Статья

Название статьи СЕМАНТИЧЕСКИЙ ПОИСК ЗНАНИЙ В СРЕДЕ ФУНКЦИОНИРОВАНИЯ МЕЖДИСЦИПЛИНАРНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ НА ОСНОВЕ ОНТОЛОГИЧЕСКОГО ПОДХОДА
Автор В. В. Бова, Д. В. Лещанов
Рубрика РАЗДЕЛ II. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И НЕЧЕТКИЕ СИСТЕМЫ
Месяц, год 07, 2017
Индекс УДК 002.53:004.89
DOI
Аннотация Одной из основных функций современных междисциплинарных информационных систем является семантический поиск элементов знаний из распределенных источников. Основная проблема в области поиска и обработки знаний заключается в постоянно растущей сложности их идентифицирования и структуризации с целью представления в виде, доступном для понимания и дальнейшего использования. Для ее решения предложен метод формирования многоуровневой онтологической структуры, заданной в виде семантической сети для решения задач поиска и оценки близости элементов знаний в онтологиях междисциплинарных функциональных областей. Разработанная на его основе семантическая модель поиска позволит наглядно и компактно представить структуру семантических отношений между функциональными областями источников знаний с устойчивыми междисциплинарными связями. Для описания связей между элементами знаний в распределенных информационных массивах предлагается использовать их семантические метаописания, представленные в терминах онтологий и терминах поискового запроса. Рассмотрен процесс оптимизации модели поиска и оценки семантически близких элементов знаний на основе кластеризации семантических сетей, представленных графовыми моделями соответствующих уровней: онтологий функциональных предметных областей, поисковых образов и семантических метаописаний терминов словаря онтологии. Семантические метаописания терминов (документов) рассматриваются как набор понятий и отношений (наборы триплетов) в единой модели представления онтологических знаний. Методика оценки релевантности (семантической близости) основана на оценке близости объектов знаний в семантической сети документов и семантической сети запроса. Для анализа разработанного метода была проведена серия вычислительных экспериментов. Полученные данные подтвердили теоретическую значимость и перспективность применения данного метода.

