Метод автоматизированного построения онтологии предметной области тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Антонов, Игорь Вадимович

  • Антонов, Игорь Вадимович
  • кандидат технических науккандидат технических наук
  • 2011, Псков
  • Специальность ВАК РФ05.13.01
  • Количество страниц 156
Антонов, Игорь Вадимович. Метод автоматизированного построения онтологии предметной области: дис. кандидат технических наук: 05.13.01 - Системный анализ, управление и обработка информации (по отраслям). Псков. 2011. 156 с.

Оглавление диссертации кандидат технических наук Антонов, Игорь Вадимович

ВВЕДЕНИЕ.

1. ПРОБЛЕМЫ АВТОМАТИЗАЦИИ ПОСТРОЕНИЯ ОНТОЛОГИИ ПРЕДМЕТНОЙ ОБЛАСТИ.

1.1. Способы формального представления онтологии.

1.2. Инструментальные средства построения онтологии.

1.3. Анализ существующих подходов к автоматизации построения онтологии предметной области.

1.4. Постановка задачи по разработке метода автоматизированного построения онтологии предметной области.

Выводы по главе . 1.

2. РАЗРАБОТКА МОДЕЛИ И МЕТОДА АВТОМАТИЗИРОВАННОГО ПОСТРОЕНИЯ ОНТОЛОГИИ ПРЕДМЕТНОЙ ОБЛАСТИ.

2.1. Математическая модель онтологии предметной области.

2.2. Модель машинного представления онтологии.

2.3. Разработка метода и алгоритмов автоматизированного построения онтологии предметной области.

Выводы по главе 2.

3. ПРОЕКТИРОВАНИЕ ПРОГРАММНОЙ РЕАЛИЗАЦИИ МЕТОДА АВТОМАТИЗИРОВАННОГО ПОСТРОЕНИЯ ОНТОЛОГИИ ПРЕДМЕТНОЙ ОБЛАСТИ.

3.1 Разработка базы данных онтологии предметной области.

3.2 Разработка редактора онтологии предметной области.

3.3 Технология построения онтологии на основе метода автоматизированного построения онтологии предметной области.

Выводы по главе 3.

4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ МЕТОДА АВТОМАТИЗИРОВАННОГО ПОСТРОЕНИЯ ОНТОЛОГИИ ПРЕДМЕТНОЙ ОБЛАСТИ.

4.1 Выбор предметной области для исследования метода автоматизированного построения онтологии.

4.2 Экспериментальное построение онтологии предметной области. 103 Выводы по главе 4.

Рекомендованный список диссертаций по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК

Введение диссертации (часть автореферата) на тему «Метод автоматизированного построения онтологии предметной области»

Процесс развития современного общества характеризуется постоянно возрастающей ролью информационных технологий в науке, производстве и управлении. В последние годы многократно увеличились объемы информационных потоков и сложность ориентации в информационных ресурсах, что привело к необходимости поиска новых способов хранения, представления, формализации, систематизации и обработки информации в компьютерных системах [1-9]. Традиционные технологии в новых условиях не решают на должном уровне задачи навигации по информационным ресурсам, предоставления доступа к информации, поиска файлов и документов. Одним из результатов исследований, проводившихся в последние годы в целях преодоления указанных трудностей, стало появление онтологических технологий и их использование в информационных системах [10-14]. По своей сути онтология предметной области представляет собой формальную модель понятийной структуры предметной области [15-20]. В известной формулировке Грубера (1993) [21] онтология определена как «формальная спецификация концептуализации, которая имеет место в некотором контексте предметной области». Под концептуализацией понимается представление предметной области через описание множества понятий (концептов) предметной области и связей (отношений) между ними. Путем создания онтологий формируется согласованное между специалистами формализованное представление структуры предметной области [22].

Онтологии являются инструментом системного анализа предметной области, обеспечивая целостное представление совокупности понятий, характеризующих предметную область, и их связей [23].

Формализованное представление понятийной структуры предметной области в онтологии делает возможной автоматическую обработку онтологической информации, что находит применение в поисковых системах нового поколения [24-25], мультиагентных системах, системах интеграции данных, получаемых из гетерогенных источников [26, 27].

Онтологии предметной области находят основное применение в следующих областях деятельности:

1. Построение поисковых систем, использующих технологию семантически-ориентированного поиска. Онтологии используются в таких системах как инструмент семантического аннотирования информационных ресурсов.

