Орієнтовані на знання системи підтримки пошуку рішення
Орієнтовані на знання системи підтримки пошуку рішення являють собою комп’ютерні програми, які формують рішення задач у вигляді певного типу рекомендацій-евристик на основі відтворення логіки людини-експерта.
Орієнтована на знання система підтримки пошуку рішення (СППРЗ) — це інтелектуальна система, призначена для розв’язування задач у певній предметній області чи областях на основі знань, наданих експертами, яка містить базу знань і підтримує функції обґрунтування, пояснення та доведення. СППР на основі обробки нагромаджених знань та порівняння їх з отриманими від користувача фактами стосовно конкретної задачі, може пропонувати ймовірно ефективне рішення задачі на рівні евристичних прийомів з перетворення системи, давати інтелектуальні поради, приймати рішення на рівні експерта-професіонала, а також за бажанням користувача пояснювати хід розв’язування чи причини обрання певного рішення.
Розрізняють два основних класи СППРЗ – експертні (ЕСППР) та інтелектуальні (ІСППР). Обидва ці класи належать до галузі штучного інтелекту; основна відмінність між ними полягає у тому, що експертні мають переважно вузьку предметну спрямованість і видають рішення у вигляді одної конкретної рекомендації, а інтелектуальні не мають прив’язки до конкретної предметної області і видають рішення у вигляді набору супроводжених прикладами варіантів рекомендацій, із здійсненням остаточного вибору рішення користувачем. Окрім того, задачі, що підлягають розв’язанню у ІСППРЗ слабше піддаються формалізації і вимагають залучення людини – користувача чи експерта – для прийняття рішення про подальший шлях розв’язання задачі (вибір одної з гілок алгоритму) в окремих проміжних точках процесу прийняття рішення.
Основною відмінністю СППРЗ від інших є те, що в них об’єктом нагромадження, зберігання, оброблення, передавання та використання є не дані, а знання.
Знання, на відміну від даних, що відбивають кількісні характеристики і подаються здебільшого в цифровому вигляді, містять якісні характеристики у вигляді текстової інформації. Відповідно, користувач СППРЗ одержує в результаті її роботи не документ у табличному вигляді, а інтелектуальну пораду у формі тексту. Специфіка функціонування СППРЗ як інформаційного об’єкта для оброблення знань зумовлює особливості архітектури такої системи. У загальному випадку вона має вигляд, наведений на рис.9.20 нижче, хоча окремі системи можуть не містити деяких допоміжних блоків, наприклад, бази цілей, блоків обґрунтування та довіри.
Рис. 9.20. Архітектура СППРЗ
База знань (БЗ) — упорядкована сукупність правил, фактів, моделей, механізмів виведення та програмних засобів, що описує деяку предметну область та призначена для подання нагромаджених у ній знань. У базі знань мають бути присутні як загальновідомі факти, явища, закономірності, що визнані в даній предметній області й опубліковані (знання 1-го роду), так і набір емпіричних правил та інтуїтивних висновків, якими користуються спеціалісти, приймаючи рішення в умовах невизначеності за наявності неповної суперечливої інформації, і які найчастіше не опубліковані (знання 2-го роду). Переважно в процесі обробки задачі в термінах користувача інтелектуальний інтерфейс в діалозі з користувачем на природній мові транслює постановку задачі у терміни СППРЗ згідно до обраної моделі представлення знань і допомагає користувачу сформувати модель задачі у формі, яка допускає порівняння з моделями у базі моделей бази знань. Оскільки моделям задач відповідають правила перетворення, оцінки чи прогнозування ситуацій з бази правил, то таке моделювання вихідної проблеми забезпечує можливість запуску механізму логічного висновку Очевидно, що результатом роботи розробника СППРЗ — фахівця з інформаційних технологій, є порожня оболонка СППРЗ, в якій база знань не заповнена. За допомогою спеціалістів з інженерії знань базу знань заповнює експерт — знавець предметної області (у разі ЕСППРЗ) чи методології розв’язання задач (у разі ІСППРЗ) — згідно з обраною моделлю подання знань, моделями задач та наявними алгоритмами (формалізованими до певного ступеня). Наповнена БЗ міститиме в результаті знання двох типів – інтенсіональні (понятійні (концептуальні) знання про об’єкти предметної області та зв’язки між ними, тобто визначення чи описи понять через їх властивості) та екстенсіональні (кількісні характеристики чи конкретні приклади реалізації інтенсіональних знань, набір конкретних фактів, що відповідають даному поняттю). База знань як модель предметної області, описана на наближеній до природної мові представлення (моделювання) знань, є серцевиною СППРЗ.
До основних моделей представлення знань (моделей знань), що являють собою сукупності правил подання, опису та породження знань у базі знань, належать, як відмічалося раніше, формальна логічна, фреймова, продукційна моделі та семантична мережа. Найчастіше у сучасних СППРЗ застосовуються останні три методи, причому другий і третій – комплементарно.
Крім знань, здобутих від експертів, СППРЗ містить метазнання — знання про знання, що зберігаються в її базі знань, та знання про процедури, які можна здійснити з ними. Здебільшого це знання про процес вирішення задачі (керуючі знання), які використовує інтерпретатор правил; знання про мову спілкування та способи організації діалогу, які використовують блок спілкування та лінгвістичний процесор; знання про способи подання та модифікації знань, які використовує блок нагромадження знань, який може існувати самостійно чи входити у склад блоку формування рішення у вигляді інтерпретатора знань; підтримуючі структурні та керуючі знання, які використовує блок пояснення.
Можливість завантажувати базу знань та редагувати знання, які зібрані в базі, надає експертові блок нагромадження знань. Його функції охоплюють також формування емпіричних залежностей із неповних знань, тобто здобуття знань 1-го роду на основі знань 2-го роду. Через складність реалізації цих функцій такий блок містять не всі СППРЗ.
Управління БЗ і взаємодія з нею здійснюється за допомогою побудованої за тою чи іншою технологією системи управління базою знань — сукупності програмних та апаратних засобів для організації та ведення бази знань.
