Дмитрий Кудрявцев
Введение
Онтология — формальная спецификация разделяемой концептуальной модели [Studer,1998], где
- под «концептуальной» моделью подразумевается абстрактная модель предметной области, описывающая систему понятий предметной области,
- под «разделяемой» подразумевается согласованное понимание концептуальной модели определенным сообществом (группой людей),
- «спецификация» подразумевает описание системы понятий в явном виде,
- «формальная» подразумевает, что концептуальная модель является машиночитаемой.
Онтология состоит из классов сущностей предметной области, свойств этих классов, связей между этими классами и утверждений, построенных из этих классов, их свойств и связей между ними.
В рамках [Эталонные модели, 2006] было проведено детальное исследование понятия «онтология» и особенно областей применения онтологий. В результате систематизация знаний в области онтологий, предложенная в [Гаврилова, 2003], была расширена (рис.1):
Рис. 1. Систематизация знаний в области онтологий
Существует специальный европейский проект — KnowledgeWeb², интегрирующий работы в области управления знаниями и semantic web, который направлен на активизацию применения технологий на основе онтологий в деятельность предприятий и организаций. Данный проект объединяет как представителей из бизнеса, так и представителей научно-исследовательских организаций и институтов. В рамках данного проекта и его предшественника OntoWeb³; получен широкий спектр результатов (Deliverables)4, отражающих как технологические аспекты применения онтологий, так и аспекты, связанные с практическим применением данных технологий на предприятиях и в организациях, см. Табл. 1.
Табл. 1. Отчеты по применению онтологий
Проект
|
Результат (Deliverable)
|
Краткое описание
|
Дата
|
| KnowledgeWeb | D 1.1.2 Prototypical Business Use Cases | В данном отчете представлены бизнес кейсы, отражающие возможные задачи бизнеса, которые могут быть решены с применением технологий на основе онтологий. Содержит примеры конкретных компаний и бизнес задач. | 2005 |
| OntoWeb | D1.2: Bussines Scenarios v2.0 | Данный отчет описывает основные типы применений (бизнес-сценарии) технологий на основе онтологий, которые либо уже реализованы на практике, либо находятся на стадии внедрения. Обобщает возможные применения в группы. | 2004 |
| OntoWeb | D2.3 Successful Scenarios for Ontology-based Applications V1.0 | Данный отчет представляет практические рекомендации по внедрению технологий на основе онтологий для решения задач бизнеса. | 2003 |
Также обзор применения онтологий в области управления знаниями представлен в статьях:
1. Peter Mika and Hans Akkermans Towards a New Synthesis of Ontology Technology and Knowledge Management //Knowledge Engineering Review, April, 2004. www.cs.vu.nl/~pmika/research/papers/IR-BI-001.pdf
Описание:
Данная статья объединяет исследования в области онтологий с наиболее важной областью практического применения онтологий — управлением знаниями. В данной статье отражено существующее состояние технологий в области управления знаниями и указывается роль и потенциальный вклад онтологий в развитие управления знаниями.
2. Davies J, Studer R, Sure Y and Warren P W Next generation knowledge management //BT Technology Journal, Vol 23, No 3, July 2005. www.aifb.uni-karlsruhe.de/WBS/ysu/publications/2005_sekt_btjournal.pdf
Описание:
Данная статья описывает, как управление знаниями может быть улучшено с помощью адаптации технологий Semantic Web.
Семантический веб организации (Enterprise Semantic Web)
Семантический веб организации — это реализация глобальной концепции Semantic Web в рамках отдельной организации. Семантический веб (semantic web) — это концепция сети, в которой каждый ресурс на человеческом языке был бы снабжен описанием, понятным компьютеру. В идеальном варианте, вся информация в Интернете должна размещаться на двух языках: на человеческом языке для человека и на компьютерном языке для понимания компьютера.
