CC BY
42ГЕОЛОГИЯ
УДК 004.891:550.8. [052+053]
А.А. Горелова1-2, e-mail: Gorelova.AA@gazpromneft-ntc.ru; О.А. Попова2, e-mail: Popova.OAna@gazpromneft-ntc.ru; З.М. Филиппова3, e-mail: Filippova.ZM@gazprom-neft.ru
1 Федеральное государственное бюджетное образовательное учреждение высшего образования «Санкт-Петербургский государственный университет» (Санкт-Петербург, Россия).
2 ООО «Газпромнефть НТЦ» (Санкт-Петербург, Россия).
3 ПАО «Газпром нефть» (Санкт-Петербург, Россия).
Понятие системы онтологий и ее применение для характеристики условий терригенного осадконакопления
Применение современных технологий машинного обучения и искусственного интеллекта зачастую требует формализации знаний и представлений о рассматриваемой предметной области в виде онтологических моделей. При этом систематизация терминологии и взаимосвязей между концепциями является одной из ключевых сложностей при внедрении подобных технологий в бизнес-процессы компаний нефтегазовой отрасли. Целью данной работы является освещение основных понятий онтологического моделирования, а также описание примера сбора и обработки экспертных знаний для использования в цифровых технологиях. Полученный опыт может быть применен в качестве методики создания онтологий при решении подобных задач. В работе проанализированы основные понятия из области онтологий, освещены различные взгляды на онтологическое моделирование, рассмотрены принципы создания и оценки качества моделей, а также приведен практический пример сбора и систематизации информации для разработки геологической базы данных. В результате проведенного исследования создана онтологическая модель, предназначенная для характеристики обстановок и систем терригенного осадконакопления. Она позволяет накапливать структурированные знания по большому количеству геологических объектов, а также применять различные цифровые технологии в целях оптимизации рутинных процессов и решения геологических задач, таких как определение условий седиментации и поиск пластов-аналогов. Данная модель является легко расширяемой и дополняемой, она может быть применима не только для первичного анализа знаний, но и для повторного их использования в предметной области, в частности для решения различных прикладных геологических задач в нефтегазовой отрасли.
Ключевые слова: онтология, онтологическая модель, база знаний, обстановка осадконакопления.
A.A. Gorelova12, e-mail: Gorelova.AA@gazpromneft-ntc.ru; O.A. Popova2, e-mail: Popova.OAna@gazpromneft-ntc.ru; Z.M. Filippova3, e-mail: Filippova.ZM@gazprom-neft.ru
1 Federal State Budgetary Educational Institution of Higher Education "Saint-Petersburg State University" (Saint-Petersburg, Russia).
2 Gazpromneft STC LLC (Saint-Petersburg, Russia).
3 Gazprom Neft PJSC (Saint-Petersburg, Russia).
The Concept of Ontology System and Its Application to Characterize Conditions of Terrigenous Sedimentation
Use of machine learning and artificial intelligence modern technologies in most cases requires knowledge formalization and having ideas about the certain fields in shape of ontology models. However, definition systematization and correlation between concepts is one of the main difficulties while spreading similar technologies in oil and gas industry business processes.
The purpose of the work is to highlight the basic concepts of ontological modeling, as well as illustrate an example of the gathering and analysis of expert knowledge for use in digital technologies. This experience can be used as a method of creation of ontologies for solving similar problems.
The work uses main understandings in the ontology branch, specifies the principles of creation and model quality evaluation. Also, it describes practical example of information collection and systematization for creating geology knowledge base. As a result of the conducted research an ontology system for characteristic of sedimentary environments
24
№ 12 декабрь 2019 ТЕРРИТОРИЯ НЕФТЕГАЗ
GEOLOGY
and systems was created. The ontology system lets store structural knowledge about big amounts of geology objects and apply multiple digital technologies for daily process optimization and solving geology tasks such as defining the conditions of sedimentation and searching for layer analog. The described ontological model can be easily expanded and complemented. It can be used not only for the primary analysis of information, but also for its further use in the domain knowledge to solve various applied geological problems in the oil and gas industry.
Keywords: ontology, ontology model, knowledge base, sedimentary environment.