Формування на основі наявних знань логічних висновків щодо конкретної задачі, реалізація яких приводить до розв’язку останньої, здійснюється блоком формування рішення, який ще називають машиною (механізмом) формування висновку, інтерпретатором правил чи просто розв’язувачем задач [92, 24]. Цей блок управляє процесом пошуку розв’язків і реалізує його спільно з базою цілей, виконуючи дві основні функції:
1. здійснення перегляду існуючих фактів з робочої пам'яті бази даних та перебору правил з бази знань з доданням (в міру можливого) в робочу пам'ять та базу фактів нових фактів;
2. визначення порядку перегляду, способу і послідовності застосування різних правил та процедур, кількість яких у потужних СППРЗ може сягати кількох тисяч.
Окрім того, у деяких ІСППРЗ цей блок виконує функцію інтерпретатора знань, реалізованого як універсальна оболонка накопичення, зберігання і обробки знань у вигляді символічних і графічних фреймів. Інтерпретатор знань формує знання у вигляді фреймів, а механізм логічного виводу здійснює пошук рішення за ланцюжком продукційних правил з бази правил БЗ згідно до певного алгоритму.
Переважно програма механізму створення висновку складається з двох компонент: компоненти логічної реалізації висновку (який формує логічний висновок на основі правил з БЗ) та компоненти керування цим процесом.
Дія компоненти виведення висновку базується на правилі «modus ponens»: якщо відомо, що ствердження А правдиве та існує продукційне правило «ЯКЩО А, ТО В», то ствердження В також правдиве. Правила спрацьовують тоді, коли знаходяться факти, що задовольняють їх лівій частині: правдивість посилання означає правдивість висновку.
Компонента керування визначає порядок застосування правил і процедур маніпулювання знаннями та виконує чотири функції:
· співставлення – взірець правила порівнюється з наявними фактами;
· вибір – визначення найпридатнішого (згідно до заданого критерію) з кількох правил, що можуть бути застосовані в даній ситуації;
· спрацювання – реалізація правила в разі збіжності взірця правила з фактами чи їх визначеною частиною;
· дія – зміна робочої пам'яті шляхом додавання в неї висновку з реалізованого правила. Якщо в правій частині правила міститься вказівка на якусь дію, то ця дія виконується.
Блок формування рішення (інтерпретатор правил) працює циклічно (рис.9.21 ). В межах циклу він проглядає всі правила для виявлення тих, чиї посилання (умови, антецеденти) збігаються з фактами з робочої пам'яті (вони утворюють так звану конфліктну множину), та вибору одного з них, найкращого за певним критерієм. По виборі правило спрацьовує, і висновок (факти, що утворюють висновок (консеквент), або зміну критерію) заносять у 
робочу пам'ять. Якщо у висновку міститься назва якоїсь дії, то вона виконується. Далі цикл повторюється.
Рис. 9.21. Цикл роботи інтерпретатора правил
Процес виконання дії чи прийняття висновку називають активізацією правила. Машина виведення висновку досліджує правила з БЗ по одному за одним з двох методів (стратегій пошуку) – методом прямого доведення (прямого пошуку, прямої продукції) та методом зворотного доведення (зворотного пошуку, зворотної продукції). За першим методом правила досліджуються одне за одним у певному, наперед заданому порядку. Активізуються лише правила з істинними умовами по всьому ланцюжку правил. У разі наявності на ланцюжку розгалужень виконується ряд прогонів (ітерацій) до моменту, коли всі можливі ланцюжки правил з істинними умовами будуть активізовані. Їх висновки пропонуються користувачу у вікні висновку інтелектуального інтерфейсу, який являє собою сукупність програмних та апаратних засобів, які забезпечують взаємодію інтелектуальної системи з користувачем на основі звичних понять, термінів, образів, притаманних певній сфері інтелектуальної діяльності людини. Основний компонентом інтелектуального інтерфейсу є лінгвістичний процесор, який забезпечує сумісно з блоком спілкування діалог з користувачем на природній для нього мові і перетворення результатів цього діалогу у форму, відповідну комп'ютерній системі, тобто перетворення вхідних даних на обмеженій природній мові у дані на внутрішній мові системи і навпаки. У разі застосування методу зворотного доведення машина виведення висновку вибирає правило і допускає при цьому, що проблема розв’язана. Рухаючись ланцюжком правил у зворотному напрямку, шукаються підстави для доведення істинності цього твердження. Більшість сучасних СППРЗ здатні використовувати при вирішенні задач різні методи, обираючи найвідповідніший до задачі самостійно чи за вказівкою користувача, або комбінуючи обидва методи.
Робота машини створення висновку залежить лише від стану робочої пам'яті та складу бази знань. На практиці ще враховується і історія роботи, тобто робота механізму створення висновку в попередніх циклах (в деяких інтелектуальних системах окремі фрагменти виводяться в діалогове вікно). Інформація про поведінку механізму створення висновку зберігається в пам'яті станів, яка переважно містить протокол системи.
Інформацію про поведінку СППРЗ у разі досягнення цілей у межах конкретної предметної області містить компонент інтелектуальної системи, який називається базою цілей. Розвинуті СППРЗ містять також додаткові блоки – блок обґрунтування, блок пояснення та блок довіри, які збільшують ймовірність отримання системою насправді ефективного рішення та полегшують його розуміння користувачем. Так, блок обґрунтування — це підсистема СППРЗ, призначена для перевірки відповідності здобутого розв’язку знанням, що містяться в базі знань; блок пояснення — підсистема, призначена для пояснення користувачеві способу, за допомогою якого знайдено розв’язок, а також самого розв’язку. Наявність цього блоку дає змогу використовувати СППРЗ не лише для прийняття рішень, а й як навчальну систему. Блок довіри — компонент СППРЗ, призначений для підвищення рівня довіри користувача до здобутих результатів. Одним зі способів досягнення високої довіри може бути виправдання — функція обґрунтування деякого розв’язку із залученням наявних в інтелектуальній системі ціннісних чинників.
СППРЗ не мають можливості самостійного навчання чи автоматизованого накопичення знань; нові знання вводяться у систему експертом у режимі нагромадження знань. У цьому режимі експерт вводить у систему продукції (правила) та факти щодо предметної області, для роботи у якій призначена СППРЗ. Продукції подаються на природній для користувача мові. Об'єднання знов введених продукцій з базою знань здійснюється блоком нагромадження знань чи інтерпретатором знань. Для того щоб переконатись у достатності знань (тобто переконатися у тому, що процес налагодження системи завершено), експерт перевіряє роботу системи на тестових прикладах. Якщо отриманий результат не задовольняє експерта, то він за допомогою блока пояснення отримує відомості про те, яким чином був цей результат сформований і, при необхідності, вносить корективи у введені продукції (правила). По завершенні процесу налагодження, система передається користувачам для експлуатації.
