автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Онтолого-семантические модели в корпоративных системах управления знаниями

На правах рукописи

□ ОЗОВ44 Ю

Тузовский Анатолий Федорович

ОНТОЛОГО-СЕМАНТИЧЕСКИЕ МОДЕЛИ В КОРПОРАТИВНЫХ СИСТЕМАХ УПРАВЛЕНИЯ ЗНАНИЯМИ

Специальность

05.13 01 - Системный анализ, управление и обработка информации (в отрасли информация и информационные системы)

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

0 2 АВГ 2007

Томск-2007

003064410

Работа выполнена в Томском политехническом университете

Научный консультант. доктор технических наук, профессор,

Ямпольский Владимир Захарович

Официальные оппоненты' доктор технических наук, профессор,

Кориков Анатолий Михайлович,

доктор технических наук, профессор, Трофимов Валерий Владимирович

доктор технических наук, профессор, Хабаров Валерий Иванович

Ведущая организация Институт систем информатики имени А. П Ер-

шова СО РАН (г. Новосибирск)

Защита состоится «10» октября 2007 г в 15.00 часов на заседании диссертационного совета Д 212 269 06 при Томском политехническом университете по адресу г. Томск, ул Советская, 84, ауд 214.

С диссертацией можно ознакомиться в научно-технической библиотеке Томского политехнического университета по адресу: 634034, г. Томск, ул Белинского, 55

Автореферат разослан и^С^Л. 2007 г.

Ученый секретарь диссертационного совета, кандидат технических наук

Сонькин М. А

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Современная экономика, которой свойственен быстрый рост доли наукоемких товаров и услуг, сокращение их жизненного цикла, интеллектуализация технологий бизнеса и маркетинга, все в большей степени основывается на знаниях Организации не только активно используют знания, созданные в академических институтах, но и сами активно создают новые знания. В настоящее время уже признано, что знания являются одним важнейших, ресурсов организаций, наравне с финансовыми и материальными ресурсами Организации, которые быстрее других создают и находят новые знания, обеспечивают их хранение и усвоение сотрудниками, внедряют их в практическую деятельность, приобретают несомненные конкурентные преимущества. Знания, интеллектуальный капитал, интеллектуальная собственность получают растущее признание в качестве нового источника богатства компаний

В связи с этим, организации стремятся эффективно распоряжаться, управлять имеющимися у них знаниями Однако, так как данное направление включает исследование природы организационных знаний, процессов их преобразования, методов воздействия на эти процессы, т е является междисциплинарной, то она находится в области интересов различные научных дисциплин, таких как управление организациями, организационное обучение и культура, психология и социология, стратегический менеджмент, управление людскими ресурсами и управление информацией Несмотря на то, что общепризнанна актуальность и важность управления знаниями (УЗ), до сих пор нет даже общепринятых, согласованных концепций и подходов, имеется разное представление о самой сущности управления знаниями организации При этом понимание управления знаниями простирается от управления всеми процессами организации, до автоматизации решения отдельных организационных задач (может быть, с помощью интеллектуальных методов)

Активные исследования в данной области начались с 90-х годов прошлого столетия В большом количестве публикаций необходимо выделить исследования К -Е Sweiby, К М Wiig, Р F. Drucker, Т Н. Davenport, L Prusak, М Н Zack, I Nonaka, Н Takeuchi, R Maier, J.M Firestone Среди отечественных публикаций по данной тематике можно отметить исследования Б 3 Мильнера, С М Климова, М К Мариничевой, Т А. Гаврилову, В А Дресвяникова и В 3 Ям-польского.

В литературе были выделены факторы, способствующие успешному выполнению УЗ Одним из таких факторов, не достаточным, но необходимым, является использование информационных технологий Для успешного управления знаниями, в организациях создаются специальные информационно-программные системы управления знаниями (СУЗ)

Анализ литературных источников по проблематике систем управления знаниями обнаруживает два значительно отличающихся друг от друга подхода к их построению Первый подход можно назвать классическим, когда СУЗ строится на основе комбинирования существующих, уже зарекомендовавших себя технологий для поддержки различных процессов работы со знанием К

ним относятся, ставшие уже стандартными, такие ГГ — технологии, как E-mail, доски объявлений, дискуссионные форумы, web-порталы, а также технологии, использующиеся при построении экспертных систем (распознавание образов и ситуаций, автоматическое аннотирование и классификация, и т п) Очевидно, что данный подход является дальнейшим развитием информационных систем организаций в части работы со знаниями

Второй подход можно определить как семантический Он основан на использовании методов и технологий по работе со смыслом, семантикой данных, информации и знаниями, таких как онтологии предметных областей, технологии их построения и сопровождения, семантические метаданные, семантический поиск, системы логического вывода, семантическое профилирование знаний экспертов, семантические порталы и сети и т п И все это с соответствующей технологической поддержкой в части языков описания, моделей, программных инструментов и систем

При этом семантический подход не отвергает классический Большинство элементов и инструментов классического подхода зачисляется в арсенал средств развитых корпоративных информационных систем, которые могут применяться и, по существу, применяются для повышения уровня работы с данными и информацией

В данном направлении можно выделить работы таких авторов, как D Fensel, S Staab, A Abecker, N Stojanovic, LHorrocks, Y Sure, R. Studer, T A Гаврилову, А В Смирнова, Ю А. Загорулько, А С. ЬСлещева

Однако, несмотря на большое количество публикаций в данной области, в настоящее время отсутствует комплексный подход к разработке систему управления знаниями на основе онтологических моделей и семантических методов. Отсутствует согласованный набор методов по онтологическому моделированию знаний организации и семантическому описанию разнородных объектов, содержащих знания, а также методов вовлечения в бизнес-процессы организаций значительных ресурсов явных и скрытых знаний Необходимы согласованные методы формирования онтологических моделей и их использования для решения таких базовых задач по работе со знаниями, как семантический поиск, классификация, навигация и формирование рекомендаций Применение подобных средств требует разработки и соответствующего методического обеспечения, которое позволит определить стратегию реализации управления знаниями и поддержать процесс их практического использования с помощью конкретных информационно-программных систем

Таким образом, можно сделать вывод о том, что, несмотря на наличие в научной среде консенсуса в части актуальности управления знаниями организаций и перспективности работы с семантикой, до настоящего времени в достаточной степени не разработан комплексный набор методов и алгоритмов описания и использования содержащих знания объектов организации с применением онтологических моделей и семантических методов, и методик построения на их основе СУЗ, а опубликованные в этом направлении идеи не достаточно апробированы, что определяет актуальность темы данной диссертационной работы

Цель работы разработка комплекса методов, моделей и алгоритмов для построения информационно-программных систем управления знаниями на основе единых онтологических моделей и семантических методов

Для достижения поставленной цели исследования были поставлены и решены следующие задачи

1. Выявление состава и структуры знаний современной организации, оказывающих активное влияние на результаты их работы

2 Определение связи процессов работы со знаниями и бизнес-процессов современных организаций с целью определения стратегии реализации системы управления знаниями

3. Разработка методики формирования и отбора стратегий УЗ с учетом важности знаний для выполнения основных бизнес-процессов организации и стратегий их деятельности

4 Разработка комплексной онтологической модели знаний организации, с целью описания разнородных типов объектов (ресурсов) знаний для решения базовых задач работы с ними

5 Разработка методов создания и поддержки в актуальном состоянии единой онтологической модели знаний организации

6. Разработка моделей описания объектов организации, содержащих и работающих со знаниями для поддержки работы с ними

7. Разработка набора методов для реализации основных функций работы со знаниями, таких как семантический поиск, классификация, формирование рекомендаций и навигация

8 Разработка модели описания профилей компетентности специалистов, алгоритмов проведения и обработки результатов квалификационного аудита, их уточнения с учетом результатов работы специалистов в СУЗ.

9. Разработка онтологической базы знаний организации, содержащей единую онтологическую модель знаний и множество семантических метаописаний объектов знаний

10. Разработка архитектуры семантического Web — портала для поддержки активно работающих со знаниями бизнес-процессов

Методы исследования. Для решения поставленных: задач в работе используются методы системного анализа, теории графов и множеств, теория принятия решений, экспертных оценок, объектно-ориентированного проектирования и программирования

Научная новизна. В диссертационной работе впервые предложен комплексный подход к проектированию и созданию систем управления знаниями с использованием онтологического моделирования и семантических методов и на основе анализа бизнес-процессов, активно работающих со знаниями и обоснованного выбора стратегии реализации управления знаниями. Решена крупная научная проблема, имеющая важное значение для развития теории онтологического моделирования и семантических методов в области проектирования и разработки систем управления знаниями организаций

Получены следующие основные результаты, обладающие научной новизной:

1 Впервые сформирован комплексный подход к созданию систем управления знаниями на основе онтологического моделирования, семантических методов и поддержки бизнес-процессов, активно работающих со знаниями и разработана архитектура информационно-программного обеспечения его реализации

2 Разработан новый подход к моделированию разнородных объектов (ресурсов) знаний организации на основе единой онтологической модели знаний организации, включающей онтологию организации и развиваемый набор онтологических моделей предметных областей, основных областей деятельности организации, и семантические метаописания ресурсов знаний, включающих контекстные и контентные метаданные

3 Разработаны новые методы оценки семантической близости метаописа-ний объектов знаний на основе использования онтологической модели и решения таких базовых задач работы со знаниями, как семантический поиск, классификация по заданному иерархическому набору рубрик и выполнение навигации

4 Разработана новая модель описания моделей компетентности специалистов организации и методы ее построения и поддержки на основе анализа результатов квалификационного аудита и записей журнала работы специалистов в СУЗ

5 Впервые разработана многоуровневая архитектура информационно-программного обеспечения СУЗ на основе онтологической базы знаний и семантического \уеЬ-портала обеспечивает подцержку разнообразных процессов управления знаниями организаций разного типа

6 Впервые разработана структура и интерфейсы онтологической базы знаний организации, позволяющая хранить в реляционной базе данных описание онтологической модели и множество семантических метаописаний Разработаны методы взаимодействия с данной базой знаний для решения различных задач управления знаниями

7 Разработана новая архитектура семантического ^еЬ-портала, включающая семантическую подсистему, состоящую из сервера онтологии и сервера метаданных, позволяющего организовать поддержку работы пользователей с использованием семантических моделей предметных областей знаний

Теоретическая значимость работы заключается в развитии теории исследования и построения систем и методов управления на основе онтологического и семантического моделирования.

Предложенный методология моделирования распределенных и разнородных ресурсов знаний организации объединяет подходы, разработанные в рамках таких научных направлений, как системный анализ, инженерия знаний, моделирование организаций и вносит существенный вклад в развитие семантического моделирования систем и интеграции информации и знаний. Она предоставляет возможность интегрировать модели различных предметных областей

знаний, используя в качестве объединяющей среды единую онтологическую модель знаний организации

Разработанный семантический подход к решению таких базовых задач как поиск, классификации, формирование рекомендаций развивает существующие методы работы с семантическими моделями знаний

Практическая значимость работы. Разработанные модели, алгоритмы и схемы баз знаний, а также программное обеспечение их реализации, включающее методы работы с онтологическими моделями, методы работы с семантическими метаописаниями, а также онтологическую базу знаний и семантический web-портал, могут быть использованы для практического создания большого класса программных систем для работы с данными и информацией, и в особенности систем управления знаниями организаций Использование разработайных моделей позволяет существенно сократить трудоемкость процесса разработки и повысить качество организации работы со знаниями организации за счет использования типовых частей онтологической модели организации, структурированного описания разнородных ресурсов знаний на базе единой онтологической модели, возможности эффективно решать такие базовые задачи работы со знаниями, как семантический поиск, классификация, формирование рекомендаций и навигация

Кроме того, данные методы и программное обеспечение могут быть использованы студентами вузов в учебном процессе для выполнения курсовых и дипломных работ, а также в ходе изучения таких дисциплин, как управление знаниями, моделирование систем, искусственный интеллект, реинжиниринг бизнес-процессов и т д

Связь работы с научными программами, планами, темами. Основные результаты диссертации, были получены и нашли свое отражение в следующих научно-исследовательских работах и проектах

• научно-исследовательская работа, проводимая по заданию Агентства образования Российской Федерации «Исследование методов представления, структуризации и контекстного поиска явных и неявных знаний для построения систем управления знаниями» на 2004-2008 г г (номер НИР 1 38 04, номер гос регистрации 01200404026),

• проект «Интеграция распределенных и разнородных информационных ресурсов организации с использованием семантических технологий» (конкурс р_офи_200б, № 06-07-96912) Российского фонда фундаментальных исследований

• проект «Создание информационно-программной среды научно-образовательного комплекса Томска для работы со знаниями и объектами интеллектуальной собственности» (контракт № 2093 от 1 11 2002) в рамках ФЦП «Интеграция науки и высшего образования России на 2002—2006 годы»,

• проект "Подготовка монографии Системы управления знаниями (методы и технологии)" (контракт № 2247 от 26 09 03) в рамках ФЦП «Интеграция науки и высшего образования России на 2002-2006 годы».

Реализация результатов и их внедрение. Разработанные подходы, методы и алгоритмы были программно реализованы, протестированы и внедрены в процессе создания нескольких крупных систем информационно-программной поддержки работы сотрудников организаций со знаниями, основными из которых являются

1 Информационно-программная система «Томограф 5 2» для интеграции, обработки и визуализации разнородных данных и информации нефтедобывающих организаций (система была внедрена и активно использовалась во многих нефтедобывающих объединениях Западной Сибири и республики Коми (ПО «Когалымнефтегаз», «Сургутнефтегаз», «Юганскнефтегаз», «Томскнефть», НГДУ «Урайнефтегаз», «Самотлорнефть», «Южоренбургнефть» СП «Белые ночи», «Нобель Ойл» и пр )

2 Система управления результатами научно-технической деятельности нефтяной компании «ЮКОС» (была внедрена в подразделениях компании в Москве, Самаре, Нефтеюганске, Стрежевом).

3 Web-портал по работе с явными и неявными знаниями Центра профессиональной подготовки специалистов нефтегазового дела Томского политехнического университета совместного с шотландским университетом «Heriot-Watt»

4 Система управления знаниями компании «ЭлеСи» (Томск), работающей в области создания информационных систем и электронных устройств, в рамках которой были разработаны стратегия управления знаниями компании, семантический web-портал управления знаниями, являющийся интеллектуальным ядром информационной системы компании, общая онтология компании и набор онтология по различным областям знаний («Управляемые электроприводы», «Пусконаладочные работы»), встроенные в сервер онтологии СУЗ, база знаний по профилям компетентности специалистов и экспертов компании, система стимулирования работы экспертов к обмену знаниями

На разработки, выполненные по результатам диссертации, получены четыре свидетельства о регистрации программ для ЭВМ выданные- РОСПАТЕНТом на «Семантический портал системы управления знаниями организации» (№ 2007610008) и на программную систему "Томограф", версия 5 (№ 960017), а также Отраслевым фондом алгоритмов и программ Федерального агентства по образования РФ (ОФАП) на «Программную систему управления результатами научно-технической деятельности» (№ 4607) и «Web-портал для работы с явными и неявным знаниями организации» (№ 4608).

Практическая значимость полученных в диссертации результатов подтверждается дипломами и наградами, полученными за разработки, выполненные на основе диссертационной работы Среди наград можно отметить медаль лауреата Всероссийского выставочного центра № 578 (постановление от 17 08 2005 г №33) за экспонат «Корпоративная система управления знаниями» (Промэкспо-2005, 19-22 мая 2005 г.) и диплом 2 степени на конкурсе монографий подготовленных в Томском политехническом университете в 2005 году

Основные положения, выпосимые па защиту:

1 Предложенный подход к созданию СУЗ на основе единой модели знаний организации, позволяет описывать разнородные ресурсы знаний организации и связывать процессы работы со знаниями с бизнес-процессами организации

2 Разработанная архитектура единой онтологической модели знаний организации, включающая онтологию организации и множества онтологий предметных областей по направлениям деятельности организации, позволяет выполнять достаточно полное и итеративное развитие онтологической модели, существенно уменьшать трудоемкость ее разработки

3 Предложенная методика создания онтологической модели на основе сценариев использования и последовательной ее формализации на основе подходов «снизу-вверх», «от середины» и «снизу-вверх» позволяет с требуемой детальностью описать рассматриваемую предметную область

4 Методы проверки согласованности и объединения онтологических моделей подобластей знаний организации, на основе задания синонимических связей между понятиями и проверки согласованности полученной онтологии с использованием модели дескриптивной логики позволяют повысить эффективность и точность работы с моделями

5 Модель описания ресурсов знаний, включающая контекстные и кон-тентные метаданные (состоящие из множества утверждений вида «субъект-предикат-значение») дает возможность описать, как контекстные связи между ресурсами знаний, так и содержащиеся в них знания, что позволяет правильно определять контекст их использования и повысить точность связи с решаемыми задачами бизнес-процессов

6 Методы ручного и полуавтоматического формирования контекстных и контентных метаописаний для объектов знаний организации позволяют, с достаточной для работы СУЗ точностью, описать ресурсы знаний организации

7 Методы вычисления близости контекстных и контентных метаданных, на основе оценки подобия утверждений (триплетов), используемых в их описаниях и положения понятий и отношений в онтологической модели, позволяют с высокой точностью определить семантическое сходство ресурсов знаний организации

8 Методы работы с онтологической моделью знаний по поиску, классификации и формированию рекомендаций на основе вычисления близости контекстных и контентных метаданных дают возможность решения базовых задач работы со знаниями организации

9 Методы описания и уточнения профилей компетентности специалистов организаций на основе обработки результатов квалификационного аудита и результатов анализа журнала их работы в системе облегчают выявление и использование скрытых знаний организации

10 Выявление активно работающих со знаниями бизнес-процессов и многокритериальный выбор стратегии реализации СУЗ обеспечивают связь УЗ с со стратегией и основными бизнес-процессами организации

11 Многоуровневая архитектура информационно-программного обеспечения СУЗ на основе онтологической базы знаний и семантического т^еЬ-портала обеспечивает подцержку разнообразных процессов управления знаниями организаций разного типа

12 Результаты применения различных информационно-программных систем, созданных на основе предложенных в диссертационной работе подходов, методов и алгоритмов, показали их эффективность в части точности обеспечения комплексности и обоснованности предлагаемых решений

Публикации. Результаты диссертации опубликованы в 65 печатных работах, в том числе одна монография [1], 28 статей (из них 13 статей в изданиях рекомендованных ВАК [2-14] для опубликования результатов докторских диссертаций)

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на разнообразных российских и международных научных конференциях различного уровня, среди которых можно отметить следующие.

• Всероссийская конференция «ЗНАНИЯ - ОНТОЛОГИИ - ТЕОРИИ» с международным участием, Новосибирск, 2007

• Международная конференция «Диалог — 2006», Бекасово, 2006

• Вторая международная конференция по когнитивной науке Со§8а-2006, Санкт-Петербург, 2006

• Девятая научно-практическая конференция "Реинжинирин5г бизнес-процессов на основе современных информационных технологий Системы управления знаниями" (РБП-СУЗ-2006), Москва, 2006

• Седьмой международный симпозиум «Интеллектуальные системы» (ВДТЕЬ8'2006), Краснодар, 2006.

