ОНТОЛОГИЧЕСКАЯ БАЗА ЗНАНИЙ ПО ФИЗИКО-ТЕХНИЧЕСКИМ ЭФФЕКТАМ ДЛЯ АВТОМАТИЗАЦИИ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ
Авторы:
1.
Астраханский государственный университет
2.
Астраханский инженерно-строительный институт
3.
Астраханский инженерно-строительный институт
4.
Астраханский инженерно-строительный институт
Тип:
Статья
Страницы:
с 47
по 56
Статус:
Опубликован
Получено:
05.10.2015
Одобрено:
28.02.2020
Опубликовано:
25.10.2015
Классификаторы:
ВАК 05.12.2013 Системы, сети и устройства телекоммуникаций
ВАК 05.13.01 Системный анализ, управление и обработка информации (по отраслям)
ВАК 05.13.06 Автоматизация и управление технологическими процессами и производствами (по отраслям)
ВАК 05.13.10 Управление в социальных и экономических системах
ВАК 05.13.18 Математическое моделирование, численные методы и комплексы программ
ВАК 05.13.19 Методы и системы защиты информации, информационная безопасность
УДК 681.586
ГРНТИ 20.01 Общие вопросы информатики
ГРНТИ 28.01 Общие вопросы кибернетики
ГРНТИ 49.01 Общие вопросы связи
ГРНТИ 50.01 Общие вопросы автоматики и вычислительной техники
ГРНТИ 82.01 Общие вопросы организации и управления
ВАК 05.13.01 Системный анализ, управление и обработка информации (по отраслям)
ВАК 05.13.06 Автоматизация и управление технологическими процессами и производствами (по отраслям)
ВАК 05.13.10 Управление в социальных и экономических системах
ВАК 05.13.18 Математическое моделирование, численные методы и комплексы программ
ВАК 05.13.19 Методы и системы защиты информации, информационная безопасность
УДК 681.586
ГРНТИ 20.01 Общие вопросы информатики
ГРНТИ 28.01 Общие вопросы кибернетики
ГРНТИ 49.01 Общие вопросы связи
ГРНТИ 50.01 Общие вопросы автоматики и вычислительной техники
ГРНТИ 82.01 Общие вопросы организации и управления
Язык материала:
русский
Ключевые слова:
энергоинформационная модель цепей, онтологии, база знаний, физические эффекты, концептуальное проектирование
Аннотация (русский):
Обсуждается метод проектирования базы знаний о физических эффектах и явлениях, основанный на проблемно-ориентированной онтологии. Для описания энергоинформационной модели цепей различной физической природы предложено использовать онтологию модели энергоинформационного метода цепей, которая определяет понятия этой модели (цепь определенной физической природы, величины, параметры, межцепные физические эффекты, критерии энергоинформационного метода цепей), и онтологию физических эффектов, описывающую классификацию физических эффектов и отображающую соответствие между величинами и параметрами энергоинформационного метода цепей и физическими величинами и константами. В основе предлагаемой базы знаний лежит структурированное представление о каждом физическом эффекте, представляемое в виде паспорта физического явления и морфологической матрицы конструктивных реализаций этого явления. Классификация физических явлений в базе знаний основана на энергоинформационной модели цепей, предложенной авторами, которая специально ориентирована на проектирование новых принципов действия чувствительных элементов (сенсоров). Описаны механизмы преобразования (приведения) известных физических зависимостей к строго определенной форме взаимосвязи между величинами-аналогами энергоинформационной модели цепей. Такая база знаний может быть использована для обучения будущих инженеров, создающих новые датчики. Предложен алгоритм, позволяющий привести известные в физике формулы к виду, принятому в энергоинформационном методе цепей. Разработана структура обобщенной архитектуры подсистемы для работы с онтологиями, которая представляет собой фреймворк для работы с ними. Фреймворк полностью соответствует структурной спецификации OWL 2 и поддерживается основными машинами вывода (CEL, FaCT++, HermiT, Pellet, Racer Pro). На вход подается перечень интерпретированных величин, т. е. ссылок на экземпляры онтологии. Результатом выполнения сервиса являются идентификаторы формул.