СППРЗ переважно застосовуються для розв’язання задач, які не піддаються повній формалізації. До них, зокрема, належать задачі, які або не можуть бути заданими в числовій формі, або мета їх розв’язання не може бути відбита у термінах одної точно визначеної цільової функції, або не мають алгоритмічного рішення взагалі чи його
не можна знайти через обмеженість ресурсів (час, пам'ять). При цьому ЕСППРЗ працюють у вузьких предметних областях (діагностика захворювань; діагностика кредитних чи страхових ризиків; конструювання складних енергоагрегатів, нафто та газопроводів; оптимізація технологічних процесів, енергоменеджмент тощо [24,92]), сфера застосування ІСППРЗ переважно обмежується не галуззю, а типом вирішуваних задач [8, 23, 24, 98]. Основна сфера застосування таких систем – підтримка інноваційної діяльності шляхом підтримки пошуку рішень складних евристичних задач по технічних системах чи системах бізнесу (сучасні системи платформи «Goldfire» («Goldfire Innovation», в попередніх версіях (до 2002 р.) - «TechOptimizer» корпорації Invention Machine (США), «Creax Innovation Suite» компанії Creax (Великобританія), «Ideation Workbench» фірми IdeationTRIZ Corp (США), російські системи першого покоління «Новатор», «Пошук рішення», «Альтернатива», білоруська розробка «Винахідницька машина»), видобування, переформатування, представлення у потрібному вигляді та систематизації знань та фактів, необхідних для підтримки інноваційної діяльності, з інформаційних масивів великого обсягу, розосереджених по корпоративних чи глобальних мережах (сучасні системи платформи «Goldfire» («Goldfire Inteligence» та «Goldfire Research», в попередніх версіях (до 2002 р.) - «CoBrain» та «Knowledgist» корпорації Invention Machine), підсистема «Knowledge Tool» системи «Creax Innovation Suite 3/1» компанії Creax). Найбільш розвинуті системи такого типу, зокрема, платформа Goldfire корпорації Invention Machine, яка об’єднує продукти лінійки Goldfire («Goldfire Innovation», «Goldfire Research», «Goldfire Intelligence»), мають комплексний характер та реалізують багато різноманітних функцій управління знаннями для підтримки методичної та інформаційної підтримки розв’язання задач інноваційної діяльності. Так, продукти Goldfire підтримують чотири класи методів:
1. обробка текстів на природній мові (видобування знань із тексту і побудова проблемних БЗ; семантичний пошук в тексті; знаходження альтернативних способів виконання чи об’єктів використання певної функції; автоматичне реферування і анотування; автоматична класифікація документів, зокрема, представлення розподілу об’єктів інтелектуальної власності по заданій тематиці по періодах часу, власниках, регіонах тощо; формування реферованих оглядів, у т.ч. патентних документів з патентних баз усього світу) по заданій тематиці на основі інформації у корпоративній та Всесвітній мережі, забезпечуючи доступ до контенту глибинного web, розташованого більш ніж на 2000 сайтах урядових, академічних, дослідницьких і комерційних організацій США з 26 галузей, що неможливо для звичайних пошукових машин, та їх обробку);
2. моделювання і аналіз функціональних структур технічних об'єктів і технологічних процесів з подальшим їх вдосконаленням на основі використання методів функціонально-вартісного аналізу, функціональної схеми, згортання (тримінгу) тощо [24, 83];
3. концептуальне проектування технічних систем (об’єктів та технологічних процесів) на базі знаходження ідеї нового товару чи способу вдосконалення існуючого на основі знаходження нового фізичного способу реалізації функції товару чи усунення ключового недоліку товару-прототипу за методологією на основі теорії розв’язання винахідницьких задач [24];
4. прогнозування розвитку технічних систем на основі методів еволюційного прогнозування на базі законів та закономірностей розвитку технічних систем [24].
Комплексне застосування таких інтелектуальних систем забезпечує підтримку розв’язання найбільш типових задач інноваційної діяльності, зокрема, завдань формування інноваційної стратегії та науково-технічної політики організації, концептуального проектування технічних систем та пошуку нових ринків їх збуту, аналізу тенденцій розвитку технологій та ринків, систематизації інтелектуальної власності організації та вдосконалення системи управління нею.
Питання для самоперевірки
1. Які інформаційні системи називають інтелектуальними? Яка основна відмінність інтелектуальних систем?
2. Що розуміють під штучним інтелектом та системою штучного інтелекту?
3. Які основні функції має підтримувати інтелектуальна автоматизована система?
4. Які основні компоненти містить функціональна модель інтелектуальної інформаційної системи?
5. Які основні напрямки досліджень у галузі штучного інтелекту?
6. Охарактеризуйте поняття «знання». У чому відмінність знань від даних? Як трансформуються знання при обробці на ЕОМ?
7. Що розуміють під моделлю знань? Яка її роль?
8. Які типи моделей представлення знань застосовують у інтелектуальних інформаційних системах?
9. Як представляються знання у логічних моделях?
10. Що є ключовою ланкою продукційної моделі знань?
11. На чому ґрунтується фреймова модель представлення знань?
12. Які переваги і недоліки фреймової і продукційної моделі? Чому у системах щтучного інтелекту вони часто використовуються спільно?
13. Дайте характеристику мережевій моделі представлення знань. Що таке семантична мережа і як у ній реалізується пошук рішень?
14. Як працюють сучасні системи оптичного розпізнавання образів (OCR-системи)?
15. Як здійснюється в OCR-системах класифікація об’єктів?
16. На яких принципах ґрунтується технологія OCR?
17. Які етапи містить процес розпізнавання образів людиною?
18. Які етапи містить процес розпізнавання тексту OCR-системою?
19. Що таке шейп?
20. Чому вважають, що OCR-системи реалізуються як класифікатори?
21. Які типи класифікаторів використовуються в OCR-системах? Які переваги і недоліки притаманні класифікаторам кожного типу?
22. Які OCR-системи Вам відомі? Як працює система Fine Reader? Як вона використовує структурно-плямовий еталон?
23. Які особливості розпізнання рукописного тексту за допомогою структурно-плямового еталону
24. Чому OCR-технології відносять до інтелектуальних?