В нынешнем виде WWW — вместе с поисковыми системами и другими сервисами — уже представляет собой "мыслящую Сеть". Однако нетрудно понять, что сами веб-страницы здесь пассивны, а "мыслящей частью" являются именно поисковые машины. Компьютерная программа не способна, загрузив произвольный документ, будь то веб-страница или какой-то файл, понять его содержание. Семантический веб позволит пользователю быстро получать ответы на сложные запросы.
Сегодняшние поисковые системы зачастую выдают бесчисленное множество совершенно не относящихся к запросу «хитов», обрекая пользователя на длительный ручной отбор материала. С помощью технологии семантического веба обеспечивается оптимизация поиска информации:
- за счет более точного понимания машиной понятий, которые интересуют человека;
- за счет более точного индексирования информации с применением не только статистических методов, но и анализа семантических связей.
Примеры интеллектуального поиска информации:
| «Понятийные» запросы (Concept-based queries) | |
| Описание | Возможность производить запросы на основе значений понятий, а не на основе совпадения строк. |
| Преимущества | Более быстрый поиск нужной информации. |
| Отличие | Традиционные поисковые сервисы основаны на алгоритмах совпадения строк и символов, такой подход не позволяет использовать синонимы или распознавать контекст запроса. В отличие от обычного поиска по ключевым словам, позволяет дополнять запрос (результаты) более общими или более детальными понятиями по отношению к искомому ключевому слову (животные / хищники / кошачьи / тигры). |
| Ключевые возможности использования | Поиск, навигация, порталы, объединенные запросы, интеграция данных, Business Intelligence. |
| Иллюстрация | Например, если пользователь задаст вопрос: «Какие транспортные средства производятся в России?», то он получит из базы ответ, в который попадут автомобили (=подкласс транспортных средств), производимые во Всеволожске (=город, который находится в России). |
| «Умные» запросы (Smart Queries) | |
| Описание | Возможность получения не заданных явно знаний из созданных моделей (путем логического вывода). |
| Преимущества | Поиск «скрытой информации» в объединенных схемах. |
| Отличие | Традиционные поисковые сервисы могут связывать отдельные информационные источники, используя лексические совпадения. Реляционные БД используют связи, заданные вручную в схеме данных (связи между таблицами) или в коде процедур и функций. Для выполнения сложного запроса (см. иллюстрацию) над реляционной БД, необходимо заранее определить всю логику этого запроса. |
| Ключевые возможности использования | Поиск, объединенные запросы, интеграция данных, Business Intelligence, риск-менеджмент. |
| Иллюстрация | Например, пользователь системы может задать вопрос: Какие поставки продукции находятся сейчас в состоянии риска? В ответ на такой вопрос система в одной онтологии тарифов определит, что с учетом текущих условий (например, географических или погодных) существуют риски, связанные с перевозкой овощей и фруктов. А в другой базе или онтологии деклараций по перевозке груза определит, что в декларации №А345 указаны арбузы, которые являются подклассом «Овощей и фруктов» (см. рис. 2). В результате система сможет дать кокретный ответ на поставленный вопрос: Поставка COSCO #A345 
Рис. 2. Интеллектуальный поиск на основе логического вывода
|
История и этапы развития сети: 70-е годы — возникновение глобальной компьютерной сети, узлы которой обменивались данными, не требовавшими обработки в реальном времени (письма, файлы и т.п.).
Март 1989 г. — Тимоти Бернерс-Ли (Европейская лаборатория физики элементарных частиц (CERN) в Женеве) – появление распределенной информационной сети, проект “World Wide Web: Proposal for Hyper Text Project”.
Май 2001 г. — появление основной статьи Тима Бернерс-Ли, Джеймса Хендлера и Оры Лассилы, которая вводит идею семантического веба — «The Semantic Web», опубликованной в журнале Scientific American [Berners-Lee, 2001]5.
Март 1989 г. — Тимоти Бернерс-Ли (Европейская лаборатория физики элементарных частиц (CERN) в Женеве) – появление распределенной информационной сети, проект “World Wide Web: Proposal for Hyper Text Project”.
