автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Модели управления контекстом в системах интеллектуальной поддержки принятия решений в структурированных динамических областях

На правах рукописи

ЛЕВАШОВА Татьяна Викторовна

МОДЕЛИ УПРАВЛЕНИЯ КОНТЕКСТОМ В СИСТЕМАХ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В СТРУКТУРИРОВАННЫХ ДИНАМИЧЕСКИХ ОБЛАСТЯХ

Специальность 05.13.01 - Системный анализ, управление и обработка информации (технические системы)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург 111 "^348 1287 2009

Работа выполнена в Учреждении Российской академии наук Санкт-Петербургский институт информатики и автоматизации РАН.

Научный руководитель: доктор технических наук,

профессор Смирнов Александр Викторович

Официальные оппоненты:

доктор технических наук, профессор

Охтилев Михаил Юрьевич

кандидат технических наук, профессор

Ведущая организация:

Станкевич Лев Александрович

Центральный научно-исследовательский институт робототехники и технической кибернетики (ЦНИИ РТК)

Защита состоится «19» ноября 2009 г. в 14 часов 30 минут на заседании диссертационного совета Д.002.199.01 при Учреждении Российской академии наук Санкт-Петербургский институт информатики и автоматизации РАН по адресу: 199178, Санкт-Петербург, В.О., 14 линия, 39.

С диссертацией можно ознакомиться в библиотеке Учреждения Российской академии наук Санкт-Петербургский институт информатики и автоматизации РАН

Автореферат разослан « 18 » октября 2009 г.

Ученый секретарь

диссертационного совета Д.002.199.01

Ронжин Андрей Леонидович

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

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

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

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

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

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

-разработана модель контекста для динамической структурированной области;

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

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

- разработанные модели проверены в рамках прототипа СИППР.

Методы исследования. В работе используются методы управления

онтологиями и контекстом, методы математической логики и сетей ограничений для представления и обработки знаний, теория множеств.

Основные положения, выносимые на защиту.

1. Концептуальная модель функционирования контекстно-управляемой СИППР в открытой информационной среде;

2. Двухуровневая онтологическая модель контекста для динамической структурированной области;

3. Набор операций над онтологиями для построения онтологической модели контекста;

4. Набор сценарных моделей формирования сети информационных ресурсов для моделирования и решения текущей задачи пользователя;

5. Технологическая модель контекстно-управляемой СИППР.

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

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

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

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

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

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

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

Практическая ценность работы. Концептуальная модель функционирования контекстно-управляемых СИППР и технологическая модель, реализующая данную концепцию, могут быть использованы для построения СИППР, предназначенных для работы в открытых средах.

Прототип СИППР, реализующий предложенные модели, может быть использован в области управления чрезвычайными ситуациями (ЧС) для оперативной помощи пострадавшим и ликвидации последствий ЧС, а

также может быть адаптирован к другим проблемным областям, что потребует надлежащей онтологической модели.

Реализация результатов работы.

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

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

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

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

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

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована важность и актуальность темы диссертационной работы, сформулированы ее цели и решаемые задачи, определена научная новизна и указана практическая ценность, кратко изложены основные полученные результаты и дана краткая характеристика содержания работы по главам.

В первой главе диссертационной работы приводится краткий обзор исследований, связанных с управлением контекстом в системах поддержки принятия решений, и на основе их анализа формулируются требования к управлению контекстом в СИППР.

Анализ работ, связанных с управлением контекстом, позволил выбрать определение контекста, которое наиболее точно его характеризует в СИППР; выявить существующие виды контекста; описать набор свойств, характеризующих контекст; рассмотреть способы представления контекста и проанализировать онтологические модели контекста, используемые в различных системах и подходах (Сус, Protégé, алгебра онтологий). Основными недостатками рассмотренных подходов к управлению контекстом являются большой объем работ, выполняемых экспертами на этапе создания контекста, и отсутствие в контексте функциональности, позволяющей использовать его при решении возникающих задач.

В работе принято, что контекст - это информация, которая может быть использована, чтобы охарактеризовать ситуацию, в которой находится некоторый объект. В роли объекта может выступать пользователь, место или объект реального мира, которые считаются релевантными для взаимодействия между пользователем и СИППР.

