Разработка и реализация многоагентной системы логистики знаний для информационной поддержки принятия решений тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат технических наук Пашкин, Михаил Павлович

• Пашкин, Михаил Павлович
• кандидат технических наук
• 2005

Оглавление диссертации кандидат технических наук Пашкин, Михаил Павлович

Введение.

Положения, выносимые на защиту.

1 Проблемы построения систем логистики знаний.

1.1 Подход «СИЗ» к логистике знаний.

1.2 Научные направления «Управление Знаниями» и «Извлечение информации».

1.3 Требования, технологии и стандарты современных систем персонифицированной информационной поддержки принятия решений.

1.4 Многоагентная технология построения распределенных программных систем.

Выводы по главе 1.

2 Архитектура и модели информационных компонент системы логистики знаний.

2.1 Методология разработки многоагентной системы логистики знаний.

2.2 Разработка модели окружения системы логистики знаний.

2.3 Разработка модели профиля пользователя.

2.4 Разработка модели картограммы знаний.

Выводы по главе 2.

3 Модели и сценарии работы технологических агентов системы логистики знаний.

3.1 Проектирование сообщества агентов системы логистики знаний.

3.2 Разработка технологических агентов системы логистики знаний.

3.3 Поддержка сообществом агентов сценариев работы системы.

3.4 Алгоритм вычисления рейтингов источников знаний.

Выводы по главе 3.

4 Программная реализация многоагентной системы логистики знаний и ее применение.

4.1 Многоагентная система «Интеграция».

4.2 Применение системы групповой поддержки принятия решений для оценки источников знаний.

4.3 Компьютерная система интеллектуального доступа к каталогам и документам.

Выводы по главе 4.

Введение диссертации (часть автореферата) на тему «Разработка и реализация многоагентной системы логистики знаний для информационной поддержки принятия решений»

Актуальность темы диссертации. Бурное развитие информационных технологий привело к накоплению практически во всех прикладных областях (бизнесе, производстве, образовании и т.д.) большого количества разрозненных и разнородных информационных ресурсов (электронных документов, баз данных и знаний, электронных библиотек и т.п.), которые должны способствовать решению возникающих задач. С появлением сетевых технологий и Интернет стал возможен обмен знаниями, находящимися в данных ресурсах, с целью их повторного и совместного использования. Возникла открытая информационная среда, в которой распределенные разнородные источники знаний одинаково доступны всем заинтересованным лицам при помощи картограмм, отражающим их характеристики (расположение, формат, аннотацию и др.). Однако, помимо позитивных факторов, данный процесс привел к ряду проблем для лиц, принимающих решения. Появилось большое количество источников с устаревшими и недостоверными знаниями, возникло дублирование содержимого различных источников и увеличился объем избыточных знаний. Это приводит к затруднению поиска необходимых знаний и замедлению процесса принятия решения. В связи с этим наметился качественный сдвиг систем информационной поддержки принятия решений с уровня, где связи между источниками и потребителями знаний являются статическими, к уровню, где эти связи являются динамическими [101]. Подобные системы должны быть (i) гибкими относительно быстро меняющегося окружения, (И) способными обеспечивать персонифицированную поддержку пользователей с различными уровнями компетенции и требований к получаемым знаниям, (iii) масштабируемыми относительно типов информационных ресурсов и их содержимого и (iv) способными взаимодействовать с другими электронными приложениями. Для создания подобных систем широкое распространение получила технология многоагентных систем.

В основе персонифицированной информационной поддержки пользователей лежат идеи таких прикладных научных направлений, как широкая приспособляемость к требованиям заказчиков (mass customization) [52, 114], адаптивная гипермедия - расширенный по сравнению с гипертекстом метод организации мультимедийной информации, охватывающий разные среды (adaptive hypermedia) [58, 71], управление взаимоотношениями с клиентами (customer relationship management) и обслуживанием клиентов (customer service management) [47, 111, 98, 23, 64] и другие. Для реализации таких систем используются технологии обнаружения в имеющемся массиве данных ранее неизвестной, но полезной и доступной информации (data mining) [7, 79, 73, 110], кластеризации и машинного обучения, основанные на профилировании [122, 38, 39] и другие.