• Международный симпозиум "Информационные и системные технологии в индустрии образовании и науке", Караганда в 2003,2006 годах

• Шестая международная конференция «Перспективные системы информатики», Новосибирск, Академгородок, 2006

• Научно-практическая конференция «Современные средства автоматизации», Томск в 2004,2005 и 2006 годах

• Корейско-российский международный симпозиум по науке и технике, КОКив в 1997,1998,2002,2003,2005 годах

• Международный симпозиум "Визуальный анализ и интерфейс", Новосибирск, 1991

• Вторая Всесоюзная конференция "Искусственный интеллект - 90", Минск, 1990

Структура и объем работы. Диссертационная работа включает введение, пять глав, заключение, список литературных источников, состоящий из 265 наименований и 10 приложений Общий объем диссертации составляет 373 страниц машинописного текста Работа содержит 106 рисунков и 34 таблицы

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении показано, что в связи с переходом к основанной на знаниях экономике, знания становятся одним из важнейших ресурсов работы организаций, оказывающим значительное влияние на эффективность их работы и конкурентоспособность В связи с этим возникает необходимость в систематической и целенаправленной работе со всеми видами знаний организаций (явными и скрытыми, личностными и корпоративными) и создания современных информационных систем - систем управления знаниями (СУЗ), поддерживающих эту работу

Сделан анализ современного состояния и подходов к созданию СУЗ Обоснована необходимость развития подхода к созданию СУЗ основанного на использовании онтологических моделей и семантических технологий В связи с тем, что в настоящее время отсутствует практический комплексный подход к их созданию на основе использования модели знаний организации и семантических методов, сформулированы цель и задачи исследования. Пояснена теоретическая и практическая значимость работ данного направления, приведено краткое их описание, даны необходимые пояснения

В первой главе рассмотрено определение понятия знаний организации и различные способы их классификации. Проведен обзор разнообразных определений понятия знания сформулированных разными авторами В связи с тем, что знание является сложным, комплексным понятием, оно может описываться и классифицироваться множеством различных способов Наиболее признанным способом классификации знаний является их разделение на явные (документированные) и неявные, скрытые знания (идеи и опыт специалистов) В качестве рабочего определения знаний организации используется следующее- «Знания организации это сложная комбинация опыта специалистов и информации (документы и данные), которые связаны через единую структуру используемых в организации понятий»

Отмечается, что одной из важных составляющих явных знаний организаций являются объекты интеллектуальной собственности

Все знания организации находятся в постоянно повторяющихся циклах их развития Рассмотрены такие модели описания процессов преобразования знаний, как модель основных видов познавательной деятельности (создание, выявление, описание, хранение, поиск, распространение, использование), модель жизненного цикла знаний в организации, модель преобразования между явными и скрытыми знаниями.

В связи с тем, что знания являются ценным ресурсом организации, необходимо эффективное управление ими, при этом показано, что управление знаниями заключается в управлении процессами работы с ними Обосновано, что процессы преобразования знаний тесно связаны с бизнес-процессами организации

Проведен анализ результатов исследований, выполненных отечественными и зарубежными авторами в области создания систем управления знаниями Выделены два сложившихся в последнее десятилетие основных подхода к созданию СУЗ классический, основанный на использовании существующих широко

применяемых информационных технологиях и онтолого-семантический, основанный на использовании онтологических моделей и семантических технологий Показано, что в состоявшихся реализациях онтолого-семантический подход используется, в лучшем случае, для создания систем корпоративной памяти или решения отдельных локальных задач

На основе данной главы сделан вывод о том, что эффективное управление знаниями должно основываться на моделировании знаний организации и на поддержке взаимосвязи процессов преобразования знаний с бизнес-процессами организации.

Во второй главе рассматривается структура и состав знаний организаций Показано, что знания организации 3 содержатся во множестве разнообразных объектов (ресурсов) знаний.

Определение 1: Под объектами (ресурсами) знаний организации понимается множество физических объектов, которые хранят, предоставляют, или могут создавать знания, полезные для функционирования организации

Все множество знаний организации может быть разделено на два подмножества 3 = {Зш Зп} = { 30], ., 30Л}, где За — это знания активных объектов (профессиональные знания), а 3„ - знания пассивных объектов (корпоративные знания)

Знания активных объектов За = { 30/, , 30к } содержатся в объектах {Оз!, . , Оэп }, к которым, например, относятся 5 - множество сотрудников, Т — множество групп, подразделений организации, которые могут использовать знания от других объектов и принимать с их помощью решения

Знания пассивных объектов, которые также называются информацией, Зп = [3П(кн), , 3оп) - это знания, содержащиеся в объектах знаний {Оз1, . , От), которые для использования, должны быть усвоены активными объектами К пассивным объектам, например, относятся О — документы (разных типов), К — разделы каталогов; Г- задачи, Р - бизнес-процессы, 5" - сведения о предоставляемых сервисах, и т п

Показано, что объекты знаний могут быть рассмотрены в трех разных аспектах - структура, контекст и контент (рис 1)

Контекст является внешним по отношению к объекту свойством и определяется тем, кто, зачем, когда и как создал этот объект Контекст позволяет идентифицировать объект среди множества других объектов

Объект создается для предоставления пользователям необходимой информации и знаний, и эта информация передается через информационное содержание объекта - контент

Определение 2. Моделью знаний объекта организации М31 является представление знаний об объекте и знаний, содержащихся в объекте на некотором формальном языке, который может использоваться для работы с ними

Рис. 1. Контекст и контент объекта знаний организации

Знания, содержащиеся в объекте О,, знаний организации, представляются в виде моделей М1и которые описывают знания, содержащиеся в объекте и могут быть в разной степени формализованы, начиная от записей на естественном языке (например, в виде кратких аннотаций), и заканчивая множеством строгих утверждений математической логики (например, логики первого порядка) Каждый из объектов знаний содержит только некоторую часть всего связанного множества знаний организации. В описание модели объектов знаний входят термины, используемые специалистами организации (и соответствующие им понятия) и отношения между ними Знания, содержащиеся в отдельных объектах, относящиеся к одной и той же организации, должны быть согласованными

Показано, что единую модель знаний организации можно сформировать в виде набора взаимосвязанных онтологических моделей

Определение 3. Под онтологической моделью (онтологией) О в данном работе понимается знаковая система (С, Т, Р, F, L, А), где С — множество элементов, которые называются понятиями, Т — частичный порядок на множестве С, задающий отношения «подкласс» и «суперкласс»; Р - множество элементов, которые называются свойствами (двуместными предикатами), F - функция, которая назначает каждому элементу множества Р множество элементов из множества С (с учетом их иерархии в Т), к которым оно применимо (область действия, domain) и множество элементов из множества С или литералов (экземпляров примитивных типов, таких как строки и числа), которые могут быть их значениями (область возможных значений, range), L = /Xе, if, cF, с?} — множество текстовых меток, которые определяют профессиональные термины организации и их соответствие ас - элементам множества С, с/ — элементам мно-

жества Р,А— набор аксиом онтологии — утверждений о элементах предметной области, которые считаются верными, выраженные с использованием соответствующего логического языка

В качестве общей модели знаний организации предлагается использовать согласованный и связанный набор онтологий. О- {О^, От), где Оор - это онтология организации, включающая основные понятия и объекты знаний организации (содержащая знания и объекты использующие знания, например, бизнес-процессы, задачи, проекты и т п), а От = { С?1г . , б>т} - иерархически организованная, последовательно расширяемая система онтологий основных областей знаний О,, значимых для работы организации (рис 2)

Рис. 2. Структура единой онтологической модели знаний организации

Построение онтологической модели

Процедура построения онтологий является нетривиальной задачей, и ей отводится важная роль в комплексе мероприятий по созданию систем управления знаниями В связи с этим, выполнен анализ существующих методологий построения онтологий и проведена их доработка на основе опыта полученного при разработке конкретных онтологий и тезаурусов

Предложена методика создания онтологии, включающая следующие основные этапы

1 Определение сценариев использования разделов онтологии

2 Сбор данных по областям знаний, необходимых для выбранных сценариев

3 Формирование неформального описания онтологии

4 Формирование полу-формального описания онтологии.

5 Формальное описание онтологии на языке OWL

6 Встраивание онтологии в общую онтологию знаний организации

7 Тестирование и оценивание созданной онтологии. Обосновывается, что при создании онтологий, специалистам целесообразно использовать разные подходы к формированию онтологии

• Подход «снизу-вверх» изучение существующих онтологий верхнего уровня и их использование для формирования разрабатываемой онтологии, а также повторное использование части существующих таксономий,

• Подход «снизу-вверх», использование отчетов по анализу сценариев и результатов сбора данных: для перечисления специфических понятий и их группировки

• Подход «от середины» исследование различных ветвей и областей существующих онтологий, также как и базовых тем, выявленных в ходе сбора данных, что помогает понять, какие основные области требуются и позволяют сгруппировать термины - кандидаты,

В работе выполнена концептуализация модели знаний организации Выявлены основные понятия и виды отношений между ними

Показано, что работа с онтологической моделью может выполняться двумя способами- с помощью дескриптивной логики и с помощью реляционной модели

Обосновывается, что дескриптивная логика (ДЛ) может использоваться для управления онтологиями путем отображения понятий и отношений онтологии в утверждения логики В этом случае, при выполнении доказательств будут использоваться экземпляры понятий, представленных в онтологии Дескриптивная логика используется для создания баз знаний, доказательства логической согласованности баз знаний и ответа на запросы к ним Доказательство выполнимости базы знаний (т. е, то, что она является логически непротиворечивой) является обоснованием правильности онтологии

Сформированные с использованием ДЛ базы знаний также могут использоваться и для обработки запросов Ответы на запросы получаются в результате кодирования запроса в виде понятий ДЛ и доказательства того, что эти понятия являются выполнимыми Если запрос является выполнимым, то понятие, описанное в запросе, является логически согласованным с онтологией Кроме этого, операция включения ДЛ может использоваться для обнаружения отношений класс-подкласс, которые заданы в онтологии неявно

В предлагаемом подходе онтологии предметных областей отображаются на ДЛ посредством набора преобразований, которые позволяют неявные предположения онтологии перенести в модель дескриптивной логики На рис 3 показано, последовательность работы с онтологией с использованием дескриптивной логики

Рис 3. Последовательность работы с онтологией с использованием дескриптивной логики

На основе этого применяется следующий метод определения правильности он-тологий

1 Онтология представляется в виде размеченного графа.

2 Граф последовательно анализируется для формирования набора предложений дескриптивной логики

3 Каждое предложение добавляется к базе знаний.

4 База знаний проверяется для доказательства ее выполнимости. Если база знаний является выполнимой, то онтология является правильной

Пусть онтология Ол представляется размеченным графом Ол = (С» Ла) Создается база знаний БЗЛ для представления онтологии Утверждениями базы знаний БЗа являются предложения дескриптивной логики, которые определяют

понятие для каждого са € Са, и роль или отношение включения для каждого га е Яа- По определению всОц/шЫе^БЗл): истинна Vса е Са заЬз/1аЫе(са) -истинна, ложна. В связи с этим определением эаШАаЫе^БЗл) <=>

уаШ(0А)

На основе использования определения правильности онтологии предложен метод объединения различных онтологий, состоящий из 3 шагов слияния, связывания конкретных вершин онтологий, и, затем, проверки правильности новой онтологии (отсутствие противоречий)

Шаг 1 Слияние 0\ и 02 для формирования 01+2 По определению 0\+2 = 0\ и

Оъ где 0\ и Ог = (С, и С2, и К2) Объединение всегда может быть вычислено,

но результат в принципе может содержать противоречия При желании, О/ и 0?

онтология может быть проверена на правильность на данном шаге

Шаг 2 Связывание взаимосвязанных иерархий, описываемое набором связей

Для каждой пары (еь с2) & Ь в 0|+2 заносится утверждение 5мЬС/а5«С)/(с1, е2), т е создается новая дуга в графе После этого шага, составная онтология определяется следующим образом 01+2= (С1 и С2, .^и Я2и V) При предположении,

что элементы этих связей являются правильными (т е, каждая с1 Е С] и Сг £ Сг), эта операция всегда может быть выполнена, но возможно, что использование связей создаст противоречие На этом шаге может быть выполнена проверка правильности онтологии 0\ и Ог

Шаг 3 Проверка правильности составленной онтологии Оц-2 Если онтология С>1+2 является правильной то тогда УСПЕХ (цель достигнута), иначе НЕУДАЧА Алгоритм завершен

При объединении двух онтологий, могут появляться дополнительные логические ограничения или взаимосвязи, которые применяются к объединенной онтологии В частности, в некоторых случаях требуется определять взаимосвязи между понятиями в двух исходных онтологиях. Такие взаимосвязи должны быть добавлены к онтологии как дополнительные ребра Это выполняется путем создания небольшой, фрагментарной онтологии, которая заявляет аксиомы, которые добавляется к 0\+2, используя выше описанный метод Общий процесс объединения может включать объединение нескольких онтологий, для построения конечной онтологии

Показано, что операция объединения является ассоциативной, коммуникативной и не является замкнутой и транзитивной

В третьей главе диссертации разработаны модели описания ресурсов (объектов) знаний организации с использованием онтологической модели и методы работы с ними

На основе онтологической модели знаний организации О, описание объекта знаний М„ может быть представлено в виде набора семантических метаданных

Определение 4 Семантическими метаданными объекта называется описание объекта относительно некоторой формальной модели, описывающей семантику области знаний

Определение 5 Контекстными метаданными объекта называется такой набор свойств, которые задают его связи с другими объектами или которые связаны с объектом, но не содержатся в его описании

Определение 6 Контентными метаданными объекта называется набор утверждений о знаниях (контенте), которые содержатся в объекте

Таким образом, модель знаний объекта может быть представлена в виде Мз, = {Мь {О), М„{0)), где Мь (О)- это контекстные метаданные объекта знаний, описывающие взаимосвязи объекта с другими объектами организации или литералами, а М„(б) - контентные метаданные объекта знаний, описывающие знания, которые содержатся в объекте.

Контекстные метаданные включают набор значений свойств понятия, соответствующего типу объекта знаний в онтологии организации, те. Мь{0) =

(Р1(Ози v;), V р2(031, г2) V V рг{031, v,)), где утверждение р10зь v,) состоит из предиката (отношения) р„ описанного в онтологии организации, иШ (универсальный идентификатор ресурса) объекта 03„ для которого определяются метаданные и значения v,, в качестве которого может быть либо 1Ш некоторого экземпляра понятий онтологии организации, либо некоторый литерал (текст, число, дата)

Контентные метаданные М^О) описываются наборами утверждений из О03, т е семантические метаданные объектов знаний описываются отношениями и понятиями из онтологий основных предметных областей знаний организации в виде набора кортежей- М31{С) = {\piisi, V;), к,} V {р^, V;), к2) V V

{Рк($ь v*), кк}), где v,), к,} кортеж, включающий утверждениерг{5и v,) (триплет) и к,—коэффициент важности данного утверждения для описания контента объекта знаний г Утверждение /7,{5в v,) состоит из предиката (отношения) р„ описанного в онтологии областей знаний, объекта которым может быть понятие онтологии или экземпляр понятия (ссылка на объект знаний) и значения v,, которое может быть либо ЦШ некоторого экземпляра, либо некоторым литералом (текстом, числом, датой)

Объединение единой онтологической модели знаний организации и моделей описаний объектов, содержащих знания, составляют онтологическую базу знаний организации Использование онтологической базы знаний позволяет реализовать набор семантических методов поддержки процессов работы со знаниями организации Эффективность работы со знаниями организации зависит от того, насколько каждый из этапов процесса преобразования знаний будет поддержан методами и соответствующим программным обеспечением

Этап выявления (извлечения) знаний состоит в сборе объектов, содержащих знания важные для работы организации Выявление знаний должно быть связано с выполнением отдельных задач бизнес-процессов организации, в которых они создаются Выявленные объекты знаний должны быть соответствующим образом описаны, т е сформированы их модели знаний Мз, = (Мь (б), МС1(С?)) Формирование моделей знаний может быть выполнено разными методами

• ручным способом составления семантических метаданных (редактор метаданных),

• автоматизированными средствами извлечения знаний из различных хранилищ документов в разных форматах на основе использования автоматических методов анализа текстов на естественных языках (русском и английском) и онтологий областей знаний организации,

• с помощью методов автоматического изменения параметров моделей специалистов в соответствии с результатами их работы с системой (фиксируемыми в журнале работы системы)

Формирование метаописаний объектов знаний

Формирование метаданных объектов знаний организации, на основе некоторой онтологии и соответствующей ей базе знаний также называется задачей семантического аннотирования

Составление контекстных метаданных выполняется ручным способом с использованием специальных программ редакторов метаданных Такие редакторы позволяют выбрать объект организации, который будет описываться, выбрать понятие онтологии, экземпляром которого будут контекстные метаданные объекта, получить список свойств и заполнить его При работе с электронными документами, подобные программы-редакторы позволяют также использовать встроенные метаданные, которые имеются у документа (дата создания, дата редактирования, автор и т п ), при заполнении значений свойств объекта

Составление контентных метаданных может выполняться ручным и полуавтоматическим способом.

Ручной вариант реализации заключается в создании редактора контентных метаданных, который позволяет пользователю, используя специальный интерфейс выбрать элементы утверждений используя онтологию некоторой предметной области и свои знания об аннотируемом объекте знаний (документе, специалисте и т п.) Основной задачей интерфейса является предоставление возможности конструирования метаданных с одновременной навигацией по онтологии, в том числе и с интерактивной визуализацией отдельных ее частей

Полуавтоматическое семантическое аннотирование документов

В рамках проведенных исследований полуавтоматического аннотирования был разработан подход, базирующийся на использовании лингвистических методов морфологического, синтаксического и поверхностного семантического (обще-описательного) анализов текста документов на естественном языке

Результатом поверхностного семантического анализа предложения на естественном языке является связанный граф (в некоторых случаях множество графов), который дополняет предложение набором связей из фиксированного словаря, являющимся, в свою очередь, прототипом метаинформации для предложения Использование в алгоритме анализа текста в качестве исходных данных результата поверхностного семантического анализа позволит избавиться от множества неоднозначностей интерпретации, связанных с лингвистическими особенностями языка

Следующим шагом к составлению контентных метаданных является этап сопоставления частей семантического графа элементам онтологии, путем проецирование одного графа на другой. Проецирование выполняется с помощью специальных правил, которые представляют некоторый набор лингвистических шаблонов

Конечной задачей анализа текста является выявление поверхностного (абстрактного) смысла, выраженного в наборе утверждений контентных метадан-

ных М^О) для обрабатываемого документа. Для выполнения такого анализа используется многоуровневая обработка текста

Измерение близости метаописаний объектов в интеллектуальном пространстве

Учитывая, что модели описаний объектов знаний связаны за счет использования единой модели знаний организации, имеется возможность оценки их подобия (сходства) между собой на основе некоторой метрики подобия Ф (Мз„ Мз;) В работе предложены методы оценки подобия контекстных и контентных метаданных объектов знаний. Данный функционал описывает близость между отдельными элементами знаний, содержащимися в разных объектах знаний

Формализованное представление онтологической модели знаний, а также метаописаний объектов создает возможность для измерения близости (подобия) объектов в интеллектуальном пространстве

Определение 7. Интеллектуальным пространством организации называется модель Б (О, М, Ф), в которой в качестве системы координат О используется онтологическая модель знаний организации, координаты М положения объектов, содержащих знания, задаются их метаописанииями, относительно используемой онтологической модели, а расстояния между объектами определяется путем оценки семантической близость метаописаний Ф

Семантическая близость метаописаний Ф(Мз„ Мз¡) может быть определено через подобие входящих в них утверждений

Ф(мз1 , МзJ) = х х

где Ф (Мзи Мз¡) - величина близости метаописаний объекта г и объекта у, «ти (Г,, 2}) — подобие утверждений (триплетов) Г, и Тр входящих в сравниваемые метаописания

Величина зггп (Г,, 2}) может быть определена с использованием следующего выражения

где/(къ к») - функция учета коэффициентов важности утверждений (используются разные варианты) и выделены следующие составляющие измерения подобия двух утверждений метаописаний

Семантическая близость понятий онтологий, используемых в утверждениях ¡тс{си ск) может быть оценена на основании расположения понятий в иерархии онтологической модели

где Смс (с) ={С] еС\ Рс(ср с} Ус, = с}

Семантическая блшостъ отношений онтологий 5гтс(ги гу), может быть оценена на основании заданного в модели нестрогого частичного порядка исполь-

зуемых отношений РцЦгь r¡) означает, что предшествует r¡, или что r¡ следует за гк

яиг^.г )-. ., jiwrfa, е/0, 1]

\ ANC \ к) ANC V / /|

Семантическая близость контекстных метаданных экземпляров понятий simi(ih i¡) онтологий определяется на основе оценки их реляционной связи и близости их атрибутов Для каждого экземпляра ix е I имеются контекстные метаданные Мь(0), с которыми связаны

• непустое множество CLNS1(iy), включающее понятия, к которым относится экземпляр гх • Cmsáh) = {с/ е С | P¡¿ix, с,)}, CmJ{ix) Ф 0;

• множество RjNsiih), включающее все конкретизированные отношения экземпляра ix RmsÁh) = {rij е R¡ | ri, (гх, g},

• множество Amst(ix), включающие все конкретизированные атрибуты экземпляра 4 Ami(ix) = {aij е А, | ai, (ix, гу)}

Тогда

simi(it,i.) =- ' - ' , simi(ix, iy) е [0, 1], где

simiR(il,iy) =

REOU Ох»1»)

—--- ecnuR1NST(ix)nRINSr(iy)^0

О, иначе

Reql (h,b) = frl- eR¡ I 0* h)A ™< (ly lz) }

stmiÁ{tx,iy)--

-1-. если ЛдстС^) * 0

О, иначе

Аеоь 0»1у) = (а11 еА1 \ К ъ)л аг> (1У

Метод вычисления близости семантических метаданных позволяет количественно оценить сходство между объектами На практике оценка близости обычно выполняется между объектом-эталоном и множеством объектов-кандидатов Например, поисковый запрос (эталон) сравнивается с описаниями в объектах, хранящихся базе знаний (множество кандидатов), в результате чего формируется множество релевантных запросу объектов. То есть метод вычисления близости семантических метаданных можно рассматривать как средство ранжирования объектов-кандидатов на основании объекта-эталона После ранжирования те кандидаты, семантическая близость которых эталону меньше некоторого порогового значения, исключаются из результирующего множества.

