Построение графа знаний предметной области на основе открытых электронных словарей

Онтологии делятся на три класса: онтологии верхнего уровня, онтологии ПрО и прикладные онтологии [8]. Большинство известных онтологий в рассматриваемой ПрО либо узкоспециализированы, либо формализованы из базовых объектов ПрО и не имеют междисциплинарных связей, характерных для водородной энергетики [9].

Разработанная модель представляет собой гибридную структуру, сочетающую свойства ГЗ и ОМ, предназначена для структурирования и объединения междисциплинарных знаний из разнородных источников [10].

На рисунке 1 представлена диаграмма классов верхнего уровня разработанного ГЗ.

Рисунок 1 – Диаграмма классов верхнего уровня разработанного графа знаний

Базовый класс DomainConcept задаёт общие атрибуты понятий ПрО, включая идентификаторы, наименования и определения. Производные классы Substance, Process, Property, PhysicalQuantity, Method, Device и Phenomenon формируют семантическую структуру ГЗ, которая включает отношения, соответствующие предикатам: hasProperty, participatesIn, characterizedBy, measuredBy, usesDevice, relatedTo, affects .

Все вершины в разработанном ГЗ представляют собой фреймы, которые приведены к стандарту представления данных OWL и включают классы owl : Class либо экземпляры классов owl : NamedIndividual . Атрибуты вершин ГЗ представляют собой слоты фреймов, типизированные по свойствам и методам, и в рамках OWL им сопоставлены: owl : DatatypeProperty для типа слотов свойства из ГЗ; слоты, отражающие функциональные и семантические связи в ГЗ, которые соответствуют объектным свойствам owl : ObjectProperty . Триплетное представление знаний в разработанном ГЗ вида subject-predicate-object ( SPO ) соответствует структуре RDF/OWL , где субъект и объект интерпретируются как индивидуумы или классы, а предикат – как объектное свойство, задающее отношение между ними. Иерархическая структура классов отображается в виде отношений наследования rdfs : subClassOf .

2    Сравнение графа знаний с открытыми электронными словарями

Применение машинного перевода с учётом специфики ПрО в рамках БЯМ показывает высокое качество результатов [10]. Для оценки качества автоматического перевода с английского языка на русский сформирована контрольная выборка из 100 терминов, случайным образом отобранных из химических и физико-химических групп ГЗ. Экспертная проверка показала, что 84% переводов являются полностью корректными, 11% – частично корректными и требуют редакторской правки, а 5% – некорректными. Это позволяет использовать машинный перевод как рабочий инструмент первичного пополнения при расширении ГЗ в автоматическом режиме из англоязычных открытых источников.

В качестве примера приведены ОМ из области химии, которые представляют собой ЭлС на английском языке. Они покрывают разные аспекты ПрО и поддерживаются проектными экспертными группами в ручном режиме обновления.

• ■    Chemical Entities of Biological Interest ( ChEBI) является онтологией в виде тезауруса, активно используемого с 2008 года [11], содержит описание малых молекул и биологически значимых веществ.

• ■    Chemical Functional Ontology ( ChemFOnt ) - это иерархическая онтология, содержащая функции и роли химических веществ. Она содержит более 341000 химических веществ и 515000 терминов и определений, структурированных в четыре базовых функциональных аспекта, 12 суперкатегорий и более 173700 ветвлений внутри иерархии [12].

• ■    Chemical Methods Ontology ( CHMO ) является ОМ, ориентированной на описание аналитических методов, например методов масс-спектрометрии, хроматографии и др. [13]. Термины построены на основе IUPAC Orange Book 1 . Онтология имеет более 3000 классов.

Количественная оценка перекрытия терминологии между открытыми онтологиями и разработанным ГЗ проводилась на основе сопоставления векторных представлений терминов, сформированных с использованием многоязычной нейросетевой модели (НСМ) paraphrase-multilingual-MiniLM-L12-v2 . С её помощью получены семантические представления пар на русском и английском языках для терминов. Векторизация выполнялась по нормализованным и лематизированным текстовым представлениям пар терминов, а текстовые определения использовались как дополнительный контекст при экспертной проверке пограничных случаев. Векторное представление формировалось по всей фразе целиком без усреднения отдельных слов, что позволяло учитывать контекстное значение. В качестве меры близости использовалась косинусная метрика, а термин считался покрытым при превышении

• ¹    Gold Book. Compendium of Chemical Terminology. Version 5.0.0. (14588 Terms). https://goldbook.iupac.org/ .