Среди известных способов представления контекста рассмотрены: контекстная логика, пропозициональные высказывания, системы правил, фреймовая модель, контекстно-зависимый граф, ситуационный подход и др.

На основании выявленных свойств контекста и задач, возникающих при использовании контекста, сформулированы следующие требования к управлению контекстом. Контекст должен быть описан стандартизированными способами, обеспечивающими независимость способа представления от платформы; модель представления знаний должна поддерживать операции, необходимые для представления контекста и управления им. Контекст должен предоставлять релевантную, реальную и доступную информацию для решения конкретной задачи или для понимания текущей ситуации; включаемая в контекст информация должна содержать непосредственно получаемые данные, историю получения этих данных и знания, которые на данный момент известны взаимодействующим объектам. В подходе к управлению контекстом должны быть предусмотрены механизмы, применение которых позволяет обрабатывать контекстную информацию соответствую-

щим образом при конкретных условиях для конкретных целей. Должно быть предусмотрено хранилище контекстов для накопления контекстной информации и хранения истории получения и изменений контекста.

Во второй главе излагаются теоретические основы построения и функционирования контекстно-управляемой СИППР в структурированных динамических областях.

В основе предлагаемой концептуальной модели функционирования контекстно-управляемой СИППР (рис. 1) лежит двухуровневое моделирование текущей ситуации. На первом, семантическом, уровне строится интенсиональное описание текущей ситуации на основании запроса пользователя к СИППР и знаний проблемной области. На этом уровне текущая ситуация представлена задачей пользователя, сформулированной в его запросе к системе. На втором, прикладном, уровне задача пользователя конкретизируется значениями переменных, за счет чего порождается модель текущей ситуации. После этого задачи, для которых в текущей ситуации должны быть найдены решения, решаются как задача (задачи) удовлетворения ограничений.

Знания проблемной области формализованы в прикладной онтологии, поддерживающей формализацию знаний, согласующуюся со спецификацией задачи удовлетворения ограничений. Составляющими онтологии являются: 1) концептуальные знания (знания об объектах реального мира, представленные посредством указания свойств этих объектов (атрибутов) и существующих между данными объектами отношений); 2) знания о задачах, существующих в данной области, и методах их решения (онтология задач & методов). Методы реализованы как вычислительные ресурсы открытой информационной среды. В онтологии на эти ресурсы установлены ссылки.

Для моделирования текущей ситуации предложено использовать два типа контекста: абстрактный и прикладной. Абстрактный контекст представляет собой онтологическую модель задачи пользователя, построенную на основании интеграции знаний проблемной области, релевантных для дан-

Прикладная Модель задачи Прикладной онтология (абстрактный контекст) контекст

Рис. 1. Концептуальная модель функционирования СИППР

ной задачи. Прикладной контекст является конкретизацией абстрактного контекста для реальных условий значениями переменных, получаемых от информационных ресурсов. Присутствие в прикладном контексте задач, специфицированных как задача удовлетворения ограничений, делает прикладной контекст функциональным средством, которое может быть использовано для решения формализованных в нем задач.

Таким образом, в работе рассматривается открытая информационная среда, включающая в себя набор информационных ресурсов R(t)= {rn(tjn = \,...,NR), NR - число ресурсов открытой информационной

среды, t - некоторый момент времени. Для каждого ресурса гп определен набор его функций FRn - \f„m \т = 1,..., Мп ), Мп - число функций ресурса гп. Значения, являющиеся результатом выполнения функций ресурсов, используются СИППР при создании описания текущей ситуации и решении задач, которые должны быть в этой ситуации решены. Предлагается задачу пользователя описывать функциональной сетью FN = (Ar,F,R), где Аг -

множество аргументов функций F, F = [fk\k = 1,...,/^}, К - число функций, которые должны быть выполнены в ходе построения модели задачи и ее решения, R - множество отношений, определяющих правила использо-