ВВЕДЕНИЕ
Стремительное развитие компьютерных технологий обусловливает все возрастающий в последние годы интерес к интеллектуальной обработке больших объемов информации. В то же время зачастую специалисты перегружены быстро растущим объемом данных: массивы информации стало сложнее обрабатывать, сложнее искать нужное, возросла потребность в оптимизации поиска необходимого фактического материала. В связи с этим все большую популярность приобретает создание упорядоченных информационных баз во многих сферах производственной деятельности, при этом увеличивается и значимость онтологий в обмене и структурировании знаний. Актуальность создания онтологий в геологии обусловлена возможностями, открывающимися при применении современных цифровых инструментов, таких как машинное обучение, компьютерное зрение, разработка баз знаний, обработка естественного языка и проч., для решения прикладных задач. На сегодняшний день в русскоязычной литературе вопросы онтологического моделирования в целом и в нефтегазовой геологии в частности освещены слабо. Однако онтологическое моделирование имеет большое значение, поскольку ввиду разнообразия существующих классификаций и недостатка четкой структуры взаимосвязей между понятиями существуют определенные сложности с систематизацией знаний. В связи с этим ключевым аспектом создания онтологий является не просто сбор и анализ всего имеющегося геологического материала, а упорядочение
информации в соответствии с решаемой задачей.
ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ОНТОЛОГИЧЕСКОГО МОДЕЛИРОВАНИЯ Основные понятия
Онтология (опЫод1'а от древнегреч. бч 6уто<; - то, что существует (сущее), и Хоуо^ - учение, наука) [1] как термин используется в философии уже около 600 лет и означает философскую науку о сущем и о бытии, однако в контексте современного мира она означает модель описания какой-либо системы, состоящую из набора типов, свойств и взаимосвязей.
Основоположником применения понятия онтологии в инженерии является американский ученый Т. Грубер, рассмотревший различные аспекты взаимоотношений интеллектуальных систем между собой и человеком [2]. Грубер, в частности, охарактеризовал онтологию как описание (спецификацию) концептов и взаимосвязей (кон-
цептуализации). Впоследствии было сформулировано множество различных определений онтологии. Одно из самых популярных дал итальянский программист Н. Гуарино: «Онтология - это формальная теория, ограничивающая возможные концептуализации мира» [3]. Наиболее полное определение онтологии в русскоязычной литературе было дано профессорами Санкт-Петербургского государственного университета Т.А. Гавриловой и Д.И. Муромцевым: «Онтология - это спецификация предметной области или формальное ее представление, которое включает словарь указателей на термины предметной области и логические выражения, которые описывают, что эти термины означают, как соотносятся друг с другом и как они могут или не могут быть связаны между собой» [4]. Иными словами, онтологии нужны для того, чтобы описывать основные положения в предметной области, их свойства и взаимоотношения между ними,обеспечивая обмен и систематизацию знаний.
Ссылка для цитирования (for citation):
Горелова А.А., Филиппова З.М., Попова О.А. Понятие системы онтологий и ее применение для характеристики условий терригенного осадконакопления // Территория «НЕФТЕГАЗ». 2019. № 12. С. 24-30.
GoreLova A.A., FiLippova Z.M., Popova O.A. The Concept of Ontology System and Its Application to Characterize Conditions of Terrigenous Sedimentation. Territorija "NEFTEGAS" [OiL and Gas Territory]. 2019;(l2):24-30. (In Russ.)
TERRITORIJA NEFTEGAS - OIL AND GAS TERRITORY No. 12 December 2019
25
ГЕОЛОГИЯ
Простым и весьма распространенным примером онтологии является иерархическая система классификации живых организмов, предложенная К. Линнеем, в основе которой лежат категории рода и вида. Еще один популярный пример онтологии - периодическая система химических элементов, предложенная Д.И. Менделеевым. Онтологические модели в той или иной мере присутствуют во всех областях знаний, но мы не всегда знаем об их применении. Онтологии определяют общую терминологию для ученых, совместно использующих информацию в предметной области. Цели создания онтологий могут быть различными. Т. Грубер рассматривал онтологии в качестве способа взаимодействия интеллектуальных систем как между собой, так и с человеком [2]. Кроме того, онтологии создаются для обеспечения возможности повторного использования знаний в предметной области. Если интересующая онтологическая модель уже была описана, пусть и для других целей,ее повторное использование возможно и в других областях знаний. Преимуществом онтологий является то, что их можно легко редактировать и изменять.
