семантические технологии

Дата-центричная архитектура — гибкая работа с данными

В основе классической ИТ-архитектуры лежат приложения, каждое со своей базой данных, что обычно приводит к дублированию информации в бизнес-объектах. Ядро дата-центричной архитектуры – данные, доступные всем потребителям через единую точку, роль которой в сложных системах исполняет логическая витрина основанная на модели консолидированных данных. В чем преимущества использования онтологий для построения такой модели и как построить онтологическую модель, обеспечив гибкость и целостность?

Проектирование и моделирование телекоммуникационных систем

Телекоммуникационные системы постоянно усложняются как с точки зрения функциональности, так и с точки зрения реализуемых бизнес-процессов, что требует наличия единой информационной модели предметной области и обеспечения взаимодействия различных информационных систем. Традиционные подходы к проектированию, ориентированные на построение систем, решающих частные задачи, не применимы. Требуется онтологическая модель телекоммуникационной сети, которая может использоваться как операторами связи для решения поисковых, аналитических и прогнозных задач, так и архитекторами при проектировании и модернизации телекоммуникационных систем.

Ключ к гиперавтоматизации: онтологические модели

Все, что можно автоматизировать, должно быть автоматизировано с одновременной оптимизацией бизнес-процессов. Однако нишевая автоматизация не может стать основой интеграции, необходима гиперавтоматизация, получившая реальное подкрепление в виде онтологического подхода к описанию предметной области и графовых баз, как адекватный инструмент реализации масштабных проектов.

Архитектура на основе событийной семантики

Объединение событийного подхода, семантики и ориентированного на данные принципа управления дает бизнес-пользователям возможность декомпозировать автоматизируемую предметную область не с помощью традиционных языков программирования, а путем описания операций бизнес-деятельности на языке событий, происходящих во времени. По сути, речь идет о технологии low-code/no-code, в которой исполняемым «кодом» являются последовательности семантически определенных записей.

Управление знаниями: тенденции

Процесс цифровизации может потребовать достаточно продолжительного времени для преобразования модели управления организацией, включая управление всей доступной информацией. Успех прохождения этого периода во многом зависит от учета тенденций в управлении знаниями, затрагивающих как новые технологии, так и способы их внедрения в реальные бизнес-процессы компании.

Динамическая агрегация семантических данных

Набирает популярность семантическая разметка, используя которую поисковые системы адекватно отображают содержимое сайтов, однако большинство инструментов работы с контентом веб-страницы актуальных данных из различных веб-ресурсов достаточно сложны и требуют программирования. Инструмент StructScraper, использующий микроразметку сайтов, позволяет создавать страницы с семантической информацией и метаданными от внешних сайтов с наполнением непосредственно на момент обращения.

Единая точка доступа к данным предприятия

Современные онтологические технологии, графовые базы данных, машины логического вывода и другие инструменты дают возможность в рамках разумных бюджетов создавать логические витрины данных, позволяющие предприятиям консолидировать все имеющиеся у них данные. Проекты создания автоматизированных систем, построенных по архитектуре логической витрины данных, сегодня можно выполнить на базе ПО с открытым исходным кодом, а также продуктов, внесенных в Реестр отечественного ПО.

Управление данными на основе графов знаний

Компании, способные с помощью графов знаний управлять сложностью своих информационных систем, получат преимущества в условиях цифровой экономики.
29 ноября 2018 года эта тема подробно обсуждается на конференции "Технологии управления данными 2018"

Семантический анализ в подготовке обучающих выборок

Эффективное применение технологий машинного обучения для работы с текстами невозможно без средств предварительного семантического анализа, которые в будущем должны использоваться при подготовке и разметке обучающих выборок.

Семантические сети и обработка естественного языка

Машинное обучение вторглось в области, где до недавнего времени господствовали лишь семантические сети. Однако в задачах обработки естественного языка, построения инвентаря значений слов и связывания языковых ресурсов семантические сети по-прежнему позволяют достигать высокой точности.

База знаний научного эксперимента

Как формализовать модель жизненного цикла эксперимента и автоматизировать процесс получения знаний о нем? Необходимо иметь единое онтологическое хранилище, в котором метаданные по научному эксперименту объединены в семантически связную структуру.

О пользе Семантической паутины

Ожидаемый многими потенциал Семантической паутины по получению, передаче и управлению информации до сих пор не реализован, хотя появился ряд инструментов, подтверждающих эффективность этой технологии. Давно пора изменить приоритеты исследований и разработок.

Данные на работе

ИТ-индустрия ищет сегодня решение задачи обработки возрастающих объемов данных, однако, несмотря на приобретение нового оборудования и развертывание дополнительных сетей, компании не замечают, что сражаются с ветряными мельницами, — завтра данных будет еще больше. Тем не менее вопрос о том, как заставить все эти данные приносить реальную пользу бизнесу, редко оказывается в фокусе внимания ИТ-подразделений. Утилизовать данные путем интеграции помогут семантические технологии.

«Начали год с командой лидеров рынка»: итоги панельных дискуссий ICL Open Day

В рамках события спикеры ГК ICL и партнерских компаний делились своей экспертизой о том, как рынок справлялся с вызовами 2023 года...