Use of ontologies for personification of semantic retrieval
Modern means of knowledge representation and processing into the intelligent information systems that are oriented on the work into open environment are considered. Methods of building and use of the domain ontologies that represent knowledge about users and their information needs are developed. Mo...
Збережено в:
| Дата: | 2018 |
|---|---|
| Автор: | |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
PROBLEMS IN PROGRAMMING
2018
|
| Теми: | |
| Онлайн доступ: | https://pp.isofts.kiev.ua/index.php/ojs1/article/view/297 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Problems in programming |
| Завантажити файл: |  |
Репозитарії
Problems in programming| id |
pp_isofts_kiev_ua-article-297 |
|---|---|
| record_format |
ojs |
| resource_txt_mv |
ppisoftskievua/06/985472a94c94d2a40e713457b1841c06.pdf |
| spelling |
pp_isofts_kiev_ua-article-2972024-04-28T11:48:08Z Use of ontologies for personification of semantic retrieval Использования онтологий для персонификации семантического поиска Використання онтологій для персоніфікації семантичного пошуку Rogushina, J.V. ontology; semantic retrieval; Semantic Web UDC 004.853, 004.55 онтология; семантический поиск; Semantic Web УДК 004.853, 004.55 онтологія; семантичний пошук; Semantic Web УДК 004.853, 004.55 Modern means of knowledge representation and processing into the intelligent information systems that are oriented on the work into open environment are considered. Methods of building and use of the domain ontologies that represent knowledge about users and their information needs are developed. Models and methods that support semantic search of information and it`s personified processing on base of these ontologies are proposed. Software tools based on the Semantic Web technologies that realize proposed methods are created. MAIPS system performs personified semantic search by use of ontologies and thesauri for representation of knowledge about search objects and subjects. Methods of refinement of these ontologies on base of semantically marked Wiki-resources analysis are proposed.Problems in programming 2017; 3: 52-67 Рассмотрены современные средства представления и обработки знаний в интеллектуальных информационных системах, ориентированных на работу в открытой среде. Проанализированы методы и средства семантического поиска в Веб и проблемы, связанные с этим. Предложен метод персонифыкации поиска при помощи онтологий предметных областей, которые отображают знания о пользователях и области их информационных потребностей. Созданы программные средства, которые на основе технологий Semantic Web реализуют разработанные методы. Система МАИПС осуществляет персонифицированный семантический поиск, используя онтологии и тезаурусы для представления знаний об объектах и субъектах поиска. Для построения и усовершенствования онтологий предложены методы анализа семантически размеченных Wiki-ресурсов. Problems in programming 2017; 3: 52-67 Розглянуто сучасні засоби представлення та обробки знань в інтелектуальних інформаційних системах, орієнтованих на роботу у відкритому середовищі. Проаналізовано методи та засоби семантичного пошуку в Web та проблеми, пов’язані з цим. Запропоновано метод персоніфікації пошуку за допомогою онтологій предметних областей, які відображають знання щодо користувачів та сфери їх інформаційних потреб. Створено програмні засоби, які на основі технологій Semantic Web реалізують розроблені методи. Система МАІПС здійснює персоніфікований семантичний пошук, використовуючи онтології та тезауруси для представлення знань щодо об’єктів та суб’єктів пошуку. Для побудови та вдосконалення онтологій запропоновано методи аналізу семантично розмічених Wiki-ресурсів. Problems in programming 2017; 3: 52-67 PROBLEMS IN PROGRAMMING ПРОБЛЕМЫ ПРОГРАММИРОВАНИЯ ПРОБЛЕМИ ПРОГРАМУВАННЯ 2018-11-12 Article Article application/pdf https://pp.isofts.kiev.ua/index.php/ojs1/article/view/297 10.15407/pp2017.03.052 PROBLEMS IN PROGRAMMING; No 3 (2017); 52-67 ПРОБЛЕМЫ ПРОГРАММИРОВАНИЯ; No 3 (2017); 52-67 ПРОБЛЕМИ ПРОГРАМУВАННЯ; No 3 (2017); 52-67 1727-4907 10.15407/pp2017.03 uk https://pp.isofts.kiev.ua/index.php/ojs1/article/view/297/291 Copyright (c) 2018 PROBLEMS OF PROGRAMMING |
| institution |
Problems in programming |
| baseUrl_str |
https://pp.isofts.kiev.ua/index.php/ojs1/oai |
| datestamp_date |
2024-04-28T11:48:08Z |
| collection |
OJS |
| language |
Ukrainian |
| topic |
ontology semantic retrieval Semantic Web UDC 004.853 004.55 |
| spellingShingle |
ontology semantic retrieval Semantic Web UDC 004.853 004.55 Rogushina, J.V. Use of ontologies for personification of semantic retrieval |
| topic_facet |
ontology semantic retrieval Semantic Web UDC 004.853 004.55 онтология семантический поиск Semantic Web УДК 004.853 004.55 онтологія семантичний пошук Semantic Web УДК 004.853 004.55 |
| format |
Article |
| author |
Rogushina, J.V. |
| author_facet |
Rogushina, J.V. |
| author_sort |
Rogushina, J.V. |
| title |
Use of ontologies for personification of semantic retrieval |
| title_short |
Use of ontologies for personification of semantic retrieval |
| title_full |
Use of ontologies for personification of semantic retrieval |
| title_fullStr |
Use of ontologies for personification of semantic retrieval |
| title_full_unstemmed |
Use of ontologies for personification of semantic retrieval |
| title_sort |
use of ontologies for personification of semantic retrieval |
| title_alt |
Использования онтологий для персонификации семантического поиска Використання онтологій для персоніфікації семантичного пошуку |
| description |
Modern means of knowledge representation and processing into the intelligent information systems that are oriented on the work into open environment are considered. Methods of building and use of the domain ontologies that represent knowledge about users and their information needs are developed. Models and methods that support semantic search of information and it`s personified processing on base of these ontologies are proposed. Software tools based on the Semantic Web technologies that realize proposed methods are created. MAIPS system performs personified semantic search by use of ontologies and thesauri for representation of knowledge about search objects and subjects. Methods of refinement of these ontologies on base of semantically marked Wiki-resources analysis are proposed.Problems in programming 2017; 3: 52-67 |
| publisher |
PROBLEMS IN PROGRAMMING |
| publishDate |
2018 |
| url |
https://pp.isofts.kiev.ua/index.php/ojs1/article/view/297 |
| work_keys_str_mv |
AT rogushinajv useofontologiesforpersonificationofsemanticretrieval AT rogushinajv ispolʹzovaniâontologijdlâpersonifikaciisemantičeskogopoiska AT rogushinajv vikoristannâontologíjdlâpersonífíkacíísemantičnogopošuku |
| first_indexed |
2025-07-17T09:39:31Z |
| last_indexed |
2025-07-17T09:39:31Z |
| _version_ |
1850409977950240768 |
| fulltext |
Інтелектуальні інформаційні технології
© Ю.В. Рогушина, 2017
52 ISSN 1727-4907. Проблеми програмування. 2017. № 3
УДК 004.853, 004.55
Ю.В. Рогушина
ВИКОРИСТАННЯ ОНТОЛОГІЙ ДЛЯ ПЕРСОНІФІКАЦІЇ
СЕМАНТИЧНОГО ПОШУКУ
Розглянуто сучасні засоби представлення та обробки знань в інтелектуальних інформаційних
системах, орієнтованих на роботу у відкритому середовищі. Проаналізовано методи та засоби се-
мантичного пошуку в Web та проблеми, пов’язані з цим. Запропоновано метод персоніфікації
пошуку за допомогою онтологій предметних областей, які відображають знання щодо користувачів
та сфери їх інформаційних потреб. Створено програмні засоби, які на основі технологій Semantic
Web реалізують розроблені методи. Система МАІПС здійснює персоніфікований семантичний
пошук, використовуючи онтології та тезауруси для представлення знань щодо об’єктів та суб’єктів
пошуку. Для побудови та вдосконалення онтологій запропоновано методи аналізу семантично
розмічених Wiki-ресурсів.
Ключові слова: онтологія, семантичний пошук, Semantic Web.
Вступ
На даний час світовим співтовари-
ством вже усвідомлений головний напря-
мок у боротьбі з інформаційним вибухом
– перехід від збереження й обробки даних
до накопичення й обробки знань. Для ро-
зробки інтелектуальних інформаційних
систем (ІІС), призначених для роботи зі
знаннями, раніше зазвичай використову-
валися логічні мови (Лісп, Пролог тощо),
але за останні десятиріччя поширення
Web – всесвітнього сховища, що відкри-
ває доступ до величезної кількості різних
інформаційних ресурсів (ІР), незалежно
від їх географічної і національної локалі-
зації та засобів подання – викликало пот-
ребу у нових, більш ефективних підходах
до створення ІІС, орієнтованих на функ-
ціювання у відкритому інформаційному
середовищі (агентно-орієнтовані [1] та
сервіс-орієнтовані підходи [2] ) методів
керування та обробки розподіленими
знаннями в них.