25. Які перспективи розвитку та галузі застосування OCR-технологій?
26. На чому базується моделювання даних та знань у у інтелектуальних інформаційних технологіях обробки текстів?
27. Що таке лінгвістичний транслятор (лінгвістичний процесор)?
28. Охарактеризуйте структуру лінгвістичної бази знань. Які типи знань вона містить?
29. Як працює лінгвістичний транслятор?
30. Дайте визначення гіпертекстової інформаційної технології. Чому її відносять до інтелектуальних?
31. Що таке гіпертекст? Який вигляд має його графова модель?
32. Як називається рух по гіпертекстовій мережі в процесі читання гіпертексту?
33. Що таке інформаційно-довідкова статті (ІДС) гіпертексту? Чим вона описується, з чого складається?
34. У чому полягає основна відмінність між традиційними і гіпертекстовими інформаційно-пошуковими системами?
35. За якими методами здійснюють пошук інформації у інформаційно-пошукових системах?
36. Які пошукові засоби застосовують для пошуку інформації в Internet? Що таке каталог ресурсів Internet?
37. Які основні компоненти містить пошукова машина? Який компонент є «найінтелектуальнішим»? Який алгоритм роботи пошукової машини Internet?
38. Які чинники можуть враховуватися пошуковою машиною Internet при визначенні ступеня релевантності документа і запиту?
39. У чому полягає тенденція розвитку пошукових систем?
40. Чим відрізняється реферування від анотування?
41. Чому автоматичне реферування і анотування відносять до інтелектуальних технологій?
42. На чому ґрунтуються поверхневі і глибинні методи автоматичного реферування і анотування?
43. Яка основна концепція методу складання витягів?
44. На якому припущенні ґрунтуються методи формування стислого викладу змісту? Як вони працюють?
45. Як працюють методи на основі тлумачення (розуміння) природної мови?
46. Які тенденції розвитку систем анотування і реферування?
47. Що таке машинний переклад?
48. За якими ознаками класифікують системи машинного перекладу?
49. Які методи перекладу використовуються у системах машинного перекладу? Як вони працюють, для яких систем ефективні?
50. Охарактеризуйте П, Т та І покоління систем машинного перекладу.
51. Які системи машинного перекладу Ви знаєте? Які їх можливості?
52. Що таке штучна нейронна мережа?
53. Чим відрізняються традиційні комп’ютерні та нейрокоп’ютерні технології?
54. Що таке біологічний нейрон? Яка його структура, як він працює?
55. Що таке штучний нейрон? Які його можливості?
56. Які характеристики-інваріанти притаманні всім штучним нейронам?
57. Як зв'язані нейрони у слабозв'язаних та повнозв'язаних мережах?
58. Як функціонують нейромережі зі зворотними зв’язками?
59. Які особливості мають нейромережі, що навчаються, у порівнянні з тими, що конструюються?
60. Які технології відносять до технологій інтелектуального аналізу даних?
61. Що таке дейтамайнинг (Data Mining). Для чого він застосовується?
62. Що таке кластерний аналіз? Для чого він застосовується у дейтамайнингу?
63. Що таке OLAP,MOLAP, ROLAP і HOLAP?
64. Які завдання вирішуються за допомогою технології DM?
65. Охарактеризуйте основні етапи процесу інтелектуального аналізу даних. Які DM-системи їх підтримують?
66. Що таке текстомайнинг? Яка структура системи текстомайнингу?
67. Які завдання вирішуються за допомогою технології текстомайнингу?
68. Що являють собою орієнтовані на знання системи підтримки пошуку рішення?
69. Чим відрізняються експертні та інтелектуальні орієнтовані на знання системи підтримки пошуку рішення?
70. Які основні елементи та підсистеми містить орієнтована на знання система підтримки пошуку рішення?
71. Як працює інтерпретатор правил у інтелектуальній системі підтримки пошуку рішення?
72. Які завдання вирішують експертні та інтелектуальні орієнтовані на знання системи підтримки пошуку рішення?
Список літератури
1. Агапова Т. С. Проектирование системы общения пользователя с ЭВМ на ограниченном русском языке / Т.С.Агапова, В.А.Макушкин // Техника средств связи, сер. ТРС. – 1983. - вып. 2. - Сс. 26-32
2. Анисимов В. Компьютерная лингвистика для всех: Мифы. Алгоритмы. Язык. / В.Анисимов. – К.: Наукова думка, 1991. – 208 с.
3. Антонов И.В. Информация и всё, всё, всё…/ И.В.Антонов, А.К.Москвитин [Ел. джерело] // Режим доступу: //http://bigmax2.narod.ru/text/INFWSE.htm#05
4. Артемьева И.Л. Многоуровневые математические модели предметных областей / И.Л.Артемьева // «Штучний інтелект». – 2006. - № 4. - Сс. 85 – 94
5. Архітектура інформаційних мереж [Ел. джерело] // Режим доступу: // http://prvo.dynalias.net/book/archnet/
6. Афонин В.Л. Общение с ЭВМ на естественном языке. Системы речевого общения / В.Л.Афонин, В.А.Макушкин [Ел. джерело] // Режим доступу: http://www.intuit.ru/department/human/isrob/5/1.html
7. Бази даних та сховища даних: спільні та відмінні риси // Інформаційні технології. Аналітичні матеріали [Ел. джерело] // Режим доступу: http://it.ridne.net/node/302
8. Башмаков А.И. Интеллектуальные информационные технологии: Учеб. Пособие / А.И.Башмаков, И.А.Башмаков . - М.: Изд-во МГТУ им. Н.Э. Баумана, 2005. - 304 с : ил. — (Информатика в техническом университете).
9. Беленький А. Текстомайнинг. Извлечение информации из неструктурированных текстов / А.Беленький [Ел. джерело] // Режим доступу: http://www.compress.ru/article.aspx?id=19605&iid=905
10. Берсегян А.А. Технологии анализа данных: Data Mining, Text Mining, OLAP / А.А. Берсегян, М.С. Куприянов, В.В. Степаненко, И.И. Холод. – 2-е изд., перераб. и доп. – СПб.: БХВ-Петербург. – 2008. – 384 с.
11. Бондаренко М.Ф. Моделирование и проектирование бизнес-систем: методы, стандарты, технологии / Бондаренко М.Ф., Маторин С.И., Соловьева Е.А. - Харьков: «Компания СМИТ», 2004. - 272с.
