Модели управления контекстом в системах интеллектуальной поддержки принятия решений в структурированных динамических областях тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Левашова, Татьяна Викторовна

• Левашова, Татьяна Викторовна
• кандидат технических наук
• 2009

Оглавление диссертации кандидат технических наук Левашова, Татьяна Викторовна

Введение.

Положения, выносимые на защиту.

Глава 1. Проблемы интеллектуальной поддержки принятия решений в динамических структурированных областях.

1.1. Понятие контекста.

1.2. Виды контекста.

1.3. Модели представления контекста.

1.4. Получение онтологической модели контекста.

1.5. Свойства контекста.

1.6. Управление контекстом.

Выводы по главе 1.

Глава 2. Концептуальные основы построения контекстно-управляемых систем интеллектуальной поддержки принятия решений в структурированных динамических областях.

2.1. Принципы построения и функционирования контекстно-управляемой системы интеллектуальной поддержки принятия решений.

2.2. Концептуальная модель функционирования контекстно-управляемой системы интеллектуальной поддержки принятия решений.

2.3. Онтологическая модель представления знаний.

2.4. Онтологическая модель контекста.

2.4.1. Алгоритм построения онтологической модели абстрактного контекста.

2.4.2. Модель информационного ресурса.

2.4.3. Расширенная модель абстрактного контекста.

2.4.4. Прикладной контекст.

Выводы по главе 2.

Глава 3. Технологические основы построения контекстно-управляемых систем интеллектуальной поддержки принятия решений в структурированных динамических областях.

3.1. Общий сценарий работы контекстно-управляемой СИППР.

3.2. Модель формирования сети информационных ресурсов для моделирования и решения текущей задачи пользователя.

3.3. Технологическая модель.

Выводы по главе 3.

Глава 4. Контекстно-управляемая поддержка принятия решений при ликвидации последствий чрезвычайных ситуаций.

4.1. Прикладная онтология «управление чрезвычайными ситуациями»

4.2. Дорожно-транспортное происшествие: абстрактный контекст.

4.3. Дорожно-транспортное происшествие: прикладной контекст.

Выводы по главе 4.

Введение диссертации (часть автореферата) на тему «Модели управления контекстом в системах интеллектуальной поддержки принятия решений в структурированных динамических областях»

Актуальность темы диссертации. Динамические структурированные области характеризуются хорошо формализуемыми знаниями и большими объемами анализируемой и обрабатываемой динамической информации, которая поступает от разнородных информационных ресурсов. По мере развития сетевых технологий и Интернет из разрозненных информационных ресурсов стала формироваться открытая информационная среда. Актуальными задачами, стоящими перед разработчиками систем поддержки принятия решений, ориентированных на функционирование в такой среде, являются уменьшение объемов поступающей информации и обеспечение пользователей системы вариантами решений, которые могут быть приняты в текущей ситуации. Перечисленные задачи могут быть решены при помощи технологии управления контекстом. Все это приводит к целесообразности использования технологии управления контекстом в системах поддержки принятия решений, обусловивших появление контекстно-управляемых систем интеллектуальной поддержки принятия решений (СИППР).

В основе технологии управления контекстом лежит модель контекста. Контекст, формализованный средствами онтологической модели представления знаний, позволяет структурировать накопленную информацию и обеспечивает семантическую совместимость информационных ресурсов друг с другом и с СИППР. Использование онтологической модели для представления знаний рекомендовано методологией IDEF (Integrated DEFinition Methods) и технологиями Semantic Web и W3C.

Цель работы и задачи исследования. Целью диссертационной работы является разработка моделей управления контекстом в СИППР, предназначенных для функционирования в структурированных динамических областях, и моделей функционирования таких систем для повышения оперативности принятия решений.