NR

вания аргументов а е Аг в функциях f е F, FN с [jf/í • Задачей кон-

Л=1

текстно-управляемой СИППР является создание описания или построение модели М = (p\FN,Ru(t),Sol,t) текущей ситуации (Р) и решение задачи

(Sol) в момент времени /, используя знания проблемной области и информацию, поставляемую информационными ресурсами, при минимизации количества вовлеченных в процесс поддержки принятия решений ресурсов (Ru): |i?u(/)|->mm, /?„(/)С R(t)- При этом набор вовлеченных ресурсов

должен обеспечить выполнение всех функций, описывающих модель задачи

NRU

пользователя: FN с [JF/?.' = и данные ресурсы должны быть

i=i

доступны на интервале [/0,Г] (/0 - время начала получения информации,

используемой в качестве входных данных для функций, описывающих текущую задачу пользователя, Т - момент времени принятия решения).

Концептуальная модель опирается на наличие заранее формализованных в прикладной онтологии знаний проблемной области. В качестве средства представления знаний используется формализм объектно-ориентированных сетей ограничений (ООСО). В соответствии с этим фор-

мализмом онтология А описывается четверкой A = (0,Q,D,C}> гДе О -

множество классов объектов (далее «классы»); Q - множество атрибутов классов (далее «атрибуты»); D- множество доменов - областей допустимых значений атрибутов (далее «домены»); С-множество ограничений. Множество ограничений С включает в себя: ограничения Сг — (0,Q,D), описывающие принадлежность атрибутов Q классам О и доменов D атрибутам Q, а также принадлежность входных (выходных) аргументов Q методам О и доменов D аргументам Q\ ограничения С" ={0и02,0), определяющие таксономию

классов (класс 02 является подклассом класса О,); ограничения С" =(0,,02Д), определяющие иерархию классов (класс 02 является частью класса О,); ограничения Сш = {0v02,TruewFalse), задающие совместимость {True) (несовместимость {False)) классов 0{ и 02; ограничения С1У — (О, ,02), описывающие ассоциативные отношения между классами Of и 02, ограничения кардинальности классов Cv =(p,NmiK), Nmx - максимально возможное количество подклассов у класса 0\ функциональные ограничения Сп - ([0],Qx),(02,Q2)), описывающие функциональные зависимости между атрибутами Qt и Q2 классов О, и 02.

В соответствии с принятым формализмом задача, которую должна решить контекстно-управляемая СИППР в ходе своего функционирования, сводится к следующей формулировке. Для заданных и формализованных знаний проблемной области A = (0,Q,D,C) требуется построить двухуровневую модель текущей ситуации Р, представленную абстрактным контекстом Contexta~(F\Oa,Qa,Da,Ca,Ra(t\Ta) (ОасО, Qac:Q,

DacD, Са с С, Ra(t)cR(t), Та - время жизни модели) и прикладным контекстом Contextp{t) = (l\Op,Qp,Dp,Cp,Rp(t),l(t\t) (ОрсОа, Qp^Qa' Dp cDa, Cp^Ca, Rp(t)czRa(t), l{t) - множество экземпляров объектов, удовлетворяющих всем ограничениям Ср, Sol = l(t), t- текущее время). При этом набор элементов множества K()={^{(\^)^Dp,oeOp,qeQp,i = l,...,Nq), где Nq - количество

атрибутов у класса о, является результатом решения задачи удовлетворения ограничений. Значения параметрам модели Р присваиваются ресурсами R открытой информационной среды в моменты времени t. Ресурсы должны быть организованы в сеть, обеспечивающую эффективное их использование.

Для создания онтологической модели абстрактного контекста используется набор операций, представленный в табл. 1. В результате выполнения этих операций онтологическая модель абстрактного контекста представляется как: Context" =(Oa,Qa,Da,Ca), где Оа (ОасО), Qa (Qa C.Q), Da (Da cfl), Ca (CacC)- соответственно множества классов, атрибутов, доменов и ограничений прикладной онтологии, включенных в абстрактный контекст. Абстрактный контекст представляет собой ООСО без значений переменных.

