В данной статье предлагается метод, основанный на интеллектуальном анализе данных, подходах предобработки текстов естественного языка для формирования корпуса документов. Целью исследования является разработка метода интеллектуального анализа по предобработке текстов естественного языка профессиональных стандартов и структурных элементов образовательного контента. Для достижения поставленной цели было проведено исследование структурных элементов образовательного и профессионального контента, корпуса документов и базы данных компетенций. В качестве образовательного контента рассмотрено содержание тематического плана силлабусов. Профессиональный контент был представлен в виде требования в профессиональных стандартах трудовых функций и компетенций. Также описывается метод интеллектуального анализа данных и подход в предобработке текстов естественного языка. В результате был получен корпус документов, извлеченных из больших объемов слабоструктурированных документов.

интеллектуальный анализ, предобработка текстов, векторная модель представления документов, обработка естественного языка, методы векторизации текстов.