Для достижения поставленной цели в диссертационной работе поставлены и решены следующие задачи:

- проанализированы модели представления, построения и использования контекста в существующих контекстно-управляемых системах;

- разработана модель контекста для динамической структурированной области;

- разработана концептуальная модель функционирования контекстно-управляемой СИППР в открытой информационной среде;

- разработана технологическая модель, позволяющая реализовать функции контекстно-управляемой СИППР;

- концептуальная и технологическая модели проверены в рамках прототипа СИППР.

Методы исследования. В работе используются методы управления он-тологиями и контекстом, методы математической логики и сетей ограничений для представления и обработки знаний, теория множеств.

Научная новизна. В диссертации разработаны теоретические основы и формальные модели создания контекстно-управляемых СИППР.

1. Предложена концептуальная модель функционирования контекстно-управляемых СИППР, основанная на принципе двухуровневого моделирования ситуации (задачи) и позволяющая создавать формальную модель ситуации с последующей ее интерпретацией при конкретных условиях;

2. Предложена онтологическая модель контекста, отличающаяся возможностью совмещать в себе модель задачи с динамическими переменными и набор функциональных средств для решения данной задачи;

3. Для построения предлагаемой модели контекста разработан набор операций над онтологиями, позволяющий автоматизировать процедуру построения таких моделей;

4. Разработан набор сценарных моделей формирования сети информационных ресурсов, позволяющий выбирать ресурсы открытой информационной среды в зависимости от выполняемых ими функций, их доступности и наличия альтернативных ресурсов;

5. Для реализации функций СИППР разработана новая технологическая модель, включающая в себя технологии управления онтологиями, управления контекстом, удовлетворения ограничений и профилирования.

Обоснованность и достоверность научных положений подтверждаются результатами анализа состояния исследований в области построения контекстно-управляемых СИППР, корректностью предложенных моделей и согласованностью результатов, полученных при практической реализации данных моделей.

Практическая ценность работы. Концептуальная модель функционирования контекстно-управляемых СИППР и технологическая модель, реализующая данную концепцию, могут быть использованы для построения СИППР, предназначенных для работы в открытых средах. Предложенная модель контекста позволяет генерировать новые модели задач пользователя за счет интеграции знаний проблемной области, различных методов решения одной и той же задачи и объединения нескольких задач, рассматриваемых как подзадачи более общей задачи, в общий контекст и оперативно решать моделируемые задачи за счет использования ресурсов открытой информационной среды. Предложенный способ интеграции знаний на основе операций над онтологиями в контекст позволяет сузить пространство поиска допустимых решений за счет выявления релевантных задаче пользователя информации и знаний. Предложенная модель использования информационных ресурсов открытой информационной среды позволяет объединять разнородные объекты для решения ими общей задачи или достижения общей цели.

Прототип СИППР, реализующий предложенные концептуальные и технологические модели, может быть использован в области управления чрезвычайными ситуациями (ЧС) для оперативной помощи пострадавшим и ликвидации последствий ЧС, а также может быть адаптирован к другим проблемным областям, что потребует надлежащей онтологической модели.

Реализация результатов работы

Исследования, отраженные в диссертации, поддержаны грантами РФФИ (№ 02-01-00284 «Методологические и математические основы построения компьютерных систем быстрой интеграции знаний из распределенных источников»; № 05-01-00151 «Методологические и математические основы построения контекстно-управляемых систем интеллектуальной поддержки принятия решений в открытой информационной среде»; № 08-07-00264 «Концептуальные и сценарные модели самоконтекстуализируемых систем интеллектуальной поддержки принятия решений»); проектом Президиума РАН № 2.35 «Контекстно-управляемая методология построения распределенных систем интеллектуальной поддержки принятия решений в открытой информационной среде», 2004 — 2008; проектом ОНИТ РАН № 1.9 «Разработка систем контекстно-управляемой поддержки принятия решений в распределенной информационной среде», 2006 -2008.

