Помощь в написании студенческих работ
Антистрессовый сервис

Контекстно-ориентированное управление знаниями для персонифицированной поддержки взаимодействия участников производственных сетей

Диссертация: Контекстно-ориентированное управление знаниями для персонифицированной поддержки взаимодействия участников производственных сетей
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Апробация результатов работы. Основные положения и результаты диссертационной работы представлялись на международной конференции «Региональная информатика-2004» — международной научно-практической конференции «Логистика: современные тенденции развития», 2006; международной конференции «Региональная информатика — 2006» — международной конференция информационных систем на предприятиях (ICEIS… Читать ещё >

Контекстно-ориентированное управление знаниями для персонифицированной поддержки взаимодействия участников производственных сетей (реферат, курсовая, диплом, контрольная)

Содержание

  • Положения, выносимые на защиту
  • Глава 1. Управление знаниями в производственных сетях
    • 1. 1. Производственные сети и их особенности
    • 1. 2. Использование контекста в управлении знаниями
    • 1. 3. Существующие системы управления знаниями
    • 1. 4. Существующие системы профилирования пользователей
    • 1. 5. Выводы по главе
  • Глава 2. Комплексный подход к контекстно-ориентированному управлению знаниями в производственных сетях
    • 2. 1. Использование объектно-ориентированных сетей ограничений для представления знаний
      • 2. 2. Принципы построения контекстно-ориентированных систем управления знаниями в производственных сетях
      • 2. 3. Онтологическая модель и модель контекста для системы управления знаниями в производственной сети
      • 2. 4. Онтологический подход к контекстно-ориентированному управлению знаниями в производственных сетях
      • 2. 5. Выводы по главе
  • Глава 3. Модели и метод построения компонент профилирования для контекстно-ориентированных систем управления знаниями в производственных сетях
    • 3. 1. Модель профиля пользователя в системах управления знаниями в производственных сетях
    • 3. 2. Модель профиля участника производственной сети
    • 3. 3. Метод онтолого-ориентированной кластеризации для выявления предпочтений и группирования пользователей и участников производственной сети на основе истории их работы с системой
    • 3. 4. Оценка сложности метода онтолого-ориентированной кластеризации
    • 3. 5. Выводы по главе
  • Глава 4. Практическое использование предложенных моделей и алгоритмов при построении систем управления знаниями
    • 4. 1. Разработка прототипа контекстно-ориентированной системы управления знаниями для автомобильной промышленности
    • 4. 2. Система персонифицированной оперативной поддержки принятия решения в чрезвычайных ситуациях
    • 4. 3. Среда для управления онтологиями в системах управления знаниями
    • 4. 4. Система управления знаниями для автоматизированного построения кодов продуктов крупной промышленной компании
    • 4. 5. Выводы по главе

Актуальность темы

диссертации. Растущая конкуренция между компаниями и ужесточение требований потребителей является причиной глобальных изменений в мировой экономике. Среди результатов таких изменений можно выделить растущий уровень сотрудничества между компаниями-производителями. Данный рост может быть объяснён тем, что организации, построенные по сетевому принципу и состоящие из большого количества участников, обычно более гибкие и устойчивые, чем иерархически организованные крупномасштабные компании.

Производственная сеть — это совокупность объединенных на принципах кооперации в рамках единого информационного пространства технологических ресурсов юридически независимых предприятий, способных на основании, их координации и оперативного распределения производить конечный продукт или услугу.

Однако сетевой принцип организации предприятий требует оперативной координации большого количества независимых участников большой сети, для чего необходимо использование систем управления знаниями с целью формирования общего информационного взаимодействия. Для представления знаний в последнее время широко применяются онтологии. Онтология — это подробная спецификация модели предметной областиона включает в себя словарь (т.е. список логических констант и предикатных символов) для описания предметной области и набор логических высказываний, формулирующих существующие в данной проблемной области ограничения и определяющих интерпретацию словаря.

Для повышения эффективности и оперативности взаимодействия участников производственной сети система управления знаниями должна быть персонифицированной. С этой целью каждый зарегистрированный в системе участник должен быть описан набором характеристик, определяющих информацию, необходимую для взаимодействия с ним другим участникам.