В ходе исследований, выполненных в СПИИРАН в области построения систем интеграции знаний, была предложена методология — «логистика знаний» [18, 33]. Она ориентирована на управление знаниями с целью извлечения, интеграции и транспортировки адекватных знаний из распределенных источников в правильном контексте соответствующим пользователям в заданное время для принятия решений в прикладных проблемных областях. В системе логистики знаний для описания знаний проблемной области используются онтологии, широко применяемые в системах искусственного интеллекта для описания объектов и явлений мира в формализованном виде, пригодном для компьютерного использования. Онтология - это средство описания семантики проблемной области при помощи словаря и подробной спецификации существующих в ней отношений и ограничений, обеспечивающих интерпретацию словаря.

Традиционно используемые системы информационной поддержки принятия решений в основном используют методологии интеллектуального анализа текстов и данных [79, 73, 110] и ориентированы на работу с хорошо структурированными данными. Как правило, в них отсутствуют или слабо представлены модели интересов пользователей. Очевидно, что их использования для обеспечения персонифицированной информационной поддержки принятия решений недостаточно. Представляется весьма актуальной разработка архитектуры, моделей и сценариев работы системы логистики знаний, ориентированной на работу со слабосвязанными разнородными распределенными источниками знаний, предназначенной для решения указанных выше задач, базирующейся на современных технологиях, использование которой способно повысить качество принимаемых решений.

Цель работы и задачи исследования. Основной целью диссертационной работы является разработка архитектуры, моделей информационных компонент и сценариев работы многоагентной системы логистики знаний для обеспечения персонифицированной информационной поддержки лиц, принимающих решения, в открытой информационной среде.

Для достижения поставленной цели в диссертационной работе должны быть решены следующие задачи:

• проанализированы существующие системы, оперирующие в открытой информационной среде и ориентированные на управление знаниями, для спецификации требований к системе логистики знаний;

• разработана архитектура и концептуальные модели основанных на онтоло-гиях информационных компонент системы логистики знаний, обеспечивающих ее гибкость, масштабируемость и настраиваемость на пользователей, и произведена их интеграция в единую систему;

• определены пользователи системы, разработаны сценарии их работы, основанные на предложенной архитектуре с учетом сформулированных требований;

• реализована многоагентная система логистики знаний для апробации предложенных решений.

Методы исследования. Для проведения исследований в диссертационной работе использовались методы проектирования распределенных приложений, построенных на многоагентной технологии; методы искусственного интеллекта, стандарты открытых информационных систем. При разработке программного обеспечения использовались: унифицированный язык моделирования (UML), технология объектно-ориентированного программирования и язык структурированных запросов (SQL) к реляционным базам данных.

Научная новизна.

1. Разработана архитектура, реализующая интегрированный сценарий функционирования компьютерной системы логистики знаний, основанная на использовании технологии многоагентных систем и предварительно разработанной онтологии проблемной области.

2. Разработан набор показателей для оценки источников знаний, используемой при определении релевантности результатов работы системы относительно запроса пользователя.

3. Разработана основанная на онтологиях формальная модель картограммы знаний, используемая для быстрого поиска источников знаний в открытой информационной среде.

4. Разработан алгоритм индексирования источников знаний относительно содержимого онтологии, использующий не только сходство между словарем онтологии и содержимым источников, но и связи между элементами онто-логиями, что повышает качество результатов работы системы, позволяя находить источники знаний, не содержащие понятия, распознанные в запросе пользователя.

5. Разработана основанная на онтологиях концептуальная модель профиля пользователя, позволяющая учитывать требования к получаемым результатам со стороны пользователей на основе их интересов и предпочтений.

Обоснованность и достоверность научных положений и выводов обеспечена за счет анализа состояния исследований в данной области и практической реализацией и внедрением системы интеллектуальной персонифицированной поддержки ЛПР.

Практическая ценность работы. Архитектура, сценарии и модели, разработанные в данной работе, направлены на улучшение результатов работы лиц, принимающих решение за счет уменьшения пространства поиска знаний в открытой информационной среде, повышения скорости получения, качества и достоверности предоставляемых знаний.

Предложенная в ходе работы над диссертацией архитектура многоагентной системы логистики знаний позволяет настраивать систему на работу в конкретной проблемной области, описываемой при помощи онтологий, и делает ее гибкой и масштабируемой относительно типов и содержимого источников знаний.

Созданная многоагентная система логистики знаний «Интеграция» может быть использована в различных прикладных проблемных областях как основа для организации быстрого, ориентированного на предпочтения пользователя доступа к имеющимся источникам знаний.

