Формализация процессов формирования пользовательских коллекций в цифровом пространстве научных знаний

Исследована задача формирования цифрового пространства научных знаний (ЦПНЗ). Рассмотрено отличие этого понятия от общего понятия пространства знаний. ЦПНЗ представлено как множество, содержащее объекты, верифицированные мировым научным сообществом. Формой структурированного представления цифрового пространства знаний является семантическая сеть, основной принцип организации которой основан на системе классификации объектов и последующем построении их иерархии, в частности, по принципу наследования. Введена классификация объектов, составляющих контент ЦПНЗ. Предложена модель ЦПНЗ как совокупности непересекающихся множеств, содержащих цифровые образы реальных объектов и их характеристики, обеспечивающие отбор и визуализацию объектов в соответствии с многоаспектными пользовательскими запросами. Определено понятие пользовательской коллекции, предложена иерархическая классификация типов пользовательских коллекций. Использование понятий теории множеств при построении ЦПНЗ позволяет разбивать информацию по уровням детализации и формализовать алгоритмы обработки пользовательских запросов, что проиллюстрировано конкретными примерами.

семантическая сеть, информационное пространство, научные знания, электронная библиотека, уровни детализации, иерархия информационных объектов

1. Антопольский А.Б., Каленов Н.Е., Серебряков В.А., Сотников Н.А. Точка зрения о едином цифровом пространстве научных знаний // Вестник Российской академии наук, 2019 (в печати).

2. Gauch S., Chaffee J., Pretschner A. Ontology-based personalized search and browsing. // Web Intell Agent Syst. 2003. V. 1. No 3, 4. P. 219–234.

3. Sun Y., Yu Y., Han J. Ranking-based clustering of heterogeneous information networks with star network schema // KDD '09 Proceedings of the 15th ACM SIGKDD international Conference on Knowledge discovery and data mining. 2009. P 797–806.

4. Wong W., Liu W., Bennamoun M. Ontology learning from text: a look back and into the future // ACM Computing Surveys (CSUR). 2012. V. 44. Issue 4. Article No 20.

5. Chi Wang, Jialu Liu, Nihit Desai, Marina Danilevsky, Jiawei Han. Constructing topical hierarchies in heterogeneous information networks // Knowledge and Information Systems. 2015. V. 44. Issue 3. P. 529–558.

6. Каленов Н.Е., Соболевская И.Н., Сотников А.Н. Иерархические уровни представления информационных объектов в среде электронных библиотек // Информация и инновации. 2018. Т. 13. № 2. C. 25–31.

7. Антопольский А.Б., Белоозеров В.Н., Маркарова Т.С., Дмитриева Е.Ю. Установление соответствий рубрик ГРНТИ рубрикам других систем классификации научной и технической информации // Научно-техническая информация. Серия 1: организация и методика информационной работы. 2015. № 3. С. 3–18.

8. Астахова Т.С. Проблемы отражения современного научного знания в классификационных системах: новое в УДК // Сборник трудов конференции «Перспективные направления научных исследований и критические технологии в классификационных системах» / ВИНИТИ РАН, Москва, 25–27 октября 2017 г. С. 32–35.

9. Александров П.С. Введение в теорию множеств и общую топологию. М.: «Наука», 1977. 368 с.

10. Ивановский А.А. Объектная модель системы избирательного распространения информации // Научные и технические библиотеки. 2019. № 4. С. 61–75. DOI 10/33186/1027-3689-2019-4-61-75

11. Захарова С.С. Избирательное распространение информации и информационно-коммуникационные технологии: обзор исследований // Библиотековедение. 2017. № 6. С. 651–658. DOI: 10.25281/0869-608X-2017-66-6-651-658

12. Каленов Н.Е., Савин Г.И., Серебряков В.А., Сотников А.Н. Принципы построения и формирования электронной библиотеки «Научное наследие России» // Программные продукты, системы и алгоритмы. Электронный журнал. 2012. Т. 4. № 100. С. 30– 40. Url: http://www.swsys-web.ru

13. Литературная энциклопедия [Электронный ресурс]. (https://dic.academic.ru/dic.nsf/enc_literature/5383/%D0%A1%D0%B5%D1%80%D0%B5%D0%B1%D1%80%D1%8F%D0%BD%D1%8B%D0%B9) (07.11.2019).