Обсуждается метод проектирования базы знаний о физических эффектах и явлениях, основанный на проблемно-ориентированной онтологии. Для описания энергоинформационной модели цепей различной физической природы предложено использовать онтологию модели энергоинформационного метода цепей, которая определяет понятия этой модели (цепь определенной физической природы, величины, параметры, межцепные физические эффекты, критерии энергоинформационного метода цепей), и онтологию физических эффектов, описывающую классификацию физических эффектов и отображающую соответствие между величинами и параметрами энергоинформационного метода цепей и физическими величинами и константами. В основе предлагаемой базы знаний лежит структурированное представление о каждом физическом эффекте, представляемое в виде паспорта физического явления и морфологической матрицы конструктивных реализаций этого явления. Классификация физических явлений в базе знаний основана на энергоинформационной модели цепей, предложенной авторами, которая специально ориентирована на проектирование новых принципов действия чувствительных элементов (сенсоров). Описаны механизмы преобразования (приведения) известных физических зависимостей к строго определенной форме взаимосвязи между величинами-аналогами энергоинформационной модели цепей. Такая база знаний может быть использована для обучения будущих инженеров, создающих новые датчики. Предложен алгоритм, позволяющий привести известные в физике формулы к виду, принятому в энергоинформационном методе цепей. Разработана структура обобщенной архитектуры подсистемы для работы с онтологиями, которая представляет собой фреймворк для работы с ними. Фреймворк полностью соответствует структурной спецификации OWL 2 и поддерживается основными машинами вывода (CEL, FaCT++, HermiT, Pellet, Racer Pro). На вход подается перечень интерпретированных величин, т. е. ссылок на экземпляры онтологии. Результатом выполнения сервиса являются идентификаторы формул.
Ключевые слова:
энергоинформационная модель цепей, онтологии, база знаний, физические эффекты, концептуальное проектирование
энергоинформационная модель цепей, онтологии, база знаний, физические эффекты, концептуальное проектирование
Введение По данным ряда исследователей, глобальный рынок датчиков увеличивается ежегодно на 7-9 % [1]. Количество физических явлений, эффектов и процессов, используемых для конструирования датчиков и их чувствительных элементов, быстро растет. Вследствие этого разработка методов концептуального проектирования чувствительных элементов датчиков актуальна, но имеет некоторые особенности. С одной стороны, возможно построение достаточно простых структурных схем, отражающих принцип действия чувствительного элемента и датчика, с другой - введение в базу знаний о физических эффектах хотя бы одного вновь открытого физиками явления порождает множество новых эффективных принципов действия этих устройств. Известно достаточно большое количество методов концептуального проектирования новых технических решений на основе баз знаний о физических эффектах и явлениях. Назовем некоторые из них: 1. Теория решения изобретательских задач (ТРИЗ). Разработана в середине XX столетия Г. Алтьшуллером (Россия) [2]. Известно несколько коммерческих программных продуктов, реализующих идеологию ТРИЗ, например IHS Goldfire (ранее Invention Machine) [3]. 2. Системный подход к инженерному проектированию, разработан в 1970 г. немецкими учеными G. Pahl и W. Beitz [4]. 3. Метод концептуального проектирования, автор - Р. Коллер (Германия) [5]. 4. Автоматизированное поисковое проектирование, авторы - А. И. Половинкин, В. А. Камаев, С. А. Фоменков (Россия) [6, 7]. Все вышеназванные методы базируются на систематизированных знаниях о физических эффектах, однако все они ориентированы на поддержку концептуального проектирования любых технических устройств, независимо от области их применения. Физические эффекты в базах знаний этих систем имеют вербальное описание как причинно-следственная связь, могут сопровождаться аналитической формулой связи входа с выходом. Результатом работы этих систем является синтез нескольких альтернативных физических принципов действия технического устройства в виде цепочек последовательных преобразований от входа к выходу. Однако имеются трудности при разработке математических моделей, описывающих синтезированные варианты физического принципа действия, и оценке их эксплуатационных характеристик, что не позволяет проводить количественное сравнение этих вариантов. Описание физических эффектов не сопровождается конструктивной проработкой технических реализаций. Цель