В системах управления знаниями предлагается применение контекста для использования актуальных на текущий момент знаний. Контекстом называется информация, которая может быть использована, чтобы охарактеризовать ситуацию, в которой находится некоторый объект. Применительно к системе управления знаниями в роли объекта выступает участник производственной сети.

Всё вышеперечисленное обуславливает актуальность контекстно-ориентированных систем управления знаниями в производственных сетях и требует проведения исследований для построения таких систем.

Цель работы и задачи исследования. Основной целью диссертационной работы является разработка онтологического подхода и моделей контекстно-ориентированной системы управления знаниями в производственной сети для персонифицированной поддержки взаимодействия ее участников с целью повышения оперативности принятия решений данными участниками при её функционир овании.

Для достижения поставленной цели в диссертационной работе поставлены и решены следующие задачи:

• Анализ существующих систем управления знаниями, систем профилирования, современных технологий, используемых в системах управления знаниями в производственных сетях, а также использования контекстного подхода к управлению знаниями.

• Разработка онтологического подхода к контекстно-ориентированному управлению знаниями в производственных сетях.

• Разработка метода и моделей, обеспечивающих персонифицированную поддержку взаимодействия участников производственной сети и пользователей системы управления знаниями.

• Реализация разработанных моделей и метода с целью их апробации.

Методы исследования. В работе используются методы искусственного интеллектатеория графовтеория множествпредставление знаний, основанное на онтологиях, фреймовых моделях и сетях ограничений.

Научная новизна. В диссертации разработан комплекс моделей для персонифицированной поддержки взаимодействия участников производственной сети на основе контекстно-ориентированной системы управления знаниями.

1. Предложен онтологический подход к контекстно-ориентированному управлению знаниями, отличающийся применением контекста для использования актуальных на текущий момент знаний и технологий профилирования пользователей и участников производственной сети и позволяющий повысить оперативность принятия решений участниками производственной сети при её функционировании.

2. Разработана онтологическая модель производственной сети, содержащая знания о предметной области, позволяющая различным составляющим системы управления знаниями использовать их для поддержки взаимодействия участников производственной сети.

3. Разработана информационная модель профиля. участника производственной сети, позволяющая формально описать его многоаспектную деятельность и предоставить эту информацию другим участникам производственной сети, отличающаяся возможностью автоматизированного выявления предпочтений участников производственной сети.

4. Разработана информационная модель профиля пользователя системы управления знаниями, позволяющая накапливать и анализировать всю доступную информацию о пользователе, отличающаяся возможностью выявлять и использовать предпочтения пользователя и группировать пользователей на основе истории их работы с системой.

5. Разработан метод онтолого-ориентированной кластеризации для выявления предпочтений и группирования пользователей и участников производственной сети на основе истории их работы в системе, предоставляющий возможность уточнения предпочтений пользователей и участников производственной в процессе функционирования системы управления знаниями.

Обоснованность и достоверность научных положений обеспечены анализом состояния исследований в данной области на сегодняшний день, подтверждаются корректностью предложенных моделей, алгоритмов и согласованностью результатов, полученных при практической реализации этих моделей и алгоритмов, а также апробацией основных теоретических положений в печатных трудах и докладах на российских и международных научных конференциях.

Практическая ценность работы. Модели, разработанные в данной диссертационной работе, направлены на повышение эффективности функционирования производственной сети за счёт использования контекстно-ориентированной системы управления знаниями, организующей персонифицированную поддержку взаимодействия участников производственной сети.

Разработанный метод онтолого-ориентированной кластеризации позволяет выявлять предпочтения пользователей системы управления знаниями и участников производственной сети на основе анализа их профилей. Выявленные предпочтения позволяют персонифицировать работу системы управления знаниями путём предложения пользователям или участникам производственной сети именно той информации, которая коррелирует с их предпочтениями или предпочтениями других пользователей из его группы.

Разработанные прототипы программного обеспечения могут быть адаптированы для работы в других предметных областях, что потребует использования соответствующей онтологической модели.

