A hybrid quantum-perfected model of artificial intelligence in the problem of automatic recognition and fast conversion of unstructured text information into spatial
B a c k g r o u n d . Efficiently converting large amounts of unstructured text data into spatial information is crucial for managing water distribution systems. This allows for the conversion of extensive sets of text information, such as reports, orders, letters, and other documents, into point classes of spatial objects in geographic information systems. To tackle this challenge, a promising new approach involves combining hybrid quantum-classical neural networks with geo-information technologies. Me t h o d s . The study utilized quantum-enhanced hybrid neural networks in combination with GIS methods to identify named entities such as personal accounts and balance sheet objects of Kyivvodokanal by their addresses and geocoding. This information was then published on a geoportal using the ArcGIS Enterprise platform in real-time, which holds great promise for effective water management. The performance of the developed model was evaluated by accuracy indicators, recall parameters, and weighted harmonic average of accuracy and recall. R e s u l t s . The obtained results indicate that the developed hybrid quantum-classical model of artificial intelligence can be successfully applied to transform large volumes of unstructured textual information &into spatial information. The model was integrated into GIS using ArcGIS Enterprise. By combining the obtained point classes of spatial objects with already existing data, methods of spatial connections, an interactive map with an update interval of &every five minutes was developed. C o n c l u s i o n s . Taking advantage of quantum computing and combining it with classical hardware and classical AI models, it became possible to achieve similar and even better performance in various tasks compa&red to state-of-the-art methods. Quantum natural language processing is a promising new field that has the potential to revolutionize the way one analyzes and understands human language.
В с т у п . Ефективне перетворення великого об"єму неструктуро&ваних текстових даних на просторову інформацію є критично важливим для управління системами розподілу води. Це дозволяє здійснювати конверсію великих наборів текстової інформації, таких як звіти, замовлення, листи й інші документи, на точкові класи п&росторових об"єктів у географічних інформаційних системах. Для опрацювання цієї проблеми, у новому перспективному підході йдеться про поєднання гібридних квантово-класичних нейронних мереж із геоінформаційними технологіями. М е т о д и . Використано &гібридні квантово-вдосконалені нейронні мережі разом із методами ГІС для розпізнавання іменованих сутностей, таких як особисті рахунки з їхніми адресами й геокодуванням, та елементи бухгалтерської документації Київводоканалу. Вказана інформація потім& оприлюднюється на геопорталі з використанням платформи ArcGIS Enterprise у реальному часі, що є дуже перспективним для ефективного керування розподіленням води. Характеристики розробленої моделі оцінено за показниками точності, параметрами відкликан&ня та зваженим гармонічним середнім значенням точності та відкликання. Р е з у л ь т а т и . Отримані результати вказують, що розроблена гібридна квантово-класична модель штучного інтелекту може бути успішно застосована до трансформації великих об"єм&ів неструктурованої текстової інформації на просторову. Модель була інтегрована в ГІС із використанням ArcGIS Enterprise платформи. Суміщаючи отримані точкові класи просторових об"єктів з уже існуючими даними та методами просторових поєднань, автори &розробили інтерактивну карту з інтервалом оновлення кожні п"ять хвилин. В и с н о в к и . Використовуючи переваги квантових обчислень і поєднуючи їх із класичним апаратним забезпеченням та класичними моделями штучного інтелекту, стало можливим досягт&и подібних і навіть кращих характеристик порівняно з існуючими сучасними методами для опрацювання різних завдань. Квантове оброблення природної мови є новим перспективним напрямом, який має потенціал докорінно змінити підхід, за яким аналізується та &
