Научно-популярная лекция в «Прогресс-Школе»
https://progress-school.timepad.ru/event/294923/
(+добавлено несколько справочных слайдов со ссылками)
Понятийные системы являются основой представления знаний как в голове человека, так и в памяти компьютера. Они могут иметь разные названия в зависимости от способа организации понятий внутри системы и дисциплины, к которой они относятся. Например, тезаурус, онтология, справочный классификатор, концептуальная карта и др. Такие понятийные системы используются для оптимизации поиска информации, автоматизированного решения задач, интеграции данных, анализа текстов на естественном языке и, просто, для повышения эффективности коммуникаций. Области их применения разнообразны: от менеджмента до физики, от персональной работы с информацией до корпоративных систем и глобальной сети.
Дмитрий Кудрявцев ВШМ СПбГУ RKM- 2016 Дифференциация методов и инструментов КМvalveindustryhub
Дифференциация методов и инструментов управления знаниями в зависимости от области и типа знаний. Методы и инструменты КМ - Knowledge exchange toolbox. UNICEF, 2015. http://www.unicef.org/knowledge-exchange/
Raport – Największe Zagrożenia Dla Bezpieczeństwa w Internecie w 2016 Roku.Cybersecurity Foundation
Fundacja Bezpieczna Cyberprzestrzeń już po raz czwarty przygotowała raport o zagrożeniach czyhających w sieci Internet. Początek roku to zwykle podsumowanie tego co było i pierwsza próba przygotowania się na to co może nastąpić. Wiele firm na podstawie opracowań i przewidywań własnych lub zewnętrznych przeprowadza w tym czasie analizy tego co działo się w minionym roku i jednocześnie, planuje budżety i działania strategiczne dotyczące wejścia w nadchodzący rok. Podobnie jest, jeśli chodzi o branżę cyberbezpieczeństwa.
Tradycyjnie więc przygotowaliśmy dla Państwa raport, w którym chcemy przedstawić najbardziej prawdopodobne i najbardziej groźne zjawiska w cyberprzestrzeni jakie mogą się pojawić
w nadchodzącym roku.
Na wstępie zamieszczamy podsumowanie tego co zdarzyło się w roku 2015. Przedstawimy również przewidywania w dalszej części tego raportu, chcemy uczulić na to, co potencjalnie najgroźniejsze. Naszym celem jest aby raport ten był pomocny w działaniach na rzecz minimalizacji ryzyka działań w cyberprzestrzeni. Specjaliści od zarządzania ryzykiem szczególnie mogą z niego skorzystać, chociażby dzięki wartościowaniu poszczególnych zagrożeń.
Przygotowany raport na temat prognoz dotyczących zagrożeń teleinformatycznych w 2016 roku jest czwartą edycją tego raportu po edycjach dotyczących roku 2013, 2014 i 2015. Jednocześnie jest pierwszym tego typu raportem, na wyniki którego składają się z głosy polskich specjalistów ds. bezpieczeństwa teleinformatycznego. Dotychczas przy analizie tego co może być groźne w nadchodzącym okresie korzystaliśmy z opinii innych podmiotów i specjalistów z zagranicy.
Raport:
https://www.cybsecurity.org/wp-content/uploads/2016/02/Raport_FBC_Raport-Cyberzagrozenia_2016.pdf
[Infografico] 9 Passos Para um Perfil Campeao no LinkedinFelipe Matheus
É trabalho de todos os profissionais que possuem um perfil no LinkedIn buscar o status de Perfil Campeão. Além de beneficiar você nas buscas, quanto mais completo seu perfil, melhor irá funcionar para você aproveitar o que a rede tem a oferecer...
Imagem original em: http://www.felipematheus.com.br/infografico-9-passos-para-um-perfil-campeao-no-linkedin
Laporan akhir MODUL 5 PROFILE PROJECTOR METROLOGI INDUSTRI UNRI DIAN HARYANTO 1407123394 KALAU DOWNLOAD ADA YANG SALAH TOLONG BERI TAHU SAYA SMS 082281199396
Дмитрий Кудрявцев ВШМ СПбГУ RKM- 2016 Дифференциация методов и инструментов КМvalveindustryhub
Дифференциация методов и инструментов управления знаниями в зависимости от области и типа знаний. Методы и инструменты КМ - Knowledge exchange toolbox. UNICEF, 2015. http://www.unicef.org/knowledge-exchange/
Raport – Największe Zagrożenia Dla Bezpieczeństwa w Internecie w 2016 Roku.Cybersecurity Foundation
Fundacja Bezpieczna Cyberprzestrzeń już po raz czwarty przygotowała raport o zagrożeniach czyhających w sieci Internet. Początek roku to zwykle podsumowanie tego co było i pierwsza próba przygotowania się na to co może nastąpić. Wiele firm na podstawie opracowań i przewidywań własnych lub zewnętrznych przeprowadza w tym czasie analizy tego co działo się w minionym roku i jednocześnie, planuje budżety i działania strategiczne dotyczące wejścia w nadchodzący rok. Podobnie jest, jeśli chodzi o branżę cyberbezpieczeństwa.
Tradycyjnie więc przygotowaliśmy dla Państwa raport, w którym chcemy przedstawić najbardziej prawdopodobne i najbardziej groźne zjawiska w cyberprzestrzeni jakie mogą się pojawić
w nadchodzącym roku.
Na wstępie zamieszczamy podsumowanie tego co zdarzyło się w roku 2015. Przedstawimy również przewidywania w dalszej części tego raportu, chcemy uczulić na to, co potencjalnie najgroźniejsze. Naszym celem jest aby raport ten był pomocny w działaniach na rzecz minimalizacji ryzyka działań w cyberprzestrzeni. Specjaliści od zarządzania ryzykiem szczególnie mogą z niego skorzystać, chociażby dzięki wartościowaniu poszczególnych zagrożeń.
Przygotowany raport na temat prognoz dotyczących zagrożeń teleinformatycznych w 2016 roku jest czwartą edycją tego raportu po edycjach dotyczących roku 2013, 2014 i 2015. Jednocześnie jest pierwszym tego typu raportem, na wyniki którego składają się z głosy polskich specjalistów ds. bezpieczeństwa teleinformatycznego. Dotychczas przy analizie tego co może być groźne w nadchodzącym okresie korzystaliśmy z opinii innych podmiotów i specjalistów z zagranicy.
