
- •1. Введение в интеллектуальные системы.................................................................7
- •2. Разработка систем, основанных на знаниях ........................................................36
- •3. Теоретические аспекты инженерии знаний..........................................................55
- •4. Технологии инженерии знаний.............................................................................. 95
- •5. Новые тенденции и прикладные аспекты
- •6. Программный инструментарий разработки систем, основанных на знаниях............................................................................................................................194
- •7. Пример разработки системы, основанной на знаниях ................................….226
- •8. Представление данных и знаний в Интернете...................................................257
- •9. Интеллектуальные Интернет-технологии..........................................................300
- •1. Введение в интеллектуальные системы
- •1.1. Краткая история искусственного интеллекта
- •1.1.1. Предыстория
- •1.1.2. Зарождение нейрокибернетики
- •1.1.3. От кибернетики «черного ящика» к ии
- •1.1.4. История искусственного интеллекта в России
- •1.2. Основные направления исследований в области искусственного интеллекта
- •1.2.1. Представление знаний и разработка систем, основанных на знаниях (knowledge-based systems)
- •1.2.2. Программное обеспечение систем ии (software engineering for Al)
- •1.2.3. Разработка естественно-языковых интерфейсов и машинный перевод (natural language processing)
- •1.2.4. Интеллектуальные роботы (robotics)
- •1.2.5. Обучение и самообучение (machine learning)
- •1.2.6. Распознавание образов (pattern recognition)
- •1.2.7. Новые архитектуры компьютеров (new hardware platforms and architectures)
- •1.2.8. Игры и машинное творчество
- •1.2.9. Другие направления
- •1.3. Представление знаний и вывод на знаниях
- •1.3.1. Данные и знания
- •1.3.2. Модели представления знаний
- •1.3.3. Вывод на знаниях
- •1.4. Нечеткие знания
- •1.4.1. Основы теории нечетких множеств
- •123456789 10 Рис. 1.7. Формирование нечетких множеств
- •1.4.2. Операции с нечеткими знаниями
- •1.5. Прикладные интеллектуальные системы
- •2. Разработка систем, основанных на знаниях
- •2.1. Введение в экспертные системы. Определение и структура
- •2.2. Классификация систем, основанных на знаниях
- •2.2.1. Классификация по решаемой задаче
- •2.2.2. Классификация по связи с реальным временем
- •2.2.3. Классификация по типу эвм
- •2.2.4. Классификация по степени интеграции с другими программами
- •2.3. Коллектив разработчиков
- •2.4. Технология проектирования и разработки
- •2.4.1. Проблемы разработки промышленных эс
- •2.4.2. Выбор подходящей проблемы
- •2.4.3. Технология быстрого прототипирования
- •2.4.4. Развитие прототипа до промышленной эс
- •2.4.5. Оценка системы
- •2.4.6. Стыковка системы
- •2.4.7. Поддержка системы
- •3. Теоретические аспекты инженерии знаний
- •3.1. Поле знаний
- •3.1.1. О языке описания поля знаний
- •3.1.2. Семиотическая модель поля знаний
- •3.1.3. «Пирамида» знаний
- •3.2. Стратегии получения знаний
- •3.3. Теоретические аспекты извлечения знаний
- •3.3.1. Психологический аспект
- •3.3.2. Лингвистический аспект
- •3.3.3. Гносеологический аспект извлечения знаний
- •3.4. Теоретические аспекты структурирования знаний
- •3.4.1. Историческая справка
- •3.4.2. Иерархический подход
- •3.4.3. Традиционные методологии структурирования
- •3.4.4. Объектно-структурный подход (осп)
- •4. Технологии инженерии знаний
- •4.1. Классификация методов практического извлечения знаний
- •4.2. Коммуникативные методы
- •4.2.1. Пассивные методы
- •4.2.2. Активные индивидуальные методы
- •4.2.3. Активные групповые методы
- •4.3. Текстологические методы
- •4.4. Простейшие методы структурирования
- •4.4.1. Алгоритм для «чайников»
- •4.4.2. Специальные методы структурирования
- •4.5. Состояние и перспективы автоматизированного приобретения знаний
- •4.5.1. Эволюция систем приобретения знаний
- •4.5.2. Современное состояние
- •4.6. Примеры методов и систем приобретения знаний
- •4.6.1. Автоматизированное структурированное интервью
- •4.6.2. Имитация консультаций
- •4.6.3. Интегрированные среды приобретения знаний
- •4.6.4. Приобретение знаний из текстов
- •5. Новые тенденции и прикладные аспекты инженерии знаний
- •5.1. Латентные структуры знаний и психосемантика
- •5.1.1. Семантические пространства
- •5.1.2. Методы многомерного шкалирования
- •5.1.3. Использование метафор для выявления «скрытых» структур знаний
- •5.2. Метод репертуарных решеток
- •5.2.1. Основные понятия
- •5.2.2. Методы выявления конструктов Метод минимального контекста
- •5.2.3. Анализ репертуарных решеток
- •5.2.4. Автоматизированные методы
- •5.3. Управление знаниями
- •5.3.1. Что такое «управление знаниями»
- •5.3.2. Управление знаниям и корпоративная память
- •5.3.3. Системы omis
- •5.3.4. Особенности разработки omis
- •5.4. Визуальное проектирование баз знаний как инструмент познания
- •5.4.1. От понятийных карт к семантическим сетям
- •5.4.2. База знаний как познавательный инструмент
- •5.5. Проектирование гипермедиа бд и адаптивных обучающих систем
- •5.5.1. Гипертекстовые системы
- •5.5.2. От мультимедиа к гипермедиа
- •5.5.3. На пути к адаптивным обучающим системам
- •6. Программный инструментарий разработки систем, основанных на знаниях
- •6.1. Технологии разработки программного обеспечения - цели, принципы, парадигмы
- •6.1.1. Основные понятия процесса разработки программного обеспечения (по)
- •6.1.2. Модели процесса разработки по
- •6.1.3. Инструментальные средства поддержки разработки систем по
- •6.2. Методологии создания и модели
- •6.3. Языки программирования для ии и языки представления знаний
- •6.4. Инструментальные пакеты для ии
- •6.5. WorkBench-системы
- •7. Пример разработки системы, основанной на знаниях
- •7.1. Продукционно-фреймовый япз pilot/2
- •7.1.1. Структура пилот-программ и управление выводом
- •7.1.2. Декларативное представление данных и знаний
- •7.1.3. Процедурные средства языка
- •7.2. Психодиагностика – пример предметной области для построения экспертных систем
- •7.2.1. Особенности предметной области
- •7.2.2. Батарея психодиагностических эс «Ориентир»
- •7.3. Разработка и реализация
- •7.3.1. Архитектура системы и ее база знаний
- •7.3.2. Общение с пользователем и опрос испытуемых
- •7.3.3. Вывод портретов и генерация их текстовых представлений
- •7.3.4. Помощь и объяснения в эс «Cattell»
- •8. Представление данных и знаний в Интернете
- •8.1. Язык html и представление знаний 8.1.1. Историческая справка
- •8.1.2. Html - язык гипертекстовой разметки Интернет-документов
- •8.1.3. Возможности представления знаний на базе языка html
- •8.2. Онтологии и онтологические системы
- •8.2.1. Основные определения
- •8.2.2. Модели онтологии и онтологической системы
- •8.2.3. Методологии создания и «жизненный цикл» онтологий
- •8.2.4. Примеры онтологий
- •8.3. Системы и средства представления онтологических знаний
- •8.3.1. Основные подходы
- •8.3.2. Инициатива (ка)2 и инструментарий Ontobroker
- •Средства спецификации онтологий в проекте Ontobroker
- •Формализм запросов
- •Формализм представления и машина вывода
- •Аннотация Web-страниц онтологической информацией
- •8.3.3. Проект shoe - спецификация онтологий и инструментарий Общая характеристика проекта
- •Спецификации онтологий и инструментарий shoe
- •Формализм представления и машина вывода
- •Аннотация Web-документов на базе онтологии
- •Формализм запросов
- •8.3.4. Другие подходы и тенденции
- •9. Интеллектуальные Интернет-технологии
- •9.1. Программные агенты и мультиагентные системы
- •9.1.1. Историческая справка
- •9.1.2. Основные понятия
- •9.2. Проектирование и реализация агентов и мультиагентных систем
- •9.2.1. Общие вопросы проектирования агентов и mac
- •9.2.2. Инструментарий AgentBuilder
- •9.2.3. Система Bee-gent
- •9.3. Информационный поиск в среде Интернет
- •9.3.1. Машины поиска
- •9.3.2. Неспециализированные и специализированные поисковые агенты
- •9.3.3. Системы интеллектуальных поисковых агентов
- •Autonomy и Web compass - системы интеллектуального поиска и обработки информации
- •Проект системы marri
- •Прототип системы OntoSeek
- •(Onto)2 - агент поиска и выбора онтологий
(Onto)2 - агент поиска и выбора онтологий
Целью разработки интеллектуального WWW-брокера выбора онтологий на Web [Vega et al, 1999] было решение проблемы ассистирования при выборе онтологий. Для этого потребовалось сформировать перечень свойств, которые позволяют охарактеризовать онтологию с точки зрения ее будущего пользователя и предложить единую логическую структуру соответствующих описаний; разработать специальную ссылочную онтологию (Reference Ontology), в рамках которой представлены описания существующих на Web онтологий; реализовать интеллектуального агента (ONTO)2, использующего ссылочную онтологию в качестве источника знаний для поиска онтологий, удовлетворяющих заданному множеству ограничений.