Скачать в PDF

Ключевые слова Информационные системы семантического поиска; системы управления знаниями; семантическая сеть; онтологии; семантические метаописания; модель кластеризации объектов знаний; семантическая близость.
Библиографический список 1. Castano S., Ferrara A., Montanelli S., Racca G. Semantic information interoperability in open networked systems // Proceedings оf the International Conference «SNW». – 2004. – P. 215-230.
2. Kravchenko Y.A., Kursitys I.O., Bova V.V. Models for Supporting of Problem-Oriented Knowledge Search and Processing // Proceedings of the First International Scientific Conference «Intelligent Information Technologies for Industry». – 2016. – Vol. 1. – P. 287-297.
3. Kravchenko Y.A., Kuliev E.V., Kursitys I.O. Information’s semantic search, classification, structuring and integration objectives in the knowledge management context problems // Pro-ceeding of the 10th IEEE International Conference on «Application of Information and Com-munication Technologies». – 2016. – P. 136-141.
4. Bova V.V., Kravchenko Y.A., Kureichik V.V. Development of distributed information systems: Ontological approach // Advances in Intelligent Systems and Computing. – 2015. – Vol. 349.
– P. 113-122.
5. Вагин В.Н., Михайлов И.С. Разработка метода интеграции информационных систем на основе метамоделирования и онтологии предметной области // Программные продукты и системы. – 2008. – С. 22-26.
6. Бова В.В., Лещанов Д.В. О вопросе интеграции ресурсов знаний на основе анализа и синтеза онтологий // Информатика, вычислительная техника и инженерное образование. – 2014. – № 3 (18). – С. 14-22.
7. Бова В.В. Концептуальная модель представления знаний при построении интеллекту-альных информационных систем // Известия ЮФУ. Технические науки. – 2014. – № 7 (156). – С. 109-117.
8. Нгуен Б.Н., Тузовский А.Ф. Обзор подходов семантического поиска // Известия Томского государственного университета систем управления и радиоэлектроники. – 2010. – № 2.
– С. 234-237.
9. Нгуен Б.Н., Тузовский А.Ф. Модель информационного поиска на основе семантических метаописаний // Управление большими системами. – 2013. – № 41. – С. 51-92.
10. Бова В.В., Лещанов Д.В., Кравченко Д.Ю., Новиков А.А. Компьютерная онтология: задачи и методология построения // Информатика, вычислительная техника и инженерное образование. – 2014. –№ 4 (19). – С. 18-24.
11. Крюков К.В., Панкова Л.А., Шипилина Л.Б. Меры семантической близости в онтологиях // Проблемы управления. – 2010. – № 2. – С. 2-14.
12. Бова В.В., Заруба Д.В., Курейчик В.В. Эволюционный подход к решению задачи инте-грации онтологий // Известия ЮФУ. Технические науки. – 2015. – № 6 (167). – С. 41-56.
13. Zhu H., Zhong J., Li J., Yu Y. An approach for semantic search by matching RDF graphs // Proceedings LAIRS Conference. – 2012. – P. 450-454.
14. Гладков Л.А., Курейчик В.В., Курейчик В.М. Дискретная математика: Теория графов.
– Таганрог: Изд-во ТТИ ЮФУ. 2010. – 162 с.
15. Запорожец Д.Ю., Кравченко Ю.А., Лежебоков А.А. Способы интеллектуального анализа данных в сложных системах // Известия КБНЦ РАН. – 2013. – № 3. – С. 52-56.
16. Бериков В. С., Лбов Г. С. Современные тенденции в кластерном анализе // Всероссийский конкурсный отбор обзорно-аналитических статей по приоритетному направлению «Информационно-телекоммуникационные системы». – 2008. – 26 с.
17. Шевченко И.В., Минашкин А.О., Осипчук Л.Н. Эвристический метод кластеризации в метрическом пространстве признаков // Новые технологии. – 2009. – № 4 (26). – С. 101-106.
18. Карпенко А.Н. Оценка релевантности документов онтологической базы знаний // Наука и образование. – 2010. – № 9. – С. 1-26.
19. Курейчик В.М., Каланчук С.А. Обзор и состояние проблемы роевых методов оптимизации // Информатика, вычислительная техника и инженерное образование. – 2016.
– № 1 (25). – С. 1-13.
20. Курейчик В.М., Кажаров А.А. Использование роевого интеллекта в решении NP-трудных задач // Известия ЮФУ. Технические науки. – 2011. – № 7 (120). – С. 30-36.
21. Лебедев Б.К., Лебедев О.Б., Лебедева Е.М. Разбиение на классы методом альтернативной коллективной адаптации // Известия ЮФУ. Технические науки. – 2016. – № 7 (180). – С. 89-101.
22. Карпенко А.П. Популяционные алгоритмы глобальной поисковой оптимизации. Обзор новых и малоизвестных алгоритмов // Информационные технологии. – 2012. – № 7.
– С. 1-32.
23. Rodzin S., Rodzina L. Theory of bioinspired search for optimal solutions and its application for the processing of problem-oriented knowledge // Proceeding of the 8th IEEE International Con-ference «Application of Information and Communication Technologies». – 2014. – P. 142-147.
24. Курейчик В.В., Полупанова Е.Е. Эволюционная оптимизация на основе алгоритма коло-нии пчел // Известия ЮФУ. Технические науки. – 2009. – № 12 (101). – С. 41-46.
25. Кулиев Э.В., Лежебоков А.А., Дуккардт А.Н. Подход к исследованию окрестностей в роевых алгоритмах для решения оптимизационных задач // Известия ЮФУ. Технические науки. – 2014. – № 7 (156). – С. 15-25.
26. Semenova A.V., Kureychik V.M. Multi-objective particle swarm optimization for ontology alignment // Proceeding of the 10th International Conference on «Application of Information and Communication Technologies». – 2016. – P. 141-148.
27. Bova V.V., Kureichik V.V., Zaruba D.V. Data and knowledge classification in intelligence informational systems by the evolutionary method // Proceeding of the 6th International Con-ference «Cloud System and Big Data Engineering (Confluence)». – 2016. – P. 6-11.
28. Mizzaro S., Robertson S. HITS hits TREC - exploring IR evaluation results with network analysis // SIGIR 2007. ACM, 2007. – P. 479-486.

Comments are closed.