Труды конференции WebConf09 представлены в виде сборника в двух частях.
Напомню, на этой конференции в рамках секции «Web -технологии» нам весьма успешно удалось обговорить практические аспекты внедрения технологий Semantic Web.
В материалах конференции можно найти неопубликованные на shcherbak.net тезисы докладов по Semantic Web и смежным темам!
Хорошего чтения ))
Сегодня Вам, уважаемые читатели SHCHERBAK.NET, представляется возможность ознакомиться с тезисами докладов секции «Web-технологии».Это первая часть тезисов, которую я успел подготовить к публикации на сайте. Остальные тезисы и материалы будут опубликованы несколько позже. Следите за новостями.
Кстати говоря, насчет фото и видео – уже технически для публикации все готово, в ближайшее время опубликую.
приношу свои извинения за задержку публикации, но материалов действительно получилось много (более 300 фотографий и более часа видео) .
По мере обработки материалов буду их публиковать…
А.Л. Данченко
Восточноукраинский национальный университет имени Владимира Даля, кафедра системной инженерии, г. Луганск, Украина, danallen@mail.ru
Материалы дистанционных курсов (ДК) представляют собой знания и являются ценным источником информации. Использование международных стандартов [1] при разработке ДК обеспечивает совместимость с Веб-технологиями, упрощает модификацию и повторное использование ДК различных разработчиков. Существующие системы дистанционного обучения (СДО), такие как WebTutor, Прометей, MOODLE, REDCLASS и др. поддерживают международные стандарты SCORM, IMS, но не обеспечивают наличие смысловых связей между знаниями ДК. Это исключает возможность автоматизированного анализа знаний программными средствами и ограничивает интеллектуальные возможности обучающей системы по построению индивидуальных планов обучения и консультирования в рамках текущей дисциплины. Таким образом, актуальной является задача построения базы знаний ДК на основе семантических связей ДК.
Анализ типовых элементов дистанционного курса
Любой ДК можно представить как набор модулей М, объединяющих в себе множества лекционных (Lec), практических (Pract), лабораторных (Lab) занятий и тестов (Test). Практические и лабораторные занятия пересекаются с теорией лекций, тесты могут быть частью любого занятия.
DK = {m1→m2→…mn:m∈M},
M = {l: l∈Lec∪(Lect→Pract)∪(Lect→Lab)∪(Lect→Test)}.
Обычно рекомендуется использовать не больше трех уровней вложенности в пределах лекции – Тема, Раздел, Пункт.
Построение онтологии ДК
Онтология определяет набор основных понятий предметной области и связи между ними. Обоснованность онтологического подхода определена рекомендациями [2]. При построении онтологии ДК необходимо учитывать следующее:
1. Онтология определяет иерархию базы знаний ДК;
2. Онтология используется для реализации механизма построения адаптивных курсов обучения, для консультирования обучаемых, ответы выдаются с привязкой к предметной области изучаемого курса;
3. Онтология является расширяемой в рамках каждой предметной области;
4. Поддержкой онтологии занимаются преподаватели-разработчики курсов.
Известно, что термины разных предметных областей могут иметь различные толкования и значения. Зная Направление и Тематику курса, можно будет избавляться от семантического шума на первых этапах информационного поиска. Онтология верхнего уровня для базы знаний на основе ДК представлена на рис.1.
Рис. 1. Схема онтологии «Дистанционный курс»
Синоним онтологии определяет, в каком семантически связанном контексте еще может быть определено Ключевое слово. Синоним также является Ключевым словом. Семантические связи определяются связями между Ключевыми словами, наследующими свойства родительской предметной области.
Список литературы
1. SCORM 2004 4th Edition Sequencing and Navigation Version 1.0, Advanced Distributed Learning, March 31, 2009. Available at: http://www.adlnet.gov/
2. http://protege.stanford.edu publications/ontology_development/ontology101.html.
3. Жыжырий Е.А. Щербак С. С. Применение Web-онтологий в задачах дистанционного обучения //Восточно-Европейский журнал передовых технологий. – № 15. – c. 50-55.