Очевидно, что чем больше множество кандидатов, тем дольше выполняется ранжирование Поэтому уменьшение множества кандидатов за счет исклю-

чения из него объектов с заведомо низким показателем семантической близости способно увеличить вычислительную эффективность операции семантического сравнения С этой целью разработан метод фильтрации множества кандидатов Метод фильтрации основан на использовании системы логического вывода для дескриптивной логики Он позволяет отфильтровать из множества кандидатов те объекты, семантическая близость которых объекту-эталону равна нулю

На основе использования данного функционала могут быть решены разные задачи поддержки процессов работы со знаниями смысловой поиск объектов знаний, классификация объектов знаний по системе рубрик, рекомендация (предоставление) новых объектов знаний специалистам, поддержка выполнения БП требуемыми объектами знаний, сбор, описание и оценивание новых объек-

Рекомевдации

Рис. 4. Использование семантического подобия в работе со знаниями

Семантический поиск:

1 Объектом-эталоном при семантическом поиске является поисковый запрос, представленный в виде контентаых метаданных.

2 Процедура формирования множества объектов-кандидатов для выполнения среди них семантического поиска заключается в выборе пользователем тех понятий из неизменной части онтологии, которым соответствуют требуемые типы объектов Если, например, необходимо найти документы и ссылки, то указываются соответствующие понятия

3 К множеству объектов-кандидатов относятся все объекты выбранных типов

4. В процессе обработки результатов из множества кандидатов удаляются те объекты, контентных метаданные которых не содержат всех понятий и экземпляров, присутствующих в метаданных поискового запроса

5 Все объекты-кандидаты упорядочиваются по уменьшению показателя релевантности

6 В результате семантического поиска пользователю предлагается список найденных по запросу объектов, упорядоченных по релевантности и дополнительно сгруппированных по типам объектов

Классификация:

1 В качестве объекта-эталона выступает рубрика классификатора

2 Из базы данных извлекаются семантические метаданные всех объектов БЗ (за исключением рубрик), для которых нужно проверить соответствие рубрике

3 Множеством объектов-кандидатов является множество объектов БЗ за исключением самих рубрик Семантическое сравнение рубрики с рубрикой при классификации не имеет смысла, но имеет практическое значение при проверке правильности расположения рубрики-кандидата в иерархии рубрик.

4 В процессе обработки результатов из множества кандидатов удаляются те объекты, контентные метаданные которых не содержат хотя бы одного понятия или экземпляра, присутствующего в семантических метаданных рубрики

5 Во множестве объектов-кандидатов остаются лишь те объекты, которые имеют показатель релевантности больше нуля, то есть относятся к рубрике

В результате классификации в базу знаний заносится перечень объектов, относящихся к рубрике, для последующего использования

Нужно отметить, что наряду с описанным процессом классификации, называющимся «полной классификацией», в БЗ также применяется частичная классификация Она применяется для соотнесения одного объекта-кандидата с множеством рубрик При частичной классификации фильтрация не используется, так как множество кандидатов содержит один заранее известный объект Каждая рубрика поочередно сравнивается с кандидатом для установления того, к каким рубрикам относится объект

Работа с профилями компетентности специалистов организации

Одним из наиболее важных направлений применения онтологической базы знаний является их использование для повышения эффективности работы с неявными знаниями путем формализованного описания и поддержки профилей компетентности специалистов С этой целью в работе выявлены наиболее существенные характеристики специалистов релевантных контексту СУЗ Эти характеристики были описаны в терминах понятий и атрибутов, что позволило построить модель специалиста организации

Модели специалистов и экспертов Б, = (б), , Бт {б)} помимо контекстных метаданных и семантических метаописаний их компетентностей включают и модели их поведения (О) = (Мь (б), Ма(б), 77), где

• Мь (б) - контекстные метаданные описания специалиста (общие характеристики специалиста,),

• МС1(б) - контентные метаданные описания специалиста {показатели компетентности специалиста в соответствующих областях знаний организации),

• 77-модель поведения специалиста в работе со знаниями

Работа специалистов с системой сбора (извлечения), накоплений и использования их профессиональных знаний должна регистрироваться в журнале системы (семантического портала) На основе анализа записей журнала периодически будут уточняться модели компетенции и поведения специалистов Для экспертов в системе также должны быть разработаны специальные средства для поддержки распространения ими знаний (например, за счет ведения ими специальных журналов - блоггов) и получения консультаций

Определение профилей компетентности специалистов и первоначальное формирование на этом этой основе базы знаний профилей компетентности в СУЗ требует проведение квалификационного аудита в организации Квалификационный аудит достаточно новая проблематика в управлении современными организациями и нуждающаяся в правильном методическом обеспечении

В работе разработан алгоритм проведения квалификационного аудита по определению уровня компетентности специалистов. Количественная обработка результатов опроса и определение комплексной оценки уровня компетентности

специалистов в соответствии с предложенной формулой к, = —я, + »где Ку

- комплексная оценка уровня компетентности 1-го специалиста по J -ой области знаний, п - число областей знаний, актуальных для исследуемой организации, ] = Пи, т, - число «претендентов» на звание эксперта в ] - ой области знаний, ¡ = 1,т/, 1у - число сотрудников, высказавшихся за 1 - го «претендента» в ^ ой области знаний, Е, — максимальное число сотрудников, высказавшихся за кого то из «претендентов» в ^ой области знаний; — интервал шкалы самооценки, принятый в проведенном исследовании равным 3, Бу - значение уровня самооценки 1 - го специалиста по ^ой области знаний (в диапазоне 1,2,3)

Корректировка контентных метаданных специалистов и описание их поведения выполняется на основе анализа журнала их работы в СУЗ При обработке записей журнала могут решаться задачи описания компетентности специалистов и их классификация, на основе уровня обмена знаниями

Логический вывод областей интереса и поведения специалистов

В соответствии с видами действий пользователя, система фиксирует различные события, которые заносятся в журнал СУЗ Когда специалист просматривает, оценивает, читает, передает, ищет ресурсы знаний, в системе формируются события, примеры которых показаны в табл 1.

Табл. 1. Действия специалиста, фиксируемые в журнале системы.

Действия пользователя Просмотр Занесение Чтение, Оценивание Поиск

События Журнала ЧтениеРесурса, Предоставление- Метаданных ЗанесениеРе-сурса ЧтениеРесурса Поисковый-Запрос

Данные по работе в системе могут использоваться разными способами.

• Для вывода понятий и активов знаний, которые наиболее часто используются специалистами, предпочтения специалистов и автоматическая настройка онтологии прикладной области к потребностям специалистов Например, новые понятия могут быть добавлены в онтологию предметной области, а понятия, которые больше не используются, могут быть удалены

• Для вывода поведения специалиста, которое описывает его стиль работе в системе,

• Для оценки эволюции онтологии прикладной области и для анализа частоты использования функций системы

Средства вывода поведения специалистов (компонента метаданных специалиста П) специфичного для СУЗ были включены в подсистему определения поведения Некоторые базовые средства вывода поведения специалиста «обрабатывают» информацию о работе специалиста в системе На основе анализа их взаимодействия с системой, специалисты классифицируются по заранее определенным шаблонам или категориям специалистов.

Понятие «Поведение» описывает некоторые показатели взаимодействия специалистов организации с СУЗ, например, такие как Тип деятельности (тип_деятельности), Уровень обмена знаниями (уровень_активности), Объем вклада (объем_вклада)

В результате работы в системе, специалист может сделать свой вклад в общую базу знаний в виде написанных или прокомментированных документов, а также в результате чтения документов или контактов с экспертами На основе анализа повседневной работы специалистов с системой, СУЗ классифицирует их по различным категориям с общими характеристиками, как описано далее

Классификаиия спеииалистов на основе «Типа активности»

Показатель Тип активности описывает, характер работы специалиста в системе Предварительно были определены следующие классы специалистов-

• Читатель - специалист, который в основном читает/получает активы знаний системы,

• Писатель - специалист, который не только читает/получает активы знаний системы, но также и передает в систему активы знаний,

• Наблюдатель - специалист, который не передает в систему новые активы знаний и очень редко читает/получает активы знаний системы

При занесении специалистом новых объектов знаний в систему, связанная с ним переменная объем вклада увеличивается на 1. Тоже самое выполняется, при чтении, выполнении запроса или комментировании документов специалистом

\/х ЗанесениеРесурса -> увеличение(объем_вклада(к)) \/х ЧтениеРесурса -> увеличение (количество_чтений (х)) Ух ПредоставлениеМетаданных -> увеличение (количество_чтений (х)) \/х ПоисковыйЗапрос -> увеличение (количество_ПоисковыхЗапросов(х))

Классификация специалистов в соответствии с типом деятельности и уровнем активности

Тип деятельности и уровень активности специалистов определяется с помощью эвристических правил, учитывающих количество вкладов {КБ) и количества случаев получения/чтения (КЧ) объектов знаний

If (количество чтений > КЧ) and (объем_вклада < KB) Then S, = "читатель " (в течении временного интервала (7))

If (объем_вклада >= KB) Then S, = "писатель " (в течении временного интервала (7))

If (количество чтений < КЧ) and (о6ъем_вклада < KB) Then S, = "наблюдатель" (в течении временного интервала (7)), где КЧ, КБ и временной интервал (7) являются константами, которые могут быть заданы в зависимости от активности работы пользователей в системе

Классификация специалистов, на основе уровня обмена знаниями

Обмен знаниями является критически важным для успеха СУЗ Состояниями специалистов по отношению к уровню обмена знаниями являются "неосведомленный", "осведомленный", "заинтересованный", "пробующий", "сторонник"

Для отнесения пользователей к некоторой категории в соответствии с их уровнем обмена знаниями используются методы нечеткой логики В работе используется принцип нечеткой классификации, для того, чтобы отнести пользователя к различным категориям в соответствии с их уровнем обмена знаниями Нечеткая классификация предполагает двух шаговый процесс

• создание хорошо разделенных нечетких областей,

• формирование нечетких правил и функций вычисления степени принадлежности

Используя переменную Iks (уровень обмена знаниями), фиксируется уровень усвоения поведения, базирующегося на обмене знаний, основанный на двух нечетких множествах Для кодирования значений принадлежности пользователя к некоторой категории используется его тип активности и уровень активности Значение принадлежности кандидата i к некоторой категории вычисляется с использованием функции Е (xh х2), где

• Е - уровень обмена знаниями 4» разделен на такие области нечеткости, как ["очень высокий", "высокий", "средний", "низкий", "очень низкий"], которые могут быть связаны с такими шаблонами поведения, как ["сторонник", "пробующий", "заинтересованный", "осведомленный", "неосведомленный"],

• Xj - тип активности, разделен на такие области нечеткости, как ["высокий", "средний", "низкий", "очень низкий"], которые соответствуют категориям ["читатель", "писатель", "наблюдатель"],

• х2- уровень активности, разделен на такие области нечеткости, как ["высокий", "средний", "низкий", "очень низкий"], которые соответствуют та-

ким категориям, как ["очень активный", "активный", "посетитель", "неактивный"]

Путем избавления от нечеткости, получены следующие правила, использующие лингвистические переменные, связанные с уровнем обмена знаниями, типом активности и уровнем активности Е (xj, х£. if л:; = "писатель " and х2 = "очень активный" then Е = "сторонник", ifxj = "писатель" andх2 ~ "активный" then£ = "сторонник", if Xj — "писатель " and х2 ~ "посетитель " then Е = "интересующийся", lfxi = "читатель" andХ2 = "оченьактивный" thenЕ = "пробующий", if*/ = "читатель" andх2 — "активный" thenЕ = "интересующийся", ifxj = "читатель" andх2 = "посетитель" thenЕ = "осведомленный", ifх1 = "наблюдатель" andх2 = "посетитель" thenЕ = "неосведомленный", if xj = "наблюдатель " and х2 = "неактивный" then Е = "неосведомленный".

Логический вывод областей интереса и уровня компетентности

Активность пользователя может быть использована также для логического вывода областей знаний, которые интересуют пользователей и предположений об уровне его компетентности Предлагается несколько простых эвристических правил, таких как

if3aHeceHuePeeypca(St, Оз) and сх е М/Оз,) then сх-> Mk(St), ifПредоставлениеМетаданных^,, М^Оз) and сх eMi(03) then (\->M^S,) if (St, автор, Оз¡) and сх е М^Оз^ and 0з1 = "высокийрейтинг" then сх-> M^S) (является экспертом по сх)

Тестирование семантических методов работы с моделями объектов знаний

Тестирование методов работы с моделями объектов знаний выполнялось с использованием онтологии, созданной для части предметной области «Автоматизация технологических процессов» Общее количество понятий в онтологии составило 578, количество отношений - 15, максимальная вложенность понятий - 12, количество лексических меток на русском языке для каждого элемента онтологии - от 1 до 9

В онтологию было помещено 1227 экземпляров различных понятий предметной области Из них 112 экземпляров были выявлены в результате анализа документов, относящихся к выбранной предметной области Эти экземпляры содержали от 1 до 3 лексических меток Остальные 1115 экземпляров были автоматически сгенерированны специально созданной программой Для таких экземпляров использовались лексические метки родительских понятий

Наполненная экземплярами база знаний использовалась для аннотирования 27 рубрик каталога и 160 документов, относящихся к выбранной предметной области. Аннотирование выполнялось с использованием разработанных методом формирования семантических метаданных объектов знаний

Созданные семантические метаданные объектов системы использовались для тестирования остальных методов - поиска, классификации и формирования рекомендаций. Указанные функции оценивались тремя тестерами с точки зрения качества с использованием показателей формальной полноты и формальной точности. Показатели названы формальными потому, что они основываются на оценке формальной релевантности, а не на оценке удовлетворенности пользователя.

В процедурах поиска и классификации используются одинаковые показатели семантической близости элементов онтологии — показатели с учетом наследования. Поэтому для этих процедур были получены одинаковые значения формальной полноты и формальной точности. Средняя формальная полнота составила 1, а средняя формальная точность составила 0,975.

В процедуре формирования рекомендаций используется пороговое значение для рекомендации. От этого значения зависит качество рекомендации. Чем больше пороговое значение, тем выше точность и меньше полнота, И наоборот, чем ниже пороговое значение, тем меньше точность и выше полнота. Было принято решение обеспечить максимальное значение показателя полноты рекомендации. Для этого в результате тестирования было определено пороговое значение для рекомендации, которое составило 0,4469. В этом случае формальная полнота рекомендации равна 1, а формальная точность варьируется от 0,333 до 1 и в среднем составляет 0,5646 (рис. 5).

Параметры тестирования вычислялись следующим образом: ку - - показатель формальной полноты, где - количество релевапт-

V + ь„„

ных семантических метаданных, выданных алгоритмом, ь^ — количество релевантных семантических метаданных, не выданных алгоритмом. Рр=_- показатель формальной точности, где - количество релевантна +

ных семантических метаданных, выданных алгоритмом, сы - количество нерелевантных семантических метаданных, выданных алгоритмом.

ИГ * 1

0,7142

□ Алгоритм И Тестер 1 |

12 3 4 6 6 7 доку манты

1

Р( = О.ззз

'□Алгоритм дтесгер^.

1 2 3 4 5 5 ДОкумекты

И =0,333

□Алгоритм ИТестер 5

1.2

О

1

и> л 0,8

1 0,8

114

о 0,2

0

Щ

&Жв

'л ■ ф

"¡Ш Й

1 6

1 г з

дгясументы

Рис. 5. Сравнение результатов работы тестеров с результатами работы алгоритма по данным первого тестера.

Как следует из значений параметров, приведенных на рис. 5, тестирование семантических методов работы с метаданными выявило высокие показатели качества их работы

В четвертой главе рассмотрены подход к построению СУЗ на основе онтологической модели знаний организации и семантических методов работы с ней

В работе показано, что в каждой организации вне зависимости от сферы ее деятельности, и от интенсивности ее взаимодействия с внешним миром, осуществляется непрерывный процесс преобразования знаний Организация зарождается на определенном уровне знаний своих сотрудников и менеджеров, функционирует, используя и пополняя корпоративные знании (о сырье и продукте, о технологиях, инфраструктуре, о персонале, о потребителях, о рынке), являясь одновременно и потребителем и источником такого рода знаний

Известно, что каждая организация уникальна Это означает, что методы управления знаниями, в разной мере применимы и в разной степени эффективны для различных организаций Оценить порядок предстоящих затрат и уровень предстоящих доходов, а затем сравнить их с ожиданиями собственников организации в части основных бизнес показателей (рентабельность, динамика роста, устойчивость и перспективы развития бизнеса) трудная и формально и неразрешимая задача Стратегии компании по управлению знаниями должны быть направлены в первую очередь на обеспечение и повышение эффективности работы бизнес-процессов

Оценку целесообразности использования тех или иных стратегий, так же как и оценку их эффективности для конкретной организации практически нельзя осуществить иначе, чем путем использования знаний ее ведущих сотрудников Именно они активно участвуют в бизнес-процессах и именно они являются носителями знаний и опыта необходимого для оценки предпочтительности предлагаемых стратегий УЗ Немаловажным аргументом в пользу этих соображений является и то, что им же (топ менеджементу, менеджементу и ведущим специалистам) предстоит использовать на практике результаты своего выбора Это с одной стороны налагает на них дополнительную ответственность, а с другой, снимает известные психологические проблемы, связанные с внедрением новшеств Исходя из приведенных соображений, разработана методика оценки и отбора стратегий управления знаниями, основанная на проведении групповой экспертизы

Проведение групповой экспертизы по отбору стратегий управления знаниями.

1 Топ-менеджмент и ведущие специалисты организации разбиваются на подгруппы по 8-10 человек в каждой

2 Каждому эксперту выдается таблица, содержащая перечень функционально полных стратегий1, и столбцы для фиксации оценок эксперта по крите-

1 Определение функционально полного набора стратегий может быть результатом специального системного исследования, или итогом обобщения литературных источников

риям (уровень текущего использования, уровень полезности и уровень приоритета по внедрению)

3 В процессе экспертизы каждый эксперт оценивает каждую стратегию следующим образом- / = 1 - низкий уровень использования (полезности, приоритета), / = 2 - средний уровень использования (полезности, приоритета), г* = 3 - высокий уровень использования (полезности, приоритета)

4 Итоги групповой экспертизы обрабатываются по каждому критерию использование, полезность, приоритет по внедрению Суммарные уровни определяются в соответствии с выражением:

1 т ( п 1 >

М« \jiri 'У

где г'к - уровень оценки, выставленной 5 стратегииу-ым экспертом, по к-му критерию (использование, полезность, приоритет), - средний уровень оценки 5-ой стратегии /-ой группой экспертов по £-му критерию; средний уровень оценки б-ой стратегии по всем группам экспертов по к-щ критерию; т -число групп экспертов (1=1, . ,т), п-число экспертов в группе (/=1,...,л), 7 — число оцениваемых стратегий (5=1, , г), г - число уровней оценки стратегии (г'= 1,2,3)

5. Таблица, содержащая перечень стратегий сортируется по степени убывания оценок в каждом столбце и предоставляется топ-менеджменту организации для анализа и окончательного выбора стратегии управления знаниями с учетом естественных ограничений по ресурсам, деньги, люди, время

Реализация стратегий УЗ основывается на использовании разработанных методов построения и работы с онтологической моделью знаний организации и множеством моделей объектов знаний. Архитектура программной реализации предлагаемого подхода основанная на двух основных программных системах

1 Онтологической базе знания, включающей средства хранения и работы с онтологической моделью и метаданными.