12. Бочарников В.П. Курсы по моделированию и принятию решений в условиях неопределенности // Компания ИНЭКС-2006.
13. Бройдо В.Л. Вычислительные системы, сети и телекоммуникации / В.Л. Бройдо – СПб.: Питер, 2002. – 688 с.: ил.
14. Бройдо В.Л. Архитектура ЭВМ и систем: Учебник для вузов / В.Л. Бройдо , О.П.Ильина – СПб.: Питер, 2006. – 718 с.: ил.
15. Буч Г. Объектно-ориентированный анализ и проектирование с примерами приложений / Гради Буч, Роберт Α.Максимчук, Майкл У. Энгл, Бобби Дж. Янг, Джим Коналлен, Келли А. Хьюстон. - 3-е изд.: Пер. с англ. - М.: 000 «И.Д. Вильяме», 2008. - 720 с.
16. Велихов А.В. Основы информатики и компьютерной техники: Учебное пособие / А.В.Велихов. М.: СОЛОН – Пресс, 2003. – 544 с. – (Библиотека студента).
17. Гаазе-Рапопорт М.Г. Структура исследований в области искусственного интеллекта // М.Г.Гаазе-Рапопорт, Д.А.Поспелов. Толковый словарь по искусственному интеллекту. — М.: Радио и связь, 1992. — С. 5—20.
18. «Галактика ZOOM» - поиск и аналитические исследования // [Ел. джерело] Режим доступу: http://www.galaktika-zoom.ru/
19. Галкин В.А. Телекоммуникации и сети: Учеб. Пособие для вузов / В.А.Галкин, Ю.А.Григорьев – М.: Изд-во МГТУ им. Н.Э. Баумана, 2003. – 608 с.: ил. – (Сер. Информатика в техническом университете).
20. Галушкин А.И. Теория нейронных сетей. Кн. 1: Учебное пособие для вузов / А.И.Галушкин. — М.: ИПРЖР, 2000. — 416 с.
21. Географические информационные системы. Курс лекций [Ел. джерело] Режим доступу: // http://www.citymap.odessa.ua/
22. Гинзбург С. Математическая теория контекстно-свободных языков: Пер. с англ. / С.Гинзбург. — М.: Мир, 1970. — 328 с.
23. Гліненко Л.К. Інтелектуальні системи підтримки розробки нових товарів / Л.К.Гліненко // Торгівля, комерція, підприємництво: Зб. наук. праць. Випуск 7. – Львів: Видавництво Львівської комерційної академії, 2005. – С. 117 – 121.
24. Гліненко Л.К. Технологія інженерного проектування. Структурний синтез технічних та біотехнічних систем: Навчальний посібник для вузів / Л.К.Гліненко, А.А.Смердов. - Львів: Видавництво НУ “Львівська політехніка”. – 2004. - 388 с.
25. Глибовець М.М. Штучний інтелект. Підручник / М.М.Глибовець, О.В.Олецький. – К.: ВД «КМ Академія», 2002. - 366 с.
26. Горбань А.И. Обучение нейронных сетей / А.И.Горбань — М.: СП ПараГраф, 1990. — 159 с.
27. Грекул В.И. Проектирование информационных систем // [Ел. джерело] Режим доступу: http://www.intuit.ru/department/se/devis/6/6.html
28. Григорьев П.А. Методы интеллектуального анализа данных в предметных областях с частично детерминированными свойствами объектов: Автореф. дисс. ... канд. техн. Наук / П.А.Григорьев. — М.: РГГУ, 2000. — 24 с.
29. Гужва В.М. Інформаційні системи і технології на підприємствах: Навч. Посібник / В.М.Гужва. – К.: КНЕУ, 2001. – 400 с.
30. Гухман В. Б. Философская сущность информационного подхода. Автореферат диссертации на соискание ученой степени доктора философских наук / В.Б.Гухман. - Тверь-Москва, 2001. 38 с.
31. Докторова Е.А. Мультимедиа технологии : Конспект лекций. Часть 1 / сост.: Е. А. Докторова. – Ульяновск : УлГТУ, 2009. – 39 с.
32. Докторова Е.А. Мультимедиа технологии : Конспект лекций. Часть 2 / сост.: Е. А. Докторова. – Ульяновск : УлГТУ, 2010. – 74 с.
33. Домарев В.В. Безопасность информационных технологий. Системный подход. – К.: ООО «ТИД «ДС», 2004. – 992 с.
34. Дружинин В.А. Системотехника / В.А.Дружинин. - М.: Радио и связь, 1985. – 200 с.
35. Дрюэк К. Хранилища данных: сходство и различия подходов Билла Инмона и Ральфа Кимболла / Кэтэрин Дрюэк. - [Ел. джерело] // Режим доступу: http://www.b-eye-network.com/view/743
36. Дубровский Д.И. Явления сознания и мозг: проблема расшифровки их нейродинамических кодов (Доклад на Научной сессии Общего собрания Российской академии наук «Мозг: фундаментальные и прикладные проблемы» 15 декабря 2009 г.) / Д.И.Дубровский. [Електронно джерело] // Режим доступу: http://www.dialog21.ru/dubrovsky/nauchnye_texty/sozn_mozg_statjy.htm
37. Дюк В. Data mining: учебный курс / В.Дюк, А.Самойленко. — СПб.: Питер, 2001. — 368 с.
38. Загоруйко Н.Г. Методы распознавания и их применение / Н.Г. Загоруйко. — М.: Сов. радио, 1972. —208 с.
39. Заморин А.П. Этапы интеллектуализации ЭВМ общего назначения / А.П.Заморин // Сб. «Электронная вычислительная техника». Вып. 1. - М.: Радио и связь, 1987. - с. 17-23.
40. Згуровський.М.З. Вступ до комп’ютерних інформаційних технологій: Навч. посібник / М.З.Згуровський, І.І.Коваленко, В.М.Михайленко. – К.: Вид.-во Європ. ун-ту, 2002. – 265 с.
41. Ильин Н. Технологии извлечения знаний из текста / Н.Ильин, С.Кисилев, В.Рябышкин, С.Танков // [Електронне джерело]. Режим доступу: http://www.mediologia.ru/company/pr/press/1138/
42. Информационные технологии в бизнесе /Под ред. М. Желены. – СПб: Питер, 2002. – 1120 с.: ил. – (Серия «Бизнес-класс»).
