Podrobno

Predobdelava podatkov za zagotavljanje varnosti in zasebnosti pri uporabi velikih jezikovnih modelov v gradbeništvu
ID Brelih, Anja (Avtor), ID Srdič, Aleksander (Avtor), ID Dujc, Jaka (Avtor), ID Klinc, Robert (Avtor)

.pdfPDF - Predstavitvena datoteka, prenos (1,08 MB)
MD5: F16C3333FC46715999D88606B44B1ACE
URLURL - Izvorni URL, za dostop obiščite https://www.zveza-dgits.si/gradbeni-vestnik-dec-2025/ Povezava se odpre v novem oknu

Izvleček
Prispevek predstavlja izzive zagotavljanja varstva podatkov pri uporabi velikih jezikovnih modelov (VJM) v delovnih tokovih operativnega gradbeništva. Analizira, kako uspešno obstoječa orodja za prepoznavanje imenskih entitet (angl. Named Entity Recognition, NER) zaznajo in anonimizirajo občutljive informacije v tehničnih gradbenih dokumentih, zlasti v slovenskem jeziku. Opravljena je bila kvalitativna evalvacija štirih ogrodij za obdelavo naravnega jezika (SpaCy, SpaCy SLO, Flair, NLTK), ki so bile preizkušene na vzorcu petih dejanskih gradbenih dokumentov in primerjane z ročno anotiranimi referenčnimi podatki. V evalvacijo je bila vključena tudi anonimizacija z VJM, ki je občutljive podatke zakrival z uporabo regularnih izrazov. Rezultati kažejo, da je osnovna anonimizacija sicer mogoča, vendar vsa klasična ogrodja NER slabše prepoznavajo entitete specifične za področje, kot so projektne šifre, inženirski nazivi ter strukturirani šte vilčni podatki. Ugotovitve kažejo na potrebe po prilagojenih orodjih za predobdelavo, saj netočna anonimizacija predstavlja pravna in etična tveganja pri vključevanju VJM v regulirane panoge, kot je gradbeništvo. Prihodnje raziskave se morajo osredotočiti na gradnjo hibridnih anonimizacijskih tokov in učenje modelov na anotiranih podatkih, da bi izboljšali natančnost in skladnost v tehničnih panogah.

Jezik:Slovenski jezik
Ključne besede:veliki jezikovni modeli, zasebnost podatkov, prepoznavanje imenskih entitet, operativno gradbeništvo, predobdelava dokumentov
Vrsta gradiva:Članek v reviji
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:FGG - Fakulteta za gradbeništvo in geodezijo
Status publikacije:Objavljeno
Različica publikacije:Objavljena publikacija
Leto izida:2025
Št. strani:Str. 210-219
Številčenje:Letn. 74
PID:20.500.12556/RUL-177360 Povezava se odpre v novem oknu
UDK:004.434:004.8:624
ISSN pri članku:0017-2774
COBISS.SI-ID:262447363 Povezava se odpre v novem oknu
Datum objave v RUL:22.12.2025
Število ogledov:47
Število prenosov:6
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
Objavi na:Bookmark and Share

Gradivo je del revije

Naslov:Gradbeni vestnik : glasilo Zveze društev gradbenih inženirjev in tehnikov Slovenije
Skrajšan naslov:Gradb. vestn.
Založnik:Zveza društev gradbenih inženirjev in tehnikov Slovenije
ISSN:0017-2774
COBISS.SI-ID:859140 Povezava se odpre v novem oknu

Licence

Licenca:CC BY-SA 4.0, Creative Commons Priznanje avtorstva-Deljenje pod enakimi pogoji 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-sa/4.0/deed.sl
Opis:Ta licenca Creative Commons je zelo podobna običajni licenci Priznanje avtorstva, vendar zahteva, da so materialne avtorske pravice na izpeljanih delih upravljane z enako licenco.

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Data preprocessing to ensure security and privacy when using large language models in construction
Izvleček:
This paper addresses the challenge of ensuring data privacy when using Large Language Models (LLMs) in Construction Management Workflows. It analyses how well existing Named Entity Recognition (NER) tools can identify and redact sensitive information in technical construction documents, particularly in the Slovenian language. A qualitative evaluation was performed with four NLP frameworks (SpaCy, SpaCy SLO, Flair, NLTK) applied to a sample of five real-world construction documents and compared with manually annotated baseline data. The evaluation also included anonymization with VJM, which masked sensitive data using regular expressions. The results show that while basic anonymisation is possible, all classical NER frameworks underperform in identifying domain-specific entities such as project codes, engineering titles and structured numerical data. These findings emphasise the urgent need for domain-adapted preprocessing tools, as inaccurate redaction po ses legal and ethical risks when integrating LLMs in regulated domains such as construction. Future work should focus on building hybrid redaction pipelines and training custom models on annotated corpora to improve accuracy and compliance in technical domains.

Ključne besede:large language models, data privacy, name entity recognition, construction management, document preprocessing

Projekti

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:P2-0210
Naslov:E-Gradbeništvo

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Nazaj