AI-stöd för kvalitetssäkring ochinformationssökning i tekniskdokumentation : En jämförelse mellan regelbaserade och AI-baserade metoderför GDPR-detektion och semantisk sökning

Sammanfattning

I IT-organisationer växer mängden intern dokumentation kontinuerligt, vilketmedför två utbredda problem: känslig information exponeras oavsiktligt i löpandetext och befintliga söksystem hittar inte relevant innehåll om exakt rätt ord inteanvänds. Traditionella verktyg klarar inte av att hantera dessa problem eftersom desaknar förmåga att tolka sammanhang. Detta examensarbete undersöker hur AIbaserade metoder kan användas för att automatisera identifiering av känsliginformation och förbättra informationsåtervinning i teknisk dokumentation lagrad iwiki-miljöer. Arbetet är utfört hos IT-tjänsteföretaget Axians.Arbetet utvärderar tre metoder för identifiering av känslig information: reguljärauttryck, Microsoft Presidio och en generativ språkmodell, samt jämför nyckelordsbaserad sökning med semantisk sökning och en hybridmetod. Metoderna testadespå syntetiskt genererade dokument som efterliknar teknisk IT-dokumentation påsvenska och engelska. Resultaten från det syntetiska testsetet indikerar att dengenerativa språkmodellen Mistral 7B identifierar känslig information med högträffsäkerhet, medan de regelbaserade metoderna missar en stor del av dekontextberoende entiteterna. För sökning uppnådde det semantiska systemet bättreresultat i det använda testsetet, särskilt på synonymfrågor och tvärspråkligasökningar. Slutsatsen är att AI-baserade metoder har stor potential att förbättrabåde datasäkerhet och informationstillgänglighet i tekniska dokumentationsmiljöer.