43. Ирвин Дж.. Передача данных в сетях: инженерный подход: Пер. с англ. / Дж.Ирвин, Д.Харль. – Спб.: БХВ-Петербург, 2003. – 448 с.: ил.
44. Карпик А.П. Методологические и технологические основы геоинформационного обеспечения территорий: Монография / А.П.Карпик - Новосибирск: СГГА, 2004. - 260 с.
45. Катунин Г. П. Основы мультимедиа. Звук и видео / Г. П. Катунин: монография.– Новосибирск: СибГУТИ, 2006. – 389 с.
46. Квурт Л. Методичні матеріали до конспекту лекцій з дисципліни “Системи мультимедіа” для студентів базового напрямку 6.0915 "Комп'ютерна інженерія" / Укладачі: Л. Квурт, С. Хомич – Львів: Національний університет “Львівська політехніка”, 2009. - 120 с.
47. Клини С.М. Математическая логика: Пер. с англ / С.М.Клини ¾ М.:Мир, 1973. - 480 с.
48. Колганов А. А. Системы мультимедиа сегодня / А.А.Колганов // HARD&SOFT – 2002 - №4.
49. Колин К. К. Эволюция информатики // "Информационные технологии". 2005 № 01. С.2-16.
50. Колин К. К. Информационный подход в методологии науки и научное мировоззрение // "Alma mater" (Вестник высшей школы). 2000. № 2. С. 16—22.
51. Лекции по курсу «Основы системного анализа» // [Ел. джерело] Режим доступу: http://gendocs.ru/v2274/?download=2
52. Классификация систем перевода // [Ел. джерело] Режим доступу: http://www.promt.ru/company/technology/world/class.php
53. Конноли Т. Базы данных: проектирование, реализация и сопровождение. Теория и практика / Т.Конноли, К.Бегг, А.Страчан. – М.: Изд. Дом “Вильямс”. 2000. – 1120 с.
54. Кравцов А.А. Интеллектуализация процессов обработки текстовой информаціии / А.А.Кравцов, С.Ф.Липницкий, Д.Р.Насуро, Д.В.Прадун // Информатика. – 2005. - № 1. - сс. 41 – 51.
55. Крёнке Д. Теория и практика построения баз данных / Д.Крёнке – СПб.: Питер. – 2003. – 800 с.
56. Кузнецов С. От баз данных к пространствам данных: новая абстракция управления информацией / С.Кузнецов Ел. джерело] Режим доступу: – http://www.citforum.ru/database/articles/from_db_to_ds
57. Ландэ Д. Добыча знаний / Д.Ландэ // CHIP Ukraine. - 2003. - № 10 //[Електронне джерело]. Режим доступу:http://www.visti.net/~dwl/art/dz/
58. Ли. Дж. Географические информационнын системы (ГИС) / Дж.Ли. – В кн.: Информационные технологии в бизнесе /Под ред. М. Желены. – СПб: Питер, 2002. – 1120 с. – с. 861 – 863
59. Липницкий С.Ф. Математическая модель синтаксического анализа текста в информационно-аналитической системе / С.Ф.Липницкий // Информатика. – 2004. – № 1. – С. 28-36
60. Лодон Дж. Управление информационными системами. 7-е изд. /Пер. с англ. Под ред. Д.Р. Трутнева / Дж.Лодон. К.Лодон. – СПб.: Питер, 2005. 912 с.: ил. – (Серия «Классика МВА»).
61. Лорьер Ж.-Л. Системы искусственного интеллекта / Ж.-Л.Лорьер. - М.: Мир. - 1991. - 568 с.
62. Мардер Н.С. Современные телекоммуникации /Н.С.Мардер — М.: ИРИАС, 2006. — 384 с.
63. Маторин С.И. О новом методе системологического анализа, согласованном с процедурой объектно-ориентированного проектирования. Ч.2 / С.И.Маторин // Кибернетика и системный анализ. - 2002. - №1. - С. 118-130
64. Маторин С.И. Системология и объектно-ориентированный подход (проблемы формализации и перспективы стыковки) // С.И.Маторин. - НТИ, сер. 2. - 2001. - № 8. - С.1-8;
65. Машинний переклад // [Ел. джерело] Режим доступу: http://www.lostintranslations.net/blog/p5.html#act=index
66. Машинний переклад // [Ел. джерело] Режим доступу: http://www.finetext.de/ukrainian/Maschinelle_Uebersetzung.php
67. Мельников Д.А. Информационные процессы в компьютерных сетях. Протоколы, стандарты, интерфейсы, модели / Д.А.Мельников. - М.: КУДИЦ-ОБРАЗ, 1999. – 256 с., - ил. – (Библиотека профессионала).
68. Мельников Г.П. Системология и языковые аспекты кибернетики / Г.П.Мельников. - М.: Сов. радио, 1978. - 368с.
69. Минский М. Фреймы для представления знаний: Пер. с англ. / М.Минский. — М.: Энергия, 1979. —С. 7.
70. Модель предметной области // [Ел. джерело] Режим доступу: http://www.sbras.ru/Report2006/Report321/node14.html
71. Некрасов С.И. Современные парадигмы эволюционных процессов / Некрасов С.И., Некрасова Н.А., Пеньков В.Е. - Издательство "АкадемияЕстествознания", 2007 год. [Електронно джерело] // Режим доступу: http://www.monographies.ru/21-549
72. Нельсон Т. Информационные системы будущего // Информационный поиск . - Пер. с англ. под ред. К.Н. Трофимова /Т.Нельсон. — М.: Воениздат, 1970.
73. Норенков И.П. Интеллектуальные системы // И.П.Норенков // [Ел. джерело] Режим доступу: http://bigor.bmstu.ru/?cnt/?doc .
74. Общие сведение о геоинформационных системах // [Ел. джерело] Режим доступу: http://k502.khai.edu/gis/index.php?p=aboutgis
75. Олифер В.Г. Компьютерные сети. Принципы, технологи, протоколы / В.Г. Олифер, Н.А. Олифер. – СПб.: Питер, 2001. – 672с.: ил.
76. Основы математического моделирования // [Ел. джерело] Режим доступу: http://www.compmodel.ru/45/
77. Падучева Е. В. Кореферентность // Лингвистический энциклопедический словарь / Гл. ред. В. Н. Ярцева / Е.В.Падучева. – М.: Сов. энциклопедия, 1990. – С. 243.