Апробация полученных в диссертации результатов подтверждена актами об использовании результатов диссертационной работы в процессе обучения студентов в Санкт-Петербургском государственном электротехническом университете «ЛЭТИ» и при разработке программно-технологического комплекса подбора компонентов управляемых электроприводов и инструментального комплекса сборки управляемых электроприводов в Санкт-Петербургском филиале ОАО «Концерн «Радиотехнические и Информационные Системы».

Апробация результатов работы. Основные положения и результаты диссертации представлялись на национальных конференциях по искусственному интеллекту (Коломна, 2002; Дубна, 2008); международных конференциях «Проблемы управления и моделирования в сложных системах» (Самара, 2003 — 2007), «Интеллектуальные системы» (Дивноморское, 2003 - 2008), «Онтологии, базы данных и применение семантики (ODBASE'03)>> (Катания, Италия, 2003), «Моделирование и использование контекста (CONTEXT-05)» (Париж, Франция, 2005), «Системный анализ и информационные технологии» (Переславль-Залесский, 2005), «Системный анализ и информационные технологии» (Обнинск, 2007); «Слияние информации (Information Fusion)» (Стокгольм, Швеция, 2004; Филадельфия, США, 2005; Флоренция, Италия, 2006; Квебек, Канада,

2007); «Самоорганизация и адаптация вычислений и взаимодействий (SACC

2008)» (Глазго, Великобритания, 2008).

Публикации. Основные результаты по материалам диссертационной работы опубликованы в 12 работах, в том числе в 8 рецензируемых изданиях из списка ВАК.

Структура и объем работы. Диссертация объемом 117 страниц содержит введение, четыре главы, заключение, приложение, список литературы (112 наименований), 22 рисунка, 6 таблиц.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Левашова, Татьяна Викторовна

Выводы по главе 4

На основе теоретических исследований, изложенных в диссертационной работе, разработан прототип контекстно-управляемой СИППР по планированию и управлению оказанием помощи пострадавшим в ЧС, В главе описывается работа прототипа на примере решения задачи эвакуации пострадавших и ликвидации последствий ДТП с возгоранием.

Полученные в результате работы прототипа оценки позволяют говорить о том, что предложенный подход позволить повысить оперативность принятия решений за счет сокращения времени, требуемого на получение картины текущей ситуации и на организацию взаимодействия между силами и средствами, привлеченными к ликвидации последствий ЧС. Предусмотренная в прототипе возможность автоматического поиска эффективных решений позволит повысить качество решений.

Прототип контекстно-управляемой СИППР может быть использован в области управления ЧС для оказания оперативной помощи пострадавшим и ликвидации последствий ЧС, а также может быть адаптирован к другим проблемным областям, что потребует надлежащей онтологической модели.

ЗАКЛЮЧЕНИЕ

Совокупность разработанных в работе моделей, а также их практическая реализация представляют собой решение актуальной научно-технической задачи по созданию контекстно-управляемых СИППР в структурированных динамических областях. Такие СИППР предназначены для функционирования в открытых средах и обеспечивают повышение оперативности принятия решений. Получены следующие результаты:

1. Разработана концептуальная модель функционирования контекстно-управляемых СИППР в открытой информационной среде, позволяющая автоматизировать процессы поддержки принятия решений и повысить оперативность принятия решений;

2. Предложена двухуровневая онтологическая модель контекста, совмещающая в себе модель задачи с динамическими переменными, модель концептуальных знаний, требуемых для решения данной задачи, и содержащая набор функциональных средств, обеспечивающих решение этой задачи;

3. Предложен набор операций над онтологиями, который может быть использован для построения онтологических моделей контекста, что позволяет автоматизировать процедуру построения таких моделей;

4. Разработана сценарная модель формирования сети Web-сервисов, позволяющая выбирать ресурсы открытой информационной среды в зависимости от выполняемых ими функций, их доступности и наличия альтернативных ресурсов;

5. Разработана новая технологическая модель, включающая в себя технологии управления онтологиями, управления контекстом, удовлетворения ограничений и профилирования и обеспечивающая функциональность контекстно-управляемой СИППР.