Raport:
https://www.cybsecurity.org/wp-content/uploads/2016/02/Raport_FBC_Raport-Cyberzagrozenia_2016.pdf
[Infografico] 9 Passos Para um Perfil Campeao no LinkedinFelipe Matheus
É trabalho de todos os profissionais que possuem um perfil no LinkedIn buscar o status de Perfil Campeão. Além de beneficiar você nas buscas, quanto mais completo seu perfil, melhor irá funcionar para você aproveitar o que a rede tem a oferecer...
Imagem original em: http://www.felipematheus.com.br/infografico-9-passos-para-um-perfil-campeao-no-linkedin
Laporan akhir MODUL 5 PROFILE PROJECTOR METROLOGI INDUSTRI UNRI DIAN HARYANTO 1407123394 KALAU DOWNLOAD ADA YANG SALAH TOLONG BERI TAHU SAYA SMS 082281199396
Informal Job Sector or the Blue Collar Job Market makes a significant portion of Indian economy.
There is no centralized system to organize the informal job to arrange to offer better quality permanent jobs to them.
Emissor de NFCe - Nota Fiscal Eletronica + Daruma DR800LMichael Belmonte
O KIT EMISSOR NFCE surgiu da necessidade de agregar dois produtos essenciais para quem precisa emitir Cupons Fiscais Eletrônicos de forma rápida e prática.
A composição do KIT NFCE está formada de dois produtos distintos:
- Sistema Emissor de Nota Fiscal Eletrônica – NFCe – Simplér da Systronic Tecnologia;
- Impressora Térmica Não Fiscal Daruma DR800L;
Veja logo em seguida os detalhes de cada produto...
Intermediari Assicurativi 3.0 Lancio del 1° market-place insurance-arena.com® insurance-arena.com®
1° Market-place per intermediari assicurativi Italiano.
Nasce la versione 2.0 della piattaforma digitale libera, democratica e indipendente per favorire la collaborazione tra intermediari e permettere di trovare nuove collaborazioni specialistiche da attivare nella logica della domanda e offerta nella community di intermediari italiani e stranieri iscritti al RUI.
Insurance-Arena.COM® | professionalità collaborativa digitale
Prova gratuitamente per 30gg la versione PREMIUM
www.insurance-arena.com
15.02.2016 Brainy. Органи чуття: інструменти та творці свідомостіProstirChasopys
15 лютого молодший науковий співробітник Інституту фізіології ім. А.А. Богомольця НАН України, науковий редактор порталу «Моя наука», Олексій Болдирєв розповів про основні 5 органів чуття.
Conheça os produtos Amway disponíveis no Brasil.
Com informações sobre os produtos e comparativos de economia de dinheiro utilizando os produtos Amway.
Тема семинара: «Введение в педагогический дизайн»
Рассматриваемые вопросы:
1) Чем занимается и чем не занимается Педагогический дизайн? Педагогический дизайн конструирует обучение, а не красивые картинки.
2) На каких теориях основан ПД? Теории обучения, таксономия Блума, принципы Ганье и др.
3) Как это работает: модели ПД. Модель ADDIE - не единственная!
4) Из каких конструкций проектируется обучение в ПД? Для каждого типа знаний - свой инструмент. Процесс обучения - через Принципы Д. Мэррилла
Льготная программа "Инновационное производство" для субъектов МСП
Академия менеджмента и рынка совместно с Департаментом науки, промышленной политики и предпринимательства г. Москвы
объявляет набор на льготную программу
«Управление инновационным производством. Формирование систем продаж и продвижение инновационной продукции на рынок»
Цель программы: формирование у слушателей практических навыков и передача знаний в области инноваций, необходимых для разработки стратегии развития инновационного производства и продвижения продукции на рынок
Участники программы: сотрудники субъектов малого и среднего предпринимательства города Москвы
Стоимость участия: бесплатно
Участники программы получат необходимые практические навыки по управлению инновационными процессами, включая стратегическое и оперативное управление, продвижение инновационных товаров и услуг, решение сложных технических и креативных задач, смогут повысить свою поведенческую эффективность. Это позволит максимально успешно коммерциализировать результаты научно-технической деятельности, получить ожидаемую прибыль от внедрения инновационных идей.
Преподаватели программы – кандидаты и доктора технических и экономических наук, авторы известных книг и учебных пособий, практики работы на инновационном производстве. В программе участвуют авторы книг, предлагаемых в качестве учебных пособий – Д.Ю.Хомутский, А.В.Подкатилин и др.
Регистрация на программу на сайте ГБУ "Малый бизнес Москвы"
Подробности участия по телефону (495) 955 79 37 Контактное лицо - Фомина Елена или по адресу электронной почты info@amir.ru,
Informal Job Sector or the Blue Collar Job Market makes a significant portion of Indian economy.
There is no centralized system to organize the informal job to arrange to offer better quality permanent jobs to them.
Emissor de NFCe - Nota Fiscal Eletronica + Daruma DR800LMichael Belmonte
O KIT EMISSOR NFCE surgiu da necessidade de agregar dois produtos essenciais para quem precisa emitir Cupons Fiscais Eletrônicos de forma rápida e prática.
A composição do KIT NFCE está formada de dois produtos distintos:
- Sistema Emissor de Nota Fiscal Eletrônica – NFCe – Simplér da Systronic Tecnologia;
- Impressora Térmica Não Fiscal Daruma DR800L;
Veja logo em seguida os detalhes de cada produto...
Intermediari Assicurativi 3.0 Lancio del 1° market-place insurance-arena.com® insurance-arena.com®
1° Market-place per intermediari assicurativi Italiano.
Nasce la versione 2.0 della piattaforma digitale libera, democratica e indipendente per favorire la collaborazione tra intermediari e permettere di trovare nuove collaborazioni specialistiche da attivare nella logica della domanda e offerta nella community di intermediari italiani e stranieri iscritti al RUI.
Insurance-Arena.COM® | professionalità collaborativa digitale
Prova gratuitamente per 30gg la versione PREMIUM
www.insurance-arena.com
15.02.2016 Brainy. Органи чуття: інструменти та творці свідомостіProstirChasopys
15 лютого молодший науковий співробітник Інституту фізіології ім. А.А. Богомольця НАН України, науковий редактор порталу «Моя наука», Олексій Болдирєв розповів про основні 5 органів чуття.