Как правило, создание онтологической модели само по себе не является целью. Разработка онтологии сводится к определению набора данных и их структуры для использования при решении прикладных задач, в частности при создании программных продуктов [5]. Т. Грубер считал, что онтология включает в себя пять составных частей: классы (понятия, концепты, сущности, категории), отношения, функции, аксиомы, экземпляры (примеры). Классы используются в широком смысле, ими может быть любая сущность, о которой может быть дана определенная информация. Как правило, классы организованы в таксономии. Отношения показывают тип взаимодействия между классами рассматриваемой области. Функции -это специальный случай отношений, в котором выбранный элемент напрямую зависит от всех предыдущих элементов. Аксиомы используются для констатации высказываний, которые будут всегда являться истинными. Они могут
быть включены в онтологию в различных целях, например для определения общих ограничений на значения атрибутов, для проверки корректности данных, представленных в онтологии, или для вывода новой информации. Экземпляры - это конкретные элементы классов [6, 7].
Для того чтобы позволить интеллектуальным системам обмениваться друг с другом знаниями, необходимо сделать их описание, понятное как системе, так и человеку, поэтому Т. Грубер предложил описывать знания двумя способами:
• в заранее предусмотренной, канонической форме: формальный язык с четко определенным синтаксисом и семантикой [2]. Под семантикой понимается наделение информации смыслом для последующей ее обработки. В частности, этот термин означает, что программы должны получить возможности обработки данных с учетом смысла и связи между объектами [8];
• в форме онтологии, которая состоит из множества термов (классов, функций, отношений и т. д.), связанных между собой определениями [2].
На сегодняшний день языки, в которых описываются онтологии, могут совмещать эти формы описания. Исходя из этого сейчас под онтологией можно понимать описание декларативных знаний, сделанное на формальном языке и имеющее иерархию объектов [9].
Методология создания онтологий
Для начала разработки онтологии следует определить ее область и масштаб. Для этого Н. Ной и Д. Макгиннес предлагают ответить на несколько основных вопросов, в числе которых следующие
1) какую область будет охватывать онтология;
2) для чего мы собираемся ее использовать;
3) на какие типы вопросов должна давать ответы информация в онтологии;
4) кто будет использовать и поддерживать созданную онтологическую модель.
Вопросы могут изменяться по мере создания онтологической модели, но в любой момент они помогают ограничить масштаб модели [5].
Для создания и оценки онтологий необходимы объективные критерии. Т. Грубер предложил ряд принципов для конструирования онтологий, целью которых являются обмен знаниями и взаимодействие между программами [7]:
1) ясность - онтология должна эффективно и объективно передавать значение каждого термина;
2) согласованность - онтология должна быть последовательной, то есть должна поддерживать умозаключения, согласующиеся с определениями;
3) расширяемость - онтология должна быть разработана таким образом, чтобы можно было, основываясь на имеющемся словаре, определять новые термины, не пересматривая и не исправляя уже существующие термины;
4) минимальная погрешность кодирования (минимум влияния кодирования) - выбор способа реализации онтологии не должен быть основан на соображениях удобства в конкретном случае, потому что может возникнуть проблема обмена знаниями с другими системами;
5) минимальное онтологическое обязательство - для онтологии должен быть набран минимальный объем словаря, достаточный для описания знаний, которые предполагается совместно использовать.
Оценка качества онтологических моделей
Вопрос об оценке качества онтологий является открытым, поскольку критерии оценки носят субъективный характер. Это привело к тому, что разными учеными создано множество методов оценки онтологических моделей, однако комплексного подхода к решению данной задачи нет.