В.В. Иванов
Казанский государственный университет, Казань, Российская Федерация
nomemm@mail.ru
Задача интеграции структурированных текстовых описаний возникает при представлении информации в глобальной сети Интернет, где в последнее время актуальной стала идея Semantic Web (или, Web 3.0), реализация которой в большой степени зависит от возможности автомати¬ческой обработки смыслового содержимого веб-ресурсов по их онтологи¬ческому представле¬нию. В докладе описывается подход к разработке математического и программного обеспечения процессов интеграции структурированных текстовых описаний на основе прикладной онтологии. Освещаются вопросы выбора общедоступных ресурсов онтологи¬ческого характера для построения прикладной онтологии по культурному наследию, подход к формализации связей между онтологией верхнего уровня и информационно-поисковым тезаурусом (ИПТ), модель процесса интеграции структури¬рован¬ных текстовых описаний, результаты экспериментов с алгоритмом поиска соответствий между элементами структури¬рован¬ных описаний и онтологии. Предлагаемые методы применялись для интеграции разнородных структурированных текстовых описаний музейных предметов с использованием технологий Semantic Web.
В качестве типичных представителей ресурсов онтологического типа рассматриваются онтологии верхнего уровня и ИПТ. Выбор такого рода ресурсов обоснован двумя факторами: необходимостью формального описания свойств и взаимосвязей объектов предметной области и потребностью использования разнообразной тер¬ми¬но¬логии. Онтология верхнего уровня CIDOC CRM [1] и тезаурус по архи¬тектуре и искусству AAT [2] могут стать основой для построения онтологии по культурному наследию. Приоритет при выборе тезауруса отдавался доступным русскоязычным ресурсам ресурса большого объема – порядка нескольких тысяч понятий. Тезаурус ААТ является наиболее полным среди всех известных тезаурусов в данной предметной области (общее число понятий – около 33 тыс., число терминов – более 130 тыс.). Перевод большего фрагмента тезауруса на русский язык осуществлен в НИВЦ МГУ [3]. Связыва¬ние онтологии верхнего уровня и ИПТ осуществляется с помощью задания набора логических ограничений на множество допустимых значений формальных свойств в онтологии верхнего уровня. Результатом связывания онтологии CIDOC CRM и тезауруса ААТ стал крупный онтологический ресурс по культурному наследию.
Центральным понятием в процессе интеграции является структурированное текстовое описание. Определение этого понятия основано на расширении определения понятия отношения из [4]. Ключевым в процессе интеграции структурированных текстовых описаний является алгоритм поиска элементарных соответствий между структурными элементами описаний и онтологии на основе анализа их текстового содержимого. Проведено сравнение предлагаемого алгоритма поиска соответствий с известными методами классификации. Для экспериментов были выбраны метод KNN, основанный на предварительном обучении, и метод кластеризации: KMeans.
Для оценки качества результата отображения используются методы фактографии¬ческого поиска в интегрированном хранилище описаний. Проведено сравнение алгоритма поиска описаний с ИПС «Google» на 8000 описаний музейных предметов. Точность предлагае¬мого алгоритма поиска на 300 случайных запросах, содержащих понятия тезауруса, лучше в среднем на 11 – 49%. При этом полнота поиска не изменялась, либо (на некоторых из запросов) за счет использования тезауруса количество извлеченных описаний увеличи¬валось в 3 – 5 раз.
Список литературы
1. Crofts N., Doerr M., Gill T., Stead S. Definition of the CIDOC Conceptual Reference Model [Электронный ресурс]. – Режим доступа: http://cidoc.ics.forth.gr/docs/cidoc_crm_version_4.0.pdf, свободный.
2. Petersen T., Barnett P. Art & Architecture Thesaurus: Guide to Indexing and Cataloging With the Art & Architecture Thesaurus. – Oxford University Press, 1994.
3. Добров Б.В., Лукашевич Н.В., Соловьев В.Д. Тезаурус по архитектуре и искусству как средство формализации описаний музейных предметов // Электронный журнал FCCL. – 2006. – [Электронный ресурс]. – Режим доступа: http://fccl.ksu.ru/issue_spec/docs/aat_index.doc, свобод¬ный.
4. Дейт К. Дж. Введение в системы баз данных. – 8-е изд. – М.: Вильямс, 2006.
Е.Н. Владимирская
Национальный аэрокосмический университет им. Н.Е.