Conheça os produtos Amway disponíveis no Brasil.
Com informações sobre os produtos e comparativos de economia de dinheiro utilizando os produtos Amway.
Тема семинара: «Введение в педагогический дизайн»
Рассматриваемые вопросы:
1) Чем занимается и чем не занимается Педагогический дизайн? Педагогический дизайн конструирует обучение, а не красивые картинки.
2) На каких теориях основан ПД? Теории обучения, таксономия Блума, принципы Ганье и др.
3) Как это работает: модели ПД. Модель ADDIE - не единственная!
4) Из каких конструкций проектируется обучение в ПД? Для каждого типа знаний - свой инструмент. Процесс обучения - через Принципы Д. Мэррилла
Льготная программа "Инновационное производство" для субъектов МСП
Академия менеджмента и рынка совместно с Департаментом науки, промышленной политики и предпринимательства г. Москвы
объявляет набор на льготную программу
«Управление инновационным производством. Формирование систем продаж и продвижение инновационной продукции на рынок»
Цель программы: формирование у слушателей практических навыков и передача знаний в области инноваций, необходимых для разработки стратегии развития инновационного производства и продвижения продукции на рынок
Участники программы: сотрудники субъектов малого и среднего предпринимательства города Москвы
Стоимость участия: бесплатно
Участники программы получат необходимые практические навыки по управлению инновационными процессами, включая стратегическое и оперативное управление, продвижение инновационных товаров и услуг, решение сложных технических и креативных задач, смогут повысить свою поведенческую эффективность. Это позволит максимально успешно коммерциализировать результаты научно-технической деятельности, получить ожидаемую прибыль от внедрения инновационных идей.
Преподаватели программы – кандидаты и доктора технических и экономических наук, авторы известных книг и учебных пособий, практики работы на инновационном производстве. В программе участвуют авторы книг, предлагаемых в качестве учебных пособий – Д.Ю.Хомутский, А.В.Подкатилин и др.
Регистрация на программу на сайте ГБУ "Малый бизнес Москвы"
Подробности участия по телефону (495) 955 79 37 Контактное лицо - Фомина Елена или по адресу электронной почты info@amir.ru,
В.Мизгулин -- программа магистратуры по системной инженерииAnatoly Levenchuk
Доклад В.Мизгулина "Программа магистратуры по системной инженерии" на 7й рабочей встрече Русского отделения INCOSE по проблемам системной инженерии, 23 апреля 2016г.
SPb BA & SA Night. Learning a New Business Domain [1.01, RUS]Alex V. Petrov
Известные и неизвестные приемы освоения новых предметных областей — обязательный инструмент в арсенале успешного аналитика. Именно им был посвящен II «Вечер системного и бизнес-анализа» в С.-Петербурге, прошедший 05 сентября 2015 г. Ключевые темы: индукция и дедукция, концептуальные модели и онтологии, разбор примеров, командная работа и менторство.
Map of the Maps: Conceptualization of the Knowledge MapsDmitry Kudryavtsev
Presentation within the 13th Workshop on Information Logistics and Digital Transformation (ILOG 2022) at 21st International Conference on
Perspectives in Business Informatics Research, Rostock, Germany
The company’s knowledge assets and ability to coordinate them become increasingly critical. Knowledge maps can scaffold knowledge search and decision-making by creating visible links between knowledge, its application, source, and owner. The term Knowledge map was used with various meanings in several scientific communities: knowledge management, education studies, organization studies, decision analysis, artificial intelligence, etc.
The term itself is still rather vague. To generalize the variety of the definitions, one can use the term knowledge map as a description of the sources, flows, owners, and application areas of knowledge within the organization. The current study considers knowledge maps from a knowledge management perspective and is devoted to generalizing the numerous scattered knowledge mapping research and practices. It aims to identify and consolidate knowledge maps interpretations by analyzing their contents.
The discussed research results in developing the ontology of knowledge maps. Existing types of knowledge maps are associated with fragments of this ontology. Such ontology may help select the necessary building blocks (templates and elements) for knowledge mapping in specific companies and situations. The research methodology is based on literature review, semantic analysis, and ontological engineering. The paper also provides the knowledge mapping ontology application guidelines and demonstrates them via a case study.
Using Enterprise Architecture Management Methods and Technologies for Knowled...Dmitry Kudryavtsev
Today, in the era of digital economy and the need for constant digital business transformation, the relevance of Enterprise Architecture (EA) tools and methods to strategic management tasks increases. According to the latest research, strategic decision‐makers face a significant number of problems, which potentially can be successfully resolved with the help of EA. This paper is a review of potential application of EA methods and technologies to support strategic management process. The main research method for this paper is an exploratory literature review focused on the evolution, classification and functionality of EA methods with subsequent analysis of relevant problems from the field of strategic management. This result is an intermediate point for the further research which may add considerable value to both researchers and practitioners.
For citation: Kudryavtsev D., Kubelskiy M. Using enterprise architecture management methods and technologies for knowledge structuring in strategic management. Proceedings of Theory and Applications in the Knowledge Economy (TAKE 2017), July 12-14 2017, Zagreb, Croatia. pp. 589-599.
Representing strategic organizational knowledge via diagrams, matrices and on...Dmitry Kudryavtsev
The paper describes methods and tools for organizational knowledge representation in the
field of strategic management. Visual and matrix/table-based methods are actively used for knowledge
representation in this domain. Diagrams solve problems associated with the managerial thinking
(cognitive challenges), managerial communications and coordination (social problems), and the ability of
managers to motivate and involve their employees (emotional problems). On the other hand, there are
types of information and tasks that are better supported by matrices. In order to effectively combine
diagrams with matrices the paper suggests multi-representation of organizational knowledge using
ontologies. Such multi-representation capabilities for organizational knowledge are already supported by
some enterprise architecture management software tools. Two of these tools are described in the paper.
Citation: Kudryavtsev D., Gavrilova T., Menshikova A. Representing strategic organizational knowledge via diagrams, matrices and ontologies. XXII-th International Conference Knowledge - Dialogue – Solution (KDS 2016), July 4-15, 2016, Varna, Bulgaria
seminar within a research school for young researchers “Innovations in Knowledge Management Practices” supported by Russian Science Foundation, 10-11 October 2016, Graduate School of Management St. Petersburg State University
http://gsom.spbu.ru/en/all_news/event2016_10_18/
Inter-university Academic Center of Competence on Enterprise Architecture ...Dmitry Kudryavtsev
EA Lab center was founded in 2014 by team of enterprise architecture experts at the intersection of education, research and industrial projects for the accumulation and dissemination of knowledge about enterprise architecture.
