Alice AI VLM поможет пользователям Поиска по архивам быстрее искать данные о предках

Сервис Яндекса Поиск по архивам обновил модель распознавания документов. Теперь она не только распознаёт текст архивного файла, но и структурирует информацию из него: например, роль каждого из участников события и связи между разными людьми. Благодаря этому пользователи сразу увидят в документе имя человека, которого они ищут, и смогут быстрее найти данные о предках.

Раньше искать уже известные данные приходилось среди всех упоминаний, включая служебные пометки, даты и имена участников записи. Благодаря новой модели пользователь может сразу настроить фильтры события и роли человека. Например, «родившийся», «отец» и «мать» для документа о рождении или «жених», «невеста», «свидетель» для свидетельства о заключении брака. Сервис сразу найдёт упоминания человека в нужном контексте.

Обновлённый Поиск по архивам работает на собственной мультимодальной модели Яндекса — Alice AI VLM. В отличие от иностранных аналогов, она уже обладает глубоким пониманием русского языка и изображений. Это позволило обойтись без создания огромных обучающих выборок: базовые навыки модели дали ей возможность освоить задачу извлечения данных за небольшое число итераций на специализированной разметке.

Качество системы оценивалось по доле людей, которых удаётся найти по ФИО в архивном поиске. В среднем точность составила 90,5%, достигая 92,7% для записей о рождении, 89,7% — для свадеб и 87,2% — для смертей.

О Поиске по архивам

Поиск по архивам — сервис Яндекса, который помогает быстро находить упоминания о людях, населённых пунктах и событиях в расшифрованных нейросетью рукописных документах XVIII–XX веков. В базе сервиса доступно более 20 млн страниц исторических документов из архивов Москвы, Московской, Оренбургской, Вологодской, Иркутской, Астраханской и других областей. Кроме того, сервис помогает находить информацию в более чем 200 дореволюционных и советских газет, а также в различных справочниках. Поиск по архивам обрабатывает исторические документы с помощью нейросетевой технологии Яндекса, основанной на оптическом распознавании символов.