Информационное онтологическое моделирование

Цели. Несмотря на широкое применение термина «онтология» в философии и социальных науках, в области информатики онтология и, тем более, онтологическое моделирование остаются мало изученными. Также мало исследована онтология в области информационного поля. Цель работы – разработка методики информационного онтологического моделирования и исследование технологии информационного поиска в широком смысле и как части онтологического моделирования. На основе онтологического моделирования необходимо показать различие между закономерностью и функциональной зависимостью.

Методы. Для достижения цели применен логически структурный подход, включающий построение концептуальных схем и логический формализм их описания. Логически структурный подход включает построение концептуальных схем, которые служат для применения логического формализма. Основой логического моделирования является выделение родственных моделей. Для этой цели предлагается применить расширенную технологию информационного поиска, которая ищет не отдельные объекты, а группы объектов. Онтологическое исследование строится на применении перехода от качественного описания к количественному. К числу применяемых методов относится метод количественно-качественных переходов.

Результаты. Вводится новое понятие – информационное онтологическое моделирование. Обоснованы условия онтологического моделирования. Исследованы отношения между понятиями закономерности и функциональности. На этой основе дается трактовка закономерности и функциональной зависимости. Показано структурное и формальное различие между информационным моделированием, технологиями информационного поиска и онтологическим моделированием. Раскрыты три задачи информационного поиска. При онтологическом моделировании решают вторую и третью задачи информационного поиска, соответственно, поиск группы связанных между собой объектов и поиск отношений или связей внутри группы связанных между собой объектов. Даны формальные схемы онтологического моделирования. Показан переход от отношений к связям в случае онтологического моделирования.

Выводы. Доказано, что онтологическое моделирование можно применять только к родственным моделям или к моделям, между которыми существует общность. Предложена технология онтологического моделирования, в варианте которой информационный поиск является начальной частью онтологического моделирования. Вторым вариантом является применение технологии кластерного анализа. Онтологическое моделирование использует качественно-количественные переходы и в предлагаемом варианте может служить для извлечения неявного знания.

1. Gigi M., Tzfadia E. Frontieriphery: An anti-positivist ontological approach to intersectional investigation. Ethnopolitics. 2023;23(4):1–17. http://doi.org/10.1080/17449057.2023.2176586

2. Bader S., Pullmann J., Mader C., et al. The international data spaces information model–an ontology for sovereign exchange of digital content. In: Pan J.Z., et al. The Semantic Web – ISWC 2020. ISWC 2020. Series: Lecture Notes in Computer Science. Springer; 2020. V. 12507. P. 176–192. https://doi.org/10.1007/978-3-030-62466-8_12

3. Lin J., Ma X., Lin S.C., et al. Pyserini: A Python toolkit for reproducible information retrieval research with sparse and dense representations. In: Proceedings of the 44th International ACM SIGIR Conference on Research and Development in Information Retrieval. 2021. Р. 2356–2362. https://doi.org/10.1145/3404835.3463238

4. Кудж С.А. Информационное поле. М.: МАКС Пресс; 2017. 97 с. ISBN 978-5-317-05530-1

5. Bolbakov R.G., Sinitsyn A.V., Tsvetkov V.Ya. Onomasiological modeling in the information field. J. Phys.: Conf. Ser. The Third International Conference on Metrological Support of Innovative Technologies (ICMSIT-III-2022). 2022;2373(2):2201. http://doi.org/10.1088/1742-6596/2373/2/022010

6. Sánchez-Zas C., Villagra V., Vega-Barbas M., et al. Ontology-based approach to real-time risk management and cybersituational awareness. Future Gener. Comput. Syst. 2023;141(2):462–472. https://doi.org/10.1016/j.future.2022.12.006

7. Milton S., Kazmierczak E., Thomas L. Ontological foundations of data modeling in information systems. In: AMCIS 2000 Proceedings. 2000. P. 292. URL: https://aisel.aisnet.org/amcis2000/292

8. Lu W., Xiong N., Park D.S. An ontological approach to support legal information modeling. J. Supercomput. 2012;62:53–67. https://doi.org/10.1007/s11227-011-0647-8

9. Lee Y.C., Eastman C.M., Solihin W. An ontology-based approach for developing data exchange requirements and model views of building information modeling. Adv. Eng. Informatics. 2016;30(3):354–367. https://doi.org/10.1016/j.aei.2016.04.008

10. Karshenas S., Niknam M. Ontology-based building information modeling. Comput. Civil Eng. 2013;2013:476–483. https://doi.org/10.1061/9780784413029.060

11. Сигов А.С., Цветков В.Я., Рогов И.Е. Методы оценки сложности тестирования в сфере образования. Russian Technological Journal. 2021;9(6):64–72. https://doi.org/10.32362/2500-316X-2021-9-6-64-72

12. Kogalovsky M.R., Kalinichenko L.A. Conceptual and ontological modeling in information systems. Program. Comput. Soft. 2009;35:241–256. https://doi.org/10.1134/S0361768809050016

13. Сигов А.С., Цветков В.Я. Неявное знание: оппозиционный логический анализ и типологизация. Вестник Российской Академии Наук. 2015;85(9):800–804. https://doi.org/10.7868/S0869587315080319

14. Ostrom T.M., Pryor J.B., Simpson D.D. The organization of social information. In: Social Cognition. Routledge; 2022. P. 3–38.

15. Tsvetkov V.Ya., Romanchenko A., Tkachenko D., et al. The Information Field as an Integral Model. In: Silhavy R., Silhavy P. (Eds.). Software Engineering Research in System Science. CSOC 2023. Series: Lecture Notes in Networks and Systems. Springer. 2023;722:174–183. https://doi.org/10.1007/978-3-031-35311-6_19

16. Ikotun A.M., Ezugwu A.E., Abualigah L., et al. K-means clustering algorithms: A comprehensive review, variants analysis, and advances in the era of big data. Inf. Sci. 2023;622(11):178–210. https://doi.org/10.1016/j.ins.2022.11.139

17. Thayyib P.V., Mamilla R., Khan M., et al. State-of-the-art of artificial intelligence and big data analytics reviews in five different domains: a bibliometric summary. Sustainability. 2023;15(5):4026. https://doi.org/10.3390/su15054026