Для решения первой из перечисленных задач авторы (ONTO)2 детально проанализировали онтологии, представленные на Web, и построили таксономию свойств, используемых для описания онтологий (табл. 9.2). Для удобства дальнейшего использования все свойства сгруппированы в категории идентификации, описания и функциональности.
Как следует из приведенной таксономии, идентификация дает информацию об онтологии, как таковой, ее разработчиках и дистрибьюторах; описание - общую информацию, аннотацию онтологии, некоторые детали проектирования и реализации, требования к аппаратуре и программному обеспечению, ценовые характеристики и перечень применений; функциональность - представление о том, как использовать онтологию в приложениях.
При решении задачи разработки ссылочной онтологии авторы (ONTO)2 использовали уже обсуждавшуюся выше технологию METHONTOLOGY и инструментарий ODE [Blazquez et al., 1998]. При этом, в соответствии с общими тенденциями по созданию разделяемых онтологий и, по-видимому, в силу того, что один из авторов обсуждаемой работы (Gomez-Perez) является провайдер-агентом международного проекта по построению разделяемых баз знаний [Benjamins et al, 1998], Reference Ontology была «имплантирована» в онтологию Product инициативы (КА)2.
В качестве источников знаний для построения ссылочной онтологии была использована уже обсуждавшаяся таксономия свойств, концептуальная модель (КА)2 и свойства, выделенные в рамках разработки онтологии исследовательских тем (Research-Topic) инициативы (КА)2. Критерии, которые применялись при имплантации ссылочной онтологии в онтологию (КА)2, - следующие:
• модульность (онтология должна была быть модульной, чтобы обеспечить гибкость и различные варианты использования);
• специализация (концепты определялись таким образом, чтобы обеспечить их классификацию по общим свойствам и гарантировать наследование таких свойств);
• разнообразие (знания представлялись в онтологии таким образом, чтобы использовать преимущества множественного наследования и облегчить добавление новых концептов);
• минимизация семантических расстояний (аналогичные концепты группировались и представлялись как подклассы одного класса на базе одних и тех же примитивов);
• максимизация связей между таксономиями;
• стандартизация имен (везде, где это было возможно, для именования отношений использовалась конкатенация имен концептов, которые ими связывались).
Анализ концептуальной модели (КА)2 онтологии с точки зрения перечисленных выше критериев и ссылочной онтологии показал, что:
• некоторые важные классы отсутствуют (например, классы Server и Languages, которые должны быть подклассами класса Computer-Support в онтологии Product);
• некоторые важные отношения опущены (например, отношение Distributed-by между понятиями продукта и организации);
• некоторые важные свойства не представлены (например, Research-Topic-Web-pages, Type-of-Ontology и некоторые другие).
Таблица 9.2. Таксономия свойств, используемых для описания онтологий
Основные характеристики |
||
Идентификация
Описание
Функцио- нальность |
Онтологии
Разработчиков
Дистрибьюторов
Общая информация
Обзорная информация
Информация о проектировании
Требования ценовые
Использование
|
Имя, сайт-сервер, сайт-зеркало, Web-страницы, доступность FAQ, ЕЯ-описание, дата окончания разработки
ФИО, Web-страницы, e-mail, контактное лицо, телефон, факс, почтовый адрес
ФИО, Web-страницы, e-mail, контактное лицо, телефон, факс, почтовый адрес
Тип онтологии; предметная область; назначение; онтологические обязательства; список концептов верхнего уровня; статус реализации; наличие on-line и «бумажной» документации
Количество концептов, представляющих классы; количество концептов, представляющих экземпляры; количество аксиом; количество отношений; количество функций; количество классов концептов на первом, втором и третьем уровнях; количество классов на листьях; среднее значение фактора ветвления; среднее значение фактора глубины; максимальная глубина
Методология разработки; формальный уровень методологии; подход к разработке; уровень формализации спецификации; типы источников знаний; достоверность источников знаний; техники приобретения знаний; формализм; список онтологии, с которыми осуществлена интеграция; перечень языков, в рамках которых доступна онтология
К аппаратуре; программному обеспечению цена; стоимость сопровождения; оценка характеристики стоимости необходимой аппаратуры; оценка стоимости необходимого программного обеспечения
Количество приложений; список основных приложений
Описание использованных инструментальных средств; качество документации; обучающие курсы; on-line помощь; руководства по использованию; возможность модульного использования; возможность добавления новых знаний |
Поэтому был проведен реинжиниринг (КА)2 онтологии, который позволил расширить ее новыми концептами, отношениями и свойствами, с одной стороны, и специализировать уже представленные знания таким образом, чтобы использовать их для сравнения различных онтологий.
Для реализации интеллектуальных WWW-брокеров поиска онтологий была предложена архитектура Onto Agent, представленная на рис. 9.11.
Рис. 9.11. Архитектура Onto Agent
В рамках данной архитектуры выделяются брокер построения модели предметной области (Domain Model Builder Broker) и WWW-брокер поиска модели (WWW Domain Model Retrieval Broker).
Первый из них ориентирован на формирование концептуальной структуры онтологий, которые будут в поле зрения будущей экспертизы.
Этот модуль включает:
• Коллекционера онтологической информации (Ontology Information Collector) - WWW-интерфейс, ориентированный на сбор информации от распределенных по сети агентов (программных агентов и собственно пользователей).
• Концептуализатора экземпляров (An Instance Conceptualizer) - преобразователь данных от WWW-интерфейса в экземпляр онтологии, специфицированный на уровне формализма представления знаний.
• Генератора/Транслятора онтологий (Ontology Generator/Translator) - компоненты отображения концептуального представления онтологий на целевые языки реализации, что обеспечивает доступ к ним из удаленных приложений.
Целью второго модуля является обеспечение доступа к накопленной информации и представление ее наилучшим для пользователя образом. Этот модуль включает:
• Формирователя запросов (A Query Builder) - компоненту построения запросов с использованием словаря брокера и при необходимости переформулирования и/или уточнения запросов пользователя.
• Транслятор запросов (A Query Translator) - преобразователя запроса в представление, совместимое с языком реализации онтологии.
• Машину вывода (An Inference Engine) - блок поиска ответа на запрос.
• Формирователя ответов (An Answer Builder) - компоненту, которая служит для представления информации, найденной машиной вывода.
По сути дела, рассмотренные выше компоненты составляют технологию построения WWW-брокеров для поиска информации на основе онтологий. А примером ее использования является интеллектуальный (ONTO)2 агент. Его брокер построения модели предметной области работает со ссылочной онтологией, а входной запрос строится как соответствующая HTML-форма. Брокер поиска ответов реализован в настоящее время как Java-апплет и как автономное Java-приложение. Результаты поиска онтологий, удовлетворяющих запросу, возвращаются пользователю в виде HTML-формы.
Оценивая представленный подход в целом, можно отметить, что он хорошо коррелирует по своим идеям и целям с уже обсуждавшейся системой Ontobroker. Однако в случае (ONTO)2 агента для хранения формализаций онтологий используется база данных, а для поиска - стандартные средства на основе SQL. Самостоятельную ценность данного проекта представляет ссылочная онтология, которая может использоваться не только для целей поиска, но и для стандартизации описаний онтологий вообще.