78. Пашутин С.Е. Способы преодоления хаоса в бизнесе [Електронний ресурс] / Пашутин С.Е. // consulting.ru. – №№ 177–180. – Режим доступу: www.consulting.ru/main/corp/texts
79. Пешель М. Моделирование сигналов и систем / Пешель М.;Пер.с нем. - М. : Мир, 1981. - 304 с.
80. Поваров Г.Н. О системотехнике и о книге Гуда и Макола. От редактора перевода: В кн.: Гуд Г.Х., Макол Р.Э. Системотехника. Введение в проектирование больших систем. — М.: Сов. радио, 1962. - с. 5-12.
81. Пелещишин А.М. Методи та алгоритми моделювання Web-систем / А.М.Пелешишин. - Вісник ДУ Львівська Політехніка. - Львів, 2000. -№406.- С.199-211.
82. Поликсахин А.В. Гипертекст: сущность, состояние, перспективы / А.В.Поликсахин, А.Ю.Савин. — М.:Радио и свіязь. - 1993.— 128 с.
83. Половинкин А.И. Автоматизация поискового конструирования (искусственный интеллект в машинном проектировании) / А.И. Половинкин, Н.К. Бобков, Г.Я. Буш и др.; Под ред. А.И. Половинкина. — М.: Радио и связь, 1981. — 344 с.
84. Поспелов Д.А. Вычислительные машины становятся интеллектуальными // Кибернетика. Становление інформатики / Д.А.Поспелов. – М.: Наука, 1986. – С. 139-155.
85. Поспелов Д.А. Послесловие // Разговор с компьютером: Психолингвистический аспект проблемы / / Д.А.Поспелов., И.И. Горелов. — М.: Наука, 1987. — С. 230—250.
86. Простори даних - нова абстракція керування даними // Інформаційні технології. Аналітичні матеріали // [Ел. джерело] Режим доступу: http://it.ridne.net/node/303
87. Рагулин П.Г. Информационные технологии. Электронный учебник. / И.П.Рагулин. — Владивосток: ТИДОТ Дальневост. ун-та, 2004. - 208 с.
88. Садовский В.Н. Система. / В.Н.Садовский. - В кн. БСЭ, 3-е изд.. - Т. 3. - Бари - Браслет. М.: «Сов. энциклопедия». - 1970. - 640 с.
89. Семенюк Э. П. Информационный подход к познанию действительности. Киев: Наукова Думка, 1988. 240 с.
90. Симонович С.В. Інформатика: Базовый курс / С.В. Симонович и др. – СПб.: Питер, 2001. – 640 с.
91. Системы мультимедиа // [Ел. джерело] Режим доступу: http://www.iatp.md/virtualka/content.html
92. Ситник В.Ф. Системи підтримки прийняття рішення: Навч. посіб. / В.Ф.Ситник. – К.: КНЕУ, 2004. – 614 с. - с. 384 – 490.
93. Советов Б.Я.. Информационные технологии: Учеб. для вузов/ Б.Я.Советов, В.В.Цехановский. – М.: Высш. шк., 2003. – 263 с.: ил.
94. Соколов А.В. Общая теория социальной коммуникации [Електронно джерело] / А.В.Соколов. // Режим доступу: http://www.evartist.narod.ru/text16/079.htm
95. Cолонина А.И. Алгоритмы и процессоры цифровой обработки сигналов / А.И.Cолонина, Д.А.Улахович, Л.А.Яковлев. – СПб.: БХВ-Петербург, 2001. – 464 с.: ил.
96. Стулов А.В. Хранилища данных: основные архитектуры и принципы построения / А.В.Стулов // Новости искусственного интеллекта. - 2003. — № 2. — С. 37—41.
97. Сухомлин В.А. Введение в анализ информационных технологий. Учебник для вузов / В.А.Сухомлин. – М.: Горячая линия – Телеком, 2003. – 427 с.: ил.
98. Сушков В.В. Анализ развития интеллектуальных систем ТРИЗ на базе системы изобретательских стандартов / В.В.Сушков // Журнал ТРИЗ. - 1991, В.2.1. - с. 35-40.
99. Таненбаум Э. Компьютерные сети / Э.Таненбаум. – СпБ.:Питер, 2002. – 848 с.-
100.Терехов С. А., Нейросетевые информационные модели сложных инженерных систем, В кн.: Нейроинформатика / А. Н. Горбань, В. Л. Дунин-Барковский, А. Н. Кирдин и др. — Новосибирск: Наука. Сибирское предприятие РАН, 1998. — 296 с. – сс. 101 – 136.
101. Технологии анализа данних [Електронно джерело] // Режим доступу: www.piter.com/upload/contents/978549807751/978549807751_p.pdf .
102. Технології інтелектуальних обчислень - стан проблеми, нові рішення [Ел. джерело] // Режим доступу: http://www.victoria.lviv.ua/html/oio/html/theme2.htm
103.Tехнологія TIME / SMIL [Ел. джерело] // Режим доступу: www.w3.org/AudioVideo/#SMIL
104.Уосермен Ф. Нейрокомп'ютерна техніка: Теорія і практика. Розділ «Основи штучних нейронних мереж / Ф.Уосермен // [Електронне джерело] Режим доступу: http://www.victoria.lviv.ua/html/wosserman/rozdil1.htm
105.Уфимцев В.А. Тетрадь рукописей. Часть первая. Понятия и методы теории систем / В.А.Уфимцев // [Електронне джерело] Режим доступу: http://econic.narod.ru/index.htm?/to/to01.htm
106.Ушаков Е.В. Введение в философию и методологию науки / В.Е.Ушаков. - М.: Экзамен, 2005. — 528 с. // [Електронне джерело] Режим доступу: http://yourlib.net/content/view/5202/63/
107.Филиппов С.Н. Квантовая теория информации / С.Н.Филиппов. – М.: Изд-во МИФИ. – 2010. – 27 с.
108. Хан У. Системы автоматического реферирования / У.Хан, И.Мани// Открытые Системы. – 2000 - №12. - с. 67 – 73.
109. Хелд Г. Технологии передачи данных / Г.Хелд. – СпБ.: Питер, К.: издательская группа BHV. 2003. – 720 с.