Реализация результатов работы. Исследования, отраженные в диссертации, были поддержаны грантами РФФИ (№ 02−01−284, 2006;2008 гг.- № 06−07−89 242, 2006;2008 гг.- № 05−01−151, 2005;2007 гг.) — грантом ОИТВС РАН (№ 1.9, 2003;2005 гг.) — программой Президиума РАН (№ 2.35, 2003;2008 гг.) — Европейским проектом ILIPT (№ 507 592, 2004;2008). Часть результатов была использована при работе по проекту МНТЦ № 1993Р, 2000;2003 гг. Разработанные программные прототипы предложенных моделей использовались при выполнении контракта Web-DESO, 2002;2003 гг.- проекта «Интеллектуальный доступ к каталогам и документам», 2003;2004 ггпроекта «New Order Code», 2005;2008 гг.- проекта CRDF, 2005;2006 гг.

Апробация результатов работы. Основные положения и результаты диссертационной работы представлялись на международной конференции «Региональная информатика-2004" — международной научно-практической конференции «Логистика: современные тенденции развития», 2006; международной конференции «Региональная информатика — 2006" — международной конференция информационных систем на предприятиях (ICEIS 2007) — международной конференции по электро/информационным-технологиям (IEEE), 2006; совместной конференции: международном симпозиуме по «Mass Customization 2006» (IMCM'06) и международной конференции по экономическим, техническим и организационным аспектам систем конфигурирования продуктов (РЕТО'Об) — международной конференции по жизненному циклу продукции (PLM 2007).

Структура' и объем работы. Диссертация объемом 132 машинописных страницы содержит введение, четыре главы и заключение, список литературы (111 наименований), 9 таблиц, 51 рисунок.

4,5. Выводы по главе.

Разработанные в диссертации модели позволили осуществить следующие успешные приложения:

Реализация онтологической модели производственной сети, онтологического подхода к контекстно-ориентированному управлению знаниями моделей профиля пользователя и участника производственной сети позволила создать прототип системы управления знаниями в рамках проекта ILIPT, что позволит в будущем повысить эффективность функционирования автомобилестроительной производственной сети.

Разработанная в рамках контракта «Web-DESO: основанная на VRML программная среда для управления онтологиями» для исследовательского центра Форд, г. Деарборн, США, была разработана среда, которая позволила создать онтологическую модель производственной сети и использовать данную модель в других системах.

В рамках проекта с немецкой компанией был апробирован метод онтолого-ориентированной кластеризации, который позволил группировать пользователей и выявлять их предпочтения на основе истории их работы с системой.

Заключение

.

Совокупность сформулированных и обоснованных в диссертационной работе положений, а также её практические результаты представляют собой решение актуальной научно-технической задачи контекстно-ориентированного управления знаниями для персонифицированной поддержки взаимодействия" участников производственной сети. При этом были получены следующие результаты:

1. Предложен комплексный подход к построению контекстно-ориентированной системы управления знаниями в производственных сетях, основанный на использовании онтологической модели производственной сети, отличающийся применением контекста для использования актуальных на текущий момент знаний и технологий профилирования пользователей и участников производственной сети.

2. Разработана онтологическая модель производственной сети, основанная на объектно-ориентированном подходе. Данная модель позволяет (а) формализовать основные процессы, протекающие в производственной сети- (б) использовать при построении модели существующие онтологические модели, описывающие различные аспекты рассматриваемой задачи.

3. Разработана информационная модель профиля участника производственной сети, включающая предпочтения участников производственной сети, часть из которых участник предоставляет системе сам, а часть выявляется с использованием метода онтолого-ориентированной кластеризации. Информация из профиля участника позволяет ускорить взаимодействие участников производственной сети, предоставляя им возможность получать наиболее полную и структурированную информацию друг относительно друга.

4. Разработана информационная модель профиля пользователя системы управления знаниями, позволяющая персонифицировать поддержку пользователя в системе управления знаниями, что позволяет предоставлять пользователю в первую очередь именно ту информацию, которая коррелирует с его интересами, и отличающаяся возможностью выявлять и использовать предпочтения пользователя, а также группировать пользователей на основе истории их работы с системой.

