О выполнении работ по договору №62ГРНТИС5/26031 от 22.12.2016 года по проекту «Разработка технологии создания систем управления знаниями на основе объектно-ассоциативного графа с использованием методов глубокого обучения».Этап 1

Целью НИОКР является разработка технологии управления знаниями, реализуемая в виде пространства согласованных концептуальных схем, опирающихся на объектно-ассоциативный граф большого размера, описывающий взаимосвязи объектов, использующихся в документах и тематически связанных документов сети Интернет.Технология базируется на использовании нейронных сетей для глубокого обучения с целью повышения качества автоматического формирования объектно-ассоциативного графа. Критическим параметром продукта является скорость освоения пользователем ключевых операций по управлению знаниями, такие как поиск понятий, просмотр онтологий, создание знаниевых структур и их интеграция в существующее понятийное пространство.Важным параметром является достаточность предоставляемых технологией инструментальных средств для обеспечения единого информационного поля для пользователей различных ролей, работающих в разных тезаурусах.Технология включает в себя описание моделей, алгоритмов, методов и методик, обеспечивающих создание, изменение, хранение, представление структур знаний в виде онтологий и связанных концептуальных схем.Для апробации разработанной технологии планируется создание опытного образца программного комплекса. Программный комплекс позволит осуществлять автоматизированное формирование единого объектно-ассоциативного графа знаний, поддерживать пространство различных концептуальных схем.В рамках работ Этапа 1 были проведены следующие мероприятия:1) Проведено исследование вопросов управления знаниями и способами их обработки и представления2) Проведены опросы респондентов для выявления тех или иных потребностей в части обработки знания3) Проведены научно-исследовательские работы, в рамках которых бы-ли рассмотрены следующие вопросы:•разработка методов автоматического формирования объектно-ассоциативного графа;•разработка методов автоматизированного формирования концептуальных карт;•разработка методики описания портирования (мэппирования) требований известных существующих нотаций описания знаний предприятия на лингвистические онтологии;•разработка метрики оценки качества концептуальных схем;•разработка алгоритмов автоматизированного дополнения лингвистических онтологий и объектно-ассоциативного графа;•разработка алгоритмов автоматизированного построения концептуальных схем по данным объектно-ассоциативного графа;•разработка методов формирования пространства согласованных концептуальных схем;•разработка методов построения концептуальных схем и объектно-ассоциативного графа с использованием методологии машинного обучения, в том числе с использованием методов глубокого обучения;•разработка прототипов баз данных лингвистических онтологий;•разработка прототипов баз данных объектно-ассоциативного графа;•разработка прототипа базы данных концептуальных схем;•разработка методических рекомендаций по разрешению коллизий при согласовании различных концептуальных схем при коллективной работе.4) На основе проведенных исследований была разработана технология создания систем управления знаниями на основе объектно-ассоциативного графа с использованием методов глубокого обучения5) Был подготовлен технорабочий проект на Опытный образец информационной системы управления знаниями, реализующий основные принципы разработанной технологии6) Было подготовлено общее описание Опытного образца информационной системыПо результатам проведенных исследований сделаны следующие выводы:•существует решение формирования объектно-ассоциативных графов и компактных представлений концептуальных схем на основе методологии тематического представления содержания документов, базирующейся на применении больших лингвистических онтологий;•данная технология дает удовлетворительные результаты при обработке текстовых документов, лексика и терминология которых хорошо покрывается имеющимися онтологическими ресурсами. Разработчики больших лингвистических онтологий по общественно-политической тематике (ЛО ОПТ) и Онтологии по естественным наукам и технологиям (ЛО ОЕНТ) предоставили лицензии на их использование в рамках проекта;•для предметных областей, имеющих недостаточную степень покрытия, имеются методы пополнения пространства объектно-ассоциативного графа с использованием методов выделения именованных сущностей, терминоподобных слов и словосочетаний (на основе вероятностных тематических моделей, тематических цепочек);•для возникающих задач, имеющих нечеткую формальную постановку, большое количество влияющих факторов, рассмотрены алгоритмы машинного обучения, в том числе алгоритмы глубокого обучения. Предложено в качестве обучаемого множества использовать результаты автоматического формирования концептуальных схем для хорошо покрытых лингвистическими онтологиями областей, соответствующим образом их модифицировав.На следующем этапе планируется разработка Опытного образца информационной системы, который позволит проверить на практике применимость разработанной технологии