нашего исследования - проектирование базы знаний по физическим эффектам на основе онтологий предметной области. В основе такой базы знаний лежит структурированное представление о каждом физическом эффекте, представляемое в виде паспорта физического явления и морфологической матрицы конструктивных реализаций этого явления. Систематизация разнообразных физических явлений в базе знаний основана на методе энергоинформационных моделей цепей (ЭИМЦ). Модель, предложенная в [8-11], специально ориентирована на проектирование новых принципов действия чувствительных элементов (сенсоров). Метод обработки информации на основе онтологий для создания базы знаний по физическим эффектам позволит создать уникальные справочные системы, уменьшить трудоемкость работы экспертов, разработать алгоритмы синтеза принципа действия сенсоров. Такая база знаний может быть использована для обучения будущих инженеров, создающих новые датчики. Энергоинформационная модель цепей Энергоинформационная модель цепей позволяет перейти к структурно-формализованному описанию процессов в чувствительных элементах датчиков с помощью параметрических структурных схем [8, 9]. Принцип действия любого элемента информационно-измерительных и управляющих систем основан на взаимодействии цепей различной физической природы, которое моделируется в ЭИМЦ с помощью последовательности физико-технических эффектов (ФТЭ). Обобщенные величины цепи одной и той же физической природы изменяются в широких пределах и характеризуют внешнее воздействие на цепь данной физической природы и ее реакцию на него. Основные обобщенные величины ЭИМЦ: Q - заряд, P - импульс, I - реакция, U - воздействие. Обобщенные параметры цепи характеризуют относительную неизменность материальной среды, в которой протекают физические процессы, и определяются геометрическими размерами, физическими и химическими свойствами материалов. Основные обобщенные параметры ЭИМЦ: R - сопротивление; - проводимость; C - емкость; - жесткость; L - индуктивность; - дедуктивность (величина, обратная индуктивности). Используя энергоинформационные модели для описания цепей различной физической природы, можно все многообразие взаимосвязей между величинами и параметрами представить в виде сложного графа (рис. 1). Рис. 1. Граф ФТЭ и внутрицепных зависимостей для n цепей различной физической природы На рис. 1 показан граф ФТЭ и внутрицепных зависимостей для n цепей: механической, магнитной, электрической и цепи i-й физической природы. Преобразования внутри цепи представлены в виде элементарных звеньев, соответствующих критериям ЭИМЦ. Для представления взаимодействия цепей различной физической природы используются звенья ФТЭ, которые преобразуют величины цепи одной физической природы в величины другой через коэффициент преобразования. Разработка цепей другой физической природы в терминах ЭИМЦ постоянно продолжается (см., например, [11]). Для формального описания процессов, протекающих в технических устройствах в виде цепочек преобразований обобщенных величин на основе ЭИМЦ, эксперт описывает существующие физические явления и разрабатывает паспорт каждого ФТЭ [8]. Разработка паспорта ФТЭ - трудоемкий процесс, сложность которого можно уменьшить, применяя онтологическую базу знаний о ФТЭ. Онтологическая база знаний о физических эффектах Виды онтологий в ЭИМЦ. Онтологии знаний о физических эффектах на основе методологии ТРИЗ предложены в [12, 13]. Однако эти онтологии не могут быть использованы ЭИМЦ, т. к. построены на основе так называемой модели веполей Альтшуллера и используют другие принципы классификации физических эффектов. В [14] предложен метод моделирования чувствительных элементов информационно-измерительных систем, основанный на теории ЭИМЦ и SADT-технологии. Чувствительный элемент (преобразователь) в [14] представляется как информационная система, а для описания концептуальной модели банка данных ФТЭ введены два базовых класса: «Процесс» и «Стрелка». В [15] приведен фрагмент структуры реляционной базы данных о физических эффектах для концептуального проектирования датчиков на основе энергоинформационного метода. В [16] речь идет о разработке онтологий системных подходов к анализу измерительных устройств. Однако следует отметить, что во всех перечисленных работах не раскрыты механизмы приведения известных физических зависимостей к строго определенной форме взаимосвязи между величинами-аналогами ЭИМЦ. Онтология - это система фундаментальных концепций, которая позволяет проектировщику моделировать и представлять особую область мира с точки зрения аксиоматических определений и таксономических структур [17]. Применительно к нашей задаче проектирования онтологии предметной области - это система понятий ЭИМЦ, приведенная выше. В рамках нашего исследования предложено использовать следующие виды онтологий для описания ЭИМЦ различной физической природы: 1. Онтология ЭИМЦ (рис. 2) - определяет понятия этой модели (цепь определенной физической природы, величины, параметры, межцепные физические эффекты, критерии ЭИМЦ). 