2. Интегрирование данных и знаний. При объединении информационных баз онтология позволяет устанавливать семантическую эквивалентность фактов и понятий, сформулированных в разных терминах.

3. Построение информационных систем научно-исследовательского назначения. Онтологии являются в этой сфере инструментом обеспечения согласованной между специалистами и унифицированной терминологии предметной области.

4. Системный анализ предметной . области. Онтология предоставляет структурированную и частично формализованную основу для проведения системного анализа предметной области.

5. Создание электронных обучающих систем, использующих онтологическое структурирование элементов знаний и учебных объектов.

На основе онтологических аннотаций может обеспечиваться семантически ориентированный доступ к информации из различных источников, к которым относятся ресурсы глобальной сети [28], научно-технические базы знаний, обучающие системы [29-31], а также управленческие, производственные и коммерческие информационные ресурсы и системы [32-35]. Во всех этих сферах существует проблема возрастающей сложности ориентации пользователей в постоянно увеличивающемся объеме документов, заполняющих информационные хранилища в глобальных и корпоративных сетях. До настоящего времени трудоемкими и требующими дальнейшей разработки являются задачи организации поиска нужной информации, навигации по информационным ресурсам и интегрирования информационных ресурсов в единую среду. Общее направление решения указанных проблем 5 многим специалистам видится в онтологическом подходе к структурированию и аннотированию информационных ресурсов.

В сфере практического применения онтологических технологий наиболее известен проект Semantic Web [36-37], в рамках которого ведется работа по семантическому аннотированию web-pecypcoB на основе онтологий предметной области, что позволяет обеспечить качественно новые возможности навигации в web-среде. В качестве примера систем такого рода можно привести поисковые системы Swoogle (http://swoogle.umbc.edu) [38], Watson (http://watson.kmi.open.ac.uk), SWSE (http://swse.deri.org). Однако значение информационных систем, создаваемых на основе онтологий предметной области, существенно шире рамок проекта Semantic Web. На этой основе могут быть реализованы информационные системы, обеспечивающие согласованное управление корпоративными и персональными данными в различных областях деятельности [10-13]. За рамками web-приложений наибольшего распространения и прогресса использование онтологических технологий пока достигло в сфере медицины. Там созданы обширные онтологические базы, используемые во всём мире и включающие в себя более миллиона понятий (SNOMED СТ, http://www.ihtsdo.org) [39]. Использование онтологий может играть важную роль при создании хранилищ информации и в других предметных областях, в которых информация передается по сети и используется в независимых приложениях. Онтологии задают единые правила структурированного описания сущностей предметной области, позволяя на этой основе различным программам корректно работать с общей информацией и обмениваться ею.

Исследования в области развития информационных технологий с использованием онтологий понятий проводили многие исследователи России и других стран. Результаты, достигнутые в этом направлении, представлены в работах Т.А.Гавриловой [40-41], Н.Г.Загоруйко [42], Л.В.Найхановой [43-44], Е.А.Рабчевского [45-46], В.Ш.Рубашкина [16, 17, 47], T.Gruber [14, 21], S. Staab

48], R. Studer [15], N.F.Noy [49], A.Gomez-Perez [50]. 6

Информационные системы, разработанные на основе онтологий, показали на практике свою эффективность и интерес к ним постоянно растет. Однако существующие методы построения онтологии требуют экспертных знаний в исследуемой предметной области, а построение онтологии на основе их использования занимает существенный объем времени, поэтому актуальной задачей является автоматизация процесса построения онтологии. Фактором, сдерживающим распространение технологий, использующих онтологические модели, является недостаточный уровень разработки формализованных и автоматизированных процедур формирования структуры онтологий и отсутствие соответствующих программных средств. Рассматриваемые же в работах ряда авторов [51-58] методы автоматизации не охватывают всех аспектов построения онтологии и не предусматривают автоматизации построения многоуровневой онтологической иерархии. В этой связи в целом проблема отсутствия инструментов автоматического и автоматизированного построения онтологий остается актуальной. Так в стандарте на методологию онтологического проектирования ГОЕР5 отмечается [59, п.2.4]: «Проектирование онтологии традиционно было трудной и дорогостоящей задачей. Онтологии, разработанные к настоящему времени, являются результатом очень дорогих и ручных усилий высококвалифицированных специалистов. Многие предприятия не в состоянии финансировать такую работу. Стандартные и рентабельные средства создания онтологий должны быть разработаны, если предприятия хотят получить выгоды от использования онтологий».