Однією з важливих проблем,
пов’язаних із розробкою таких сучасних
ІІС, є створення засобів отримання актуа-
льної та пертинентної інформації з сере-
довища Web: тільки за наявності таких
засобів доцільно вдосконалювати методи
переробки отриманих відомостей. Таким
чином, проблема пошуку в Web стає все
більш актуальною із зростанням обсягу
Web та ускладненням його структури і
тих програмних засобів, що діють у ньо-
му. Значною мірою вирішенню цієї про-
блеми сприяє поступове перетворення
Web на глобальну базу знань та розвиток
технологій, що підтримують цей процес,
але залишається ще дуже багато відкри-
тих питань, що потребують створення
ефективних рішень хоча б для окремих
випадків цих проблем.
Інтелектуальні засоби
пошуку в Web: історія питання та
основні проблеми
Інтелектуальна інформаційна сис-
тема (ІІС) – це один з видів автоматизова-
них інформаційних систем, функціювання
якої базується на використанні знань [3],
вирішує завдання аналізу та синтезу інфо-
рмації. Функціонування ІІС можна описа-
ти як постійне прийняття рішень на основі
аналізу поточних ситуацій для досягнення
певної цілі [4].
Аналіз публікацій [5–7] показує, що
задачі збереження, здобуття й аналізу знань
ефективно вирішуються в рамках проекту
Semantic Web [8]. Ця розробка, розпочата у
2000 році Т. Бернесом-Лі [9], спрямована на
перетворення середовища Web на глобаль-
ну розподілену базу знань, яку можуть
використовувати різноманітні ІІС.
За визначенням W3C [10], Semantic
Web – це розширення WWW, у рамках
якого інформація (Web-контент) предста-
вляється у форматах, що забезпечують її
використання програмними агентами, до-
Інтелектуальні інформаційні технології
53
зволяючи їм, таким чином, шукати, розді-
ляти і інтегрувати інформацію значно ле-
гше, ніж це відбувається нині [11]. Для
них вже існують формальні моделі, мови
подання, методи обробки та програмні
засоби: на сьогодні створено низку най-
важливіших технологій: розширену мову
розмітки (Extensible Markup Language,
XML), система опису ресурсів (Resource
Description Framework, RDF) [12], мова
Web-онтологій (Ontology Web Language,
OWL) [13], що призначені для опису, збе-
реження і поширення знань, а також
SPARQL – мову запитів до RDF.
З огляду на багаторічний досвід
розробки, стандартизації і розвитку техно-
логій Semantic Web у рамках World Wide
Web Consortium, використання існуючих
розробок для створення ІІС є закономір-
ним і потребує більш детального аналізу.
Основними компонентами Semantic Web,
на яких базуються ІІС, є:
– онтології;
– сервіси;
– програмні агенти.
Онтологія – це формальний опис
результатів концептуального моделюван-
ня різних предметних областей (ПрО) ,
що забезпечує інтероперабельність та по-
вторне використання знань в ІІС [14]. Он-
тології є ефективним засобом для моде-
лювання уявлень про різноманітні ПрО
і дають змогу формально відображати їх
семантику.
Т. Грубер визначає онтологію як
точну специфікацію концептуалізації [15],
тобто основу онтології складають множи-
ни представлених у ній термінів та відно-
шень, водночас як М. Ушольд [16]
пов’язує онтологію з ПрО, визначаючи її
специфікацією концептуалізації, але тільки
в тій її частині, що залежить від визначеної
ПрО. За визначенням Н. Гуарино [17], он-
тологія – це логічна теорія, аксіоми якої
обмежують інтерпретації нелогічних сим-
волів мови, тобто онтологія має характери-
зувати концептуалізацію, обмежуючи мо-
жливі значення предикатів і функцій.
У загальному випадку формаль-
на модель онтології – це упорядкована
трійка
O=<T,R,F>, (1)
де T – множина понять ПрО, що поділя-
ється на класи та екземпляри; R – множи-
на відношень між ними; F – множина фу-
нкцій інтерпретації понять і відношень.
Вона може бути конкретизована відповід-
но до специфіки задачі та ПрО.
Детальніший розгляд використання
онтологій в ІІС та їх інтеграції з іншими
семантичними технологіями наведено в
[18]. Слід відмітити, що обробка онтоло-
гічних структур є досить складною, і тому
в багатьох практичних застосуваннях до-
цільно використовувати окремі випадки
онтологій, які припускають простішу об-
робку, або здобуті з них знання.
Використання Web-сервісів [19] у
розробці ІІС зменшує час розробки та на-
дає можливість повторно використовува-
ти програмний код. Проте лише перехід
до семантичних Web-сервісів дозволяє
автоматизувати їх пошук та композицію
[20]. Такі сервіси мають однозначно відт-
ворювану семантику, яка також може бу-
ти формалізована за допомогою відповід-
ної онтології – наприклад, OWL-S [21].
Інтелектуальні Web-сервіси доцільно за-
стосовувати для моделювання функцій
складних ІІС на рівні семантики [22].
Агентний підхід можна розглядати
як метафору моделювання поведінки роз-
поділених ІІС [23]. Різноманітні модулі
ІІС, здатні діяти раціонально, автономно
та цілеспрямовано в динамічному середо-
вищі, можуть розглядатися як програмні
агенти (ПА) [24], якщо вони виконують
певну діяльність від імені користувачів
[25], а на результати їх роботи значним
чином впливає те середовище, в якому
вони функціонують. Доцільність такого
підходу збільшує наявність у програми
таких властивостей, як автономність, реа-
ктивність, колаборативна поведінка, мо-
більність, безперервність у часі, адаптив-
ність, персоналізація тощо.
Інтелектуальні ПА стали новим рі-
внем абстракції, що дозволяв створювати
розширювані, масштабовані, інтеропера-
бельні ІІС. Враховуючи перспективність
цього напрямку створення розподілених
ІІС, були виконані дослідження теорети-
Інтелектуальні інформаційні технології
54
ко-логічних моделей, архітектур та мето-
дів інтелектуалізації програмних агентів,
внаслідок чого було доведено доцільність
застосування агентних технологій для се-
мантичного пошуку та побудовано сим-
вольну модель інтелектуального агента,
що базується на формалізації інтенсіона-
льних відношень, запропоновано засоби
підвищення рівня інтелектуальності аген-
тів за допомогою використання методів
індуктивного та традуктивного виведен-
ня. Ці дослідження, проаналізовані в [26],
можуть бути базисом для розробки моделі
мультиагентної ІПС [27].
Semantic Web пропонує потужний
практичний підхід до використання сема-
нтики як інформаційних ресурсів (ІР), так
і засобів їх обробки, що потребує нових
методів та інструментів [28]. Програму-
вання в Semantic Web – це потужний на-
прямок для підвищення ефективності роз-
поділеного та сумісного доступу до інфо-
рмації та її використання прикладними
програмами. Детальніше це розглянуто в
[18, 22].
Необхідно зазначити, що через
складність та комплексність ІІС залиша-
ється ще багато відкритих питань,
пов’язаних з тим, як саме потрібно засто-
совувати та інтегрувати технології
Semantic Web у кожному конкретному
випадку.
Інформаційний пошук у Web, що є
складовою найрізноманітніших ІІС, – це
співставлення інформаційних потреб ко-
ристувача (що формалізуються певним
чином через пошукові запити) із відомос-
тями щодо ІР та їх метаописів. Її рішення
потребує як створення засобів для пред-
ставлення відомостей щодо користувачів
та ІР із достатньою виразною потужністю,
так і у розробці ефективних методів їх
співставлення. Термін “інформаційний
пошук” ("information retrieval") був введе-
ний американським математиком К.Н.
Муерсом.
Через надзвичайно великий обсяг,
гетерогенність та складну структуру Web
тієї інформації, яку надає сам користувач
– як набір ключових слів або природною
мовою – для ідентифікації своїх інформа-
ційних потреб, недостатньо для того, щоб
знайти пертинентні відомості. Тому су-
часні інформаційно-пошукові системи
(ІПС) розвиваються у напрямку їх інтеле-
ктуалізації та персоніфікації.
Персоніфікація ІПС – використан-
ня інформації щодо користувача, його ін-
формаційних потреб. Така інформація
може бути безпосередньо надана користу-
вачу, здобута з досвіду його взаємодії із
системою або отримана від зовнішніх ІР
та застосунків (наприклад, соціальних ме-
реж або персональних сторінок).