Несомненно, онтология должна быть представительной и хорошо визуализированной. Для этого можно выделить ряд характеристик, описывающих качество этого представления. Например, Т.А. Гавриловой были предложены следующие характеристики [10]: 1) понятия одного уровня иерархии связываются с родительским концептом одним и тем же типом отношения (например, «класс - подкласс» или «часть -целое»);
26
№ 12 декабрь 2019 ТЕРРИТОРИЯ НЕФТЕГАЗ
GEOLOGY
2) у онтологии должна быть примерно равная глубина ветвей;
3) онтология должна быть симметрична;
4) не должно быть перекрестных ссылок;
5) глубина ветвей и максимальное число классов одного уровня иерархии не должно быть больше числа Ингве -Миллера (7 ± 2).
Создание онтологии - долгий и масштабный процесс, имеющий множество нюансов помимо перечисленных, и для каждой области, в которой создаются онтологии, можно выделить свои частные принципы. Мы же рассмотрим формирование онтологий в такой области, как геология.
ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ ОНТОЛОГИЧЕСКОЙ МОДЕЛИ ДЛЯ РЕШЕНИЯ ПРИКЛАДНОЙ ЗАДАЧИ В ГЕОЛОГИИ
В геологии создание онтологий может быть применено для решения множества задач, таких как разработка системы автоматизированного сбора информации,проектирование и структурирование баз знаний, машинное обучение для автоматизации обработки данных,распознавание образов, выстраивание взаимосвязей между различными базами данных, объединение разных классификаций в одну, упрощение обработки информации, моделирование процессов и др. В данной работе целью создания онтологической модели является определение обстано-вок осадконакопления.
Методология сбора знаний
Представленная в данной статье онтология была разработана в ходе создания экспертной системы для описания условий седиментации на основе ограниченного объема данных в рамках научно-исследовательского проекта ООО «Газпромнефть НТЦ». В рамках исследования требовалось установить, какие признаки являются определяющими и достаточными для идентификации условий формирования терригенных отложений. Сбор знаний осуществлялся преимущественно посредством опроса экспертов предметной области. На подготовительном этапе для постановки эксперимента были опрошены
два эксперта, которым предлагалось определить обстановку осадконакопле-ния, задавая вопросы на произвольные темы.
По результатам проведенного теста был сформирован ряд правил, используемых при работе с другими экспертами, включая следующие:
1) опрос экспертов ведется в режиме «один вопрос - один ответ»;
2) вопросы должны быть заданы исходя из предположения, что на объекте имеются все возможные исследования;
3) когда эксперт делает предположение, он должен пояснить, на основе каких признаков он его сделал (для исключения перебирания вариантов). Неозвучиваемые правила включали следующие:
1) экспертам не предоставляется информация о стратиграфии и регионе, даже если эксперт задает такой вопрос;
2) опрашиваемым не предоставляется информация по данным добычи;
3) экспертам не показывают изображения, информация предоставляется только в виде текста.
После формулирования правил в эксперименте приняли участие еще пять экспертов. Вопросы, заданные ими, были упорядочены и категоризированы, послужив основой для формирования шаблона сбора знаний. Эксперты задавали вопросы, касающиеся исследований керна, сейсмических данных, геофизических исследований (ГИС) и опробования скважин, региональных и экспертных знаний. Кроме того, задавались вопросы, касающиеся смежных источников данных: керна и ГИС, ГИС и сейсмических данных. В полученном шаблоне сбора знаний каждому признаку был присвоен свой тип данных: численный или категорий-ный. Первый тип означает, что свойство может выражаться в числовом эквиваленте, как, к примеру, песчанистость. Второй тип подразумевает, что ему может быть присвоена категория из ограниченного списка либо подтверждено присутствие или отсутствие данного признака. Категорийные типы данных были разделены на два класса: • первый класс предполагает возможность наличия данного признака в конкретной обстановке осадконакопления
(например, присутствие или отсутствие угля в керне);
• второй класс подразумевает выбор из списка с характеристиками (например, сортировка зерен выбирается из перечня вариантов: очень хорошая, хорошая, средняя, плохая и очень плохая).