Реализация результатов работы. Исследования, отраженные в диссертации, были поддержаны грантами РФФИ (проекты № 02-01-00284 и № 03-01-06484 «Методологические и математические основы построения компьютерных систем быстрой интеграции знаний из распределенных источников»), 2002-2004 гг., грантом Президиума РАН (проект № 2.44 «Многоагентный подход к построению компьютерной среды для быстрой интеграции знаний из распределенных источников»), 2001-2003 гг., грантом ОИТВС РАН (проект № 1.9 «Разработка теоретических основ и многоагентной технологии управления контекстом в распределенной информационной среде»), 2003-2004 гг.

Часть результатов была использована при работе в рамках проекта МНТЦ №1993Р «Математические основы обнаружения знаний в данных и автономные интеллектуальные архитектуры» задачи 2 «Быстрое слияние знаний в масштабируемой инфосфере», 2000-2003 гг.

Разработанное программное обеспечение было использовано для методической и информационной поддержки экспертизы заявок на разработки при составлении сводного плана НИОКР в 1997-2000 гг. в рамках созданной в Отделе научно-технической политики Комитета экономики и промышленной политики Администрации Санкт-Петербурга интегрированной информационной технологии сопровождения заявки на стадии формирования сводного плана НИОКР, 1997-2000 гг.

Часть результатов была использована при выполнении контракта «Интеллектуальный доступ к каталогам и документам» на создание системы поддержки клиентов, реализованной для немецкой промышленной компании, 2003-2004 гг.

Публикации. Основные результаты по материалам диссертационной работы опубликованы в 14 печатных работах.

Апробация результатов работы. Основные положения и результаты диссертационной работы представлялись на национальной конференции по искусственному интеллекту КИИ'02 (Коломна, 2002), международных конференциях «Проблемы управления и моделирования в сложных системах» (Самара, 2003, 2004), «Интеллектуальные системы» (Дивноморское, 2001-2004), «Онтологии, базы данных и применение семантики ODBASE'03» (Катания, Италия, 2003), «Региональная информатика РИ'04» (Санкт-Петербург, 2004), «Практические аспекты управления знаниями РАКМ'04» (Вена, Австрия, 2004).

Структура и объем работы. Диссертация объемом 151 машинописная страница, содержит введение, четыре главы и заключение, список литературы (138 наименований), 24 таблицы, 61 рисунок.

Заключение диссертации по теме «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», Пашкин, Михаил Павлович

Выводы по главе 4

Разработанные в диссертации подходы позволили осуществить несколько успешных приложений:

1. По проекту МНТЦ №1993Р, задача 2 создана многоагентная система ЛЗ.

2. В рамках проекта «Интеллектуальный доступ к каталогу и документам», была создана реальная картограмма знаний, интерфейсные модули для доступа к источникам знаний и профили пользователей.

3. Внедрение программной среда «MultiExpert» в комитете экономики и промышленной политики Администрации Санкт-Петербурга для методической и информационной поддержки экспертизы заявок на разработки при составлении сводного плана НИОКР.

Заключение

Совокупность сформулированных и обоснованных в диссертационной работе положений, а также ее практические результаты представляют собой решение актуальной научно-технической задачи по созданию системы персонифицированной проблемно-ориентированной информационной поддержки лиц, принимающих решения в открытой информационной среде. При этом были получены следующие результаты:

1. На основе технологии многоагентных систем разработаны архитектура, сценарии работы, алгоритмы и модели системы логистики знаний, предназначенной для обеспечения персонифицированной информационной поддержки принятия решений. Проблемно-ориентированные агенты, динамическая структура их сообщества и распределение агентов по различным компьютерам позволяют обеспечивать масштабируемость системы относительно типов и содержимого источников знаний за счет поэтапного наращивания ее мощности.

2. Разработаны количественные и качественные показатели для вычисления рейтингов источников знаний, использование которых при оценке релевантности результатов работы системы по отношению к запросу пользователя помогает повысить эффективность поиска приемлемых решений.

3. Разработана основанная на онтологиях формальная модель и алгоритм построения картограммы знаний, хранящей характеристики источников знаний, их соответствие онтологии и образцы для выполнения анализа запроса пользователя. Ее использование позволяет организовать доступ к слабосвязанным распределенным разнородным источникам знаний и обеспечивает гибкость системы логистики знаний относительно проблемной области и содержимого источника знаний, а также быстрый поиск источников, содержащих необходимые знания.

