Розробка моделі інтелектуальної системи електронного документообігу на основі методів машинного навчання

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2022.251689

Ключові слова:

система електронного документообігу, машинне навчання, багатоагентні технології, тематичне моделювання

Анотація

В умовах постійного збільшення документообігу, а також із переходом на безпаперовий документообіг у всьому світі зростає попит на системи електронного документообігу. Для цього необхідна оптимізація даних систем з точки зору якості пошуку інформації в документах та управління документами. Проте дослідження, засновані на статистичних методах, не можуть ефективно обробляти великі обсяги даних, добутих з електронних документів. У зв'язку з цим ефективно вирішити цю проблему дозволяють методи машинного навчання. У даній роботі представлений підхід до побудови моделі інтелектуальної системи документообігу з використанням методів машинного навчання для забезпечення ефективної роботи співробітників в організаціях. Авторами було вирішено ряд завдань з оптимізації кожної з підсистем документообігу, в результаті чого була розроблена модель інтелектуальної системи документообігу, яка може ефективно застосовуватися на підприємствах, в державних та корпоративних установах. Доцільність та ефективність запропонованої моделі інтелектуальної системи документообігу на основі машинного навчання та багатоагентного моделювання процесів пошуку інформації забезпечують максимальну надійність і скорочення часу роботи над документами. Отримані результати показують, що за допомогою представленої моделі можна надалі розробити інтелектуальну систему документообігу, яка дозволить електронному документу якісно пройти весь життєвий цикл документа, починаючи з моменту реєстрації і закінчуючи його закриттям, тобто виконанням, що значно полегшить повсякденну роботу користувачів з великими обсягами документів. Водночас у роботі розглядається застосування методів тематичного моделювання та алгоритмів текстового аналізу на основі багатоагентного підходу, що можуть бути використані для побудови інтелектуальної системи документообігу.

Спонсор дослідження

  • «This research has been funded by the Science Committee of the Ministry of Education and Science of the Republic of Kazakhstan (Grant No AP08857179)»

Біографії авторів

Madina Sambetbayeva, L. N. Gumilyov Eurasian National University; Institute of Information and Computational Technologies

PhD, Associate Professor

Department of Information Systems

Senior Researcher

Inkarzhan Kuspanova, L. N. Gumilyov Eurasian National University

PhD Student

Department of Information Systems

Aigerim Yerimbetova, Institute of Information and Computational Technologies; Satbayev University

