PROBLEMS IN PROGRAMMING
Not a member yet
761 research outputs found
Sort by
Ін’єкція функціональних залежностей у контейнері інверсії керування
Get PDFPrombles in programming 2014; 4: 33-39У статті розглянуто використання функціональних інтерфейсів для зменшення зв’язності в компонентних ОО-системах та підвищення рівня повторного використання компонентів. Запропоновано і реалізовано механізм ін’єкції функціональних залежностей між компонентами в контейнерах інверсії керування з підтримкою автоматичного узгодження сигнатур.Prombles in programming 2014; 4: 33-3
Використання онтологій для розширення можливостей пошуку та навігації в онлайн-версії «Великої української енциклопедії»
Get PDFThe aim of the work is to analyze the means of semantic search in Wiki resources and to develop directions for expanding its capabilities through the use of modern tools of knowledge management. The article analyzes the benefits that the use of semantic markup of the Web information resources provides for users by more convenient and quick access to content. The techniques of application of ontological analysis for search and navigation in semantized Wiki resources are considered. The definition of Wiki ontology that formalizes the information about the structure of the knowledge base of information resource (both ordinary and semantized) based on Wiki technology is proposed. The theoretical foundations of determining the measure of semantic similarity between domain concepts based on ontologies and taxonomies are analyzed. Methods of design of navigation tools oriented on Wiki resources are proposed. These methods are based on retrieval of pages that use semantically related concepts. The implementation of the proposed approach in the online version of the Great Ukrainian Encyclopedia (e-VUE) is described. Such approach supports an extension of the functionality of the encyclopedic resource by providing means of access to content on a semantic level. The methodological principles of the organization of the e-VUE knowledge base and the categorization of its articles that ensure the use of semantic proximity estimations between domain concepts for discovery of such concepts are substantiated. Problems in programming 2019; 4: 11-27Цель работы – анализ средств семантического поиска в Wiki-ресурсах и разработка направлений расширения его возможностей на основе использования современных средств управления знаниями. В статье анализируются преимущества, которые обеспечивают пользователям использование семантической разметки в информационных ресурсах Web для более удобного и быстрого доступа к контенту. Рассматриваются способы использования онтологий для поиска и навигации в семантизированных Wiki-ресурсах. Приведено определение Wiki-онтологии, которая формализует информацию о структуре базы знаний информационного ресурса (как обычного, так и семантизированного), который базируется на технологии Wiki. Проанализированы теоретические основы определения меры семантического подобия между понятиями на основе онтологий и таксономий. Предложены методы построения средств навигации в Wiki-ресурсах, которые базируются на нахождении страниц и используют семантически близкие понятия. Продемонстрирована реализация предложенного подхода в онлайн-версии «Большой украинской энциклопедии» (е-ВУЕ), которая обеспечивает расширение функционала энциклопедического издания путем предоставления средств доступа к контенту на семантическом уровне. Обоснованы методологические принципы организации базы знаний е-ВУЕ и категоризации ее статей, обеспечивающие использование оценок семантической близости между понятиями для поиска подобных понятий.Problems in programming 2019; 4: 11-27Ціль роботи – аналіз засобів семантичного пошуку у Wiki-ресурсах та розробка напрямків розширення його можливостей на основі використання сучасних засобів керування знаннями. В статті аналізуються переваги, які забезпечує користувачам використання семантичної розмітки в інформаційних ресурсах Web для більш зручного та швидкого доступу до контенту. Розглядаються способи використання онтологій для пошуку та навігації у семантизованих Wiki-ресурсах. Наведено визначення Wiki-онтології, що формалізує відомості щодо структури бази знань інформаційного ресурсу (як звичайного, так і семантизованого), який базується на технології Wiki. Проаналізовано теоретичні засади визначення міри семантичної подібності між поняттями на основі онтологій та таксономій. Запропоновано методи побудови засобів навігації у Wiki-ресурсах, які базуються на знаходженні сторінок, що описують змістовно близькі поняття. Продемонстровано реалізацію запропонованого підходу в онлайн-версії «Великої української енциклопедії» (е-ВУЕ), що забезпечує розширення функціоналу енциклопедичного видання шляхом надання засобів доступу до контенту на семантичному рівні. Обґрунтовано методологічні принципи організації бази знань е-ВУЕ та категоризації її гасел, що забезпечують використання оцінок семантичної близькості між поняттями для пошуку подібних гасел.Problems in programming 2019; 4: 11-2