5. Разработан метод онтолого-ориентированной кластеризации для выявления предпочтений и группирования пользователей и участников производственной сети на основе истории их работы с системой, которая хранится в профиле пользователя и участника производственной сети. Метод позволяет выявлять предпочтения пользователей и участников производственной сети и использовать их для персонификации пользователя в системе.

Показать весь текст

Список литературы

  1. В. Э., Яцук В. Я. Алгебра на фреймах для манипулирования знаниями. Изв. АН СССР. // Техн. Кибернетика, 1984. -№ 5. с. 8−27.
  2. Т.А., Хорошевский В. Ф. Базы знаний интеллектуальных систем, Санкт-Петербург, Питер, 2000. 384 с.
  3. Р. Топосы. Категорный анализ логики / Пер. с англ. М.: Мир, 1983.487 с.
  4. Л.И., Молочник В. И., Яблочников Е. И. Информационные технологии в проектировании и производстве. Политехника. Санкт-Петербург. 2008. 304 с.
  5. Д.А. Виртуальные предприятия и логистические цепи: комплексный подход к организации и оперативному управлению в новыхформах производственной кооперации, Санкт-Петербрг, СПбГУЭФ, 2003. j J’v < ,
  6. А. М. Концептуальная модель системы управления знаниями в производственных сетях // Труды СПИИРАН / Под ред. P.M. Юсупова, СПб.: Наука, 2007. Вып. 5. с. 47−59.
  7. А. М. Автоматизация взаимодействия участников производственной сети на основе технологии управления компетенциями // Автоматизация в промышленности. 2008. — № 3. с. 9−11.
  8. A.M. Современные принципы построения систем управления знаниями в производственных сетях, труды 5 международной научнопрактической конференции логистика: современные тенденции развития, 20−21 апреля 2006, СПб, с. 126−129.
  9. A.M. Подход к трёхмерной визуализации онтологий в рамках редактора онтологий web-deso, IX Санкт-Петербургская международная конференция «Региональная информатика 2006», 24−26 октября 2006, СПб.
  10. A.M. Профилирование в системах управления корпоративными знаниями. IX Санкт-Петербургская международная конференция «Региональная информатика 2004», 22−24 июня 2004, СПб.
  11. Д. Искусство программирования для ЭВМ, Мир, Москва, 1976.
  12. Кук Д., Бейз Г. Компьютерная математика Наука, Москва, 1990. С. 383.
  13. Т.В., Пашкин М. П., Смирнов А. В., Шилов Н. Г. «Web-DESO»:система управления онтологиями. Труды восьмой национальной конференции по искусственному интеллекту (КИИ'2002), Коломна, Россия М.: Физматлит, 7−12 октября 2002. Т. 1. с. 437−445.
  14. Т.В. Модель контекста в системах интеллектуальной поддержки принятия решений. Труды Института системного анализа РАН. М.: ИСА РАН, 2009.
  15. В.Н., Осипова В. А. Курс Дискретной математики МАИ, Москва, 1992. 262 с.
  16. К., Риддерстралле Й. Бизнес в стиле фанк навсегда. Капитализм в удовольствие. Стокгольмская школа экономики. 2000. 328с.
  17. В.П. Математический аппарат инженера, Киев, Техника, 1977. с. 766.
  18. И.И. Логистическая концепция управления предприятием. -СПб.: ДНТП общества «Знание», ИВЭСЭП, 2001. 224 с.
  19. А.В., Пашкин М.П, Шилов Н. Г., Левашова Т. В., «Онтологии в системах искусственного интеллекта: способы построения и организации» Новости искусственного интеллекта, 2002. № 1. Часть 1. с.-З—13. № 2. Часть 2. с. 3−9.
  20. А.В., Пашкин М. П., Шилов Н. Г., Левашова Т. В. Управление онтологиями // Известия РАН. Теория и системы управления, 2003. Часть 1. — № 4. — Часть 2. — № 5.
  21. А.В., Левашова Т. В. Пашкин М.П., Шилов Н. Г. Онтолого-ориентированный многоагентный подход к построению систем интеграции знаний из распределённых источников. Информационные технологии и вычислительные системы, 2002. № 1. с. 62−82.