Жуковского «ХАИ», Харьков, Украина
catherine.vladimirskaya@gmail.com
В настоящее время для решения сложных задач управления распределенными бизнес-процессами целесообразно использовать такие взаимодополняющие подходы, как сервис-ориентированный и агентный. Мультиагентные системы(МАС) строятся из множества взаимодействующих агентов и интегрируют в себе достижения последних десятилетий в сфере искусственного интеллекта, параллельных вычислений и телекоммуникаций. Рассмотрение задач, связанных с распределенным накоплением, обработкой и использованием знаний в МАС, приводит к необходимости расширения и детализации классической агентной архитектуры и использованию современных информационных технологий для реализации механизмов интеграции с существующими информационными системами и web-приложениями.
Направление «МАС» распределенного искусственного интеллекта рассматривает решение одной задачи несколькими интеллектуальными подсистемами. Для решения задачи агенты могут взаимодействовать между собой, с пользователями, а также с другими информационными системами ресурсами сети Интернет. Перспективным представляется взаимодействие агентов в сфере Semantic Web – расширении классического веба, где информация более пригодна для машинной обработки. Таким образом, актуальным и важным является создание архитектуры и средств для организации взаимодействия и управления агентами, где бы агенты могли обмениваться сообщениями с использованием заранее определенных словарей, где возможно было бы производить подбор необходимых сервисов и информационных ресурсов, а также использовать многие другие возможности Semantic Web.
Некоторые проблемы организации функционирования агентов можно решить, опираясь на готовые базовые решения – агентные платформы, реализующие основные механизмы, обеспечивающие работу МАС. В настоящее время существует множество агентных платформ, как коммерческих, так и с открытым исходным кодом. Для решения поставленных задач выбрана платформа Jade[2]. Данная платформа и ее расширения предоставляют различные средства для обеспечения функционирования агентов в рамках парадигмы Semantic Web. Платформа Jade обеспечивает поддержку онтологий (пакет jade.content), при этом информация об онтологиях представлена в виде java-объектов. Более эффективным представляется использование библиотеки AgentOWL[3], которая поддерживает RDF/OWL модели для агентов Jade. Описание модели знаний агента(«generic agent model» [3]) основано на пяти основных элементах: Resources, Actions, Actors, Context и Events. Поддерживается обмен сообщениями в формате RDF/OWL, включение полученной информации в модель. Для того чтобы агенты могли функционировать в контексте Semantic Web, им добавляются методы работы с построенной моделью знаний, а также методы обработки и отправки сообщений в формате OWL и SPARQL. В AgentOWL используется библиотека проекта Jena[4], поэтому данный подход легко расширять новыми возможностями работы с онтологической моделью знаний, используя Jena API.
Рассмотрение агентов в контексте Semantic Web ведет к необходимости интеграции МАС с веб-приложениями, в частности, создания веб-интерфейса для агентов. Существует несколько готовых подходов, которые облегчают решение данной задачи. Подход JadeGateway[5] обеспечивает взаимодействие между внешним приложением и платформой Jade. Все служебные классы доступны в пакете jade.wrapper.gateway. Основное назначение – создание веб-интерфейса для агентов, при этом агент контролирует все запросы к странице. Основной принцип подхода заключается в применении цепочки: servlet – gatewayagent – МАС. Другой подход – проект Jade4spring – обеспечивает легкую интеграцию контейнеров агентов Jade и фреймворка Spring[6]. Такой подход позволяет эффективно использовать агентов в контексте веб-приложения. Визуализацию онтологических моделей предлагается осуществлять с использованием Flare Prefuse [7]. Flare представляет собой ActionScript библиотеку для создания визуализаций, которые выполняются в Adobe Flash Player. Для преобразования OWL в формат, требуемый для Flare, используется OWL2Prefuse[8]. Используя библиотеку Flare можно получить OWL-граф, информация о котором сохраняется в формате SWF. Объект SWF встраивается на страницу, при этом необходимо обеспечить обмен информации между указанным объектом и агентами, запущенными в контексте веб-приложения, для обеспечения динамической визуализации онтологических моделей.
