Abstract
Экспоненциальный рост объема научной литературы еже-годно публикуется более трех миллионов новых научных статей делает традици-онные системы библиографической классификации все менее эффективными. В данной работе представлены разработка, реализация и оценка системы автома-тизированной многоклассовой классификации научных статей на основе искус-ственного интеллекта. Для проведения исследования был сформирован корпус из 260 405 научных публикаций, охватывающих 12 научных областей, с исполь-зованием данных PubMed, arXiv, Web of Science и открытого корпуса Националь-ной академии наук Республики Казахстан. В рамках исследования проведено си-стематическое сравнение восьми алгоритмов машинного обучения и глубокого обучения: наивного байесовского классификатора, логистической регрессии, метода опорных векторов (SVM), случайного леса, XGBoost, двунаправленной сети долгой краткосрочной памяти с механизмом внимания (BiLSTM с меха-низмом внимания), многоязычной модели BERT и специализированной модели SciBERT, дополнительно адаптированной к предметной области. Предложенная модель на основе SciBERT достигла значения макроусредненной F₁-меры 0,971 и площади под ROC-кривой (AUC-ROC) 0,981, превзойдя базовую модель TF-IDF + SVM на 20,5 процентных пункта. В работе представлены архитектурные схемы модели, кривые обучения, ROC-кривые и матрицы ошибок с полным гра-фическим сопровождением. Все математические модели, настройки гиперпара-метров и результаты статистических тестов на значимость подробно описаны. Корпус преимущественно англоязычный (93,2 %), казахстанский сегмент включает 8 420 статей (3,2 %); поэтому результаты характеризуют в первую очередь классификацию англоязычных научных текстов.