Май 2001 г. — появление основной статьи Тима Бернерс-Ли, Джеймса Хендлера и Оры Лассилы, которая вводит идею семантического веба — «The Semantic Web», опубликованной в журнале Scientific American [Berners-Lee, 2001]5.
Можно выделить три ключевые технологические составляющие семантического веба, обеспечивающие его реализацию:
- Расширяемый язык разметки eXtensible Markup Language, XML.
- Система описания ресурсов — Resource Description Framework, RDF.
- Язык сетевых онтологий — Web Ontology Language, OWL. Язык сетевых онтологий позволяет формально представлять онтологии, которые в свою очередь используются для описания информации в сети и ее поиске пользователями.
Рис. 3. Настоящее Semantic Web
Несмотря на очевидные преимущества и перспективы глобального внедрения идей и технологий Semantic Web, для реализация данной концепции в рамках всемирной сети потребуется время. В процессе исследований и разработок, проводимых крупными компаниями, был сформулирован локальный подход: семантический веб организации Enterprise Semantic Web (ESW) — реализация Semantic Web на ограниченной предметной области (в рамках отдельно взятой организации) [Cerebra, 2005].
Enterprise Semantic Web позволяет создать систему, моделирующую совокупность бизнес-логики, правил, процессов и информации в компании, не привязанных к отдельным приложениям и не скрытых в программном коде. Отделив информацию и знания от алгоритмов работы приложений, разработчики смогут создавать сервисные приложения, которые будет использоваться вне зависимости от того, какую информацию они обрабатывают.
ESW не может существовать без применения ключевых технологий, рекомендованных W3C. Resource Description Framework (RDF) представляет собой новый подход к организации данных в виде триплетов. Web Ontology Language (OWL) позволяет представлять онтологии, описывающие смысловую структуру данных, и создать модели связей. Эти две спецификации, используемые совместно, составляют фундамент семантического веба организации.
При проектировании семантического веба организации, следует обратить внимание на то, что большая часть информации внутри компании хранится в различных форматах, в различной степени структурирована и т.п., то есть слишком фрагментирована, чтобы быть полезной. Первым шагом может стать внедрение RDF в качестве базового формата хранения данных. RDF может описывать данные из любого источника и любого формата (XML, реляционные БД, иерархические модели, неструктурированные или полуструктурированные), причем реализовать эту возможность не представляет особого труда. Автоматизированные инструменты для разбора могут быть использованы для создания RDF триплетов из существующих стандартных источников. Результирующие RDF данные простой структуры хранятся и используются в распределенных базах данных RDF.
Сам по себе RDF представляет собой простой способ организации доступа к данным в унифицированном формате — проще и нагляднее, чем XML структуры или реляционные БД. Однако RDF не позволяет создавать структуры, «описывающие сами себя». Другими словами, RDF не обладает достаточными семантическими возможностями, чтобы хранить «смысл информации».
Возможности RDF как базового языка дополняются технологией OWL, надстраиваемой на уровень выше (для создания иерархии информационных источников и определения семантики связей также может использоваться RDF(S), но в связи с тем, что OWL обладает теми же возможностями и дополнительными удобными особенностями, в данном примере архитектуры на втором уровне рассматривается именно этот стандарт).
OWL представляет возможности построения семантической структуры для организации и классификации RDF триплетов. Онтологии OWL создаются сверху вниз, исходя из бизнес-логики. Одновременно RDF данные генерируются снизу вверх автоматизированными инструментами, см. рис. 4.
Рис. 4. Логическая архитектура семантического веба организации
OWL связывается с RDF посредством универсальных идентификаторов ресурсов (URIs). Фактически каждый индивидуальный элемент OWL может быть связан с элементом данных RDF (одним из узлов триплета объект-свойство-значение).
Корпоративная память на основе онтологий
Примером систем УЗ может служить Корпоративная память (КП), предназначенная для накопления и управления знаниями предприятия [Gomez-Perez,2002]. КП включает работу как с явным знанием компании в форме баз данных и электронных архивов, так и со скрытым знанием — либо фиксируя его в некотором (более или менее формальном) представлении в форме экспертных систем или БД, либо обеспечивая поиск и доступ к экспертам.