Следующим этапом была верификация полученного шаблона сбора знаний. Для этого перед четырьмя группами экспертов, каждая из которых включала четырех представителей различных функциональных направлений (седиментология, геология, сейсмика), была поставлена задача сделать вывод об условиях седиментации объекта, охарактеризованного согласно созданному шаблону. Для описания объектов были использованы данные с разрабатываемых месторождений компании. Для выявления наиболее значимых признаков данные демонстрировались экспертам поочередно в выбранном ими порядке. В общей сложности для определения обстановки осадконакопления экспертам потребовалось от 7 до 14 признаков. После второго этапа был проведен опрос, в ходе которого экспертов попросили назвать самые значимые признаки, которые помогли решить поставленную задачу. Ими были названы стратиграфия, регион, текстура, ихнофоссилии и др. Представители команд, у которых не было возможности узнать стратиграфию и регион, сказали, что именно этих двух признаков им не хватило для более быстрого выполнения задания. Таким образом, в ходе эксперимента был подтвержден тезис, согласно которому знания о стратиграфии и регионе помогают экспертам быстрее определить условия седиментации, однако даже в отсутствие этих данных предоставленной информации было достаточно для того, чтобы дать верный ответ. По результатам эксперимента был сформирован и верифицирован шаблон сбора знаний, а также подтверждена его достаточность для определения обстановки осадконакопления.
Формирование модели онтологии
Шаблон сбора знаний послужил основой для формирования онтологической модели. Признаки, имеющие опреде-
TERRITORIJA NEFTEGAS - OIL AND GAS TERRITORY No. 12 December 2019
27
ГЕОЛОГИЯ
Выборка данных из шаблона признаков, характеризующая размер зерна в коллекторе A selection of data from the feature template characterizing the grain size in the reservoir
Источник данных Data source Категория признака Property category Признак/параметр Feature/рroperty Подкатегория признака Subproperty Значение Value
Глыба Stone block
Валун Cobble
Галька Pebble
Гравий Gravel
Средний Грубозернистый песок Very coarse sand
Average Крупнозернистый песок Coarse sand
Среднезернистый песок Medium sand
Мелкозернистый песок Fine sand
Тонкозернистый песок Very fine sand
Керн Структурные Размер зерна в коллекторе Алеврит Silt
Core Textural characteristics Size of grain in the reservoir Глыба Stone block
Валун Cobble
Галька Pebble
Гравий Gravel
Максимальный Грубозернистый песок Very coarse sand
Maximum Крупнозернистый песок Coarse sand
Среднезернистый песок Medium sand
Мелкозернистый песок Fine sand
Тонкозернистый песок Very fine sand
Алеврит Silt
ми осадконакопления. Классы связаны отношениями «имеет подкласс» и «возможно нахождение». Экземплярами, наполняющими онтологию, будут являться значения параметров. Определив основные понятия, мы создали онтологию, расположив классы в виде иерархии наследования. Последовательно, создав классы, мы приступили к созданию экземпляров и связали их между собой с помощью отношений.
ляющее значение для характеристики условий седиментации, были сгруппированы по категориям, а категории -по источникам данных. В таблице представлена часть шаблона, иллюстрирующая взаимное расположение параметров и их возможных значений для размера зерна в терригенном коллекторе.
В целом данная таблица представляет собой иерархию классов и экземпляров,
связанных между собой отношениями разных видов.
Исходя из деления онтологий [5], описанного в первой части работы, в данной онтологии первую ветку онтологического дерева составляют классы разного уровня иерархии: источники данных, категории признаков, сами признаки и их подкатегории. Другую ветку онтологического дерева составляют классы, являющиеся обстановка-
28
№ 12 декабрь 2019 ТЕРРИТОРИЯ НЕФТЕГАЗ
GEOLOGY
Граф онтологии для зерна среднего размера в разветвленных реках Ontology graph for medium grain in branched rivers
Типы дуг: Types of arcs:
— имеет экземпляр has an instance
— имеет подкласс has a subclass
- нахождение весьма вероятно finding is highly likely
- нахождение вероятно finding is likely
- нахождение возможно finding is possible
- нахождение маловероятно finding is unlikely
- нахождение крайне маловероятно finding is highly unlikely
Типы вершин: Top types: • - классы classes ф- экземпляры instances
Для характеристики отношений была использована дискретная шкала вероятности обнаружения значения параметра в условиях конкретной обстановки осадконакопления. Шкала вероятности включала значения от 1 до 7, где 1 означает, что данный признак точно присутствует в определенной обстановке осадконакопления, 2 - что его присутствие весьма вероятно, 3 - признак, вероятно, присутствует, 4 - существует 50%-ная вероятность обнаружения признака, 5 - присутствие признака маловероятно, 6 - его присутствие крайне маловероятно, 7 - признак точно отсутствует.