Інтелектуалізація ІПС – це вико-
ристання в процесі пошуку знань щодо
його суб’єктів і об’єктів та отримання
більш пертинентних результатів.
В ІПС все частіше застосовують зо-
внішні бази знань (БЗ), у ролі яких часто
використовують онтології різного рівня.
Онтології дозволяють характеризувати:
– основні елементи ІПС та зв’язки
між ними;
– користувачів та сферу їх інтере-
сів;
– ІР та їх ПрО;
– інформаційні об’єкти, що цікав-
лять користувача;
– інші ІІС, які виступають як дже-
рела інформації.
Інформаційний об’єкт (ІО) – мо-
дель об’єкта ПрО в інформаційному прос-
торі, яка визначає структуру, атрибути,
обмеження цілісності й, можливо, поведі-
нку цього об’єкта. У пошуку під ІО буде-
мо розуміти ту інформацію, яку користу-
вач отримує в результаті виконання про-
цесу пошуку. Важливо, що сам об’єкт
ПрО може бути як матеріальним (напри-
клад, людина, організація, місце), так і
віртуальним, що не має конкретного ма-
теріального еквівалента (наприклад, кни-
га, програма), хоча і зв’язаний з тим чи
іншим матеріальним носієм інформації.
Приклади ІО – організація, людина-
експерт, Web-сервіс [22].
Онтологічний опис ІО характеризує
його структуру, відношення з іншими ІО,
атрибути, їх типи та значення тощо. Тип
ІО може бути формалізований як клас від-
повідної онтології, а потрібний користува-
чеві ІО – як екземпляр цього класу з пев-
Інтелектуальні інформаційні технології
55
ними властивостями. Доцільно використо-
вувати для семантичного пошуку зовнішні
спеціалізовані онтології та таксономії ІО.
Наприклад, якщо потрібно знайти Web-
сервіс, то можна використовувати OWL-S,
а для пошуку мультимедіа – таксономію
мультимедійних ІО.
У загальному випадку користувач
описує свою інформаційну потребу, вка-
зуючи клас онтології ІО X , до якого від-
носиться шуканий екземпляр ІО Xx
(наприклад, особа, організація або програ-
мний агент), та умови, що накладаються на
значення його властивостей.
Онтології, що застосовуються в си-
стемі семантичного пошуку (ССП), можна
поділити за їх ролями на наступні групи:
– онтології ПрО – для опису інфо-
рмаційних потреб користувача та ІР, що
дозволяє визначати ступінь семантичної
близькості між ними;
– онтології ІО – для опису струк-
тури та властивостей ІО, що цікавлять кори-
стувача;
– організаційні онтології – для
опису джерел інформації щодо користувачів
та ІР;
– лінгвістичні онтології – для ана-
лізу та анотування контенту природномов-
них ІР;
– внутрішні онтології ССП – для
інтеграції її елементів та для зв’язку з інши-
ми ІІС.
Нині багато досліджень спрямова-
них у бік більш інтелектуальних форм
отримання інформації [28], які називають
семантичним пошуком.
Семантичний пошук – це метод
інформаційного пошуку, у якому релеван-
тність документа запиту визначається
семантично (за близькістю змісту), а не
синтаксично (наприклад, за частотою ви-
користання ключових слів у документі).
Його метою є отримання з ІР відомостей,
що задовольняють інформаційну потребу
користувача, пов’язану із розв’язанням
певної проблем, в процесі якого застосо-
вуються (наочно або приховано від корис-
тувача) знання щодо різних суб’єктів і
об’єктів пошукової процедури й методи
аналізу цих знань [29].
ССП – це ІПС, що забезпечує по-
шук ІО різних типів із використанням
знань для зіставлення запиту з наявними
ІР на семантичному рівні. Корисно, щоб
ССП були здатні застосовувати зовнішні
знання, тобто такі, що не закладені в сис-
тему в процесі її розробки, а здобувають-
ся з оточуючого середовища в процесі ро-
боти, тому що це забезпечує їх адаптив-
ність.
Зазвичай ССП пов’язують з такими
можливостями, як обробка запитів приро-
дною мовою, пошук складних ІО, пошук у
Semantic Web та інтелектуальний інтер-
фейс.
У класифікації ССП [30] вирізняють
підходи на основі структурованих мов за-
питів, що потребують певної кваліфікації
користувачів (наприклад, [31–33], та під-
ходи, орієнтовані на некваліфікованих ко-
ристувачів, які не потребують знайомства
зі спеціалізованими мовами запитів. Цю
другу групу поділяють підходи, де запити
складаються із списків ключових слів (на-
приклад, [34, 35]); та підходи, де користу-
вачі висловлюють запити природною мо-
вою (наприклад, [36, 37]).
Одна з перших систем створення
семантичних запитів в Web – SHOE [38] –
дозволяє користувачам задавати структу-
ровані запити з використанням онтології.
Більшість ССП, що використовують онто-
логії, орієнтовані на пошук лише у
Semantic Web (наприклад, ONTOSEARCH2
[39], Swoogle [40]), тобто серед семантично
анотованих ІР. Але, на жаль, нині такі ІР
складають лише незначну частину Web, і
тому такий пошук не задовольняє потре-
бам користувачів.
Ті ССП, що здійснюють пошук у
всьому інформаційному просторі Web, за-
звичай працюють як метапошукові ІПС:
отримують запит користувача, семантично
переробляють його та спрямовують до зо-
внішніх ІС (наприклад, до Google), а потім
семантично обробляють отримані резуль-
тати. В семантичній обробці досить часто
застосовуються онтології (наприклад,
QUICK [37]).
Незважаючи на різноманіття під-
ходів до семантичного пошуку в Web,
дослідження в цій області ще знаходяться
Інтелектуальні інформаційні технології
56
на самому початку. Ще не знайдено мето-
дів для автоматичної трансформації при-
родномовних запитів у формальні на ос-
нові онтологій, для семантичного аноту-
вання Web-контенту та автоматичного
здобуття знань щодо певних ІО з обраних
ІР. Крім того, потребують розробки засо-
би пошуку, створення та підтримка онто-
логій, потрібних для пошуку.
Більш детально ця проблема розг-
лянута в [41], де створення ССП розгля-
дається як окремий випадок побудови ро-
зподіленої ІІС на основі технологій
Semantic Web та методів штучного інте-
лекту.
Постановка задачі
Аналіз публікацій щодо розробки
ССП, наведений у [42], свідчить про те,
що усі ці системи не дозволяють користу-
вачам явно вказувати, які саме знання та з
яких джерел потрібно використовувати
для своєї роботи, та які саме ІО їх цікав-
лять. Для персоніфікації семантичного
пошуку потрібно, щоб користувач мав
можливості обирати онтології ПрО та ІО,
пертинентні його цілям, але для цього не-
обхідно розробити методи та засоби, які
дозволять некваліфікованим користува-
чам аналізувати такі онтології.
Задачею даного дослідження є роз-
робка методу використання онтологій у
ССП для пошуку природномовних та
мультимедійних ІО, який дозволяє корис-
тувачам явно керувати відбором знань,
що використовуються в процесі пошуку
для формалізації своїх інформаційних
потреб.
Для цього пропонується розробити
такий метод побудови тезаурусів – прос-
тіших для обробки окремих випадків
онтологій ПрО, в якому користувач має
можливість впливати на здобуття з
онтологій тих знань, що стосуються
його поточної задачі; та запропонувати
способи співставлення цих тезаурусів
із контентом та метаописами ІР, які
дозволяють обрати серед них найбільш
пертинентні. Онтологічна модель семан-
тичного пошуку, що формалізує відомості
щодо основних об’єктів та суб’єктів ССП,
має стати основою для персоніфікації по-
шуку як джерело відомостей про інфор-
маційні потреби користувача, його задачі
та потрібні для цих задач ІО.
Для того, щоб користувачі мали
можливість відображати свої інтереси за
допомогою онтологій, потрібно також ро-
зробити засоби побудови та вдосконален-
ня онтологій на основі ресурсів Web.
Онтологічна модель
семантичного пошуку
Побудова ССП потребує створення
формальної моделі, яка розкриває взаємо-
дію між усіма суб’єктами та об’єктами
пошуку, та може поєднуватися з онтоло-
гічними моделями окремих ПрО. Викори-
стання цієї моделі дозволяє більш чітко
визначити поточні інформаційні потреби
користувача та структуру тієї інформації,
яку він потребує. Важливо, щоб така мо-
дель, з одного боку, мала достатню вираз-
ність, а з іншого – була б досить зрозумі-
лою та не викликала надто великих обчи-
слювальних складнощів при її обробці.