4. Совместимость выбранной нотации объектно-ориентированных сетей ограничений для представления онтологий со стандартами представления онтологий языками консорциума Semantic Web обеспечивает открытость системы за счет совместного и повторного использования доступных онтологий.

5. Разработана основанная на онтологиях концептуальная модель профиля пользователя, обеспечивающая персонифицированную информационную поддержку за счет выявления предпочтений и интересов пользователя на основе аккумулированной информации.

6. На основе разработанных сценариев работы, алгоритмов и моделей под руководством и при участии автора были созданы промышленные приложения для оценки качества научно-технических проектов и интеллектуального доступа к корпоративному репозиторию. Эффективность используемых решений подтверждается сравнением получаемых результатов с результатами работы других известных систем.

Список литературы диссертационного исследования кандидат технических наук Пашкин, Михаил Павлович, 2005 год

1. Алгоритм нечеткого сравнения строк. URL: http://pcmagazine.ru/ archive/ 9809/099828.asp, 2005.

2. Баранов Ф.Н., Домарацкий А.Н., Ласточкин Н.К., Морозов В.П. Процесс разработки программных изделий. М: Наука, Физматлит, 2000. 176 С.

3. Волков И., Галахов И.: Архитектура современной информационно-аналитической системы. Директор информационной службы. 2002. №3. С. 15-24.

4. Гаврилова Т.А. Использование онтологий в системах управления знаниями. Труды Международного конгресса «Искусственный интеллект в XXI веке». Россия, Дивноморское, 2001. С. 21—32.

5. Гаврилова Т.А. Онтологический подход к управлению знаниями при разработке корпоративных информационных систем. Новости искусственного интеллекта, № 2,2003. С. 24-30.

6. Городецкий В.И., Карсаев О.В., Котенко И.В., Хабалов А.В.: MAS DK: инструментарий для разработки многоагентных систем и примеры приложений. Труды Международного конгресса «Искусственный интеллект в XXI веке». Россия, Дивноморское, 2001. С. 249—262.

7. Городецкий В., Самойлов В., Малов А. Технология обработки данных для извлечения знаний: Обзор состояния исследований. Новости искусственного интеллекта, № 3-4, 2002.

8. Городецкий В., Карсаев О., Самойлов В. Многоагентная технология принятия решений в задачах объединения данных. Труды СПИИРАН, №1, 2003.

9. Зильбербург Л.И., Молочник В.И., Яблочников Е.И. Реинжиниринг и автоматизация технологической подготовки производства в машиностроении II СПб: "Компьютербург", 2003. С. 152.

10. Истомин Е.П., Неклюдов С.Ю. Программирование на алгоритмических языках высокого уровня: Учебник. СПб.: Изд-во Михайлова В.А., 2003. -719 С.

11. Келеберда И.Н., Лесная Н.С., Репка В.Б.: Использование мультиагентного онтологического подхода к созданию распределенных систем дистанционного обучения. Образовательные технологии и общество, 7(2) 2004, ISSN 1436-4522, С. 190-205.

12. Кнут Д. Искусство программирования для ЭВМ. М.: Мир, 1976. Т.1. 735 С.

13. Котенко И.В. Многоагентные технологии анализа уязвимостей и обнаружения вторжений в компьютерных сетях // Конфидент, № 2, С.72-76; № 3, С.78-82. 2004.

14. Ларичев О.И. Наука и искусство принятия решений. М.: Наука, 1979.200 С.

15. Ларичев О.И., Мечитов А.И., Мошкович Е.М., Фуремс Е.М. Выявление экспертных знаний. М.: Наука, 1989. 129 С.

16. Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. М.: Наука, 1996. 208 С.

17. Лескин А.А., Мальцев В.Н. Системы поддержки управленческих и проектных решений. Л: Машиностроение. Ленинградское отделение, 1990,167 С.

18. Ли И.В., Ронжин А.Л., Карпов А.А.: Онтология проблемы интегрального понимания речи. // Труды СПИИРАН / Под ред. P.M. Юсупова, СПб.: Наука, 2004. Вып. 2. Т. 1. С. 194-204.

