Вопросы создания машинопонимаемых SMART-стандартов на основе графов знаний

Обложка

Цитировать

Полный текст

Аннотация

Развитие цифровой трансформации требует широкого использования новых технологий в документах по стандартизации. Одной из задач является создание стандартов с машинопонимаемым содержанием, которые позволят использовать цифровые документы на различных этапах разработки и производства без необходимости участия человека-оператора. Целью данной работы является описание подхода для создания и перевода в машинопонимаемое представление нормативных документов отрасли для дальнейшего их использования в программных сервисах и системах. Содержимое SMART-стандарта бывает трех видов: машиночитаемое, машиноинтерпретируемое и машинопонимаемое. Для формализации данных и знаний при решении различных задач активно используются графы знаний. Предложен новый двухуровневый подход для создания и перевода в машинопонимаемое представление нормативных документов как графов знаний. Подход определяет два вида интерпретации такого документа (человекочитаемость и машинопонимаемость) через два связанных формата: граф, каждый семантический узел которого представляет текст на естественном языке, и сеть понятий и строгих связей. Каждому узлу «человекочитаемого» графа соответствует (в общем случае) поддерево машинопонимаемого графа знаний. В качестве основы для обеспечения преобразования одной формы представления SMART-стандарта в другую форму служат LLM модели, дополняемые специализированным адаптером, полученным в результате дообучения с помощью подхода Parameter-Efficient Fine-Tuning. Установлены требования к набору проблемно- и предметно-ориентированных инструментальных средств формирования графов знаний. Показана концептуальная архитектура системы поддержки решения комплекса задач на основе SMART-документов в виде графов, установлены принципы реализации программных компонентов, работающих со знаниями, для интеллектуальных программных сервисов.

Об авторах

Е. А Шалфеева

Институт автоматики и процессов управления Дальневосточного отделения РАН

Email: shalf@dvo.ru
улица Радио 5

В. В Грибова

Институт автоматики и процессов управления Дальневосточного отделения РАН

Email: gribova@iacp.dvo.ru
улица Радио 5

Список литературы

  1. Smart Standards – From a market and industry perspective // Societal and technology trend report. URL: https://www.iec.ch/system/files/2023-10/iec_sttr_smart_standards_en_lr_0.pdf (дата обращения: 18.03.2024).
  2. Елагин Ф.Н. Цифровые технологии стандартизации // Инновации и инвестиции. 2023. № 8. С. 243–246.
  3. Денисова О.А., Дмитриева С.Ю. SMART-стандарты: нормативные документы для цифровой экономики будущего // Стандарты и качество. 2023. № 6. С. 42–44.
  4. Предварительный национальный стандарт российской федерации. ПНСТ 864-2023. Умные (SMART) стандарты. Общие положения. Издание официальное. Москва: Российский институт стандартизации, 2023. URL: https://docs.cntd.ru/document/728306620 (дата обращения: 18.03.2024).
  5. Van de Kaa G., Stoccuto S., Calderón C.V. A battle over smart standards: Compatibility, governance, and innovation in home energy management systems and smart meters in the Netherlands // Energy Research & Social Science. 2021. vol. 82.
  6. Mutule A., Antoskova I., Papadimitriou C., Efthymiou V., Morch A. Development of Smart Grid Standards in View of Energy System Functionalities // 6th International Conference on Smart and Sustainable Technologies (SpliTech). IEEE, 2021. pp. 1–6. doi: 10.23919/SpliTech52315.2021.9566337.
  7. Peleg M. Computer-interpretable clinical guidelines: A methodological review // Journal of biomedical informatics. 2013. vol. 46. № 4. pp. 744–763.
  8. Young O., Shahar Y., Liel Y., Lunenfeld E., Bar G., Shalom E., Martins S., Vaszar L., Marom T., Goldstein M.K. Runtime application of Hybrid-Asbru clinical guidelines // Journal of biomedical informatics. 2007. vol. 40. no. 5. pp. 507–526.
  9. Novais P., Oliveira T., Satoh K., Neves J. The Role of Ontologies and Decision Frameworks in Computer-Interpretable Guideline Execution // Synergies between Knowledge Engineering and Software Engineering. 2018. vol. 626. pp. 197–216.
  10. Головин С.А., Лоцманов А.Н., Тихомиров С.Г. Цифровая трансформация стандартизации требует системного подхода и практических действий // ИТ-Стандарт. 2023. № 3. С. 4–22.
  11. Liu J., Peng G. Designing a Smart Standards Information Service: A Research Framework // International Conference on Human-Computer Interaction. Cham: Springer Nature Switzerland. 2023. pp. 348–365.
  12. Luttmer J., Ehring D., Pluhnau R., Kocks C., Nagarajah A. SMART Standards: Modularization Approach for Engineering Standards // Proceedings of the ASME International Design Engineering Technical Conferences and Computers and Information in Engineering Conference. 42nd Computers and Information in Engineering Conference. 2022. vol. 2(42). doi: 10.1115/DETC2022-88206.
  13. Zhong L., Wu J., Li Q., Peng H., Wu X. A Comprehensive Survey on Automatic Knowledge Graph Construction // ACM Computing Surveys. 2023. vol. 56. no. 4. pp. 1–62.
  14. Qu J. A Review on the Application of Knowledge Graph Technology in the Medical Field // Scientific Programming. 2022. vol. 2022. 12 p.
  15. Sezgin E., Hussain S.A., Rust S., Huang Y. Extracting medical information from free-text and unstructured patient-generated health data using natural language processing methods: feasibility study with real-world data // JMIR Formative Research. 2023. vol. 7.
  16. Melnyk I., Dognin P., Das P. Knowledge graph generation from text // arXiv preprint. 2022. arXiv:2211.10 511v1. 13 p.
  17. Ibáñez L-D., Domingue J., Kirrane S., Seneviratne O., Third A., Vidal M-E. Trust, Accountability, and Autonomy in Knowledge Graph-Based AI for Self-Determination // arXiv preprint. 2023. arXiv:2310.19503. 33 p. doi: 10.48550/arXiv.2310.19503.
  18. Sajid H. Combining Large Language Models and Knowledge Graphs. URL: https://www.wisecube.ai/blog/combining-large-language-models-and-knowledge-graphs/ (дата обращения: 15.03.2024).
  19. Грибова В.В., Москаленко Ф.М., Тимченко В.А., Шалфеева Е.А. Платформа IACPaaS для разработки систем на основе онтологий: десятилетие использования // Искусственный интеллект и принятие решений. 2022. № 4. С 55–65.
  20. Временные методические рекомендации. Профилактика, диагностика и лечение новой коронавирусной инфекции (COVID-19). Версия 18. URL: https://static-0.minzdrav.gov.ru/system/attachments/attaches/000/064/610/original/ВМР_COVID-19_V18.pdf (дата обращения: 15.03.2024).
  21. Клинические рекомендации. Острый инфаркт миокарда с подъемом сегмента ST электрокардиограммы. 2020. 157 с. URL: https://cardioweb.ru/files/glavny-kardiolog/rekomendation/%D0%9A%D0%BB%D0%B8%D0%BD_%D1%80%D0%B5%D0%BA%D0%BE%D0%BC%D0%B5%D0%BD%D0%B4%D0%B0%D1%86%D0%B8%D0%B8_%D0%9E%D0%9A%D0%A1_%D1%81_%D0%BF%D0%BE%D0%B4%D1%8A%D0%B5%D0%BC%D0%BE%D0%BC_ST_2020.pdf (дата обращения: 18.03.2024).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).