Використання метаданих для вирішення задач великих даних
Get PDFToday, the volumes of data used by application systems are growing exponentially and have reached such sizes that they cannot be processed by traditional systems. So the term "Big data" appeared. The main problems of such data sets are associated, first of all, not only with their volumes, but also with the variety and complexity of the information they contain. Thus, along with the growth of data volumes and the number of big data initiatives, the metadata become the most important priority for the success of large data projects. Enterprises understand that the full use of the operational potential of machine learning, in-depth learning and artificial intellect requires the unprocessed data was supplemented with metadata. Therefore, the purpose of this work is to analyze the effect of metadata to solving the big data problems, determine the main categories of data to be annotated by metadata, and the main types of metadata used for this. Today, metadata is a means of classifying, organizing, and characterizing data or its contents. Depending on the role they play in solving big data problems, NISO identifies four main types of metadata: administrative, descriptive, structural, and markup languages. Different types of metadata can be used in a certain way to effectively solve problems of management, search, data integration, etc. A separate issue is the way of their creation/automatic generation, since the manual creation of metadata is a laborious process, and their volume is often several times larger than the volume of the data itself. На сегодняшний день объемы данных, которыми оперируют прикладные системы, экспоненциально непрерывно растут и уже давно достигли таких размеров, что не могут обрабатываться традиционными системами. Так появился термин «Большие данные». Основные проблемы таких наборов данных связаны, прежде всего, не только с их объемами, но и с разнообразностью, разнородностью и сложностью информации, которую они содержат. Таким образом, вместе с ростом объемов данных та числа инициатив больших данных, на первый план выходят метаданные, как самый главный приоритет успешности проектов больших данных. Предприятия понимают, что полное использование делового и операционного потенциала машинного обучения, глубокого обучения и искусственного интеллекта требует дополнения не обработанных данных метаданными. Поэтому, целью данной работы является анализ влияния метаданных и решение комплекса проблем больших данных, определение основных категорий данных, подлежащих аннотированию метаданными, и основных типов используемых для этого метаданных. На сегодняшний день метаданные являются средством классификации, упорядочивания и характеристики данных или их содержимого. В зависимости от роли, которую они играют в решении задач больших данных, NISO выделяет четыре основных типа метаданных: административные, описательные, структурные и языки разметки. Разные типы метаданных могут использоваться определенным образом для эффективного решения задач управления, поиска, интеграции данных и т.п. Отдельным вопросом остаются способы их создания/автоматической генерации, так как создание метаданных в ручную является трудоемким процессом, а их объем зачастую в несколько раз превосходит объем самих данных. На сьогодні обсяги даних, якими оперують прикладні системи, експоненціально безперервно зростають та уже давно досягли таких розмірів, що не можуть оброблятися традиційними системами. Так виник термін «Великі дані». Головні проблеми таких наборів даних пов’язані, перш за все, не лише з їх об’ємом, але й з різноманітністю, різнорідністю та складністю інформації, яку вони містять. Таким чином, разом із зростанням обсягів даних і кількості ініціатив великих даних, на перший план виходять метадані, як найважливіший пріоритет успіху проектів великих даних. Підприємства усвідомлюють, що повне використання ділового та операційного потенціалу машинного навчання, глибокого навчання та штучного інтелекту вимагає, щоб необроблені дані були доповнені метаданими. Метою даної роботи є аналіз впливу метаданих на вирішення комплексу проблем великих даних, визначення основних категорій даних, що підлягають анотуванню метаданими, та основних типів метаданих, що для цього використовуються. Насьогодні метадані є засобом класифікації, впорядкування та характеристики даних або їх вмісту. Залежно від ролі, яку вони відіграють у вирішенні задач великих даних, NISO поділяє їх на чотири типи, а саме: адміністративні, описові, структурні та мови розмітки. Різні типи метаданих можуть бути використані певним чином для ефективного вирішення задач управління, пошуку, інтеграції даних тощо. Окремим питанням є способи їх створення/автоматичної генерації, тому що ручне створення метаданих є процесом досить трудомістким, а їх обсяг часто у кілька разів перевищує обсяг самих даних