Рассмотренные программные решения и технологии позволяют создавать мультиагентные системы для решения различных задач в рамках парадигмы Semantic Web. Основные преимущества от применения предлагаемых решений можно получить для таких предметных областей как электронное обучение, электронная коммерция, а также в сферах общественного и ассоциативного обслуживания, где важным фактором является распараллеливание задач и взаимодействие агентов для достижения поставленных пользователем целей. С помощью описанного подхода разработана мультиагентная система для управления контекстной рекламой в Интернет.
Список литературы
1. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. – СПб.: Питер, 2003.
2. Fabio Bellifemine, Giovanni Caire, Tiziana Trucco (TILAB, formerly CSELT), Giovanni Rimassa (University of Parma) . JADE PROGRAMMER’S GUIDE, 2006.
3. Michal Laclavik, Marian Babik, Zoltan Balogh, Ladislav Hluchy AgentOWL: Semantic Knowledge Model and Agent Architecture In Computing and Informatics. Vol. 25, no. 5 (2006), p. 419-437. ISSN 1335-9150, Chapters 1, 4, 5.
4. Jena, HP Labs Semantic Web Toolkit. http://jena.sourceforge.net/.
5. Viktor Kelemen “Accessing a JADE MAS from a Servlet using the JadeGateway” http://jade.tilab.com/doc/tutorials/JadeGateway.pdf
6. Spring, the leading platform to build and run enterprise Java applications http://www.springsource.org/.
7. Flare: data vizualization for the web. http://flare.prefuse.org/.
8. OWL2Prefuse. http://owl2prefuse.sourceforge.net/.
О. И. Карякин
Харьковский национальный университет радиоэлектроники, Харьков, Украина
mellon_1988@mail.ru
Популярность Интернет и сервисов Web привело к тому, что с каждым днем все меньше и меньше остается различного рода коммерческих компаний без «выхода» в Интернет, без web-сайтов, рекламирующих их деятельность и продукцию (так называемые электронные магазины и витрины). Кроме того, существует большое количество социальных сетей и сервисов, число которых постоянно растет, наполняя Web повторяющейся и зачастую «бесполезной» информацией. Обеспечение эффективной навигации по этой информации, а также организация поиска действительно необходимой пользователю информации приводит к увеличению потребления вычислительных ресурсов, что вместе с большим количеством пользователей приводит к сбоям в работе распределенных приложений этих социальных сервисов. Кроме того, быстрый рост количества пользователей приводит к необходимости построения надежной, расширяемой и масштабируемой архитектуры подобного рода программных систем.
В последнее время широкое распространение получила технология XML, которая обеспечила для распределенных приложений синтаксически интероперабельную (способную к взаимодействию) среду, позволив эффективно решать проблемы обмена информацией и межпрограммного взаимодействия. Однако, унифицированное представление документов на языке XML ничего не говорит о том, что оно означает, т.е. не несет никакой семантической нагрузки. Это обусловило необходимость создания языков семантической разметки, а также привлечения методов и моделей, применяемых в искусственном интеллекте для анализа и обработки знаний, и их адаптации к распределенной среде Интернет и технологиям XML. В рамках такого подхода Web рассматривается как потенциальная база знаний, обработка и анализ которой проводится с помощью программных агентов – специальных приложений, обладающих интеллектуальными свойствами.
Web, основанный на знаниях, получил название Semantic Web, всплеск развития которого приходится на 2001-2003 годы. К сожалению, неготовность пользователей и отсутствие четкой парадигмы перевода электронных документов в их семантически-размеченное представление привело к тому, что многие цели Semantic Web не были достигнуты. В то же время появление социальных сетей и технологий Web 2.0 привело к созданию больших массивов структурированной информации о людях, товарах и т.п., что обеспечило необходимую инфраструктуру для развертывания агентно-ориентированных приложений Semantic Web. Такая инфраструктура получила название социальный Semantic Web.
На сегодняшний день разработка такого типа приложений связана со значительными трудностями – инфраструктура социального Semantic Web недостаточно описана и не существует универсальных подходов для разработки такого типа эффективных приложений, поэтому целью данной работы является исследование существующих подходов и технологий к разработке распределенных приложений, и создание альтернативной архитектуры масштабируемого распределенного приложения и применение ее в социальном Semantic Web.