Для учета информационных ресурсов, используемых для порождения прикладного контекста, вводится расширенная модель абстрактного контекста {Contextа). Эта модель описывается следующей структурой:

Contextа = (Оа,Qa,Da,Ca,Ra(i),Та), где Ra - множество информационных ресурсов, которые могут быть использованы для описания текущей ситуации, Та - прогнозируемое время жизни контекста. Оа =Ои [_J ; Оа

- множество классов, требуемых для моделирования концептуальных знаний, Оа - множество методов решения задачи пользователя.

Для моделирования функций информационных ресурсов в работе предложено использовать интерфейс Web-сервисов. Для обеспечения Web-сервисов семантикой разработана модель, обеспечивающая Web-сервисы семантикой проблемной области, закрепленной в прикладной онтологии. Web-сервис ws (wsePFS, WS - множество зарегистрированных Web-сервисов) описывается структурой:

ws(t) = (URI, IS, F, FI, FID, FO, FOD, Calls, Fails, Price, Time __ A ccess, Time In, t), где URI - адрес Web-сервиса, представленный идентификатором URI данного сервиса; IS - идентификатор источника информации; F - моделируемая функция, для F задано отображение fm:F —» 0m такое, что fm (F) = om,

omeOm, где Om — множество формализованных в онтологии методов; FI -множество входных аргументов функции F, для FI задано отображение finp :FI Q такое, что для всех flnp е FI верно выражение finp(flnp) - q,

qeQ, где Q - множество атрибутов классов онтологии; FID - множество типов данных входных аргументов функции F, для FID определено множество функций ф. : FID —» D, где D - множество доменов атрибутов Q, таких, что для всех fType!np е FID, Inp е flnp существует функция (РыР(1ТуреЫр)= (¿'К б D, q е Q,i е n}, <Pmp е Ф1пр; FO - выходной аргумент функции F, для FO задано отображение fot : FO -» Q такое, что

Таблица 1. Набор операций для создания абстрактного контекста

Операция Результирующие множества Реализация

Поиск o2d <о о 1 °з °л с Об ) оп ) 1. Отображение словаря запроса пользователя Уц в словарь онтологии VA: F*-VivA\w\ -» °<>w2 ->°j• где w,,w2 е¥и, oi,oJ<=VA, 0„0j g0- 2. Формирование множества ключевых слов KW: fa,0j}=KW

Выборка -¿с) о3 оА к Формирование множества классов, релевантных описанию текущей ситуации: Os = KJV\^jOc , где Ос - множество классов, связанных ограничениями с классами из множества KW

Извлечение Оъ о4 ®06 & °7 Формирование множества срезов прикладной онтологии: № <0St,QSt,DSt,CSi), (Jo^ = os< п П - количество срезов в множестве {iS1}, Ос Ос Dr Сс ~ соответственно множества ' Oj ' Oj классов, атрибутов, доменов и ограничений, включенных в срез 5,.

Интеграция Thing оъ о4 о7 1. Интеграция срезов, образующих множество в общий срез : $АС ={Oac>QAC>Dac,Cac), О АС = Os\JOT , От = {о,} - корневой класс "Thing"; Qac=[JQs -,Dac={JDs -, п п и 7=1 2. Формирование абстрактного контекста: Contextа = SAC, Contextа с А.

folp(FO) = q, q^Q", FOD - тип данных выходного аргумента функции F, для FOD определена функция (polp: FOD -»D такая, что <polp{fType0,p)= d4\d eD,q gQ, fType°'p eFOD; Calls - количество вызовов Web-сервиса, Fails - количество неудачных вызовов; Price - стоимость Web-сервиса, Time_Access - время доступа к Web-сервису, Timejn - время, в которое моделируемый ресурс доступен; t - текущий момент времени.

Прикладной контекст (Contextр) порождается сетью Web-сервисов,

используемых для моделирования функций информационных ресурсов R . Этот контекст описывается следующей структурой:

Contextp{t)=(s\Op,Qp,Dp,СpWSpif)j(t)ja,bT)>

где t - текущее время, Op,Qp,Dp,Cp, WSp ~ соответственно множества классов, атрибутов, доменов, ограничений и Web-сервисов, используемых для моделирования ситуации S при конкретных условиях; l(t) - множество экземпляров объектов классов Ор! AT -t-t0 - текущее время жизни прикладного контекста; tQ - время создания абстрактного контекста.