Проблеми використання онтологічного аналізу для подання знань у Wiki-ресурсах
Get PDFThe main direction of the Wiki-technologies use for development of information resources of large volume and complex structure, focused on functioning in the open Web environment is analyzed. We substantiate the demand for intellectualization of the Wiki technology and compare various approaches for its semantic expansion. Such evaluation shows the expediency of the Semantic MediaWiki use to obtain the necessary expressive power to represent the semantics of the main elements of a Wiki resource, their properties and the relations between them. The relations between the representation of knowledge in the Semantic MediaWiki and the standards of the Semantic Web, which are used for integration of the Web-oriented intelligent software and knowledge bases are considered. The examples deal with the online version of the Big Ukrainian Encyclopedia (e-VUE) demonstrate the feasibility of us of ontological analysis and development of ontological model for the formal and unambiguous representatio of the structure and content of the knowledge base of the complex Wiki-resource. Methods and means of application of this ontological model for development of e-VUE content and more efficient retrieval and navigation in this information resource are proposed. Проанализированы направления применение Wiki-технологий для создания информационных ресурсов большого объема и сложной структуры, ориентированных на функционирование в открытой среде Web. Обоснована потребность в интеллектуализации Wiki-технологии, а именно – целесообразность использования Semantic MediaWiki, для получения необходимой выразительной мощности для представления семантики основных элементов Wiki-ресурса, их свойств и связей между ними. Рассмотрена связь между представлением знаний в Semantic MediaWiki и стандартами Semantic Web, которые используются для интеграции интеллектуальных отношений и баз знаний в Web. Продемонстрирована на примерах целесообразность применения онтологического анализа и построения онтологической модели для формального и однозначного отображения структуры и контента базы знаний онлайн-версии Большой украинской энциклопедии (е-ВУЕ). Предложены методы и средства применения этой онтологической модели для создания контента е-ВУЕ и более эффективного поиска и навигации в этом информационном ресурсе. Проаналізовано напрямки застосування Wiki-технологій для створення інформаційних ресурсів великого обсягу та складної структури, орієнтованих на функціювання у відкритому середовищі Web. Обґрунтовано потребу в інтелектуалізації Wiki-технології, а саме – доцільність використання Semantic MediaWiki для отримання необхідної виразної потужності у поданні семантики основних елементів Wiki-ресурсу, їх властивостей та зв’язків між ними. Розглянуто зв’язок між поданням знань у Semantic MediaWiki та стандартами Semantic Web, які використовуються для інтеграції інтелектуальних застосунків та баз знань у Web. Продемонстровано на прикладах доцільність застосування онтологічного ана-лізу та побудови онтологічної моделі для формального та однозначного відображення структури та контенту бази знань онлайн-версії «Великої української енциклопедії» (е-ВУЕ). Запропоновано методи та засоби застосування цієї онтологічної моделі для створення контенту е-ВУЕ та більш ефективного пошуку та навігації у цьому інформаційному ресурсі
Першопорядковi композиційно-номінативні логіки з предикатами слабкої та строгої рівності
Get PDFDevelopment of the new software-oriented logical formalisms is a topical problem. The paper introduces logics of partial predicates with predicate complement and equality predicates, we denote them LCE. They extend logics of quasiary predicates with equality and logics with predicate complement. The composition of the predicate complement is used in Floyd-Hoare program logics’ extensions on the class of partial predicates. We define predicates of weak equality and of strong equality. Thus, LCE with predicates of weak equality (denoted by LCEw) and LCE with predicates of strong equality (denoted by LCEs) can be specified. LCE can be studied on the first order and renominative levels. We consider composition algebras of LCE, investigate properties of their compositions and describe first order languages of such logics. We