Вестник Кольского научного центра РАН. 2011, №3.

частности вопросы развития региональной науки в целом, практически не представлены на существующих ресурсах, а информацию о них можно встретить лишь в форме упоминаний в материалах другой тематики. Вследствие этого становится актуальной задача построения единого информационного пространства Арктического региона, позволяющего в максимально удобной форме получить информацию о всех сторонах его современной жизни и будущего развития. В рамках задачи построения единого информационного пространства Арктического региона необходимо создание информационного ресурса, обеспечивающего логическую интеграцию общедоступных информационных ресурсов по Арктическому региону, предоставление унифицированного удобного доступа к информации о Российской Арктике для различных категорий пользователей. Решающим фактором, обусловливающим активное использование и развитие подобного ресурса, является эффективность используемой модели хранения и поиска информации в разнородном (с точки зрения предметных областей) информационном контенте. В рамках веб-ресурса предлагается использовать две структуры интеграции разнородной информации: 1. Иерархическую базовую структуру, описывающую промышленность, науку, образование, культуру, и иные аспекты жизни и развития региона. 2. Сквозную семантическую модель связей между элементами контента, основанную на формализованном представлении знаний о различных предметных областях. Иерархическая базовая структура портала является основной структурой разделов сайта. Она позволяет пользователям сразу получить общее представление о регионе и задает простейшую базовую схему навигации и поиска. Семантическая модель предназначена для задания сквозной схемы связей внутри каталога, что позволит осуществлять адаптивную смысловую выборку и поиск информационных ресурсов. Основу семантической модели составляет динамическая схема онтологий разных предметных областей, которая формируется с помощью методов и технологий семантической интеграции разнородных информационных ресурсов, специальных алгоритмов поиска связей и аналогий [2, 3]. Использование данного подхода позволяет обеспечить пользователей сайта удобными и эффективными инструментами навигации и поиска по сайту, учитывающими особенности предметной области/профессии, в которой они работают. Визуализация «многомерной» информации Одной из существенных проблем, возникающих при попытке создания информационного ресурса, объединяющего тем или иным способом большой объем информации, является сложность интерпретации и обработки данных. Проблема усугубляется и тем, что, кроме собственно большого объема, данные могут иметь «многомерный» характер, то есть могут быть структурированы множеством способов: например, по временной шкале, по принадлежности тому или иному источнику, по ассоциированной с ними области знаний и т.д. Частично решить данную проблему позволяют некоторые современные технологии автоматизированной обработки данных, например, data mining [4]. Однако возможности современных программных средств и вычислительной техники в ряде случаев безнадежно уступают человеческому мозгу, в частности в образном мышлении, а также при обработке многомерных данных, требующей рассмотрения имеющейся информации в различных, часто неявных, контекстах. С другой стороны, человеческий мозг, обладающий мощным потенциалом творческого, ассоциативного мышления, сильно уступает возможностям вычислительных машин в смысле обработки больших объемов информации. Обеспечить при обработке подобных данных эффективное совместное использование как человеческого мозга, так и вычислительных машин призваны активно развиваемые в настоящее время методы визуального анализа данных. Целью визуального анализа информации является представление большого объема сложной для алгоритмической обработки информации в таком виде, в котором ее восприятие человеком не вызывает особого труда. Визуальный анализ данных призван вовлечь человека в процесс отыскания знаний в данных. Основная идея заключается в том, чтобы представить данные в такой форме, где человек мог бы увидеть то, что трудно выделить алгоритмически. Существует множество способов поиска закономерностей в данных алгоритмами, но также не стоит упускать из вида возможности человека по анализу данных: полезно сочетать вычислительные ресурсы современных компьютеров с творческим мышлением человека. 66