lang="en">National Research Ogarev Mordovia State University</aff>
      </aff-alternatives>
      <aff-alternatives id="aff-3">
        <aff xml:lang="ru">Национальный исследовательский Мордовский государственный университет им. Н.П. Огарёва</aff>
        <aff xml:lang="en">National Research Ogarev Mordovia State University</aff>
      </aff-alternatives>
      <aff-alternatives id="aff-4">
        <aff xml:lang="ru">Национальный исследовательский Мордовский государственный университет им. Н.П. Огарёва</aff>
        <aff xml:lang="en">National Research Ogarev Mordovia State University</aff>
      </aff-alternatives>
      <aff-alternatives id="aff-5">
        <aff xml:lang="ru">Национальный исследовательский Мордовский государственный университет им. Н.П. Огарёва</aff>
        <aff xml:lang="en">National Research Ogarev Mordovia State University</aff>
      </aff-alternatives>
      <aff-alternatives id="aff-6">
        <aff xml:lang="ru">Национальный исследовательский Мордовский государственный университет им. Н.П. Огарёва</aff>
        <aff xml:lang="en">National Research Ogarev Mordovia State University</aff>
      </aff-alternatives>
      <pub-date pub-type="epub">
        <day>01</day>
        <month>01</month>
        <year>2026</year>
      </pub-date>
      <volume>1</volume>
      <issue>1</issue>
      <elocation-id>10.26102/2310-6018/2026.62.11.009</elocation-id>
      <permissions>
        <copyright-statement>Copyright © Авторы, 2026</copyright-statement>
        <copyright-year>2026</copyright-year>
        <license license-type="creative-commons-attribution" xlink:href="https://creativecommons.org/licenses/by/4.0/">
          <license-p>This work is licensed under a Creative Commons Attribution 4.0 International License</license-p>
        </license>
      </permissions>
      <self-uri xlink:href="https://moitvivt.ru/ru/journal/article?id=2620"/>
      <abstract xml:lang="ru">
        <p>Актуальность исследования обусловлена необходимостью автоматизации технической поддержки программных продуктов при ограниченности знаний универсальных больших языковых моделей и недостаточной эффективности поиска только по точному совпадению слов. Цель работы состоит в проектировании и функциональной проверке интеллектуальной системы, формирующей ответы на основе релевантных фрагментов разнородной базы знаний. Основным подходом является генерация с дополнением извлеченными данными, объединяющая обработку документации, исходного кода и решенных обращений пользователей в систему технической поддержки, построение нормализованных векторных представлений, полнотекстовый и семантический поиск, объединение результатов ранжирования и формирование ответа большой языковой моделью. Для проверки сформирован набор из 100 вопросов по пяти категориям и использована база знаний из 148 источников, разделенных на 201 фрагмент. Для вопросов с подтвержденными сведениями корректные ответы получены в 76,25 % случаев. Общая доля корректно обработанных запросов составила 67 %, а при отсутствии подтверждающих сведений система корректно отказалась от ответа в 6 из 20 случаев. Полученные результаты подтверждают работоспособность разработанной системы при наличии необходимых сведений в базе знаний и показывают необходимость совершенствования обработки запросов с отсутствующей информацией. Практическая значимость решения состоит в возможности создавать специализированных агентов технической поддержки и обновлять их предметные знания посредством переиндексации источников без дополнительного обучения языковой модели.</p>
      </abstract>
      <trans-abstract xml:lang="en">
        <p>The relevance of this study is determined by the need to automate technical support for software products, given the limited knowledge of general-purpose large language models and the insufficient effectiveness of search methods based solely on exact word matching. The aim of this work is to design and functionally evaluate an intelligent system that generates responses based on relevant fragments retrieved from a heterogeneous knowledge base. The proposed approach is based on retrieval-augmented generation, which integrates the processing of documentation, source code, and resolved user support requests, the construction of normalized vector representations, full-text and semantic search, ranking result fusion, and response generation using a large language model. For evaluation, a dataset of 100 questions divided into five categories was created, together with a knowledge base containing 148 sources split into 201 fragments. For questions supported by relevant information, correct answers were obtained in 76.25 % of cases. The overall proportion of correctly processed queries was 67 %. When supporting information was absent, the system correctly refused to provide an answer in 6 out of 20 cases. The results confirm the effectiveness of the developed system when the required information is available in the knowledge base and indicate the need to improve the processing of queries for which relevant information is unavailable. The practical significance of the proposed solution lies in its ability to create specialized technical support agents whose domain knowledge can be updated by re-indexing information sources without additional training of the language model.</p>