concentrate on the properties related to the equality predicates and the composition of the predicate complement. Various variants of logical consequence relations for the first order LCE are introduced and studied: P|=T, P|=F, R|=T, R|=F, P|=TF, R|=TF, P|=IR. In particular, we obtained that LCEw are somewhat degenerate, as for them all the relations are incorrect except for the irrefutability logical consequence relation under the conditions of undefinedness |=IR^. At the same time, all of the listed relations are correct for LCEs. Properties of the logical consequence relations are the semantic basis for construction of the respective calculi of sequential type. Further investigation of logical consequence relations for LCE includes adding the conditions of undefinedness and constructing the corresponding sequent calculi; it is planned to be displayed in the forthcoming articles. Problems in programming 2019; 3: 28-44 В работе исследованы новые программно-ориентированные логические формализмы – композиционно-номинативные логики с предикатами равенства и композицией предикатного дополнения, такие логики названы LCE. Можно выделить предикаты слабого равенства и строгого равенства. Отсюда получаем LCE с предикатами слабого равенства, их назовем LCEw, и LCE с предикатами строгого равенства, их назовем LCEs. LCE можно рассматривать на первопорядковом уровне и реноминативном уровне. Рассмотрены композиционные алгебры LCE, исследованы свойства их композиций, описаны первопорядковые языки этих логик. Основное внимание сосредоточено на исследовании свойств, связанных с предикатами равенства и композицией предикатного дополнения. Введен и исследован ряд отношений логического следствия в первопорядковых LCE, рассмотрены их особенности. В частности, установлена определенная вырожденность LCEw, для которой корректным оказывается только отношение неопровержимого логического следствия в условиях неопределенности. Подробное исследование в LCE отношений логического следствия в условиях неопределенности будет проведено в последующих роботах. Свойства отношений логического следствия в LСE является семантической основой построения соответствующих исчислений секвенциального типа. Такое построения тоже планируется осуществить в последующих роботах.Problems in programming 2019; 3: 28-44Досліджено нові програмно-орієнтовані логіки часткових предикатів з операцією (композицією) предикатного доповнення, такі логіки названо LC. Для першопорядкових LC запропоновано низку відношень логічного наслідку та відношень логічного наслідку за умови невизначеності. Досліджено властивостіцих відношень, встановлено співвідношення між ними. Для відношень типів |=T та |=F доведено теорему про елімінацію умов невизначеності. Для запропонованих відношень описано умови їх гарантованої наявності, наведено властивості декомпозиції формул та елімінації кванторів.Problems in programming 2019; 3: 28-4
Метод інформаційно-аналітичної підтримки управління ризиками безпеки ресурсів відомчих інформаційних систем
Get PDFIt has been tried to combine expert and statistics methods in analyzing information security risk. Author has brought general statements of information security risk management based on international and internal practices as well as proposed own risk analyzing process. The proposed method includes topologies of information resources, vulnarabilities, threats, impact, bulding events’ tree. It has been proposed to build agrigated risk over the certain information resource. Author has tried to convert experts’ metrixes into fuzzy mathematical model. Conclusion of the experiments is that self-learning model gives better results but in the environment of uncertaince, both experts’ and statistics data can be used.Problems in programming 2018; 4: 82-92Рассматриваются вопросы современного моделирования в области оценки рисков информационной безопасности с точки зрения отдельных информационных ресурсов с присущими им связями уязвимостей, угроз, рисков, последствий. Автор предлагает использовать в модели как статистические данные, так и экспертные оценки, представляя экспертные метрики и связи событий и условий понятиями аппарата нечеткой логики. Сравнивая две модели экспертных оценок и статистических данных, автор приходит к выводу, что обученная статистическая модель более достоверна, однако статистических данных недостаточно в реальных условиях, поэтому необходима комбинация моделей и их постоянное обучение.Problems in programming 2018; 4: 82-92Запропоновано формалізацію вразливостей та загроз за допомогою введення лінгвістичних змінних. Практично використано гібридні моделі та soft computing при побудові залежності рівня ризику виникнення помилок за двома факторами. Запропоновано два варіанти оцінювання впливу вразливостей на рівень ризику результуючого фактора. Запропоновано комбінацію використання статистичних даних та експертних оцінок для аналізу стану інформаційної безпеки організації. Запропоновано визначення сукупного ризику інформаційного ресурсу.Problems in programming 2018; 4: 82-92