Будемо використовувати форма-
льну модель онтології, більш детально
описану в [27], яка є конкретизацією мо-
делі (1):
T,F},p{}r{r,XXO jiclindcl . (2)
Ця модель складається з таких еле-
ментів:
– indcl XXX – множина кон-
цептів онтології, де clX – множина класів,
indX – множина екземплярів класів, таких,
що Aa,XAXa clind ;
– }p{}r{rR jiicl – множина
відношень між елементами онтології, де
clr – ієрархічне відношення, що може
встановлюватися між класами онтології і
властивостями класів і характеризується
такими властивостями, як антисиметрич-
ність і транзитивність; }r{ i – множина
об’єктних властивостей, що установлюють
відношення між екземплярами класів,
}p{ i – множина властивостей даних, що
Інтелектуальні інформаційні технології
57
встановлюють стосунки між екземплярами
класів і значеннями;
– F – множина властивостей кла-
сів онтології, екземплярів класів і їхніх
властивостей;
– T – множина типів даних (на-
приклад, рядок, ціле).
Вибір саме такої моделі онтології
обумовлюється наступними причинами.
По-перше, вона найбільше повно відпові-
дає інтуїтивному уявленню про онтології,
закладеному в редакторі онтологій Protege
[43]. По-друге, ця модель досить легко
інтегрується з моделлю тезауруса задачі,
що використовується для семантичного
пошуку. По-третє, цю модель дозволяє
зіставити онтологічне представлення
знань щодо ПрО із семантичними конст-
рукціями Semantic MediaWiki: для деяких
елементів може бути сформована взаємо-
однозначна відповідність, а зіставлення
інших вимагає додаткових перетворень,
але також може бути хоча б частково ав-
томатизовано.
Онтологічна модель семантичного
пошуку (ОМСП) – це формальна модель
онтології, класи якої описують різні
елементи ССП (обов’язкові, як користу-
вачі, ІР, ІО та запити, та службові, що
залежать від специфіки конкретної систе-
ми – наприклад, тезауруси або лексичні
онтології), відношення задають зв’язки
між цими елементами, а аксіоми формалі-
зують правила виконання пошуку. Струк-
тура ОМСП задається розробниками
ССП, а екземпляри її класів створюються
в процесі її функціювання та можуть змі-
нюватися [44].
Деякі класи ОМСП можуть бути
посиланнями на зовнішні онтології або їх
окремі випадки (таксономії, тезауруси
тощо), фіксуючи роль цих онтології в
ССП. Наприклад, екземпляром класу “ІО”
може бути онтологія Web-сервісів або
мультимедійних ресурсів.
Множина clX ОМСП містить на-
ступні основні класи:
– користувач – особа, інформа-
ційну потребу якої має задовольнити
семантичний пошук (ці відомості отри-
муються від самого користувача, з досві-
ду взаємодії з ним та із зовнішніх ІР);
– група користувачів – множина
користувачів, поєднаних за певним крите-
рієм;
– онтологія ПрО, що характеризує
сферу інформаційних потреб користувача;
– тезаурус задачі – множина зва-
жених термінів онтології ПрО, які стосу-
ються поточної задачі користувача;
– тезаурус ІР – множина термінів
тезаурусу задачі, які містяться в ІР;
– лексична онтологія ПрО, що
містить відомості про лексеми природних
мов, які відповідають термінам онтології;
– запит – множина ключових слів,
надана користувачем;
– тема – група семантично
пов’язаних запитів;
– результат запиту – множина
знайдених ІР, оцінених користувачем;
– інформаційна потреба користу-
вача, для задоволення якої і виконується
пошук інформації;
– ІР – документи різних типів, до
яких ІПС має доступ;
– інформаційне середовище – су-
купність усіх доступних ІР, їх властивос-
тей (включаючи їх оцінки користувачами)
і зв’язків між ними;
– ІО – відомості про об’єкт з пев-
ною структурою, визначеною користува-
чем, що містяться в одному чи декількох
ІР.
Множина cl_ierr ОМСП містить іє-
рархічні відношення між класами (напри-
клад, між різними підкласами класу “ко-
ристувач” та класу “ІО”), множина }r{ i мі-
стить відношення, специфічні для задачі
пошуку, наприклад, відношення “входить
до групи” дозволяє пов’язати екземпляри
класу “Користувач” до екземпляру класу
“Група”.
Множина Т містить такі специфічні
типи, як “Тезаурус” та “Онтологія”.
Інтелектуальні інформаційні технології
58
Використання тезаурусів для
пошуку ІР, семантично близьких
до задачі користувача
Незважаючи на наявність великої
кількості ССП із розширеними можливос-
тями для побудови запитів, більшість
користувачів надає перевагу простим за-
питам з ключових слів, хоча прагнуть
отримувати персоналізовані результати
пошуку. Але пошукові запити на основі
онтологій, які дозволяють значно краще
формалізувати потреби користувачів, ба-
зуються на досить складних структурова-
них мовах [45]. Тому виникає потреба
у розробці певних проміжних засобів
представлення знань, які в достатній мірі
враховували семантику, але були б зро-
зумілі широкому колу користувачів.
Пропонується використовувати для цього
тезауруси та пов’язані з ними лексичні
онтології [46].
Тезаурус ІР – окремий випадок он-
тології, множина понять якого є під-
множиною з тих понять онтології ПрО,
які семантично пов’язані з певними еле-
ментами контенту цього ІР, а множини
відношень та аксіом – порожні. Тезаурус
можна розглядати як онтологічний опис
ІР, який характеризує його семантику.
З точки зору користувача, такий тезаурус
– це множина слів (можливо, з певними
вагами).
Для природномовних ІР тезаурус
може будуватися за допомогою лексич-
них онтологій, для мультимедійних – за
їх семантичним метаописом (наприклад,
в RDF). Для інших типів ІР та ІО потріб-
ні спеціалізовані методи для аналізу їх
семантики. Наприклад, для Web-сервісів
можуть бути методи аналізу їх моделей.
Тезаурус задачі – це теж окремий
випадок онтології, множина понять якого
є підмножиною понять онтології ПрО,
які відповідають поточній задачі корис-
тувача.
Користувач може побудувати теза-
урус задачі самостійно, обравши їх з
множини понять онтології безпосередньо
або за певним критерієм (наприклад, всі
підкласи певного класу) або знайти їх за
природномовним описом задачі, викорис-
товуючи лексичну онтологію. Крім того,
тезаурус може бути побудовано як
об’єднання кількох раніше побудованих
тезаурусів (при цьому можуть використо-
вуватися тезауруси, побудовані за різни-
ми онтологіями).
Тезаурус не містить відношень між
термінами, але ці відношення, присутні в
базовій для нього онтології ПрО, викори-
стовуються для побудови тезаурусу. Слід
зазначити, що тезауруси тієї самої задачі,
побудовані за різними онтологіями ПрО,
можуть значно різнитися.
Важливо, що тезаурусну модель ІР
досить просто зрозуміти навіть некваліфі-
кованим користувачам, які можуть про-
глядати та модифікувати такі набори тер-
мінів.
В процесі пошуку тезауруси дозво-
ляють визначити семантичну близькість
між задачею користувача та тими ІР, які
були знайдені за ключовими словами,
тобто виконується порівняння ІО різних
типів за їх тезаурусними моделями [47].
Відповідно до отриманих значень семан-
тичної результати пошуку перевпорядко-
вуються. Цей алгоритм складається з на-
ступних кроків (рис.1):
– користувач вводить запит, іден-
тифікуючи свою інформаційну потребу за
допомогою набору ключових слів;
– запит передається до зовнішньої
ІПС, від якої отримують його результати,
його виконання – n посилань на ІР та їхні
анотації;
– якщо множина запитів містить
більше одного ІР, то потрібно встановити
порядок надання їх користувачеві, порів-
нявши тезауруси цих ІР з тезаурусом за-
дачі та отримавши коефіцієнти їх семан-
тичної близькості.
Значення коефіцієнту семантичної
близькості між тезаурусом задачі taskTs ,
якому відповідає набір термінів ПрО, що
цікавить користувача,
q1,m,tТ mtask ,
та тезаурусами знайдених ІР
Інтелектуальні інформаційні технології
59
Рис. 1. Алгоритм семантичного впорядкування результатів пошуку на основі тезаурусів
n1,j,,T)Ts(IP
xjj
обчислюється наступним чином:
q
1m
w
1w
mjj
j
w
t,tfK ,
q1,m , ,w1,w j jw – кількість елемен-
тів у словнику тезаурусу j-го ІР, q – кіль-
кість елементів у словнику тезаурусу зада-
чі, а
21
21
21
t tякщо ,1
t tякщо ,0
t,tf .
Можуть використовуватися й
більш складні формули, що враховують
відносну важливість різних термінів, їх
кількість та місцезнаходження в ІР, обсяг
самих ІР тощо.
