Научная новизна

К числу признаков, позволяющих утверждать наличие в диссертации новых научных результатов, относятся:

открытие новых природных явлений и закономерностей;

определение новых свойств материалов;

наличие новых теоретических положений или новых результатов теоретических исследований, то есть таких, которые получены или сформулированы впервые, содержательно обоснованы или объяснены, или получили экспериментальное подтверждение;

постановка новой научной проблемы;

постановка и решение новой научной задачи;

разработка и применение новых методов достижения значимых целей, инструментов исследования, нового математического аппарата, новых математических моделей;

разработка новых методик определения свойств предметов и явлений, новых методик расчета;

новые критерии оценки исследуемых процессов и устройств с учетом их точности, быстродействия помехозащищенности и т.д.;

введение новых научных категорий или понятий, развивающих представления о данной отрасли знаний и т.д.

Научная новизна работы состоит в создании новых моделей и алгоритмов , обеспечивающих повышенную релевантность и полноту находимой информации без заметного снижения быстродействия поиска в иерархических базах знаний с динамически управляемой структурой. При этом получены следующие научные результаты.

Предложены модели предварительной обработки и автоматизированного анализа информации в БЗ, обеспечивающие сужение рамок предметной области и позволяющие более эффективно структурировать и извлекать информацию из иерархических баз знаний.

Предложена и обоснована формализация задачи поиска информации в структурированных БЗ, основанная на сравнении поискового образа полнотекстового документа и расширенного запроса пользователя.

На основе теории фреймов и семантических сетей созданы и исследованы математические модели полнотекстового запроса и ПОД, обеспечивающие более высокую информативность поискового запроса пользователя по сравнению с традиционными моделями поиска информации.

Алгоритмически реализовано построение расширенного запроса, фактически заключающееся в последовательном просмотре термов запроса с последующим поиском и уточнением тематически близких понятий для каждого из них.

Разработана графовая модель многомодульной иерархической базы знаний с динамически конфигурируемой структурой и предложена схема алгоритма процесса обучения, основанного на иерархическом ранжировании модулей БЗ и вероятностном характере обращения к ним, адаптированного под индивидуальные способности обучаемого.

Создана и верифицирована имитационная модель поиска информации в структурированных иерархических базах знаний на основе разработанных моделей и алгоритмов. В ходе экспериментального исследования показаны преимущества их использования для многомодульных баз знаний.