Список литературы диссертационного исследования кандидат технических наук Левашова, Татьяна Викторовна, 2009 год

1. Артемьева И. J1. Сложно структурированные предметные области. Построение многоуровневых онтологий // Информационные технологии. 2009. № 1.С. 16—21.

2. Вагин В. Н. Дедукция и обобщение в системах принятия решений. М.: Наука, 1988. 384 с.

3. Гаврилова Т. А. Использование онтологий в системах управления знаниями Электронный ресурс. // Бизнес Инжиниринг Групп: [сайт]. [2003]. URL: http://bigc.ru/publications/bigspb/km/use ontology in suz.php (дата обращения: 28.05.2009).

4. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. СПб: Изд-во "Питер", 2000. 384 с.

5. Геловани В. А., Башлыков А. А., Бритков В. Б., Вязилов Е. Д. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды. М: Едитори-алУРСС, 2001. 304 с.

6. Данилин А. В. Технологии интеграции информационных систем на основе стандартов XML и Web-служб // Современные технологии в информационном обеспечении науки. М.: Научный Мир, 2003. С. 134—140.

7. Захаров И. Г. Обоснование выбора. Теория практики. СПб: Судостроение, 2006. 528 с.

8. Золотов Е. В., Кузнецов И. П. Расширяющиеся системы активного диалога. М.: Наука, 1982.317 с.

9. Искусственный интеллект: в 3 кн. Кн. 2. Модели и методы: Справочник; под ред. Д. А. Поспелова. М.: Радио и связь, 1990. 304 с.

10. Калиниченко JI.A. Методы и средства интеграции неоднородных баз данных; под ред. Jl. Н. Королева. М.: Наука, 1983. 424 с.

11. Кокорева Л. В., Малашинин И. И. Проектирование банков данных. М: Наука, 1984. 256 с.

12. Кузнецов И. П. Семантические представления. М.: Наука, 1986. 295 с.

13. Ларичев О. И., Петровский А. В. Системы поддержки принятия решений. Современное состояние и перспективы их развития // Итоги науки и техники. Сер. Техн. кибернетика. М.: ВИНИТИ, 1987. Т. 21. С. 131—164.

14. Ларичев О. И., Мошкович Е. М. Качественные методы принятия решений. М.: Наука; Физматлит, 1996. 208 с.

15. Левашова Т.В., Пашкин М.П., Смирнов А.В., Шилов Н.Г. «Web-DESO»: система управления онтологиями // Тр. восьмой национальной конференции по искусственному интеллекту (КИИ'2002). Коломна, Россия, 2002. М.: Физматлит, 2002. Т. 1. С. 437—445.

16. Макальский Л. М. и др. Реализация экспорта / импорта данных между разнородными информационными системами // Информационные технологии моделирования и управления. 2008. Вып. 48, № 5. С. 572—577.

17. Макаров И. М., Виноградская Т. М., Рубчинский А. А., Соколов В. Б. Теория выбора и принятия решений. М.: Наука, 1982. 328 с.

18. Осипов Г. С., Виноградов А. Н., Жилякова JI. Ю. Динамические интеллектуальные системы // Изв. АН. Теория и системы упр. М: Наука. 2002. Ч. 1. Представление знаний и основные алгоритмы, № 6. С. 119—127.

19. Охтилев М. Ю., Соколов Б. В., Юсупов Р. М. Интеллектуальные технологии мониторинга и управления структурной динамикой сложных технических объектов. М.: Наука, 2006. 410 с.

20. Подиновский В. В., Ногин В. Д. Парето-оптимальные решения многокритериальных задач. М.: Наука, 1982. 256 с.

21. Попов Э. В. Общение с ЭВМ на естественном языке. М.: Наука, 1982. 360 с.

22. Попов Э. В. Экспертные системы. М.: Наука, 1987. 288 с.