Mission of the center - Improving the quality of education and research in the field of EA in Russia. Awareness-raising among Russian enterprises about possibilities of EA for going to a new level of management in digital era.
#EALab
Бизнес-архитектура: компоненты, применение, инструменты моделирования. Доклад на XVIII Научно-практической конференции «Инжиниринг предприятий и управление знаниями (ИП&УЗ – 2015), Москва, 21 апреля, 2015 г.
Applying Quality Function Deployment method for business architecture alignmentDmitry Kudryavtsev
Kudryavtsev D., Grigoriev L., Koryshev I. Applying Quality Function Deployment method for business architecture alignment. Proceedings of the 8th European Conference on IS Management and Evaluation (ECIME 2014), Ghent, Belgium, 11-12 September 2014, 118-127.
Strategic alignment is an important issue for business architecture. The alignment concept may have many facets, but this paper mainly focuses on such aspects of an enterprise as behaviour and resources. Stakeholder concerns and customer values must define the right priorities and goals for the elements of value configuration, capabilities and resources. The right projects must be launched to develop and improve key business architecture elements. This paper suggests the model-oriented method for business architecture alignment, which uses proven matrix-based Quality Function Deployment (QFD) methodology for analysis, decision making and communication. This method can complement standard diagramming enterprise architecture methods. Although QFD was initially created for product design, it has many applications in strategy deployment. But in spite of a longstanding history, elements chosen for “strategic” QFD vary and are poorly aligned with existing business architecture concepts. In order to clarify the link between the suggested QFD method and business architecture elements, a meta-model is suggested, which specifies the contents of the matrices. The suggested meta-model is based on the existing reference ontologies and meta-models for strategic management. This ontological foundation supports knowledge sharing and applicability of the business architecture alignment method. Tool support (EAM-tool plugin) and method applications are also covered in this paper.
Kudryavtsev D., Grigoriev L., Bobrikov S.Strategy-focused and value-oriented capabilities: methodology for linking capabilities with goals and measures // Proceedings of the 1st International Workshop on Capability-oriented Business Informatics (CoBI) as part of the 16th IEEE Conference on Business Informatics, Geneve, 14-17 July, 2014. PP. 15-26.
http://cbi2014.unige.ch/
Capability-based enterprise modeling is gaining presence in business practice. Capability is the central concept of the resource-based view of a firm, and it helps to bridge strategy with business operations. The use of capabilities for behavior modeling provides flexibility, stimulates reuse, and helps the firm to focus on its core competencies. In order to benefit from this approach, capabilities must be strategy-focused and value-oriented. In other words, strategic goals and measures must be linked to capabilities. The paper provides a methodology to solve this task, which integrates a set of principles (way of thinking), a step-by-step method (way of working), viewpoints, and a meta-model (way of modeling). The article also points to the enterprise architecture management tool, which supports the suggested methodology.
Diagrammatic knowledge modeling for managers – ontology-based approachDmitry Kudryavtsev
Diagrams are an effective and popular tool for visual knowledge structuring. Managers also often use them to acquire and transfer business knowledge. There are many currently available diagrams or visual modeling languages for managerial needs, unfortunately the choice between them is frequently error-prone and inconsistent. This situation raises the next questions. What diagrams/ visual modeling languages are the most suitable for the specific type of business content? What domain-specific diagrams are the most suitable for the visualization of the particular elements of organizational ontology? In order to provide the answers, the paper suggests light-weight specification of diagrams and knowledge content types, which is based on the competency questions and ontology design patterns. The proposed approach provides the classification of qualitative business diagrams.
Kudryavtsev, D. V., Gavrilova, T. A. (2011). Diagrammatic knowledge modeling for managers – ontology-based approach. Accepted poster. International Conference on Knowledge engineering and Ontology Development, 26-29 October, 2011, Paris, France. P. 386-389.
The Ontology-based Business Architecture Engineering FrameworkDmitry Kudryavtsev
Business architecture became a well-known tool for business transformations. According to a recent study by Forrester, 50 percent of the companies polled claimed to have an active business architecture initiative, whereas 20 percent were planning to engage in business architecture work in the near future. However, despite the high interest in BA, there is not yet a common understanding of the main concepts. There is a lack for the business architecture framework which provides a complete metamodel, suggests methodology for business architecture development and enables tool support for it. The ORGMaster framework is designed to solve this problem using the ontology as a core of the metamodel. This paper describes the ORG-Master framework, its implementation and dissemination.
the presentation was given within the SOMET 2011 conference: http://www.somet.soft.iwate-pu.ac.jp/somet_11/
see the text in proceedings here: http://www.booksonline.iospress.nl/Content/View.aspx?piid=21454
Kudryavtsev, D., & Grigoriev, L. (2011). The ontology-based business architecture engineering framework. In proceedings of the 10th International Conference on Intelligent Software Methodologies, Tools and Techniques (SOMET), September 28-30, 2011, Saint-Petersburg, Russia. P. 233-252.
Systemic approach towards enterprise functional decompositionDmitry Kudryavtsev
Kudryavtsev, D., & Grigoriev, L. (2011). Systemic approach towards enterprise functional decomposition. The proceedings of the Workshop “Convergence of Business Architecture, Business Process Architecture, Enterprise Architecture and Service Oriented Architecture” within the 13-th IEEE Conference on Commerce and Enterprise Computing (CEC), September 5-7, 2011, Luxemborg. P. 310-317.
From context to knowledge: consecutive mapping ontologies and contextsDmitry Kudryavtsev
Kudryavtsev, D. V. (2006). From context to knowledge: consecutive mapping ontologies and contexts, In: Proceedings of the 6th International Conference on Knowledge Management, 6-8 September, 2006, Graz, Austria. – Graz: J.UCS. – P. 97-104.
3. 2016, Понятийные системы в цифровом мире
Системы управления знаниями и применение онтологий
3
Кудрявцев Д.В. Системы управления
знаниями и применение онтологий: Учеб.