Все вышесказанное показывает, что использование агентов и особенно интеллектуальных агентов при сборе, поиске и анализе информации имеет ряд преимуществ, основные из которых сводятся к следующему [Pagina H., 1996]:
• они могут обеспечить пользователю доступ ко всем Интернет-сервисам и сетевым протоколам;
• отдельный агент может быть занят одной или несколькими задачами параллельно;
• преимущества агентов в том, что они могут осуществлять поиск по заданию пользователя после его отключения от сети;
• мобильность (если она присутствует) позволяет агентам искать информацию сразу на сервере, что увеличивает скорость и точность поиска, уменьшая загрузку сети;
• они могут создавать собственную базу информационных ресурсов, которая обновляется и расширяется с каждым поиском;
• возможность агентов сотрудничать друг с другом позволяет использовать накопленный опыт;
• агенты могут использовать модель пользователя для корректировки и уточнения запросов;
• они могут адаптироваться под предпочтения и желания пользователя и, изучив их, искать полезную информацию заранее;
• агенты способны искать информацию, учитывая контекст. Они могут вывести этот контекст из запроса, например, построив модель мира пользователя;
• агенты могут искать информацию интеллектуально, например, используя словари, тезаурусы и онтологии, а также средства вывода релевантной информации, не представленной явно ни в запросе, ни в найденных документах.
Именно поэтому с применением и развитием агентных технологий на основе методов и средств искусственного интеллекта связываются самые серьезные перспективы перехода от пространств данных к пространствам знаний в глобальных и локальных сетях.
Заключение
Итак, уважаемый читатель, вы завершаете чтение книги по базам знаний интеллектуальных систем. Авторы отдают себе отчет в том, что за ее рамками остались целые континенты планеты Искусственный Интеллект, которые еще ждут своих исследователей, толкователей, методистов и, конечно, читателей. Но дорогу осилит идущий... И, наверное, именно это, а также понимание, что в данный момент в нашей стране практически нет литературы, которая не то чтобы закрыла тему, но хотя бы зафиксировала полученные в одном из ее важнейших разделов результаты, подвигло нас на работу по написанию этой книги.
Материал данного учебника показывает, что в настоящее время в области баз знаний интеллектуальных систем уже имеется серьезный теоретический базис, существует достаточно широкий спектр соответствующих методов и технологий разработки. Многие из них поддержаны адекватным программным инструментарием. И основная цель авторов была в том, чтобы сделать эту информацию достоянием читателей. Понятно, что в силу многих причин, в частности ограничений на объем издания, дать полномасштабное и логически замкнутое описание теории, методов проектирования и средств реализации баз знаний, а также соответствующих систем, основанных на знаниях, в одной книге практически невозможно. Отчасти поэтому список рекомендованной литературы у нас значительно шире, чем это обычно бывает в учебниках. Кроме того, в списке литературы достаточно много ссылок на релевантные тематике Интернет-ресурсы, что, по нашему мнению, должно привить читателю вкус к самостоятельному плаванию в океанах уже (или еще) доступной в сети информации.
Вместе с тем, авторы надеются, что читатели этой книги не будут воспринимать представленные в ней материалы как истину в последней инстанции, но будут относиться к ним творчески, а иногда и критически. Ведь не секрет, что для построения и использования баз знаний, на которых основываются современные интеллектуальные системы, требуются исследовательские коллективы, работающие вместе долго и имеющие опыт разработки такого рода систем. Для получения действительно хороших результатов необходимы дорогостоящие людские и материальные ресурсы - специалисты, лицензионные инструментарии, документация. Кроме того, разработка их достаточно трудоемкий (годы) и дорогостоящий (десятки, если не сотни тыс. долларов) процесс. Вот почему в настоящее время действующие интеллектуальные системы ориентированы в основном на поддержку работы постоянно работающих групп пользователей для достаточно специализированных задач. Следует отметить и то, что в настоящее время почти нет действительно интеллектуальных систем, удобных для работы широкого круга пользователей в сети Интернет.
Таким образом, разработка теории, методов и технологий представления и использования знаний остается актуальной задачей для дальнейшего развития интеллектуальных систем. Особую актуальность, по нашему мнению, приобретают на современном этапе развития науки и общества в целом Интернет-ориентированные технологии и распределенный искусственный интеллект. Уже сейчас ясно, что применение систем, основанных на знаниях, компонентом которых являются, например, онтологии, а реализация базируется на мультиагентных технологиях, должно привести к рассмотрению и использованию Всемирной паутины как организованного и структурированного пространства знаний.
И в заключение, авторы надеются, что их собственный скромный вклад в методологию, технологию и программные средства создания баз знаний, также отраженный в данной книге, позволит молодым специалистам в области искусственного интеллекта пойти дальше по тернистому пути этой молодой науки, которой так хочется стать индустрией!
Литература
1. Агеев В. Н., 1994. Примеры гипертекстовых и гипермедиа систем (обзор) // Компьютерные технологии в высшем образовании: Сб. статей. М.: Изд-во МГУ. С. 225-229.
2. Аверкин А. Н., Батыршин И. 3., Блишун А. Ф., Силов В. Б., Тарасов В. Б., 1986. Нечеткие множества в моделях управления и искусственного интеллекта // Под ред. Д. А. Доспелова. М.: Наука.
3. Алахвердов В. М., 1986. Когнитивные стили в контурах процесса познания. Когнитивные стили // Под ред. В. Колги. — Таллинн. С. 12-23.
4. Александров Е. А., 1975. Основы теории эвристических решений. М.: Наука.
5. Алексеева И. А., Воинов А. В., Сейсян А. Р., Эткинд А. М., 1989. Психосемантическая реконструкция картины мира подростков, употреблявших токсические вещества // Сб. Конструктивная психология — новое направление развития психологической науки. Под ред. А. Г. Копытова. Красноярский гос. ун-т.
С. 36-41.
6. Алексеевская М. А., Недоступ А. В., 1988. Диагностические игры в медицинских задачах. Вопросы кибернетики // Задачи медицинской диагностики и прогнозирования с точки зрения врача. № 112. С. 128-139.
7. Амамия М., Танака Ю., 1993. Архитектура ЭВМ и ИИ. М.: Мир.
8. Анастази А., 1982. Психологическое тестирование. Т. 1. М. С. 96-162.
9. Андриенко Г. Л., Андриенко Н. В., 1992. Игровые процедуры сопоставления в инженерии знаний // Сборник трудов III конференции по искусственному интеллекту. Тверь. С. 93-96.
10. Аншаков О. М., Скворцов Д. П., Финн Д. К, 1986. Логические средства экспертных систем типа ДСМ // Семиотика и информатика. Вып. 28. С. 5-15.
11. Апресян Ю. Д., 1977. Экспериментальное исследование семантики русского языка. М.: Наука.
12. Апресян Ю.Д., 1974. Лексическая семантика. Семиотические средства языка. М.: Наука.
13. Арбиб М., 1975. Алгебраическая теория автоматов. М.: Статистика.
14. Аткинсон Р., 1980. Человеческая память и процесс обучения // Пер. с англ. М.: Прогресс.
15. Байдун В. В., Бунин А. И., 1990. Средства представления и обработки знаний в системе FRL/PS // Всесоюзная конференция по искусственному интеллекту: тез. докл. Т. 1. Минск. С. 66-71.
16. Бахтин М. М., 1975. Вопросы литературы и эстетики: Исследования разных лет. М.: Художественная литература.
17. Белнап Н., Стил Т., 1981. Логика вопросов и ответов. М.: Прогресс.
18. Берков В. Ф., 1972. Вопрос как форма мысли. Минск, Изд-во БГУ.
19. Берн Э., 1988. Игры, в которые играют люди. Люди, которые играют в игры// Пер. с англ. М.: Прогресс.
20. Бойкачев К. К., Конева И. Г., Новик И. 3., 1994. «Сценарий» — инструмент визуальной разработки компьютерных программ // Компьютерные технологии в высшем образовании: Сб. статей. М.: Изд-во МГУ. С. 167-178.
21. Борисов А. Н., Федоров И. П., Архипов И. Ф., 1991. Приобретение знаний для интеллектуальных систем. Рижский технический университет.
22. Борисова Н. В., Соловьева А. А. и др., 1988. Деловая игра «Методика конструирования деловой игры». М.: ИПКИР.
23. Брунер Дж., 1971. Исследование развития познавательной деятельности // Пер. с англ. М.: Педагогика.
24. Бурков В. И. и др., 1980. Деловые игры в принятии управленческих решений. М.: МИСИС.