2 Семантическом web-пopтaлe по работе со знаниями (включающем сервер онтологии, сервер метаданных и набор функциональных подсистем).

Онтологическая база знаний организации реализована на основе реляционной СУБД и включает многоуровневый набор программного обеспечения работы с ней

Современный технологический уровень взаимодействия пользователей с онтологической базой знаний организации, а именно, распределенный, удаленный, многопользовательский режим работа обеспечивает семантический лтеЬ-портал. Первая версия семантического шеЬ-портала прошла экспериментальную апробацию при выполнении НИР по созданию корпоративной СУЗ для 1Т компании «ЭлеСи» Текущая версия семантического \уеЬ-портала зарегистрирована в Роспатенте [43]

Исходя из проведенных исследований и разработок, общая схема предлагаемого подхода к созданию системы управления знаниями, а также и многоуровневая архитектура его программной реализации показана на рис 6

Уровень поддержки интерфейсов пользователей (уровень представления)

Уровень поддержки процессов работы со знаниями функциональные подсистемы

- для общих процессов работы со знаниями,

- для бизнес-процессах (уровень бизнес-логики)

Рис. 6. Схема построения системы управления знаниями организации.

В пятой главе описан опыт применения разработанных моделей при создании ряда информационно-программных систем

Первоначальные результаты диссертационного исследования, касающиеся использования таксономий для описания структур различных источников данных и информации и их согласования, были получены и использованы для интеграции разнообразных данных по нефтедобыче и геофизике при разработке информационно-программной системы «Томограф 5 2» (с 1992 по 2000 г ).

Семантический \уеЬ-портал {интерфейс доступа пользователей к всему множеству знаний и сервисов)

Поддержка работы со знаниями в 1 бизнес-тэопессе Поддержка работы со знаниями в 2 бизнес-процессе Поддержка работы со знаниями в п бизнес-ггоопессе

Поддержка общих процессов работы со знаниями

Данная система была разработана, внедрена и активно использовалась во многих нефтедобывающих объединениях Западной Сибири и республики Коми (ПО «Когалымнефтегаз», «Сургутнефтегаз», «Юганскнефтегаз», «Томск-нефть», НГДУ «Урайнефтегаз», «Самотлорнефть», «Южоренбуршефть» СП «Белые ночи», «Нобель Ойл» и пр) для интеграции, обработки и разнообразной визуализации информации (двухмерные и трехмерные изображения, разрезы, построение структурных и производственных карт, и их вывод на различные устройства - дисплеи, принтеры и плоттеры)

В большей мере подходы, модели и алгоритмы, полученные в ходе диссертационного исследования, использовались при разработке система управления результатами научно-технической деятельности (НТД) крупной вертикально-интегрированной компании НК «ЮКОС» (с 2001 по 2002 г.) Разработанная информационно-программная система обеспечивала хранение и использование семантических описаний результатов НТД компании и ее управляемых обществ, а также для обеспечения режима коллективной работы сотрудников компании с такими описаниями Данная система была внедрена и использовалась в нефтедобывающих объединениях «Самаранефтегаз», «Юганскнефтегаз», «Томскнефть» и центральном офисе компании.

Описания объектов основывались на таксономиях основных понятий в области интеллектуальной собственности и основных направлений деятельности нефтяных компаний Созданная система позволяет

• Хранить семантические описания всех имеющихся в компании результатов НТД,

• Описывать и заносить в базу знаний новые результата НТД,

• Поддерживать бизнес-процесс сбора и экспертной оценки новых результатов НТД,

• Выполнять семантический поиск результатов НТД, интересующих пользователей;

• Участвовать в электронных дискуссиях по темам, связанным с результатами НТД,

• Получать отчеты о содержании базы знаний и работе пользователей (из журнала) с системой;

• Выполнять удаленное администрирование работой системы

Метаданные объектов интеллектуальной собственности описаны в этой системе с использованием разработанного на основе XML языка специальных описаний Описания результатов НТД с помощью программ-анализаторов XML (в системе используется MSXML 4 0) преобразовывались в объектные модели документов (DOM) для работы с ними Кроме этого, описания также преобразовывались для предоставления пользователям в HTML страницы с помощью описаний преобразований на языке XSLT

Дальнейшим развитием системы управления результатами НТД и новым ее практическим применением явился, созданный web-портал «Petroleum Engineers Virtual Network» (PEVN) Портал PEVN представляет собой программную систему управления явными и неявными знаниями для коллектива специали-

стов в области разработки нефтяных месторождений. Данная разработка была выполнена по заказу Центра профессиональной переподготовки специалистов нефтегазового дела ТПУ (г Томск), внедрена и используется с 2003 года. Программная реализация портала была зарегистрирована в Отраслевом фонде алгоритмов и программ [42]

Наиболее полно результаты исследований выполненных в диссертационной работе, использованы в процессе разработки системы управления знаниями компании «ЭлеСи» (г Томск)

В соответствии с исследованной в работе методологией была определена область применения разрабатываемой онтологии знаний организации Применительно к компании «ЭлеСи», такой областью определена «Автоматизация», обеспечивающая основные бизнес-процессы компании, а именно научно-исследовательские и опытно-конструкторские работы, проектирование, разработка программно-технических комплексов, разработка программного обеспечения; производство и испытания, заключение и сопровождение договоров, управление проектами

Выявление областей знаний, актуальных для деятельности компании, осуществлялось на основе системного анализа ее бизнес-процессов и состава конечных продуктов деятельности В результате этого были выявлены 24 основных областей знаний компании по трем группам.

Процесс построения онтологии был локализован применительно к «Управляемым электроприводам», активно используемым в инновационной деятельности компании «ЭлеСи» В результате анализа были выявлены базовые понятия для области знаний «Управляемые электроприводы» и набор отношений между ними

В качестве программно-технической части системы был разработан и внедрен семантический портал, включающий такие основные подсистемы, как электронная библиотека, база профилей компетенции ведущих сотрудников компании, семантический поиск, поддержка работы экспертов компании

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В диссертационной работе по результатам выполненных теоретических и экспериментальных исследований разработан комплексный подход к проектированию и созданию систем управления знаниями организаций с использованием онтологического моделирования и семантических методов, а также на основе анализа бизнес-процессов, активно работающих со знаниями и экспертно-обоснованного выбора стратегии реализации управления знаниями Данный подход объединяет исследования в областях инженерии знаний, системного анализа, интеграции данных и информации, проектирования и разработки информационных систем, анализа бизнес-процессов и вносит значительный вклад в развитие подхода к использованию онтологического моделирования и семантических методов для проектирования и разработки информационно-программных систем поддержки управления знаниями организаций Внедрение

разработанных автором моделей, алгоритмов и программных средств имеет существенное значение для решения проблемы повышения эффективности управления процессами работы со знаниями организаций

Научная новизна и практическая ценность данной работы содержится в следующих основных результатах

1 Предложен принцип проектирования и создания информационной технологии разработки систем управления знаниями организаций на основе онтологического моделирования и семантических методов, учитывающий особенности организации и удовлетворяющих специфическим требованиям к поддержке бизнес-процессов и стратегии деятельности организации На основе предложенных принципов разработана структура информационно-программного обеспечения СУЗ, предоставляющая возможность объединять поддержку различных бизнес-процессов на основе использования единой онтологической модели знаний организации и семантических методов работы с ней

2 Обосновано использование онтологических моделей и семантических методов для решения широкого круга задач повышения эффективности и качества работы со знаниями организации Разработана и теоретически обоснована структура единой онтологической модели знаний организации, включающая онтологию организации и онтологии предметных областей основных направлений их деятельности Предложена методика формирования и методы верификации, согласования и поддержки данной онтологической модели

3 Разработаны модели описания объектов организации, содержащих и работающих со знаниями. Предложены различные методы их формирования Для объектов знаний, содержащих текст (явные знания) предложены ручной и полуавтоматический методы формирования семантических моделей Для формирования моделей компетенции специалистов (скрытые знания) предложен метод обработки результатов квалификационного аудита и метод обработки записей журнала результатов работы специалистов в СУЗ

4 Разработаны методы вычисления семантической близости контекстных и контентных метаданных, на основе их взаимосвязи в онтологии знаний организации. На основе методов вычисления семантической близости метаданных разработаны такие базовые методы работы с объектами знаний, как семантический поиск, классификация и формирование рекомендаций Результаты выполненного тестирования показали высокое качество их работы

5 Разработан подход к выбору стратегии реализации управления знаниями на основе определения бизнес-процессов, активно работающих со знаниями и методов многокритериального экспертного оценивания

6 Разработана четырех уровневая архитектура создания информационно-программной системы управления знаниями, в которую включены уровень данных и информации (множество ресурсов знаний организации), уровень интеграции информации и знаний (онтологическая база знаний, содержащая онтологическую модель и множество семантических метаописаний), уровень бизнес логики (включающая поддержку базовых методов работы со знаниями и специфическую поддержку выделенных бизнес-процессов) и уровень интерфейса пользователя, включающий семантический \уеЬ-портал

7 Разработано информационно-программное обеспечение поддержки систем интеграции информации и управления знаниями на основе онтологического моделирования и семантических методов, включающее такие основные системы, как-

• Система управления результатами научно-технической деятельности на основе создания базы знаний с описаниями объектов интеллектуальной деятельности и набора функциональных подсистем для ведения базы знаний и организации коллективной работы с объектами интеллектуальной собственности

• Web-пopтaл для работы с явными и скрытыми знаниями для формирования метаданных документов и профилей компетентности сотрудников с целью повышения эффективности поиска и предоставления доступа к требуемым знаниям Поддержка взаимодействия специалистов посредством он-лайн общения и дискуссий Ранжирование специалистов, в зависимости от их активности в процессе распространения знаний, и курирование экспертами процессом обмена знаниями

• Онтологическая база знаний для хранения онтологических моделей знаний организации и семантических метаописаний объектов знаний в реляционных СУБД и предоставления эффективного доступа к ним с использованием набора прикладных программных интерфейсов и средств поддержки

• Семантический \уеЬ-портал СУЗ, включающий серверы онтологий и метаданных объектов знаний организации для реализации функциональных подсистем и доступа к онтологической базе знаний

• Общий объем оригинального программного кода составил более 5 Мб Осуществлено тестирование программного кода на онтологических моделях и множествах семантических метаданных

8 Разработанное по результатам диссертационного исследования информационно-программное обеспечение впедрепо в ряде нефтедобывающих объединений Западной Сибири и республики Коми (ПО «Когалымнефтегаз», «Сургутнефтегаз», «Юганскнефтегаз», «Томскнефть», НГДУ «Урайнефтегаз», «Са-мотлорнефть», «Южоренбургнефть» СП «Белые ночи», «Нобель Ойл» и пр), нефтяной компании ЮКОС, Центре профессиональной переподготовки специалистов нефтегазового дела ТПУ и ЗАО «ЭлеСи» (г Томск)

Результаты применения созданного информационно-программного обеспечения на основе разработанных моделей, методов и алгоритмов для интеграции информации и управления знаниями организаций различного вида показали их эффективность, в части обеспечения эффективности поддержки разнообразных процессов работы со знаниями, эффективности доступа к ним, а также сокращения трудоемкости разработки подобных систем

СПИСОК ОСНОВНЫХ ПУБЛИКАЦИЙ

1 Тузовский, А Ф Системы управления знаниями Методы и технологии / А Ф Тузовский, С. В Чириков, В 3 Ямпольский - Томск- Изд-во НТЛ, 2005 -260 с - ISBN 5-89503-241-9

2 Тузовский, А Ф Основные принципы создания системы управления знаниями компании / А Ф. Тузовский, В 3. Ямпольский // Вычислительные технологии - 2003. - Т. 8, спец выпуск - С. 26-34

3 Тузовский, А Ф Интеллектуальное пространство в системах управления знаниями / А Ф. Тузовский, В. 3. Ямпольский // Известия высших учебных заведений. Физика -2004 -№7.-С 23-29.

4 Тузовский, А Ф Анализ концептуальных моделей работы со знаниями, как этап обоснования архитектуры системы управления знаниями / А Ф Тузовский, В 3 Ямпольский // Известия Томского политехнического университета -2004 -Т 307. - № 7 -С. 111-116.

5 Тузовский, А. Ф Программная реализация основных компонент инфор-мационно-про1раммного обеспечения системы управления знаниями / А Ф Тузовский, И А Васильев, М В. Усов // Известия Томского политехнического университета.-2004 -Т 307.-№7.-С 116-122.

6 Тузовский, А Ф Использование онтологии в системах управления знаниями организаций / А Ф Тузовский [и др ] // Известия Томского политехнического университета -2006 -Т 309 -№3.-С 180-184

7 Тузовский, А Ф Работа с онтологической моделью организации на основе дескриптивной логики / А Ф. Тузовский // Известия Томского политехнического университета. - 2006. - Т. 309 - № 7 - С 134-137

8 Тузовский, А Ф Метод объединения онтологий предметных областей знаний / А Ф. Тузовский // Известия Томского политехнического университета -2006 -Т 309 -№7.-С 138-141

9 Тузовский, А Ф Архитектура семантического web-портала / А Ф. Тузовский // Известия Томского политехнического университета - 2006 - Т 309 -№7 - С. 142-145

10 Тузовский, А Ф Разработка системы управления знаниями на основе единой онтологической базы знаний / А Ф Тузовский // Известия Томского политехнического университета -2007.-Т. 310 -№2.-С. 182-185

И. Тузовский, А Ф Создание и использование базы знаний профилей компетентности специалистов организации / А Ф. Тузовский // Известия Томского политехнического университета — 2007 -Т.310 -№2. —С 186-189

12 Тузовский, А Ф Формирование семантических метаданных для объектов системы управления знаниями / А Ф Тузовский // Известия Томского политехнического университета -2007 -Т 310 -№3 -С 108-112

13 Тузовский, А Ф. Развитие информационной системы нефтедобывающего производства ОАО "Юганскнефтегаз" / А Ф Тузовский [и др.] // Нефтяное хозяйство -1999 -№ 10 - С 50-56

14 Тузовский, А Ф. Программная система "Томограф" для анализа и моделирования процессов в нефте- и водонасьпценных пластах с системами сква-

жин / А. Ф Тузовский, С В. Коспюченко // Вычислительные технологии -1995 -Т 4 -№ 10.-С 245-251.

15 Тузовский, А Ф Системы управления знаниями в образовании / А Ф Тузовский, В 3 Ямпольский // Сб Современные средства и системы автоматизации -Томск, изд ТГУ, 2002 - С 295-299

16 Тузовский, А Ф Информационные технологии в управлении знаниями / А Ф Тузовский, В 3 Ямпольский // Кибернетика и вуз. Межвузовский научно-технический сб,Вып 30 - Томск ТПУ,2003 -С 13-21

17 Тузовский, А Ф Система управления результатами научно-технической деятельности предприятия / А. Ф Тузовский, И А Васильев // Кибернетика и вуз Межвузовский научно-технический сб, Вып 30. - Томск: ТПУ,2003 -С 5-12.

18 Тузовский, А Ф. Поддержка работы экспертов в системах управления знаниями / А Ф Тузовский, С В Чириков // Itech - интеллектуальные технологии — 2005 - № 1 — Томск Изд-во «Проект», С. 68-72

19 Тузовский, А Ф. Семантические порталы организаций / А Ф. Тузовский, В 3 Ямпольский, С В Чириков // Itech - интеллектуальные технологии 2005 - № 2 - Томск: Изд-во «Проект», С 78-81

20 Тузовский, А Ф Системы управления знаниями организаций на основе семантических технологий / А. Ф Тузовский // Itech - интеллектуальные технологии - 2006 — № 5 - Томск Изд-во «Проект», С 75-79

21 Тузовский, А Ф От баз данных к базам знаний / А. Ф Тузовский, В 3 Ямпольский // Информационные технологии территориального управления -2004 -№42.-С 49-56.

В сборниках трудов и тезисов конференций

22 Tuzovsky, A F Knowledge management system, as new maturity level of company information system / A F Tuzovsky, V. Z Yampolsky // Proceedings of the 6th Korea-Russia International Symposium on Science and Technology (KORUS-2002) - Novosibirsk, Russia, June 24 - 30 2, 2002 - Novosibirsk : Novosibirsk State Technical Umversity(NSTU), 2002 - V 2 -P 213-216

23. Tuzovsky, A F. The system approach to knowledge management systems designing and development / A F Tuzovsky, V Z Yampolsky // Proceedings of the 7th Korea-Russia International Symposium on Science and Technology (KORUS-2003) — Republic of Korea, June 28-July 6, 2003 -University of Ulsan, 2003-V 2 -P 319-323

24 Tuzovsky, A F Multilingual thesauri development and application / A F Tuzovsky, S V Kozlov, D V Bubnov // Proceedmgs of the 7th Korea-Russia International Symposium on Science and Technology (KORUS-2003) - Republic of Korea, June 28-July 6,2003 -University of Ulsan, 2003-V. 2 -P 405-409

25 Тузовский, А Ф Структура системы управления знаниями / А Ф Тузовский, И А Васильев // Информационные и системные технологии в индустрии, образовании и науке Труды международного симпозиума — Караганда, 2425 сентября 2003 -Караганда КарГТУ, 2003. - С 286-288

26 Тузовский, А Ф Определение семантики произвольных документов / А Ф. Тузовский, М В Усов // Информационные и системные технологии в индустрии, образовании и науке Труды международного симпозиума - Караганда, 24-25 сентября 2003 -Караганда КарГТУ,2003 -С.289-291.

27 Tuzovsky, A F. Ontological Knowledge Management System Development / A F Tuzovsky, S V. Chrnkov, V. Z Yampolsky // Proceedings of the 8th Korea-Russia International Symposium on Science and Technology (KORUS-2005) - Novosibirsk, Russia, June 26 - July 2, 2005 - Novosibirsk Novosibirsk State Technical Umversity(NSTU), 2005 -P 84-90.

28 Тузовский, А. Ф Построение модели знаний организации с использованием системы онтологий / А. Ф. Тузовский, С В Козлов // Компьютерная лингвистика и интеллектуальные технологии Труды международной конференции «Диалог - 2006» - Бекасово, 31 мая - 4 июня 2006 - М. Изд-во РГГУ, 2006 - С 508-512

29 Тузовский, А Ф Методы и инструментальные средства построения семантических Web-порталов / А Ф Тузовский, И А. Васильев II Сборник тезисов докладов второй международной конференция по когнитивной науке CogSci-2006 - Санкт-Петербург, 9-13 июня 2006 - Т 2 - Санкт-Петербург СПбГУ, 2006 - С 572-573

30 Тузовский, А Ф Работа с онтологиями в системе управления знаниями организации / А. Ф Тузовский, С В Козлов II Сборник тезисов докладов второй международной конференция по когнитивной науке CogSci-2006 - Санкт-Петербург, 9-13 июня 2006 - Санкт-Петербург СПбГУ, 2006 - Т 2 - С 581— 583

31 Тузовский, А. Ф Онтолого-семантический подход к созданию систем управления знаниями организаций / А Ф Тузовский, В. 3 Ямпольский И Реинжиниринг бизнес-процессов на основе современных информационных технологий Системы управления знаниями Тезисы докладов 9-ой научно-практической конференции РБП-СУЗ - Москва - М МЭСИ, 2006 - С. 125130.