Прикладной контекст является моделью текущей ситуации в нотации ООСО с присвоенными значениями переменных. Эта модель интерпретируется как задача удовлетворения ограничений. Решением такой задачи является набор значений переменных, отвечающих ограничениям Ср ■ Так как набор значений переменных в онтологической модели контекста соответствует значениям атрибутов класса, решением задачи удовлетворения ограничений является множество экземпляров объектов в момент времени / /(,) = {v° (f)|v(f)e Dp,o е Op,q s Qp,i = удовлетво-

ряющих всем ограничениям Ср > гДе Nq ~ количество атрибутов у класса о.

В третьей главе описываются технологические основы построения и функционирования контекстно-управляемой СИППР в открытой информационной среде.

Общий сценарий работы контекстно-управляемой СИППР включает в себя две стадии: подготовительную и эксплуатационную. На подготовительной стадии экспертами проблемной области 1) создается прикладная онтология; 2) определяются имеющиеся информационные ресурсы; 3) создаются и регистрируются Web-сервисы, моделирующие функции информационных ресурсов; 4) устанавливаются отображения между прикладной онтологией и Web-сервисами. Эксплуатационная стадия включает в себя следующие этапы: 1) обработка запроса пользователя; 2) создание абстракт-

ного контекста текущей задачи пользователя; 3) порождение прикладного контекста; 4) решение задачи удовлетворения ограничений; 5) принятие решения; 6) сохранение абстрактного и прикладного контекстов, множества сгенерированных решений и принятого решения.

Основой для организации информационных ресурсов в сеть является абстрактный контекст, задающий функциональность, которая должна быть обеспечена сетью ресурсов. Формирование сети информационных ресурсов осуществляется в соответствии со сценарной моделью, состоящей из трех сценариев (рис. 2).

Первый сценарий в модели описывает процесс выбора информационных ресурсов, которые обеспечивают требуемую функциональность. Результатом работы данного сценария является набор \УеЬ-сервисов ФБ/, ко-

Множество входных и выходных аргументов включает в себя Ц

1) атрибуты, которым должны быть присвоены значения .чтобы конкретизировать классы, характеризуемые данными атрибутами (задаются как выходные аргуметы);

2) входные аргумекгы задач, содержания в абстрактном контексте;

3) выходные аргументы задач, содержащихся в абстрактном контексте

ААбстрактный контекст создан (множество входных и выходных аргументов)

Формирование набора \№еЬ-сервисов (\Л/Э0 по функциональному признаку

Набор Web-cepвиcoв1 в I рвзугътатв работы которых могут быть конкретизированы все классы и решены все задачи, содержащееся в абстрактном контексте

Набор

Нет

Да

'достаточен?"

Подклочение новых УУеЬ-сервисов

Поиск или создание недостающ« УУеЬ-сервисов и их регистрация

Формирование из набора УУЭТ набора \Л/еЬ-сервисов О/УЗа) на основании доступности модегмруемых ресурсов

Да

Набор УУеЬ-сервисов, '

моделируемые ресурсы которых обеспечивают требуемую функциональность и доступны в течение прогнозируемого времени моделирования текущей ситуации

^Ч^есурсы доступны в течение ^^^"-^Сущвствукзт другие '■^--^задаиного времени? ^ет ^~-^'вариакты набора УУБа?

^Нет

^^^Рущэствуют другие <\-^варианты набора wSf?

_\|/ Нет_

Модутъ обработки непотостью^

Да

Формирование эффективной сети \Л/еЬ-сервисов

определенной ситуации

Данный блок в рамках работы не Ц р ассм атривается

Рис. 2. иМЬ-диаграмма сценарной модели формирования сети ШеЬ-сервисов на основании абстрактного контекста

торые обеспечивают заданную функциональность.

Второй сценарий описывает процесс определения доступности Web-сервисов из набора WSf ш интервале (/0,Г]- Результатом работы этого сценария является набор WSa Web-сервисов, обеспечивающих требуемую функциональность и доступных на требуемом временном промежутке.