25. Брукс Ф. П., 1979. Как проектируются и создаются программные комплексы. Мифический человеко-месяц: очерки по системному программированию. М.: Наука.
26. Буч Г., 1992. Объектно-ориентированное проектирование с примерами применения. М.: Конкорд.
27. Веккер Л. М., 1976. Психические процессы // В 3-х томах. Т. 2. Л.: ЛГУ.
28. Величковский Б. М., 1982. Современная когнитивная психология. М.: МГУ.
29. Величковский Б. М., Капица М. С, 1987. Психологические проблемы изучения интеллекта // Интеллектуальные процессы и их моделирование. М.: Наука. С. 120-141.
30. Вертгеймер М., 1987. Продуктивное мышление // Пер с нем. М.: Прогресс.
31. Винер Н., 1958. Кибернетика или управление и связь в животном и машине. М.: Сов. радио.
32. Виноград Т., 1976. Программа, понимающая естественный язык // Пер. с англ. М.: Мир.
33. Воинов А., Гаврилова Т., 1994. Инженерия знаний и психосемантика: Об одном подходе к выявлению глубинных знаний // Известия РАН Техническая кибернетика. № 5. С. 5-13
34. Волков А. М., Ломнев B.C., 1989. Классификация способов извлечения опыта экспертов // Известия АН СССР. Техническая кибернетика. № 5. С. 34-45.
35. Вольфенгаген В. Э., Воскресенская О. В., Горбанев Ю. Г., 1979. Система представления знаний с использованием семантических сетей // Вопросы кибернетики: Интеллектуальные банки данных. М.: АН СССР. С. 49-69.
36. Гаврилова Т. А., 1984. Представление знаний в экспертной диагностической системе АВТАНТЕСТ // Изв. АН СССР. Техническая кибернетика. № 5. С. 165-173.
37. Гаврилова Т. А., 1988. Как стать инженером по знаниям // Доклад на Всесоюзной конференции по искусственному интеллекту. М.: ВИНИТИ. С. 332-338.
38. Гаврилова Т. А., Минкова С. П., Карапетян Г. С, 1988. Экспертные системы для оценки качества деятельности летного состава // Тез. докладов научно-практической школы-семинара «Программное обеспечение и индустриальная технология интеллектуализации разработки и применения ЭВМ». — Ростов н/Д, ВНИИПС. С. 23-25.
39. Гаврилова Т. А., Червинская К. Р., Яшин А. М., 1988. Формирование поля знаний на примере психодиагностики // Техническая кибернетика. № 5. С. 72-85.
40. Гаврилова Т. А., 1989. От поля знаний к базе знаний через формализацию // Статья в сб. «Представление знаний в экспертных системах». Л.: ЛИИАН. С. 16-24.
41. Гаврилова Т. А., 1989. Подготовка коллектива разработчиков экспертной системы // Доклад на школе-семинаре «Проблемы применения ЭС в народном хозяйстве». Кишинев. С. 59-62.
42. Гаврилова Т. А., Тишкин А. И., Золотарев А. Ю., 1989. МИКРОЛЮШЕР: экспертная система интерпретации данных // Доклад на школе-семинаре «Проблемы применения ЭС в народном хозяйстве». Кишинев. С. 17-23.
43. Гаврилова Т. А., Красовская М. Р., 1991. О концептуальном анализе знаний при разработке экспертных систем // Доклад на Всесоюзной научно-практической конференции «Гибридные интеллектуальные системы». Ростов н/Д. С. 110-113.
44. Гаврилова Т. А., 1922. Спецификация знаний через структурирование: введение в САКЕ-технологию // Сборник трудов III конференции по искусственному интеллекту. Т. 2. Тверь. С. 113-116.
45. Гаврилова Т. А., Червинская К. Р., 1992. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь.
46. Гаврилова Т. А., 1995. Объектно-структурная методология концептуального анализа знаний и технология автоматизированного проектирования баз знаний // Труды Междунар. конф. «Знания — диалог-решение 95». Т. 1. Ялта. С. 9.
47. Гаврилова Т. А., Котова Е. Е., Писарев А. С, 1999. Активные схемы как инструмент семантического анализа // Труды международного семинара «ДИАЛОГ 99». Таруса. С. 26-27.
48. Гаврилова Т. А., Лещева И. А., 1999. ВИКОНТ: Визуальный Конструктор онтологий для структурирования семантической информации // Труды Первой Всероссийской научной конференции «Электронные библиотеки: перспективные методы и технологии, электронные коллекции». СПб. С. 97-98.
49. Гаек П., Гавранек Т., 1983. Автоматическое образование гипотез: математические основы общей теории // Пер. с англ. М.: Наука.
50. Гельфанд И. И., Розенфельд Б. И., Шифрин М. А. Структурная организация данных в задачах медицинской диагностики и прогнозирования // Вопросы кибернетики. Задачи медицинской диагностики и прогнозирования с точки зрения врача. М.: АН СССР. С. 5-64.
51. Гиг Дж., ван., 1981. Прикладная общая теория систем // В 2-х кн. М.: Мир.
52. Гинкул Г. П., 1989. Игровой подход к приобретению знаний и его реализация в системе КАПРИЗ // Проблемы применения экспертных систем в народном хозяйстве: тез. докл. респ. школы-семинара. Кишинев. С.71-74.
53. Гладун В. П., 1994. Процессы формирования новых знаний. София.
54. Глушков В. М., 1964. Введение в кибернетику. Киев: Издательство АН УССР.
55. Гордон Д., 1987. Терапевтические метафоры // Личная рукопись М. М. Кагана.
56. Горелов И. Н., 1987. Разговор с компьютером. М.: Наука.
57. Городецкий В. И., Грушинский М. С, Хабалов А.В., 1988. Многоагентные системы (обзор) // Новости искусственного интеллекта. № 2.
58. Грисуолд Р., Поудж Дж., Полонски И., 1980. Язык программирования СНО-БОЛ-4. М.: Мир.
59. Гусакова С. М., Финн В. К., 1987. Сходства и правдоподобный вывод // Известия АН СССР. Техническая кибернетика. № 5. С. 42-63.
60. Дэйвисон, 1988. Многомерное шкалирование. Методы наглядного представления данных. — М.: Финансы и статистика.
61. Дюран Б., Оделл П., 1977. Кластерный анализ // Пер. с франц. М.: Статистика.
62. Епифанов М. Е., 1984. Индуктивное обобщение в ассоциативных сетях // Известия АН СССР. Техническая кибернетика. № 5. С. 132-146.
63. Жинкин Н. И., 1982. Речь как проводник информации. М.: Наука.
64. Заде Л., 1972. Лингвистическая переменная. М.: Физматгиз.
65. Зарипов Р. X., 1983. Машинный поиск вариантов при моделировании творческого процесса. М.: Наука.
66. Зенкин А. А., 1991. Основы когнитивной компьютерной графики. М.: Наука
67. Иберла К., 1980. Факторный анализ // Пер. с нем. М.: Статистика.
68. Иванов П. И., 1986. Влияние некоторых индивидуально-психологических особенностей на процесс обобщения // Автореферат дис. канд. психол. наук. М.
69. Ивахненко Г. И., 1971. Системы эвристической самоорганизации в технической кибернетике. Киев, Технiка.
70. Йодан Э., 1979. Структурное проектирование и конструирование программ // Пер. с англ. М.: Мир.
71. Каган М. С, 1988. Мир общения: проблема межсубъектных отношений. М.: Политиздат.
72. Капица П. Л., 1967. Приглашение к спору // Юность. — № 1. С. 79-82.
73. Келасьев В. И., 1984. Структурная модель мышления. Л.: ЛГУ.
74. Кирсанов Б. С, Попов Э. В., 1990. Отечественные оболочки экспертных систем // Справочник по искусственному интеллекту. Т. 1 М.: Радио и связь. С. 369-388.
75. Климов Анд. В., Романенко С. А., 1987. Система программирования РЕФАЛ-2 для ЕС ЭВМ. Описание входного языка // Препринт ИПМ АН СССР. М.
76. Ковригин О.В., Перфильев К. Г., 1988. Гибридные средства представления знаний в системе СПЭИС // Всесоюзная конференция по искусственному интеллекту: тез. докл. Т. 2. Переславль-Залесский. С. 490-494.
77. Комаров В. Ф., 1989. Управленческие имитационные игры. Новосибирск: Наука.
78. Коов М. И., Мацкин М. Б., Тыугу Э.Х., 1988. Интеграция концептуальных и экспертных знаний в САПР // Известия АН СССР. Техническая кибернетика.)* 5. С. 108-118.