Необходимость в КП обусловлена потребностью предприятий более эффективно использовать знания, которыми они располагают, а также явлением потери опыта. Потеря опыта в основном связана с увольнением или уходом на пенсию высококвалифицированных сотрудников, но может также происходить в результате смены квалификации сотрудников, необходимой для реализации новых проектов. В обоих случаях опыт, приобретенный во время реализации предыдущих проектов, полностью или частично утрачивается.
Восстановление предыдущего опыта часто требует существенных затрат рабочего времени и как следствие — повышение стоимости проектов. Данное обстоятельство стимулирует организации вкладывать средства в разработку инструментов и систем, способствующих обмену опыта между сотрудниками и снижению зависимости знаний от владеющих ими индивидов.
Характер потребностей в системах корпоративной памяти и объем усилий для их внедрения в компании может зависеть от размера компании. Среди мотивирующих факторов можно выделить следующие:
1. Избежать потери уникальных знаний специалиста после его ухода на пенсию или смены места работы.
2. Сохранить опыт, полученный в предыдущих проектах, и избежать повторения ошибок.
3. Использовать карту знаний компании для разработки стратегии развития. Регулярное внедрение инноваций должно улучшать способность компании реагировать на изменение рыночной ситуации.
4. Улучшить процесс распространения информации и повысить уровень коммуникации внутри компании.
5. Улучшить процесс обучения персонала компании (как вновь принятых сотрудников, так и «старых»).
6. Интегрировать различные инновации компании.
Основные функции корпоративной памяти:
- Сбор и систематическая организация информации из различных источников в централизованное и структурное информационное хранилище.
- Интеграция с существующими автоматизированными системами [Conklin, 1996]. На техническом уровне это означает, что корпоративная память должна быть непосредственно связана с помощью интерфейса с инструментальными средствами, которые в настоящее время используются в организации (например, текстовые процессоры, электронные таблицы, системы документооборота).
- Обеспечение нужной информации по запросу (пассивная форма) и при необходимости (активная форма). Слишком частые ошибки — это следствие недостаточной информированности. Этого невозможно избежать с помощью пассивной информационной системы, так как служащие часто слишком заняты, чтобы искать информацию, или не знают, что нужная информация существует.
Конечная цель КП состоит в том, чтобы обеспечить доступ к знанию всякий раз, когда это необходимо. Чтобы обеспечить это, КП реализует активный подход к распространению знаний, который не полагается на запросы пользователей, а автоматически обеспечивает полезное для решения задачи знание. Чтобы предотвращать информационную перегрузку, этот подход должен быть совмещен с высокой выборочной оценкой уместности. Законченная система должна действовать как интеллектуальный помощник (советник) пользователю.
Программный инструментарий для OMIS включает как оригинальные разработки, например KARAT [Tschaitschian , 1997] и Documentun i4 [Николаев, 1999], так и стандартные средства — например, LOTUS NOTES обеспечила один из первых инструментариев хранения документальной информации. Однако сегодня в связи с бурным развитием Интернета, СУЗ все чаще используют Web-технологию.
Для описания ресурсов знаний и их поиска в КП целесообразно использовать три вида онтологий [Abecker, 1998]:
- Онтологию информации для описания метасвойств и доступа к информации.
- Онтологию предприятия для описания контекста создания и применения информации.
- Предметную онтологию для описания контента (содержания) информации.