пособие / СПб.: Изд-во Политехн. ун-та,
2010. – 343 с.
Аннотация
Последовательно рассмотрены понятия знания, управления
знаниями, системы управления знаниями. Представлен обзор
современных методологий управления знаниями. Предложено
применение онтологий и семантических технологий в системах
управления знаниями. Описан процесс управления знаниями в
организации. Дано описание задач, методов и программных
средств для повышения эффективности процессов создания,
накопления, распределения и использования знаний в
организации. Рассмотрены вопросы структурирования и
представления знаний, работы с метаданными, поиска
информации, а также обмена неявными знаниями на предприятии.
Систематизированы программные средства для работы со
знаниями. Приведены примеры систем управления знаниями, а
также указаны направления современных исследований в области
представления и управления знаниями. Особое внимание уделено
применению онтологий в системах управления знаниями.
http://elib.spbstu.ru/dl/2/2982.pdf/info
4. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Технологии бизнес-инжиниринга
4
Кудрявцев Д. В., Арзуманян М. Ю., Григорьев Л. Ю. Технологии бизнес-инжиниринга :
учеб. пособие — СПб. : Изд-во Политехн. ун-та, 2014. — 427 с.
5. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
План
1. Введение
2. Знания компьютера и роль понятийных
систем
3. Сложности создания понятийных систем
4. Виды и примеры понятийных систем
5. Разработка и сопровождение понятийных
систем
6. Использование понятийных систем
7. Актуальные темы исследований
5
7. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Интеллектуальные помощники
7
Apple Siri
(2011)
Google Now
(2012)
Microsoft Cortana
(2014)
Amazon Alexa/Echo
(2014)
https://www.apple.com/ios/siri/
https://www.google.com/landing/now/
http://www.windowsphone.com/en-us/how-to/wp8/cortana/meet-cortana
http://www.amazon.com/oc/echo/
Facebook M
(2015)
10. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
История Siri
• Siri is using the results of over 40 years of research
funded by DARPA via SRI International’s Artificial
Intelligence Center through CALO project (2003~2008).
• Siri technology has come a long way with dialog and
natural language understanding, machine learning,
evidential and probabilistic reasoning, ontology and
knowledge representation, planning, reasoning and
service delegation.
• Siri was founded in 2007 (spin-off from SRI
international) by Dag Kittlaus (CEO), Adam Cheyer (VP
Engineering), and Tom Gruber (CTO/VP Design).
10
17. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Инструмент для редактирования
активной онтологии
17
18. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Подробнее в трудах конференций
18
Guzzoni, D., Baur, C., & Cheyer, A. (2007). Modeling Human-Agent Interaction with Active
Ontologies. In AAAI Spring Symposium: Interaction Challenges for Intelligent Assistants (pp. 52-59).
Guzzoni, D., Baur, C., & Cheyer, A. (2006). Active: A unified platform for building intelligent web
interaction assistants. In Web Intelligence and Intelligent Agent Technology Workshops, 2006. WI-IAT
2006 Workshops. 2006 IEEE/WIC/ACM International Conference on (pp. 417-420). IEEE.
19. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Рассказ Тома Грубера о Siri
19
https://vimeo.com/5424527
20. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Том Грубер – автор одной из наиболее
цитируемых работ по онтологиям
20
22. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Что знает компьютер
• Что в него заложили
• Что он автоматически вывел, на основе
заложенных знаний
• Чему он научился в результате индукции
22
23. 2016, Понятийные системы в цифровом мире 23
Компоненты модели знаний /
модели экспертизы (expertise model)
Уровень задачи (Task knowledge)
• Цели, решаемой задачи (Task goals)
• Декомпозиция задачи (Task decomposition)
• Порядок выполнения задачи (Task control)
Уровень вывода (Inference knowledge)
• Базовые элементы вывода
• Роли
Предметные знания (Domain knowledge)
• Понятия / Типы
• Отношения
• Правила
• Факты
ДИАГНОСТИКА
(задача)
Выработка гипотезы
(эл-т вывода)
Верификация
(эл-т вывода)
Симптом
(тип)
Болезнь
(тип)
Тест
(тип)
Schreiber, A. T., Akkermans, J. M., Anjewierden, A. A., de Hoog, R., Shadbolt, N. R., van de Velde, W., & Wielinga, B. J. (2000).
Knowledge Engineering and Management: the CommonKADS methodology. MIT press.
Studer, R., Benjamins, V. R., & Fensel, D. (1998). Knowledge engineering: principles and methods. Data & knowledge
engineering, 25(1), 161-197.