Новизну запропонованого підходу
підтверджує [48]. Тезаурус задачі може
використовуватися також для семантич-
ної розмітки знайдених ІР, виділяючи
фрагменти, пов’язані із задачею користу-
вача.
Якщо семантичний пошук застосо-
вується для пошуку типів ІО, відмінних
від природномовних ІР, тоді замість теза-
урусів ІР застосовують онтологічні описи
цих ІО.
Даний підхід орієнтований на окре-
мий випадок пошуку:
– користувач має сталі інформа-
ційні потреби у певній ПрО, в якій він до-
сить обізнаний;
– користувач має певну задачу,
пов’язану з цією ПрО (та опис цієї задачі),
і для рішення цієї задачі йому потрібно ви-
конувати різноманітні запити (можливо,
повторювати їх або здійснювати з невели-
кими модифікаціями);
– інформаційні потреби користу-
вача досить специфічні, і тому йому потрі-
бні персоніфіковані, а не усереднені ре-
зультати пошуку;
– користувач не є спеціалістом зі
знань, і тому йому складно використовува-
ти структуровані пошукові запити;
Інтелектуальні інформаційні технології
60
– користувач здатний досить чітко
класифікувати, які саме ІО він прагне
отримати (наприклад, наукові статті,
програмні продукти або навчальні спеціа-
льності);
– користувач згоден одноразово
витратити певний час на опис своєї задачі,
щоб потім постійно використовувати його
у запитах.
Всім цим вимогам відповідає, на-
приклад, науково-дослідна діяльність (тоді
опис задачі – це план робіт) або отримання
освіти за певною спеціальністю.
Програмна реалізація
Для апробації запропонованих ме-
тодів застосування онтологій у семантич-
ному пошуку була розроблена система
МАІПС [49, 50], що орієнтована на корис-
тувачів, які мають в мережі сталі інфор-
маційні інтереси та потребують постійно-
го надходження відповідної інформації. У
розробці системи застосовувалися елеме-
нти Semantic Web.
МАІПС – це метапошукова систе-
ма, що призначена для пошуку інформа-
ції у відносно вузьких ПрО, пов’язаних
з професійними чи науковими інтересами
користувачів. Основою МАІПС є тех-
нології Semantic Web, зокрема мова
подання онтологій OWL, і засоби її
обробки. Для подання знань, що цікав-
лять користувача, використовуються он-
тології ПрО та тезауруси задач, що базу-
ються на них (рис. 2). При цьому тезау-
рус будується користувачем за відповід-
ною онтологією самостійно, а онтологія
ПрО обирається з набору онтологій,
запропонованих на сайті розробниками
системи. МАІПС надає можливість збері-
гати й повторно виконувати запити, з
огляду на реакцію користувача на раніше
запропоновані йому ІР (персональна
фільтрація), відстежувати появу аналогі-
чних запитів в інших користувачів (кола-
боративна фільтрація), зберігати форма-
льний опис сфери інтересів користувача
у вигляді онтології (семантична фільтра-
ція) тощо.
МАІПС використовує онтологічну
модель семантичного пошуку, яка форма-
лізує відношення між такими його основ-
ними об’єктами, як користувач, інформа-
ційний ресурс, запит, інформаційна пот-
реба тощо. Більш детально ця модель
описана в [18].
МАІПС дозволяє покращити ре-
зультати пошуку, отримані від зовнішньої
ІПС, завдяки:
орієнтованості системи на корис-
тувачів, які мають у мережі сталі інфор-
маційні інтереси та потребують постійно-
го надходження відповідної інформації з
обраної ПрО;
застосуванню програмних аген-
тів користувацького інтерфейсу, які здатні
діяти в динамічному середовищі, врахо-
вуючи персональні особливості користу-
вача;
використанню зовнішніх онтоло-
гічних баз знань, які містять відомості що-
до ПрО пошуку та структурі ІО, які шукає
користувач.
Слід зазначити, що в МАІПС аген-
тний підхід використовується в першу
чергу як парадигма опису поведінки
складної системи, а не як технологічна
платформа програмування. Поведінка
інтелектуальних агентів описується через
інтенсіональні відношення, а їх функції –
з використанням сервіс-орієнтованої ар-
хітектури.
Проведені експерименти дозволя-
ють показати переваги семантичного по-
шуку в порівнянні з традиційними пошу-
ковими машинами. Порівнювалися ре-
зультати пошуку за тими самими запита-
ми у Google та їх упорядкування у
МАІПС. Через те, що пошук здійснювався
на одній індексній базі (Google), повнота
та абсолютна точність пошуку збігаються,
але значно відрізняється умовна точність
пошуку для 10, 20 та 30 документів:
МАІПС автоматизує ту роботу, яку зазви-
чай виконує користувач, проглядаючи
сторінки з результатами пошуку.
Інтелектуальні інформаційні технології
61
Рис. 2. Користувацький інтерфейс МАІПС
Семантичні Wiki-ресурси
як джерело онтологічних знань
Одна з суттєвих проблем семанти-
чного пошуку (наприклад, при викорис-
танні МАІПС), – це знаходження онтоло-
гії, яка найбільш адекватно відображає
сферу інтересів користувача. Якщо вико-
ристовувати більш широку онтологію,
то це не тільки значно збільшує час обро-
бки, але й ускладнює роботу самого кори-
стувача з відбору важливих для нього по-
нять та відношень. З іншого боку, ство-
рювати онтології самостійно для більшос-
ті користувачів надто складно. Тому ви-
никає потреба в засобах автоматизованої
генерації онтологій за тими ІР, які корис-
тувач вважає релевантними цікавлячій
його ПрО.
Слід зазначити, що здобувати он-
тологічні знання значно простіше не з
природномовних або мультимедійних ІР,
а з тих, які вже структуровані та мають
якусь семантичну розмітку. При цьому
доцільно орієнтуватися на розповсюджені
та зрозумілі для користувачів форми по-
дання інформації. Обом цим умовам задо-
вольняють семантичні Wiki-ресурси.
Semantic Wiki базується на Wiki-
технології [51], яка забезпечує розподіле-
ну обробку інформації в Web і дозволяє
користувачам вільно редагувати контент
сторінок. Semantic MediaWiki (SMW) –
семантичне розширення MediaWiki – до-
зволяє додавати семантичні анотації до
Wiki-сторінок, та використовує такі еле-
менти розмітки, як семантичні властивос-
ті (для створення даних) та семантичні
запити (для використання даних).
Семантичні Wiki-ресурси досить
легко інтегрувати з відповідними онтоло-
гіями ПрО: онтологія може використову-
ватися як основа для ієрархії категорій у
Wiki, а за множиною Wiki-сторінок мож-
на згенерувати онтологію, здобувши
знання інформацію з семантичної розміт-
ки цих сторінок. Тому було розроблено
метод автоматизованої генерації та/або
Інтелектуальні інформаційні технології
62
вдосконалення онтології ПрО за набором
Wiki-сторінок, де користувач може явно
визначити, які саме теги семантичної роз-
мітки потрібно враховувати [52].
Рішення такої задачі включає спів-
ставлення відповідних онтологій ПрО і
семантичних Wiki-ресурсів. Змістовно
Wiki-ресурси та онтологія відображають
ту ж саму ПрО, але ці засоби мають різну
виразну здатність та різний рівень зрозу-
мілості для користувача.
Класам онтології ПрО в Semantic
MediaWiki відповідають категорії, шаб-
лони та форми. Wiki-сторінкам відпові-
дають екземпляри класу онтології, але
одна сторінка може бути пов’язана з кіль-
кома різними екземплярами онтології (як
правило, різних класів), тому що у бага-
тьох випадках екземпляр класу онтології
безпосередньо пов’язаний тільки з певним
фрагментом Wiki-сторінки. Посилання на
іншу Wiki-сторінку відповідають
об’єктній властивості онтології “Поси-
лання”, а семантичні властивості типу
«сторінка» – іншим об'єктним властивос-
тям онтології. Семантичні властивості
будь-якого іншого типу у Semantic
MediaWiki відповідають властивостям да-
них в онтології.
Автоматична побудова нової OWL-
онтології за Semantic MediaWiki не дозво-
ляє генерувати характеристики класів і
властивостей, що не мають аналогів у
Wiki (зокрема, про еквівалентність класів
і властивостей, наявність або відсутність
перетину, про їхню область значення і ви-
значення).
Описаний вище підхід було апро-
бовано для рішення задачі забезпечення
прозорості рамок кваліфікацій [53] для
автоматизованого вдосконалення онтоло-
гічної моделі компетенцій на основі ре-
левантних Wiki-ресурсів з семантичною
розміткою [54], яке базувалося на методі
співставленні компетенцій, запропонова-
ному в [55] з використанням методів
з [56].