Общая схема реализации корпоративной памяти с применением данных онтологий представлена на рис. 5:
Рис. 5. Реализация корпоративной памяти на основе онтологий
В случае представленного выше подхода к обработке ресурсов знаний, отдельный элемент знаний может быть описан с применением онтологий следующим образом:
Метасвойства и доступ
| Имя | “Как получить выгодные условия оплаты?” |
| Автор | Фома Берлиоз |
| Жанр | Совет |
| Тип | Эвристика, на основе опыта |
| Форма | Текст на русск. Языке, MS Word |
| Источник файла | E:\home\experiences\ds9-12-99pn.doc |
| Доступность | Всегда |
| Затраты | Нет |
Контент
| Продукт | 20 SUN Ultra |
| Поставщик | Borg Inc. |
| Персона для контакта | Д-р Лютер Кинг |
Контекст
| Процесс- создатель | Проект Оптик для «Пятерочки», декабрь ’99 |
| Функция (activity)-создатель | Согласование цены с поставщиком комплектующих |
| Подразделение-создатель | Отдел закупок |
Особое внимание при разработке поисковых механизмов в КП предлагается уделять именно контексту. Основная задача КП состоит в том, чтобы обнаруживать информационную потребность в течение выполнения производственного процесса и определять уместное знание в специфическом контексте задачи, поэтому авторы предлагают использовать информацию контекста задачи для информационной фильтрации. Моделирование и использование контекста для поиска информации в КП создает потенциал для применения результатов бизнес-моделирования. При моделировании контекста рассматриваются две стороны:
- Контекст потенциального применения знаний
- Контекст, в котором знание было создано
Если рекомендация (замечание) о каком-либо покупателе или поставщике была создана в определенном бизнес-контексте, например, Согласование цены, то такая информация может быть очень важна при определении релевантности рекомендации (замечания) в новом контексте применения. Для некоторых видов информации, таких как отчеты о лучшей практике, полученные уроки или регламентирующая документация, контексты применения могут быть определены заранее. Контекст применения рекомендуется представлять в терминах организационной структуры, процессов, функций, которые, как раз, составляют основу онтологии организации и онтологической модели, которые создаются при моделировании6.
Порталы на основе онтологий
Даже хорошо структурированное знание, не будучи доступным его потенциальным потребителям, мало кого интересует. Ценность единицы знаний со слабой доступностью чрезвычайно мала. Разрозненность, несвязанность знаний, отсутствие представления об их текущем состоянии становятся существенным препятствием для их применения в интересах организации.
В настоящее время найдено универсальное решение, обеспечивающее доступ к информации в рамках систем УЗ, — это корпоративные порталы, рис. 6.
Рис. 6. Концептуальная схема корпоративного портала
Корпоративный портал — система, которая объединяет все имеющиеся у организации информационные ресурсы (приложения, базы и хранилища данных, аналитические системы и пр.), и, используя web-интерфейс, предоставляет пользователям единый защищенный доступ к корпоративной и внешней информации. Реализуется созданием Интранета.
Обратим сначала внимание на следующие полезные свойства портала, упоминаемые в различных источниках:
- Портал позволяет четко систематизировать контент (то есть эти самые знания!) и предоставить эффективные средства навигации для пользователей.
- Портал может предоставлять эффективные возможности поиска, причем большинство современных методов поиска включают средства интеллектуального поиска и визуальные модели.
- С помощью портала информация доступна в любой день 24 часа в сутки из любой точки земли с доступом в Интернет.
- Портал позволяет предоставить средства управления контентом для различных групп сотрудников (управление доступом).
- Портал поддерживает внутрикорпоративный обмен знаниями и совместную работу за счет наличия различных конференций, форумов и единого рабочего пространства.
- Портал обеспечивают персонализацию представления информации для сотрудников: персональнализация страниц, каналов новостей, объявлений.
Ценность корпоративного портала (как и большинства систем УЗ) определяется его поисковыми возможностями, которые, как было показано выше, могут быть существенно улучшены за счет применения онтологии. Развитие идей применения онтологий для создания и поддержки порталов можно найти в работах [Staab, Maedhe, 2002], [Maedhe, 2002].
В данных работах указывается, что поддержание любого портала требует, с одной стороны, управления порталом, а с другой — интеграции и индексации информации. Основная идея, предлагаемая авторами, заключается в создании и использовании единой онтологии, которая будет, с одной стороны, обеспечивать управление порталом, а с другой — интеграцию и индексацию информации, см. рис. 7.