Максимальное время преследования для стратегии параллельного сближения
Get PDFPrombles in programming 2014; 4: 78-93Рассмотрены дифференциальные игры преследования, в которых несколько игроков догоняют одного, применяя стратегию параллельного сближения. Построена стратегия уклонения и доказана ее оптимальность. Исследованы свойства оптимальных стратегий уклонения. Сформулированы задачи линейного программирования, позволяющие строить стратегии, близкие к оптимальным, и доказана теорема о величине погрешностей.Prombles in programming 2014; 4: 78-93Рассмотрены дифференциальные игры преследования, в которых несколько игроков догоняют одного, применяя стратегию параллельного сближения. Построена стратегия уклонения и доказана ее оптимальность. Исследованы свойства оптимальных стратегий уклонения. Сформулированы задачи линейного программирования, позволяющие строить стратегии, близкие к оптимальным, и доказана теорема о величине погрешностей
Технологічнi рішення для інтелектуального аналізу Big Data. Мови програмування
Get PDFWe consider the problems arising during in the process of application of data analysis methods to Big Data. Modern programming languages are analyzed from the point of view of efficiency of their application for development of machine learning (ML) tools focused on Big Data.We analyzed the main types of machine learning tasks associated with information acqusition from Big Data that can be useful for practical use. This analysis shows that these tasks are solved by methods of statistical processing and training of neural networks. Therefore, it is advisable to have appropriate libraries in software tools aimed at solving these problems.Availability of the large number of ML algorithms that are focused on the different types of input information and different representations of result knowledge indicates the need for specialized libraries of machine learning implemented these algorithms. Another important factor in choosing a tool environment where ML tasks are solved for Big Data is processing speed: this requirement is caused by the large volumes of data to be compiled.External services for ML and Big Data processing , proposed by Google, Amazon, etc., greatly simplify the process of developing of intelligent data analysis tools for those programming languages that support the use of such services.Thus, for creation of experimental prototypes that combine modern approaches to machine learning with elements of artificial intelligence (AI) the most suitable programming language is Python. This conclusion is also confirmed by the world's results of surveys of developers in the field of Data Sciences. But other programming languages analyzed in this paper can become more useful under certain additional conditions: for example, C++ for projects oriented on specific software and hardware or Java and Scala for corporate applications.Problems in programming 2018; 4: 45-58 Рассмотрены проблемы, возникающие в процессе применения методов анализа данных к Big Data. Проанализированы современные языки программирования с точки зрения эффективности их применение для разработки средств машинного обучения (ML – Machine Learning), ориентированных на Big Data.Проанализированы основные типы задач машинного обучения, связанные с извлечением из Big Data сведений, полезных для практического применения. Этот анализ показывает, что такие задачи решаются с использованием методов статистической обработки и обучение нейросетей. Поэтому в программных средствах, ориентированных на решение этих задач, целесообразно иметь соответствующие библиотеки.Наличие большого разнообразия алгоритмов ML, ориентированных на разные типы входной информации и знаний, которые по ни строятся, свидетельствует о потребностях в специализированных библиотеках машинного обучения, которые реализуют эти алгоритмы. Еще одним важным фактором для выбора инструментальной среды, в которой задачи ML решаются для Big Data, является скорость обработки: это связано с большими объемами тех данных, которые должны обрабатываться.Внешние сервисы для ML и обработки Big Data, созданные Google, Amazon и т.п., значительно упрощают процесс разработки средств интеллектуального анализа данных для тех языков программирование, которые поддерживают использование таких сервисов.