79. Коршунов А. М., Манталов В. В., 1988. Диалектика социального познания. М.: Политиздат.
80. Кузичева 3. А., 1987. Языки науки, языки логики, естественные языки // Логика научного познания. Актуальные проблемы. М.: Наука. С. 57-73.
81. Кузнецов В. Е., 1989. Представление в ЭВМ неформальных процедур. М.: Наука.
82. Кук Н. М., Макдональд Дж., 1986. Формальная методология приобретения и представления экспертных знаний // ТИИЭР. Т. 74, № 10. С.145-155.
83. Кулюткин Ю. И., Сухобская Г. С, 1971. Индивидуальные различия в мыслительной деятельности взрослых учащихся. М.: Педагогика.
84. Лазарева Т. К., Пашинин Н. Д., 1987. Деловые имитационные игры в экспертных системах // Деловые игры и их программное обеспечение: тез. докл. Пущино. С. 63-64.
85. Ларичев О. И., Мечитов А. И., Мошкович Е. И., Фуремс Е. М., 1989. Выявление экспертных знаний. М.: Наука.
86. Лимантов Ф. С, 1971. О природе вопроса // Вопрос. Мнение. Человек. Уч. записки ЛГПИ им. Герцена. Т. 497. С. 4-20.
87. Липаев В. В., Серебровский Л. А., Галаганов П. Г. и др., 1983. Технология проектирования комплексов программ АСУ. М.: Радио и связь.
88. Лунева О. В., Хорошилова Е. А., 1987. Психология делового общения. М.: ВКШ при ЦК ВЛКСМ.
89. Любич Д. Л., 1998.1000 афоризмов. СПб:, Издательство Буковского.
90. Макалистер Дж., 1990. Искусственный интеллект и ПРОЛОГ на микроЭВМ. М.: Машиностроение.
91. Мальковский М. Г., 1985. Диалог с системой искусственного интеллекта. М.: МГУ.
92. Мартынов В. В., 1977. Универсальный семантический код. Минск: Наука и техника.
93. Маслов С. Ю., 1986. Теория дедуктивных систем и ее применение. М.: Радио и связь.
94. Материалисты древней Греции, 1955. Собрание текстов Гераклита, Демокрита и Эпикура.: М.: Политиздат.
95. Мельчук И. А., 1974. Опыт теории лингвистических моделей «Смысл-Текст». Семантика, синтаксис. М.: Наука.
96. Месарович М., Такахара Я., 1978. Общая теория систем: математические основы. М.: Мир.
97. Микулич Л. И., 1990. Промышленная технология создания систем, основанных на знаниях // В сб.: Экспертные системы на персональных компьютерах. М.: МДНТП им. Ф. Э. Дзержинского.
98. Миллс X., 1970. Программирование больших систем по принципу сверху вниз // В книге: Средства отладки больших систем. М.: Статистика.
99. Минский М.: 1979. Фреймы для представления знаний. М.: Энергия.
100. Мицич П. П., 1987. Как проводить деловые беседы. М.: Экономика.
101. Моисеев Н. Н., 1981. Математические задачи системного анализа. М.: Наука.
102. Молокова О. С, 1992. Методология анализа предметных знаний // Новости искусственного интеллекта. № 3. С. 11-60.
103. Молокова О. С, Уварова Т. Г., 1989. База знаний для разработчиков экспертных систем // Тез. доклада Всесоюзного научно-технического семинара «Программное обеспечение новых информационных технологий». Калинин. С. 23-28.
104. Моргоев В. К., 1988. Метод структурирования и извлечения экспертных знаний: имитация консультаций. Человеко-машинные процедуры принятия решений. М.: ВНИИСИ. С. 44-57.
105. Немов Р. С, 1984. Социально-психологический анализ эффективной деятельности коллектива. М.: Педагогика.
106. Николов С. А. и др., 1990. Анализ состояния и тенденции развития информатики. Проблемы создания экспертных систем // Исследовательский отчет. Под ред. С. А. Николова. София: Интерпрограмма.
107. Норенков И. П., 1986. Введение в автоматизированное проектирование технических устройств и систем. М.: Высшая школа.
108. Нортон П., Станек У., 1998. Программирование на Java // В 2-х кн. СКПресс.
109. Ноэль Э., 1978. Массовые опросы // Пер. с нем. М.: Прогресс.
110. Обозов И. И., 1986. Психологическая культура взаимных отношений. М.: Знание.
111. Окунь Я., 1974. Факторный анализ. М.: Статистика.
112. Орехов А. И., 1985. Формирование приемов эффективного решения творческих задач // Автореферат дис. канд. психол. наук. М.
113. Орлик С., 1997. Многоуровневые модели в архитектуре клиент-сервер, http:// www.citforum.ru/database/osbd/glava_95.shtml.
114. Орловский С. А., 1981. Проблемы принятия решения при нечеткой исходной информации. М., Наука.
115. Осипов Г. С, 1988. Метод формирования и структурирования модели знаний для одного типа предметных областей // Известия АН СССР. Техническая кибернетика. № 2. С. 3-12.
116. Осипов Г. С, 1989. Принципы прямого приобретения знаний // Сборник трудов Второго международного семинара «Теория и применение искусственного интеллекта». Созополь. С. 56-59.
117. Осипов Г. С, 1993. Информационные технологии, основанные на знаниях // Ж. Новости искусственного интеллекта. №1. С. 7-41.
118. Осипов Г. С, 1997. Приобретение знаний интеллектуальными системами. М.: Наука.
119. Осуга С., Саэки Ю. (ред.), 1990. Приобретение знаний. М.: Мир.
120. Петренко В. Ф., 1983. Введение в экспериментальную психосемантику: исследование форм репрезентации в обыденном сознании. М.: МГУ.
121. Петренко В. Ф., 1988. Психосемантика сознания. М.: Издательство МГУ.
122. Петров А. В. (ред.), 1991. Разработка САПР // В 10 кн. Т. 4. М.: Высшая школа.
123. Пильщиков В. Н., 1983. Язык ПЛЭНЕР. М.: Наука.
124. Погосян Г. А., 1985. Метод интервью и достоверность социологической информации. Ереван, АН Арм. ССР.
125. Пономарева С. М., Хорошевский В. Ф., 1999. Методы и модели коммуникации в профессиональных группах и группах интеллектуальных агентов // В сб. трудов 4-го международного семинара по прикладной семиотике, семиотическому и интеллектуальному управлению ASC/IC99. М.
126. Попов Э. В., Фоминых И. Б., Кисель Е. Б., Шапот М. Д., 1996. Статические и динамические экспертные системы. М.: Финансы и статистика.
127. Попов Э. В. (ред), 1996. Динамические интеллектуальные системы в управлении и моделировании. М.: МИФИ.
128. Попов Э. В., 1982. Общение с ЭВМ на естественном языке. М.: Наука.
129. Попов Э.В., 1987. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.: Наука.
130. Попов Э. В., 1988. Экспертные системы. М.: Наука.
131. Попов Э. В., 1991. Экспертные системы 90-х гг. Классификация, состояние, проблемы, тенденции // Новости искусственного интеллекта. № 2. С. 84-101.
132. Поспелов Д. А., 1989. Моделирование рассуждений. Опыт анализа мыслительных актов. М.: Радио и связь.
133. Поспелов Д. А., 1986. Искусственный интеллект: фантазия или наука? М.: Радио и связь.
134. Поспелов Д. А., 1986. Ситуационное управление: Теория и практика. М.: Наука.
135. Поспелов Д. А., 1998. Многоагентные системы — настоящее и будущее // Информационные технологии и вычислительные системы. № 1.
136. Поспелов Д. А., 1997. Три шага на пути к официальному признанию // Новости искусственного интеллекта. № 1. С. 99-115.
137. Похилько В. И., Страхов Н.Н., 1990. Система KELLY. M.: МГУ; МП «Гуманитарные технологии» (на магнитном носителе).
138. Пэранек Г. В., 1991. Распределенный искусственный интеллект// В кн.: Искусственный интеллект: применение в интегрированных производственных системах, Э. Кьюсиак (ред.). М.: Машиностроение.
139. Ребельский И. В., 1989. Азбука умственного труда // ЭКО. №7. С. 43-150.
140. Розенталь М., Юдин П., 1951. Краткий философский словарь. М.: Политиздат.