25. 2016, Понятийные системы в цифровом мире
Предметные знания (Domain knowledge)
25
Состояние
автомобиля
Аккумулятор
Заряд:
{нормальный,
низкий}
Бензобак
Статус: {полный,
полупустой,
пустой}
Невидимое
состояние
автомобиля
Видимое
состояние
автомобиля
Работа двигателя
Статус: {нормальная,
не заводится,
останавливается}
Горючее в
двигателе
Статус: {да, нет}
Электропитание
Статус: {да, нет}
Показания
приборов
Показатель
топлива
Правила:
Бензобак . Статус = пустой Горючее в двигателе . Статус = нет {Взаимозависимость состояний}
Аккумулятор . Заряд = низкий Электропитание . Статус = нет {Взаимозависимость состояний}
Бензобак . Статус = пустой Показатель топлива . Значение = 0 {Модель проявлений}
26. 2016, Понятийные системы в цифровом мире
Уровень задачи (Task knowledge)
26
Диагностика
автомобиля
Генерация и
тестирование
гипотез
Задача
Жалоба /
Проблема
Неисправность
Обоснование
Вход Выход
Статистическая
классификация
Деревья
решений
Задача
Метод решения
(Problem Solving
Method, PSM)
Объяснение
Предсказание
Получение
информации
Сравнение
Элементы вывода
Обмен
информацией
Декомпозиция
27. 2016, Понятийные системы в цифровом мире
Уровень задачи (Task knowledge)
27
Объяснение
Жалоба /
Проблема
Гипотеза /
Возможное
решение
Двигатель не
заводится
Пустой
бензобак
Причинная
модель
Правила
взаимозависимости
состояний
Предсказание
Ожидаемые
признаки
Показатель
топлива = 0
Получение
информации
Фактические
наблюдения
Сравнение
Результат
Показатель
топлива =
в норме
Несовпадение
Модель
проявлений
Правила
проявлений
28. 2016, Понятийные системы в цифровом мире
Уровень вывода (Inference knowledge)
28
Объяснение
Жалоба /
Проблема
Гипотеза /
Возможное решение
Элемент вывода
Невидимое
состояние
автомобиля
Видимое
состояние
автомобиля
отображение
(mapping)
отображение
(mapping)
Роль
(knowledge role)
Роль
(knowledge role)
Понятие
предметной области
Понятие
предметной области
{Взаимозависимость
состояний}
отображение
(mapping)
Правила
предметной области
Причинная
модель
Связка предметных знаний с методами решения задачи
29. 2016, Понятийные системы в цифровом мире 29
Место модели знаний в разработке
системы на основе знаний
Модель организации (проблемы и возможности,
стратегия, оргструктура, бизнес-процессы, карта знаний),
модель агента, модель задачи
Модель
знаний
Модель
коммуникации
Проект системы
(для реализации)
Контекст
Концептуальная
модель
Артефакт
Система моделей в методологии
CommonKADS
30. 2016, Понятийные системы в цифровом мире 30
Повторное использование знаний
Уровень задачи (Task knowledge)
• Цели, решаемой задачи (Task goals)
• Декомпозиция задачи (Task decomposition)
• Порядок выполнения задачи (Task control)
Уровень вывода (Inference knowledge)
• Базовые элементы вывода
• Роли
Предметные знания (Domain knowledge)
• Понятия / Типы
• Отношения
• Правила
• Факты
Gómez-Pérez, A., & Benjamins, R. (1999). Overview of knowledge sharing and reuse components: Ontologies and problem-
solving methods. IJCAI and the Scandinavian AI Societies. CEUR Workshop Proceedings.
Библиотеки
методов решения
проблем
(Problem Solving
Methods, PSM)
Библиотеки
онтологий
(понятийных систем)
предметных областей
33. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Статья в Scientific American про семантический
веб и активизация интереса к понятийным
системам, понятным компьютеру (2001 г.)
33
http://www.cs.man.ac.uk/~ezolin/logic/semantic_web_rus.html
Перевод
34. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Важность организации знаний
«Именно организация знаний, а не скорость
переработки, предельно низкая с точки
зрения технических систем, дает ключ к
пониманию, по крайней мере, части наших
познавательных способностей.»
Величковский Б.М. Когнитивная наука : Основы психологии познания : в 2
т. — Т. 2 — М. : Смысл : Издательский центр «Академия», 2006. — 432 с.
34
36. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Различие в абстрактных моделях разных
субъектов при рассмотрении одного и того же
объекта
36
Источник: [Буч, 1998]
37. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Наука о знаковых системах
Семиотика, или семиология (от греч. Semeiotikon, от semeion – знак, признак) – наука,
исследующая свойства знаковых систем и соответственно знаков (естественных и
искусственных).
Три основных аспекта изучения знака и знаковой системы, выделяемые семиотикой:
1) синтактика, изучающая отношения между знаками, т. е. внутренние свойства систем
знаков (иначе, правила построения знаков в рамках знаковой системы);
2) семантика, изучающая отношения между знаками и обозначаемым предметом, т. е.
содержанием знаков;
3) прагматика, изучающая отношения между знаком и человеком-пользователем знака:
говорящим, слушающим, пишущим, читающим, т. е. назначение знаков.
Примером знаков могут служить широко используемые в операционных системах ярлыки-иконки,
например, ярлык с изображением принтера. Его изображение на экране является именем знака.
Содержание знака может быть раскрыто с помощью перехода от имени к таблице, содержащей
все нужные сведения о принтерах, а включение процедуры печати при щелчке по ярлыку
принтера определяет назначение этого знака.
37
38. 2016, Понятийные системы в цифровом мире
Неоднозначность соответствия «знак – понятие –
вещь (денотат)»
38
• Омонимия (один знак – разные несвязанные понятия и вещи),
• Полисемия (один знак – разные, но связанные понятия и вещи),
• Синонимия (разные знаки для одного понятия и/или вещи)
«Семантический треугольник» Фреге
39. 2016, Понятийные системы в цифровом мире
Пример омонимии
Знак
Понятие
Вещь
Ягуар
Ягуар (Животное)
Ягуар (Напиток)
Ягуар (Машина)
?
один знак – разные несвязанные понятия и вещи
39
40. 2016, Понятийные системы в цифровом мире
Пример полисемии
40
«Капитальный ремонт»
определения понятия, встречающиеся на одном из отечественных
предприятий:
- работы по техническому обслуживанию и ремонту оборудования,
выполняемые в капитальный останов, т. е. останов производственной
линии длительностью свыше 24-х часов.
- ремонт, выполняемый для восстановления исправности и полного или
близкого к полному восстановлению ресурса изделия с заменой или
восстановлением любых его частей, включая базовые.
один знак – разные, но связанные понятия и вещи
41. 2016, Понятийные системы в цифровом мире
Пример синонимии
41
разные знаки для одного понятия и/или вещи
По материалам компании Future Models
42. 2016, Понятийные системы в цифровом мире
Потребность в общем языке
42
Для снижения представленной выше неоднозначности
соответствия знак – понятие – вещь (денотат) необходим
«общий язык», включающий в себя:
• Строго определенный словарь лексических единиц
(знаков),
• Непротиворечивое понимание того, какие понятия
обозначаются заданными лексическими единицами
(знаками).
43. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Определение понятия
43
Интенсионал понятия - это определение его через соотнесение с понятием более
высокого уровня абстракции с указанием специфических свойств. Интенсионалы
формулируют знания об объектах.
Другой способ определяет понятие через соотнесение с понятиями более низкого
уровня абстракции или перечисление фактов, относящихся к определяемому объекту.
Это есть определение через данные, или экстенсионал понятия.
44. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Где учат (учили) определять понятия?
44
45. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Где учат (учили) определять понятия?
45
46. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Формирование понятий на основе
общих признаков
46
Понятие A
1
32
4
3
Понятие Б
5
6
Родовое понятие
47. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Сложности определения понятий
47
Опыты Лурия А.Р.