32 Тузовский, А Ф Построение и под держка профилей компетенции специалистов компании / А. Ф Тузовский, А А Рыбак // Интеллектуальные системы (INTELS-2006) Труды седьмого международного симпозиума - Краснодар, 26-30 июня 2006 -М Русаки,2006 -С 294-298

33 Тузовский, А Ф Разработка семантической подсистемы web-портала / А Ф Тузовский, И А Васильев // Интеллектуальные системы (INTELS-2006) Труды седьмого международного симпозиума - Краснодар, 26-30 июня 2006 -М Русаки, 2006 - С 338-342

34. Тузовский, А. Ф. Построение модели знаний организации с использованием системы онтологий / А Ф Тузовский, С В Козлов // Интеллектуальные системы (INTELS-2006) Труды седьмого международного симпозиума - Краснодар, 26-30 июня 2006. - М Русаки, 2006 - С 290-294

35 Тузовский, А Ф. Интеграция разнородных информационных ресурсов на основе онтологической модели знаний / А Ф Тузовский, С В Козлов // Информационные и системные технологии в индустрии, образовании и науке На-

учные труды международного симпозиума - Караганда, 21-22 сентября 2006. -Караганда1 Карагандинский государственный технический университет, 2006. -С.231-233

36. Тузовский, А Ф. Семантическое аннотирование документов / А. Ф. Ту-зовский, М. В. Усов // Информационные и системные технологии в индустрии, образовании и науке. Научные труды международного симпозиума - Караганда, 21-22 сентября 2006. - Караганда Карагандинский государственный технический университет, 2006 - С. 240-242.

37. Тузовский, А Ф Построение и использование баз знаний профилей компетенции специалистов компании / А. Ф. Тузовский, А. А. Рыбак // Информационные и системные технологии в индустрии, образовании и науке. Научные труды международного симпозиума - Караганда, 21-22 сентября 2006 -Караганда Карагандинский государственный технический университет, 2006 -С 234-236

38 Тузовский, А Ф Поиск в информационной системе организации / А Ф. Тузовский, А. В Черний // Информационные и системные технологии в индустрии, образовании и науке Научные труды международного симпозиума — Караганда, 21-22 сентября 2006. - Караганда. Карагандинский государственный технический университет, 2006 - С 237-239.

39 Тузовский, А Ф Разработка семантических \геЬ-порталов организации / А Ф Тузовский, С. В Козлов, И. А Васильев II Информационный бюллетень Шестой Международной конференции «Перспективы систем информатики». Рабочий семинар «Наукоемкое программное обеспечение» - Новосибирск, 2829 июня 2006 - Новосибирск Институт систем информатики имени Ершова СО РАН, 2006 -С 102-106

Свидетельства об официальной регистрации программных систем разработанных на основе результатов диссертации:

40. Программная система «Томограф, версия 5» / А Ф Тузовский, С В. Костюченко // Свидетельство о регистрации в Роспатенте программы для ЭВМ №960017 от 15 01.1996

41. Программная система управления результатами научно-технической деятельности / А Ф Тузовский [и др ] // Свидетельство о регистрации программы в «Отраслевом фонде алгоритмов и программ» № 4607 от № 4608 от 29 04 2005.

42. Программная система «\УеЬ-портал для работы с явными и неявным знаниями организации» / А. Ф. Тузовский [и др.] // Свидетельство о регистрации программы в «Отраслевого фонда алгоритмов и программ» № 4608 от 29 04 2005

43 Программная система «Семантический портал системы управления знаниями организации» / А Ф Тузовский [и др.] // Свидетельство о регистрации в Роспатенте программы для ЭВМ № 2007610008 от 9 01.2007.

Онтолого-семантические модели в корпоративных системах управления знаниями

Специальность 05 13 01 - Системный анализ, управление и обработка информации (в отрасли информация и информационные технологии)

Подписано к печати 25 06 2007 Формат 60x84/16 Бумага «Классика» Печать RISO Уел печ л 2,33 Ум -изд л. 2,11 Заказ 518.Тираж ЮОэкз Отпечатано в ООО«НИП», г Томск,ул Советская,47,тел • 53-14-70, Лицензия серия ПД № 12-0033

ВВЕДЕНИЕ.

1. УПРАВЛЕНИЕ ЗНАНИЯМИ СОВРЕМЕННЫХ ОРГАНИЗАЦИЙ.

1.1. Потребности управления знаниями организации.

1.2. Понятие и классификация знаний.

1.2.1. Определение понятия знания.

1.2.2. Классификации знаний.

1.2.3. Организационные знания.

1.3. Процессы преобразования знаний.

1.3.1. Модель процесса работы со знаниями.

1.3.2. Модель преобразования между явными и скрытыми знаниями

1.3.3. Связь бизнес-процессов и процессов работы со знаниями.

1.4. Управление знаниями.

1.4.1. Определение управления знаниями.

1.4.2. Концепции и подходы к управлению знаниями.

1.4.3. Факторы, способствующие управлению знаниями.

1.5. Корпоративные системы управления знаниями.

1.5.1. Определение систем управления знаниями.

1.5.2. Классификация систем управления знаниями.

1.5.3. Использование онтологий в системах управления знаниями.

1.6. Предлагаемая архитектура системы управления знаниями.

Выводы по главе.

2. ОНТОЛОГИЧЕСКОЕ МОДЕЛИРОВАНИЕ ЗНАНИЙ ОРГАНИЗАЦИИ.

2.1. Описание знаний организации.

2.1.1. Декларативные знания.

2.1.2. Ресурсы знаний организации.

2.2. Методы представления знаний.

2.2.1. Логика первого порядка.

2.2.2. Семантические сети и фреймовые системы.

2.2.3. Онтологии.

2.3. Онтологическая модель знаний организации.

2.4. Методология построения онтологий областей знаний организации

2.4.1. Анализ сценариев и сбор данных.

2.4.2. Повторное использование онтологий.

2.4.3. Терминологический анализ.

2.4.4. Наполнение и структуризация онтологии.

2.4.5. Переход к полуформальному описанию онтологии.

2.4.6. Переход между неформальным и формальным описаниями онтологии.

2.4.7. Алгоритм построения онтологии.

2.5. Формализованные представления онтологий.

2.5.1. Представление и работа с онтологическими моделями с использованием дескриптивной логики.

2.5.2. Использование реляционных моделей для представления и работы с онтологическими моделями.

2.6. Операции над онтологическими моделями.

2.6.1. Проверка правильности онтологии.

2.6.2. Объединение онтологий.

2.7. Распределенная система работы с онтологической моделью.

2.7.1. Распределенная онтологическая модель.

2.7.2. Основные сервисные подсистемы.

Выводы по главе.

3. СЕМАНТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ОБЪЕКТОВ ЗНАНИЙ.

3.1. Модель объектов знаний организации.

3.1.1. Существующие стандарты метаданных.

3.1.2. Семантические модели объектов знаний организаций.

3.2. Формирование семантических метаданных объектов знаний.

3.2.1. Ручное формирование семантических метаданных.

3.2.2. Метод полуавтоматического аннотирования документов.

3.2.3. Аннотирование документов на основе поверхностного лингвистического анализа.

3.3. Семантическое сравнение понятий в онтологии.

3.3.1. Определения и основные понятия.

3.3.2. Обзор современных определений понятия семантического сопоставления.

3.3.3. Описание семантического сопоставления в формальной логике.

3.4. Вычисление близости контентных метаданных объектов знаний

3.4.1. Оценка близости элементов метаданных.

3.4.2. Метод вычисления близости контентных метаданных.

3.4.3. Метод фильтрации множества кандидатов на сравнение.

3.4.4. Применение методов вычисления семантической близости.

3.5. Профили компетентности специалистов.

3.5.1. Моделирование экспертов и специалистов организации.

3.5.2. Использование моделей и профилей специалистов.

3.5.3. Алгоритмы обработки действий специалистов в системе.

3.6. Интеграция информации и знаний на основе онтологической модели.

3.7. Тестирование разработанных семантических методов.

3.7.1. Тестирование метода полуавтоматического аннотирования объектов.

3.7.2. Тестирование метода семантического поиска по контентным метаданным.

3.7.3. Тестирование метода классификации на основе контентных метаданных.

3.7.4. Тестирование метода формирования рекомендаций.

Выводы по главе.

4. ПОСТРОЕНИЕ СИСТЕМ УПРАВЛЕНИЯ ЗНАНИЯМИ.

4.1. Методология построения систем управления знаниями.

4.1.1. Методика выбора процессов, активно работающих со зна- 223 ниями.

4.1.2. Методика оценки и отбора стратегий управления знаниями

4.1.3. Интеграция управления знаниями с бизнес-процессами организации

4.2. Программная реализация системы управления знаниями.

4.2.1. Онтологическая база знаний организации.

4.2.2. Семантический \уеЬ-портал системы управления знаниями. 250 Выводы по главе.

5. ПРИМЕНЕНИЕ РАЗРАБОТАННЫХ МОДЕЛЕЙ И МЕТОДОВ ДЛЯ

ИНТЕГРАЦИИ ИНФОРМАЦИИ И УПРАВЛЕНИЯ ЗНАНИЯМИ.

5.1. Интеграция разнородных массивов данных и информации на основе единой модели в системе ТОМОГРАФ 5.2.

5.2. Система управления результатами научно-технической деятельности компании ЮКОС.

5.3. Информационно-программное обеспечение для системы управления явными и неявными знаниями образовательной организации.

5.4. Корпоративная система управления знаниями компании «ЭлеСи».

5.4.1. Подсистема ведения базы знаний профилей компетентности специалистов.

5.4.2. Подсистема поддержки работы экспертов.

Выводы по главе.

Актуальность работы. Современная экономика, которой свойственен быстрый рост доли наукоемких товаров и услуг, сокращение их жизненного цикла, интеллектуализация технологий бизнеса и маркетинга, все в большей степени основывается на знаниях. Организации не только активно используют знания, созданные в академических институтах, но и сами активно создают новые. В настоящее время уже признано, что знания являются одним из важнейших ресурсов организаций наравне с финансовыми и материальными. Организации, которые быстрее других создают и находят новые знания, обеспечивают их хранение и усвоение сотрудниками, внедряют их в практическую деятельность, приобретают несомненные конкурентные преимущества. Знания, интеллектуальный капитал, интеллектуальная собственность получают растущее признание в качестве нового источника богатства компаний.

Кроме этого, информационная революция, вызванная появлением и стремительным обновлением поколений компьютеров и программных систем, их проникновением практически во все сферы человеческой деятельности, и последовавшая за ней коммуникационная революция привела, с одной стороны, к небывалому прогрессу в обработке, хранении и передаче информации, к ускорению взаимодействия между субъектами и объектами экономической деятельности в глобальном масштабе и, с другой, — к появлению ряда новых проблем. В их числе:

• Лавинообразный рост объемов и источников информации, как внутри организаций, так и особенно вне их.

• Лавинообразный рост как производителей, так и потребителей информации. Глобальная сеть Интернет уже сегодня содержит более 170 млн. компьютерных хостов, и число их из года в год стремительно нарастает.

• Слабая структуризация информации и знаний, проистекающая от свободы творчества создателей сайтов, корпоративных и, тем более, персональных хранилищ данных, информации и знаний.

В связи с этим организации стремятся эффективно распоряжаться, управлять имеющимися у них знаниями. Однако так как данное направление включает исследование природы организационных знаний, процессов их преобразования, методов воздействия на эти процессы, т.е. является междисциплинарным, то находится в области интересов различные научных дисциплин, таких как управление организациями, организационное обучение и культура, психология и социология, стратегический менеджмент, управление людскими ресурсами и управление информацией. Несмотря на то, что общепризнанна актуальность и важность управления знаниями (УЗ), до сих пор нет даже общепринятых согласованных концепций и подходов, имеется разное представление о самой сущности управления знаниями организации. При этом понимание управления знаниями простирается от управления всеми процессами организации до автоматизации решения отдельных организационных задач (может быть, с помощью интеллектуальных методов).

Активные исследования в данной области начались с 90-х годов прошлого столетия. В большом количестве публикаций необходимо выделить исследования К.-Е. Sveiby [234], К.М. Wiig [262, 263], P.F. Drucker [129], Т.Н. Davenport [122], L. Prusak [123], M.H. Zack [265], I. Nonaka [176, 31], H. Ta-keuchi [31], R. Maier [186], J.M. Firestone [141], M.W. McElroy [191], W. Bu-kowitz [6], W. Applehans [108]. Среди отечественных публикаций по данной тематике можно отметить исследования Э.В. Попова [38 - 40], Б.З. Мильнера [29], С.М. Климова [21], М.К. Мариничевой [28], Т.А. Гавриловой [9], В.А. Дресвянникова [14] и В.З. Ямпольского [63].

В литературе были выделены основные факторы, способствующие успешному выполнению УЗ [133, 147]. Одним из них, не достаточным, но необходимым, является использование информационных технологий. Для успешного управления знаниями в организациях создаются специальные информационно-программные системы управления знаниями (СУЗ).

Анализ литературных источников по проблематике систем управления знаниями обнаруживает два значительно отличающихся друг от друга подхода к их построению. Первый можно назвать классическим [104, 189, 1334, 119, 218, 98, 241], когда СУЗ строится на основе комбинирования существующих, уже зарекомендовавших себя технологий для поддержки различных процессов работы со знанием. К ним относятся ставшие уже стандартными, такие информационные технологии, как E-mail, доски объявлений, дискуссионные форумы, web-порталы, а также технологии, использующиеся при построении экспертных систем (распознавание образов и ситуаций, автоматическое аннотирование и классификация и т. п.). Очевидно, что данный подход является дальнейшим развитием информационных систем организаций в части работы со знаниями.

Второй подход правильно определить как семантический [177, 105, 124, 137, 150, 198, 216, 201]. Он основан на использовании методов и технологий по работе со смыслом, семантикой информации и знаний, таких как онтологии предметных областей, технологии их построения и сопровождения, семантические метаданные, семантический поиск, системы логического вывода, семантическое профилирование знаний экспертов, семантические порталы и сети и т.п. Все это сопровождается разработкой соответствующей технологической поддержки в части языков описания, моделей, программных инструментов и систем.

При этом семантический подход не отвергает классический. Большинство элементов и инструментов семантического подхода зачисляются в арсенал средств развитых корпоративных информационных систем, которые могут применяться и, по существу, применяются для повышения уровня работы с данными и информацией.

В этом направлении можно выделить работы таких авторов, как D. Fensel [124, 137], S. Staab [225 - 227], R. Studer [231],Y. Sure [232], A. Abecker [102], N. Stojanovic [183], I. Horrocks [182], T.A. Гавриловой [11],

A.B. Смирнова [223], Ю.А. Загорулько [15, 16], J1.A. Калиниченко [172], A.C. Клещева [19, 20].

Однако, несмотря на большое количество публикаций в данной области, в настоящее время отсутствует комплексный подход к разработке систем управления знаниями на основе онтологических моделей и семантических методов. Отсутствует согласованный набор методов по онтологическому моделированию знаний организации и семантическому описанию разнородных объектов, содержащих знания, а также методы вовлечения в бизнес-процессы организаций значительных ресурсов явных и скрытых знаний. Необходимы согласованные методы формирования онтологических моделей и их использования для решения таких базовых задач по работе со знаниями, как семантический поиск, классификация, навигация и формирование рекомендаций. Применение подобных средств требует разработки и соответствующего методического обеспечения, которое позволит определить стратегию реализации управления знаниями и поддержать процесс их практического использования с помощью конкретных информационно-программных систем.

Таким образом, можно сделать вывод о том, что, несмотря на наличие в научной среде консенсуса в части актуальности управления знаниями организаций и перспективности работы с семантикой, до настоящего времени в достаточной степени не разработан комплексный набор методов и алгоритмов описания и использования содержащих знания объектов организации с применением онтологических моделей и семантических методов и методик построения на их основе СУЗ, а опубликованные в этом направлении идеи не достаточно апробированы, что определяет актуальность темы данной диссертационной работы.

Цель работы: Разработка комплекса методов, моделей и алгоритмов для построения информационно-программных систем управления знаниями на основе единых онтологических моделей и семантических методов.

Для достижения поставленной цели исследования были поставлены и решены следующие задачи:

• Выявление состава и структуры знаний современной организации, оказывающих активное влияние на результаты их работы.

• Определение связи процессов работы со знаниями и бизнес-процессов современных организаций с целью определения стратегии реализации системы управления знаниями.

• Разработка методики формирования и отбора стратегий УЗ с учетом важности знаний для выполнения основных бизнес-процессов организации и стратегий их деятельности.

• Создание комплексной онтологической модели знаний организации с целью описания разнородных типов объектов (ресурсов) знаний для решения базовых задач работы с ними.

• Разработка методов построения и поддержки в актуальном состоянии единой онтологической модели знаний организации.

• Разработка моделей описания объектов организации, содержащих и работающих со знаниями, для поддержки работы с ними.

• Создание набора методов для реализации основных функций работы со знаниями, таких, как семантический поиск, классификация, формирование рекомендаций и навигация.

• Разработка модели описания профилей компетентности специалистов, алгоритмов проведения и обработки результатов квалификационного аудита, их уточнения с учетом результатов работы специалистов в СУЗ.

• Создание онтологической базы знаний организации, содержащей единую онтологическую модель знаний и множество семантических ме-таописаний объектов знаний.

• Разработка архитектуры семантического ,\^еЬ-портала для поддержки активно работающих со знаниями бизнес-процессов.

Методы исследования. Для решения поставленных задач в работе используются методы системного анализа, теории графов и множеств, теория принятия решений, экспертных оценок, объектно-ориентированного проектирования и программирования.

Научная новизна. В диссертационной работе впервые предложен комплексный подход к проектированию и созданию систем управления знаниями с использованием онтологического моделирования и семантических методов, а также на основе анализа бизнес-процессов, активно работающих со знаниями и обоснованного выбора стратегии реализации управления знаниями. Решена крупная научная проблема, имеющая важное значение для развития теории онтологического моделирования и семантических методов в области проектирования и разработки систем управления знаниями организаций.

Получены следующие основные результаты, обладающие научной новизной:

1. Впервые сформирован комплексный подход к созданию систем управления знаниями на основе онтологического моделирования, семантических методов и поддержки бизнес-процессов, активно работающих со знаниями, и разработана архитектура информационно-программного обеспечения его реализации.

2. Разработан новый подход к моделированию разнородных ресурсов знаний организации на основе единой онтологической модели знаний организации, включающей онтологию организации и развиваемый набор онтологических моделей предметных областей, основных областей деятельности организации, и семантические метаописания ресурсов знаний, включающих контекстные и контентные метаданные.

3. Предложены новые методы оценки семантической близости метао-писаний объектов знаний на основе использования онтологической модели и решения таких базовых задач работы со знаниями, как семантический поиск, классификация по заданному иерархическому набору рубрик и формирования навигации.

4. Разработана новая модель описания компетентности специалистов организации и методы ее построения и поддержки на основе анализа результатов квалификационного аудита и записей журнала работы специалистов в СУЗ.

5. Впервые разработана многоуровневая архитектура информационно-программного обеспечения СУЗ на основе онтологической базы знаний и семантического web-пopтaлa, обеспечивающая поддержку разнообразных процессов управления знаниями организаций разного типа.

6. Предложена архитектура онтологической базы знаний организации, позволяющая хранить в реляционной базе данных описание онтологической модели и множество семантических метаописаний. Разработаны методы взаимодействия с данной базой знаний для решения различных задач.

7. Разработана архитектура семантического \УеЬ-портала, включающая семантическую подсистему, состоящую из сервера онтологии и сервера метаданных, позволяющая организовать поддержку работы пользователей с использованием семантических моделей предметных областей знаний.

Теоретическая значимость работы заключается в развитии теории исследования и построения систем и методов управления знаниями на основе онтологического и семантического моделирования.

Предложенная методология моделирования разнородных ресурсов знаний организации объединяет подходы, разработанные в рамках таких научных направлений, как системный анализ, инженерия знаний, моделирование организаций, и вносит существенный вклад в развитие семантического моделирования систем и интеграции информации. Она предоставляет возможность интегрировать модели различных предметных областей знаний, используя в качестве объединяющей среды единую онтологическую модель знаний организации.

Разработанный семантический подход к решению таких базовых задач, как поиск, классификация, формирование рекомендаций, развивает существующие методы работы с семантическими моделями знаний.

Практическая значимость работы. Разработанные модели, алгоритмы и схема базы знаний, а также программное обеспечение их реализации, включающее методы работы с онтологическими моделями, методы работы с семантическими метаописаниями, а также онтологическая база знаний и семантический шеЬ-портал могут быть использованы для практического создания большого класса программных систем для работы с данными и информацией, и в особенности систем управления знаниями организаций. Использование разработанных моделей позволяет существенно сократить трудоемкость процесса разработки и повысить качество организации работы со знаниями организации за счет использования типовых частей онтологической модели организации, структурированного описания разнородных ресурсов знаний на базе единой онтологической модели, возможности эффективно решать такие базовые задачи работы со знаниями, как семантический поиск, классификация, формирование рекомендаций и навигация.