порогового значения сходства 0.7. Результаты показали, что степень пересечения реализованного на первичном этапе ГЗ с рассматриваемыми онтологиями остаётся ограниченной и существенно зависит от их тематической направленности. Так, для онтологии CHMO общее покрытие составляет 2-3%. Онтология ChemFOnt показала более высокий уровень соответствия: Structure ~24%; DomainConcept ~13%; Substance ~12%. Однако общее покрытие полного словаря не превысило ~6%.

Проведённое сравнение показывает, что существующие онтологии могут быть использованы как внешние источники терминологии и частично - структурные ориентиры, однако не могут быть применены в качестве основы для ГЗ в ПрО, связанной с производством водорода. Необходимо расширить наполнение разработанного ГЗ знаниями разнородных типов, включая химические и физические закономерности, математические расчёты и инженерные решения, формализацию межсущностных связей в рамках единой семантической модели.

3 Оценка выбора источника данных для расширения графа знаний

На первом этапе расширения ГЗ как ОМ ПрО необходимо произвести оценку и принять решения по валидации ЭлС как источника данных. Разработанный алгоритм основан на си туационной модели управления с применением обратной связи, как управляющего воздействия в случае принятия допустимости применения источника данных. При валидации источника производится предварительная коррекция данных, и верифицированный ЭлС приводится к стандартизованной модели с учётом особенностей разработанного ГЗ.

ГЗ имеет в качестве источников не только ЭлС, но и корпус текстов, подобранных экспертами, в виде документов, обеспечивающих расширенную информацию о ПрО. Схема программного комплекса представлена на рисунке 2. Корпус текстов подобран экспертной группой по заданной ПрО для автоматического анализа с целью построения ГЗ как ОМ по принципу триплетной формализации с представлением предиката в виде функциональной связи первого уровня.

В таком наполнении разработанного ГЗ данные ЭлС формируют базовую терминологиче-

Рисунок 2 - Схема разработанного программного комплекса

скую основу классов и их экземпляров как ОМ ПрО, а корпус текстов увеличивает полноту междисциплинарного пересечения областей знаний. Модули, представленные на рисунке 2, позволяют проводить добавление источников текстовых данных с последующей реструктуризацией ГЗ. Валидация источников в форме ЭлС выполняется в два этапа: автоматическая оценка модулем с системой количественных критериев; автоматизированное экспертное решение с использованием системы поддержки и ПР.

Модуль многокритериальной оценки источников содержит два алгоритма, исполняемых в параллельных потоках: расчёт многокритериальной оценки; проверка на внешних сервисах по стандартизованным критериям. Внешние веб-сервисы для оценки источников подобраны в соответствии с международным стандартом ISO 25964 [14, 15], в котором указаны правила создания и обмена словарями и тезаурусами, включая мультиязычные и совместимые по требованиям Simple Knowledge Organization System (SKOS). Задачей SKOS является обеспечение представления тезаурусов и других видов онтологий в Интернете.

Сервис Ontology Evaluation Framework использован для оценки онтологий на непротиворечивость, полноту, когерентность и гибкость. C помощью Ontology Recommender 2.0 можно по заданным параметрам, используемым как ключевые слова для поиска, подобрать онтологии с последующей оценкой по метрикам покрытия и валидации.

Для многокритериальной оценки источников разработаны пять групп критериев с индивидуальным весом для каждого критерия в группе:

• ■    надёжность : открытость источника, API, FAIR -принципы ( Findable, Accessible, Interoperable, Reusable - находимость, доступность, совместимость и пригодность);

• ■    масштабируемость : совместимость с графовой моделью и SPO ;

• ■    непротиворечивость : уникальность, абсолютная частотная индивидуальная характеристика, относительная частотная парная характеристика, относительная частотная индивидуальная характеристика, синонимия, омонимия;

• ■    полнота : объём классов, объём экземпляров, объём связей, полнота связанности, полнота элементов связи, полнота фрейма сущности;

• ■    формальная совместимость : соответствие стандартам RDF, OWL и SKOS .

Для расчёта критерия соответствия FAIR -принципам в разработанном алгоритме используется Интернет-сервис FAIR Ontology Testing ( FOOPS !) [16]. Оценки возможности использования Интернет-источника для расширения ГЗ, полученные с применением FOOPS !, позволяют верифицировать корректность используемых источников и служат встроенным в общий интерфейс разработанной системы инструментом для экспертной оценки.