Третий сценарий описывает процесс конфигурирования эффективной сети ресурсов из набора WSa. Эффективная сеть создается на основании ниже описанных принципов.

Принцип наибольшей функциональности. Для ресурсов, которые совмещают в себе несколько требуемых функций, более эффективным считается использовать один ресурс, выполняющий несколько функций, чем несколько ресурсов, выполняющих эти же функции по отдельности: ][FRn P| FjVj -> max для и-го ресурса.

Принцип наибольшего интервала доступности. Если на интервале есть несколько ресурсов, доступных в разные временные интервалы

{Д?}, то более эффективным считается использование меньшего числа ресурсов, интервал доступности которых наиболее полно покрывает интервал [¿о,!"]. При этом должно обеспечиваться полное покрытие интервала ,Т]

NR м

интервалами Д^ г]с Д?" (At" - интервал времени, в течение

л=1/=1

которого доступен л-й ресурс, At" g {Д/}, nt - число интервалов At" на интервале [/0,Т]).

Принцип наибольшего веса. Данный принцип используется для оценки эффективности использования альтернативных ресурсов. Вес ресурса является функцией от таких характеристик Web-сервиса как: количество вызовов Web-сервиса (Calls), количество неудачных вызовов (Fails), стоимость Web-ссрвиса (Price), время доступа к Wob-сервису (Time_Access). Более эффективным считается использование ресурса, для которого вес Web-сервиса, моделирующего данный ресурс, больше.

Результатом работы третьего сценария является набор Web-сервисов (WSp), которые будут подавать в СИППР значения, являющиеся

результатами реализованных в этих Web-сервисах функций.

Последовательность и взаимосвязь технологий, используемых для реализации функций контекстно-управляемой СИППР, определены в технологической модели. Данная модель включает в себя технологии управления онтологиями, управления контекстом, удовлетворения ограничений и профилирования (рис. 3). Технология управления онтологиями используется при создании прикладной онтологии, установке отображений между прикладной

Решение Сбор принятых решений

Пользователь

Зарегистрированные МУеЬ-сервисы

Запрос

Прикладная онтология

Контекстно- Сеть Web-

зависимые Web-сервисы сервисов

*

^ Абстрактный Прикладной

контекст контекст

Задача в форме

запроса пользователя .

Множество решений

Онтологическая модель задачи пользователя

Управление онтологиями

Текущая ситуация

........—>к--......-я

Управление Удовлетворение контекстом ограничений

Профилирование

Рис. 3. Технологическая модель

онтологией и Web-сервисами и при построении абстрактного контекста. Технология управления контекстом используется при порождении прикладного контекста и для управления версиями контекстов, хранящихся в архиве контекстов. Технология удовлетворения ограничений используется при решении задач, формализованных в абстрактном и прикладном контекстах. Технология профилирования используется для выявления предпочтений пользователя на основании информации, накопленной в архиве контекстов и профилях пользователей.

В четвертой главе приводятся результаты апробации предложенных моделей на примере прототипа СИППР, предназначенной для ликвидации последствий ЧС.

Для проблемной области управления ЧС была разработана онтология задач и методов, формализующая задачи ликвидации последствий ЧС. Используя модуль импорта / экспорта среды управления онтологиями Web-DESO, из общедоступных библиотек и серверов онтологий бьши импортированы 8 онтологий предметной области и 2 классификатора - NAICS (North American Industry Classification System Code) и UNSPSC Code (Universal Standard Products and Services Classification Code). Из онтологии задач и методов и импортированных онтологий была создана прикладная онтология, содержащая 7 уровней таксономии и включающая в себя более 600 классов, более 160 атрибутов, более 40 иерархических отношений, более 50 ассоциативных отношений, более 30 функциональных ограничений.

Для запроса на помощь при дорожно-транспортном происшествии (ДТП), вызвавшего возгорание, решалась задача эвакуации по страдавших с

места ДТП и направления к месту ДТП сотрудников ГИБДД для выяснения обстоятельств (рис. 4).

