УДК 004.89 Прикладные системы искусственного интеллекта. Интеллектуальные системы, обладающие знаниями
Работа посвящена разработке моделей и алгоритмов, которые будут составлять основу интеллектуального агента, предназначенного для отбора научных мероприятий сотруднику ВУЗа. С учетом постоянно возрастающего потока служебной информации, актуальность и практическая значимость такой разработки не вызывает сомнений. Объектом исследования в работе является процесс научной деятельности преподавателей, отраженный в отчетных документах научной деятельности сотрудников кафедры. Предметом исследования являются модели и алгоритмы анализа научной активности для формирования соответствующего профиля преподавателя. Целью является разработка интеллектуального агента на базе разработанной алгоритмической модели, обеспечивающего релевантный отбор научных мероприятий данному сотруднику на основании его профиля. В работе предложена формализация задачи, разработаны алгоритмы формирования профиля научной активности и извлечения тематических признаков из информационных писем, а также структура системы поддержки принятия решений. Проведена апробация разработанного подхода на реальных информационных письмах, показавшая его применимость для решения задачи персонализированной рекомендации научных мероприятий.
алгоритмическая модель, профиль научной активности, интеллектуальный агент, анализ текста, рекомендательная система
1. Рассел С., Норвиг П. Искусственный интеллект: современный подход. – М.: Вильямс, 2006. – 1408 с.
2. Google Scholar [Электронный ресурс]. – Режим доступа: https://scholar.google.com (дата обращения: 19.03.2026).
3. ResearchGate [Электронный ресурс]. – Режим доступа: https://www.researchgate.net (дата обращения: 19.03.2026).
4. ORCID [Электронный ресурс]. – Режим доступа: https://orcid.org (дата обращения: 19.03.2026).
5. Aggarwal C. C. Recommender Systems: The Textbook. – Cham: Springer, 2016. – 498 p.
6. Вулдридж М. Введение в многоагентные системы. – М.: Издательство «Вильямс», 2010. – 512 с.
7. Кормен Т., Лейзерсон Ч., Ривест Р., Штайн К. Алгоритмы: построение и анализ. – М.: Вильямс, 2013. – 1328 с.
8. Bender E. M., Gebru T., McMillan-Major A., Shmitchell S. On the dangers of stochastic parrots // Proceedings of FAccT. – 2021. – Pp. 610–623.
9. Петровский А. Б., Тарасов В. Б. Интеллектуальные системы поддержки принятия решений. – М.: Академия, 2009. – 320 с.
10. Гусев А. В. Наукометрический анализ научной деятельности. – М.: ИНФРА-М, 2014. – 192 с.
11. Соколов А. В. Информационный поиск и анализ данных. – М.: Академия, 2012. – 272 с.
12. Лапшин В. А. Интеллектуальные информационные системы. – М.: Бином, 2016. – 256 с.
13. Кузнецов С. Д. Основы баз данных. – М.: Интернет-университет информационных технологий, 2012. – 484 с.
14. Мелехин В. Б., Сергеева Е. Г. Системы поддержки принятия решений. – М.: Финансы и статистика, 2010. – 368 с.
15. Браславский П. И., Воронцов К. В. Поиск и анализ текстовой информации. – М.: Физматлит, 2015. – 336 с.
16. Воронцов К. В. Математические методы обучения по прецедентам. – М.: МЦНМО, 2010. – 304 с.
17. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. – СПб.: Питер, 2001. – 384 с.
18. Метод отбора проектов для включения в совокупный портфель заказов девелоперской компании / Н. Н. Таскаева, А. А. Авагян, А. А. Газарян, Я. П. Струков // Экономика и предпринимательство. – 2020. – № 4(117). – С. 660-663. – DOIhttps://doi.org/10.34925/EIP.2020.117.4.144. – EDN GQMRVI.
19. Применение искусственного интеллекта в автоматизации подбора и оценки персонала / В. Е. Сайкинов, Т. Г. Гарбузова, Л. М. Фомичева, С. Е. Литвинова // Экономика и управление: проблемы, решения. – 2025. – Т. 9, № 11(164). – С. 174-184. – DOIhttps://doi.org/10.36871/ek.up.p.r.2025.11.09.019. – EDN PQMDUE.
20. Механизм отбора научно-исследовательских проектов университета по уровню их коммерческого потенциала / Р.Р. Аблаев, А.А. Митус, И.А. Гребешкова, В.В. Хлебникова, А.П. Поляков // Московский экономический журнал. 2021. №11. URL: https://cyberleninka.ru/article/n/mehanizm-otbora-nauchno-issledovatelskih-proektov-universiteta-po-urovnyu-ih-kommercheskogo-potentsiala (дата обращения: 05.02.2026).
21. Алгоритм ранжирования научно-исследовательских проектов и разработок университета в зависимости от уровня их коммерческого потенциала / Б. А. Букач, К. Н. Митус, С. Н. Писарюк, А. М. Дребот // Вопросы инновационной экономики. – 2021. – Т. 11, № 4. – С. 1627-1642. – DOIhttps://doi.org/10.18334/vinec.11.4.113815