23. Поспелов Д. А. Ситуационное управление: теория и практика. М: Наука, 1986, 288 с.

24. Станкевич JI. А. Интеллектуальные технологии и представление знаний системы: учеб. пособие. СПб.: СП6ГТУ, 2000. 156 с.

25. Стефанюк В. JI. "Локальная организация интеллектуальных систем. М.: Физматлит, 2004. 328 с.

26. Тейлор Д., Рэйден Н. Почти интеллектуальные системы. Как получить конкурентные преимущества путем автоматизации принятия срытых решений. Пер. с англ. СПб: Символ-Плюс, 2009. 448 с.

27. Шапошников И. В. Web-сервисы Microsoft .NET. СПб.: БХВ-Петербург, 2002. 336 с.

28. Шоломов J1. А. Логические методы исследования дискретных моделей выбора. М.: Наука, 1989. 288 с.

29. Юдин Д. Б. Вычислительные методы теории принятия решений. М.: Наука, 1989. 320 с.

30. Berners-Lee Т., Hendler J., Lassila O. The Semantic Web // Scientific American. 2001. Vol. 284, no. 5. P. 34—43.

31. Bowen J. Constraint Processing Offers Improved Expressiveness and Inference for Interactive Expert Systems // Proc. Intern. Workshop on Constraint Solving and Constraint Logic Programming. 2002. P. 93—108.

32. Brezillon P. Context in Artificial Intelligence: I. A Survey of the Literature // Computer & Artificial Intelligence. 1999. Vol. 18, no. 4. P. 321—340.

33. Brezillon P. Context in Artificial Intelligence: II. Key Elements of Contexts // Computer & Artificial Intelligence. 1999. Vol. 18, no. 5. P. 425—446.

34. Brezillon P. Context in Problem Solving: a Survey // The Knowledge Engineering Review. 1999. Vol. 14, no. 1. P. 1—34.

35. Brezillon P., Cavalcanti M. Modeling and Using Context: Report on the first international and interdisciplinary conference CONTEXT-97 // The Knowledge Engineer Review. 1997. Vol. 12, no. 4. P. 1—10.

36. Chandrasekaran В., Josephson J. R., Benjamins V. R. What are Ontologies, and Why Do We Need Them? // IEEE Intelligent Systems & Their Applications.1999. January/February. P. 20—26.

37. Chaudhri V. K., Lowrance J. D., Stickel M. E., Thomere J. F., Wadlinger R. J. Ontology Construction Toolkit. Technical Note Ontology: Report / AI Center.2000. SRI Project No. 1633. 85 p.

38. Dey A. K. Understanding and Using Context // Personal and Ubiquitous Computing Journal. 2001. Vol. 5, no. 1. P. 4—7.

39. Ding Y., Fensel D., Klein M., Omelayenko B. Ontology management: survey, requirements and directions Electronic resource. // On-To-Knowledge: Content-driven Knowledge management Tools through Evolving Ontologies: 1ST

40. Project IST-1999-10132: site. [2001]. Deliverable 4. URL: http://www.ontoknowledge.org/downl/del4.pdf (access date: 06.07.2009).

41. Firat A., Madnick S., GrosofB. Contextual Alignment of Ontologies in the eCOIN Semantic Interoperability Framework // Information Technology and Management. 2007. Vol. 8, no. 1. Springer Netherlands. P. 47—63.

42. Floreen P. et al. Towards a Context Management Framework for MobiLife [Electronic resource] // Proc. 14th 1ST Mobile & Wireless Communications

43. Summit. Dresden, Germany, 19—23 June, 2005. URL: http://-www.cs.helsinld.fi/u/ptnurmi/papers/285.pdf (access date: 06.07.2009).

44. Gangemi A., Pisanelli D. M., Steve G. An Overview of the ONIONS Project: Applying Ontologies to the Integration of Medical Terminologies // Data & Knowledge Engineering. 1999. Vol. 31. P. 183—220.

