[ Russian ] [ English ]

Метаграфовая модель данных и подходы к хранению представленных в ней данных

Юрий Гапанюк,
МГТУ им. Н.Э.Баумана
gapyu@bmstu.ru

В современных информационных системах традиционно используются разнородные модели данных, знаний и процессов. Эта ситуация сложилась исторически, потому что раньше мощность вычислительных систем была невысока и во главу угла ставилась производительность обработки данных. Вопросы интеграции информационных систем и унификации информационных моделей оставались на втором плане.

В настоящее время ситуация изменилась. Появление и активное развитие технологий обработки больших данных, расширение круга информационно-аналитических задач привело к тому, что в качестве обрабатываемых данных вполне могут выступать знания, ситуации, процессы. Это требует новых подходов к интеграции информационных систем, новых моделей данных.

Сервис-ориентированный подход (в том числе в его современном микросервисном варианте) до определенной степени решает задачу интеграции информационных систем, но при этом каждая система функционирует как черный ящик. Интеграция возможна только на уровне элементов, которые вынесены в интерфейс сервиса. Например, если для решения информационно-аналитических задач мы хотим использовать OLAP-куб для хранения и агрегации ситуаций или процессов, то использование сервис-ориентированного подхода не поможет, требуется интеграция на уровне единой модели данных.

В качестве такой модели в докладе рассматривается метаграфовая модель, которая позволяет описывать одновременно данные, знания и процессы.

Предлагается концепция гибридной интеллектуальной информационной системы в качестве архитектурного подхода к построению систем на основе метаграфовой модели.

Рассматриваются варианты хранения метаграфов в СУБД с различными физическими моделями данных.

Литература:

  1. Колесников А.В. Гибридные интеллектуальные системы. Теория и технология разработки. – СПб.: СПбГТУ, 2001. – 137 с.
  2. Рыбина Г.В., Паронджанов С.С. Технология построения динамических интеллектуальных систем: Учебное пособие. М.: НИЯУ МИФИ, 2011.
  3. Прикладные интеллектуальные системы, основанные на мягких вычислениях. / под ред. Н.Г. Ярушкиной. – Ульяновск: УлГТУ, 2004. – 139 с.
  4. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. – М.: Эдиториал УРСС, 2002. – 352 с.
  5. Basu A., Blanning R. Metagraphs and their applications. Springer, 2007. 174 p.
  6. Voloshin Vitaly I. Introduction to Graph and Hypergraph Theory. Nova Science Publishers, Inc., 2009, 287 p.
  7. Johnson J. Hypernetworks in the Science of Complex Systems. London, Imperial College Press, 2013. 349 p.
  8. Попков В.К. Математические модели связности. Новосибирск: ИВМиМГ СО РАН, 2006. — 490 с.
  9. Евин И.А. Введение с теорию сложных сетей // Компьютерные исследования и моделирование. 2010, Том 2, №2, С. 121-141.
  10. Кузнецов О.П., Жилякова Л.Ю. Сложные сети и когнитивные науки // Нейроинформатика-2015. XVII Всероссийская научно-техническая конференция. Сборник научных трудов. Ч. 1. М.: МИФИ. 2015. С. 18.
  11. Анохин К.В. Когнитом: гиперсетевая модель мозга // Нейроинформатика-2015. XVII Всероссийская научно-техническая конференция. Сборник научных трудов. Ч. 1. М.: НИЯУ МИФИ. 2015. С. 14-15.
  12. Черненький В.М., Гапанюк Ю.Е., Ревунков Г.И., Терехов В.И., Каганов Ю.Т. Метаграфовый подход для описания гибридных интеллектуальных информационных систем. Прикладная информатика. 2017. № 3 (69). Том 12. С. 57–79.
  13. Самохвалов Э.Н., Ревунков Г.И., Гапанюк Ю.Е. Использование метаграфов для описания семантики и прагматики информационных систем. Вестник МГТУ им. Н.Э. Баумана. Сер. «Приборостроение». 2015. Выпуск №1. С. 83-99.
  14. Черненький В.М., Терехов В.И., Гапанюк Ю.Е. Структура гибридной интеллектуальной информационной системы на основе метаграфов. Нейрокомпьютеры: разработка, применение. 2016. Выпуск №9. С. 3-14.
  15. Гапанюк Ю.Е., Ревунков Г.И., Федоренко Ю.С. Предикатное описание метаграфовой модели данных. Информационно-измерительные и управляющие системы. 2016. Выпуск № 12. С. 122-131.
Supported by Synthesis Group