Таким образом, для создания экспериментальных прототипов, которые объединяют современные подходы к машинному обучению с элементами искусственного интеллекта (ИИ), наиболее пригодным языком программирования есть Python. Этот вывод подтверждают и мировые результаты опрасов разработчиков в сфере Data Sciences. Но другие языки программирования, проанализированные в данной работе, могут быть даже более полезными при определенных дополнительных условиях: например, С++ – для разработок, ориентированных на специфическое аппаратное или программное обеспечения, а Java и Scala – для создания корпоративных приложений.Problems in programming 2018; 4: 45-58Розглянуто проблеми, що виникають в процесі застосування методів аналізу даних до Big Data. Проаналізовано сучасні мови програмування з точки зору ефективності їх застосування для розробки засобів машинного навчання (ML – Machine Learning) та прикладних програм, орієнтованих на Big Data.Проаналізовано основні типи задач машинного навчання, пов’язаних зі здобуттям з Big Data відомостей, корисних для практичного застосування. Цей аналіз показує, що ці задачі вирішуються з використанням методів статистичної обробки та навчання нейромереж. Тому в програмних засобах, орієнтованих на рішення цих задач, доцільно мати відповідні бібліотеки.Наявність великого різномаїття алгоритмів ML, орієнтованих на різні типи вхідної інформації та знань, що за ними будуються, свідчить про потреби в спеціалізованих бібліотеках машинного навчання, які реалізують ці алгоритми. Ще одним важливим фактором для вибору інструментального середовища, в якому задачі ML вирішуються для Big Data, є швидкість обробки: це пов’язано з великими обсягами тих даних, що мають оброблятися.Зовнішні сервіси для ML та обробки Big Data, створені Google, Amazon тощо, значно спрощують процес розробки засобів інтелектуального аналізу даних для тих мов програмування, що підтримують використання таких сервісів.Таким чином, для створення експериментальних прототипів, що поєднують сучасні підходи до машинного навчання з елементами штучного інтелекту (ШІ), найбільш придатною мовою програмування є Python. Цей висновок підтверджують і світові результати опитувань розробників в сфері Data Sciences. Але інші мови програмування, проаналізовані в даній роботі, можуть бути навіть більш корисними за певних додаткових умов: приміром, С++ – для розробок, орієнтованих на специфічне апаратне або програмне забезпечення, а Java та Scala – для створення корпоративних застосувань. Problems in programming 2018; 4: 45-58
Методи і засоби отримання інформації про персоналії з авторефератів дисертацій
No full textThe problem of extraction of data about a person from scarce data collection is studied. The data collections are public resources on the internet. When these data are collected and parsed they present additional value for users. Collecting such data is problematic because of it’s weak structure restrictions. Thus the system is suggested to automate information gathering and parsing. The initial task is to process personal data from thesis documents publicly available on the internet. This data presents information about scientists which can’t be obtained from other sources. The goal is to be able to make requests to the data having its semantics in mind and not only plain text.The prototype system is developed with PHP and XPath able to collect raw documents from digital repository of National Library of Ukraine by V. I. Vernadskiy. The system also extracts data from the collected documents and stores them locally in RDF data model suitable for specific data and for future exposition to the Semantic Web. The collection of more than 63000 documents was processed to test the system. В работе рассмотрены подходы к решению задачи сбора и извлечения разрозненных данных о персона-лиях из слабоструктурированных и неструктурированных документов, представленных в общедоступ-ных каталогах авторефератов диссертаций. На языке PHP с применением XPath разработана система, которая позволяет автоматически собирать первичные документы из электронного каталога Нацио-нальной библиотеки Украины им. В.И. Вернадского, извлекать из этих документов данные и сохранять их в локальном хранилище. Для хранения выбрана модель данных RDF с учётом особенностей данных и возможностью последующего представления в семантической сети. В роботі розглянуті підходи до вирішення завдання збору та вилучення розрізнених даних про персоналії з слабоструктурованих і неструктурованих документів, представлених в загальнодоступних каталогах авторефератів дисертацій. На мові PHP із застосуванням XPath розроблена система, яка дозволяє автоматично збирати первинні документи з електронного каталогу Національної бібліотеки України ім. В. І. Вернадського, витягувати з цих документів дані і зберігати їх в локальному сховищі. Для зберігання обрана модель даних RDF з урахуванням особливостей даних і можливістю подальшого представлення в семантичній мережі.
