Научный журнал «Вестник науки»

Режим работы с 09:00 по 23:00

zhurnal@vestnik-nauki.com

Информационное письмо
  1. Главная
  2. Архив
  3. Вестник науки от 13 сентября 2026 г.
  4. Научная статья № 59
Просмотры  4 просмотра

РАЗРАБОТКА МЕХАНИЗМА ПОИСКА ДУБЛИКАТОВ НОМЕНКЛАТУРЫ В «1С:ПРЕДПРИЯТИИ» С ПРИМЕНЕНИЕМ СЕМАНТИЧЕСКОГО СРАВНЕНИЯ

Аннотация: рассматривается задача выявления дублирующих элементов справочника номенклатуры в системе «1С:Предприятие». Цель работы - разработать механизм поиска потенциальных дублей при различиях в порядке слов, сокращениях и способах записи наименований. Предложенный подход сочетает нормализацию строки, выделение значимых характеристик товара и семантическое сравнение на основе векторного представления текста. Обмен между 1С и моделью предлагается организовать по HTTP в формате JSON, а окончательное решение о совпадении оставить за пользователем. Результатом исследования является алгоритм, учитывающий смысловую близость и противоречия в моделях, артикулах и количественных характеристиках.

Ключевые слова: 1С Предприятие, качество данных, дедупликация, номенклатура, семантическое сравнение, языковая модель, нормализация строки, векторное представление текста.

Введение. Справочники платформы «1С:Предприятие» используются для хранения однородных списочных данных, в том числе перечней товаров и услуг [1]. При ручном ведении номенклатуры один товар может быть создан повторно из-за перестановки слов, сокращений, различий в регистре или способе записи единиц измерения. Например, «Картридж HP 12A Q2612A» и «HP Q2612A картридж лазерный 12A» формально являются разными строками, хотя описывают одну позицию.

Точное сравнение наименований не выявляет подобные случаи. Задача определения записей, относящихся к одному объекту, рассматривается в исследованиях как entity resolution или дедупликация [2]. Современные методы дополнительно используют векторные представления текста, позволяющие учитывать смысловую близость значений [3]. Цель работы — разработать механизм поиска потенциальных дублей номенклатуры в «1С:Предприятии», объединяющий нормализацию данных, контроль значимых характеристик и семантическое сравнение наименований.

Методы исследования. Проверка выполняется при создании или изменении элемента номенклатуры. На первом этапе наименование нормализуется: приводится к единому регистру, удаляются лишние пробелы и разделители, унифицируется запись типовых единиц измерения. Одновременно выделяются значимые токены — артикулы, обозначения моделей и числовые характеристики.

Затем формируется ограниченный набор кандидатов: отбираются записи соответствующей группы и позиции с общими значимыми признаками. Такое сокращение пространства сравнения применяется в entity resolution для снижения вычислительной сложности [3]. Для оставшихся кандидатов выполняется семантическое сравнение. Языковая модель преобразует каждое наименование в числовой вектор, после чего рассчитывается косинусная близость S = (v1 · v2) / (||v1|| · ||v2||).

Чем выше значение S, тем ближе представления двух строк. Использование embeddings позволяет учитывать перестановку слов и смысловое сходство, которые не выявляются точным сравнением. Семантическая близость используется только как один из признаков. При конфликте характеристик пара понижается в рейтинге или исключается: например, «Картридж HP 12A» и «Картридж HP 17A» имеют близкий текст, но разные модели.

Модель целесообразно разместить во внешнем сервисе. Платформа «1С:Предприятие» поддерживает HTTP/HTTPS-запросы и обмен данными со сторонними сервисами [4]. В 1С остаются получение номенклатуры, подготовка кандидатов и вывод результата, а внешний сервис возвращает оценки семантического сходства в формате JSON. Результаты оригинального авторского исследования.

Разработан алгоритм: ввод номенклатуры → нормализация → выделение значимых токенов → формирование кандидатов → семантическое сравнение → проверка конфликтующих характеристик → вывод потенциальных дублей. Такой порядок позволяет использовать смысловую близость текста, не передавая модели право автоматически объединять элементы справочника. Признаки разделены на мягкие и жесткие. Семантическое сходство определяет степень похожести, а модель, артикул и количественные параметры используются как жесткие ограничения, позволяющие отличать похожие, но разные товары.

Например, записи «Кабель USB Type-C 1 м» и «USB-C кабель 1м» могут быть показаны как потенциальный дубль: нормализация устраняет формальные различия, а семантический этап учитывает перестановку слов. В форме 1С выводится список найденных элементов с оценкой сходства. Пользователь открывает кандидата и решает, использовать существующую позицию или продолжить создание новой, автоматического изменения мастер-данных не выполняется. Внешний сервис делает решение независимым от конкретной модели: при сохранении HTTP-интерфейса ее можно заменить без изменения основной логики конфигурации.

Векторные и языковые модели применимы для сопоставления сущностей и товарных позиций [3, 5]. Заключение. Предложен механизм поиска потенциальных дублей номенклатуры в системе «1С:Предприятие». В отличие от точного сравнения строк, он сочетает нормализацию, выделение значимых характеристик и семантическое сопоставление наименований.

Дополнительная проверка моделей, артикулов и количественных параметров снижает риск признания дублями похожих, но различных товаров. Интеграция с моделью реализуется через внешний HTTP-сервис, а решение остается за пользователем. Дальнейшая работа предполагает подбор порогов сходства и оценку качества по precision, recall и F1.


Полная версия статьи PDF

Номер журнала «Вестник науки» № 9 (102) том 2


Ссылка для цитирования:

Парамонова И.А., Кудяева В.А. РАЗРАБОТКА МЕХАНИЗМА ПОИСКА ДУБЛИКАТОВ НОМЕНКЛАТУРЫ В «1С:ПРЕДПРИЯТИИ» С ПРИМЕНЕНИЕМ СЕМАНТИЧЕСКОГО СРАВНЕНИЯ // Журнал «Вестник науки» от 13 сентября 2026 г. № 9 (102) том 2. С. 510 - 514. 2026 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/33017 (дата обращения: 12.11.2026 г.)


Альтернативная ссылка латинскими символами: vestnik-nauki.com/article/33017



Нашли грубую ошибку (плагиат, фальсифицированные данные или иные нарушения научно-издательской этики) ?
- напишите письмо в редакцию журнала: zhurnal@vestnik-nauki.com


Вестник науки © 2026.    16+




* В выпусках журнала могут упоминаться организации (Meta, Facebook, Instagram) в отношении которых судом принято вступившее в законную силу решение о ликвидации или запрете деятельности по основаниям, предусмотренным Федеральным законом от 25 июля 2002 года № 114-ФЗ «О противодействии экстремистской деятельности» (далее - Федеральный закон «О противодействии экстремистской деятельности»), или об организации, включенной в опубликованный единый федеральный список организаций, в том числе иностранных и международных организаций, признанных в соответствии с законодательством Российской Федерации террористическими, без указания на то, что соответствующее общественное объединение или иная организация ликвидированы или их деятельность запрещена.