141. Справочник по искусственному интеллекту в 3-х т., 1990 // Под ред. Э. В. Попова и Д. А. Поспелова. М.: Радио и связь.
142. Сагатовский В. И., 1980. Социальное проектирование // Прикладная этика и управление нравственным воспитанием. Томск. С. 84-86.
143. Сергеев В. М., 1987. Когнитивные модели в исследовании мышления: структур и онтология знания // Интеллектуальные процессы и их моделирование. М.: Наука. С.179-195.
144. Сергеев К. А., Соколов А. Н., 1986. Логический анализ форм научного поиска. Л.: Наука.
145. Сиротко-Сибирский С. А., 1968. Смысловое содержание текста и его отражение в ключевых словах // Автореферат дис. канд. филол. наук. Л.
146. Скрэгг Г., 1983. Семантические сети как модели памяти // Новое в зарубежной лингвистике. Вып. 12. М.: Радуга. С. 228-271.
147. Сойер Б., Фостер Д., 1989. Построение экспертных систем на ПАСКАЛЕ. — М.: Финансы и статистика.
148. Соколов А.Н., 1947. Психологический анализ понимания иностранного текста // Изв. АПН РСФСР. Вып. 7. С. 163-190.
149. Соколов А. Н., 1968. Внутренняя речь и мышление. М.: Просвещение.
150. Соколов А. Н., 1980. Проблемы научной дискуссии. Л.: Наука.
151. Соколов Е. Н., Вейткявичус Г. Г., 1989. Нейроинтеллект. От нейрона к нейрокомпьютеру. М.: Наука.
152. Соловьев С. Ю., Соловьева Г.М., 1989. Вопросы организации баз знаний в системе ФИАКР // Экспертные системы: состояние и перспективы. Под ред. Д. А. Поспелова. М.: Наука. С. 47-54.
153. Соссюр Ф., де, 1977. Труды по языкознанию // Пер. с франц. М.: Прогресс.
154. Стерлинг Л., Шапиро Э., 1990. Искусство программирования на языке ПРОЛОГ. М.: Мир.
155. Стрельников Ю. Н., Борисов Н. А., 1997. Разработка экспертных систем средствами инструментальной оболочки в среде MS Windows. Тверь, ТГТУ.
156. Тарасов В. Б., 1998. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте // Новости искусственного интеллекта. № 2.
157. Таунсенд К., Фохт Д., 1991. Проектирование и реализация экспертных систем на ПЭВМ. М.: Финансы и статистика.
158. Терехина А. Ю., 1986. Анализ данных методами многомерного шкалирования. М.: Наука.
159. Терехина А.Ю., 1988. Представление структуры знаний методами многомерного шкалирования. М.: ВИНИТИ.
160. Тиори Т., Фрай Дж., 1985. Проектирование структур баз данных //Пер. с англ. В 2-х кн. М.: Мир.
161. Турчин В. Ф., 1968. Метаалгоритмический язык // Кибернетика. № 4.
С. 45-54.
162. Уотермен Д., 1989. Руководство по экспертным системам // Пер. с англ. М.: Мир.
163. Уэно X., Исидзука М. (ред.), 1989. Представление и использование знаний. М.: Мир.
164. Файн В. С, 1987. Машинное понимание естественного языка в рамках концепции реагирования // Интеллектуальные процессы и их моделирование. — М.: Наука. С. 375-391.
165. Филлмор И., 1983. Основные проблемы лексической семантики // Новое в зарубежной лингвистике. Вып. 12. М.: Радуга. С. 74-122.
166. Финн В. К., 1991. Правдоподобные рассуждения в интеллектуальных системах типа ДСМ // Итоги науки и техники. Серия «Информатика». Т. 15: «Интеллектуальные информационные системы». ВИНИТИ. С. 54-101.
167. Фон Гумбольдт В., 1984. Избранные труды по языкознанию // Пер. с нем. М.: Прогресс.
168. Форсайт Ф., 1987. Экспертные системы. Принципы работы и примеры. М.: Радио и связь.
169. Франселла Ф., Баннистер Д., 1987. Новый метод исследования личности: руководство по репертуарным личностным методикам // Пер. с англ. М.: Прогресс.
170. Хант Д., 1986. Искусственный интеллект. М.: Мир.
171. Хейес-Рот и др., 1987. Построение экспертных систем // Под ред. Ф. Хейес-Рота, Д. Уотермена, Д. Лената. М.: Мир.
172. Хорошевский В. Ф., 1983. ATNL-машина — вопросы программной и аппаратной реализации // В сб. трудов I Международного симпозиума ИФИП и ИФАК, 4-6 сентября 1983 г. Л.: С. 156-174.
173. Хорошевский В. Ф., 1990а. Языковые средства программирования // В кн.: Искусственный интеллект. Книга 3. Программные и аппаратные средства. М.: Радио и Связь. С. 7-17.
174. Хорошевский В. Ф., 1990b. Программные средства представления знаний: состояние исследований и проблемы // В кн.: Искусственный интеллект. Книга 3. Программные и аппаратные средства. — М.: Радио и Связь. С. 72-82.
175. Хорошевский В. Ф., 1993. Управление проектами в интеллектуальной системе PIES Workbench // Изв. РАН Серия «Техническая кибернетика». № 5. С. 71-98.
176. Хорошевский В. Ф., Щенников С. Ю., 1990. Инструментальная поддержка процессов приобретения знаний в системе ПиЭС // Изв. АН СССР. Техническая кибернетика. № 4. С. 206-215.
177. Хорошевский В. Ф., 1995 и PIES-технология и инструментарий PIES WorkBench для разработки систем, основанных на знаниях, Новости Искусственного интеллекта, № 2. С. 7-64
178. Хорошевский В. Ф., 1999. Поведение интеллектуальных агентов: модели и методы реализации // В сб. трудов 4-го международного семинара по прикладной семиотике, семиотическому и интеллектуальному управлению ASC/ IC99. М.
179. Хювянен Э., Сеппянен Й., 1991. Мир ЛИСПа // В 2-х т. М.:Мир.
180. Цейтин Г. С, 1985. Программирование на ассоциативных сетях // ЭВМ в проектировании и производстве. Вып. 2. Л.: Машиностроение. С. 16-48.
181. Шенк Р., 1980. Обработка концептуальной информации // Пер. с англ. М.: Энергия.
182. Шенк Р., Бирнбаум Л., Мей Дж., 1989. К интеграции семантики и прагматики // Новое в зарубежной лингвистике. Компьютерная лингвистика. Вып. 14. М.: Прогресс.
183. Шенк Р., Хантер Л., 1987. Познать механизмы мышления // Реальность и прогнозы искусственного интеллекта. М.: Мир.
184. Шеннон К., Уивер У., 1963. Математическая теория связи. М.: ИЛ.
185. Шепотов Е. Г., Шмаков Б. В., Крикун П. Д., 1985. Методы активизации мышления. Челябинск, ЧПИ.
186. Шмелев А. Г., 1983. Введение в экспериментальную психосемантику. М.: МГУ.
187. Шумилина Т. В., 1973. Интервью в журналистике. М.: МГУ.
188. Щерба Л. В., 1974. Языковая система и речевая деятельность. Л.: Наука.
189. Эшби У. Р., 1959. Введение в кибернетику. М.: ИЛ.
190. Эндрю А., 1985. Искусственный интеллект. М.: Мир.
191. Яшин А. М., 1990. Разработка экспертных систем. Л: ЛПИ.
192. Adeli H., 1994. Knowledge Engineering. McGraw-Hill Publishing Company, N. Y.
193. Alexander J. H., Freiling M.J., Shulman S.J., Rehfuss S., Messick S.L., 1987. Ontological analysis: an ongoing, experiment // Int. Journal of Man-Machine Studies. Vol. 26. P. 473-485.
194. Andre J., Delpech P.-M., 1994. Moving from Merise to Shlaer-Mellor // Objects in Europe. Vol. 1, No. 3. P. 7-11.
195. Anjewierden A., 1987. Knowledge Acquisition Tool // AI Communications. — Vol. 0, No. 1.-P. 29-38.
196. ART, 1984. ART User's Manual // Inference Systems Inc., Ca.
197. AgentBuilder, 1999. AgentBuilder An Integrated Toolkit for Constracting Intelligent Software Agents// Revision 1.3, February 18,1999. Reticular Systems, Inc.