30-е годы ХХ века
Глухие кишлаки Средней
Азии,
Исследование людей, не
подвергшихся влиянию
науки и обучения
научному мышлению
49. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Роль ситуативных факторов в
классификации понятий
49
Поспелов Д. А. Ситуационное управление: теория и практика.
– Наука. Гл. ред. физ.-мат. лит., 1986.
«Приведенные эксперименты подчеркивают мысль о том, что не
призначная структура, находящаяся в центре внимания
специалистов по распознаванию образов, а ситуативное
положение того или иного факта или объекта определяют его
интерпретацию у человека, не имеющего дело с научными
определениями и теориями»
«В обычной жизни человек формирует понятия и организует
системы классификации, как правило, на основе тех ситуаций, с
которыми он сталкивается в своей повседневной деятельности и
на основании тех прагматических признаков, учет которых важен
для успешной её реализации».
Д.А.Поспелов
51. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Разнообразие терминов
51
Глоссарий
Классификатор
Онтология
Система
организации
знаний
Тезаурус
Модель
информации Модель
данных
Справочные
данные
Концептуальная
карта
Архитектура
информации
Фолксономия
Таксономия
52. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Точки зрения на систематизацию терминов
52
Специалист по
информационной
науке
(«из библиотечного
дела»)
Специалист по
компьютерной науке
Онтология
Глоссарий
Классификатор
Тезаурус
Концептуальная
карта
и др.
Система
организации
знаний
виды
виды
А есть ещё
практики
разрабатывающие
ИС, управленцы…!
53. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Онтологии как средство представления знаний
Онтология в философии:
- наука о бытии, о сущем.
Онтология в информатике:
- система понятий, их свойств и связей между ними.
Понятная как человеку, так и компьютеру.
Иногда дополняется правилами.
Стандартные языки представления онтологий
позволяют обмениваться формализованными
знаниями.
53
54. 2016, Понятийные системы в цифровом мире
Онтология как общий словарь для коммуникаций
Ягуар
Животное
является / пример
…
Лев Тигр
54
55. 2016, Понятийные системы в цифровом мире
Генная онтология, фрагмент, описание
биологических процессов
55
http://geneontology.org/
56. 2016, Понятийные системы в цифровом мире
Онтология научной деятельности SWRC
(Semantic Web Research Community)
56
57. 2016, Понятийные системы в цифровом мире
Виды онтологий по глубине проработки
Каталоги на
основе ID
Глоссарий
Отношение «Выше-Ниже»
Неформальные
таксономии
Формальные
таксономии
Формальные
экземпляры
Свойства
классов/понятий
Ограничения на значения
Произвольные логические
ограничения
Дизъюнктивные классы,
Обратные свойства О. Лассилла,
Д. МакГинесс
57
59. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Формальная таксономия пиццы
59
точное определение
отношения
ПОДКЛАСС-КЛАСС
http://wordnetweb.princeton.edu/
60. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Взаимосвязи между понятиями:
concept map
60
61. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Ограничения на область значений
свойств
61
62. 2016, Понятийные системы в цифровом мире
Логические утверждения о концептах –
аксиомы
62
Класс, который имеет только
необходимые условия в описании
63. 2016, Понятийные системы в цифровом мире
Логические утверждения о концептах –
аксиомы
63
Класс, имеющий по крайней мере один набор
необходимых и достаточных условий
65. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Систематизация терминов на основе
структурных особенностей
65
Типы отношений Глоссарий Классифика-
ционная
система
Mind
Map
Тезаурус Концепт.
карта
Модель /
схема
данных
Онтология
Эквивалентность Да Да Да +/- Да
Синонимы Да Да Да +/- Да
Антонимы Да +/- Да
Иерархия Да Да Да Да Да Да
Шире-Уже Да Да Да Да Да Да
Класс-подкласс +/- +/- Да Да Да Да
Часть-Целое +/- Да Да Да Да
Экземпляр +/- +/- Да Да
Ассоциативные
связи
Да Да Да Да
“см. также” +/- Да Да Да Да
другие типы
(напр., выполняет,
создает, влияет)
Да Да Да
Свойства элементов Да Да Да
Логические
ограничения
Да
На основе Stock W. G. Concepts and semantic relations in information science //Journal of the
American Society for Information Science and Technology. – 2010. – Т. 61. – №. 10. – С. 1951-1969.
66. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Пример: Российский классификатор информации об
общероссийских классификаторах
66
67. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Пример: Российский классификатор информации об общероссийских
классификаторах
67
68. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Пример: Общероссийский классификатор продукции по видам экономической
деятельности
68
http://www.okpd2.info/classifier/
"ОК 034-2014 (КПЕС 2008).
Общероссийский классификатор
продукции по видам экономической
деятельности" (утв. Приказом
Росстандарта от 31.01.2014 N 14-ст) (ред.
от 26.05.2015)
69. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Пример: Тезаурус по искусству и архитектуре
69
http://www.getty.edu/research/tools/vocabul
aries/aat/index.html
70. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Репозиторий биологических и биомедицинских
онтологий Open Biomedical Ontologies (OBO)
70
72. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Методология разработки онтологий для новичков
Шаг 1. Определение области и масштаба онтологии
Шаг 2. Рассмотрение вариантов повторного
использования существующих онтологий
Шаг 3. Перечисление важных терминов в онтологии
Шаг 4. Определение классов и иерархии классов
Шаг 5. Определение свойств классов (слотов)
Шаг 6. Определение ограничений на значения свойств
(слотов)
Шаг 7. Создание экземпляров
72
74. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Сценарии создания сети онтологий в
методологии NeOn
74
75. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Сценарии создания онтологий
Сценарий 1: Создание сети онтологий «с нуля» без использования существующих
ресурсов
Сценарий 2: Создание сети онтологий путем повторного использования
«неонтологических» ресурсов (поле знаний, не доведенное до уровня
онтологии или ее фрагментов);
Сценарий 3: Создание сети онтологий путем повторного использования
существующих онтологий или модулей;
Сценарий 4: Создание сети онтологий путем повторного использования и
реинжиниринга существующих онтологий или модулей;
Сценарий 5: Создание сети онтологий путем повторного использования и
объединения существующих онтологий или модулей;
Сценарий 6: Создание сети онтологий путем повторного использования,
объединения и реинжиниринга существующих онтологий или модулей;
Сценарий 7: Создание сети онтологий путем реструктуризации существующих
онтологий или модулей;
Сценарий 8: Создание сети онтологий путем локализации существующих
онтологий или модулей.