110. Чепмен Н. Цифровые технологии мультимедиа, 2-е изд. : Пер. с англ. / Н.Чепмен, Д.Чепмен. – М.: Издательский дом «Вильямс», 2006. – 624 с.
111. Шамис А.Л. Принципы интеллектуализации автоматического распознавания изображений и их реализация в системах оптического распознавания символов / А.Л.Шамис // Новости искусственного интеллекта. - 2000. —№ 1. — С. 27—30.
112. Юськів Б.М. Контент-аналіз. Історія розвитку і світовий досвід: Монографія / Б.М.Юськів. - Рівне.: «Перспектива», 2006.- 203 с.
113.Autonomy - The Leader in Meaning Based Computing Enterprise Search // [Електронне джерело] Режим доступу: http://www.autonomy.com/
114. Abelson H. Structure and Interpretation of Computer Programs. / H.Abelson, G.Sussman. - Cambridge, MA: The MIT Press, 1985. - 520 p.
115. Bush V. As we may think / V.Bush // The Atlantic Monthly. — 1945. — Vol. 176. - № 1. — P. 101—108.
116. Dijkstra E. Programming Considered as a Human Activity. In: Classics in Software Engineering / E.Dijkstra. - New York, NY× : Yourdon Press, -1979. .
117. Fuzzy Grouping в Microsoft SQL Server 2005 [Електронне джерело] Режим доступу: http://msdn.microsoft.com/msdnmag/issues/05/09/SQLServer2005/default.aspx
118. Goldfire Platform for innovation // [Електронне джерело] Режим доступу: http://inventionmachine.com/default.aspx.
119. Hahn U. Knowledge-Based Text Summarization: Salience and Generalization Operators for Knowledge-Based Abstraction / U.Hahn, U.Reimer // In: Advances in Automatic Text Summarization, I. Mani and M. Maybury. – Cambridge: MIT Press. - 1999. - стр. 215-23.
120.IBM Intelligent Miner for Text - Search Tools Report // [Електронне джерело] Режим доступу: http://www.searchtools.com/tools/ibm-imt.html
121. Inmon W.H. Building the Data Warehouse. - QED/Wiley, 1991. - 312 с.
122. LucidMedia - demand-side platform [Електронне джерело] Режим доступу: www.lucidmedia.com/
123. Mandelbrot B.B. Les Objects Fractals: Forme, Hazarde et Dimension / Mandelbrot B.B. – Paris : Flammarion, 1975. – 187 p.
124. Megaputer Intelligence [Електронне джерело] - Режим доступу: http://www.megaputer.com/site/index.php/
125.Nelson Т.Н. Managing Immense Storage / Т.Н.Nelson // Byte. — 1988. — Vol. 13, № 1. — P. 225—238
126. Oracle Technology Network // Електронне джерело] Режим доступу: http://technet.oracle.com/products/text/content.html]
127. Parnas D. Software Aspects of Strategic Defense Systems / D.Parnas // Communications of the ACM. - 1985. – December, vol. 28(12). - p. 1328.
128. Rumbaugh J. Relational Database Design Using an Object-Oriented Methodology / J.Rumbaugh // Communications of the ACM, 1988. - April. - vol. 31(4). - p. 415.
129.WordNet Search - 3.1 // Електронне джерело] Режим доступу: http://wordnetweb.princeton.edu/perl/webwn/
[1] Інтенсивність звуку прийнято вимірювати в логарифмічних одиницях, оскільки степеневе наростання інтенсивності сприймається на слух як лінійне збільшення голосності. Десятковий логарифм lg (X/X0) відношення деякої величини Х до її еталонного значення X0 називається белом (Б), а його десята частина - децибелом (дБ). Вимірювання в децибелах зручне ще й тим, що людське вухо розрізняє відносну зміну інтенсивності приблизно на 1 дБ. За еталонне значення інтенсивності звуку приймається рівень порогу чутності для синусоїдального сигналу з частотою 1 кГц - 10-12 Вт/м2. При цьому порогу чутності відповідає інтенсивності у 0 дБ, больовому порогу (інтенсивність, при якій починаються больові відчуття) - 140 дБ.
[2] Під форматуванням розуміють здійснення таких операцій, як, наприклад, перехід на новий рядок.
[3] Запит – це просто питання до БД, а нерегламентований запит – це запит до БД, який потребує моментального виконання у той момент, коли він виник.
[4] Якщо система допускає транспортування (перенесення) даних лише в одному напрямку, то метод переносу даних у системі називають симплексним зв’язком. Якщо транспортування даних можливе в обох напрямках, але не одночасно, то метод переносу даних називають напівдуплексним, а якщо одночасно – дуплексним зв’язком.
[5] Вэн Дж. Интрасети и экстрасети. В кн. Информационные технологии в бизнесе, сс. 712 – 718,
[6] КК - коаксіальний кабель
[7] КП - кабель на кручених парах
[8] ОВ — оптоволоконний кабель
[9] Бітрейт – (bitrate) – кількість інформації в кілобітах, що описує 1 с звуку. Загалом чим бітрейт вище, тим вище якість звуку, хоча для більшості людей достатньо 128 Кб/с (16 КВ/с) , щоб вважати звук ідеальним.
[10] Афікс - прикріплена до кореня частина слова, представлена префіксом, суфіксом чи інфікомс).
[11] Флексія - змінне при відмінюванні або дієвідмінюванні закінчення слова чи спосіб утворення граматичних форм слів шляхом зміни їхніх закінчень або звуків основи;
[12] Лексема- слово у всій сукупності його лексичних значень
[13] Омоніми - різні за змістом, але однакові за написанням слова чи їх завершені частини («рись» - біг, «рись» - тварина).
[14] В програмуванні синтаксичним аналізом називають фазу трансляції, на якій перевіряється дотримання синтаксиса початкової мови і виробляється опис на деякій проміжній мові для подальшої генерації кодів об'єктної програми
[15] Анафора — єдинопочаток, повторення на початку віршових рядків, строф або речень прози однакових чи співзвучних слів, синтаксичних конструкцій
[16] Кореференти – різні слова, що позначають (посилаються) на той самий об'єкт чи ситуацію у даному контексті. Наприклад: «Тарас Шевченко народився на Україні. Дитинство майбутнього поета пройшло у злиднях. Великий митець сформувався …» [77]
[17] Таксономія – ієрархічна деревоподібна класифікація