Проблеми масштабування семантичних інформаційних ресурсів зі складною структурою

Abstract

Проаналізовано проблеми масштабування, що виникають у сучасних інтелектуальних інформаційних системах (ІІС), та класифіковано причини їх виникнення у розробках. ІІС інтегрують різноманітні елементи штучного інтелекту (ШІ) для здобуття релевантних знань для задач користувачів. Важливі особливості таких ІІС – використання даних зі складною структурою та орієнтація на семантичні інформаційні ресурси (ІР). Тому ми проаналізували особливості напрямків розвитку штучного інтелекту, що концентруються на даних, та їхні можливості щодо здобуття знань з Big Data. Системи організації знань (СОЗ) забезпечують моделі та методи для ефективного збереження, пошуку та використання інформації, яка обробляється Web-орієнтованими ІІС, і ми розглянули програмні реалізації таких СОЗ. Проаналізовано особливості масштабування систем, що орієнтовані на обробку семантичної інформації, та її відмінності від традиційних та великих даних. Ці особливості викликані складністю структури даних, кількістю семантичних відношень між інформаційними об’єктами в ІР та складністю семантичних запитів, які виконуються в СОЗ. На прикладі е-ВУЕ – Wiki-порталу Великої української енциклопедії – проаналізовано ситуації, що виникають у процесі практичного впровадження семантичних інформаційних ресурсів, які мають великий обсяг, складну структуру бази знань та підтримують одночасне виконання великої кількості різноманітних запитів. На основі цього аналізу розроблено набір рекомендацій, спрямованих на забезпечення більш ефективного масштабування таких ресурсів.

We analyze scaling problems arising in modern intelligent information systems (IISs) and classify main reasons for their occurrence in their practical solutions. IISs integrate various elements of artificial intelligence (AI) for acquisition of knowledge relevant to actual user tasks. Important properties of these IISs are use of data with complex structure and orientation on semantic information resources (IRs). Therefore we analyze main features of the Data-Centric AI and opportunities for acquiring domain knowledge in various representations from Big Data. Knowledge organization systems (KOS) provide models and methods for effective store, retrieval and use of information processed by the Web-oriented IISs, and we consider existing approaches for their software platforms.We analyse the specifics of the scaling for systems focused on the semantic information processing and its differences from traditional data and Big Data scaling. This specifics is caused by complexity of data structure, number of various semantic relations between information objects into IR and complexity of semantic queries executed by KOS. On example of e-VUE – the Wiki-portal of the Great Ukrainian Encyclopedia – we analyze various situations that arise in process of practical development of semantic information resources with large volume and complex structure. Various ways of semantic retrieval into this information resource that use possibilities of the Semantic MediaWiki plugin are considered from the point of view of scaling aspects (such as increase of information objects, their relations and complication of their structure and characteristics). On base of this analysis we generate a set of recommendations aimed at ensuring more efficient development of such resources and their efficient functioning for practical use.