45. Gennari J. H. et al. Mapping Domains to Methods in Support of Reuse // Int. J. Human-Computer Studies. 1994. Vol. 41. P. 399—424.

46. Griffiths J., Millard D. E., Davis H., Michaelides D. Т., Weal M. J. Reconciling Versioning and Context in Hypermedia Structure Servers // Proc. Metainfor-matics International Symp. (MIS 2002). Esbjerg, Denmark, 2002. P. 118—131.

47. Gruber T. Ontology // Encyclopedia of Database Systems; eds. by L. Liu and M. T. Ozsu. Springer, 2009.

48. Guarino N. Understanding, Building, and Using Ontologies A Commentary to "Using Explicit Ontologies in KBS Development" (by van Heijst, Schreiber, and Wielinga) // International Journal of Human and Computer Studies. 1997. Vol. 46, no. 2/3. P. 293—310.

49. Kent R. E. The IFF Foundation for Ontological Knowledge Organization // Cataloging & Classification Quarterly. 2003. Vol. 37, no. 1 2. P. 187—203.

50. Kifer M., Lausen G., Wu J. Logical Foundations of Object-Oriented and Frame-Based Languages // J. ACM. 1995. Vol. 42. P. 741—843.

51. Klein M., Fensel D. Ontology versioning on the Semantic Web Electronic resource. // Proc. 1st Semantic Web Working Symposium, С A, USA, 2001. URL: http://www.few.vu.nl/~mcaklein/papers/SWWSQ 1 .pdf (access date: 06.07.2009).

52. Lenat D.B. Cyc: A Large-Scale Investment in Knowledge Infrastructure // Communications of the ACM, 1995. Vol. 38, no. 11. P. 33—38.

53. Lyons J. Linguistic Semantics: an Introduction. Cambridge University Press, 1995.376 р.

54. MacGregor R., Patil R.S. Tools for Assembling and Managing Scalable Knowledge Bases Electronic resource. / Information Sciences Institute: [site]. [1997]. URL: http://www.isi.edu/isd/OntoLoom/hpkb/OntoLoom.html (access date: 06.07.2009).

55. McCarthy J. Notes on Formalizing Context // Proc. Intern. Joint Conf. Artificial Intelligence. Chambery, France, August 28 September 3, 1993. Morgan Kaufmann, 1993. Vol. 1. P. 555—560.

56. Mitra P., Wiederhold G. An Ontology Composition Algebra // Handbook on Ontologies; eds. by S. Staab, R. Studer. Berlin; Heidelberg; New York: Sprin-ger-Verlag, 2003. P. 93—113.

57. Noy N. F. Tools for Mapping and Merging Ontologies // Handbook on Ontologies; eds. by S. Staab, R. Studer. Berlin; Heidelberg; New York: Springer-Verlag, 2003. P. 365—384.

58. Noy N. F., Musen M. A. Ontology Versioning in an Ontology-Management Framework // IEEE Intelligent Systems. 2003. Vol. 19, no. 4. P. 6—13.

59. Noy N.F., Musen M.A. Algorithm and Tool for Automated Ontology Merging and Alignment // Proc. Seventeenth National Conf. on Artificial Intelligence (AAAI-2000). USA, Austin, 2000. P. 450—455.

60. Noy N. F., Musen M. A. The PROMPT Suite: Interactive Tools For Ontology Merging And Mapping // Intern. J. Human-Computer Studies, 2003. Vol. 59, no. 6. Pp. 983—1024.

61. Ontology Electronic resource. // Semantic Web: [site]. [2009]. URL: http://semanticweb.org/wiki/Ontology (access date: 28.05.2009).

62. OpenCyc.org. Electronic resource. // Cycorp, Inc.: [site]. [2001 2009]. URL: http://opencyc.org/ (access date: 06.07.2009).

63. Ozturk P. Aamodt A. A Context Model for Knowledge-Intensive Case-Based Reasoning // Intern. J. Human-Computer Studies. Vol. 48: Special Issue on Using Context in Applications. 1998. No. 3. P. 331—355.