19. Методы автоматического распознавания речи: в 2-х кн. / Под ред. У. Ли. — М.: Мир, 1983. С. 716.

20. Овсянников Е.К., Мозгирев Б.Т.: К вопросу о выборе математических моделей для систем поддержки принятия решений. // Труды СПИИРАН /

21. Под ред. P.M. Юсупова, СПб.: Наука, 2004. Вып. 2. Т. 1. С. 36-46.

22. Павлов А.В.: CRM и владение ключевой стратегической информацией. Открытые системы, 2003. № 7-8.

23. Попов Э.В.: Экспертные системы реального времени. Открытые системы, 2(10), 1995.

24. Попов Э. В., Фоминых И.Б., Кисель Е.Б., ШапотМ.Д.: Статистические и динамические экспертные системы. М: Финансы и статистика, 1996. С. 320.

25. Попов Э. В.: Корпоративные управления знаниями // Новости искусственного интеллекта, 2001. Июль. С. 1А—25.

26. Справочник по искусственному интеллекту / Под ред. Д.А.Поспелова. М.: Радио и связь, 1990. Кн. 2. С. 304.

27. Рахманова И.О. Методы и модели интеллектуальной поддержки группового принятия решений в сложных организационно-технических системах // Информационные технологии и интеллектуальные методы. СПб.: СПИИРАН, 1996. С. 6-21.

28. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993.350 С.

29. Скороходько Э. Ф.: Семантические сети и автоматическая обработка текста.-Киев, 1983.- 112 С.

30. Смирнов А.В., Левашова Т.В., Пашкин М.П., Шилов Н.Г.: Онтолого— ориентированный многоагентный подход к построению систем интеграции знаний из распределенных источников. Информационные технологии и вычислительные системы, 2002. № 1. С. 62—82.

31. Смирнов А.В., Пашкин М.П., Шилов Н.Г., Левашова Т.В.: Онтологии в системах искусственного интеллекта: способы построения и организации. Новости искусственного интеллекта, 2002. № 1. Часть 1. 3—13. № 2. Часть 2. С. 3—9.

32. Тарасов В.Б. Эволюционная семиотика и нечеткие многоагентные системы основные теоретические подходы к построению интеллектуальных организаций // Информационные технологии и вычислительные системы, 1998. № 1.С. 54-68.

33. Тимофеев А.В. Архитектура и принципы построения мульти-агентных телекоммуникационных систем нового поколения // Труды 11-ой Всероссийской научно-методической конференции "Телематика-2004". Санкт-Петербург, 7-10 июня 2004 г. Том 1. С. 172-174.

34. Тимофеев А.В. Адаптивное и интеллектуальное управление в мульти-агентных инфокоммуникационных сетях // Сборник докладов 2-ой Всероссийской научной конференции «Управление и информационные технологии». Пятигорск, 21-24 сентября 2004 г. С. 115-118.

35. Черняк Д.: Библиотека знаний Сус // Открытые системы, 2002. № 11. С. 18-21.

36. Abbattista F., Degemmis М., Fanizzi N., Licchelli О., Lops P., Semeraro G., Zambetta F.: User Profiles for Content-Based Filtering in e-Commerce, In Proceedings AI Workshop su Apprendimento Automatico: Metodi e Applicazioni. Sienna, Italy. 2002.

37. Adomavicius G., Tuzhilin A.: Using Data Mining Methods to Build Customer Profiles. IEEE Computer, Vol. 34(2). February 2001, pp. 74-82.

38. Проекты, посвященные многоагентным системам. Europe's Network of Excellence for Agent-based Computing. URL: http://www.agentlink.org/resources/ agentproiects-db.html, 2005.

39. Aguirre J. L., Brena R., Cantu F.J.: Multiagent-Based Knowledge Networks. Expert Systems with Applications, 2001. V. 20. pp. 65—75.

40. Проект Advanced Knowledge Technologies (АКТ). URL: http://www.aktors.org/akt/. 2005.

41. Ambroszkiewich S., Nowak Т., Mikulowski D., Rozwadowski L.: A concept of Agent Language in Agentspace. Proceedings of the Second International Workshop of Central and Eastern Europe on Multi-Agent Systems (CEEMAS'2001), Krakow, Poland, 2001.

42. Anken C.S.: Information Understanding // Introduction for 5th Anniversary Information Workshop. The Information Institute. Air Force Research Laboratory (AFRL) Information Directorate. Rome, NY, USA, 2002.

