Дидактика цифровой среды. Т. Н. Носкова
знаний на основе их неполных описаний, создаются методы достоверного и правдоподобного вывода на основе имеющихся знаний, предлагаются модели мышления, опирающиеся на знания и имитирующие особенности человеческого мышления [Маркарян, Хараберюш, 2018].
Во-вторых, ИС интерпретации. Это направление включает разработку методов представления информации о зрительных образах в базе знаний, создание методов перехода от зрительных сцен к их текстовому описанию и методов обратного перехода, создание средств, порождающих зрительные сцены на основе внутренних представлений в ИС [Маркарян, Хараберюш, 2018].
В-третьих, ИС распознавания электронных текстов. Это направление связано с работой человека по автоматизированному переводу научных текстов с иноязычных источников информации. Очевидно, что грамотный перевод текста с сохранением авторского слога и специальной терминологии это творческая, кропотливая и достаточно трудоемкая работа в плане редактирования. Автоматизированный перевод (machine-assisted, computer-assisted, computer-aided translation или CAT) сопровождает и облегчает данный процесс за счет охвата широкого диапазона инструментальных средств, от довольно простых до весьма сложных: например, программы проверки орфографии, менеджеры терминологии, одноязычные или двуязычные словари на CD-ROM, средства полнотекстового поиска, составления списков ассоциированных слов (выражений) на различных языках, программы согласования, предназначенные для обработки законченных переводов.
В-четвертых, ИС извлечения знаний из ресурсов открытой среды. Алгоритмы text mining (ответвление data mining) широко используются в направлениях извлечения знаний из слабоструктурированной текстовой информации: автоматизации и оценки новостных статей, продукции, идентификации персоналий, реферирования и аннотирования и т. д. Цель проводимых исследований – повышение эффективности применения технологий в области анализа (распознавания, классификации, поиска) научно-образовательной текстовой информации, за счет выбора и/или разработки программ и алгоритмов извлечения данных из слабоструктурированной текстовой информации и получение более высокой точности и качества при обработке отдельных информационных кластеров. За последние десятилетия многие ведущие производители программного обеспечения развили свои решения в области text mining, перейдя от уровня узконаправленных функциональных программ (классификации, реферирования, статистического и лингвистического анализа и др.) до уровня больших аналитических информационных систем с встроенными модулями (библиотеками) машинного обучения и интеллектуального анализа данных. Как правило – это масштабируемые системы, функционирующие в архитектуре клиент-сервер, с развитым графическим интерфейсом, в которых интегрированы различные методы и алгоритмы анализа текстовых данных, инструменты визуализации и манипулирования с данными, их форматами представления.
В-пятых, ИС анализа и обработки больших массивов данных (big data). Интеллектуальные