75
76. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Методы отображения онтологий (ontology mapping)
76
77. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Методы оценки онтологий
77
На основе материала Горового В. и Болотниковой Е.
78. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Автоматизированное формирование и
наполнение онтологий
Ontology learning and Ontology population
78
Cimiano P. (2006) Ontology Learning and Population from Text: Algorithms, Evaluation and Applications. Springer.
Maedche A. (2012). Ontology learning for the semantic web (Vol. 665). Springer Science & Business Media.
Разработка и подбор алгоритмов для каждого уровня:
79. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
и много других задач…
79
На русском: Глоссарий предметной области «Онтологическое моделирование»
80. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Использование понятийных систем
• Интеграция информации
• Семантический поиск
• Организация документов/контента
• Обработка естественного языка
• Разработка интеллектуальных систем
• Обучение (людей)
• Проектирование и настройка
информационных систем
• Моделирование и проектирование
• Стратегическое управление ИТ (и бизнесом)
80
82. 2016, Понятийные системы в цифровом мире
Тренды - Тематики профильных конференций
"Knowledge in evolving and local contexts"
• Model evolution
– Ontology evolution
– Ontology debugging
– Ontology change management and versioning
– Ontology usage trends
• Methods and methodologies for time awareness,
such as:
– Modelling of time-indexed knowledge
– Ontology design patterns for time-indexed knowledge
– Reasoning over time-indexed knowledge
– Stream processing and stream reasoning
– Event processing
• Methods and methodologies for context awareness,
such as:
– Modelling of contextualised knowledge
– Ontology design patterns for representing context
– Reasoning with context
– Context-aware knowledge-based applications
• Lessons learned from case studies, e.g.:
– Knowledge management in large organizations
– Adoption of semantic web technologies
– Maintenance of corporate knowledge repositories
– …
82
Knowledge Engineering and Acquisition
• Tools and methodologies for ontology engineering
• Ontology design patterns
• Ontology localization
• Ontology alignment
• Knowledge authoring and semantic annotation
• Knowledge acquisition from non-ontological resources
(thesauri, folksonomies etc.)
• Semi-automatic knowledge acquisition, e.g., ontology learning
• Mining the Semantic Web and the Web of Data
• Ontology evaluation and metrics
• Uncertainty and vagueness in knowledge representation
• Dealing with dynamic, distributed and emerging knowledge
Social and Cognitive Aspects of Knowledge Representation
• Similarity and analogy-based reasoning
• Knowledge representation inspired by cognitive science
• Synergies between humans and machines
• Knowledge emerging from user interaction and networks
• Knowledge ecosystems
• Expert finding, e.g., by social network analysis
• Trust and privacy in knowledge representation
• Collaborative and social approaches to knowledge
management and acquisition
• Crowdsourcing in knowledge management
http://ekaw2016.cs.unibo.it/
83. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Тренды - Тематики профильных конференций
Topics
• Database, information retrieval, information extraction, natural language processing and artificial intelligence techniques for
the Semantic Web
• Knowledge graph creation, reasoning, and usage
• Knowledge representation and reasoning on the Web
• Scalable management of semantics and data on the Web, including Linked Data
• Semantic Web data analysis
• Languages, tools, and methodologies for representing and managing semantics and data on the Web
• Architectures and algorithms for extreme volume, heterogeneity, dynamicity, and decentralization of Semantic Web data
• Cleaning, quality assurance, and provenance of Semantic Web data, services, and processes
• Ontology-based data access and integration/exchange on the Web
• Ontology engineering and ontology patterns for the Web
• Ontology modularity, mapping, merging, and alignment for the Web
• Searching and querying the Semantic Web
• Supporting multi-linguality in the Semantic Web
• User interfaces and interaction with semantics and data on the Web
• Information visualization and exploratory analysis methods for Semantic Web data
• Personalized access to Semantic Web data and applications
• Social semantics methods and applications
• Geospatial semantics and data on the Web
• Data streams and the Internet of Things
• Semantic technologies for mobile platforms
• Trust, privacy, and security on the Semantic Web
• Semantic Web and Linked Data for cloud environments
83
http://iswc2016.semanticweb.org/pages/calls/research-track.html
85. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
2013 год, журнал «Human-Computer Studies»,
спец. выпуск «25 лет получению знаний»
85
http://www.sciencedirect.com/science/journal/10715819/80
Гуру рефлексируют на тему
работы со знаниями –
прошлое, настоящее,
будущее
86. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Материалы по теме
1. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. –
СПб. и др. : Питер, 2000. – 384 с.
2. Гаврилова Т. А., Муромцев Д. И. Интеллектуальные технологии в
менеджменте: Учеб. пособие. – СПб.: «Высшая школа менеджмента», Издат.
дом СПбГУ, 2008. – 488 с.
3. Кудрявцев Д.В. Системы управления знаниями и применение онтологий:
Учеб. пособие / СПб.: Изд-во Политехн. ун-та, 2010. – 343 с.
4. Тузовский А.Ф., Чириков С.В., Ямпольский В.З. Системы управления знаниями
(методы и технологии) – Томск: Изд-во НТЛ, 2005. – 260 с.
5. Хорошевский В. Ф., Семантические технологии: ожидания и тренды. – 2012.
6. Schreiber G., Akkermans H., Anjewierden A., R. de Hoog, Shadbolt N., W. van de
Velde, Wielinga B. Knowledge Engineering and Management: The CommonKADS
Methodology, The MIT Press, Cambridge, MA, 2000. – 455 p.
7. Сообщество практиков ONTOLOG http://ontologforum.org/
8. Журнал «Онтология проектирования»
9. Редактор онтологий Protégé и сообщество http://protege.stanford.edu/
10. Международная конференция Knowledge Engineering and Semantic Web
(KESW) http://kesw.ru/ (для 2016 г. дедлайн по аннотациям – 15 апреля 2016 :)
86
87. 87
СПАСИБО ЗА ВНИМАНИЕ
ВОПРОСЫ?
Дмитрий Кудрявцев
dmitry.ku@gmail.com
http://www.gsom.spbu.ru/faculty/prepodavateli_vshm_spbgu/kudryavcev/
http://www.linkedin.com/profile/view?id=17582861
https://twitter.com/kudryavtsev_d