Прототип СИППР тестировался на локальной сети со скоростью передачи данных 100 Мбит/е., состоящей из трех компьютеров (Pentium IV 3.00 ГГц, 1 Гб RAM; Pentium Dual Core 1.8 Гц, 512 Гб RAM; Pentium Dual Core 3.00 ГГц, 1 Гб RAM). Для тестовой задачи размерностью 4 пострадавших, которые могут быть отправлены в 5 доступных больниц, 8 медицинских бригад (имеющих в своем распоряжении 7 машин скорой помощи и 1 спасательный вертолет), 8 пожарных бригад (имеющих в своем распоряжении 7 пожарных машин и 1 пожарный вертолет) и двух бригад ГИБДД (каждая обеспечена машиной), время от момента ввода запроса пользователя в систему до генерации прикладного контекста составило 0,0007 с. Время вы-

# Транспортировка воздушными путями

3 ф Роль

ь> Ф Средство транспортировки

# Пожарный вертолет

# Пожарная машина

# Спасательный вертолет Ф Машина скорой помощи

# Милицейская машина

Исполнитель ф Пожарная часть

ф Организация по оказанию неотложной медицин; ф Бригада транспортировки воздушными линиями I

ф Бригада транспортировки наземными линиями ф Больница тип

ф Государственная инспекция безопасности доро п»«

й ф Ситуация ф Погода

й ф Должностная роль

3 ф Чрезвычайная ситуация ь ф катастрофа

ф пожарный ф Инспектор ГИБДД ф Врач неотложной (скорой) помощи # Диспетчер для чрезвычайных ситуаций ф ЛПР в чрезвычайных ситуациях

ф Пожар

® Пожарная бригада 1 (Стоимость: 306.7, Время: 12.27) А Бригада ГИБДД 1 (Стоимость: 306.7, Время: 12.27) Ш Бригада скорой помощи 1 (Стоимость: 1114.49, Время: 44.58) Бригада скорой помощи 2 (Стоимость: 1293.86, Время: 51.75) Бригада скорой помощи 3 (Стоимость: 1337.7, Время: 53.51) Ш Бригада скорой помощи 4 (Стоимость: 1814.11, Время: 72.56) И Больница 1 (Свободных мест: 4) £3 Больница 2 (Свободных мест: 4) 1 Больница 3 (Свободных мест: 2) ЕЗ Больница 4 (Свободных мест: 3) Ш Больница 5 (Свободных мест: 3) О Закрытая дорога

Г» ф Авария

Ф Дорожно-транспортное происшествие

Прикладной контекст

Й ф Транспортная линия # Воздушная линия Ф Дорога

йь ф Управление чрезвычайными ситуациями

Абстрактный контекст

Рис. 4. Поддержка принятия решений при ликвидации последствий ДТП

полнения задачи выбора медицинских, пожарных бригад и больниц с планами перевозок составило 7,8 с. Обычно принятие решений в подобной ситуации требует ведения переговоров между диспетчерами трех служб. В лучшем случае время от поступления сигнала о ЧС до принятия решения занимает 15-20 минут.

ЗАКЛЮЧЕНИЕ

Совокупность разработанных в работе моделей, а также их практическая реализация представляют собой решение актуальной научно-технической задачи по созданию контекстно-управляемых СИППР в структурированных динамических областях. Получены следующие результаты:

1. Разработана концептуальная модель функционирования контекстно-управляемых СИППР в динамических структурированных областях, позволяющая автоматизировать процессы поддержки принятия решений и повысить оперативность принятия решений;

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

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

4. Разработана сценарная модель формирования сети 'У/еЬ-серви-сов, позволяющая выбирать ресурсы открытой информационной среды в зависимости от выполняемых ресурсами функций, доступности ресурсов и наличия альтернативных ресурсов;

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

СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ

Опубликовано в рецензируемых изданиях из списка ВАК:

1. Левашова Т. В. Теоретические и технологические основы построения контекстно-управляемых систем поддержки принятия оперативных решений в открытой информационной среде / А. В. Смирнов, А. А. Кашев-ник, Т. В. Левашова, Н. Г. Шилов // Мехатроника, Автоматизация, Управление. 2009. Вып. 96, № 3. С. 72—77.