По указанным группам критериев автоматически вычисляется поэтапная свёртка в соответствии с эмпирически подобранными весовыми коэффициентами значимости критериев. В процессе свёртки значений частных критериев используется взвешенная линейная комбина- ция, позволяющая получить интегральную оценку валидности источника, как сумму нормированных критериев с учётом их весовых коэффициентов. Последовательность выполнения многокритериальной оценки внешнего источника представлена на рисунке 3.

Рисунок 3 - Схема алгоритма многокритериальной оценки внешнего источника

Подбор весовых коэффициентов выполнялся на основе экспертной калибровки по контрольной выборке внешних источников данных. В оценке участвовали три эксперта, которые оценивали значимость пяти групп критериев для задачи расширения ГЗ по пятибалльной шкале с последующим усреднением и нормировкой результатов. В результате получены следующие значения весов: надёжность 0.30, полнота 0.25, непротиворечивость 0.20, масштабируемость 0.15 и формальная совместимость 0.10. Более высокие значения коэффициентов для надёжности и полноты обусловлены критической важностью достоверности источника и достаточности терминологической информации при расширении ГЗ.

Для проверки согласованности экспертных оценок использовался коэффициент Кендалла. При проведении анализа чувствительности веса варьировались в пределах 10% с последующим пересчётом итоговых оценок. Анализ показал, что для большинства источников ито- говый класс сохраняется («условно принятый» -conditional, «принятый» - accepted и «отклонённый» -rejeсted). На основе разметки источников обучена

НСМ, позволяющая определять допустимость использования ЭлС для расширения ГЗ.

4    Использование нейросетевой модели в условиях неоднозначности

Алгоритм ПР на основе НСМ повышает устойчивость системы в условиях неоднозначности. На вход модели подаётся вектор признаков, сформированный на основе агрегированных значений пяти групп критериев. Интегральный показатель в состав входных признаков не включается, что позволяет избежать влияния целевой переменной и обеспечивает корректность обучения модели. Архитектура НСМ включает два скрытых слоя размерности 16 и 8 нейронов с функцией активации ReLU . На выходе формируется вероятностная оценка принадлежности источника к одному из классов: принятый, условно принятый, отклонённый.

Обучение НСМ проводилось на выборке из 360 источников, размеченных экспертами. При формировании обучающей выборки экспертами учтено частичное пересечение значений критериев между классами, что позволило смоделировать реальные условия ПР. В качестве целевой переменной использовалась экспертная оценка допустимости интеграции источника. Для сопоставления использовалась базовая модель, основанная на пороговой классификации по интегральной оценке. Качество модели оценивалось с использованием стандартных метрик многоклассовой классификации. При разделении выборки в соотношении 80/20 тестовая часть составила 72 источника из 360 размеченных объектов. Базовая модель показала accuracy ≈ 0.82 и F1-score ≈ 0.81, тогда как НСМ достигла accuracy ≈ 0.89 и F1-score ≈ 0.89. Это показывает, что НСМ более устойчиво обрабатывает пограничные случаи, в которых базовая модель недостаточно учитывает их совместное влияние при линейной свёртке критериев. НСМ показала хорошую степень согласованности с экспертными решениями при сохранении способности к обобщению.

В качестве примера экспертной оценки внешнего источника с использованием разработанной системы ПР получены значения критериев надёжности 0.29, полноты 0.81, согласованности 1.00, масштабируемости 0.93 и формальной совместимости 0.78; итоговое значение критерия допустимости интеграции источника в ГЗ составило 0.732.

Анализ результатов валидации Интернет-источников показал, что НСМ позволяет корректировать решения, полученные на основе критериальной оценки. Для источников с высокой полнотой и надёжностью, но частично выраженной формальной совместимостью, линейная модель даёт заниженную итоговую оценку, относя такие источники к классу условно принятых; НСМ классифицировала их как принятые, учитывая совокупное влияние признаков. Для источников с неоднородной структурой НСМ в ряде случаев понижала оценку по сравнению с пороговым правилом, что позволяет избежать ложноположительных решений.

На рисунке 4 представлена матрица ошибок модели классификации. Анализ матрицы ошибок показывает, что НСМ демонстрирует высокую точность классификации, что выражается в преобладании значений на главной диагонали.

Функция потерь, представленная на рисунке 5, показывает устойчивую сходимость модели в процессе обучения, что свидетельствует о корректной настройке параметров модели и отсутствии выраженного переобучения.