В рамках предложенной архитектуры в распределенные приложения внедряются два типа агентов: агенты, собирающие статистическую информацию о функционировании, и агенты, управляющие поведением отдельных компонентов приложения. Первый тип агентов, собрав информацию, передает ее на специальный центральный для данного приложения узел, который обрабатывает статистические данные и передает сведения об управлении агентам-управленцам. Агенты-управленцы регулируют поведение компонентов распределенного приложения в зависимости от нагрузки, выхода из строя или временной недоступности одного из основных компонентов сети.
Список литературы
1. Фаулер М. Архитектура корпоративных программных приложения.: Пер. с англ. – М.: Издательский дом “Вильямс”, 2007. – 544 с.: ил.
2. Гергор Х., Вульф Б. Шаблоны интеграции корпоративных приложений.: Пер. с англ. – М.: ООО «И.Д. Вильямс», 2007. – 672 с.: ил.
Н. Г. Кеберле
Запорожский национальный университет, Запорожье, Украина
nkeberle@gmail.com
Онтология – формальная теория, модель которой аппроксимирует [1] понятийную структуру (также называемую концептуализацией) предметной области.
Большой толчок к практическому и повсеместному использованию онтологий был дан с появлением концепции Semantic Web [2]. Semantic Web — это концепция сети, в которой каждый ресурс был бы снабжён неким формальным описанием, пригодным для обработки программными агентами. Одним из катализаторов распространения Semantic Web является разработка языков описания знаний и правил вывода на знаниях, которые дают возможность экспортировать полученные новые знания для использования.
Подверженность изменениям – неотъемлемая характеристика любой предметной области. Можно выделить объективные и субъективные причины изменений в концептуализации предметной области. К объективным причинам можно отнести изменения в самой предметной области, обусловленные внешними и не зависящими от исследователя предметной области факторами. К субъективным причинам отнесем изменения точки зрения исследователя на предметную область, расширение/сужение предметной области для нужд некоторой задачи.
Рассмотрим круг проблем, возникающих при использовании онтологий в информационных системах, в условиях изменения концептуализации предметной области.
В условиях Semantic Web онтологии, представленные различными информационными ресурсами, разрабатываются распределенно, автономно, вместе с тем приветствуется повторное использование, комбинирование готовых онтологий для нужд информационного ресурса. Идеология Semantic Web не вводит запретов на изменения в онтологиях, таким образом, сам разработчик информационного ресурса ответственен за актуальность использованных онтологий. Отслеживание изменений может облегчить принятие решения об использовании более ранних по времени версий онтологии вместе с более поздними, а значит, и использовать унаследованные информационные ресурсы вместе с новыми ресурсами. При разрешении любых изменений в онтологии, допускаемых языком описания онтологии, на первый план выходят задачи совместного редактирования онтологий[3], отслеживания, представления[4] и хранения изменений[5], вычисления разностей между разными версиями онтологий. В настоящее время ведутся интенсивные работы в этом направлении, которые во многом используют решения из области разработки программного обеспечения[6], но также учитывают и специфику онтологий [7].
Сложность этого направления во многом обусловлена особенностями онтологии как объекта системы управления архивом версий. Наряду с задачами синтаксического уровня – представления изменений, визуализации разностей для версий онтологии, встают задачи семантического уровня – вычисление разностей для версий, определение логической совместимости онтологии в разных версиях, логический анализ классов онтологий на предмет сужения/расширения моделей, применимость версии онтологии к заданному набору фактов.
Одним из подходов к решению указанных задач семантического уровня является логический подход, при котором запросы к набору версий онтологий формулируются на логическом языке, допускающем темпоральные конструкции [8]. Логический вывод для темпоральных конструкций требует создания машины вывода на временной структуре, которой соответствует архив версий онтологии. Pellet-MeT [9] – машина вывода на линейной дискретной моментарной временной структуре – позволяет проверять выполнимость темпоральных утверждений о классах в наборе версий онтологии.
Список литературы
1. Guarino, N. Formal Ontology and Information Systems. In: Guarino, N. (ed.) Proc. 1st Int’l Conference on Formal Ontology in Information Systems, 3-15. IOS Press/Ohmsha, 1998.