2. Онтология физических эффектов (рис. 3) - описывает классификацию физических эффектов, отображает соответствие между величинами и параметрами ЭИМЦ и физическими величинами и константами. Для разработки паспорта ФТЭ необходимо привести известную зависимость между физическими величинами к строго определенной форме взаимосвязи между величинами-аналогами ЭИМЦ. Трудоемкость этой процедуры обусловлена следующими причинами: - необходимость обработки больших объемов информации (требуется найти подходящую комбинацию формул из достаточно широкого перечня имеющихся в литературе); - многоступенчатые преобразования известных формул, описывающих физический принцип действия эффекта, до выражений, содержащих величины ЭИМЦ; - необходимость согласованной работы экспертов по разным областям знаний (требуется провести экспертную оценку основных эксплуатационных характеристик на множестве конструктивных реализаций ФТЭ). Рис. 2. Онтология ЭИМЦ Рис. 3. Фрагмент онтологической базы знаний ФТЭ Для решения этой проблемы можно использовать онтологическую базу знаний о ФТЭ. Пример формализации физического явления с использованием ЭИМЦ. Рассмотрим пример формализации с использованием ЭИМЦ физического явления - эффект Холла. Если через проводящую пластинку (из металла или полупроводника) толщиной d в одном направлении пропускать постоянный ток Ie, а в другом направлении воздействовать магнитным полем B (магнитная индукция), то в третьем направлении можно измерить напряжение Ue (напряжение Холла), меняющееся пропорционально силе магнитного поля и плотности тока: , (1) где - постоянная (константа) Холла, равная отношению подвижности носителей к удельной проводимости материала. Для получения энергоинформационной модели ФТЭ Холла необходимо преобразовать (1) так, чтобы перейти от магнитной индукции B к магнитному потоку Qmg , который является величиной ЭИМЦ. Для этого могут быть выполнены следующие преобразования уравнения (1): , где S - площадь чувствительной зоны датчика Холла (1-50 мм2); - магнитный поток, перпендикулярный площади чувствительной зоны, является обобщенной величиной ЭИМЦ. Коэффициент преобразования для энергоинформационной модели эффекта Холла определяется по формуле Модель эффекта содержит два входа - Qmg и Ie, и один выход - . Алгоритм поддержки экспертного анализа в онтологической базе знаний. Для снижения трудоемкости работы эксперта по формализации ФТЭ разработана база знаний и соответствий между физическими величинами и их аналогами в ЭИМЦ. Эта база знаний может быть использована для решения задачи поиска набора формул, позволяющего привести формулы, известные в физике, к виду, принятому в ЭИМЦ. Для этого предложен следующий алгоритм. Пользователь вводит запрос в виде набора величин и констант, которые используются в исходной формуле. Например, для эффекта Холла (1) запрос будет следующим: < Ue, RH, d, B, Ie >. Далее запрос обрабатывается системой и эксперту выводится результат его интерпретации: - Ue - напряжение // физическая величина; - RH - постоянная Холла // константа; - d - толщина пластины // геометрический размер; - B - индукция магнитного поля // физическая величина; - Ie - сила тока // физическая величина. Каждый компонент запроса интерпретируется как физическая величина, постоянная величина (константа) или геометрический размер. В случае невозможности однозначным образом интерпретировать запрос, пользователю предлагается на выбор список вариантов, обнаруженных в базе знаний, например: - V - скорость // физическая величина; - V - объем // физическая величина. Задача заключается в преобразовании исходного списка физических величин и постоянных величин в список, содержащий только величины-аналоги ЭИМЦ, геометрические размеры, физические константы и коэффициенты, характеризующие свойства материалов. Для рассматриваемого примера имеем: - Ue - величина-аналог ЭИМЦ; - RH - константа; - d - геометрический размер; - B - <требуется преобразование>; - Ie - величина-аналог ЭИМЦ. Система идентифицирует величины (V1, V2, ..., Vn), которые требуется преобразовать, и подбирает подходящий набор формул (F1.1, F1.2, ..., F1.m) с использованием базы знаний зависимостей физических величин и величин-аналогов