Кроме того, разработанные методы и программное обеспечение могут быть использованы студентами вузов в учебном процессе для выполнения курсовых и дипломных работ, а также в ходе изучения таких дисциплин, как управление знаниями, моделирование систем, искусственный интеллект, реинжиниринг бизнес-процессов и т.д.

Связь работы с научными программами, планами, темами. Основные результаты диссертации, были получены и нашли свое отражение в следующих научно-исследовательских работах и проектах:

• научно-исследовательская работа, проводимая по заданию Агентства по образованию Российской Федерации «Исследование методов представления, структуризации и контекстного поиска явных и неявных знаний для построения систем управления знаниями» на 2004-2008 гг. (номер НИР 1.38.04, номер гос. регистрации 01200404026);

• проект «Интеграция распределенных и разнородных информационных ресурсов организации с использованием семантических технологий» конкурс рофи2006, № 06-07-96912) Российского фонда фундаментальных исследований;

• проект «Создание информационно-программной среды научно-образовательного комплекса Томска для работы со знаниями и объектами интеллектуальной собственности» (контракт № 2093 от 1.11.2002) в рамках ФЦП «Интеграция науки и высшего образования России на 2002-2006 годы»;

• проект "Подготовка монографии: Системы управления знаниями (методы и технологии)" (контракт № 2247 от 26.09.03) в рамках ФЦП «Интеграция науки и высшего образования России на 2002-2006 годы».

Реализация результатов и их внедрение. Разработанные подходы, методы и алгоритмы были программно реализованы, протестированы и внедрены в процессе создания нескольких крупных систем информационно-программной поддержки работы сотрудников организаций с информацией и знаниями, основными из которых являются:

1. Информационно-программная система «Томограф 5.2» для интеграции, обработки и визуализации разнородных данных и информации нефтедобывающих организаций (система была внедрена и активно использовалась во многих нефтедобывающих объединениях Западной Сибири и республики Коми (ПО «Когалымнефтегаз», «Сургутнефтегаз», «Юганскнефтегаз», «Том-скнефть», НГДУ «Урайнефтегаз», «Самотлорнефть», «Южоренбургнефть», СП «Белые ночи», «Нобель Ойл» и др.).

2. Система управления результатами научно-технической деятельности нефтяной компании «ЮКОС» (была внедрена в подразделениях компании в Москве, Самаре, Нефтеюганске, Стрежевом).

3. \¥еЬ-портал по работе с явными и неявными знаниями Центра профессиональной подготовки специалистов нефтегазового дела Томского политехнического университета совместно с шотландским университетом «Непо1>\¥а1;1:».

4. Система управления знаниями компании «ЭлеСи» (Томск), работающей в области создания информационных систем и электронных устройств, в рамках которой были разработаны: стратегия управления знаниями компании; семантический \¥еЬ-портал управления знаниями, являющийся интеллектуальным ядром информационной системы компании; общая онтология компании и набор онтологий по различным областям знаний («Управляемые электроприводы», «Пусконаладочные работы»), встроенные в сервер онтологии СУЗ; база знаний по профилям компетентности специалистов и экспертов компании; система стимулирования работы экспертов к обмену знаниями.

На разработки, выполненные по результатам диссертации, получены четыре свидетельства о регистрации программ для ЭВМ, выданные: РОСПАТЕНТОМ на «Семантический портал системы управления знаниями организации» (№ 2007610008) [91] и на программную систему "Томограф", версия 5 (№ 960017) [48], а также Отраслевым фондом алгоритмов и программ Федерального агентства по образования РФ (ОФАП) на «Программную систему управления результатами научно-технической деятельности» (№ 4607) [66] и «\УеЬ-портал для работы с явными и неявным знаниями организации» (№ 4608) [67].

Практическая значимость полученных в диссертации результатов подтверждается дипломами и наградами, полученными за разработки, выполненные на основе диссертационной работы (Приложение 6). Среди наград можно отметить медаль лауреата Всероссийского выставочного центра № 578 (постановление от 17.08.2005 г. № 33) за экспонат «Корпоративная система управления знаниями» (Промэкспо-2005, 19-22 мая 2005 г.) и диплом 2-й степени на конкурсе монографий подготовленных в Томском политехническом университете в 2005 году.

Основные положения, выносимые на защиту:

1. Предложенный подход к созданию СУЗ на основе единой модели знаний организации позволяет описывать разнородные ресурсы знаний организации и связывать процессы работы со знаниями с бизнес-процессами организации.

2. Разработанная архитектура единой онтологической модели знаний организации, включающая онтологию организации и множество онтологий предметных областей по направлениям деятельности организации, дает возможность выполнять достаточно полное и итеративное развитие онтологической модели организации, существенно уменьшать трудоемкость ее разработки.

3. Предложенная методика создания онтологической модели на основе сценариев использования и последовательной ее формализации на основе подходов «снизу-вверх», «от середины» и «сверху-вниз» позволяет с требуемой детальностью описывать рассматриваемую предметную область.

4. Методы проверки согласованности и объединения онтологических моделей подобластей знаний организации на основе задания синонимических связей между понятиями и проверки согласованности полученной онтологии с использованием дескриптивной логики повышают эффективность и точность работы с онтологическими моделями.

5. Семантическая модель описания ресурсов знаний, включающей контекстные и контентные метаданные, состоящие из множества утверждений вида (субъект-предикат-значение) дает возможность описать как контекстные связи между ресурсами знаний, так и содержащиеся в объектах знания, что позволяет правильно определять контекст их использования и повысить точность связи с решаемыми задачами бизнес-процессов.

6. Методы ручного и полуавтоматического формирования контекстных и контентных метаописаний для объектов знаний организации позволяют с достаточной для работы СУЗ точностью описать ресурсы знаний организации.

7. Методы вычисления близости контекстных и контентных метаданных на основе оценки подобия утверждений (триплетов), используемых в их описаниях, и положения понятий и отношений утверждений в онтологической модели позволяют с высокой точностью определить семантическое сходство ресурсов знаний организации.

8. Методы работы с онтологической моделью знаний по поиску, классификации и формированию рекомендаций на основе вычисления близости контекстных и контентных метаданных дают возможность решения базовых задач работы со знаниями организации.

9. Методы описания и уточнения профилей компетентности специалистов организаций на основе обработки результатов квалификационного аудита и результатов анализа журнала работы специалистов в системе облегчают выявление и использование скрытых знаний организации.

10. Выявление бизнес-процессов, активно работающих со знаниями и многокритериальный выбор стратегии управления знаниями обеспечивает связь управления знаниями со стратегией и основными бизнес-процессами организации.

11. Многоуровневая архитектура информационно-программного обеспечения СУЗ на основе онтологической базы знаний и семантического луеЬ-портала обеспечивает поддержку разнообразных процессов управления знаниями организаций разного типа.

12. Результаты применения различных информационно-программных систем, созданных на основе предложенных в диссертационной работе подходов, методов и алгоритмов, показали их эффективность, в части точности, обеспечения комплексности и обоснованности предлагаемых решений.

Публикации. Результаты диссертации опубликованы в 65 печатных работах, в том числе в одной монографии [63], 31 статье (из них 14 в изданиях, рекомендованных ВАК [24, 25, 50, 55 - 57, 68 - 71, 88 - 90, 92] для опубликования результатов докторских диссертаций).

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на разнообразных российских и международных научных конференциях различного уровня, среди которых можно отметить следующие:

• Всероссийская конференция «ЗНАНИЯ-ОНТОЛОГИИ-ТЕОРИИ» с международным участием (ЗОНТ-07), Новосибирск, 2007.

• Международная конференция «Компьютерная лингвистика и интеллектуальные технологии» (Диалог 2006), Бекасово, 2006.

• Вторая Международная конференция по когнитивной науке (С^8с1-2006), СанктПетербург, 2006.

• Девятая научно-практическая конференция "Реинжиниринг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями" (РБП-СУЗ-2006), Москва, 2006.

• Седьмой Международный симпозиум «Интеллектуальные системы» (ШТЕЬ8'2006), Краснодар, 2006.

• Международный симпозиум "Информационные и системные технологии в индустрии образовании и науке", Караганда, 2003, 2006 гг.

• Шестая Международная конференция «Перспективные системы информатики» (Р8Г06), Новосибирск, 2006.

• Научно-практическая конференция «Современные средства автоматизации», Томск, 2004, 2005 и 2006 гг.

• Корейско-российский Международный симпозиум по науке и технике (КОЯШ), 1997, 1998, 2002, 2003 и 2005 гг.

• Пятая научно-практическая конференция «Современные средства автоматизации», Томск, 2004.

• Международный симпозиум "Визуальный анализ и интерфейс", Новосибирск, 1991.

• Вторая Всесоюзная конференция "Искусственный интеллект - 90", Минск, 1990.

Структура и объем работы. Диссертационная работа включает: введение, пять глав, заключение, список литературных источников, состоящий из 265 наименований и 7 приложений. Общий объем диссертации составляет

Выводы по главе

1. Разработанные в диссертации методы показали высокую эффективность при создании подсистем интеграции информации и данных для поддержки функциональных систем обработки информации.

2. Использование онтологического моделирования и семантических методов дает возможность разрабатывать системы управления интеллектуальной собственностью компаний, обеспечивающие повышение эффективности использования имеющихся результатов научно-технической деятельности.

3. Использование предложенных моделей и методов показало высокую эффективность и полезность при создании информационно-программного обеспечения корпоративных систем управления знаниями.

4. Результаты применения созданного информационно-программного обеспечения на основе разработанных моделей, методов и алгоритмов для интеграции информации и управления знаниями организаций различного вида показали их эффективность в части обеспечения эффективности поддержки разнообразных процессов работы со знаниями, эффективности доступа к ним, а также сокращения трудоемкости разработки подобных систем.

5. Разработанное по результатам диссертационного исследования информационно-программное обеспечение внедрено в ряде нефтедобывающих объединений Западной Сибири и республики Коми (ПО «Кога-лымнефтегаз», «Сургутнефтегаз», «Юганскнефтегаз», «Томскнефть», НГДУ «Урайнефтегаз», «Самотлорнефть», «Южоренбургнефть» СП «Белые ночи», «Нобель Ойл» и пр.), нефтяной компании ЮКОС, Центре профессиональной переподготовки специалистов нефтегазового дела ТПУ и ЗАО «ЭлеСи» (г. Томск).

ЗАКЛЮЧЕНИЕ

В диссертационной работе по результатам выполненных теоретических и экспериментальных исследований разработан комплексный подход к проектированию и созданию систем управления знаниями организаций с использованием онтологического моделирования и семантических методов, а также на основе анализа бизнес-процессов, активно работающих со знаниями, и экспертно-обоснованного выбора стратегии реализации управления знаниями. Данный подход объединяет исследования в областях инженерии знаний, системного анализа, интеграции данных и информации, проектирования и разработки информационных систем, анализа бизнес-процессов и вносит значительный вклад в развитие подхода к использованию онтологического моделирования и семантических методов для проектирования и разработки информационно-программных систем поддержки управления знаниями организаций. Внедрение разработанных автором моделей, алгоритмов и программных средств имеет существенное значение для решения проблемы повышения эффективности управления процессами работы со знаниями организаций.

Научная новизна и практическая ценность данной работы содержится в следующих основных результатах:

1. Предложен принцип проектирования и создания информационной технологии разработки систем управления знаниями организаций на основе онтологического моделирования и семантических методов, учитывающий особенности организации и удовлетворяющих специфическим требованиям по поддержке бизнес-процессов и стратегии деятельности организации. На основе предложенных принципов разработана структура информационно-программного обеспечения СУЗ, предоставляющая возможность объединять поддержку различных бизнес-процессов на основе использования единой онтологической модели знаний организации и семантических методов работы с ней.

2. Обосновано использование онтологических моделей и семантических методов для решения широкого круга задач повышения эффективности и качества работы со знаниями организации. Разработана и теоретически обоснована структура единой онтологической модели знаний организации, включающая онтологию организации и онтологии предметных областей основных направлений их деятельности. Предложена методика формирования и методы верификации, согласования и поддержки данной онтологической модели.

3. Разработаны модели описания объектов организации, содержащих и работающих со знаниями. Предложены различные методы их формирования. Для объектов знаний, содержащих текст (явные знания) предложены ручной и полуавтоматический методы формирования семантических моделей. Для формирования моделей компетенции специалистов (скрытые знания) предложен метод обработки результатов квалификационного аудита и метод обработки записей журнала результатов работы специалистов в СУЗ.

4. Разработаны методы вычисления семантической близости контекстных и контентных метаданных, на основе их взаимосвязи в онтологии знаний организации. На основе методов вычисления семантической близости метаданных разработаны такие базовые методы работы с объектами знаний, как семантический поиск, классификация и формирование рекомендаций. Результаты выполненного тестирования показали высокое качество их работы.

5. Разработан подход к выбору стратегии реализации управления знаниями на основе определения бизнес-процессов, активно работающих со знаниями и методов многокритериального экспертного оценивания.

6. Разработана четырехуровневая архитектура создания информационно-программной системы управления знаниями, в которую включены уровень данных и информации (множество ресурсов знаний организации), уровень интеграции информации и знаний (онтологическая база знаний, содержащая онтологическую модель и множество семантических метаописаний), уровень бизнес-логики (включающей поддержку базовых методов работы со знаниями и специфическую поддержку выделенных бизнес-процессов) и уровень интерфейса пользователя, включающий семантический луеЬ-портал.

7. Разработано информационно-программное обеспечение поддержки систем интеграции информации и управления знаниями на основе онтологического моделирования и семантических методов, включающее такие основные системы, как:

• Система управления результатами научно-технической деятельности на основе создания базы знаний с описаниями объектов интеллектуальной деятельности и набора функциональных подсистем для ведения базы знаний и организации коллективной работы с объектами интеллектуальной собственности.

• Web-пopтaл для работы с явными и скрытыми знаниями для формирования метаданных документов и профилей компетентности сотрудников с целью повышения эффективности поиска и предоставления доступа к требуемым знаниям. Поддержка взаимодействия специалистов посредством онлайн общения и дискуссий. Ранжирование специалистов, в зависимости от их активности в процессе распространения знаний, и курирование экспертами процессом обмена знаниями.

• Онтологическую базу знаний для хранения онтологических моделей знаний организации и семантических метаописаний объектов знаний в реляционных СУБД и предоставления эффективного доступа к ним с использованием набора прикладных программных интерфейсов и средств поддержки.

• Семантический \уеЬ-портал СУЗ, включающий серверы онтологий и метаданных объектов знаний организации для реализации функциональных подсистем и доступа к онтологической базе знаний.

• Общий объем оригинального программного кода составил более 5 Мб. Осуществлено тестирование программного кода на онтологических моделях и множествах семантических метаданных.

8. Разработанное по результатам диссертационного исследования информационно-программное обеспечение внедрено в ряде нефтедобывающих объединений Западной Сибири и республики Коми (ПО «Когалымнефтегаз», «Сургутнефтегаз», «Юганскнефтегаз», «Томскнефть», НГДУ «Урайнефте-газ», «Самотлорнефть», «Южоренбургнефть» СП «Белые ночи», «Нобель Ойл» и пр.), нефтяной компании ЮКОС, Центре профессиональной переподготовки специалистов нефтегазового дела ТПУ и ЗАО «ЭлеСи» (г. Томск).

Результаты применения созданного информационно-программного обеспечения на основе разработанных моделей, методов и алгоритмов для интеграции информации и управления знаниями организаций различного вида показали их эффективность в части обеспечения эффективности поддержки разнообразных процессов работы со знаниями, эффективности доступа к ним, а также сокращения трудоемкости разработки подобных систем.

1. Бездушный А.А., Бездушный А.Н., Серебряков В.А., Филиппов В.И. Интеграция метаданных Единого Научного Информационного Пространства РАН. Электронный ресурс. 2006. - Режим доступа: http://www.icsti.su/portal/rus/newproblem/index.php?m= 14.

2. Белоногов Г.Г., Зеленков Ю.Г. Алгоритм морфологического анализа русских слов // Вопросы информационной теории и практики. 1985. -№53.-С. 62-93.

3. Большая Советская Энциклопедия / Под ред. А.М. Прохорова. М.: Советская Энциклопедия, 1972. - Т. 9. - 555 с.

4. Борохович Л., Монастырская А., Трохова М. Ваша интеллектуальная собственность. СПб.: Питер, 2001. — 416 с.

5. Брукинг Э. Интеллектуальный капитал: Пер. с англ. СПб.: Питер, 2001. -288 с.

6. Букович У., Уильяме Р. Управление знаниями: руководство к действию (Wendi R. Bukowitz, Ruth L. Williams The Knowledge Management Field-book). M.: ИНФРА-М, 2002. - 504 c.

7. Быстрицкий E.K. Практическое знание в мире человека // Заблуждающийся разум?: Многообразие вненаучного знания. М.: Политиздат, 1990.-С. 210-238.

8. Васильев И.А. Методы и инструментальные средства построения семантических web-порталов : дис.канд. техн. наук : 05.13.11 : защищена 14.12.2005 : утв. 25.04.2006 / Васильев Иван Анатольевич. Томск, 2005. - 188 с.

9. Гаврилова Т.А. Использование онтологий в системах управления знаниями // Труды Международного конгресса «Искусственный интеллект в 21 веке» (Дивноморск, 2001 г.). Т. 1. -М.: Физматлит, 2001. - С. 21-32.

10. Гаврилова Т.А., Хорошевский Ф.В. Базы знаний интеллектуальных систем. СПб.: Питер, 2001.-384 с.

11. Гаврилова Т.А. Онтологический инжиниринг // Труды 8-й национальной конф. по искусственному интеллекту. М.: Физматлит, 2002. - С. 846853.

12. Граммер Дж. Портал знаний предприятия // DM Review, Электронный ресурс. 2000. - Режим доступа: http://wvyw.it2b.ru/it2b2.view8. page7.html.

13. Данилин А. О проблематике управления знаниями // Computerworld. -1999.-№31.-С. 56-63.

14. Дресвянников В.А. Построение системы управления знаниями на предприятии: Учеб. пособие для вузов. М.: КНОРУС, 2006. - 344 с.

15. Загорулько Ю. А., Боровикова О.И. Организация порталов знаний на основе онтологий. // Труды Международного семинара Диалог'2002 "Компьютерная лингвистика и интеллектуальные технологии". — Протвино, 2002. Т.2. - С. 76-82.

16. Калятин В.О. Интеллектуальная собственность (исключительные права): Учебник для вузов. М.: НОРМА, 2000. - 480 с.

17. Кауфман А. Введение в теорию нечетких множеств : Пер. с франц. М.: Радио и связь, 1982. - 432 с.

18. Клещев A.C., Артемьева И.Л. Математические модели онтологий предметных областей // Информационные процессы и системы, НТИ, серия 2. -2001.-№2.-С. 20-27.

19. Клещев A.C. Орлов В.А. Компьютерные банки знаний. Многоцелевой банк знаний. // Информационные технологии. 2006 - № 2. - С. 2-8.

20. Климов С.М. Интеллектуальные ресурсы организации. СПб.: ИВЭСЭП; Знание, 2000. - 168 с.

21. Кнут Д. Искусство программирования. М.: Вильяме, 2000. - Т. 3. -703 с.

22. Колмогоров А.Н., Драгалин А.Г. Математическая логика. М.: КомКни-га, 2006. - 240 с.

23. Костюченко С.В., Тузовский А.Ф. Программная система "Томограф" для анализа и моделирования процессов в нефте- и водонасыщенных пластах с системами скважин // Вычислительные технологии. 1995. - Т. 4. -№ 10.-С. 245-251.

24. Костюченко С.В., Тузовский А.Ф., Цветков Е.В. Развитие информационной системы нефтедобывающего производства ОАО "Юганскнефтегаз" // Нефтяное хозяйство. 1999. - № 10. - С. 50-56.

25. Кузнецов И.П. Семантические представления. М.: Наука, 1986. - 296 с.

26. Люггер Д.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. 4-е изд.: Пер. с англ. М.: Издательский дом «Вильяме», 2003.-864 с.