2. Berners-Lee, T., Hendler., J., Lassila O. The Semantic Web. Scientific American, May 2001.
3. Collaborative Protege [Электронный ресурс]. – Режим доступа: http://protegewiki.stanford.edu/index.php/ Collaborative_Protege
4. Change View [Электронный ресурс]. – Режим доступа: http://code.google.com/p/co-ode-owl-plugins/ wiki/ChangeView
5. Change Tab [Электронный ресурс]. – Режим доступа: http://protegewiki.stanford.edu/index.php/Changes_Tab
6. Redmond, T., Smith, M., Drummond, N., Tudorache, T.: Managing Change: An Ontology Version Control System. In: Proc. OWLED 2008.
7. Konev, B., Lutz, C., Walther, D., Wolter, F. Logical Difference and Module Extraction with CEX and MEX. In: Proc. DL 2008.
8. Keberle, N., Litvinenko, Yu., Gordeyev Yu., Ermolayev, V. Ontology Evolution Analysis with OWL-MeT. In: Flouris, G., d’Aquin, M. (eds.) Proc. Int’l Workshop on Ontology Dynamics (IWOD’07), ESWC 2007.
9. Pellet-MeT [Электронный ресурс]. – Режим доступа: http://ermolayev.com/owl-met/.
C. C. Щербак
Харьковский национальный университет радиоэлектроники, Харьков, Украина
ontolog@gmail.com
Широкое развитие технологий Web 2.0 и социальных сетей привело к созданию новой концепции – Социальный Семантический Веб (Social Semantic Web), в рамках которой социальные взаимодействия в Web можно использовать для создания семантически богатых (semantically rich) представлений знаний. Семантически богатые знания – это наиболее простая форма представления «поверхностных» знаний об объектах или процессах реального мира. Анализ интернет-источников показал, что под семантически богатыми знаниями также подразумеваются знания о некоторых фактах, представленные в формате RDF (Resource Description Framework), причем подчеркивается обязательность соответствия RDF некоторой схеме RDFS (RDF Schema). Другими словами, семантически богатые знания RDF рассматриваются в контексте RDF(S). Кроме того, развитие социальных сетей и web-сервисов привело к тому, что огромные массивы структурированных данных накоплено в конкретных местах – датацентрах. Причем эти социальные сервисы в соответствии с концепцией Web 2.0 предоставляют API (Application Programming Interface) для организации удаленного доступа к своим массивам данных. Для перевода этих массивов в семантически богатые знания необходимо реорганизовать существующие веб-сервисы в соответствии с концепцией Semantic Web. Суть этой реорганизации заключается в том, чтобы преобразовать такие веб-сервисы в семантические.
Семантические веб-сервисы – это дальнейшее развитие технологии веб-сервисов и языка описания веб-сервисов WSDL (Web Services Description Language). Для каждого информационного ресурса этих сервисов создаются семантические аннотации, обработку которых осуществляют интеллектуальные агенты. Кроме того, агенты должны реализовывать логику доступа к информационным ресурсам через веб-сервис для организации взаимодействия между пользователями или другими агентами, т.е. для поддержки семантической интероперабельности (способности к взаимодействию). Семантические аннотации группируются в онтологии предметных областей (ПрО). Таким образом, семантическая аннотация ресурса веб-сервиса это не что иное, как экземпляр конкретного объекта онтологии, у которого явно описана структура и семантика. Для идентификации объектов в онтологиях используется URI (Universal Resource Identifier), частным случаем которого является URL (Resource Locator).
URL представляет собой привычные пользователям Интернета адреса вида «http://shcherbak.net/index.php», которые используются для получения доступа к той или иной информации в Интернет. Применение подобного вида адресов позволяет агентам осуществлять навигацию по распределенной базе знаний Semantic Web подобно обычным поисковым роботам (spiders). Это позволяет агентам находить еще больше информации о ресурсах и формировать все более полные знания об исследуемой ими предметной области. Кроме того, агенты могут, в зависимости от выполняемых ими задач, изменять свою структуру и «смысл» заложенных в них понятий путем установления новых связей с другими объектами или агентами. Однако, стоит отметить, что возможные изменения агенты выполняют как в соответствии с правилами объектно-ориентированного программирования, так и на основе произвольных правил.