Таким образом, с одной стороны, создание современных систем представления и обработки знаний невозможно без активного использования онтологических технологий. С другой стороны, процесс построения онтологий остается по настоящее время слабо структурированной задачей, решаемой экспертами предметной области на основе собственной интуиции и профессиональных знаний.

В настоящей диссертационной работе ставятся и решаются задачи, 7 связанные с разработкой математического и программного обеспечения автоматизированного построения онтологии предметной области.

Целью диссертационной работы является разработка средств, обеспечивающих автоматизацию процесса построения онтологии предметной области.

Поставленная цель требует решения следующего ряда взаимосвязанных задач:

1. Исследовать существующие методы и технологии построения онтологии предметной области.

2. Сформировать модель онтологии предметной области, обеспечивающую возможность автоматизации построения онтологии.

3. Разработать метод автоматизированного построения онтологии предметной области.

4. Построить алгоритмы, реализующие метод автоматизированного построения онтологии предметной области.

5. Разработать программное обеспечение построения онтологии предметной области.

Объектом исследования является технология построения онтологии предметной области.

Предметом исследования являются модели и методы автоматизированного построения онтологии предметной области.

Методы исследования. При проведении исследований использовались принципы и методы системного анализа, теория множеств, теория графов, математическая логика, технология объектно-ориентированного анализа и проектирования.

Научные положения, выносимые на защиту:

1. Модель онтологии предметной области, реализующая принцип классообразующей роли атрибутивной структуры концептов.

2. Метод построения онтологии предметной области, обеспечивающий автоматическое размещение концепта в онтологии на основе анализа атрибутивного состава концепта.

3. Проект базы данных и редактора онтологии в качестве программного комплекса, обеспечивающего автоматизированное формирование онтологии предметной области с функциями машинного обучения распознаванию семантически незначимых обобщенных концептов.

Научная новизна.

1. Построенная математическая модель онтологии предметной области, реализующая принцип классообразующей роли атрибутивной структуры концептов, позволяет автоматизировать операции включения концептов в онтологию, выполняемые до этого экспертом предметной области вручную.

2. Разработанный метод построения онтологии предметной области обеспечивает автоматическое размещение новых концептов в онтологической иерархии, что позволяет исключить влияние субъективности эксперта и необходимость принятия экспертом интуитивных решений в процессе определения места включения нового концепта в онтологию.

3. Построенный программный комплекс обеспечивает реализацию совокупности операций автоматизированного построения онтологии предметной области, в том числе, обучение автоматическому распознаванию семантически незначимых обобщенных концептов, что позволяет исключить многократную обработку обобщенных концептов, не имеющих семантической значимости, в процессе построения онтологии.

Практическая ценность работы. В результате проведенной работы создано специальное программное обеспечение, обеспечивающие автоматизацию операций включения концептов в состав онтологии предметной области. Предложенное решение сокращает число операций, выполняемых вручную экспертом предметной области в процессе создания онтологии, исключает влияние субъективности эксперта и необходимость принятия им 9 интуитивных решений при включении новых концептов в состав онтологии. Указанные свойства разработанного в диссертации решения улучшают потребительские качества и расширяют диапазон возможностей программных средств, используемых для построения онтологии предметной области, в случае применения в них разработанного метода.

Разработанные алгоритмы и программные средства могут являться основой для построения систем семантически-ориентированного доступа к информационным ресурсам, включая системы навигации и поиска, электронных обучающих систем, использующих онтологическое структурирование элементов знаний и учебных объектов, информационных систем научно-исследовательского назначения, обеспечивающих построение согласованной между специалистами унифицированной концептуальной модели предметной области.

Реализация результатов работы. Результаты диссертационной работы используются в учебном процессе кафедр вычислительной техники и информационных систем и технологий Псковского государственного политехнического института и кафедры «Прикладная информатика» Санкт-Петербургского Государственного университета технологии и дизайна. Модель онтологии и метод построения онтологии, обеспечивающие автоматизацию размещения новых концептов в онтологической иерархии, используются в качестве теоретических материалов по современным онтологическим технологиям в учебных курсах «Представление знаний в информационных системах» и «Интеллектуальные информационные системы». Редактор онтологии CONCEPT MAKER используется при проведении практических занятий студентов специальности 230201 по курсу «Представление знаний в информационных системах» в качестве инструмента автоматизированного построения онтологии предметной области.