Рис. 7. Архитектура семантического портала на основе онтологии
Такой подход, во-первых, позволяет значительно снизить усилия на создание и поддержку портала, а во-вторых, повысить гибкость и адаптивность портала: его становится легко перестраивать, и это доступно бизнес-пользователям, благодаря соответствующему интерфейсу. В предлагаемом авторами подходе для создания и перестройки онтологии, которая является системообразующим элементом портала, используется специальное программное обеспечение — редактор онтологий.
Навигационные возможности «семантических» порталов, которые основаны на онтологиях, включающих различные классы понятий и типы связей между ними, можно рассмотреть здесь:
http://www.aifb.uni-karlsruhe.de/english
http://knowledgeweb.semanticweb.org/semanticportal/index.jsp?content=joining.html
В качестве примера рассмотрим страницу с информацией об одном из участников проекта, размещенную на одном из указанных выше порталов (рис.8). На данной странице в виде гиперссылок указаны все связанные элементы для рассматриваемого человека.
Рис. 8. Пример страницы семантического портала
Связанные объекты и типы связей между объектами на портале задаются с помощью соответствующей онтологии (рис. 9):
Рис. 9. Онтология портала проекта KnowledgeWeb
Применение онтологий для управления компетенциями
В данном разделе приведено применение онтологий в одной из функциональных областей предприятия — управления персоналом. Также онтологии могут применяться в других областях: финансы, маркетинг и т.п.
Компетенции — это взаимосвязанные знания, умения, навыки, способности и прочие характеристики личности сотрудников, необходимые для достижения требуемых результатов.
Компетенции:
- можно наблюдать и измерять
- являются основой эффективного и успешного поведения
- отличают успешных сотрудников от остальных
Люди, которые обладают нужными компетенциями или у которых есть потенциал для развития таких компетенций, будут способны делать нужные вещи (поведение) для достижения желаемых результатов.
Компетенции являются системообразующими элементами в системе управления кадровым потенциалом:
- Подбор персонала
- Обучение персонала
- Перемещение персонала
- Оценка персонала
Хотя управление компетенциями обычно попадает в организациях в область управления персоналом, такая деятельность должна быть также интегрирована в систему управления знаниями, поскольку компетенции будут отражать все знания в головах сотрудников.
В практике международного менеджмента уже существуют примеры управления компетенциями на основе онтологий:
- Jussi Stader and Ann Macintosh, Capability Modelling and Knowledge Management / Моделированиеспособностейиуправлениезнаниями.
Аннотация
Организации осознают, что очень важно «знать, кто что знает» и максимально использовать такие знания. Управление знаниями решает подобные задачи. Институт Применения Искусственного Интеллекта (ИПИИ) вовлечен в деятельность по управлению знаниями. ИПИИ также работает с онтологиями и, в особенности, с онтологиями навыков и компетенций в контексте workflow систем, и сейчас применяет техники управления знаниями для более эффективного использования онтологии навыков и компетенций в управлении организацией. Программный продукт для поддержки управления компетенциями, и основанный на онтологии навыков и компетенций, может помочь организациям согласовать навыки и компетенции существующих и будущих сотрудников с целями бизнеса.
- Ernst Biesalski, Andreas Abecker, IntegratedProcessesandToolsforPersonnelDevelopment / Интегрированные процессы и инструменты для развития персонала.
Аннотация
В данной статье предлагается концептуальная схема и референтные процессы для планирования обучающих мероприятий в контексте управления компетенциями персонала в крупной компании. Предлагается комплексный подход, который обеспечивает выявление потребностей в обучении как «сверху-вниз» от стратегии, так и «снизу-вверх» от индивидуальных потребностей и потребностей отдельных подразделений.
Соответствующие подпроцессы Определения потребности в обучении, Планирования обучения и развития персонала основаны на онтологической модели требуемых и имеющихся в компании компетенций, а также на модуле сопоставления профилей компетенций с помощью онтологии.