Комбинация многокритериальной оценки и обучаемой НСМ обеспечивает баланс между интерпретируемостью и адаптивностью принимаемых решений, а полученные результаты показывают работоспособность предложенного подхода.

Для оценки применимости разработанного ГЗ проведён эксперимент по сравнению ответов БЯМ в двух режимах: без использования ГЗ; с использованием структурированного контекста, извлекаемого из ГЗ. Тестовая выборка формировалась автоматически на основе терминов и определений, входящих в разработанный ГЗ. Для каждого элемента из тестовой выборки извлекалось определение термина и выполнялась автоматическая оценка семантического соответствия эталонному определению с выявлением признаков галлюцинаций.

Оценка качества ответов проводилась автоматически на основе косинусного сходства векторных представлений, проверки появления отсутствующих в ГЗ терминов и числовых значений. На рисунке 6 представлены результаты сравнения двух режимов.

Рисунок 4 – Матрица ошибок нейросетевой модели классификации источников

Рисунок 5 – Кривая функции потерь в процессе обучения нейросетевой модели

120/300

а)

б)

Рисунок 6 – Сравнение доли (а) и тяжести галлюцинаций (б) большой языковой модели при использовании графа знаний

Полученные результаты подтверждают, что структурированный ГЗ может использоваться как внешний источник достоверного контекста для уменьшения генерации недостоверной информации БЯМ.

Трудности возникли при агрегировании данных ЭлС как между собой, так и с ГЗ, построенным по корпусу текстов. Это связано со сложностью обобщения вершин итогового ГЗ с формализацией нескольких типов связей для любой вершины, а также фактическим участием вершин в семантически разнотипных предикатах. Такая многозначность необходима для получения полного описания возможных сценариев технологических процессов в ПрО и требует подбора алгоритмов разрешения неоднозначностей при структуризации данных для максимальной сохранности представленных знаний [17, 18].

5    Расширение разработанного графа знаний

ГЗ является ориентированным, взвешенным и непланарным мультиграфом. Рёбрами ГЗ являются предикаты из триплетного представления знаний. В качестве предикатов для сохранения подробных семантических связей определяются глагольные грамматические конструкции, выражающие функциональные связи в ГЗ. Такая структура является базовым ГЗ

(БГЗ), на основе которого с применением алгоритма интеллектуальной обработки строятся иерархические связи между вершинами - экземплярами классов, формализованными в итоговом ГЗ. Вершины БГЗ классифицируются на два типа фреймов: объекты и субъекты. Каждый фрейм вершины разработанного ГЗ сформирован из слотов со специальной информацией и двух типов семантически значимых слотов: свойства и метод. Свойства - сущности, которые не отнесены в анализируемом предложении к субъекту/объекту, но характеризуют субъект либо объект, например, прилагательными или числовыми значениями. К методам относятся функциональные связи второго уровня, которые лингвистически представляют собой причастный или деепричастный обороты. При этом в итоговом БГЗ в слотах типа методы присутствуют только сами причастия или деепричастия, а все другие составные члены причастного или деепричастного оборота трансформируются в слоты с типом свойство.

Так как выделение триплетов из корпуса текстовой информации выполняется автоматически и сопровождается пополнением уже реализованного ГЗ, на этапе извлечения могут формироваться неуникальные триплеты. Поэтому первоначальный набор триплетов рассматривается как мультимножество, в котором один и тот же триплет может иметь несколько вхождений. При построении БГЗ выполняется переход к множеству уникальных триплетов с сохранением информации о частоте их появления: Tr_uni_que = {t г | f гeq(trj) >  1}, где tri = (s ,, pi, о) - триплет, включающий субъект, предикат и объект, а f ге( ttri) - число его вхождений в исходное мультимножество. Совокупность субъектов образует множество S, совокупность предикатов - множество Р, а совокупность объектов - множество Ом Множество вершин БГЗ формируется как объединение субъектов и объектов: V = S U О , предикаты задают рёбра между ними. Такое представление позволяет одновременно устранить дублирующиеся триплеты при построении структуры графа и сохранить частотные характеристики их появления в модели данных.

Формализация мультимножества, состоящего из триплетов, сохраняется в реляционной модели данных как трёхмерная матрица из отношений частоты встречаемости сочетаний субъекта, предиката и объекта в моделируемой ПрО. Данная матрица используется при анализе с целью выделения иерархических связей и пересчитывается в относительную частоту по типу векторной модели TF-IDF [19].