Апробация работы. Результаты работы были представлены для обсуждения на XV Международной научно-методической конференции

Высокие интеллектуальные технологии и инновации в образовании и науке» в ю

2008 году, на XIII Всероссийской конференции по проблемам науки и высшей школы в 2009 году, на XIV всероссийской конференции «Фундаментальные исследования и инновации в национальных исследовательских университетах» в 2010 году, на XIV Международной научно-практической конференции «Системный анализ в проектировании и управлении» в 2010 году, на XVIII Международной научно-методической конференции "Высокие интеллектуальные технологии и инновации в национальных исследовательских университетах" в 2011 году, на 12-м Международном форуме «Высокие технологии 21 века» в 2011 году.

Личный вклад автора. Основные научные положения, методы, алгоритмы и их программные реализации, содержащиеся в диссертационной работе, получены автором самостоятельно.

Публикации. Основные теоретические и практические результаты диссертации опубликованы в 20 научных работах, среди которых 8 статей (одна статья опубликована в журнале, входящем в число ведущих рецензируемых изданий, рекомендуемых в перечне ВАК), 11 докладов на международных и общероссийских научно-практических и научно-технических конференциях, а также 1 свидетельство о государственной регистрации программы для ЭВМ.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, списка использованных источников, включающего в себя 108 наименований. Работа изложена на 128 страницах, содержит 39 рисунков, 6 таблиц и 4 приложения.

Похожие диссертационные работы по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Антонов, Игорь Вадимович

Выводы по главе 4

В результате проведенного экспериментального исследования установлено, что разработанное в настоящей диссертационной работе программное обеспечение успешно решает задачи по построению онтологии предметной области в режиме ручного и автоматического ввода моделей концептов и экземпляров концептов [107-109]. В процессе построения онтологии редактором онтологии CONCEPT MAKER выполняется автоматическое определение места включения нового концепта в онтологическую иерархию, автоматическое формирование обобщенных концептов, формирование концептов на основе автоматического ввода данных об объектах предметной области. Средства навигации и доступа, реализованные в проекте, могут использоваться в качестве основы для

115 построения систем семантически ориентированного доступа к информационным объектам, включая файлы и документы, в различных предметных областях.

Список литературы диссертационного исследования кандидат технических наук Антонов, Игорь Вадимович, 2011 год

1. Воронов М.В. Разработка вполне гибких открытых информационных систем. // Труды 4 Международной конференции Новые информационные технологии. Минск -2000. 5-7 декабря, 2000. С.20-28.

2. Башмаков. А.И. Интеллектуальные информационные технологии: учеб. пособие. М.: Изд-во МГТУ им. Н.Э.Баумана. 2005. - 304 с.

3. Мизогучи Р. Шаг в направлении инженерии онтологий. // Новости искусственного интеллекта. 2000, №1-2 С. 11-36.

4. Рубашкин В. Ш. Представление и анализ смысла в интеллектуальных информационных системах // М.: Наука, 1989.

5. Когаловский М.Р. Перспективные технологии информационных систем. -М.: ИТ-Экономика, 2003. 288 с.

6. Осипов Г.С. Приобретение знаний интеллектуальными системами: Основы теории и технологии // Проблемы искуственного интеллекта. М.: Наука. Физматлит, 1997.

7. Леонтьев A.A., Леонтьев Л.А. Способы представления знаний и их компьютерное моделирование Обработка текста и когнитивные технологии / Под ред. В.Д. Соловьева. Пущино: 1999. Вып.З.

8. Норенков И.П. Интеллектуальные технологии на базе онтологий // Информационные технологии, 2010, №1, с.17-23.

9. Ю.Гладун. А.Я., Рогушина Ю.В. Онтологии в корпоративных системах // Корпоративные системы, 2006 №1, - с. 41-47.

10. П.Попов Э.В. Корпоративные системы управления знаниями // "Новости ИИ", 2001, №1.