ЭИМЦ. Результатом преобразования является набор величин-аналогов ЭИМЦ (E1, E2, ..., Ep) и набор постоянных величин (C1, C2, ..., Cq): В данном случае задача перехода к терминам ЭИМЦ состоит в преобразовании индукции магнитного поля В в величину магнитного потока Qmg. В базе знаний имеются сведения о следующей зависимости: Qmg = B·S (объект F1.3). Поводом для рассмотрения объекта F1.3 в качестве формулы-кандидата для преобразования величины B является наличие в базе знаний факта «F1.3 использует B». Результаты: - F1.3 определяет Qmg; - F1.3 использует S; - Qmg является «ВеличинаЭИМЦ»; - S является «ГеометрическийРазмер». «ВеличинаЭИМЦ» и «ГеометрическийРазмер» представляют собой классы онтологической базы знаний. Таким образом, результат применения формулы F1.3 содержит только величины-аналоги ЭИМЦ и постоянные величины. На этом поиск формул завершается: (2) Как видно из выражения (2), коэффициент преобразования получившегося элементарного звена параметрической структурной схемы будет содержать следующие постоянные величины и геометрические размеры: . Иерархия классов онтологии представлена на рис. 3. Пример заполнения базы знаний для эффекта Холла: Класс «Величина», экземпляры: B. Класс «Величина ЭИМЦ», экземпляры: Ue, Ie, Qmg. Класс «Константа», экземпляры: RH, γ. Класс «ГеометрическиеРазмеры», экземпляры: d, S. Класс «Формула», экземпляры: F1.1, F1.2, F1.3. На рис. 3 можно проследить взаимосвязь формул F1.1 и F1.3, в которых есть общая переменная B. Все остальные члены этих формул относятся к классам «Константа», «ГеометрическиеРазмеры» или «Величина ЭИМЦ». Таким образом, если на входе алгоритма поиска формул для формализации ФТЭ дан список величин, входящих в формулу F1.1, то в результате его выполнения будет предложена формула F1.3. Обобщенная архитектура подсистемы для работы с онтологиями Структура обобщенной архитектуры подсистемы для работы с онтологиями показана на рис. 4. OWL API представляет собой фреймворк для работы с онтологиями. Он полностью соответствует структурной спецификации OWL 2 и поддерживается основными машинами вывода (CEL, FaCT++, HermiT, Pellet, Racer Pro). Рис. 4. Обобщенная архитектура подсистемы для работы с онтологиями Слой бизнес-логики содержит функции для решения задачи построения онтологии знаний о физических эффектах и задачи формулировки наименований физических величин и постоянных величин в терминах ЭИМЦ, поставленных в рамках настоящего исследования. Внешние приложения смогут использовать эту функциональность через специально разработанный для этих целей слой веб-сервисов. Нами разработаны следующие три веб-сервиса. 1. Сервис для получения результата интерпретации запроса: string[] getValue(string value); На вход подается введенная пользователем строка (value), а результатом выполнения сервиса является строковый идентификатор (или идентификаторы в случае невозможности однозначной интерпретации) соответствующего экземпляра онтологии. 2. Сервис для получения набора формул для формализации ФТЭ: string[] getTransformationFormulas(string[] values); На вход подается перечень интерпретированных величин, т. е. ссылок на экземпляры онтологии (values). Результатом выполнения сервиса являются идентификаторы формул. 3. Сервис для получения набора формул для вычисления коэффициента преобразования ФТЭ: string[] getCalculationFormulas(string[] values); На вход подается перечень интерпретированных величин, т. е. ссылок на экземпляры онтологии (values). Результатом выполнения сервиса являются идентификаторы формул. Заключение В ходе исследований рассмотрено формальное представление предметной области ФТЭ в терминах ЭИМЦ и основанной на нем онтологии цепей различной физической природы. Разработка онтологий для цепей разной физической природы в терминах ЭИМЦ является необходимым условием создания и функционирования баз знаний о физических явлениях и эффектах для автоматизированных систем поддержки инженерного творчества. Предложенный комплекс методов обработки информации в базе знаний по ФТЭ предоставляет возможность создавать уникальные справочные системы и уменьшает трудоемкость работы экспертов по созданию паспортов ФТЭ, поиску множества оценок эксплуатационных характеристик технической реализации этих эффектов. Предложенный алгоритм перевода формул, известных в физике, к виду, принятому в ЭИМЦ, упрощает работу пользователя, не являющегося экспертом в области ЭИМЦ, с полученной специализированной базой знаний. Разработанная онтология позволяет производить поиск по базе ФТЭ, описанных в терминах ЭИМЦ, используя запросы, сформулированные для физических величин и констант.
