Повышение качества функционирования систем электронного документооборота на основе механизмов использования семантической избыточности
Боковая панель статьи
Основное содержимое статьи
Аннотация
Разработаны методические основы решения задач оптимизации поиска, хранения, обработки информации по критериям достоверности, трудоемкости и стоимости. Предложены оценки времени и стоимости ввода, передачи, хранения, обработки, обмена документами, обнаружения и исправления ошибок информации на основе механизмов использования семантической избыточности реализованных и лексографического синтеза структуры документа. Исследована эффективность механизмов использования статистических, логических, семантических и структурно – технологических связей элементов документов. Разработана и реализована вычислительная схема решения оптимизационной задачи на основе применения адаптивных методов стохастического случайного поиска, моделирования усеченной цепью Маркова и динамического программирования. Реализован программный комплекс повышения достоверности информации на основе использования адаптивного случайного поиска, сегментации и лексикологического синтеза структуры.
Информация о статье
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Библиографические ссылки
Matsuo Y and Ishizuka M Keyword extraction from a single document using word cooccurrence statistical information. International Journal on Artificial Intelligence Tools 2004 13(1), 157–169.
Alemeh Matani, Hamid Reza Naji, Hassan Motallebi, A Fault-Tolerant Workflow Scheduling Algorithm for Grid with Near-Optimal Redundancy, Journal of Grid Computing, 2020. 10.1007/s10723-020-09522-2.
Wenhao Li, Hardware Reliability Requirements, Encyclopedia of Big Data Technologies, 2019 10.1007/978-3-319-77525-8, (918-922).
D.Downey, O. Etzioni, S.Soderland,: A probabilistic model of redundancy in information extraction. In: Proceedings of the 19th International Joint Conference on Artificial Intelligence, IJCAI’05, Ed-inburgh, pp. 1034–1041. Morgan Kaufmann, San Francisco (2005)
G.Hinton, R.aSalakhutdinov, Discovering binary codes for documents by learning deep generative models Topics in Cognitive Science 2011 Volume 3, Is-sue 1, Pages 74-91
Akhatov A., Nazarov F., & Rashidov A. Mechanisms of information reliability in big data and blockchain technologies” ICISCT 2021, 3-5.11, doi: 10.1109/ ICISCT52966.2021.9670052
Akhatov A., Nazarov F., & Rashidov A. Increasing data reliability by using big-data parallelization mechanisms. ICISCT 2021: Applications, Trends and Opportunities, 3-5.11.2021, doi: 10.1109/ICISCT 52966.2021.9670387
Dilek Hakkani-Tür, Kemal Oflazer, & Gökhan Tür. Statistical Morphological Disambiguation for Agglutinative Lan-guages. In Proceedings of the 18th International Conference on Computational Linguistics (COLING 2000).
Jumanov I.I. & Karshiev Kh. B. Increas-ing the reliability of full text documents based on the use of mechanisms for ex-traction of statistical and semantic links of elements, 2020 ICISCT 2020: International Conference on Information Science and Communications Technol-ogies, DOI: 10.1109/ICISCT50599.2020.9351397
Jumanov I.I. & Karshiev Kh. B. Mechanisms for optimization of detection and correction of text errors based on combining multilevel morphological analysis with n-gram models, Journal of Physics: Conference Series, DOI 10.1088/1742-6596/1546/1/012082, 2020
Jumanov I.I. & Karshiev Kh. B. Optimization of Transmission and Processing of Information of Electronic Documents Based on Parallel Computing Technology, ICTACS 2022: Proceedings of International Conference on Technological Advancements in Computational Sciences, DOI: 10.1109/ICTACS56270. 2022.9988150, 2022.
Kemal Oflazer, Sergei Nirenburg, &Marjorie McSchane. Bootstrapping Morphological Analyzers by Combining Human Elicitation and Machine Learning. Computational Linguistics, 27- 1: 2001, 59-85.