11. Ciorascu С., Ciorascu Г. and Stoffel К. knOWLer Ontological Support for Information Retrieval Systems // Proceedings of 26th Annual International ACM SIGIR Conference, Workshop on Semantic Web, Toronto, Canada, August 2003.

12. Ding Y., Fensel D., Klein M., Omelayenko В., Schulten E. The role of ontologies in eCommerce // Steffen Staab, Rudi Studer (ed.), Handbook of Ontologies, 2004.

13. M.Gruber T. Toward principles for the design of ontologies used for knowledge sharing. Presented at the Padua workshop on Formal Ontology // International Journal of Human-Computer Studies, Vol. 43, Issues 4-5, November 1995, pp. 907-928.

14. Staab S., Studer R. (eds). Handbook on Ontologies. // Springer—Verlag, 2004.

15. Рубашкин В. Ш. Онтологии концептуальные границы, проблемы и решения. Точка зрения разработчика // Компьютерная лингвистика и интеллектуальные технологии: Труды международной конференции "Диалог 2007". М.: Издательский центр РГГУ, 2007. С. 481 - 485.

16. Рубашкин В. Ш., Лахути Д.Г. Онтология: от натурфилософии к научному мировоззрению и инженерии знаний // Вопросы философии № 1, 2005. С. 64-81.

17. Нариньяни А.С. Кентавр по имени ТЕОН: Тезаурус + Онтология. // В сб. "Межд. Семинар ДИАЛОГ'2001", Аксаково, Июнь 2001, Том 1, с. 199154

18. Нариньяни. А. С. ТЕОН-2: от тезауруса к онтологии и обратно // Компьютерная лингвистика и интеллектуальные технологии: междунар. семинар Диалог'2002 М.: Наука. 2002. - Т. 1. -С. 307-313.

19. Смирнов А.В., Пашкин М.П., Шилов Н.Г., Левашова Т.В. Онтологии в системах искусственного интеллекта: способы построения и организации // Новости искусственного интеллекта. М.: Изд-во РАИН. 2002. - № 2. -С. 3-9.

20. Gruber Т. R. A Translation Approach to Portable Ontology Specifications. // Knowledge Acquisition. 1993, 5(2). - pp. 199-220.

21. Евгенев Г.Б. Онтология инженерных знаний // Информационные технологии. 2001. №6, с.2-5.

22. Смирнов С.В. Онтологический анализ предметных областей моделирования // Известия Самарского научного центра РАН. 2001. Т.З. № 1, с.62-70.

23. Добров Б.В., Лукашевич Н.В. Лингвистическая онтология по естественным наукагй и технологиям для приложений в сфере

24. Yildiz В., Miksch S. Ontology-Driven Information Systems: Challenges and Requirements // Proceedings of the International Conference on Semantic Web and Digital Libraries, 2007.Й.11.

25. Guarino Nicola. Formal Ontology and Information Systems // Formal Ontology in Information Systems. Proceedings of FOIS'98, Trento, Italy, 6-8 June 1998. Amsterdam, IOS Press, pp. 3-15.

26. Berners-Lee Т., Hendler J., Lassila О. The Semantic Web // Scientific American. 2001. - May 17.

27. Аверченков, В.И., Рощин C.M. Мониторинг и системный анализ информации в сети Интернет: монография. Брянск: БГТУ, 2006. - 160 с.

28. Ruch P.; Gobeil J., Lovis C., Geissbtihler A. Automatic medical encoding with SNOMED categories // BMC Medical Informatics and Decision Making 20082008, 8(Suppl 1):S6.

29. Гаврилова T.A., Хорошевский В.Ф. Базы знаний интеллектуальных систем: учебное пособие для вузов. СПб.: Питер, 2000. - 382с.

30. Найханова J1. В., Хаптахаева Р. Б., Янсанова Е. Н. Создание декларативного метода извлечения знаний из терминологических словарей // Информационные технологии, 2008. № 12. С. 2—8.

31. Найханова, JI.B. Технология создания методов автоматического построения онтологий с применением генетического и автоматного программирования : монография. Федеральное агенство по образованию, ГОУ ВПО ВСГТУ. Улан-Удэ : Изд-во БНЦ СО РАН, 2008. - 244с.

32. Рабчевский Е.А., Булатова Г.И., Автоматическое построение онтологий // Научно-технические ведомости СПбГПУ. 2007. - 4. - Санкт-Петербург : Изд-во политехнического Университета, 2007.