К сожалению, создание программных реализаций агентов для социального Semantic Web связано с рядом трудностей прикладного характера, устранению которых и посвящена данная работа. С одной стороны результаты, полученные в Semantic Web дали разработчикам программных приложений выразительные языки представления знаний RDF(S) и OWL, языки запросов SPARQL и SWRL, что позволяет интеллектуальным агентам «рассуждать» на основе механизмов логического вывода, а с другой – неготовность поддержать «технически» в масштабе Web рассуждения ведущими IT-компаниями и отсутствие практики доверия к «рассуждениям» агентов вынуждает разрабатывать решения промежуточного характера, подобные концепции LinkedData, что обеспечивает эволюционный процесс перехода Web в открытое пространство знаний, автоматическую обработку которого можно будет осуществлять.
Список литературы
1. Сегаран Т. Программируем коллективный разум. – Пер. с англ. – СПб: Символ-Плюс, 2008. – 368 с.
Пленарный доклад:
Щербак С.С. ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ АГЕНТНО-ОРИЕНТИРОВАННЫХ ТЕХНОЛОГИЙ В СОЦИАЛЬНОМ SEMANTIC WEB.
Секционные доклады:
Кеберле Н. Г. СРАВНЕНИЕ ЭЛЕМЕНТОВ ОНТОЛОГИИ В АРХИВЕ ВЕРСИЙ.
Владимирская Е.Н. ОСОБЕННОСТИ РАЗРАБОТКИ МУЛЬТИАГЕНТНЫХ СИСТЕМ НА ОСНОВЕ ПЛАТФОРМЫ JADE В РАМКАХ ПАРАДИГМЫ SEMANTIC WEB.
Иванов В.В. ПОДХОД К ИНТЕГРАЦИИ СТРУКТУРИРОВАННЫХ ТЕКСТОВЫХ ОПИСАНИЙ НА ОСНОВЕ ОНТОЛОГИЙ.
Данченко А.Л. РАЗРАБОТКА ОНТОЛОГИИ ДИСТАНЦИОННОГО КУРСА.
Карякин О. И. АРХИТЕКТУРЫ РАСПРЕДЕЛЕННЫХ ПРИЛОЖЕНИЙ И ИХ ПРИМЕНЕНИЕ В СОЦИАЛЬНОМ SEMANTIC WEB.
Перез Чернов А. X. АЛГОРИТМИЧЕСКИЕ АСПЕКТЫ РЕАЛИЗАЦИИ МОДЕЛИ БЕЗОПАСНОСТИ В LINKED DATA WEB.
WebConf09 успешно завершилась!
Все как планировалось совершилось:
Материалов в электронном виде много – видео есть – доклады – фотографии – впечатлений – море…
Кроме докладов по Semantic Web, была масса шикарных докладов, как пленарных, так и секционных ( Web, облачные вычисления, балансировщики нагрузки, стартапы, веб-дизайн и т.п и т.д). Особенно мне еще понравилась секция по «Web-программированию». Узнал много нового ))
Общем, следите за обновления. Как и обещал, материалы будут доступны читателям shcherbak.net.
Алекс Перез Чернов, как один из главных организаторов, показал себя с наилучшей стороны. Его усилиями мы смогли устроить «высокоскоростной» обмен опытом, информацией, идеями и т.п.
Думаю, что результаты этой конференции, благодаря усилиям Алекса Переза Чернова, принесут нашему сообществу дополнительный стимул усиленного развития.
Кроме того, всех участников хочу поблагодарить за активное участие. Было очень интересно. Спасибо Вам.
Особенную благодарность хочу выразить Наталье Кеберле и Алле Данченко.
PS. Cборники и диски с электронными версиями тезисов готовы – всем заочным участникам, кому я обещал, на следующей неделе передам.
В рамках WebConf09 будет проведен семинар на тему «Проблемы внедрения Semantic Web приложений и пути их решения». Как и планировалось, обговорим вопросы связанные с внедрением современных инициатив по использованию семантических технологий, как в рамках создания новых программных проектов, так и в рамках внедрения в существующие системы.
Одним из центральных аспектов обсуждения на семинаре считаю поиск наиболее эффективных решений для развертывания стартапов на базе Semantic Web технологий с определением целесообразности их применения.