43. Рабочие документы унифицированного языка моделирования поведения агентов. URL: http://www.auml.org/auml/documents/main.shtml, 2005.

44. Barclay R.O., Murray Р.С.: What is knowledge management? URL: http://www.media-access.c0m/classif1cati0n.html#classifying, 2005.

45. Baumeister, H.: Customer relationship management for SMEs. In Proceedings of the 2nd Annual Conference eBusiness and eWork e2002. Prague, Czech Republic, October 16-18, (2002).

46. Becerra-Fernandez I.: The Role of Artificial Intelligence Technologies in the implementation of People-Finder Knowledge Management Systems. Knowledge-Based Systems. Elsevier Science B.V., V. 13, 2000. pp. 315—320.

47. BlytheJ., KimJ., Ramachandran S., GilY.: An integrated environment for knowledge acquisition, in: Proc. of the Int. Conf. on Intelligent User Interfaces (Santa Fe, New Mexico, January 2001) pp. 13-20.

48. BrezillonP.: Context in Problem Solving: a Survey // The Knowledge Engineering Review, 1999. Vol. 14. № 1. pp. 1—34.

49. Brustoloni J.C.: Autonomous Agents: Characterization and Requirements. Technical Report CMU-CS-91-204, School of Computer Science, Carnegie Mellon University, November 1991.

50. Caddy, I.: Moving from Mass Production to Mass Customization: the Impact on Integrated Supply Chains. In: proceedings of the Workshop on Mass Customization Management (MCM 2000), University of Wollongong, Australia. (2000) (Electronic Proceedings).

51. Chen H.: Knowledge Management Systems: A Text Mining Perspective, in Knowledge Computing Corporation. URL: http://dlist.sir.arizona.edu/ archive/ 00000483/01 /chenKMSi.pdf, 2001.

52. Chidlovskii В., Glance N.S., Grasso M.A.: Collaborative Re-Ranking of Search Results. Proceedings of the AAAI-2000 Workshop on AI for Web Search. Austin, Texas, 2000.

53. Chirita P.A., Olemedilla D., Nedjl W.: PROS: A Personalized Ranking Platform for

54. Web Search. W.Nejdl and P.De Bra (Eds.): AH 2004, LNCS 3137, pp 34-43,2004

55. Hotho A., Maedche A., Staab S.: Ontology-based text clustering. In Proceedings of the IJCAI-001 Workshop "Text Learning: Beyond Supervision", August, Seattle, USA, 2001.

56. COGITO: E-Commerce with Guiding Agents Based on Personalised Interaction Tools. URL: http://www.ipsi.fraunhofer.de/delite/projects/cogito/index.html, 2005.

57. Корпоративный сайт компании Cycorp. URL: http://www.cyc.com/, 2005.

58. Reference description of the ontology markup language, eds. by van Har-melen F., Horrocks I. URL: http://www.daml.org/2001/03/reference, 2005.

59. DAML Ontology language. URL: http://www.daml.org/2000/10/daml-ont.html, 2005.

60. Davenport Т.Н.: Knowledge Management Case Study: Knowledge Management at Hewlett-Packard. URL: http://www.bus.utexas.edu/kman/hpcase.htm, 2005.

61. Davenport Т.Н.: Knowledge Management Case Study: Knowledge Management at Microsoft. URL: http://www.bus.utexas.edu/kman/microsoft.htm, 2005.

62. Day G.S., Hubbard K.: Customer Relationships go Digital. Business Strategy Review, Vol. 14, March 2003, pp. 17-26.

63. Корпоративный сайт компании Empolis. URL: www.empolis.co.uk, 2005.

64. Foundation for Intelligent Physical Agents (FIPA) Documentation. URL: http://www.fipa.org/specs/fipa00006/, 2005.

65. Средство разработки многоагентных систем FIPA-OS toolkit. URL: http://www.emorphia.com/research/about.htm, 2005.

66. Franklin S.: Is it an Agent, or just a Program?: A Taxonomy for Autonomous Agents. Proceedings of the Third International workshop on Agent Theories, Architectures, and Languages. Springer-Verlag, 1996.

67. Freyne J., Smyth В.: An Experiment in Social Search. W.Nejdl and P.De Bra (Eds.): AH 2004, LNCS 3137, pp 95-103, 2004

68. Garlatti S., Iksal S.: A Semantic Web Approach for Adaptive Hypermedia. In Proc. Workshop on Adaptive Hypermedia and Adaptive Web-Based Systems. 2003: Technische Universteit Eindhoven, pp. 5-14.

69. Google поисковая система. URL: www.google.com, 2005.

70. Google Desktop Search. URL: http://desktop.google.com/, 2005.

71. Gray P.M.D., Hui K., Preece A.D.: Finding and Moving Constraints in Cyberspace. AAAI-99 Spring Symposium on Intelligent Agents in Cyberspace. Stanford University, California, USA. AAAI Press, 1999. pp. 121—127.

72. Greenstone digital library software. URL: http://www.greenstone.org/cgi-bin/library, 2005.

73. Guarino N.: Formal Ontology and Information Systems. Proceedings of FOIS'98. Trento, Italy. Amsterdam: IOS Press, 1998. pp. 3—15.

74. Han J., Kamber M.: Data Mining: Concepts and Techniques. San Francisco: Morgan Kaufmann Publishers (2001).

75. Hendler J., McGuinness D.L.: The DARPA Agent Markup Language. IEEE Intelligent System, 2000. V. 15 (6).

76. Hidalgo J.: Text Mining and Internet Content Filtering. URL: http://www.esi.uem.es/~jmgomez/tutorials/ecmlpkdd02, 2002.

77. Корпоративный сайт компании InfoLoom. URL: www.infoloom.com, 2005.

78. Средство разработки многоагентных систем Zeus. URL: http://more.btexact.com/proiects/agents/zeus/, 2005.

79. Jacobs N., Shea R.: The Role of Java in InfoSleuth: Agent-Based Exploitation of Heterogeneous Information Resources. Technical Report, Microelectronics and Computer Technology Corporation, 1996.

80. Средство разработки многоагентных систем Java Agent DEvelopment Framework (JADE). URL: http://jade.tilab.com/, 2005.

81. Домашняя страница Кестрелевского института. URL: www.kestrel.edu, 2005.

82. KostoffD., LosiewiczP., OardD.: Since and Technology Text Mining Basic Concepts. Technical Report A688514. AFRL, Rome NY (2003), 28. URL: http://www.stormingmedia.us/68/6885/A688514.html. 2005.

83. Домашняя страница проекта LOOM. URL: http://www.isi.edu/isd/LOOM/ LOOM-HOME.html, 2005.

84. LosiewiczP., OardD., KostoffR.: Text Data Mining to Support Science and technology management // Journal of Intelligent Information Systems, Vol.15, № 2 Sept/Oct (2000) pp. 99-119.

85. Lotus Discovery Server, URL: http://www-306.ibm.com/software/lotus/ support/discovery/support.html, 2005.

86. Maedche A., Staab S.: Discovering conceptual relations from text. In Proceedings of ECAI-2000. IOS Press, Amsterdam, 2000.

87. Группа поддержки стандартов взаимодействия систем мобильных агентов. URL: http://sun 195 .iit.unict.it/MAP/masif.html. 2005.

88. Средство разработки многоагентных систем Massive Multiagent Kit. URL: http://www.gsigma-grucon.ufsc.br/massyve/mkit.htm. 2005.

89. MenaE., KashyapV., ShethA., Illarramendi A.: OBSERVER: An Approach for Query Processing in Global Information Systems Based on Interoperation across Preexisting Ontologies. Distributed and Parallel Databases, 2000. V. 8(2). pp. 223-271.

90. Microsoft ActiveX Data Objects. URL: http://msdn.microsoft.com/library/ default.asp?url=/library/en-us/ado270/htm/dasdkadooverview.asp, 2005.

91. Moench E., Ullrich M., Schnurr H.-P., Angele J. SemanticMiner Ontology-Based Knowledge Retrieval. In: Special Issue of selected papers of the WM2003 in the Journal of Universal Computer Science (J.UCS), Vol. 9, No. 7, pp. 682-696, 2003.

92. Microsoft SharePoint Portal. URL: http://office.microsoft.com/, 2005.

93. Nodine M. H., Unruh A.: Facilitating Open Communicating in Agent Systems: the InfoSleuth Infrastructure. Technical Report MCC-INSL-056-97, Microelectronics and Computer Technology Corporation, Austin, Texas, 1997. 78759.

94. Ontology Inference Layer. URL: http://www.ontoknowledge.org/oil/, 2005.

95. Olin J.G., Greis N.P., Kasarda J.D.: Knowledge Management Across Multi-tier Enterprises: the Problem of Intelligent Software in the Auto Industry // European Management Journal, 1999. 17(4). pp. 335—347.

96. Ontoprise: Semantics for the WEB. URL: http://www.ontoprise.de/products/ ontoedit en, 2005.

97. Онтология «Производительность». URL: http://www.kestrel.edu/DAML/ 2000/12/CAPACITY.daml. 2005.

98. Корпоративный сайт компании Ontopia. URL: www.ontopia.net, 2005.

99. OWL Web Ontology Language. URL: http://www.w3.org/TR/2004/ REC-owl-ref-20040210/, 2005.

100. Parrott L., LacroixR., WadeK.M.: Design considerations for the implementation of multi-agent systems in the dairy industry. Computers and Electronics in Agriculture, 38(2) pp. 79-98,2003.

101. Peter W.H. van der Putten, Joost N. K., Gupta A.: Why the Information Explosion Can Be Bad for Data Mining, and How Data Fusion Provides a Way Out. Second SIAM International Conference on Data Mining, Arlington, April 11-13,2002.

102. Protege-2000 Project. USA, Stanford Medical Informatics at the Stanford University School of Medicine. URL: http://protege.stanford.edu/, 2005.

103. Resource Description Framework. URL: http://www.w3.org/RDF/. 2005.

104. RDF Vocabulary Description Language. URL: http://www.w3.org/TR/rdf-schema/, 2005.

105. Методология создания программного обеспечения Rational Unified Process. URL: http://www-306.ibm.com/software/awdtools/rup/, 2005.

106. Schwartz D.G., Te'eni D.: Trying Knowledge to Action with kMail. IEEE Intelligent System Applications. V. 15, 2000, pp. 33—39.

107. SearchServer/KnowledgeServer. URL: http://www.hummingbird.com/products/ searchserver/index.html, 2005.

108. Домашняя страница консорциума Semantic Web. URL: http://www.semanticweb.org/, 2005.

109. Smirnov A., PashkinM., ChilovN., LevashovaT.: Constraint-Based Contract Net Protocol. Proceedings of the Fifth International Conference on Enterprise Information Systems (ICEIS 2003). April 23—26, 2003. Angers, France. V. 2. pp. 549— 556.

110. Smith R.: The contract net protocol: High-level communication and control in a distributed problem solver. IEEE Transactions on Computers. 1980, V. 29, 12. pp. 1104—1113.

111. Hans Holger Rath: Technical Issues on Topic Maps. URL: http://www.step.de/tom-hhr-paper.pdf, 2005.

112. Проект TRELLIS. URL: http://www.isi.edu/expect/proiects/trellis/index.htmL 2005.

113. Tristram С.: Common Knowledge. CIO Web Business Magazine, September, 1998. URL: http://www.cio.com/archive/webbusiness/090198 booz.html, 2005.

114. Tsui E., Garner B. J., Staab S.: The Role of Artificial Intelligence in Knowledge Management. Knowledge-Based Systems, 2000. V. 13. pp. 235—239.

115. Wexelblat A., Maes P.: Footprints: History-Rich Web Browsing. In: Proceedings of Third International Conference on Computer-Assisted Informational Retrieval. (1997) Montreal, Quebec, Canada

116. K. Wiig. Comprehensive knowledge management. Working Paper KRI #19994, Revision 2. URL: http://www.krii.com/downloads/comprehensive km.pdf, 2005.

117. K. Wiig.: Knowledge Management Has Many Facets. Short Note from Knowledge Research Institute, Inc. URL: http://www.krii.com/downloads/ Four KM Facets.pdf, 2005.

118. Wooldridge M.J., Jennings N.R.: Agent Theories, Architecture, and Languages: A survey. In: Intelligent Agents: Proceedings of the Workshop on Agents Theories, Architecture, and languages (ECAI-94), Springer-Verlag, 1995. pp. 1—39.

119. WordNet — словарь лексики английского языка. Princeton University. Princeton, NJ. http://cogsci.princeton.edu/~wn/. 2005.

120. Индексирование телепрограмм. URL: http://video.google.com/, 2005.