198. Austin J. L., 1965. How to Do Things with Words. Oxford.
199. Autonomy, 1998. Autonomy Technology Whitepaper. — http://www.autonomy. com/tech/wp.html
200. Aussenac-Gilles N., Natta N., 1992. Making the Method Solving Explicit with MACAO: the SIZYPHUS case-study in Sisyphus'92: Models of problem solving. — Ed. by M.Linster, GMD.
201. Balzer R., Cheatham Т.Е., Green C., 1983. Software Technology in the 1990s: Using a New Paradigm // Computer J. — November. P. 39-45.
202. Barr A., Feigenbaum E.A., 1982. The Handbook of Artificial Intelligence // Vol. II. — Los Altos, California: Kaufmann Inc.
203. Basili V.R., Perricone B.T., 1984. Software Errors and Complexity: An Empirical Investigation // Communications. ACM. — Vol. 27, No. 1. — P. 42-52.
204. Beckwith R., Fellbaum C, Gross D., Miller G., 1990. WordNet: A Lexical Database Organized on Psycholinguistic Principles // In Zernik, U. (Ed.), Using On-line Resources to Build a Lexicon. Chapter 9. Hillsdale, NJ: Erlbaum. P. 211-231.
205. Bee-gent, 1999. Bee-gent Home Page. — http://www2.toshiba.co.jp/beegent.
206. Belgrave M., 1996. The Unified Agent Architecture: A White Paper. - http:// www.ee.mcgill.ca/~belmarc.
207. Benjamins V. R., Fensel D., et. al., 1998. Community is Knowledge! // In KA2, In: Proc. KAW'98, Banff, Canada. '
208. Bennet J. S., 1985. A Knowledge-Based System for Acquiring the Conceptual Structure of a Diagnostic Expert System //Journal of Automated Reasoning. — No. 1. P. 49-74.
209. Berners-Lee Т., Connolly D., 1995. HyperText Markup Language 2.0. November.
210. Beitalanffy L., 1950. An Outline of General Systems Theory // British Journal of the Philosofy of Science. Vol. 1. P. 134-164.
211. Black M., 1962. Models and Metaphor. Studies in Language and Philosophy. — Ithaca-London, Cornell University Press. P. 25-47.
212. Blazquez M., Fernandez M., Garcia-Pinar J. M., Gomez-Perez A., 1998. Building Ontologies at the Knowledge Level using the Ontology Design Envirnoment // Knowledge Acquisition Workshop, KAW98, Banff.
213. Boehm B.W., 1986. A Spiral Model of Software Development and Enhancement // ACM SIGSOFT Software Engineering Notes. Vol. 11, No. 4.
214. Bonasso Jr., 1984. ANALYST, an Expert System for processing sensor Returns // Report MTP-83W00002, MITRE Corp.
215. Boose J.H., 1985. A Knowledge Acquisition Program for Expert Systems Based on Personal Construct Psychology // Int. Journal of Man-Machine Studies. — Vol. 23. P. 495-525.
216. Boose J.H., 1985a. Personal construct theory and the transfer of human expertise // Proc. 6-th Eur. Conf. Artif. Intell. Amsterdam. P. 51-60.
217. Boose J. H., 1985b. A knowledge acquisition program to expert systems based oh personal construct psychology // Int. Journal of Man-Machine Studies. Vol. 23, No. 5. P. 499-525.
218. Boose J. H., 1985c. Rapid acquisition and combination of knowledge from multiple experts in the same domain // Proc. of 2-nd Conf. Artif. Intell. Appl. Eng. Knowledge-Based Syst. Amsterdam. P. 461-466.
219. Boose J. H., 1986. ETS: a PCP — based program for building knowledge-based systems // Proc. WESTEX-86: IEEE West. Conf. Knowledge-Based Eng. And Expert Syst., Anaheim, Calif. June 24-26. Washington: D. C.
220. Boose J. H., 1989. A research framework for knowledge acquisition echniques and tools // Proc. of 3-rd European Knowledge Acquisition for Knowledge-based Systems Workshop: EKAT'89. Paris.
221. Boose J. H., 1990. Knowledge Acquisition Tools, Methods, and Mediating Representations // In Motoda H., Mizogochi R., Boose J., Gaines B. (Eds.) Knowledge Acquisition for Knowledge-Based Systems. IOS Press, Ohinsha Ltd., Tokyo.
222. Boose J. H., Bradshaw J. H., Shema D. В., 1988. Transforming repertory grids to shell-based knowledge bases using AQUINAS, a knowledge acquisition workbench // Proceedings of the AAAI-88 Integration of Knowledge Acquisition and Performance Systems Workshop. St. Paul.
223. Boose J. H., Bradshaw J. M., 1986. NEOETS: Capturing expert system knowledge in hierarchical rating grids // Proc. Expert Syst. Gov.Symp. Washington. P. 34-45.
224. Boose J. H., Bradshaw J. M., 1987. Expertise transfer and complex problems: using AQUINAS as a knowledge-based systems // Int. Journal of Man-Machine Studies. Vol. 26, No. 1. P. 3-28.
225. Borghoff U., Pareschi R., 1998. Information Technology for Knowledge Management. — Springer-Verlag, Bln.
226. Bosak J., 1997. XML, Java, and the future of the Web // Sun Microsystems. — http://sunsite.unc. edu/pub/sum-info/standards/xml/why/xmlapps.htm
227. Bouchet С, Brunet С, Anjewierden A., 1989. SHELLY: an integrated workbench for KBS development // Proc. of 9th Int. Workshop Expert Syst. and their Appl. — France, Avignon. Vol. 1. P. 303-315.
228. Boulding K. L., 1956. General Systems Theory // The Skeleton of Science. Management Science. No. 2. P. 197-208.
229. Braetman J. A., Magnini В., Rinaldi F., 1994. The Generalized Italian, German, English Upper Model // ЕСАI'94, Amsterdam.
230. Breuker J. A., Wielinga B.J., 1989. Models of Expertise in Knowledge Acquisition // In Guida G., Tasso C. (ed.) Topics in expert system design. — Amsterdam, North-Holland. P. 165-295.
231. Breuker J. A., Wielinga B. J., Hayward S.A., 1986. Structuring of knowledge-based systems development // ESPRIT"85: Status Report of Cont. Work. North-Holland. P. 771-784.
232. Briscoe С & LeMaster S. U., 1991. Meaningful learning in college biology through concept mapping // American Biology Teacher, 53(4), P. 214-219.
233. Brooks R. A., 1991. Intelligence without Representation // Artificial Intelligence. No. 47. P. 139-159.
234. Brownston L., Farrell R., et al., 1985. Programming Expert Systems in OPS5: An introduction to Rule-Based Programming // Addison-Wesley Publ. Соmр. Inc.
235. Buchanan В., et al., 1983. Constructing an Expert System // Building Expert Systems.
236. BYTE, 1989. April. P. 206-246.
237. BYTE, 1990. CASE New Approach to Software Engineering // August.
238. Caines B. R., Shaw M. L., 1984. Cognitive and Logical foundation of Knowledge Acquisition // Proceedings of the 5-th Banff Knowledge Acquisition for Knowledge-Based Workshop. November. Banff, Canada. P. 82-101.
239. Cane C, Sarson Т., 1979. Structured System Analisis // Englewood Cliffs: Prentice-Hall.
240. CARNEGIE, 1987. CARNEGIE GROUP INC. // Expert Systems. Vol. 4, No. 2.
241. CATALYST, 1993. - Gensym Corp., G2 // In Object-Oriented Technology on Sun Workstations. Catalyst, January.
242. Chandrasekaran В., 1985. Generic tasks in knowledge-based reasoning: expert systems at the right level of abstraction // Proceedings of the Expert Syst. in Government. P. 62-65.
243. Cheong Fan-Chun, 1996. Internet Agents: Spiders, Wanderers, Brokers, and Bots. New Riders Publishing, USA.
244. Chess D., Harrison C., Kershenbaum A., 1995. Mobile Agents: Are They a Good Idea? // IBM Research Division. — http://www.research.ibm.com/iagents/paps/ mobile_idea_abstr.html.
245. Clancey W.J., 1983. The epistemology of a rule-based expert system — a framework for explanation // Artificial Intelligence. Vol. 20. P. 215-251.
246. Clancey W.J., 1985. Review of J.F.Sowa's Conceptual Structures // Artificial Intelligence. P. 13-128.
247. Clocksin W., Mellish C., 1982. Programming in PROLOG // Berlin, Springer Verlag.
248. Colmerauer A., 1983. PROLOG in 10 Figures // Proceedings of IJCAI-83. P. 488-499.
249. CompTek, 2000a. Сравнительный анализ машин поиска по материалам журналов «Мир ПК», «PC Magazine/RE», «Планета Интернет». — http:// www.comptek.ru/arcadia/review/review.html.