Представленный процессы разработаны в рамках написания диссертации и исследовательских работ в департаменте управления персоналом крупного производителя автомобилей.
Комплекс взаимодействующих программных компонент поддерживается ИТ-инфраструктурой, построенной вокруг единого хранилища данных по управлению персоналом, в котором интегрируется вся информация в области управления персоналом из существующих распределенных систем.
Ключевые слова
Управление знаниями и компетенциями; Управление компетенциями на основе онтологий; ИТ-архитектуры для управления знаниями и персоналом.
Одним из основных компонентов такого управления является создание Каталога компетенций — карты, устанавливающей связь между сотрудниками организации и их компетенциями, которая позволяет пользователю находить людей, имеющих требуемые знания, навыки и умения.
Кроме создания каталога, компетенции необходимо интегрировать в деятельность организации и связать с процессами, проектами, функциями, подразделениями.
Такая интеграция позволит:
- определять необходимые организации компетенции
- идентифицировать / находить компетенции на основе контекста их применения (решаемые задачи, процессы, проекты…)
Преимущества управления компетенциями на основе онтологий:
- Легкость определения требуемых компетенций, благодаря анализу уже имеющегося списка.
- Возможность сопоставления компетенций сотрудников из разных отделов / структурных единиц.
- Возможности дополнительного анализа в разных разрезах (карта компетенций / знаний отделов, наглядный и удобный для сопоставления анализ развития персонала).
- Высокая точность подбора сотрудников под необходимые задачи (проекты).
- Ускорение и повышение эффективности обмена опытом.
Примечания
1. Фрагмент отчета по научно-исследовательской работе «Эталонные модели организации деятельности в государственном секторе», выполненной сотрудниками АНО КМЦ «Бизнес-Инжиниринг» совместно с ИПГМУ ВШЭ, 2006 г.
3. Ontology-based information exchange for knowledge management and electronic commerce http://ontoweb.org/.
5. Русский перевод по адресу http://ezolin.pisem.net/logic/semantic_web_rus.html.
6. Интересно отметить, что подобные идеи по установлению и визуализации связи между контекстом создания / применения и информацией в англоязычной литературе часто скрываются под видом «knowledge mapping» см., например, [Eppler, 2001] Martin J. Eppler Making Knowledge Visible Through Intranet Knowledge Maps: Concepts, Elements, Cases //Proceedings of the 34th Hawaii International Conference on System Sciences – 2001.
[Vestal, 2005] Wesley Vestal Knowledge Mapping: The Essentials for Success // APQC: Publications. 2005.
“One of the fundamental tenets of knowledge management is that knowledge must link to and improve business processes. Without a map of the processes, goals, and knowledge assets inside one’s organization, it will be difficult to reach one’s destination.” [Vestal, 2005].
[Vestal, 2005] Wesley Vestal Knowledge Mapping: The Essentials for Success // APQC: Publications. 2005.
“One of the fundamental tenets of knowledge management is that knowledge must link to and improve business processes. Without a map of the processes, goals, and knowledge assets inside one’s organization, it will be difficult to reach one’s destination.” [Vestal, 2005].
Литература
- Abecker A., Bernardi A., Hinkelmann K., Kuhn O., Sintek M. Toward a Technology for Organizational Memories IEEE Intelligent Systems. — 1998, №3, 40-48.
- Abecker, A., D. Apostolou, W. Maas, G. Mentzas, C. Reuschling, S. Tabor Towards an Information Ontology for Knowledge Asset Trading Presented at the ICE 2003. — 9th International Conference of Concurrent Enterprising, Espoo, Finland, 16-18 June 2003
- Berners-Lee T., Hendler J., and Lassila O., The Semantic Web, Scientific American, 2001, May
- Biesalski E., Abecker A., Integrated Processes and Tools for Personnel Development, Proc. of 11th International Conference on Concurrent Enterprising, Munich, Germany, June 2005.