  22. А. Н., Геращенко Н. И. Электронная коммерция: мировой и российский опыт. — М.: Открытые Системы, 2000. 224 с.
  23. Электронная коммерция. В2В-программирование. СПб.: BHV-Санкт-Петербург, 2001. 368 с.
  24. An integrated Self Organizing Knowledge management (kManager) system, URL: http://www.kmanager.com/, 2006.
  25. AnaXagora project^ URL: http://www.anaxagora.tudor.lu/, 2006.
  26. Barrett K., Power R. State of the Art: Context Management // M-Zones Research Programme, 2003. Deliverable 1.1. Pp. 69−87. — http://www.m-zones.org/deliverables/Dll/Context.pdf.
  27. Brezillon P. Context in Artificial Intelligence: I. A Survey of the Literature // Computer & Artificial Intelligence, 1999. Vol. 18. — № 4. Pp. 321—340.
  28. Brezillon P. Context in Artificial Intelligence: II. Key Elements of Contexts // Computer & Artificial Intelligence, 1999. Vol. 18. — № 5. Pp. 425146.
  29. Brezillon P. Context in Problem Solving: a Survey // The Knowledge Engineering Review, 1999. Vol. 14. — № 1. Pp. 1—34.
  30. Brezillon P. Context-based Modelling of Procedures and Practices in Business Environments // Report of the 2 COCONET Workshop «Roadmap Elaboration and Construction». Finland, Helsinki-Espoo, 2—3 December, 2002.
  31. Britto J. Technological Diversity and Industrial Networks: An Analysis of the Modus Operandi of Co-Operative Arrangements. SPRU Electronic Working Paper No 4. URL: http://www.sussex.ac.uk/Units/spru/publications/imprint/sewps/sewp04/sewp04. pdf, 1998.
  32. Bull S., Greer J., McCalla G., Kettel L. and Bowes J.: User Modelling in I-Help: What, Why, When and How, User Modeling 2001: 8th International Conference, Springer-Verlag, Berlin Heidelberg. Pp. 117−126, 2001.
  33. Cetintemel, U., Franklin, M. J. and Giles, C. L.: Self-Adaptive User Profiles for Large-Scale Data Delivery, Proceedings of the 16th International Conference on Data Engineering, 28 February 3 March, 2000. Pp. 622−633.
  34. Chaffee, J. and Gauch S.: Personal ontologies for Web navigation, Proceedings of the 2000 ACM CIKM International Conference on Information and Knowledge Management, McLean, USA. ACM Press, 2000.
  35. Chaudhri, V.K., Lowrance, J.D., Stickel, M.E., Thomere, J.F. and Wadlinger, R.J.: Ontology Construction Toolkit. Technical Note Ontology, AI Center. Report. SRI Project No. 1633, 2000.
  36. Chaudhri V.K. et al. Ontology Construction Toolkit. Technical Note Ontology. AI Center. — Report, January 2000. — SRI Project No. 1633. 85 p.
  37. Chen H.: Pervasive Computing Standard Ontology (PERVASIVE-SO) Guide -Describing User Profile and Preferences, URL: http://pervasive.semanticweb.org/doc/2004−01-ont-guide/partl/index.html, 2004
  38. CL Research Knowledge Management System, URL: http://www.clres.com/kms.html, 2006. i
  39. Composite Capability/Preference Profiles (CC/PP): Structure and Vocabularies 1.0. W3C Recommendation, 2004. — 15 января. — URL: http://www.w3.Org/TR/CCPP-struct-vocab/#CCPPArchitecture.
  40. Ebling M.R., Hunt G.D.H., Lei H. Issues for Context Services for Pervasive Computing // Workshop on Middleware for Mobile Computing. Heidelberg, i
  41. Germany, November 2001. URL: http://www.cs.arizona.edu/mmc/13 Ebling.pdf.
  42. Fallis, S., Millard, I. and De Roure, D.: Challenges in Context, A Position paper for the W3C «Mobile Web Initiative» Workshop at http://www.w3.Org/2004/l O/MWIWS-papers/context.html, 2004.