2. Левашова Т. В. Контекстно-управляемая поддержка принятия решений в распределенной информационной среде / А. В. Смирнов,

М. П. Пашкин, Н. Г. Шилов, Т. В. Левашова // Информационные технологии и вычислительные системы. 2009. № 1. С. 38—48.

3. Левашова Т. В. Модель контекста в системах интеллектуальной поддержки принятия решений И Поддержка принятия решений: сб. науч. тр. / Ин-т системного анализа Рос. акад. наук; под ред. А. Б. Петровского. М.: Изд-во ЛКИ, 2008. Т. 35. С. 33^2.

4. Левашова Т. В. Формирование контекста задачи для интеллектуальной поддержки принятия решений / А. В. Смирнов, М. П. Пашкин, Н. Г. Шилов, Т. В. Левашова, А. А. Крижановский // Фундаментальные основы информационных технологий и систем: сб. науч. тр. / Ин-т системного анализа Рос. акад. наук, 2004. Т. 9. С. 125—138.

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

6. Левашова Т. В. Подход к конфигурированию сети источников знаний для логистики знаний / А. В. Смирнов, М. П. Пашкин, Н. Г. Шилов, Т.В.Левашова // Известия ТРТУ. Таганрог: ТРТУ, 2003. Вып. 31, №3. С. 28—32.

7. Левашова Т. В. Многоагентный подход к построению систем интеграции знаний / А. В. Смирнов, Т. В. Левашова, М. П. Пашкин, Н. Г. Шилов // Известия вузов. Приборостроение. 2003. Т. 46, № 5. С. 13—19.

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

Опубликовано в других изданиях:

9. Левашова Т. В. Модели контекстно-управляемых систем поддержки принятия решений в динамических структурированных областях / А. В. Смирнов, Т. В. Левашова, М. П. Пашкин // Труды СПИИРАН; под ред. P.M. Юсупова. СПб: Наука, 2009. Вып. 8. С. 178—209.

10. Левашова Т. В. Теоретические и технологические основы построения контекстно-управляемых распределенных систем поддержки принятия оперативных решений в открытой информационной среде / А. В. Смирнов, М. П. Пашкин, Н. Г. Шилов, Т. В. Левашова // Искусственный интеллект. 2006. № 2. С. 444—447.

11. Левашова Т. В. Принципы управления онтологиями, используемые в среде интеграции знаний: сб. науч. тр. / СПИИРАН; под ред. Р. М. Юсупова. СПб.: СПИИРАН, 2002. Вып. 1, т. 2. С. 51—68.

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

Введение.

Положения, выносимые на защиту.

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

1.1. Понятие контекста.

1.2. Виды контекста.

1.3. Модели представления контекста.

1.4. Получение онтологической модели контекста.

1.5. Свойства контекста.

1.6. Управление контекстом.

Выводы по главе 1.

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

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

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

2.3. Онтологическая модель представления знаний.

2.4. Онтологическая модель контекста.

2.4.1. Алгоритм построения онтологической модели абстрактного контекста.

2.4.2. Модель информационного ресурса.

2.4.3. Расширенная модель абстрактного контекста.

2.4.4. Прикладной контекст.

Выводы по главе 2.

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

3.1. Общий сценарий работы контекстно-управляемой СИППР.

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

3.3. Технологическая модель.

Выводы по главе 3.

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

4.1. Прикладная онтология «управление чрезвычайными ситуациями»

4.2. Дорожно-транспортное происшествие: абстрактный контекст.

4.3. Дорожно-транспортное происшествие: прикладной контекст.

Выводы по главе 4.

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

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

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

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

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

- разработана модель контекста для динамической структурированной области;

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

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

- концептуальная и технологическая модели проверены в рамках прототипа СИППР.

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

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

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

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

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

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

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

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

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

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

Реализация результатов работы

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

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

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

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

2008)» (Глазго, Великобритания, 2008).

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

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

Выводы по главе 4

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

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

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

ЗАКЛЮЧЕНИЕ

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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