Тематическая сегментация — это задача разделения неструктурированного текста на тематически связные сегменты (такие, в которых речь идет об одном и том же). Граф знаний — графовая структура, вершинами которой являются различные объекты, а ребрами — отношения между ними. Обе задачи не являются новыми, потому существует множество алгоритмов для их решения. Однако, методы решения задачи тематической сегментации с использованием графов знаний до сих пор исследованы мало. Более того, пока еще нельзя сказать, что задача тематической сегментации решена в общем виде, то есть существуют алгоритмы, способные при должной настройке, решить задачу с требуемым качеством на конкретном наборе данных. В данной работе предлагается новый метод решения задачи тематической сегментации на основе графов знаний. Применение графов знаний при сегментации позволяет использовать больше информации о словах в тексте: помимо того чтобы основываться на co-occurrance и семантических расстояниях (как классические алгоритмы), методы на основе графов знаний могут применять расстояние между словами на графе, инкорпорируя тем самым фактологическую информацию из графа знаний в процесс принятия решений о биении текста на сегменты. В данной работе предлагается метод решения задачи тематической сегментации на основе графов знаний.

Актуальными направлениями развития фундаментальных исследований в области управления рисками сложных информационных систем является разработка методов идентификации и оценки рисков в условиях неопределенности, а также инструментов быстрой оценки интегрального риска сложных систем, учитывающих структуру последних. В настоящей работе описан вариант адаптации механизма комплексного оценивания для оценки информационных рисков, а также алгоритм быстрой оценки интегральных рисков информационной системы в условиях неопределенности.

В работе проанализированы существующие подходы для оценки локальных рисков в сложных системах с точки зрения возможности их применения для оценки интегральных рисков таких систем. Особенностью задачи является необходимость учета различного рода неопределенностей, возникающих при рассмотрении системы в целом, а не ее элементов по отдельности. Характерными видами такой неопределенности являются: A) неопределенность значений параметров оценки состояния системы в целом; B) неопределенность, вызванная взаимным влиянием элементов системы друг на друга; C) неопределенность зависимости риска системы в целом от значений локальных рисков. Таким образом, перспективные методы оценки интегральных рисков сложных систем должны учитывать, как минимум, три этих вида неопределенности. Анализ используемых в настоящее время подходов к оценке рисков в сложных системах показал, что это требование не выполняется ни для одного из них. Из этого следует вывод, что для оценки интегрального риска сложных систем необходима модификации существующих методов оценки риска или разработка новых.

Сложные информационные системы (в частности, системы Интернета вещей) характеризуются различными видами неопределённости. Среди них можно выделить неопределённость значений отдельных факторов оценки состояния системы в целом, неопределённость взаимного влияния элементов системы друг на друга, а также неопределённости зависимости риска системы в целом от значений локальных рисков как характерные для этого класса систем. Существующие методы оценки информационных рисков сложных систем не учитывают перечисленные типы неопределённости одновременно. В то же время, поскольку именно неопределённость является причиной отклонения системы от целевого режима функционирования, необходимость учитывать хотя бы основные её виды при оценке рисков очевидна. Предлагаемая статья содержит краткий обзор существующих подходов к оценке рисков информационных систем, а также анализ возможности учета перечисленных выше видов неопределенности в рамках каждого из них. По итогам анализа в качестве перспективного был выбран метод комплексной оценки, изначально разработанный для механизма комплексного оценивания организационных систем и в последние годы все чаще использующийся для оценки рисков, в том числе в информационных системах.