Сучасні мови опису веб-сервісів та фреймворки для їх моделювання, документування, візуалізаціїї
No full textThe given paper presents an overview of modern RESTful API description languages (belongs to interface description languages set) – OpenAPI, RAML, WADL, Slate – designed to provide a structured description of a RESTful web APIs (that is useful both to a human and for automated machine processing), with related RESTful web API modelling frameworks. We propose an example of the schema model of web API of the service for pre-trained distributional semantic models (word embeddings) processing. This service is a part of the “Personal Research Information System” services ecosystem – the “Research and Development Workstation Environment” class system for supporting research in the field of ontology engineering: the automated building of applied ontology in an arbitrary domain area as a main feature; scientific and technical creativity: the automated preparation of application documents for patenting inventions in Ukraine. It also presents a quick look at the relationship of Service-Oriented Architecture and Web services as well as REST fundamentals and RESTful web services; RESTful API creation process.Problems in programming 2018; 4: 59-68В статье представлен обзор и сравнительный анализ современных языков описания веб-сервисов – OpenAPI, RAML, WADL, Slate – которые предназначены для представления структурированного описания современных веб-сервисов (веб-API) и разработаны с учетом применения как для их автоматизированной обработки описаний программными приложениями, так и для восприятия разработчиками программного обеспечения. Разработана модель (схема) веб-API сервиса процессинга предобученных дистрибутивно-семантических моделей, который является частью экосистемы сервисов "Персональной научно-исследовательской информационной системы" – системы класса Автоматизированное рабочее место научных исследований АРМ-НИ поддержки научно-технического творчества и исследований в области онтологического инжиниринга. Приведен короткий обзор современного положения веб-сервисов в составе Сервис-ориентированной архитектуры и на их взаимодействия. Также представлена методика описания веб сервисов при помощи современного языка структурного описания взаимодействия интерфейсов сервисов.Problems in programming 2018; 4: 59-68Бази даних, веб-сайти, веб-застосунки, бізнес-орієнтоване програмне забезпечення та сервіси повинні обмінюватися даними. Це досягається шляхом визначення стандартних форматів даних, таких як розширювана мова розмітки XML, або запис об’єктів JavaScript JSON, а також протоколів передачі даних або веб-сервісів, таких як Простий протокол доступу до об'єктів SOAP або більш популярний сьогодні –"передача репрезентативного стану" REST. Розробникам часто доводиться розробляти свої власні інтерфейси прикладного програмування застосунків API, щоб працювати з застосунками, інтегруючи певну бізнес-логіку навколо операційних систем або серверів. В статті наведено огляд сучасних мов опису веб-сервісів – OpenAPI, RAML, WADL, Slate – які призначені для подання структурованого опису сучасних веб-сервісів (веб-API), як для їх автоматизованої обробки програмними застосунками, так і для сприйняття розробником програмного забезпечення. Розроблено модель (схему) веб-API сервісу процесінгу дистрибутивно-семантичних моделей, який є частиною екосистеми сервісів "Персональної науково-дослідницької інформаційної системи" – системи класу Автоматизоване робоче місце наукових досліджень АРМ-НД підтримки науково-технічної творчості та досліджень в області онтологічного інжинірингу.Представлено короткий погляд на сучасне становище веб-сервісів в складі Сервіс-орієнтованої архітектури та на їх взаємодію. Також представлена методика опису веб-сервісів за допомогою сучасної мови структурного опису взаємодії інтерфейсів сервісів.Problems in programming 2018; 4: 59-6