Статья

Название статьи ЗАДАЧИ СЕМАНТИЧЕСКОГО ПОИСКА, КЛАССИФИКАЦИИ, СТРУКТУРИЗАЦИИ И ИНТЕГРАЦИИ ИНФОРМАЦИИ В КОНТЕКСТЕ ПРОБЛЕМ УПРАВЛЕНИЯ ЗНАНИЯМИ
Автор Ю.А. Кравченко
Рубрика РАЗДЕЛ I. АНАЛИЗ ДАННЫХ И УПРАВЛЕНИЕ ЗНАНИЯМИ
Месяц, год 07, 2016
Индекс УДК УДК 002.53:004.89
DOI DOI 10.18522/2311-3103-2016-7-518
Аннотация Статья посвящена постановке задач и разработке способов решения задач семантического поиска, классификации, структуризации и интеграции знаний применительно к проблеме управления знаниями. Управление информационными потоками рассматривается как совокупность процессов систематического приобретения, синтеза, обмена и использования знаний. Целью работы является модификация методов решения задач семантического поиска и структуризации применительно к проблеме управления знаниями. Научная новизна представлена модифицированным методом семантического поиска знаний, графовой моделью структуризации знаний на основе оценки наличия существенных признаков и абстрактной моделью представления семантической сети с многоуровневой декомпозицией междисциплинарных связей различных предметных областей. Проблема автоматизации управления знаниями, как непрерывного процесса проверки знаний для выявления закономерностей с целью создания и удовлетворения спроса на новые знания, напрямую связана с решением задач семантического поиска, классификации, структуризации и интеграции информации. Возможности современных информационных систем ограничены эффективным решением задач хранения и передачи информации. Одной из основных научных задач в сфере информационных технологий на сегодняшний день является разработка механизмов анализа и обработки информации в гетерогенных источниках с целью наделения информационных систем способностями логического анализа информации и генерации выводов, которые станут основой выполнения процедур накопления и обработки знаний. Так как, по мнению ученых, решением актуальной проблемы информационного переполнения ста-нет переход от хранения и обработки данных к накоплению и обработке знаний. Несмотря на выраженную специфику предметных областей, онтологию необходимо строить как цепочку взаимосвязанных процессов, что позволит получить интегрированный характер интеллектуальной системы управления знаниями. На этапе идентификации областей знаний необходимо в первую очередь определить множество исследуемых характеристик. Далее требуется выбрать источники априорной информации и приступить к формированию базы знаний и хранилищ данных, которые впоследствии позволят задать отношения между категориями знаний. В качестве источников знаний легче всего подсоединяются базы данных оперативных информационных систем через механизм создания информационных хранилищ. Интеграция знаний из различных источников может проводиться на основе онтологии, требования к разработке которой будут находиться в заранее сформированных спецификациях.