Висновки
Аналіз досліджень у сфері розробки
розподілених ІІС показує актуальність
інтеграції таких напрямків, як агентно-
орієнтоване програмування, застосування
інтелектуальних Web-сервісів та онтологі-
чний аналіз. Вивчення наявних засобів ке-
рування знаннями у Web, аналіз техноло-
гій і стандартів Semantic Web підтвердили
доцільність їх використання для семантич-
ного пошуку.
Ефективність використання запро-
понованої у роботі онтологічної моделі
семантичного пошуку для окремих типів
пошукових задач була доведена в резуль-
таті розробки дослідного прототипу ін-
формаційно-пошукової системи, яка ви-
користовує у процесі пошуку онтології та
тезауруси для опису ПрО, що цікавить
користувача, та тих інформаційних
об’єктів, які йому потрібні для рішення
поточних задач. Запропоновано шляхи
інтеграції розроблених засобів семантич-
ного пошуку з іншими ІІС на основі вико-
ристання агентних технологій та сервіс-
орієнтованих обчислень.
1. Gilbert N., Bankes S. Platforms and methods
for agent-based modeling. Proceedings of the
National Academy of Sciences, 99(suppl 3).
2002. P. 7197–7198.
2. Cowles P. Web Services and the Semantic
Web. http://ezolin.pisem.net/logic/ws_and_
sw_rus.html.
3. Вікіпедія. https://uk.wikipedia.org/wiki.
4. Гаврилова Т.А., Хорошевский В.Ф. Базы
знаний интеллектуальных систем. СПб.:
Питер, 2000.
5. Warren P. Knowledge Management and the
Semantic Web: From Scenario to
Technologyю IEEE Intelligent Systems. 2006.
Vol. 21, N 1. P. 53–59.
6. Хорошевский В.Ф. Пространства знаний в
сети Интернет и Semantic Web. Часть 1.
Искусственный интеллект и принятие
решений. 2008. С. 80–97.
http://xrumer.raai.org/library/aidt/aidt2008-
1/aidt2008-1.files/2008-1-80-97.pdf
7. Sabou M., d’Aquin M., Motta E. Exploring
the semantic web as background knowledge
http://ezolin.pisem.net/logic/%20ws_and_sw_rus.html
http://ezolin.pisem.net/logic/%20ws_and_sw_rus.html
https://uk.wikipedia.org/wiki.
Інтелектуальні інформаційні технології
63
for ontology matching. Journal on Data
Semantics. 2008.
8. Davies J., Fensel D., van Harmelen F. To-
wards the Semantic Web: Ontology-driven
knowledge. John Wiley & Sons Ltd, England,
2002. 288 p.
9. Berners-Lee T., Hendle J., Lassil O. The
semantic web. Scientific american. 284(5).
2001. P. 28–37. https://pdfs.semanticscholar.
org/566c/1c6bd366b4c9e07fc37eb372771690
d5ba31.pdf.
10. W3C Semantic Web Activity. Режим досту-
пу : http://www.w3.org/2001/sw/Activity/.
11. Introduction to Semantic Web.
http://www.mphasis.com/knowledge-
center/white- papers-all.asp.
12. Lassila O., Swick R. Resource Description
Framework (RDF) Model and Syntax
Specification, W3C Recommendation.
http://www.w3.org/TR/REC-rdf-syntax.
13. OWL Web Ontology Language Semantics
and Abstract Syntax. Section 2. Abstract
Syntax. http://www.w3.org/TR/owl-
semantics/syntax.html.
14. Davies J., Fensel D., van Harmelen F.
Towards the Semantic Web: Ontology-driven
knowledge management. John Wiley & Sons
Ltd, England. 2002. 288 p.
15. Gruber T. R. Toward Principles for the
Design of Ontologies Used for Knowledge
Sharing. International Journal of Human-
Computer Studies. 1995. Vol. 43, Issues 5-
6. P. 907–928.
16. Ushold M., Gruninger M. Ontologies:
Principles, Methods and Applications,
Knowledge Engineering Review, 1996.
Vol. 11, N 2.
17. Guarino N. Formal Ontology in Information
Systems. Proceedings of FOIS'98. 1998.
P. 3–15.
18. Рогушина Ю.В., Гладун А.Я., Осадчий
В.В., Прийма С.М. Онтологічний аналіз у
Web. Монографія. Мелітополь: МДУПУ
ім. Б. Хмельницького. 2015. 407 с.
19. Krafzig D., Banke K., Slama K. Enterprise
SOA: service-oriented architecture best
practices. Prentice Hall Professional. 2005.
378 p.
20. Cowles P. Web Services and the Semantic
Web. http://ezolin.pisem.net/logic/ws_and_
sw_rus.html.
21. Martin D., Burstein M., Lassila O., Paolucci
M., Payne T., McIlraith S. Describing Web
Services using OWL-S and WSDL.
http://www.daml.org/services/owl-s/1.0/owl-
s-wsdl.html.
22. Гладун А.Я., Рогушина Ю.В. Семантичні
технології: принципи та практики. К.: ТОВ
"ВД "АДЕФ-Україна". 2016. 308 с.
http://eprints.isofts.kiev.ua/669/.
23. Franklin S., Graesser A. Is it an Agent, or just
a Program?: A Taxonomy for Autonomous
Agents. Intelligent agents III Int. Workshop
on Agents Theories, Arch. and Languages.
1997. P. 21–35.
24. Shoham Y. Agent-oriented programming.
Artificial Intelligence. 1993. N 60. P. 51–92.
25. Ndumu D.T., Nwana H.S. Research and
Development Challenges for Agent-Based
Systems. Software Engineering. IEE
Processing. 1997. Vol. 144. P. 2–10.
26. Плескач В.Л., Рогушина Ю.В. Агентні тех-
нології. Монографія. К.: Київ. нац. торг.–
екон. ун-т, 2005. 338 с.
27. Рогушина Ю.В. Використання онтологіч-
них знань інтелектуальними агентами.
Проблеми програмування. 2017. № 2.
С. 82–95.
28. Davies J., Fensel D., van Harmelen F.
Towards the Semantic Web: Ontology-driven
knowledge management. John Wiley & Sons
Ltd, England. 2002. 288 p.
29. Baeza-Yates R., A. Raghavan R. Next
generation Web search, S. Ceri and M.
Brambilla, editors, Search Computing,
Springer, 2010. P. 11–23.
30. Fazzingaa B., Lukasiewicz T. Semantic
search on the Web. Semantic Web –
Interoperability, Usability, Applicability.
2010. N 1. P. 1–7.
31. Kasneci G., Suchanek F.M., Ifrim G.,
Ramanath M., Weikum G. NAGA: Searching
and ranking knowledge. Proc. ICDE-2008,
ШЕЕ Computer Society, 2008. P. 953–962.
32. Oren E., Gueret C., Schlobach S. Anytime
query answering in RDF through evolutionary
algorithms. Proc. ISWC- 2008, LNCS 5318,
Springer, 2008. P. 98–113.
33. Cheng G., Ge W., Qu Y. Falcons: Searching
and browsing entities on the Semantic Web.
Proc. WWW-2008, ACM Press, 2008.
P. 1101–1102.
34. Lei Y., Uren V. S., Motta E. SemSearch: A
search engine for the Semantic Web. Proc.
EKAW-2006, LNCS 4248, Springer, 2006.
P. 238–245.
35. Harth A., Hogan A., Delbru R., Umbrich J.,
O’Riain S., Decker S. SWSE: Answers before
links. Proc. Semantic Web Challenge 2007,
CEUR Workshop Proceedings 295. CEUR-
WS.org, 2007.
36. Damljanovic D., Agatonovic M., Cunningham
H. Natural language interface to ontologies:
http://www.w3.org/TR/photo-rdf/
http://www.mphasis.com/knowledge-center/white-papers-all.asp
http://www.mphasis.com/knowledge-center/white-papers-all.asp
http://www.mphasis.com/knowledge-center/white-papers-all.asp
http://www.w3.org/TR/REC-rdf-syntax
http://ezolin.pisem.net/logic/ws_and_sw_rus.html
http://ezolin.pisem.net/logic/ws_and_sw_rus.html
http://www.daml.org/services/owl-s/1.0/owl-s-wsdl.html
http://www.daml.org/services/owl-s/1.0/owl-s-wsdl.html
http://eprints.isofts.kiev.ua/669/
Інтелектуальні інформаційні технології
64
Combining syntactic analysis and ontology-
based lookup through the user interaction.
Proc. ESWC-2010, Part I, LNCS 6088. 2010.
P. 106–120.
37. Zenz G., Zhou X., Minack E., Siberski W.,
Nejdl W. From keywords to semantic queries.
Incremental query construction on the
Semantic Web. J. Web Sem., 7(3): 2009.