Для полноты и однозначности представления сущностей в БГЗ необходимо провести оценку с установлением матрицы соответствия между вершинами БГЗ и слотами фреймов, типизированными как свойства. В результате работы алгоритма данные остаются во множественном представлении, что увеличивает эффективность анализа для выявления признакового пространства вершин графа [20, 21].

Слоты, типизированные как свойства и методы, объединяются в рамках одного уровня иерархии, вошедших в выделенный класс, и автоматически проверяются на синонимичность и близость по метрике косинусного сходства в рамках векторной модели. Значения слотов атрибутов, признанные синонимичными, формализуются как одно значение и позиционируются как атрибут реляционного отношения. Так как реляционное отношение не может иметь повторяющихся атрибутов, класс получает свойства и методы без повторений [22, 23].

Наследование от нижнего уровня иерархии к верхнему обеспечивается расширением реляционного отношения на каждом уровне с сохранением всех атрибутов предыдущих уровней, определённых как свойства и методы классов-наследников. Процесс обновления структуры классов в части свойств и методов включает анализ выявления свойств и методов, уже имеющихся в классе, и добавляемых: однотипных, идентичных, синонимов и антонимов.

Основным источником химических терминов, использованных при расширении ГЗ, является пятая редакция IUPAC Gold Book, опубликованная Международным союзом чистой и прикладной химии и содержащая 12380 терминов на английском языке. Пример добавленного в ГЗ термина показан на рисунке 7.

"id": "f7afaebld0574d2ae2eaac8ecl4af3cceal8cb2e3d481935383efaa081d7ch33,,J ■'topic_id": ■a5b231852faEe23bl40828f83253901ce3f4a4915all8c3e3a0c430b6e544c06", "raw_text": "AM О солнечный свет", "cleaned_text“: null, "lemmatized_text": "am 0 солнечн свет", "first_letter": "a", "language": "ru", "info": "Auto-generated from dataset", "created_at": "2925-07-16117:10:20.052454", "descriptions": [ {

"id": "fc6e0968cc9833f7c3e065713b2db8287de308a87950f03e6d4e459b3elac910",

"word_id": "f7afaebld0574d2ae2eaac8ecl4af3cceal8cb2e3d481935383efaa081d7cb33", "raw_text": "Солнечное излучение в космосе непосредственно над атмосферой Земли "cleaned_text": null, "lemmatized_text": "солнечн излучен космос непосредствен атмосфер земл плоскост "language": "ru", "info": null, "created.at": "2025-07-16T17:19:20.091815", "embeddings": [] }

"triplets": []

Рисунок 7 – Пример добавленного в граф знаний термина из IUPAC Gold Book

Каждая запись вершины ГЗ представлена в виде структурированного объекта со следующими атрибутами:

id topic_id – уникальный идентификатор сущности (вершины) в ГЗ; – идентификатор тематического кластера (класса), к которому отнесена данная сущность в иерархии ГЗ; raw_text cleaned_text – текстовое представление термина, извлечённое из источника; – очищенное текстовое представление; lemmatized_text – лемматизированное представление термина, используемое для унификации и сопоставления

first_letter language info created_at descriptions

сущностей; – первая буква термина, используемая для индексирования и оптимизации поиска; – язык термина; – служебная информация о происхождении записи (например, источник); – временная метка создания записи; – список описаний сущности, представленных в виде вложенных объектов.

Каждый элемент списка descriptions включает:

id word_id raw_text cleaned_text lemmatized_text language info created_at embeddings

– уникальный идентификатор описания; – ссылка на идентификатор сущности, к которой относится описание; – исходный текст описания; – очищенное представление текста описания; – лемматизированное описание; – язык описания; – дополнительная служебная информация; – временная метка создания описания; – векторное представление описания, используемое для задач семантического анализа.

Поскольку JSON -структура содержит не только содержательные элементы сущности, но и служебные поля, то элементы сопоставляются как с классами разработанного ГЗ, так и с атрибутами и свойствами RDF/OWL .