      </trans-abstract>
      <kwd-group xml:lang="ru">
        <kwd>большая языковая модель</kwd>
        <kwd>эмбеддинг</kwd>
        <kwd>генерация с дополнением извлеченными данными</kwd>
        <kwd>семантический поиск</kwd>
        <kwd>векторная база данных</kwd>
        <kwd>техническая поддержка</kwd>
        <kwd>веб-приложение</kwd>
      </kwd-group>
      <kwd-group xml:lang="en">
        <kwd>large language model</kwd>
        <kwd>embedding</kwd>
        <kwd>retrieval-augmented generation</kwd>
        <kwd>semantic search</kwd>
        <kwd>vector database</kwd>
        <kwd>technical support</kwd>
        <kwd>web application</kwd>
      </kwd-group>
      <funding-group>
        <funding-statement xml:lang="ru">Исследование выполнено без спонсорской поддержки.</funding-statement>
        <funding-statement xml:lang="en">The study was performed without external funding.</funding-statement>
      </funding-group>
    </article-meta>
  </front>
  <back>
    <ref-list>
      <title>References</title>
      <ref id="cit1">
        <label>1</label>
        <mixed-citation xml:lang="ru">Антонов И.В., Бруттан Ю.В. Применение больших языковых моделей для интеллектуального поиска и извлечения информации в корпоративных информационных системах. Компьютерные исследования и моделирование. 2025;17(5):871–888. https://doi.org/10.20537/2076-7633-2025-17-5-871-888</mixed-citation>
      </ref>
      <ref id="cit2">
        <label>2</label>
        <mixed-citation xml:lang="ru">Каширин И.Ю. Формирование LLM-ориентированных ресурсов знаний на основе генерации дополненной информации. Вестник РГРТУ. 2025;(94):85–97. https://doi.org/10.21667/1995-4565-2025-94-85-97</mixed-citation>
      </ref>
      <ref id="cit3">
        <label>3</label>
        <mixed-citation xml:lang="ru">Lewis P., Perez E., Piktus A., et al. Retrieval-augmented generation for knowledge-intensive NLP tasks. In: Advances in Neural Information Processing Systems 33 (NeurIPS 2020), 06–12 December 2020, Virtual Event. 2020. URL: https://arxiv.org/abs/2005.11401</mixed-citation>
      </ref>
      <ref id="cit4">
        <label>4</label>
        <mixed-citation xml:lang="ru">Каширина И.Л., Осипов И.Р., Яковлев В.А. Разработка и оценка RAG-системы для анализа семантических связей. Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2025;(2):114–126. https://doi.org/10.17308/sait/1995-5499/2025/2/114-126</mixed-citation>
      </ref>
      <ref id="cit5">
        <label>5</label>
        <mixed-citation xml:lang="ru">Мельников А.В., Николаев И.Е., Русанов М.А., Аббазов В.Р. Сравнительный анализ методов RAG для построения русскоязычных интеллектуальных сервисов. Вестник Южно-Уральского государственного университета. Серия: Компьютерные технологии, управление, радиоэлектроника. 2025;25(2):5–18. https://doi.org/10.14529/ctcr250201</mixed-citation>
      </ref>
      <ref id="cit6">
        <label>6</label>
        <mixed-citation xml:lang="ru">Zhang Y., Li M., Long D., et al. Qwen3 Embedding: Advancing Text Embedding and Reranking Through Foundation Models. arXiv. URL: https://arxiv.org/abs/2506.05176 [Accessed 11th August 2026].</mixed-citation>
      </ref>
      <ref id="cit7">
        <label>7</label>
        <mixed-citation xml:lang="ru">Reimers N., Gurevych I. Sentence-BERT: Sentence embeddings using Siamese BERT-networks. In: Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP 2019), 03–07 November 2019, Hong Kong, China. ACL; 2019. P. 3980–3990. https://doi.org/10.18653/v1/D19-1410</mixed-citation>
      </ref>
      <ref id="cit8">
        <label>8</label>
        <mixed-citation xml:lang="ru">Malkov Yu.A., Yashunin D.A. Efficient and robust approximate nearest neighbor search using hierarchical navigable small world graphs. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2020;42(4):824–836. https://doi.org/10.1109/TPAMI.2018.2889473</mixed-citation>
      </ref>
      <ref id="cit9">
        <label>9</label>
        <mixed-citation xml:lang="ru">Cormack G.V., Clarke Ch.L.A., Buettcher S. Reciprocal rank fusion outperforms Condorcet and individual rank learning methods. In: SIGIR '09: Proceedings of the 32nd International ACM SIGIR Conference on Research and Development in Information Retrieval, 19–23 July 2009, Boston, MA, USA. New York: ACM; 2009. P. 758–759. https://doi.org/10.1145/1571941.1572114</mixed-citation>
      </ref>
      <ref id="cit10">
        <label>10</label>
        <mixed-citation xml:lang="ru">Es Sh., James J., Espinosa Anke L., Schockaert S. RAGAs: Automated evaluation of retrieval augmented generation. In: Proceedings of the 18th Conference of the European Chapter of the Association for Computational Linguistics: System Demonstrations, 17–22 March 2024, St. Julians, Malta. ACL; 2024. P. 150–158. https://doi.org/10.18653/v1/2024.eacl-demo.16</mixed-citation>
      </ref>
    </ref-list>
    <fn-group>
      <fn fn-type="conflict">
        <p>The authors declare that there are no conflicts of interest present.</p>
      </fn>
    </fn-group>
  </back>
</article>