Абстракт. Извлечение отношений является ключевым этапом преобразования неструктурированного текста в формализованные представления знаний. Для казахского языка развитие данного направления существенно ограничено недостатком качественных размеченных семантических ресурсов. Несмотря на то, что корпус KazNERD сформировал надежную основу для задачи распознавания именованных сущностей, моделирование сложных связей между ними по-прежнему остается актуальной проблемой. В данной работе предлагается новый набор данных KRED (Kazakh Relation Extraction Dataset), направленный на решение этой задачи. Датасет создан с использованием масштабируемого пайплайна аннотирования, объединяющего возможности больших языковых моделей (LLM) и экспертной валидации. В качестве основы использовались размеченные границы сущностей из корпуса KazNERD, после чего выполнялись генерация пар сущностей, zero-shot аннотирование с применением GPT-4o-mini и последовательное уточнение семантики. Для обеспечения согласованности применялась схема-ориентированная нормализация, дополненная повторной аннотацией с использованием модели Gemini-3-flash и ручной проверкой спорных случаев. В результате был сформирован набор данных, включающий 16 149 примеров отношений, распределенных по 10 семантическим категориям. Экспериментальная оценка с использованием моделей multilingual BERT, XLM-RoBERTa и Kaz-RoBERTa показала высокую пригодность датасета для задач извлечения отношений. Наилучший результат продемонстрировала модель mBERT с показателем micro-F1 = 0.8832 и macro-F1 = 0.8113. Предложенный гибридный подход представляет собой эффективную и экономичную альтернативу полностью ручной разметке и может служить основой для расширения ресурсов информационного извлечения в языках с ограниченными ресурсами, включая тюркские языки.

Ключевые слова: обработка естественного языка, информационный поиск, языки с ограниченными ресурсами, большие языковые модели, построение набора данных, извлечение отношений.