33. Sure Y, Erdmann M., Angele J., Staab S., Studer R., Wenke D. OntoEdit: Collaborative ontology development for the Semantic Web. // In Proc. of the Inter. Semantic Web Conference (ISWC 2002), Sardinia, Italia, June 2002.

34. Gomez-Perez A., Fernando-Lopez M., Corcho O. Ontology Engineering // Springer-Verlag, 2004.

35. Haav Н.М. An Application of Inductive Concept Analysis to Construction of Domainspecific Ontologies. // In Proceedings of the Workshop of VLDB2003, 2003, - pp.63-67.

36. Maedche, A. and Staab, S.: Discovering Conceptual Relations from Text. ECAI 2000. Proceedingsof the 14th European Conference on Artificial Intelligence, IOS Press, Amsterdam, 2000

37. IDEF5 Method Report. Armstrong Laboratory AL/HRGA Wright-Patterson Air Force Base, Ohio 45433. -1994, - 187p.

38. Добров Б.В., Иванов B.B., Лукашевич H.B., Соловьев В.Д. Онтологии и тезаурусы: модели, инструменты, приложения. М., БИНОМ, Интернет-университет информационных технологий-ИНТУИТ.ру, 2009. - 173с.

39. Коваль С.А. Безэкземплярные и экземплярные онтологии. Материалы XXXVI Междунар. филолог, конф. 12 марта 2007 г. в Санкт

40. Петербургском университете (в печати).http://skowal.narod.ru/research/ontology2007

41. Клещёв А. С., Артемьева И. JI. Математические модели онтологий предметных областей. Ч. 1. Существующие подходы к определению понятия " онтология '7/НТИ. Сер. 2. 2001. - № 2. - с. 20 - 27.

42. Клещёв А. С., Артемьева И. JI. Математические модели онтологий предметных областей. 4.2. Компоненты модели //НТИ. Сер. 2. 2001. -№ 3. - с. 19-29.

43. Клещёв А. С., Артемьева И. JI. Математические модели онтологий предметных областей. Ч. 3. Сравнение разных классов моделей онтологий //НТИ. Сер. 2. 2001. - № 4. - С. 10-15.

44. Finin Т., Mayfield J., Grosof В. DARPA Agent Markup Language (DAML) Tools for Supporting Intelligent Annotation, Sharing and Retrieval. 2007 University of Maryland, Baltimore, 109p.

45. Декер С., Мельник С. Semantic Web: роли XML и RDF // Открытые системы, 2001. № 09. С. 23-27.

46. Brickley D., Guha R.V. Resource description framework (RDF) schema specification. http://www.w3.org/TR/PR-rdf-schema. W3C Proposed Recommendation. Technical report, W3C, 1999.

47. Бездушный A. A. RDFS как основа среды разработки цифровых библиотек и Web-порталов / Бездушный А. А., Бездушный А. Н., Нестеренко А. К., Серебряков В. А., Сысоев Т. М. // Электронные библиотеки 2003 - №3 Электронный журнал. - http://www.elbib.ru/.

48. OWL Web Ontology Language Semantics and Abstract Syntax. http://www.w3.org/TR/owl-semantics. W3C, 2004.

49. Михаленко П. Язык онтологий в Web. //URL: http://www.osp.ni/os/2004/02/l 83921/

50. Kalyanpur A. et al. OWL: Capturing Semantic Information using a Standardized Web Ontology Language. // Multilingual Computing & Technology Magazine, Vol. 15, issue 7, Nov 2004.

51. Минский M. Фреймы для представления знаний. М.: Энергия, 1979. -152с.

52. Cui. Z., Сох M, Jones D. An Environment for Managing Enterprise Domain Ontology // Chapter in Information Modeling lor the New Millennium. IBSR. -2000. http:/www.btexact.com/-project/-ibsr/publications.htm

53. Gruninger M., Obrst L. An Ontology Framework // Ontology Summit NIST, Gaithersburg, MD April 22-23, 2007

54. Слета В. Д., Сергеев А. С. Построение и эволюционное развитие онтологий // Известия ПГПУ им. В.Г. Белинского. 2010 № 18 (22). С. 196-200.