64. PHP Electronic resource. // The PHP Group: [site]. [2001 2009]. URL: http://www.php.net (access date: 15.01.2009).

65. Pincus Z., Musen M. Contextualizing Heterogeneous Data for Integration and Inference // AMIA Annual Symposium Proc., 2003. P. 514—518.

66. Pomerol J.-Ch., Brezillon P. About Some Relationships Between Knowledge and Context // Modeling and Using Context (CONTEXT-Ol). Lecture Notes in Computer Science, Springer Verlag. 2001. P. 461—464.

67. Protege Electronic resource. / Stanford Center for Biomedical Informatics Research: [site]. [2009]. URL: http://protege.stanford.edu/ (access date: 28.05.2009).

68. Ranganathan A., Lei H. Context-Aware Communication I I Computer. 2003. No. 4. P. 90—92.

69. Richardson В., Mazlack L. J. Approximate Ontology Merging for the Semantic Web // Proc. 2004 IEEE Annual Meeting of the North American Fuzzy Information Processing Society. 2004. Vol. 2. IEEE Cat. No.04TH8736. P. 641— 646.

70. Riedl R., Knowledge Management for Interstate E-Government Electronic resource. // Proc. Workshop on Distributed Knowledge and e-Government. Siena, Italy, 22 24 May, 2001. URL: http://www.ifi.unizh.ch/egov/Sienanew.pdf (access date: 06.07.2009).

71. Shahar Y. Dynamic Temporal Interpretation Contexts for Temporal Abstraction // Annals of Mathematics and Artificial Intelligence. 1998. No. 22. P. 159—192.

72. Sowa J. F. Knowledge Representation: Logical, Philosophical, and Computational Foundations. Brooks Cole Publishing Co., Pacific Grove, CA, 2000. 594 p.

73. Stumme G., Maedche A. Ontology Merging for Federated Ontologies on the Semantic Web // Proc. Intern. Workshop for Foundations of Models for Information Integration (FMII-2001). Viterbo, Italy, 2001. P. 413—418.

74. Suggested Upper Merged Ontology (SUMO) // OntologyPortal: site. [2005]. URL: http://www.ontologyportal.org/ (access date: 06.07.2009).

75. Tiberghien G. Context and Cognition: Introduction // Cahier de Psychologie Cognitive. 1986. Vol. 6, no. 2. P. 105—119.

76. Uschold M., Gruninger M. Ontologies: Principles, Methods, and Applications // Knowledge Engineering Review. 1996. Vol. 11, no. 2. P. 93—136.

77. WatersonA., Preece A. Verifying Ontological Commitment in Knowledge-Based Systems // Knowledge-Based Systems. 1999. Vol. 12, no. 1-2. P. 45— 54.

78. Web Services Architecture // W3C: site. [2004]. URL: http://www.w3.org/TR/ws-arch/ (access date: 06.07.2009).

79. What is a Context? // Cycorp, Inc.: site. [2002 2009]. URL: http://www.cyc.com/cycdoc/course/what-is-a-context.html (access date: 27.05.2009).

80. What is Cyc? // Cycorp, Inc.: site. [2002 2009]. URL: http://www.cyc.com/cvc/technology/whatiscvc. (access date: 21.05.09.

81. Wiederhold G. An Algebra for Ontology Composition // Proc. 1994 Monterey Workshop on Formal Methods. U.S. Naval Postgraduate School, Monterey CA, 1994. P. 56—61.

82. Wiederhold G. Jannink J. Composing Diverse Ontologies // Scalable Knowledge Composition (SKC) project: site. [1998]. URL: http://www-db.stanford.edu/SKC/publications/ifip99.html (access date: 06.07.2009).

83. WinogradT. Architectures for Context // Human-Computer Interaction. 2001. Vol. 16. P. 2—3.