К каждому классу и экземпляру было сделано описание - составлен сло-
варь терминов в предметной области. Граф онтологии, иллюстрирующий вероятность нахождения зерен разного размера в разветвленных реках, соответствующий приведенной в таблице части шаблона, представлен на рисунке.
В данном графе мы видим две ветки онтологического дерева. В первой ветке классом наивысшего уровня является «Источник данных», во второй родительским концептом была выбрана «Система осадконакопления». Как уже было упомянуто, если каждое логическое выражение можно представить в виде графа, где ребро будет сказуемым, а вершины - подлежащим и дополнением, то граф можно пред-
ставить в виде логических выражений. Соответственно, согласно графу, представленному на рисунке, мы можем сформулировать следующие утверждения: «Источник данных имеет подкласс «Керновые исследования» или «В разветвленных реках весьма вероятно обнаружение гальки». На данном примере проиллюстрировано взаимоотношение классов и экземпляров в зависимости от размерности зерен только для одной обстановки осадконакопления - разветвленных рек. Данная выборка является представительным примером, который иллюстрирует принципы построения онтологической модели для решения поставленной задачи.
TERRITORIJA NEFTEGAS - OIL AND GAS TERRITORY No. 12 December 2019
29
ГЕОЛОГИЯ
ВЫВОДЫ
В работе представлен обзор русской и зарубежной литературы по теме онтологий в инженерии, дана расшифровка базовых терминов, приведены различные взгляды на онтологическое моделирование, охарактеризованы принципы создания и оценки качества моделей. Кроме того, авторами статьи проиллюстрирован метод сбора и систематизации данных для разработки базы знаний. Приведенный пример описывает процесс создания онтологии для определения обстановки осадконакопления. Доказано, что, имея такой ограниченный набор информации, как результаты интерпретации ГИС, керновые, сейсмические
и региональные данные, можно сделать вывод об условиях формирования отложений.
Разработка онтологической модели была выполнена на основе шаблона сбора знаний, сформированного и верифицированного совместно с экспертами в предметной области. Всего в модели выделено четыре источника данных, 16 категорий признаков, 28 признаков, 132 подкатегории признаков и 245 параметров. Соответственно, было выделено 190 классов, 245 экземпляров и 9 типов возможных отношений. Также было сделано полное описание онтологии, каждому классу и экземпляру была дана характеристика - составлен словарь терминов предметной области.
Преимущество описанной онтологии заключается в том, что она является весьма интуитивной, поскольку она была сформирована на основе систематизации знаний экспертов. Помимо этого она легко изменяема и расширяема в связи с отсутствием жестких ограничений в количестве данных или добавлении новых свойств. Созданная онтологическая модель будет использоваться, расширяться и поддерживаться сотрудниками ООО «Газпромнефть НТЦ». Сделанная спецификация может быть использована как человеком, так и программными агентами в целях определения обстановок осадконакопления.
Литература:
1. Боргест Н.М. Антология онтологии. Самара: Самарский государственный аэрокосмический университет, 2010. 87 с.
2. Gruber T.R. The Role of Common Ontology in Achieving Sharable, Reusable Knowledge Bases // Proceedings of the Second International Conference "Principles of Knowledge Representation and Reasoning". 1991. P. 601-602.
3. Guarino N. Formal Ontology and Information Systems [Электронный источник]. Режим доступа: https://k1evas.mif.vu.lt/donatas/Vadovavimas/Temos/ 0nto1ogiskaiTeisingasKoncepcinisMode1iavimas/papi1doma/Guarino98-Forma1%200nto1ogy%20and%20Information%20Systems.pdf (дата обращения: 20.12.2019).
4. Гаврилова Т.А., Муромцев Д.И. Интеллектуальные технологии в менеджменте: инструменты и системы. СПб.: Высшая школа менеджмента, 2007. 488 с.