27. Мариничева М.К. Основы управления знаниями. Электронный ресурс. 2002. - Режим доступа: http://km.improvement.ru/zametki/seven/.

28. Мильнер Б.З. Управление знаниями: Учеб. пособие для вузов. М.: Ин-фра-М, 2003.- 178 с.

29. Минский М. Фреймы для представления знаний: Пер. с англ. М.: Энергия, 1979.- 152 с.

30. Нонака И., Такеучи X. Компания создатель знания. Зарождение и развитие инноваций в японских фирмах (The Knowledge-Creating Company: How Japanese Companies Create the Dynamics of Innovation). - M.: Олимп-Бизнес, 2003.-384 с.

31. Отчет по договору «Разработка проекта и базовых элементов системы управления знаниями компании ЭлеСи». Этап: Построение онтологии на конкретном примере предметной области компании «ЭлеСи». х/д № 822/04 от 30 ноября 2004. 2005. - 78 с.

32. Сводный отчет по договору «Разработка проекта и базовых элементов системы управления знаниями компании ЭлеСи». х/д № 8-22/04 от 30 ноября 2004 г. 2006. - 168 с.

33. Пакет документации к программному продукту RML // Электронный ресурс. 2006. - Режим доступа: http://www.aot.ru/technology.html.

34. Патент 7093200 США, Instance browser for ontology / M. Z. Schreiber et. al.; заявлено 06.07.2001; опубл. 15.08.2006 // Электронный ресурс. -2006. Режим доступа: http://www.patentstorm.us/patents/7093200-fulltext.html.

35. Полани М. Личностное знание. М.: Прогресс, 1985. - 344 с.

36. Поляков В.Н., Бодров Д.А. Проблемы создания эффективных поисковых машин // Обработка текста и когнитивные технологии. Сб. науч. статей. -2002.-Вып. 7.-С. 48-71.

37. Попов Э.В. Корпоративные системы управления знаниями // Новости искусственного интеллекта. 2001. - № 1. - С. 14-25.

38. Попов Э.В. Управление корпоративными знаниями // 6-я научно-практическая конференция «Реинжиниринг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями» (РБП СУЗ - 2002). - 2002 - Т. 1. - С. 11 -19.

39. Попов Э.В., Фомин И.Б., Харин Н.П., Виньков М.М. Управление знаниями // Вестник РФФИ. 2004. - № 4. - С. 5-29.

40. Поппер К.Р. Объективное знание. Эволюционный подход : Пер. с англ. -М.: Эдиториал УРСС, 2002. 384 с.

41. Румизен М.К. Управление знаниями: Как изменить вашу корпоративную культуру, чтобы люди не скрывали свои знания, а делились ими : Пер. с англ. (The Complete Idiots Guide to Knowledge Management Серия). M.: ACT, Астрель, 2004. - 318 с.

42. Солсо P. Когнитивная психология. СПб.: Питер, 2002. - 592 с.

43. Спенсер П. XML. Проектирование и реализация. М.: Лори, 1999. -509 с.

44. Степанов Ю.С. В мире семиотики. Вступительная статья // Семиотика: Антология / Ред. Ю.С. Степанова. -М.:Радуга, 1983, С. 5-42.

45. Степин B.C. Теоретическое знание. М.: Прогресс-Традиция, 2003. -744 с.

46. Тельнов Ю.Ф. Реинжиниринг бизнес-процессов. М.: Финансы и статистика, 2005.-320 с.

47. Тузовский А.Ф., Костюченко C.B. Программная система «Томограф, версия 5» // Свидетельство о регистрации в Роспатенте программы для ЭВМ № 960017 от 15.01.1996.

48. Тузовский А.Ф., Ямпольский В.З. Системы управления знаниями в образовании // Сб. Современные средства и системы автоматизации. Томск: Изд-во Том. ун-та, 2002. - С. 295-299.

49. Тузовский А.Ф., Ямпольский В.З. Основные принципы создания системы управления знаниями компании // Вычислительные технологии. -2003. Т. 8., спец. выпуск. - С. 26-34.

50. Тузовский А.Ф., Ямпольский В.З. Информационные технологии в управлении знаниями // Кибернетика и вуз: Межвуз. научно-технич. сб., -Томск: ТПУ, 2003. Вып. 30. - С. 13-21.

51. Тузовский А.Ф., Васильев И.А. Система управления результатами научно-технической деятельности предприятия // Кибернетика и вуз: Межвузовский научно-технический сб., Вып. 30. Томск: ТПУ, 2003. - С. 512.

52. Тузовский А.Ф., Васильев И.А. Структура системы управления знаниями // Информационные и системные технологии в индустрии, образовании и науке: Труды Международного симпозиума Караганда, 24-25 сентября 2003. - Караганда: КарГТУ, 2003. - С. 286-288.

53. Тузовский А.Ф., Усов М.В. Определение семантики произвольных документов // Информационные и системные технологии в индустрии, образовании и науке. Труды Международного симпозиума Караганда, 2425 сентября 2003. - Караганда: КарГТУ, 2003. - С. 289-292.

54. Тузовский А.Ф., Ямпольский В.З. Интеллектуальное пространство в системах управления знаниями // Известия высших учебных заведений. Физика. 2004. - № 7. - С. 23-29.

55. Тузовский А.Ф., Ямпольский В.З. Анализ концептуальных моделей работы со знаниями как этап обоснования архитектуры системы управления знаниями // Известия Томского политехнического университета. -2004. Т. 307. - № 7. - С. 111-116.

56. Тузовский А.Ф., Васильев И.А., Усов М.В. Программная реализация основных компонент информационно-программного обеспечения системы управления знаниями // Известия Томского политехнического университета. 2004. - Т. 307. - № 7. - С. 116-122.

57. Тузовский А.Ф., Ямпольский В.З. От баз данных к базам знаний // Информационные технологии территориального управления. — 2004. -№42.-С. 49-56.

58. Тузовский А.Ф., Бубнов Д.В. Семантические метаописания объектов в системах управления знаниями // Современные средства автоматизации: Материалы 5-й научно-практич. конф. Томск, 21-22 октября 2004. -Томск: ТУСУР, 2004. - С. 154-159.

59. Тузовский А.Ф., Васильев И.А. Оценка семантической близости объектов с использованием дескриптивной логики // Современные средства автоматизации: Материалы 5-й научно-практич. конф. Томск, 21-22 октября 2004. - Томск: ТУСУР, 2004. - С. 160-163.

60. Тузовский А.Ф., Козлов C.B. Методологии проектирования онтологий предметных областей // Современные средства автоматизации. Материалы 5-й научно-практич. конференции Томск, 21-22 октября 2004. -Томск: ТУСУР, 2004. - С. 172-176.

61. Тузовский А.Ф., Усов М.В. Использование методов логического вывода в системах управления знаниями // Современные средства автоматизации: Материалы 5-й научно-практич. конф. Томск, 21-22 октября 2004. - Томск: ТУСУР, 2004. - С. 181-187.

62. Тузовский А.Ф., Чириков C.B., Ямпольский В.З. Системы управления знаниями (методы и технологии). Томск: Изд-во HT Л, 2005. - 260 с.

63. Тузовский А. Ф., Ямпольский В.З., Чириков С. В. Семантические порталы организаций // Itech-интеллектуальные технологии. 2005. — № 2. -Томск: Проект, С. 78-81.

64. Тузовский А.Ф., Чириков C.B. Поддержка работы экспертов в системах управления знаниями // Itech-интеллектуальные технологии. 2005. -№ 1. - Томск: Проект, С. 68-72.

65. Тузовский А.Ф., Васильев И.А. и др. «Программная система управления результатами научно-технической деятельности» // Свидетельство о регистрации программы в «Отраслевом фонде алгоритмов и программ» № 4607 от 29.04.2005.

66. Тузовский А.Ф., Козлов C.B. и др. Программная система «Web-портал для работы с явными и неявным знаниями организации» // Свидетельство о регистрации программы в «Отраслевого фонда алгоритмов и программ» № 4608 от 29.04.2005.

67. Тузовский А.Ф., Козлов C.B., Чириков C.B., Ямпольский В.З. Использование онтологий в системах управления знаниями организаций // Известия Томского политехнического университета. 2006. - Т. 309. - № 3. -С. 180-184.

68. Тузовский А.Ф. Работа с онтологической моделью организации на основе дескриптивной логики // Известия Томского политехнического университета. 2006. - Т. 309. - № 7. - С. 134-137.

69. Тузовский А.Ф. Метод объединения онтологий предметных областей знаний // Известия Томского политехнического университета. 2006. -Т. 309.-№7.-С. 138-141.

70. Тузовский А.Ф. Архитектура семантического web-портала // Известия Томского политехнического университета. 2006. — Т. 309. - № 7. - С. 142-145.

71. Тузовский А.Ф. Системы управления знаниями организаций на основе семантических технологий // Itech-интеллектуальные технологии. 2006. - № 5. - Томск: Проект, С. 75-79.

72. Тузовский А.Ф. Онтолого семантический подход к разработке систем управления знаниями организаций // Интеллектуальные системы (INTELS-2006): Труды Седьмого Международного симпозиума - Краснодар, 26-30 июня 2006. - М.: Русаки, 2006. - С. 286-290.

73. Тузовский А.Ф., Рыбак A.A. Построение и поддержка профилей компетенции специалистов компании // Интеллектуальные системы (INTELS-2006): Труды Седьмого Международного симпозиума Краснодар, 2630 июня 2006. -М.: Русаки, 2006. - С. 294-298.

74. Тузовский А.Ф., Васильев И.А. Разработка семантической подсистемы web-портала // Интеллектуальные системы (INTELS-2006): Труды Седьмого Международного симпозиума Краснодар, 26-30 июня 2006. - М.: Русаки, 2006. - С. 338-342.

75. Тузовский А.Ф., Козлов C.B. Построение базы знаний организации с использованием системы онтологий // Интеллектуальные системы (INTELS-2006): Труды Седьмого Международного симпозиума Краснодар, 26-30 июня 2006.-М.: Русаки, 2006. - С. 290-294.

76. Тузовский А.Ф., Козлов C.B., Чириков C.B. Онтологии в системах управления знаниями организаций // Журнал «Itech-интеллектуальные технологии». 2006. - № 4. - Томск, Проект, С. 74-78.

77. Тузовский А.Ф. Разработка системы управления знаниями на основе единой онтологической базы знаний // Известия Томского политехнического университета. 2007. - Т. 310. -№ 2. -С. 182-185.

78. Тузовский А.Ф. Создание и использование базы знаний профилей компетентности специалистов организации // Известия Томского политехнического университета. 2007. - Т. 310.-№ 2. - С. 186-189.

79. Тузовский А.Ф. Формирование семантических метаданных для объектов системы управления знаниями // Известия Томского политехнического университета. -2007. Т. 310.-№ 3.-С. 108-112.

80. Тузовский А.Ф., Васильев И.А. и др. Программная система «Семантический портал системы управления знаниями организации» // Свидетельство о регистрации в Роспатенте программы для ЭВМ № 2007610008 от 9.01.2007.

81. Тузовский А.Ф. Распределенная информационно-телекоммуникационная система для работы с онтологическими моделями знаний // Вычислительные технологии. 2007. - Т. 12. - Специальный выпуск № 1. - С. 616.

82. Турчин В.Ф. Феномен науки: Кибернетический подход к эволюции. 2-е изд. М.: ЭТС, 2000. - 368 с. Электронный ресурс. - 2000. - Режим доступа: http://www.ets.ru/turchiny.

83. Уолтер Д., Билл И. Microsoft Exchange 2000 Server. Справочник администратора. М.: Эконом, 2001. - 720 с.

84. Управление корпоративными знаниями: обзор проблематики и технологий Lotus, Электронный ресурс. 2001. - Режим доступа: http ://www. it.ru/docs/ency cl opedi a/knowledge .pdf?73 7.

85. Холман К. XML и связанные с ним стандарты: Краткий справочник для руководителя, информационный бюллетень Jet Info. 2000. - № 7 (86). -24 с. Электронный ресурс. - 2000. - Режим доступа: http://www.ietinfo.rU/2000/7/2000.7.pdf.

86. Червинская К. Р. Методы концептуального анализа знаний // Методы и системы принятия решений. Системы поддержки проектирования на основе знаний. Рига: Рижск. техн. ун-т, 1991. - С. 116-122.

87. Черняк JI. Управление знаниями и информационные технологии // Открытые системы. 2000. - № 10.

88. Чириков С.В. Стратегия и модели управления знаниями в IT-компании : дис.канд. техн. наук : 05.13.01 : защищена 28.06.2006 : утв. 19.11.2006/ Чириков Сергей Владимирович. Томск, 2006. - 168 с.

89. Экк К.Д. Знание как новая парадигма управления // Проблемы теории и практики управления. 1998. - № 2. - С. 2-14.

90. Abecker A., Bernardi A., Hinkelmann К., et al. Towards a technology for organizational memories // IEEE Intelligent Systems & Their Applications. -V. 13. -№ 3. -P. 40-48.

91. Abecker A., Ludger E. Ontologies for Knowledge Management // Handbook on Ontologies. Springer Verlag, 2004. - P. 435-454.

92. Abecker A. Business-process Oriented Knowledge Management (Concepts, Methods and Tools). // PhD thesis. Электронный ресурс. 2004. - Режим доступа: http://www.ubka.uni-karlsruhe.de/vvv/2004/wiwi/l 1/1 l.ps.gz.

93. Alavi M., Leidner D. Knowledge Management and Knowledge Management Systems: Conceptual Foundations and Research issues // Management Information Systems Quarterly. V. 25. - No. 1. -2001. - P. 107-136.

94. Aldea A., Banares.-Alcantara R., Bocio J. An Ontology-Based Knowledge Management Platform // Proceed, of Workshop on Information Integration on the Web. Acapulco, Mexico, 2003. - P. 177-182.

95. American Productivity & Quality Center. Using Information technology to support knowledge management. New York: Amer Productivity Center, 1997.- 163 p.

96. Antoniou G., Frank van Harmelen. Web Ontology Language: OWL // Handbook on Ontologies. Springer Verlag, 2004. - P. 67-92.

97. Applehans W., Globe A., Laugero G. Managing knowledge: a practical web-based approach. Boston: Addison Wesley Professional, 1999. - 115 p.

98. Application profile for the government information locator service (gils) / Federal information processing standards publication. Электронный pe-сурс. 1997. - Режим доступа: http://www.itl.nist.gov/fipspubs/192-a.pdf.

99. Autonomy Group Product Overview, Электронный ресурс. 2007. - Режим доступа: http://www.autonomy.com/content/Products/index.en.html.

100. Baader F. (editor), et al. The Description Logic Handbook. Cambridge University Press, 2003. - 574 p.

101. Baader F., Horrocks I., Sattler U. Description logics as ontology languages for the semantic web // Dieter Hutter and Werner Stephan, editors, Festschrift in honor of Jörg Siekmann, Lecture Notes in Artificial Intelligence. Springer, 2003.

102. Berners-Lee Т., Hendler J., Lassila O. The Semantic Web // Scientific American. 2001. - V. 284.-№5.-P. 35-43.

103. Borst W. N. Construction of engineering ontologies for knowledge sharing and reuse. // PhD Thesis. University of Tweenty, Enschede, Netherlands. Centre for Telematica and Information Technology, 1997. - 243 p.

104. Brachman R.J., Schmolze J.G. An overview of the KL-ONE knowledge representation system // Cognitive Science. 1985. - V. 9. -№ 2. - P. 171-216.

105. Brazhnik O. Databases and the geometry of knowledge // Data & Knowledge Engineering. 2007. - V. 61. - № 2. - P. 207-227.

106. Bruijn J. Using ontologies: Enabling knowledge sharing and reuse on the Semantic Web. DERI Technical Report DERI-2003-10-29 Электронный pe-сурс. 2003. - Режим доступа: http://homepage.uibk.ас.at/~c703239/ publications/DERI-TR-2003-10-29.pdf.

107. Chenxi L., Lei Z., Jian Z., Ying Y., Yong Y. SPortS: Semantic + Portal + Service // Proceed, of the ECAI 2004 Workshop on Application of Semantic Web Technologies to Web Communitites. 2004. -V. 107. - P. 161-173.

108. Collins H. Enterprise knowledge portals: next generation portal solutions for dynamic information access, better decision making and maximum results. -New York: AMACOM, 2003 430 p.

109. Conklin J. Designing Organizational Memory: Preserving Intellectual Assets in a Knowledge Economy. Электронный ресурс. 2001. — Режим доступа: http://cognexus.org/dom.pdf.

110. Corcho О., Fernández-López М., Gómez-Pérez A. Methodologies, tools and languages for building ontologies. Where is their meeting point? // Data & Knowledge Engineering. 2003. - V. 46. - № 1. - P. 41-64.

111. Davenport Т., Jarvenpaa S., Beers M. Improving knowledge work processes. // Sloan Management Review. 1996. - V. 37. - № 4. - P. 53-65.

112. Davenport Т., Prusak L. Working Knowledge: how organizations manage what they know. Boston: Harvard Business School Press, 1998. - 200 p.

113. Davies J., Fensel D., Harmelen F. (eds). Towards the semantic Web: Ontology-driven Knowledge Management. London: John Wiley & Sons Ltd, 2003.-311 p.

114. Davies J., Studer R., Warren P. (eds.) Semantic Web Technologies-trends and research in ontology-based systems. London: John Wiley & Sons Ltd, 2006. - 327 p.

115. Davis R., Shrobe H., Szolovits P. What is a Knowledge Representation? // Artificial Intelligence Magazine. 1993. - V. 14. - № 1. - P. 17-33.

116. Deng Q., Yu D. An Approach To Integrating Knowledge Management Into The Product Development Process. //J. Knowledge Management Practice, 2006. -V.l.- № 2. P. 235-252.

117. Despres C., Chauvel D. The Present and the Promise of Knowledge Management. Butterworth-Heinemann, 2000. - 352 p.

118. Drucker P.F. Post Capitalist Society. - Oxford University Press, 1993.240 p.

119. Einhorn HJ., Hogarth R.M. Rationality and the sanctity of competence // The Behavioral and Brain Sciences. V. 4. - № 3. - 1981. - P. 334-335.

120. European Guide to good Practice in Knowledge Management Part 1: Knowledge Management Framework. Электронный ресурс. - 2004. - Режим доступа: ftp://cenftp 1 .cenoi-m.be/PUBLIC/CWAs/e-Europe/KM/ С WA 14924-01 -2004-Mar.pdf.

121. European Guide to good Practice in Knowledge Management Part 2: Organizational Culture. Электронный ресурс. - 2004. - Режим доступа: ftp://cenftpl.cenorm.be/PUBLIC/CWAs/e-Europe/KM/CWA14924-02-2004-Mar.pdf.

122. European Guide to good Practice in Knowledge Management Part 3: SME Implementation. Электронный ресурс. - 2004. - Режим доступа: ftp ://cenftp 1 .cenorm.be/PUBLIC/CWAs/e-Europe/KM/CWA 14924-03 -2004-Mar.pdf.

123. Fellbaum С. WordNet: An Electronic Lexical Database (Language, Speech, and Communication). The MIT Press, 1998.-423 p.

124. Fensel D. Ontologies: a silver bullet for Knowledge Management and Electronic Commerce. Berlin: Springer Verlag, 2001. - 187 p.

125. Fernandez M., Gomez-Perez A., Juristo N. METHONTOLOGY: From Onto-logical Arts Towards Ontological Engineering // Proceed, of the AAAI97 Spring Symposium Series on Ontological Engineering, Stanford, USA, 1997. -P. 33-40.

126. Fikes R., Farquhar A., Rice J. Tools for assembling modular ontologies in On-tolingua // Proceed, of the 14th national conference on Artificial Intelligence. 1997.-P. 436-441.

127. Firat A. Information Integration Using Contextual Knowledge and Ontology Merging. // PhD thesis. Massachusetts Institute of Technology, USA, 2003. -151 p.

128. Firestone J.M. Enterprise information portals and Knowledge Management. -Butterworth-Heinemann, 2003. 422 p.

129. Firestone J.M., McElroy M.W. Key issues in the new knowledge management. Butterworth-Heinemann, 2003. - 350 p.

130. Fuller S. Knowledge management foundations. Butterworth-Heinemann, 2002. - 279 p.

131. Gabel T., Sure Y., Voelker J. KAON Ontology Management Infrastructure (Deliverable D3.1.1.a, IST SEKT Project). - 2004. - 58 p.