1. Sensors: Technologies and Global Markets, Market Research Report from site BCC Research // URL: http://www.bccresearch.com/market-research/instrumentation-and-sensors/sensors-technologies-markets-ias006d.html (дата обращения: 07.05.2015).
2. Altov H. The Art of Inventing and Suddenly the Inventor Appeared / H. Altov, G. S. Altshuller. Technical Innovation Center, Worcester, MA, USA, 1994.
3. Optimize Decision-Making Across the Product Lifecycle (White Paper) // URL: http://www.ihs.com/images/ wp-Optimize-Decision-Making-Across-Product-Lifecycle.pdf (дата обращения: 09.05.2015).
4. Pahl G. Engineering Design / G. Pahl, W. Beitz. Springer-Verlag, Berlin, 1995.
5. Koller R. Konstruktionslehre für den Maschinenbau - Grundlagen des methodischen Konstruierens / R. Koller. Springer, Berlin, 1985.
6. Дворянкин A. M. Об автоматизации поиска принципов действия технических систем на основе банка данных физических явлений / A. M. Дворянкин, А. И. Половинкин, А. Н. Соболев // Кибернетика. 1978. № 1. С. 80-86.
7. Камаев В. А. Моделирование физических принципов действия и формирование множеств технических решений преобразователей энергии / В. А. Камаев, А. А. Яковлев // Информационные технологии. 2006. № 1. С. 2-8.
8. Zaripov M. Project of creation of knowledge base on physical and technological effects / M. Zaripov, I. Petrova, V. Zaripova // Joint IMEKO TC-1 & XXXIV MKM Conference Education in Measurements and Instrumentation - Challenges of New Technologies 2002, Proceedings of TC-1 Symposium. 2002. Vol. 1, pp. 171-176.
9. Petrova I. Systems of teaching engineering work on base of internet technologies / I. Petrova, V. Zaripova // International Journal "Information Technologies and Knowledge". 2007. Vol. 1. P. 89-95.
10. Зарипова В. М. Объектно-ориентированная модель базы знаний о физико-технических эффектах для системы концептуального проектирования новых элементов информационно-измерительных систем и систем управления / В. М. Зарипова // Прикаспийский журнал: управление и высокие технологии. 2013. № 1. С. 162-171.
11. Петрова И. Ю. Энергоинформационные модели биосенсоров / И. Ю. Петрова, В. М. Зарипова, Ю. А. Лежнина, В. М. Сокольский, И. А. Митченко // Вестн. Астрахан. гос. техн. ун-та. Сер.: Управление, вычислительная техника и информатика. 2015. № 3. С. 35-48.
12. Yan W. A New Method of Using Physical Effects in Su-Field Analysis based on Ontology Reasoning / W. Yan, C. Zanni-Merk, F. Rousselot, D. Cavallucci, P. Collet // 17th International Conference in Knowledge Based and Intelligent Information and Engineering Systems - KES2013, Procedia Computer Science. 22. 2013. Vol. 22. P. 30-39.
13. Song-Kyoo Kim. Conceptual Design Based on Substance-Field Model in Theory of Inventive Problem Solving / Song-Kyoo Kim // International Journal of Innovation, Management and Technology. 2012. Vol. 3, no. 4. P. 306-309.
14. Шикульская О. М. Модернизация концептуальной модели банка данных по физико-техническим эффектам на базе современных информационных технологий / О. М. Шикульская, Э. Р. Незаметдинова // Измерительная техника. 2007. № 1. С. 7-9.
15. Protalinskiy O. M. Technical Solutions for Conceptual Design Search Automation / O. M. Protalinskiy, T. V. Khomenko, O. V. Grigoriev // World Applied Sciences Journal (Information Technologies in Modern Industry, Education & Society). 2013. Vol. 24, no. 24. P. 138-144.
16. Хоменко Т. В. Системные подходы к анализу измерительных устройств / Т. В. Хоменко // Вестн. Астрахан. гос. техн. ун-та. Сер.: Управление, вычислительная техника и информатика. 2009. № 1. С. 88-93.
17. Guarino N. Towards very large knowledge bases - knowledge building and knowledge sharing / N. Guarino, P. Giaretta. Amsterdam, IOS Press, 1995. P. 25-32.