P. 166–176.
38. Heflin J., Hendler J.A., Luke S. SHOE: A
blueprint for the Semantic Web. In D. Fensel,
W. Wahlster, and H. Lieberman, editors.
Spinning the Semantic Web: Bringing the
World Wide Web to Its Full Potential, MIT
Press. 2003. P. 29–63.
39. Thomas E., Pan J.Z., Sleeman D. H.
ONTOSEARCH2: Searching ontologies
semantically. Proc. OWLED-2007, CEUR
Workshop Proceedings 258. CEUR-WS.org,
2007.
40. Finin T. W., Ding L., Pan R., Joshi A., Kolari
P., Java A., Peng Y. Swoogle: Searching for
knowledge on the Semantic Web. Proc.
AAAI-2005, AAAI Press. MIT Press, 2005.
P. 1682–1683.
41. Рогушина Ю. В. Семантичний пошук у
Web на основі онтологій: розробка моде-
лей, засобів і методів. Мелітополь: МДУ-
ПУ ім. Б. Хмельницького. 2015. 291 с.
42. Рогушина Ю.В. Класифікація засобів та
методів семантичного пошуку в Web.
Проблеми програмування. 2017. № 1.
С. 30–50.
43. Tudorache T., Nyulas C., Noy N. F., Musen
M. A. WebProtégé: A collaborative ontology
editor and knowledge acquisition tool for the
web. Semantic web. 2013. 4(1). P. 89–99.
https://www.ncbi.nlm.nih.gov/
pmc/articles/PMC3691821/.
44. Рогушина Ю.В. Знание-ориентированные
средства поддержки семантического по-
иска в Web. LAP LAMBERT Academic
Publishing. 2014. 214 с.
45. Fazzinga B., Gianforme G., Gottlob G.,
Lukasiewicz T. Semantic Web search based
on ontological conjunctive queries. Proc.
FoIKS-2010, LNCS 5956, Springer, 2010.
P. 153–172.
46. Добров Б.В., Иванов В.В., Лукашевич Н.В.,
Соловьев В.Д. Онтологии и тезау-
русы. Казань: КГУ. 2006.
47. Гладун А.Я., Рогушина Ю.В. Формирова-
ние тезауруса предметной области как
средства моделирования информационных
потребностей пользователя при поиске
в Интернете Вестник компьютерных и
информационных технологий. М.: № 1.
2007.
48. Патент на корисну модель №113890 “Спо-
сіб персоніфікованого пошуку інформації”.
49. Свідоцтво про реєстрацію авторського
права на твір № 32068 Рогушина Ю.В.,
Гришанова І.Ю. Літературний твір науко-
вого характеру "Модель мультиагентної
інформаційно-пошукової системи
"МАІПС"("Модель МАІПС").
50. Свідоцтво про реєстрацію авторського
права на твір № 32015. Гришанова І.Ю.,
Рогушина Ю.В. Комп`ютерна програма
"Мультиагентна інформаційно-пошукова
система "МАІПС"("МАІПС").
51. Wagner C. Wiki: A technology for conversa-
tional knowledge management and group
collaboration. The Communications of the
Association for Information Systems. 2004.
Vol. 13(1). P. 264–89.
52. Rogushina J. Semantic Wiki resources and
their use for the construction of personalised
ontologies. Proc. of the 10th International
Conference of Programming UkrPROG'2016,
2016. P. 196–203. http://ceur-ws.org/Vol-
1631/188-195.pdf.
53. Rogushina J., Pryima S. Use of ontologies and
the Semantic Web for qualifications frame-
work transparency. Eastern-European Jour-
nal of Enterprise Technologies. 2017.
1/2 (85). P. 25–30.
54. Rogushina J.V, Pryima S.M. Development of
methods for support of qualification frame-
works transparency based on semantic tech-
nologies. Information Technologies and
Learning Tools. 2017. Vol. 59, N. 3.
P. 201–210.
55. Rogushina J.V., Gladun A.Y. Ontological
Approach to Matching of the Domain
Competence of Specialists for Research
Projects. Материалы VII Международной
научно-технической конференции
«Открытые семантические технологии
проектирвоания интеллектуальных сис-
тем» OSTIS-2017. Минск. БГУИР. 2017.
С. 133–138.
56. Рогушина Ю.В. Сопоставление семантиче-
ских информационных ресурсов web на
основе онтологического анализа. Interna-
tional Journal "Information Technologies &
Knowledge". 2017. Vol. 11, N 1. P. 49–71.
http://www.foibg.com/ijitk/ijitk-vol11/ijitk11-
01-p03.pdf.
http://ceur-ws.org/Vol-1631/188-195.pdf
http://ceur-ws.org/Vol-1631/188-195.pdf
Інтелектуальні інформаційні технології
65
References
1. Gilbert N., Bankes S. (2002) Platforms and
methods for agent-based modeling.
Proceedings of the National Academy of
Sciences, 99(suppl 3), P. 7197–7198.
2. Cowles P. Web Services and the Semantic
Web. http://ezolin.pisem.net/logic/ws_and_
sw_rus.html.
3. Wikipedia. https://uk.wikipedia.org/wiki. [in
Ukrainian].
4. Gavrilova T.A., Choroshevsky V.F. (2000)
Knowledge bases of intelligent systems. SPb.:
Piter. [in Russian].
5. Warren P. (2006) Knowledge Management
and the Semantic Web: From Scenario to
Technologyю IEEE Intelligent Systems,
V. 21, N 1. P. 53–59.
6. Choroshevsky V.F. (2008) Knowledge spaces
on the Internet and the Semantic Web (Part
1). Artificial Intelligence and Decision
Making, 1. P. 80–97. http://xrumer.raai.org/
library/aidt/aidt2008-1/aidt2008-1.files/2008-
1-80-97.pdf [in Russian].
7. Sabou M., d’Aquin M., Motta E. (2008)
Exploring the semantic web as background
knowledge for ontology matching. Journal on
Data Semantics.
8. Davies J., Fensel D., van Harmelen F. (2002)
Towards the Semantic Web: Ontology-driven
knowledge. John Wiley & Sons Ltd, England,
288 p.
9. Berners-Lee T., Hendle J., Lassil O. (2001)
The semantic web. Scientific american,
284(5). P. 28–37. https://pdfs.semanticscholar.
org/566c/1c6bd366b4c9e07fc37eb372771690
d5ba31.pdf.
10. W3C Semantic Web Activity. Режим досту-
пу : http://www.w3.org/2001/sw/Activity/.
11. Introduction to Semantic Web.
http://www.mphasis.com/knowledge-
center/white- papers-all.asp.
12. Lassila O., Swick R. Resource Description
Framework (RDF) Model and Syntax
Specification. W3C Recommendation.
http://www.w3.org/TR/REC-rdf-syntax.
13. OWL Web Ontology Language Semantics
and Abstract Syntax. Section 2. Abstract Syn-
tax. http://www.w3.org/TR/owl-semantics/
syntax.html.
14. Davies J., Fensel D., van Harmelen F. (2002)
Towards the Semantic Web: Ontology-driven
knowledge management. John Wiley & Sons
Ltd, England, 288 p.
15. Gruber T. R. (1995) Toward Principles for the
Design of Ontologies Used for Knowledge
Sharing. International Journal of Human-
Computer Studies, Vol. 43, Issues 5–6.
P. 907–928.
16. Ushold M., Gruninger M. (1996) Ontologies:
Principles, Methods and Applications,
Knowledge Engineering Review. V. 11. N 2.
17. Guarino N. (1998) Formal Ontology in
Information Systems. Proceedings of
FOIS'98, P. 3–15.
18. Rogushina J.V., Gladun A.Ya.,Osadchiy
V.V., Pryima S.M. (2015) Ontological
analysis into the Web, Melitopol: Bogdan
Hmelnitsky MDPU, . – 407 p. [in Ukrainian]
19. Krafzig D., Banke K., Slama K. (2005)
Enterprise SOA: service-oriented architecture
best practices / Prentice Hall Professional,
378 p.
20. Cowles P. Web Services and the Semantic
Web. http://ezolin.pisem.net/logic/ws_and_
sw_rus.html.
21. Martin D., Burstein M., Lassila O., Paolucci
M., Payne T., McIlraith S. Describing Web
Services using OWL-S and WSDL.
http://www.daml.org/services/owl-s/1.0/owl-
s-wsdl.html.
22. Gladun A.Y., Rogushina J.V. Semantic
technologies: principles and practics. K.:
ADEF-Ukraine, 2016. 308 p. [in Ukrainian].
23. Franklin S., Graesser A. (1997) Is it an
Agent, or just a Program?: A Taxonomy for
Autonomous Agents. Intelligent agents III Int.
Workshop on Agents Theories, Arch. and
Languages, P. 21–35.