55. Муромцев Д.И. Онтологический инжиниринг знаний в системе Protégé: Методическое пособие. — СПб: СПбГУ ИТМО, 2007. — 62 с.

56. Horridge M. et al. A Practical Guide To Building OWL Ontologies Using The Protege-OWL Plugin and CO-ODE Tools Edition 1.0 // University Of Manchester, 2004.

57. Смирнов A.B., Пашкин М.П., Шилов Н.Г., Левашова Т.В. Управление онтологиями // Известия РАН. Теория и системы управления. 2003. Ч. 1, № 4. С. 132—146; Ч. 2, № 5. С. 89—101.

58. Лурия А. Р. Язык и сознание./ Под редакцией Е. Д. Хомской. М: Изд-во Моск. ун-та, 1979 - 320 с.

59. В. А. Пронина, Л. Б. Шипилина, "Использование отношений между атрибутами для построения онтологии предметной области", Пробл. управл., 2009, № 1, С. 27-32.

60. Wille R. Concept lattices and conceptual knowledge systems. // Computers and Mathematics with Applications, 1992, №23.

61. Евтушенко С.А., Система анализа данных "Concept Explorer," труды 7-ой Национальной Конференции по Искусственному Интеллекту (КИИ-2000), Москва, 2000, с.127-134.

62. Антонов И.В., Воронов М.В. Методы анализа данных в задачах автоматизации построения онтологии предметной области // Дистанционное и виртуальное обучение. 2011. - N 8. - с. 19-35.

63. Барсегян А. А., Куприянов М. С., Степаненко В. В., Холод И. И. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP. 2-е изд., перераб. и доп. -СПб.: БХВ-Петербург, 2007. -384 с.

64. Антонов И.В., Воронов М.В. К разрешению проблемы автоматизации построения онтологии предметной области // Моделирование и анализ данных. Труды факультета информационных технологий МГГТПУ. Вып.6 (2011) М.: РУСАВНА. 2011 . с. 47-53.

65. Антонов И.В. Метод автоматизированной поддержки формирования онтологии предметной области. // Математические методы в технике и технологиях ММТТ-23: сб.трудов XXIII Междунар. науч. конф. Т. 12. Смоленск: РИО ф-ла ГОУВПО МЭИ (ТУ), 2010. - с.59-63.

66. Антонов И.В., Воронов М.В. Метод построения онтологии предметной области // Вестник СПБГУТД. Периодический научный журнал. Серия "Естественные и технические науки", №2, 2010 СПБ, - с. 28-32.

67. Антонов И.В., Воронов М.В. Методы анализа данных в задачах автоматизации построения онтологии предметной области // Дистанционное и виртуальное обучение. 2011. - N 8. - с. 12-19.

68. Шилдт Герберт С# 3.0 Полное руководство. М., ООО «И.Д.Вильямс», 2010, 992с.

69. Троелсен. Э. Язык программирования С# 2008 и платформа .NET 3.5. «И.Д.Вильямс», 2010, 1344с.

70. Когаловский М.Р. Абстракции и модели в системах баз данных. // СУБД, 4-5/1998, с. 73-81.

71. Антонов И.В. Модель онтологии предметной области для систем семантически-ориентированного доступа // Труды Псковского политехнического института. Электротехника. Машиностроение .— 2011 .—№ 14.3 .— с. 339-343.

72. IEEE Learning Technology Standards Committee (LTSC), Learning Object Metadata (LOM), IEEE PI 484.12-2002. Url: http : //www. imsglobal .org/metadata/

73. SCORM 2004 4th Edition Version 1.1 Overview. Url: http://www.adlnet.gov/Technologies/scorm/SCORMSDocuments/2004%204th %20Edition/Overview.aspx

74. Кузнецов С. О., Объедков С. А. Алгоритмы построения множества всех понятий формального контекста и его диаграммы Хассе. // Изв. Рос. акад. наук. Теория и системы упр. 2001 . N 1. с. 120-129.

75. Антонов И.В. Инструментальные средства автоматизированного формирования онтологии предметной области // Труды Псковского политехнического института. Электротехника. Машиностроение .— 2011 .—№ 14.3 .—с.335-339.

76. Свидетельство о государственной регистрации программы для ЭВМ № 2011616150. Программа автоматизированного построения онтологии предметной области CONCEPT MAKER // И.В. Антонов 2011.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.