Современные системы поддержки принятия решений (СППР) работают с потоками данных из IoT-сенсоров, баз данных, текстовых сообщений и социальных медиа, представленных в различных форматах и обладающих неодинаковыми смысловыми моделями и качеством. Отсутствие семантически согласованной интеграции приводит к неоднозначной интерпретации сущностей, дублированию и потере контекста, что снижает качество и оперативность решений. Цель работы – систематизировать методы семантического анализа и интеграции гетерогенных информационных потоков для СППР, выявить их преимущества, ограничения и области применения. Исследование выполнено в форме аналитического обзора публикаций 2018–2025 гг. по семантической интероперабельности, онтологиям и знаниевым графам, многоисточниковому слиянию данных, федеративному доступу и потоковой обработке. Показано, что обеспечение семантической совместимости достигается за счёт онтологий и знаниевых графов, задающих общие сущности и идентификаторы и обеспечивающих гибкость схемы интеграции. Для режимов реального времени наиболее результативны гибридные решения, сочетающие семантический слой с алгоритмами слияния и учётом доверия к источникам; в прикладных кейсах отмечаются улучшения точности порядка 15–20% и сокращение времени отклика до 70–80% при использовании многоисточниковых моделей. Для неструктурированных потоков ключевую роль играют NLP и машинное обучение, обеспечивающие извлечение сущностей и отношений и семантическое обогащение данных. Полученные результаты могут быть использованы при проектировании СППР в доменах умного города, промышленности и здравоохранения. Кроме того, работа подчеркивает важность стандартов, таких как SHACL для валидации и SPARQL для запросов, которые усиливают практическую применимость семантических подходов. Перспективы включают автоматизацию ontology alignment для снижения трудозатрат и интеграцию с ИИ для динамической адаптации к новым источникам данных
В современном мире одним из ключевых каналов коммуникации является Интернет. Через электронные площадки осуществляется торговля, продвижение услуг. Социальные сети и мессенджеры становятся важнейшим каналом общения и мощным инструментом воздействия на общественное мнение. Весомую долю во всем публикуемом контенте зани- мают тексты, написанные на естественном языке. Поэтому проблемы обработки и по- нимания естественных языков (ЕЯ) на сегодняшний день являются одними из ключевых. Под влиянием коммерческих интересов активно развивается область автоматического анализа тональности на основе аспектов. Данная задача существенно зависит от кон- кретных предметных областей, и поэтому вопрос быстрой и эффективной адаптации существующих моделей к новым доменам стоит весьма остро. В работе предлагается гибридный метод аспектно-ориентированного анализа тональности текстов, основанный на данных, извлеченных как из общеупотребительных словарей, так и из домен- ориентированных текстов. Предложен метод построения конденсированного семантиче- ского графа на основе неструктурированных домен-зависимых текстов. Введены числен- ные метрики, позволяющие оценивать значимость отдельных терминов в пределе всего домена. Предложен алгоритм категоризации текстов, основанный на выделении семанти- ческих кластеров в пределах конденсированного домен-специфического графа. Предложен метод оценки тональности домен-ориентированных текстов, основанный на статисти- ческих данных, включая совместное использования тонального словаря и сконденсирован- ного домен-специализированного графа. Приведены результаты экспериментов, позволяю- щие оценить качество работы алгоритмов.