250. CompTek, 2000b. Сравнительный анализ русскоязычных машин поиска по материалам журнала «Планета Интернет». — http://www.comptek.ru/arcadia/ review/review_rus.html.
251. Conklin J., 1987. Hypertext: An Introduction and Survey // Computer. Vol. 20, No. 9. P. 17-41.
252. Conklin J., 1996. Designing organizational memory: Preserving intellectual assets in a knowledge economy // Electronic Publication by Corporate Memory Systems, Inc.
253. Connah D., 1994. The Design of Interacting Agents for Use in Interfaces // In Brouwer-Janse, D. & Harringdon, T. L. (eds.), Human-Machine Communication for Educational Systems Design, NATO ASI Series, Series F, Computer and Systems Sciences 129. Heidelberg: Springer Verlag.
254. Cook N. M., 1985. Computer Programming Expertise: Vanation of Cognitive Structure: vanations of cognitive structures in FT durso, chair, human expertise // Papers in Honor of W.Chaise, Meeting of Southern Psychological Association. — Austin: TX. P. 73-89.
255. Courtois P., 1985. On Time and Space Decomposition of Complex Structures // Communinications of the ACM. Vol. 28, No. 6. P. 596-610.
256. Cowie J., Lehnert W.G., 1996. Information Extraction // Comm. ACM. — No. 39(1).
257. Cullen J., Bryman A., 1988. The knowledge acquisition bottleneck: time for reassessment // Expert Systems. Vol. 5, No. 3.
258. Davis R., 1982. TEIRESIAS: Applications of meta-level knowledge // Knowledge-based systems in Artificial Intelligence. N.Y.: McGraw-Hill.
259. Davis R., 1984. Interactive Transfer of Expertise // In: Rule-Based Expert Systems / Buchanan B. G., Shortliffe E. H. London, Addison-Wesley. P. 171-205.
260. Kleer de J., 1989. Problem solving with the ATMS // Artifitial Intelligence. Vol. 28, No. 2. P. 197-224.
261. Delgado R., Joaquin A., 2000. Agent-Based Information.
262. DeMarco Т., 1979. Structured Analysis and System Specification. — Englewood Cliffs, NJ: Prentice Hall.
263. Demazeau Y., Muller J.-P. (eds.), 1990. Decentralized Artificial Intelligence. Amsterdam: Elsevier North-Holland, 1990.
264. Diderich J., Ruhman I., May M., 1987. KRITON: a knowledge acquisition tool for expert systems // Int. Journal of Man-Machine Studies. Vol. 26, No. 1. P. 9-40.
265. Durkin J., 1998. Expert Systems: Catalog of Applications. - ICS, USA.
266. Eisenstadt M., Domingue J., Rajan Т., Motta E., 1990. Visual Knowledge Engineering // IEEE Transactions on Software Engineering. Vol. 16, No. 10. P. 1164-1177.
267. Engelbart O., 1986. Hypertext as a New Form of Non-linear Documentation // Communication of ACM. Vol. 3, No. 5. P. 143-155. ,
268. Eshelman L., 1987. MOLE. A Knowledge Acquisition Tool That Buries Certainty Factors // Int. Journal of Man-Machine Studies. Vol. 26, No. 1. P. 563-577.
269. EXSYS, 1985. Exsys User Manual // EXSYS Inc.
270. Fain J., Hayes-Roth F., Sowizral H., Waterman D., 1982. Programming in ROSIE^ an Introductionby Means of Examples // Report N-1646-APRA. — Rand Corporation.
271. Farquhar A., Fikes R., Rice J., 1996. The Ontolingua Server: A Tool for Collaborative Ontology Construction // Knowledge Systems Laboratory, KSL-96-26, September, 1996.
272. Feigenbaum E., 1977. The art of artificial intelligence: themes and case studies of knowledge engineering // Proceedings of IJCAI-77.
273. Feigenbaum E., Buchanan B. Dendral and Meta-Dendral // Artificial Intelligence. Vol. 11, No. 1-2.
274. Feinstein A., 1958. Foundations of Information Theory. McGraw-hill, N. Y.
275. Fensel, D., Decker S., Erdmann M., Studer R., 1998. Ontobroker: How to enable intelligent access to the WWW // In AAAI-98 Workshop on AI and Information Integration. Madison, WI.
276. Fernandez M., Gomez-Perez A., Juristo N., 1997. METHONTOLOGY: From Ontological Art Toward Ontological Engineering // Spring Symposium Series on Ontological Engineering. AAAI-97, Stanford. USA.
277. Fikes R. Kehler Т., 1985. The role of frame-based representation in resoning // Com. ACM. P. 904-920.
278. Fikes R.E., Nillson N., 1971. STRIPS: A New Approach to the Application of Theorem Proving to Problem Solving // Artificial Intelligence. Vol. 5, No. 2.
279. Finin Т., McAdams J., Kleinosky P., 1984. FOREST: an expert system for automaic Test Equipment // Proceedings of the First Conference on Artificial Intelligence Applications. IEEE computer Society. P. 689-702.
280. FIPA, 1998. Ontology Service. FIPA 98 Specification. Part 12. October, 1998. http://www.cset.it/fipa.
281. Fisher K. M., Faletti J., Patlerson H., Thornton R., Lipson J. & Spring, C, 1990. Computer assisted concept mapping // Journal of College Science Teaching. No. 19 (6). P. 347-352.
282. Fisher К. М., 1990. Semantic networking: New kid on the block // Journal of Research in Science Teaching. No. 27(10). P. 1001-1018.
283. Fisher К. М., 1992. SemNet: A tool for personal knowledge construction // In P. Kommers, D. Jonassen, & T. Mayes (Eds.) Cognitive tools for learning. Berlin: Springer Verlag. P. 63-76.
284. Florentin J. J., 1987. Software Review: KEE // Expert Systems. Vol. 4, No. 2. P. 118-120.
285. Forgy С L., 1981. OPS5 User's Manual. - Pittsburg, Pa: Carnegie-Mellon University.
286. Franklin S., Graesser A., 1996. Is it an Agent, or just a Program?: A Taxonomy for Autonomous Agents // Proceedings of the Third International Workshop on Agent Theories, Architectures, and Languages, Springer-Verlag.
287. Fridman N., Hafner, 1997. Ontology Design: A Survey and Comparative Review // AI Magazine. No. 18 (3). P. 53-74.
288. Furna G. W., Zacks J., 1994. Multitrees: Enriching and Reusing Hierarchical Structure // Human Factors in Computing Systems. Conference Proceedings. Boston, Ms. P. 330-334
289. Gruber T. R., 1995. Toward Principles for the Design of Ontologies Used for Knowledge Sharing // International Journal of Human and Computer Studies. -No. 43(5/6). P. 907-928.
290. Gaines B. R., 1987. An Overview of Knowledge Acquisition and Transfer // Special issue on the 1st Knowledge Acquisition for Knoweledge-Based Systems Workshop. Part 3, International Journal of Man-Machine Studies, 26. P. 453-472.
291. Gaines B. R., 1989. Second Generation Knowledge Acquisition Systems // Proceedings of the Second European Knowledge Acquisition Workshop. Vol. 17. Bonn. P. 1-14.
292. Gaines B. R., Shaw M.L.G., 1986. Knowledge Engineering Techniques // Proceedings of AUTOFACT86. Detroit. P. 79-96.
293. Gaines B. R., Shaw M. L. G., 1987. KITTEN: Knowledge initiation and transfer tools for experts and novices // International Journal of Man-Machine Studies. — Vol. 27, No. 3, P. 251-280.
294. Gammack J. G., Young R. M., 1985. Psychological Techniques for Eliciting Expert Knowledge // Research and Development in Expert Systems. Cambridge: University Press.
295. Gane C., and Sarson, T., 1979. Structured System Analysis. — Englewood Cliffs, NJ: Prentice Hall.
296. Gavrilova Т., Chernigovskaya Т., 1999. Cognitive Aspects of Visual Knowledge Base Design // Proceedings of the International Conference PEG, Intelligent Computer and communications technology (Teaching & Learning for the 21-st Century), Great Britain. P. 174-181.
297. Gavrilova Т., Kotova E., Stash N., 1999. Adaptive Distance Learning Course on Artificial Intelligence, ICL99, Austria.