PhD, Associate Professor, Leading Researcher

Department of Software Engineering

Institute of Automation and Information Technologies

Sandugash Serikbayeva, L. N. Gumilyov Eurasian National University

Teacher

Department of Information Systems

Shynar Bauyrzhanova, L. N. Gumilyov Eurasian National University

PhD Student

Department of Information Systems

Посилання

  1. Lapshina, S. N. (2012). Architecture of Enterprise. Yekaterinburg: UrFU.
  2. Alpaidin, E. (2017). Machine learning: the new artificial intelligence. Moscow: Alpina Publisher, Publishing Group "Tochka", 208. Available at: https://cdn1.ozone.ru/multimedia/1017469342.pdf
  3. Deelman, E., Mandal, A., Jiang, M., Sakellariou, R. (2019). The role of machine learning in scientific workflows. The International Journal of High Performance Computing Applications, 33 (6), 1128–1139. doi: https://doi.org/10.1177/1094342019852127
  4. Obukhov, A., Krasnyanskiy, M., Nikolyukin, M. (2019). Implementation of Decision Support Subsystem in Electronic Document Systems Using Machine Learning Techniques. 2019 International Multi-Conference on Industrial Engineering and Modern Technologies (FarEastCon). doi: https://doi.org/10.1109/fareastcon.2019.8934879
  5. Obukhov, A., Krasnyanskiy, M., Nikolyukin, M. (2020). Algorithm of adaptation of electronic document management system based on machine learning technology. Progress in Artificial Intelligence, 9 (4), 287–303. doi: https://doi.org/10.1007/s13748-020-00214-2
  6. Levina, T., Rodionov, A., Farkhutdinov, R. (2020). Software module for extracting data from electronic documents. 2020 International Conference on Electrotechnical Complexes and Systems (ICOECS). doi: https://doi.org/10.1109/icoecs50468.2020.9278492
  7. Goodrum, H., Roberts, K., Bernstam, E. V. (2020). Automatic classification of scanned electronic health record documents. International Journal of Medical Informatics, 144, 104302. doi: https://doi.org/10.1016/j.ijmedinf.2020.104302
  8. Kostkina, A., Bodunkov, D., Klimov, V. (2018). Document Categorization Based on Usage of Features Reduction with Synonyms Clustering in Weak Semantic Map. Procedia Computer Science, 145, 288–292. doi: https://doi.org/10.1016/j.procs.2018.11.061
  9. Chemchem, A., Alin, F., Krajecki, M. (2018). Deep Learning and Data Mining Classification through the Intelligent Agent Reasoning. 2018 6th International Conference on Future Internet of Things and Cloud Workshops (FiCloudW). doi: https://doi.org/10.1109/w-ficloud.2018.00009
  10. Holzinger, A., Kieseberg, P., Tjoa, A. M., & Weippl, E. (Eds.) (2018). Machine Learning and Knowledge Extraction. Lecture Notes in Computer Science. Springer, 372. doi: https://doi.org/10.1007/978-3-319-99740-7
  11. Edinaya sistema elektronnogo dokumentooborota gosudarstvennyh organov (ESEDO). Available at: https://www.nitec.kz/index.php/post/edinaya-sistema-elektronnogo-dokumentooborota-gosudarstvennyih-organov-esedo
  12. Aliev, V. S., Chistov, D. V. (2011). Business planning using the Project Expert program (full course). Moscow: INFRA-M, 432.
  13. Eremeev, M., Vorontsov, K. (2019). Lexical quantile-based text complexity measure. Proceedings of Recent Advances in Natural Language Processing. Varna, 270–275. Available at: https://aclanthology.org/R19-1031.pdf
  14. Ataeva, O. M. (2016). An information model of LibMeta semantic library. Software & Systems, 4, 36–44. doi: https://doi.org/10.15827/0236-235x.116.036-044
  15. Semantic Web. Available at: https://www.w3.org/standards/semanticweb/
  16. Weitzel, D., Bockelman, B., Brown, D. A., Couvares, P., Würthwein, F., Hernandez, E. F. (2017). Data Access for LIGO on the OSG. Proceedings of the Practice and Experience in Advanced Research Computing 2017 on Sustainability, Success and Impact. doi: https://doi.org/10.1145/3093338.3093363
  17. Linev, A. A. (2014). Modern EDMS: From Document Management to Efficiency Management. Deloproizvodstvo, 1. Available at: https://www.top-personal.ru/officeworkissue.html?314
  18. Challenger, M., Tezel, B., Alaca, O., Tekinerdogan, B., Kardas, G. (2018). Development of Semantic Web-Enabled BDI Multi-Agent Systems Using SEA_ML: An Electronic Bartering Case Study. Applied Sciences, 8 (5), 688. doi: https://doi.org/10.3390/app8050688
  19. Jensen, A. B., Villadsen, J. (2020). GOAL-DTU: Development of Distributed Intelligence for the Multi-Agent Programming Contest. Lecture Notes in Computer Science, 79–105. doi: https://doi.org/10.1007/978-3-030-59299-8_4

##submission.downloads##

Опубліковано

2022-02-25

Як цитувати

Sambetbayeva, M., Kuspanova, I., Yerimbetova, A., Serikbayeva, S., & Bauyrzhanova, S. (2022). Розробка моделі інтелектуальної системи електронного документообігу на основі методів машинного навчання. Eastern-European Journal of Enterprise Technologies, 1(2(115), 68–76. https://doi.org/10.15587/1729-4061.2022.251689

Номер

Том 1 № 2(115) (2022): Інформаційні технології. Системи управління в промисловості

Розділ

Інформаційні технології

Ліцензія

Авторське право (c) 2022 Madina Sambetbayeva, Inkarzhan Kuspanova, Aigerim Yerimbetova, Sandugash Serikbayeva, Shynar Bauyrzhanova

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.