TDM: формальная модель данных для интеграции структурированных и неструктурированных данных

Современные информационно-аналитические системы совместно обрабатывают документы, результаты извлечения информации, базы знаний и делают экспертные проверки. Документные форматы сохраняют исходный контент, графы знаний описывают семантические связи, но происхождение данных, статусы проверки и жизненный цикл извлечённых фактов обычно задаются внешними механизмами. Это затрудняет интеграцию источников, повторную обработку документов и сопровождение предметно-ориентированных алгоритмов. В статье предлагается TDM (Talisman Data Model) – формальная модель для совместного представления документов, извлечённых фактов, предметных областей и баз знаний. Документ и база знаний рассматриваются как контейнеры типизированных фактов с указанием происхождения, статуса проверки, структурного положения и предметного контекста. Модель единообразно описывает исходный контент, результаты извлечения, экспертную верификацию, графовую проекцию и перенос знаний между предметными областями. Основной результат работы – математическая модель корректных состояний TDM-контейнера и операций, сохраняющих эти состояния. Показано, что TDM может служить формальным интеграционным слоем для компонентов интеллектуальной информационно-аналитической системы; практическая применимость модели подтверждается её использованием в платформе «Talisman».

1. Турдаков Д. Ю., Аветисян А.И. и др. Доверенный искусственный интеллект: вызовы и перспективные решения. Доклады Российской академии наук. Математика, информатика, процессы управления, 2022, т. 508(0), с. 13-18.

2. Колокольников Ф.А., Орлов В.В., Турдаков Д.Ю. Перспективы использования доверенной информационной аналитической системы на базе платформы Талисман с применением методов искусственного интеллекта для повышения эффективности эксплуатации сложных аппаратных систем. Труды Института системного программирования РАН, 2024, т. 36, вып. 3, с. 106-22.

3. Euzenat J., Shvaiko P. Ontology Matching. Springer Berlin Heidelberg, Berlin, Heidelberg, 2d ed., 2013.

4. Fagin R., Kolaitis P.G., Miller R.J., Popa L. Data exchange: Semantics and query answering. Theoretical Computer Science, 2005, 336(1), pp. 89-124.

5. Hartig O. Foundations of RDF* and SPARQL*. arXiv preprint, 2017. DOI: 10.48550/arXiv.1703.07936.

6. Knublauch H., Kontokostas D. Shapes constraint language (SHACL). W3C Recommendation, 2017.

7. Moreau L., Missier P. PROV-DM: The PROV data model. W3C Recommendation, 2013.

8. Edge D., Trinh H., Cheng N., Bradley J., Chao A., Mody A., Truitt S., Metropolitansky D., Osazuwa Ness R., Larson J. From local to global: A graph RAG approach to query-focused summarization. arXiv preprint, 2024. DOI: 10.48550/arXiv.2404.16130.

9. Peng B., Zhu Y., Liu Y., Bo X., Shi H., Hong C., Zhang Y., Tang S. Graph retrieval-augmented generation: A survey.

10. Lewis P., Perez E., Piktus A., Petroni F., Karpukhin V., Goyal N., Küttler H., Lewis M., Yih W., Rocktäschel T., Riedel S., Kiela D. Retrieval-augmented generation for knowledge-intensive NLP tasks. In Advances in Neural Information Processing Systems, 2020, vol. 33, pp. 9459-9474.

11. Yao S., Zhao J., Yu D., Du N., Shafran I., Narasimhan K.R., Cao Y. ReAct: Synergizing reasoning and acting in language models. In The Eleventh International Conference on Learning Representations, 2023. Thebibliography.

12. Wu Q., Bansal G., Zhang J., Wu Y., Li B., Zhu E., Jiang L., Zhang X., Zhang S., Liu J., Awadallah A.H., White R.W., Burger D., Wang C. AutoGen: Enabling next-gen LLM applications via multi-agent conversation. arXiv preprint, 2023. DOI: 10.48550/arXiv.2308.08155.

13. Guo T., Chen X., Wang Y., Chang R., Pei S., Chawla N.V., Wiest O., Zhang X.. Large language model based multi-agents: A survey of progress and challenges. In Proceedings of the Thirty-Third International Joint Conference on Artificial Intelligence, 2024, pp. 8048-8057.

14. Belyaeva O., Bogatenkova A., Turdakov D. Dedoc: A universal system for extracting content and logical structure from textual documents. In 2023 Ivannikov ISPRAS Open Conference, 2023, pp. 20-25.

15. Реализация модели TDM. Доступно по адресу: https://github.com/ispras/tdm, дата обращения 10.08.2026.