132. Gandon F. Distributed artificial intelligence and knowledge management: ontologies and multi-agent systems for a corporate semantic web. // PhD thesis. University of Nice, France 2002. - 486 p.

133. Gardenforcs P. Conceptual spaces. The geometry of thought. Cambridge: The MIT Press, 2004. - 307 p.

134. Gartner Group: Knowledge Management Scenario: Trends and Directions for 1998-2003, 1999.

135. Gennari J., Musen M.A., Fergerson R.W., et al. The Evolution of Protege: An Environment for Knowledge-Based Systems Development, 2002.

136. Gómez-Pérez A., Fernández-López M., Corcho O. Ontological Engineering: With Examples from the Areas of Knowledge Management, E-Commerce and Semantic Web (Advanced Information and Knowledge Processing). -Springer Verlag, 2003. 415 p.

137. Gonzalez-Castillo, Javier, David Trastour, and Claudio Bartolini, Description Logics for Matchmaking Services. Bristol, HP Laboratories Bristol HPL-2001-265, Bristol, 2002. http://www.hpl.hp.com/techreports/2001/HPL-2001-265.html.

138. Gronau N., Weber E. Management of Knowledge Intensive Business Processes. // Business Process Management, Springer (Heidelberg), 2004. P. 134-140.

139. Gruber T.R. A Translational Approach to Portable Ontologies // Knowledge Acquisition. 1993. - V. 5. - № 2. - P. 199-220.

140. Gruber T.R. Towards principles for the design of ontologies used for knowledge sharing // International Journal of Human-Computer Studies. 1995. -V. 43.-№5-6.-P. 907-928.

141. Gualtieri A., Ruffolo M. An Ontology-Based Framework for Representing Organizational Knowledge. // Proceed, of I-KNOW '05 Graz, Austria, June 29-July 1,2005.-P. 346-353.

142. Guarino N. Concepts, Attributes, and Arbitrary Relations: Some Linguistic and Ontological Criteria for Structuring Knowledge Bases // Data and Knowledge Engineering, 1992. № 8. - P. 249-261.

143. Guarino N. Understanding, building and using ontologies // International Journal of Human-Computer Studies, 1997. V. 46. - № 2-3. - P. 293-310.

144. Guarino N. Formal Ontology and Information Systems // Proceed, of International Conf. of Formal Ontology and Information Systems (FOIS'98). N. Guarino (ed), Trenton, Italy, June 6-8, 1998. Amsterdam: IOS Press, 1998. -P. 3-15.

145. Haarslev V., Moller R. Description of the Racer System and its Applications // Proceed, of the International Workshop on Description Logics (DL-2001). Stanford, USA, 1 3 August 2001. - P. 135-144.

146. Handschuh S., Staab S. (eds.). Annotation for the Semantic Web. Volume 96 Frontiers in Artificial Intelligence and Applications. IOS Press, 2003. -240 p.

147. Hefke M. State-of-the-Art Report on Research Projects and Market Situation/Deliverable Dl.l, Project VISION, 2002. Электронный ресурс.2002. Режим доступа: http://www.aifb.uni-karlsruhe.de/apollo20080/ fzi/vision/vision/docs/vision/docs/Dl l.zip.

148. Heflin J., Hendler J., Luke S. SHOE: A Blueprint for the Semantic Web // Fensel D., Hendler J., et al. (Eds.). Spinning the Semantic Web. Cambridge, MA: MIT Press, 2003.

149. Hofer-Alfeis J. Effective Integration of Knowledge Management into the Business Starts with a Top-down Knowledge Strategy // Journal of Universal Computer Science, 2003. Y. 9. - № 7. - P.719-728.

150. Holsapple C.W., Joshi K.D. Description and analysis of existing knowledge management frameworks // Proceed, of the 32nd Annual Hawaii International Conference on Systems Sciences, HICSS-32. Los Alamitos, CA, USA, 1999. IEEE Computer Society.

151. Horrocks I. DAML+OIL: a Description Logic for the Semantic Web // Bull, of the IEEE Computer Society Technical Committee on Data Engineering. -2002.-Y. 25. № 1. - P. 4-9.

152. Ives В., Watlington A.G. Business Blogs: A Practical Guide. NY, Pub. Ma-randa Group, 2005, - 220 p.

153. James P. Strategic Management Meets Knowledge Management: a literature review and theoretical framework // Proceed, of the 5th actKM Conference Research Forum, Canberra, ACT, Australia 14 October, 2004. P. 564-583.

154. Jin Y., Decker S., Widerhold G. Onto Webber: Model-driven ontology-based Web site management // Proceed, of the 1st international Semantic Web working symposium. 2001. - P. 529-547.

155. Jussupova-Mariethoz Yelena, Probst A.-R. Business concepts ontology for an enterprise performance and competences monitoring. // Computers in Industry. 2007.-№ 58. - P. 118-129.

156. Kifer M., Lausen G. F-logic: a higher-order language for reasoning about objects, inheritance, and scheme // Proceed, of the 1989 ACM SIGMOD international conference on Management of data table of contents. Portland, Oregon, USA, 1989.-P. 134-146.

157. Kiryakov A., Popov В., Manov D., et al. Automatic Semantic Annotation with KIM. Электронный ресурс. 2004. - Режим доступа: http://iswc2004. semanticweb.org/demos/17/paper.pdf.

158. Krogh G., Ichijo K., Nonaka I. Enabling knowledge creation. How to unlock the mystery of tacit knowledge and release the power of innovation. New York: Oxford University Press, 2000. - P. 292.

159. Lausen H., Stollberg M., et al. Semantic Web Portals State of the Art Survey. - 2004. - 52 p. Электронный ресурс. - 2004. - Режим доступа: http://www.deri.at/publications/techpapers/documents/DERI-TR-2004-04-03.pdf.

160. Leger A. Successful Scenarios for Ontology-based Applications V1.0. Onto Web: Deliverable 2.2. Paris, 2002. - 100 p. Электронный ресурс. -2002. - Режим доступа: http://www.aifb.uni-karlsruhe.de/WBS/ysu/ publications/Onto Web Del 2-l.pdf.

161. Lei Y.-G., Motta E., Domingue J. Onto Weaver: an ontology-based approach to the design of data-intensive Web sites // Journal of Web Engineering. -2005. V. 4. - № 3. - P. 244-262.

162. Levenstein V.I. Binary Codes capable of correcting delation, insertion and re-vercals // Cybernetics and Control Theory. 1966. - V. 10. - No. 8. - P. 707710.

163. Li L., Horrocks I. A software framework for matchmaking based on semantic web technology. // Proceed. Of the 12th International World Wide Web Conference (WWW 2003). ACM Press, 2003. - P. 331-339.

164. Mádche A., Staab S., Stojanovic N. et al. SEAL A framework for developing SEmantic portALs // Proceed, of the 18th British national conference on databases. - Oxford: Springer, 2001. - P. 1-22.

165. Mádche A., Staab S. Measuring Similarity between Ontology // Proceed, of the European Conference on Knowledge Acquisition and Management -EKAW-2002. Madrid, 2002. - P. 251-263.

166. Maier R., Remus U. Implementing process-oriented Knowledge Management Strategies // Journal of Knowledge Management. 2003. -V. 7. - № 4. - C. 62-74.

167. Maier R. Knowledge management systems: Information and communication technologies for knowledge management. Berlin Heidelberg: Springer Verlag, 2004. - 635 p.

168. Makelá E., Hyvonen E., Saarela S., Viljanen K. Onto View A tool for creating Semantic Web portals // Proceed, of the 3rd international Semantic Web conference. - 2004. - P. 797-811.

169. MARC standards Электронный ресурс. 2007. - Режим доступа: http://www.loc.gov/marc.

170. Marwick A.D. Knowledge Management Technology // IBM System Journal. 2001. - V. 40. -№ 4. - P. 814-830.

171. McElroy M.W. The new knowledge management: complexity, learning, and sustainable innovation. Butterworth-Heinemann, 2003.

172. McGrath R.E. Semantic infrastructure for a ubiquitous computing environment Электронный ресурс. 2005. - Режим доступа: http://www.cs.uiuc.edu/research/techreport.php?report=UIUCDCS-R-2005-25 87&download=pdf.

173. McGuinness D.L. Ontologies Come of Age / Fensel D., Hendler J. et al. (eds.), Spinning the Semantic Web: Bringing the World Wide Web to Its Full Potential. MIT Press, 2003.

174. Mentzas G., Apostolou D, Young R., Abecker A. Knowledge asset management beyond the product-centered and the process-centric approuch. - Berlin: Springer-Verlag, 2003 - 200 p.

175. Meroño A., López С., Sabater R. KM strategy and instruments alignment: helping SMEs to choose. // The 5th Europian Conference on organizational knowledge, learning and capabilities, 2004. 186-216 p.

176. Merrill M. D. Knowledge Objects. Электронный ресурс. — 2001. Режим доступа: http://cito.byuh.edu/merrill/text/papers/KnowledgeObjects.PDF.

177. Mertins К., Heisig P., Vorbeck J. (eds.) Knowledge Management: concepts and best practices (2nd ed.). Berlin: Springer Verlag, 2003. - P. 383.

178. Mika P., Akkermans H. Towards a New Synthesis of Ontology Technology and Knowledge Management // Knowledge Engineering Review. 2004 -V. 19.-№ 4.-P. 317-345.

179. Mizoguchi R. A step towards ontological engineering // Proceed, of the 12th National Conference on AI of JSAI. 1998. - P. 24-31.

180. Mizoguchi R., Kozaki K, Sano Т., KitamuraY. Construction and Deployment of a Plant Ontology // Proceed, of the 12th European Workshop on Knowledge Acquisition, Modeling and Management. 2000. - P. 113-128.

181. Mondeca ITM White Paper Электронный ресурс. 2004 - Режим доступа: http ://www.mondeca.com/itm-wp-introducti on-en.pdf.

182. Naisbitt J. Megatrends: Ten New Directions Transforming Our Lives. New York: Warner Communications. - 1982. - 184 p.

183. Nonaka I., Takeuchi H. The knowledge-creating company. New York: Oxford University Press, 1995. - 284 p.

184. Oberle D., Spyns P. The Knowledge Portal Onto Web // Handbook on Ontologies, chapter IV. Springer. - 2004. - P. 499-517.205.0'Leary D.E. Enterprise Knowledge Management // IEEE Computer. 1998. -3, March.-P. 54-61.

185. Open Cyc Ontology. Электронный ресурс. 2007. - Режим доступа: http://www.opencyc.org/.

186. Oxford Advanced Learners Dictionary of Current English. Oxford, 1982.

187. Papavassiliou G., Mentzas G., Abecker A. Integrating Knowledge Modelling in Business Process Management // Proceed, of the ECIS2002 conference: The Xth European Conference on Information Systems, 2002.

188. Patel-Schneider P. F., Horrocks I. DLP and FaCT // Proceed, of the Automated Reasoning with Analytic Tableaux and Related Methods (Tableaux'99), Lecture Notes in Artificial Intelligence. Springer Verlag, June 1999. P. 1923.

189. Pohs W., Pinder G., Dougherty C., White M. The Lotus Knowledge Discovery System Tools and experiences // IBM System Journal. - 2001. - V. 40. -№4.

190. Polanyi M. The Tacit Dimension. London: Routledge and Kegan Paul, 1996.

191. Polikoff I. Ontology Tool Support: Ontology Development Lifecycle and Tools. 2003. - 14 p., Электронный ресурс. - 2003. - Режим доступа: http://www.topquadrant.com/documents/TO 12Q2Ontolog Tool Survey.pdf.

192. Popper K.R., Eccles J.C. The Seifand Its Brain. London: Routledge, 1984. -400 p.

193. Raftopoulou P., Petrakis E. Semantic similarity measures: a comparison study. / Technical Report TR-TUC-ISL-04-2005. Электронный ресурс. 2005.

194. Режим доступа: http://www.intelligence.tuc.gr/publications/paraskevi05semantic.pdf.

195. Raghu T.S., Vinze A. A business process context for Knowledge Management. // Decision Support Systems, 2007. № 43. - P. 1062-1079.

196. Razmerita L., Angehrn A., Maedche A. Ontology-based user modeling for Knowledge Management Systems // Proceed, of the User Modeling Conference, Pittsburgh, USA, Springer Verlag, 2003. P. 213-217.

197. Romer P.M. Beyond the Knowledge Worker // Word Link. 1995, - № 1-2. -P. 55-60.

198. Ruggles RL. Knowledge Management Tools (Resources for the Knowledge-Based Economy). Boston: Butterworth-Heinemann, 1997.

199. Semantic Portals Requirements Specification. SWAD-Europe deliverable 12.1.5 Электронный ресурс. - 2001 - Режим доступа: http://www.w3 .org/2001/sw/Europe/reports/requirements demo 2/.

200. Senge P.M. The fifth discipline. New York: Currency Doubleday, 1990.

201. Schein E.H. Organizational Culture and Leadership. San Francisco: Jossey-Bass, 1996.-448 p.

202. Smirnov A., Pashkin M., et al. KSNet-approach to knowledge fusion from distributed sources // Computing and Informatics. V. 22. - 2003, - P. 10011038.

203. Sowa J.F. Knowledge representation: logical, philosophical and computational foundations. CA: Brooks Cole Publishing Co, 2000. - 512 p.

204. Staab S., Schnurr H.P., Studer R., Sure Y. Knowledge processes and ontologies, IEEE Intelligent sSytems 16(1) (2001). P. 26-34.

205. Staab S., Studer R., Sure Y., Volz R. SEAL a SEmantic portAL with content management functionality // Gaining Insight from Research Information.

206. CRIS 2002 Proceed, of the 6th Conference on Current Research Information Systems. August 29-31, 2002, Kassel, Germany.

207. Staab S., Studer R. (eds.) Handbook on Ontologies (International Handbooks on Information Systems). Springer Verlag, 2004. - 660 p.

208. Standard element set for GELOS records Электронный ресурс. 1997. -Режим доступа: http://www.iszp. sk/katalog/gelos.html.

209. Stewart T.A. Intellectual Capital: The New Wealth of Organizations. Currency. 1998. - 320 p.

210. Stojanovic, L., Maedche, A., Motik, et al. User-Driven Ontology Evolution Management // Proceed, of the 13th European Conference on Knowledge Engineering and Management, EKAW-2002, Springer, LNAI, Madrid, Spain, 2002. V. 2473 - P. 285-300.

211. Sure Y., Staab S., Studer R. Methodology for development and employment of ontology based knowledge management applications. // ACM SIGMOD Record, 2002.-V. 31 -№4.-P. 18-23.

212. Sure Y. A Tool-supported Methodology for Ontology-based Knowledge Management // E. Stubkjaer (ed.), Ontology and Modeling of Real Estate Transactions. Ashgate, 2003. - P. 115-126.

213. Sure Y., Angele J., Staab S. OntoEdit: Multifaceted Inferencing for Ontology Engineering // Journal on Data Semantics. Springer, 2003. - V. 1. - № 1. -P. 128-152.

214. Sveiby K.E. The New Organizational Wealth: Managing & Measuring Knowledge-Based Assets. Berrett-Koehler Publishers, 1997.

215. Takeda H. Ontologies Электронный ресурс.: презентация. Режим доступа: http://www-kasm.nii.ac.jp/~takeda/lectures/soken/ontologies-for-lecture04.pdf.

216. Tarski A. Logic, Semantics, Metamathematics. Oxford University Press, 1956.-258 p.

217. The American Heritage Dictionary of the English Language. NY: Prentice Hall Int., 1992.-435 p.

218. The DIG Description Logic Interface: DIG/l.l Электронный ресурс. -2003. Режим доступа: http://dl-web.man.ac.uk/dig/2003/02/interface.pdf.

219. The Dublin Core Metadata Initiative, "Dublin Core Metadata Initiative -Home Page" Электронный ресурс. Режим доступа: http://purl.org/ dc/index.htm.

220. The Learning Object Metadata standard Электронный ресурс. 2002. -Режим доступа: http://www.cs.kuleuven.ac.be/~erikd/LOM/.

221. Tiwana A. The knowledge management toolkit: practical techniques for building a knowledge management system. London: Prentice Hall Inc., 2000. -608 p.

222. TopQuadrant Technology briefing. Semantic technology Электронный ресурс. 2004. - Режим доступа: http://www.topquad-rant.com/documents/ TQ04 Semantic Technology Briefing.PDF.

223. ТО VE Ontology Project Электронный ресурс. Режим доступа: http://www.eil.utoronto.ca/enterprise-modelling/tove/index.html.

224. Towards a methodology for ontology-driven conceptual modeling. Ontologi-cal analysis of taxonomic relationships Электронный ресурс. — 2001. -Режим доступа: http://lisi.insa-lyon.fr/~ipierson/lisi-seminaires/2000-2001 /download/ guarino-051 OOO.pdf.

225. Tuzovsky A.F., Yampolsky V.Z. The system approach to knowledge management systems designing and development // Proceed, of the 7th Korea

226. Russia International Symposium on Science and Technology (KORUS-2003) Republic of Korea, June 28-July 6, 2003. - University of Ulsan, 2003. -V. 2.-P. 319-323.

227. Ukkonen E. Approximate string matching with q-grams and maximal matches // Theoretical Computer Science. 1992. - V. 92. - № 1. - P. 191-211.

228. Uschold M., Gruninger M. Ontologies: principles, methods and applications // Knowledge Engineering Review. 1996. - V. 11. - № 2. - P. 93-113.

229. Uschold M., King M., Moralee S., Zorgios,Y. The Enterprise Ontology // The Knowledge Engineering Review // Eds. M. Uschold and A. Tate. 1998. - V. 13.

230. Vasconcelos J., Kimble C., Gouveia F., Kudenko D. Knowledge Management, competence management, group memory, corporate memory, distributed knowledge // Proceed. First European Conference on Knowledge Management. 2000. - P. 91-99.

231. Valle E.D., Brioschi M. Towards a Semantic Enterprise Information Portal.2003. Режим доступа: ftp://ftp-sop.inria.fr/acacia7proceedings/2003/kcap-kmsw/kcap2003-kmsw-Della-Valle-fín.pdf.

232. Vallet D., Fernandez M., Castells P. An ontology-based information retrieval model // Proceed, of the 2nd European Semantic Web conference. NY: Springer, 2005. - P. 455-470.

233. W3C, "Extensible Markup Language (XML)". Электронный ресурс.2004. Режим доступа: http://www.w3.org/XML.

234. W3C, "OWL Web Ontology Language Overview, W3C Recommendation 10 February 2004", Электронный ресурс. 2004. - Режим доступа: http ://WWw. w3. org/TR/owl- features/.

235. W3C, "Resource Description Framework (RDF)". Электронный ресурс. -2004. Режим доступа: http://www.w3c.org /RDF.

236. W3C, "RDF Vocabulary Description Language 1.0: RDF Schema, W3C Recommendation 10 February 2004", Электронный ресурс. 2004. - Режим доступа: http://www.w3.org/TR/rdf-schema/.

237. W3C, "The Semantic Web", Электронный ресурс. 2001. - Режим доступа: http://www.w3.org/2Q01/sw.

238. Weber R., Aha D., Sandhu N. et al. A Textual Case-Based Reasoning Framework for Knowledge Management Applications. 2001. - Режим доступа: http://www.pages.drexel.edu/~rw37/weberetalGennanO 1 .pdf.

239. Weber R., Kaplan R. Knowledge-based knowledge management // Innovations in Knowledge Engineering (ed. Faucher C. et al.). Heidelberg: Physica-Verlag, 2003. - P. 125-143.

240. Wiig K.M. Knowledge Management Foundations: Thinking About Thinking How People and Organizations Create, Represent, and Use Knowledge. -Arlington, TX: Schema Press, 1993. - 471 p.

241. Wiig K.M. Knowledge Management Methods. Schema Press, 1995. - 489 p.

242. Woods E., Sheina M. Knowledge management: Applications, markets and technologies/Report Ovum Ltd, London, 1998. 163 p.

243. Zack M.H. Developing a Knowledge Strategy California Management Review. 1999. - V. 41. - № 3. - P. 125-145.