  43. Fink, J., Kobsa, A. and Nill, A.: Adaptable and Adaptive Information Access for All Users, Including the Disabled and the Elderly, User Modeling: Proceedings of the Sixth International Conference, UM97, WienNew York: Springer, 1997. Pp. 171−173.
  44. FIPA Ontology Service Specification. Geneva, Switzerland. Foundation for Intelligent Physical Agents, 2000. — XC000086C. — 59 p. -http://www.fipa.org/specs/fipa00086/.
  45. Floyd R. W. Algorithm 97 Shortest path, Comm. of ACM, 1962, 5, p. 345.
  46. Guarino, N.: Formal Ontology and Information Systems, proceedings of FOIS'98, Trento, Italy. IOS Press, Amsterdam, Holland, 1998. Pp. 3−15.
  47. Hahn A., Austing S. Strickmann J., Metrics The business intelligence side of PLM, Product Lifecycle Management, Assessing the Industrial Relevance, 2007, Pp. 11−20.
  48. Hyperware. eKnowledge Suite, URL: http://www.hyperwave.eom/e/products/eks.html, 2006. * *
  49. Intelligent Logistics for Innovative Product Technologies (2008),. ' «Vhttp://www.ilipt.org • '"1 «
  50. Intelligent CONtent Management System (ICONS) project, URL: http://www.icons.rodan.pl/, 2006.
  51. INVISION’s Knowledge Management System, URL: http://www.invision.net/InvisionLG/Services/ADI/BusiAppSol/Invision+Appl ications-Knowledge+Management+Systems.htm, 2006.
  52. Jagdev H. S., Browne J. The Extended Enterprise: A Context for Manufacturing. //Journal of Production Planning and Control, Vol. 9, No. 1, 1998, Pp. 216−229.
  53. K-Infinity project, URL: http://www.iviews. de/web/index.php%3 Foption=comcontent&task=view&id=: 13 &Itemid=4 5&lang=enGB.html, 2005.
  54. Klyne, G., Reynolds, F., Woodrow, C., Ohto, H., Hjelm, J., Butler, M. H. and Tran, L., Composite Capability/Preference Profiles (CC/PP): Structure and
  55. Vocabularies 1.0 W3C Recommendation 15 January 2004, URL: http://www.w3.org/TR/2004/REC-CCPP-struct-vocab-20 040 115.
  56. Knowledge Driven Business Operating System (kBOS), URL: http://www.kbos.net/, 2006
  57. Knowledge Management project KnowCoat, URL: http://www.pra.org.uk/projects/knowcoat.htm, 2006.
  58. Kules, В., User Modeling for Adaptive and Adaptable Software Systems, URL: http://www.otal.umd.edu/UUGuide/wmk/, 2000.
  59. Laclavik M., Seleng M., Hluchy L., Network Enterprise Interoperability and Collaboration using E-mail Communication, Expanding the Knowledge Economy: Issues, Applications, Case Studies, 2007, Pp. 1078−1085.
  60. Linden, G., Hanks, S. and Lesh, N., Interactive Assessment of User Preference Models: The Automated Travel Assistant, User Modeling: Proceedings of the 6th International Conference on User Modeling, UM97. Vienna, Springer, 1997. Pp. 67−78.
  61. McCarthy J. Notes on Formalizing Context // Proceedings of the International Joint Conference on Artificial Intelligence. Chambery, France, August 28 -September 3, 1993. — Morgan Kaufmann, 1993. — Vol. 1. Pp. 555−560.
  62. Mehran Sahami. Mining the Web to Determine Similatity Between Words, Objects, and Communities. The 19th International FLAIRS Conference, 2006.
  63. Metadata Visualisation Project URL: http://mdv.sourceforge.net/, 2006.
  64. Metis system, URL: http://www.metis.no/, 2006
  65. Morikawa, D., Honjo, M., Yamaguchi, A. and Ohashi, M., Profile Aggregation and Dissemination, A Framework for Personalized Service Provisioning, Ubicomp workshop, 2004.
  66. NASA. Process Based Mission Assurance. Knowledge Management System, 2005.
  67. Novo Solutions Customer Support & Knowledge Management Solutions, URL: http://www.novosolutions.com/knowledge-management-software/, 2006.
  68. O’Leary, D., E., Different firms, different ontologies, and no one best ontology, IEEE Intelligent Systems, 2000. Pp. 72−78.