24. Shoham Y. (1993) Agent-oriented program-
ming. Artificial Intelligence, N 60. P. 51–92.
25. Ndumu D.T., Nwana H.S. (1997) Research
and Development Challenges for Agent-
Based Systems. Software Engineering, IEE
Processing, V. 144. P. 2–10.
26. Pleskach, V.L., Rogushina, J.V. (2005) Agent
technologies, Kyiv. KNTU. 338 p. [in
Ukrainian].
27. Rogushina J.V. (2017) Use of ontological
knowledge by intelligent agents. Problems of
programming, N 2. P. 82–95.
28. Davies J., Fensel D., van Harmelen F. (2002)
Towards the Semantic Web: Ontology-driven
knowledge management. John Wiley & Sons
Ltd,, England, 288 p.
29. Baeza-Yates R., A. Raghavan R. (2010) Next
generation Web search, S. Ceri and M.
Brambilla, editors, Search Computing,
Springer, P. 11–23.
http://ezolin.pisem.net/logic/ws_and_%20sw_rus.html
http://ezolin.pisem.net/logic/ws_and_%20sw_rus.html
https://uk.wikipedia.org/wiki.
http://xrumer.raai.org/
https://pdfs/
http://www.w3.org/TR/photo-rdf/
http://www.mphasis.com/knowledge-center/white-papers-all.asp
http://www.mphasis.com/knowledge-center/white-papers-all.asp
http://www.mphasis.com/knowledge-center/white-papers-all.asp
http://www.w3.org/TR/REC-rdf-syntax
http://www.w3.org/TR/owl-semantics/
http://ezolin.pisem.net/logic/ws_and_%20sw_rus.html
http://ezolin.pisem.net/logic/ws_and_%20sw_rus.html
http://www.daml.org/services/owl-s/1.0/owl-s-wsdl.html
http://www.daml.org/services/owl-s/1.0/owl-s-wsdl.html
Інтелектуальні інформаційні технології
66
30. Fazzingaa B., Lukasiewicz T. (2010) Seman-
tic search on the Web. Semantic Web –
Interoperability, Usability, Applicability, N 1,
P. 1–7.
31. Kasneci G., Suchanek F.M., Ifrim G.,
Ramanath M., Weikum G. (2008) NAGA:
Searching and ranking knowledge. Proc.
ICDE-2008, ШЕЕ Computer Society.
P. 953–962.
32. Oren E., Gueret C., Schlobach S. (2008)
Anytime query answering in RDF through
evolutionary algorithms. Proc. ISWC-2008,
LNCS 5318, Springer, P. 98–113.
33. Cheng G., Ge W., Qu Y. (2008) Falcons:
Searching and browsing entities on the
Semantic Web/ Proc. WWW-2008, ACM
Press, P. 1101–1102.
34. Lei Y., Uren V. S., Motta E. (2006)
SemSearch: A search engine for the Semantic
Web. Proc. EKAW-2006, LNCS 4248,
Springer, P. 238–245.
35. Harth A., Hogan A., Delbru R., Umbrich J.,
O’Riain S., Decker S. (2007) SWSE: Answers
before links. Proc. Semantic Web Challenge
2007, CEUR Workshop Proceedings 295.
CEUR-WS.org.
36. Damljanovic D., Agatonovic M., Cunningham
H. (2010) Natural language interface to
ontologies: Combining syntactic analysis and
ontology-based lookup through the user
interaction. Proc. ESWC-2010, Part I, LNCS
6088, P. 106–120.
37. Zenz G., Zhou X., Minack E., Siberski W.,
Nejdl W. (2009) From keywords to semantic
queries. Incremental query construction
on the Semantic Web. J. Web Sem., 7(3),
P. 166–176.
38. Heflin J., Hendler J. A., Luke S. (2003)
SHOE: A blueprint for the Semantic Web. In
D. Fensel, W. Wahlster, and H. Lieberman,
editors. Spinning the Semantic Web: Bringing
the World Wide Web to Its Full Potential,
MIT Press, P. 29–63.
39. Thomas E., Pan J. Z., Sleeman D. H. (2007)
ONTOSEARCH2: Searching ontologies
semantically. Proc. OWLED-2007, CEUR
Workshop Proceedings 258. CEUR-WS.org.
40. Finin T. W., Ding L., Pan R., Joshi A., Kolari
P., Java A., Peng Y. (2005) Swoogle:
Searching for knowledge on the Semantic
Web. Proc. AAAI-2005, AAAI Press / MIT
Press, P. 1682–1683.
41. Rogushina J.V. Semantic retrieval for Web on
base of ontologies: design of models, tools
and methods. Melitopol: Bogdan Hmelnitsky
MDPU , 2015. 291 p. [in Ukrainian].
42. Rogushina J.V. (2017) Classification of
means and methods of the Web semantic
sretrieval. Problems of programming. N 1,
P. 30–50. [in Ukrainian].
43. Tudorache T., Nyulas C., Noy N. F., Musen
M. A. (2013) WebProtégé: A collaborative
ontology editor and knowledge acquisition
tool for the web. Semantic web, 4(1).
P. 89–99. https://www.ncbi.nlm.nih.gov/pmc/
articles/PMC3691821/.
44. Rogushina J.V. (2014) Knowledge-oriented
means of the Web semantic retrieval support.
LAP LAMBERT Academic Publishing, 214.
[in Russian].
45. Fazzinga B., Gianforme G., Gottlob G.,
Lukasiewicz T. (2010) Semantic Web search
based on ontological conjunctive queries.
Proc. FoIKS-2010, LNCS 5956, Springer,
P. 153–172.
46. Dobrov B.V., Ivanov V.V., Lucashevich
N.V., Soloviev V.D. (2006) Ontologies and
thesauri. Kazan, KGU. [in Russian].
47. Gladun A.Ya., Rogushina J.V. Formation of
the domain thesaurus as a means of modeling
the user information needs during the Interne
tsearching. The Journal of Computer and
Information Technologies, Moscow, N 1,
2007. [in Russian].
48. Patent for Utility Model No. 113890
"Personified Finding Information" [in
Ukrainian].
49. Certificate of registration of copyright law on
the work №32068 Rogushina J.V.,
Grishanova I.Yu. The literary work of the
scientific character "Model of the multiagent
information retrieval system "MAIPS"
("Model MAIPS"). [in Ukrainian].
50. Certificate of registration of copyright law on
the product number 32015. Grishanova I.Yu.,
Rogushina J.V. Computer program "MU-
multi-agent information retrieval system"
MAIPS "(" MAIPS "). [in Ukrainian].
51. Wagner C. (2004) Wiki: A technology for
conversational knowledge management and
group collaboration. The Communications of
the Association for Information Sys-
tems. V. 13(1). P. 264–89.
52. Rogushina J. (2016) Semantic Wiki resources
and their use for the construction of
personalised ontologies. Proc. of the 10th
International Conference of Programming
UkrPROG'2016, P. 196–203. – http://ceur-
ws.org/Vol-1631/188-195.pdf.
53. Rogushina J., Pryima S. (2017) Use of
ontologies and the Semantic Web for
qualifications framework transparency.
http://ceur-ws.org/Vol-1631/188-195.pdf
http://ceur-ws.org/Vol-1631/188-195.pdf
Інтелектуальні інформаційні технології
67
Eastern-European Journal of Enterprise
Technologies, 1/2 (85), P. 25–30.
54. Rogushina J.V, Pryima S.M. (2017)
Development of methods for support of
qualification frameworks transparency based
on semantic technologies. Information
Technologies and Learning Tools. V. 59,
N. 3. P. 201–210.
55. Rogushina J.V., Gladun A.Y. (2017)
Ontological Approach to Matching of the
Domain Competence of Specialists for
Research Projects. OSTIS-2017, Minsk,
P. 133–138.
56. Rogushina J.V. (2017) Comparison of the
semantic information resources of the web on
base of the ontological analysis . International
Journal "Information Technologies &
Knowledge". 2017. Vol. 11, N 1. P. 49–71.
http://www.foibg.com/ijitk/ijitk-vol11/ijitk11-
01-p03.pdf. [in Russion].
Одержано 11.07.2017
Про автора:
Рогушина Юлія Віталіївна,
кандидат фізико-математичних наук,
старший науковий співробітник.
Кількість наукових публікацій в
українських виданнях – 140.
Кількість наукових публікацій в
зарубіжних виданнях – 30.
Індекс Хірша – 10.
http://orcid.org/0000-0001-7958-2557.
Місце роботи автора:
Інститут програмних систем
НАН України,
03181, Київ-187,
проспект Академіка Глушкова, 40.
Тел.: 066 550 1999.
E-mail: ladamandraka2010@gmail.com
mailto:ladamandraka2010@gmail.com
|