Иркутская область, Россия
Иркутская область, Россия
ГРНТИ 28.29 Системный анализ
ОКСО 03.03.02 Прикладная математика и информатика
ББК 221 Математика
ТБК 55 Энергетика. Промышленность
В статье рассматривается применение методов семантического анализа и обработки естественного языка для поддержки исследований и прогнозирования инновационного развития энергетической инфраструктуры РФ. Рассмотрены существующие методы и подходы к организации мониторинга технологических решений и инновационных научных разработок. Для автоматизации мониторинга авторами предлагается применение методов обработки естественного языка (NLP). Семантический анализ и интеграция знаний основаны на системе онтологий. В работе представлены основные методы и подходы к построению инфраструктуры для обработки открытых Больших данных (Big Data). Применение предложенных методов позволяет повысить качество научных исследований в этой области и сделать их более эффективными.
научно-технологическое прогнозирование, семантический анализ, обработка естественного языка, Большие данные, поддержка научных исследований
1. C. Cagnin, M. Keenan, R. Johnston, F. Scapolo, R. Barre. Future-oriented technology analysis. strategic intelligence for an innovative economy. – Springer, 2008. – 170 p., DOI: 10.1007/978-3-540-68811-2.
2. Woon, W.L., Zeineldin, H., Madnick, S. Bibliometric analysis of distributed generation // Technol. Forecast. Soc. Change, vol. 78(3), 2011. – pp. 408–420. – http://hdl.handle.net/1721.1/98911
3. Прогноз научно-технологического развития отраслей топливно-энергетического комплекса России на период до 2035 года. Министрество энергетики Российской федерации, 2016. –http://minenergo.gov.ru/system/download-pdf/6365/66647
4. В.В. Диковицкий, М.Г. Шишаев. Обработка текстов естественного языка в моделях поисковых систем / Труды Кольского научного центра РАН, 2010, №3. – С. 29-34.
5. J.B. Lovins. Development of a Stemming Algorithm // Mechanical Translation and Computational Linguistics. – 1968. – Т. 11.
6. Jones K.S. A statistical interpretation of term specificity and its application in retrieval / Journal of Documentation: журнал. – MCB University: MCB University Press, 2004. – Vol. 60, no. 5. – P. 493-502. – ISSN 0022-0418.
7. Mikolov T., Chen K., Corrado G., Dean J. Efficient Estimation of Word Representations in Vector Space // Proceedings of Workshop at ICLR. – 2013a.
8. Mikolov T., Yih W.-T., Zweig G. Linguistic Regularities in Continuous Space Word Representations // Proceedings of NAACL HLT. – 2013b.
9. S. Bird, E. Klein, E. Loper. Natural Language Processing with Python – Analyzing Text with the Natural Language Toolkit. – http://www.nltk.org/book/
10. T.U. Daim, D. Chiavetta, A.L. Porter, O. Saritas. Anticipating future innovation pathways through large data analysis // Innovation, technology, and knowledge management. – Springer, 2016, – 360 p., DOI 10.1007/978-3-319-39056-7.
11. A. Kopaygorodsky. Methods and technologies of building an intelligent service for energy technology forecasting // International Scientific Journal Industry 4.0, 2018, Issue 5. –Scientific Technical Union of Mechanical Engineering "Industry 4.0". – Pp. 223-228. ISSN: 2534-8582
12. A. Kopaygorodsky. Technology of Application of Software Tools for Energy Technology Forecasting // Proceedings of the 21st International Workshop on Computer Science and Information Technologies (CSIT 2019). Part of series Atlantis Highlights in Computer Sciences, vol. 3. 2019. – Atlantis Press. – Pp. 267-272. ISBN 978-94-6252-868-0, DOI: 10.2991/csit-19.2019.47.