  69. Olin J. G., Greis N. P., and Kasarda J. D. Knowledge management across multi-tier enterprises: the promise of intelligent software in the auto industry», European Management Journal, Vol. 17 No.4, 1999. Pp.335—347.
  70. Paranagama, P., Burstein, F. and Arnott, D., Modelling the Personality of Decision Makers for Active Decision Support, User Modeling: Proceedings of the Sixth International Conference, UM97, Vienna, Springer, 1997. Pp. 79−81.
  71. Pohl, W., LaboUr Machine Learning for User Modeling, Proceedings of the 7th international Conference on Human-Computer Interaction, 1997. Pp. 227 234.
  72. Pomerol J.-Ch., Brezillon P. About some relationships between knowledge and context // Modeling and Using Context (CONTEXT-Ol). Lecture Notes in Computer Science, Springer Verlag, 2001. Pp. 461−464.
  73. Pomerol J.-Ch., Brezillon P. Context proceduralization in decision making //: Modeling and Using Context (CONTEXT-03) / Eds. by P. Blackburn,
  74. C. Ghidini, R.M. Turner, F. Giunchiglia. Lecture Notes in Artificial Intelligence, Springer Verlag, 2003. — Vol. 2680. Pp. 491−498.
  75. Practical Tools and Methods for Corporate Knowledge Management Sharing and Capitalising Engineering Know-How in the Concurrent Enterprise CORMA), URL: http://www.corma.net/, 2005.
  76. Ranganathan A., Lei H. Context-Aware Communication // Computer, 2003. № 4. Pp. 90−92.
  77. Ruiz N., Giret a., Botti V., Identifying Roles, Goals and Scenarios at the Early Requirement Phase ofMultiagent System Modeling, International Transactions on Systems Science and Applications, October 2007, Vol. 3, N.3. Pp. 249−256.
  78. Santosh K. Rangarajan, Vir V. Phoha, Kiran S. Balagani, Rastko Selmic, S. Sitharama Iyengar: Adaptive Neural Network Clustering of Web Users. IEEE Computer 37(4). 2004. Pp. 34−40.
  79. Shy Alter, Sam Chan, Hugh Ranalli, Knowledge & Knowledge Management, ii3, Canada, 2004.
  80. System to engineer your Technical and Business Requirements Objectiver URL: http://www.objectiver.com/, 2006.
  81. The KIM Platform for Knowledge & Information Management, URL: http://www.ontotext.com/kim/index.html, 2006.
  82. The Semantic Web Community Portal, URL: http://www.semanticweb.org/, 2008.
  83. The Unbound Platform http://www.unboundmedicine.com/, 2008.
  84. Tiberghien G. Context and cognition: Introduction // Cahier de Psychologie Cognitive, 1986. Vol. 6. — № 2. Pp. 105−119.
  85. Unicorn system URL: http://unicorn.com/, 2006.
  86. Voss, A., Karbach, W, Drouven, U. & Lorek, D., Competence assessment in configuration tasks j Proceedings European Conference on AI, 1990, Pp. 676 681
  87. W3C: World Wide Web Consortium,-ЦБШ: http://www.w3.org/, 2003.,
  88. Web3D Consortium. Open Standards for Real-Time 3D Communication:108: Wiederhold G. Jannink J. Composing Diverse Ontologies // Technical’Report of Stanford University, Stanford, USA, 1998. 5
  89. Wong, S.K.M. and Butz, C.J., A Bayesian Approach to User Profiling in Information Retrieval- Technology Letters, Vol. 4, No. 1, 2000. Pp. 50−56.
  90. Wunram M., Concept of the CORMA Knowledge Management Model, The CORMA Consortium (Practical Methods and Tools for Corporate Knowledge Management: Sharing and Capitalising Engineering Know-How in the Concurrent Enterprise), Report 1, November 16,2001.
  91. Zukerman, I. and Albrecht, D.W. Predictive Statistical Models for User Modeling, User Modeling and User-Adapted Interaction, Vol. 11, No. 1−2, 2001. Pp. 5−18.
Заполнить форму текущей работой

Сессия? Спокойно!