В Киеве 19-22 мая 2009 года проходила 9-я международная научная конференция имени Т.А. Таран.
Как оказалось эта конференция просто кладезь знаний по ИИ, онтологиям и Semantic Web.
Наиболее интересными на мой взгляд были доклады:
1. Валькман Ю.Р. О моделировании образного мышления: классификация, отношения и структура образов (стр. 38-48).
2. Лесько О.Н. , Рогушина Ю.В. Автоматизация семантической разметки естественно-языковых текстов (стр. 247-254).
3. Титенко С.В., Гагарин А.А. Проблема моделирования знаний в интеллектуальных обучающих системах (стр. 384-391)
4. Вьюн В.И., Кузьменко Г.Е. Интеллектуализация ИС: от информационно-поисковых тезаурусов до онтологических схем содержательного анализа результатов деятельности системы (стр 68-73).
5. Карпусь И.В. Мультимодельный аспектно-ориентированный метод проблемно-ориентированного проектирования программных систем (стр. 155-163).
6. Коргут С.А. Методика создания интеллектуального сайта (стр. 178-185).
7. Курзанцева Л.И. О построении адаптивного интеллектуального интерфейса пользователя компьютерной системы (стр. 219-226).
8. Любченко В.В. Онтологическая модель знаний о предметных областях учебных курсов (стр. 269-275).
9. Покровский Е.О., Савчук О.В., Приймак О.Н., Несенюк Н.В. Использование сеамнтических web-сайтов при интеллектуальном анализе в технико-економических системах (стр. 327-334).
10. Сирота С.В. Использование онтологий для генерации тестов в обучающих системах (стр. 372-378).
11. Шатовская Т.Б., Репка В.Б., Каменева И.В. Технология создания репозитория статистических данных на основе агентных и онтологических моделей (стр. 439-446).
12. Чаюн В.Г., Россошинський Д.А. Матричная модификация метода резолюций (стр. 413-434).
Одним из наиболее ярких событий ИАИ-2009 стал семинар по Semantic Web, наиболее активными участниками которого были Рогушина Ю.В., Лесько О.Н., Гришанова И.Ю из Института программных систем НАНУ и Титенко С.В. из лаборатории СЕТ НТУУ КПИ. Было очень интересно, спасибо ВАМ!
Подсекция Semantic Web секции «Web-технологии» укомплектована.
Темы докладчиков и заочных участников будут опубликованы немного позже. В принципе до 1 числа еще принимаются доклады, но это уже как по мне не столь важно.
Так как удалось собрать специалистов по различным аспектам Semantic Web, онтологиям и ИИ, то предлагаю сформировать тему семинара.
Пожелания (темы) оставляйте в комментариях или мне отсылайте на почту.
Большое спасибо участникам Webconf09, которые решили поучаствовать в обсуждении проблем Semantic Web на семинаре (хоть и без секционного доклада).
Что интересует сейчас читателей Semantic Web?
PS Стенограмму семинара думаю можно будет выложить в открытый доступ на SHCHERBAK.NET
Еще +4 доклада в копилку WebConf09!
Сравнение элементов онтологии в архиве версий. Кеберле Н. Г. (Запорожье, Украина)
Архитектуры распределенных приложений и их применение в социальном Semantic Web. Карякин О.И. (Харьков, Украина)
Особенности разработки мультиагентных систем на основе платформы Jade в рамках парадигмы Semantic Web. Владимирская Е.Н. (Харьков, Украина)
Перспективы применения агентно-ориентированных технологий в социальном Semantic Web. Щербак С.С. (Харьков, Украина)
PS. Полный список тем докладов представлю на страницах SHCHERBAK.NET в ближайшее время!
Иван Михайлов (OpenLink Software) на webofdata предлагает определить темы для обсуждения на конференции WebConf09, которые он или другие докладчики могли бы осветить.
Внести пожелание или тему можно здесь!
Пожелания или темы можно также оставлять в комментариях к этой записи.
помните даже если вы не сможете поехать на WebConf09, то сможете получить доступ к материалам конференции на сайте SHCHERBAK.NET. Вносите свои предложения!
Предлагаемые тематики:
