МОДЕЛЬ ОНТОЛОГИИ ЗНАНИЙ ДЛЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ ОБРАБОТКИ И АНАЛИЗА ТЕКСТОВ
Аннотация
Статья посвящена решению научной проблемы создания верхнеуровневого описания модели
онтологии знаний для интеллектуальных систем обработки и анализа текстов на естественном
языке, построенной на основе оригинальной компонентной архитектуры, обеспечивающей необ-
ходимый уровень детализации спецификаций анализируемой текстовой информации. Актуаль-
ность данной задачи обусловлена необходимостью развития теоретических основ построения
информационных моделей семантических зависимостей внутри текстов на естественном языке.
Автором даны определения основным терминам исследуемой предметной области. Представлена
формализованная постановка решаемой задачи. Проблема «информационного взрыва», причиной
возникновения которой стал экспоненциальный рост объемов цифровой информации, привела к
ситуации, когда до 95% информационного потока содержит неструктурированные данные.
В подобных условиях, крайне актуальной становится задача создания эффективных интеллекту-
альных систем поиска и приобретения знаний, в том числе, интеллектуальных систем обработки
и анализа текстов на естественном языке. Научным направлением решения этой частной задачи
является Text Mining (TM) – раскопка знаний в текстовой информации. В качестве примера при-
кладной задачи использования приобретенных знаний, в данном исследовании, рассматривается значимая проблема информационной поддержки процессов предупреждения и/или ликвидации по-
следствий чрезвычайных ситуаций. В данной задаче исходными данными являются потоки тек-
стовых сообщений (новостной информации, отчетов о техническом состоянии техногенных объ-
ектов, информации о природных явлениях и т.п.), поступающих в центры принятия решений, а на
выходе формируются прогностические оценки и/или конкретные инструкции относительно оцен-
ки ситуации и предпринимаемых действий определенными специалистами. Одной из причин,
сдерживающих развитие интеллектуальных систем обработки и анализа текста для решения
задач поиска, приобретения и использования знаний, является недостаточно высокий уровень эф-
фективности моделей и алгоритмов, обеспечивающих комплексное решение описанных выше задач
искусственного интеллекта с учетом особенностей семантики и контекста.
Литература
Text Mining, Visual Mining, OLAP [Data analysis technologies: Data Mining, Text Mining, Visual
Mining, OLAP]. 2nd ed. St. Petersburg: BKhV-Peterburg, 2008.
2. Kravchenko D.Yu., Kravchenko Yu.A., Kureychik V.V., Markov V.V. Matematicheskoe opisanie
protsessa podderzhki prinyatiya resheniy pri otsenke semanticheskoy blizosti znaniy v
konkretizirovannoy modeli ontologii [Mathematical description of the decision support process when
assessing the semantic proximity of knowledge in a specified ontology model], Sovremennye
komp'yuternye tekhnologii: Mater. II nauchno-metodicheskoy konferentsii NPR [Modern computer
technologies: Proceedings of the II scientific and methodological conference of scientific and scientific
research]. Taganrog: Izd-vo YuFU, 2021, pp. 25-28.
3. Khoroshevskiy, V.F. Semanticheskie tekhnologii: ozhidaniya i trendy [Semantic technologies: expectations
and trends], Otkrytye semanticheskie tekhnologii proektirovaniya intellektual'nykh system [Open
semantic technologies for designing intelligent systems], 2012, No. 2, pp. 143-158.
4. Kravchenko Yu.A. Kontseptual'nye osnovy refleksivno-adaptivnogo podkhoda k postroeniyu
intellektual'nykh informatsionnykh sistem [Conceptual foundations of a reflexive-adaptive approach to
the construction of intelligent information systems], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya
SFedU. Engineering Sciences], 2011, No. 7 (120), pp. 167-171.
5. Korogodin V.I., Korogodina V.L. Informatsiya kak osnova zhizni [Information as the basis of life].
Dubna: Izdatel'skiy tsentr «Feniks», 2000, 208 s.
6. Kravchenko Yu.A. Informatsionnye modeli priobreteniya znaniy i metody ikh klassifikatsii,
strukturirovaniya, integratsii i semanticheskogo poiska: dis. … d-ra tekhn. nauk [Information models
of knowledge acquisition and methods of their classification, structuring, integration and semantic
search: dr. of eng. sc. diss.]: 05.13.17. Taganrog: 2021, 314 p.
7. Kravchenko D.Yu., Gerasimenko E.M., Kravchenko Yu.A., Kuliev E.V. Podderzhka prinyatiya resheniy
po preduprezhdeniyu i likvidatsii posledstviy chrezvychaynykh situatsiy na osnove nechetkogo
metoda strukturirovaniya informatsii [Support for decision-making to prevent and eliminate the consequences
of emergency situations based on the fuzzy method of information structuring], Izvestiya
YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2023, No. 2 (232), pp. 201-212.
8. Agarwal M. An Overview of Natural Language Processing, International Journal for Research in
Applied Science and Engineering Technology, 2019, No. 7, pp. 2811-2813.
9. Naumov V.N. Analiz dannykh i mashinnoe obuchenie. Metody i instrumental'nye sredstva [Data analysis
and machine learning. Methods and tools]. St. Petersburg: IPTS SZIU RANKHiGS, 2020, 260 p.
10. Pimeshkov V.K., Shishaev M.G. Metody izvlecheniya znaniy iz estestvenno-yazykovykh tekstov
[Methods for extracting knowledge from natural language texts], Tr. Kol'skogo nauchnogo tsentra
RAN. Seriya: Tekhnicheskie nauki [Proceedings of the Kola Scientific Center of the Russian Academy
of Sciences. Series: Technical Sciences], 2022, Vol. 13, No. 2, pp. 31-45.
11. Mao X., Huang S., Li R., Shen L. Automatic keywords extraction based on co-occurrence and semantic
relationships between words, IEEE Access, 2020, Vol. 8, pp. 117528-117538.
12. Kravchenko Yury, Mansour Ali, Mohammad Juman, Silega Nemury, Kravchenko Daniil. Harnessing
key phrases in constructing a concept-based semantic representation of text using clustering techniques,
Lecture Notes in Computer Science, Vol. 14335, pp. 190-201.
13. Kravchenko D.Y., Kravchenko Y.A., Kursitys I.O. Architecture and Method of Integrating Information
and Knowledge on the Basis of the Ontological Structure, Advances in Intelligent Systems and Computing,
2018, Vol. 658, pp. 93-103.
14. Kravchenko D.Y., Kravchenko Yu.A., Kursitys I.O. Ontological Approach for Designing a Multi-agent
Behavior Model in the Internet Environment, Journal of Physics: Conference Series, 2019, Vol. 1333,
No. paper 032043.
15. Efremova O.A., Pavlov S.V. Ontologicheskaya model' integratsii raznorodnykh po strukture i tematike
prostranstvennykh baz dannykh v edinuyu regional'nuyu bazu dannykh [Ontological model for integrating
spatial databases of heterogeneous structure and subject matter into a single regional database],
Ontologiya proektirovaniya [Design Ontology], 2017, Vol. 7, No. 3 (25), pp. 323-333.
16. Kozierkiewicz-Hetmanska A., Pietranik M. The Knowledge Increase Estimation Framework for Ontology
Integration on the Concept Level, Journal of Intelligent and Fuzzy Systems, 2017, Vol. 32,
pp. 1161-1172.
17. Kravchenko Yu.A., Branchenko D.S. Issledovanie preimushchestv ontologicheskogo podkhoda v
semanticheskom analize dannykh [Study of the advantages of the ontological approach in semantic data
analysis], Informatsionnye tekhnologii, sistemnyy analiz i upravlenie [Information technologies, system
analysis and management], 2016, Vol. 1, pp. 146-151.
18. Brandt S., Kontchakov R., Ryzhikov V. et al. Ontology-Based Data Access with a Horn Fragment of
Metric Temporal Logic, 31st Conference on Artificial Intelligence, 2017, Vol. 31, pp. 1-17.
19. Eiter T., Parreira J.X., Schneider P. Spatial Ontology Mediated Query Answering over Mobility
Streams, The Semantic Web - 14th International Conference, 2017, Part I, Vol. 10249, pp. 219-237.
20. Kravchenko D.Yu., Kravchenko Yu.A., Mansur A.M., Mokhammad Zh.Kh. Metod avtomaticheskogo
izvlecheniya klyuchevykh slov [Method for automatic extraction of keywords], Tr. mezhdunarodnogo
nauchno-tekhnicheskogo kongressa «Intellektual'nye sistemy i informatsionnye tekhnologii – 2022»
(«IS & IT-2022», «IS&IT’22») [Proceedings of the international scientific and technical congress “Intelligent
systems and information technologies - 2022” (“IS & IT-2022”, “IS&IT’22”)]. Vol. 1. Scientific
publication. Taganrog: Izd-vo Stupina S.A., 2022, pp. 90-97.
21. Kravchenko D.Yu., Kravchenko Yu.A., Mansur A.M., Mokhammad Zh.Kh. Modifitsirovannyy metod
postroeniya semanticheskogo predstavleniya teksta na osnove metodov klasterizatsii i vzveshivaniya
terminov [A modified method for constructing a semantic representation of text based on clustering
and term weighting methods], Tr. XII mezhdunarodnoy nauchno-tekhnicheskoy konferentsii
«Tekhnologii razrabotki informatsionnykh sistem (T IS -2022)» [Proceedings of the XII International
Scientific and Technical Conference “Information Systems Development Technologies (TRIS-
2022)”]. Taganrog: 2022, pp. 94-100.
