Рассматриваются проблемы, связанные с тем, как автоматически определить, где место новых знаний в существующей расширяемой онтологии. Определяются требования к структуре расширяемой онтологии и присоединяемым знаниям, обеспечивающие качественное расширение. Дается краткий обзор подходов к решению задач автоматизации построения онтологий. Приводится схема алгоритма расширения с использованием техники машинного обучения для автоматизации классификации знаний. Онтологии являются важной составной частью представления знаний, так как они позволяют устанавливать различные логические связи между разными объектами (понятиями) и разнообразить методы поиска в онтологии. Недавние исследования были сосредоточены на автоматизированном конструировании онтологий; оптимизации механизмов построения онтологии; слиянии (соединении) онтологий с различными структурами, например написанными на языках типа DAML+OIL, RDF(S), обычно европейской разработки, и созданными на языках типа OWL+XML, обычно американскими, – так при слиянии табличных представлений с онтологией ищутся соответствия имен столбцов и имен классов онтологии, что и позволяет обращаться к таблице как к классу. Автоматизация особенно важна при увеличении объемов онтологии для обеспечения приемлемой скорости расширения онтологий и поиска в них. Однако при автоматизации присоединения данных к онтологии правильность расширения онтологии сильно зависит от качества онтологии, т.е. если онтология бедна или искажена, или построена "неправильно", то никакой метод не поможет. То же относится и к присоединяемым данным. Если для присоединяемой информации не удается выделить ее определяющие параметры - актуальные признаки, то и не следует ожидать хорошего качества расширения онтологии. Чем "богаче" онтология и присоединяемый документ, тем лучше качество автоматической классификации, т. е. отнесения объекта к одному из классов онтологии с установлением (оценкой) их меры близости. Структура онтологии определяется также и целями, для которых в основном она строится. Для автоматизации поиска и расширения онтологии структура онтологии должна быть построена "правильно". В работе описаны требования к структуре правильной онтологии и приводится краткий обзор некоторых подходов к решению задач автоматизации построения онтологий. Описано также как использовать технику машинного обучения для автоматизации классификации знаний. Предлагаемая работа является продолжением исследований автора, опубликованных в 2011-2012 г.г.