5. Noy N.F., McGuinness D.L. Onto1ogy Deve1opment 101: A Guide to Creating Your First Onto1ogy [Электронный источник]. Режим доступа: https://protege. stanford.edu/pub1ications/onto1ogy_deve1opment/onto1ogy101.pdf (дата обращения: 20.12.2019).
6. Gruber T.R. A Trans1ation Approach to Portab1e Onto1ogy Specifications [Электронный источник]. Режим доступа: https://tomgruber.org/writing/ onto1ingua-kaj-1993.pdf (дата обращения: 20.12.2019).
7. Gruber T.R. Toward Princip1es for the Design of Onto1ogies [Электронный источник]. Режим доступа: https://tomgruber.org/writing/onto-design.pdf (дата обращения: 20.12.2019).
8. Горшков С.В., Кралин С.С., Муштак О.И. и др. Онтологическое моделирование предприятий: методы и технологии [Электронный источник]. Режим доступа: https://trinidata.ru/fi1es/EnterpriseMode1ing.pdf (дата обращения: 20.12.2019).
9. Лапшин В.А. Онтологии в компьютерных системах [Электронный источник]. Режим доступа: https://www.rsdn.org/artic1e/phi1osophy/what-is-onto. xm1 (дата обращения: 20.12.2019).
10. Гаврилова Т.А., Лещева И.А. Понятийные структуры знаний и когнитивный стиль // Психология. Журнал Высшей школы экономики. 2016. Т. 13. № 1. С. 154-176.
References:
1. Borgest N.M. Anthology of Ontology. Samara: Samara State Aerospace University; 2010. (In Russ.)
2. Gruber T.R. The Role of Common Ontology in Achieving Sharable, Reusable Knowledge Bases Proceedings of the Second International Conference "Principles of Knowledge Representation and Reasoning". 1991. P. 601-602.
3. Guarino N. Formal Ontology and Information Systems. Weblog. Available from: https://klevas.mif.vu.lt/donatas/Vadovavimas/Temos/Ontolo giskaiTeisingasKoncepcinisMode1iavimas/papi1doma/Guarino98-Forma1%20Onto1ogy%20and%20Information%20Systems.pdf [Accessed 20th December 2019].
4. Gavrilova T.A., Muromtsev D.I. Intelligent Technologies in Management: Tools and Systems. Saint-Petersburg: Vysshaya shkola menedzhmenta [the Graduate School of Management]; 2007. (In Russ.)
5. Noy N.F., McGuinness D.L. Ontology Development 101: A Guide to Creating Your First Ontology. Weblog. Available from: https://protege.stanford. edu/pub1ications/onto1ogy_deve1opment/onto1ogy101.pdf [Accessed 20th December 2019].
6. Gruber T.R. A Trans1ation Approach to Portab1e Onto1ogy Specifications. Web1og. Avai1ab1e from: https://tomgruber.org/writing/onto1ingua-kaj-1993.pdf [Accessed 20th December 2019].
7. Gruber T.R. Toward Princip1es for the Design of Onto1ogies. Web1og. Avai1ab1e from: https://tomgruber.org/writing/onto-design.pdf [Accessed 20th December 2019].
8. Gorshkov S.V., Kra1in S.S., Mushtak O.I. et a1. Onto1ogica1 mode11ing of Enterprises: Methods and Techno1ogies. Web1og. Avai1ab1e from: https://trinidata.ru/fi1es/EnterpriseMode1ing.pdf [Accessed 20th December 2019]. (In Russ.)
9. Lapshin V.A. Onto1ogies in Computer Systems. Web1og. Avai1ab1e from:https://www.rsdn.org/artic1e/phi1osophy/what-is-onto.xm1 [Accessed 20th December 2019]. (In Russ.)
10. Gavri1ova T.A., Leshcheva I.A. Conceptua1 Framework of Know1edge and Conceptua1 Sty1e. Psikho1ogiya. Zhurna1 Vysshey shko1y ekonomiki [Psycho1ogy. Journa1 of the Higher Schoo1 of Economics]. 2016;13(1):154-176. (In Russ.)
30
№ 12 декабрь 2019 ТЕРРИТОРИЯ НЕФТЕГАЗ