Для расширения терминологической базы выбраны пять валидированных источника, относящихся к трём областям знаний:

• ■    для химической области : 5-ая редакция IUPAC Gold Book , опубликованная Международным союзом чистой и прикладной химии и содержащая 12380 терминов на английском языке;

• ■    для физической области : физико-математический словарь-справочник (содержит 4500 статей на русском языке и переводом на английский и немецкий языки) [24]; англорусский словарь по физике плазмы и управляемому термоядерному синтезу (содержит около 3 тыс. англоязычных терминов с русским толкованием) [25];

• ■    для физико-химической области : Physical Chemistry (содержит около 650 англоязычных терминов по термодинамике, химическому равновесию, кинетике, квантовой химии и т.д.); Atkins’ Physical Chemistry (включает около 1000 терминов по термодинамике, химической кинетике, молекулярной структуре, спектроскопии и статистической термодинамике).

Формализация специальных данных системного характера, позволяет обеспечить связанность структур ГЗ с источниками текстовой информации, которые хранятся как физические объекты и в виде ссылок. В связи с большой размерностью, хранилище подвергается дополнительному архивированию и структуризации с предварительной обработкой для сокращённого представления текстовых фрагментов или структур данных в быстром доступе и ссылками на полное представление объектов в архиве.

Оценка расширения ГЗ внешними источниками приведена в таблице 1. Из таблицы видно значительное увеличение числа вершин и рёбер.

Таблица 1 – Количественная оценка графа знаний до и после расширения

Показатель	До расширения	После расширения	Прирост
Число вершин	2 327	23 532	+21 205
Число рёбер	6 814	68 120	+61 306
Плотность графа	0.0025	0.012	+0.0095

В таблице 2 указано число сущностей для каждого источника, использованного при расширении ГЗ. Наибольший вклад в расширение ГЗ обеспечил ресурс IUPAC Gold Book . Такое распределение подтверждает, что химический компонент остаётся ядром данной ПрО, а физика и физическая химия обеспечивают уточнение междисциплинарных связей.

Таблица 2 – Показатели расширения графа знаний по различным источникам для трёх предметных областей

Источник	Область	Добавлено сущностей
IUPAC Gold Book	химия	12380
Физико-математический словарь + словарь по физике плазмы	физика	5792
Physical Chemistry Glossary + Atkins’ Physical Chemistry	физическая химия	3001

Выводы

Модель информационной системы разработана на основе модульной архитектуры и представляет собой масштабируемую платформу для подключения в качестве компонента RAG -архитектурного решения выравнивания БЯМ без дообучения в границах ПрО. Одним из основных модулей является комплекс ПР, который обеспечивает возможность многоуровневого оценивания внешних электронных ресурсов как ОМ ПрО по признакам применимости для автоматического расширения ГЗ ПрО водородных технологий. Расширение ГЗ внешними ЭлС повысило качество ответов БЯМ за счёт структурирования характеристик и параметров, выделения синонимических групп и иерархических связей ОМ ПрО.

• ■    Разработанная модель данных предусматривает логико-семантические взаимосвязи между понятиями химии, физики, физической химии, инженерных технологий и обеспечивает совместимость по RDF/OWL с существующими онтологиями и открытыми словарями, автоматизируя категоризацию сущностей. ГЗ ориентирован на междисциплинарную интеграцию и включает связи между различными типами сущностей (например: «вещество участвует в процессе», «процесс характеризуется физической величиной», «метод использует устройство»).

• ■    Система ПР обеспечивает автоматизацию сбора данных с последующим обучением НСМ по выбору наиболее валидного внешнего источника текстовой информации. Оценка качества НСМ составила значение 0,89.

• ■    Из автоматически проанализированных предобученной НСМ 12 внешних источников терминологических данных пять были признаны валидными для интеграции в ГЗ. По экспертной оценке правильности отклонения семи источников были выявлены их несоответствия по критериям структурированности, полноты или совместимости с разработанной моделью ГЗ.

• ■    Качество машинного перевода зависит от объёма переводимых токенов для каждого элемента ГЗ и составило 84–95%. Созданный ГЗ имеет более чем 23,5 тыс. сущностей на английском и русском языках в ПрО.

• ■    В ходе экспериментальной оценки выявлен ряд ограничений связанных с качеством расширения ГЗ, которое зависит от полноты, непротиворечивости, однозначности и структуры внешних источников данных, а также от качества машинного перевода. Дополнительную сложность представляют омонимия терминов и различия терминологических традиций при интеграции междисциплинарных источников. При объединении большого количества ЭлС возрастает риск накопления ошибок сопоставления, дублирования сущностей и появления противоречивых определений. Требуется дополнительная адаптации используемой НСМ при переходе к другим ПрО.