Скачать в PDF

Ключевые слова Семантический поиск; онтологии; классификация; структуризация; интеграция; си-стемы управления знаниями; информационные процессы; поддержка принятия решений.
Библиографический список 1. Amerland D. Google Semantic Search: Search Engine Optimization (SEO) Techniques That Gets Your Company More Traffic, Increases Brand Impact and Amplifies Your Online Pres-ence. – Que Publishing, 2013. – 230 p.
2. Bova V.V., Kravchenko Y.A., Kureichik V.V. Decision Support Systems for Knowledge Man-agement // Software Engineering in Intelligent Systems. Proceedings of the 4th Computer Science On-line Conference 2015 (CSOC2015). Vol. 3. – Springer International Publishing AG Switzerland, 2015. – P.123-130.
3. Bova V.V., Kravchenko Y.A., Kureichik V.V. Development of Distributed Information Systems: Ontological Approach // Software Engineering in Intelligent Systems. Proceedings of the 4th Computer Science On-line Conference 2015 (CSOC2015). Vol. 3. – Springer International Publishing AG Switzerland, 2015. – P. 113-122.
4. Нгуен Б.Н., Тузовский А.Ф. Обзор подходов семантического поиска // Доклады Томского государственного университета систем управления и радиоэлектроники. – 2010. – T. 2, № 2. – С. 234-237.
5. Guarino N., Welty C.A. Towards a Metotodology for Ontology - Model Engineering // Proceed-ing of the ECOOP-2000 Workshop on Model Engineering (eds. by Bezivin J. and Ernst J.).
– 2000. – Mode of access: http://www.metamodel.com/IWME00/articles/guarino.pdf.
6. Gangeni A., Pisanelli D.M., Steve G. An Overview of the ONIONS Project: Applying Ontolo-gies to the Integration of Medical Terminologies // Data & Knowledge Engineering. – 1999.
– Vol. 31. – P. 183-220.
7. Федоров Д. Ю. Применение структуризации знаний для обеспечения информационной безопасности личности // Национальная безопасность и стратегическое планирование.
– 2013. – № 2. – С. 40-43.
8. Бова В.В. Концептуальная модель представления знаний при построении интеллекту-альных информационных систем // Известия ЮФУ. Технические науки. – 2014. – № 7 (156). – С. 109-117.
9. Kravchenko Y.A., Kureichik V.V. Knowledge management based on multi-agent simulation in informational systems // Conference proceedings. 8th IEEE International Conference “Applica-tion of Information and Communication Technologies – AICT 2014”. – 15-17 October 2014, Astana, Kazakhstan. – P. 264-267.
10. Тузовский А.Ф., Чириков С.В., Ямпольский В.З. Системы управления знаниями (методы и технологии) / под общ. ред. В.З. Ямпольского. – Томск: Изд-во НТЛ, 2005. – 260 с.
11. Курейчик В.М., Кажаров А.А. Использование шаблонных решений в муравьиных алго-ритмах // Известия ЮФУ. Технические науки. – 2013. – № 7 (144). – С. 11-17.
12. Gladkov, L.A., Gladkova, N.V., Legebokov, A.A. Organization of knowledge management based on hybrid intelligent methods // Advances in Intelligent Systems and Computing.
– 2015. – Vol. 349. – P. 107-112.
13. Dukkardt, A.N., Lezhebokov, A.A., Zaporozhets, D. Informational system to support the design process of complex equipment based on the mechanism of manipulation and management for three-dimensional objects models // Advances in Intelligent Systems and Computing. – 2015.
– Vol. 347. – P. 59-66.
14. Курейчик В.М. Особенности построения систем поддержки принятия решений // Известия ЮФУ. Технические науки. – 2012. – № 7 (132). – С. 92-98.
15. Курейчик В.В., Родзин С.И. О правилах представления решений в эволюционных алго-ритмах // Известия ЮФУ. Технические науки. – 2010. – № 7 (108). – С. 13-21.
16. Qing He, Xiu-Rong Zhao, Ping Luo, Zhong-Zhi Shi. Combination methodologies of multi-agent hyper surface classifiers: design and implementation issues // Second international workshop, AIS-ADM 2007, Proceedings. – Springer Berlin Heidelberg, 2007. – P. 100-113.
17. A.De Nicola, Missikoff M., Navigli R. A software engineering approach to ontology building // Informatioh systems. – 2009. – Vol. 34. – P. 258-275.
18. Guarino N., Oberle D., Staab S. What is an Ontology // Handbook on Ontologies. – Springer, 2009. – P. 1-17.
19. Yang X.-S. A new metaheuristic sat-inspired algorithm // Nature Inspired Cooperative Strategies for Optimization (NISCO’2010), Berlin: Springer, 2010. – Vol. 284. – P. 65-74.
20. Sarraipa J., et al. Semantic Enrichment of Standard-based Electronic Catalogues // 13th IFAC Symposium on Information Control Problems in Manufacturing, 2009.
21. Kerschberg L., Kim W., Scime A. Personalizable semantic taxonomy-based search agent. USA: George Mason Intellectual Properties, INC (Fairfax, VA). – 2006.
22. Kerschberg L., Jeong H., Kim W. Emergent Semantic in Knowledge Sifter: An Evolutionary Search Agent based on Semantic Web Services // Journal on Data Semantics. – VI. LNCS. Vol. 4090. – Springer, Heidelberg, 2006. – P. 187-209.

Comments are closed.