- Borghoff U., Pareschi R., 1998. Information Technology for Knowledge Management. — Springer-Verlag, Bln.
- Cerebra, Inc., Enterprise Semantic Web - Understanding the Evolution of Integration Technologies in the Context of the W3C Semantic Web Vision Whitepaper 2005.
- Gomez-Perez A. Ontologies: Theory, methods and tools. Tutorial. The Fourth Summer School on Ontological Engineering and the Semantic Web, 2006 (SSSW'06).
- Gomez-Perez, Asuncion (Editor), Richard Benjamins (Editor), 2002. Knowledge Engineering and Knowledge Management. Ontologies and the Semantic Web. Springer Verlag.
- Hinkelmann K. and Kieninger Th. Task-oriented web-search refinement and information filtering. DFKI GmbH, 1997.
- Kühn O., Abecker A., 1998. Corporate Memories for Knowledge Management in Industrial Practice: Prospects and Challenges.
- Kühn O., Becker V., Lohse V. and Ph. Neumann, 1994. Integrated Knowledge Utilization and Evolution for the Conservation of Corporate Know-How // ISMICK'94: Int. Symposium on the Management of Industrial and Corporate Knowledge
- Ludger van Elst, Abecker A., and Heiko M. Exploiting User and Process Context for Knowledge Management Systems Workshop on User Modeling for Context-Aware Applications at the 8th Int. Conf. on User Modeling, July 13-16, 2001, Sonthofen, Germany
- Macintosh A., Knowledge asset management. // Airing. – №20, April, 1997.
- Maedche A., Staab S., Studer R., Sure Y., Volz R. SEAL— Tying Up Information Integration and Web Site Management by Ontologies //IEEE Data Engineering Bulletin 25 (1): 10-17. 2002.
- McComb D. 2004. The CIO's Guide To Semantics© Semantic Arts, Inc. , www.semantic-conference.com
- Nonaka I. and Takeuchi I., 1995. The Knowledge-Creating Company. New York, Oxford: Oxford University Press
- 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.
- Staab S., Maedche A. Knowledge Portals: Ontologies at Work. AI Magazine 2001, Vol. 22, №2, p. 63-75.
- Staab, S., Schnurr, H.-P., Studer, R., Sure, Y. Knowledge processes and ontologies, IEEE Intelligent Systems, 2001, Vol. 16 No.1, pp.26-34.
- Stader J., Macintosh A., Capability modelling and knowledge management, Applications and Innovations in Intelligent Systems VII, Springer-Verlag, pp 33-50, 1999.
- Strohmaier M. Designing Business Process Oriented Knowledge Infrastructures Proceedings der GI Workshopwoche, Workshop der Fachgruppe Wissensmanagement, Karlsruhe (2003)
- Van Heist G., Schreiber T., Wielinga B. Using Explicit ontologies in KBS International Journal of Human-Computer studies Vol/ 46 (2/3) 1997
- Wiig К. Knowledge management is no illusion! // Proc. of the First International Conference on Practical Aspects of Knowledge Management. — Zurich, Switzerland: Swiss Informaticians Society, 1996.
- Гаврилова Т. Онтологический подход к управлению знаниями при разработке корпоративных информационных систем. // Ж. "Новости искусственного интеллекта", N2, 2003. — с. 24-30.
- Николаев А., Построение систем управления знаниями на базе технологии Documentum 4i // Открытые системы , N9-10. — с.44-48, 1999.
- О’Лири Д. Управление корпоративными знаниями / Открытые системы, N4-5. –c.31-39, 1998.
- Отчет по НИР «Эталонные модели организации деятельности в государственном секторе», ГУ-ВШЭ, 2006.
- Попов Э., Корпоративные системы управления знаниями. Ж.”Новости ИИ”, N1, 2001.
- Публикации по управлению знаниями (http://www.bigс.ru/publications/bigspb/km/)
- Публикации по управлению знаниями (http://www.kmtec.ru/publications/ontology/publications_anthology/)
