Публикации автора

Цифровая трансформация библиотечной отрасли предполагает активное внедрение искусственного интеллекта (Artificial Intelligence, AI), и особая роль здесь отводится нейронному поиску информации (или нейропоиску), основанному на искусственных нейронных сетях (ИНС). Нейронный поиск (НП) открывает новые возможности для повышения эффективности библиотечно-информационного обслуживания (БИО), обеспечивая более точный, быстрый и персонализированный доступ к знаниям в цифровой библиотеке (ЦБ). Применение НП преобразует парадигму БИО, меняя взаимодействие читателей с контентом. В статье рассматривается, как НП решает проблемы низкой релевантности результатов, ограниченной семантической обработки запросов и недостаточной персонализации. Методы исследования включают теоретический анализ научной литературы, нормативных документов и обобщение опыта внедрения ИНС. Результаты исследования показывают, что НП значительно улучшает качество сервиса за счет обработки сложных запросов, адаптации к индивидуальным потребностям пользователей и поддержки инклюзивного доступа к библиотечному фонду. Несмотря на высокий технологический потенциал, НП не заменяет, а дополняет традиционные методы, автоматизируя рутинные процессы и позволяя библиотекарям сосредоточиться на сложных и творческих задачах. Внедрение НП соответствует стратегиям цифровой трансформации библиотечного дела.

Уровень научного журнала - ключевой показатель в современной национальной системе оценки результативности исследований. Категорирование научных журналов - одна из основных задач библиометрии, постоянный рост объёма данных об изданиях и публикациях требует эффективного анализа соответствия между декларируемыми и наблюдаемыми паттернами категорирования. Цель статьи заключается в апробации исследовательского анализа данных (Exploratory Data Analysis, EDA) для изучения распределения научных журналов по уровням в «Белом списке» и выявления статистических закономерностей, связывающих уровень издания с его индексацией в наукометрических базах данных (БД). Объект исследования - открытые данные о научных журналах из «Белого списка». В работе применён статистический подход к анализу данных об изданиях, реализованный в цифровой среде Google Colaboratory с использованием библиотек для EDA (Pandas, Matplotlib, Seaborn) на языке программирования Python. Результаты позволили провести количественный анализ соответствия эмпирических данных правилам категорирования изданий «Белого списка» и выявить различия в паттернах индексации журналов разных уровней. Практическая значимость заключается в интеграции цифровых технологий EDA в библиометрический инструментарий, что открывает возможности для верификации систем категорирования и развития методов библиометрии в условиях цифровизации науки.

Разработка эффективных алгоритмов анализа сетевых мотивов является актуальным и имеет достаточно большое значение при исследовании социальных, биологических и некоторых других сетей. В статье представлено веб-приложение для подсчёта частот встречаемости подграфов на трех и четырех вершинах в больших сетях, а также для выявления так называемых сетевых мотивов. Веб-приложение реализует функционал системы MFSView и основывается на методе случайного выбора остовных деревьев. Разработанная система построена по типу клиент-серверной архитектуры и использует ряд таких эффективных технологий и фреймворков, как на клиенте - JavaScript и bootstrap, так и на сервере - Django.

В статье описан алгоритм Кавош (Kavosh) для поиска сетевых мотивов (или статистически важных подграфов). Приведены зависимости скорости работы, полученные в результате апробации данного алгоритма на языке программирования Python. Разработанный прототип веб-приложения Motif App применим как для анализа ориентированных, так и неориентированных графов.

В настоящее время большинство угроз безопасности операционной системы в пользовательском режиме достаточно легко обнаруживаются современными антивирусными программами. Разработчики вредоносного программного обеспечения намного чаще используют уязвимости в ядре операционной системы Windows для затруднения поиска такого программного обеспечения, а также получения полного контроля над работой операционной системы. Одна из главных уязвимостей ядра операционной системы Windows - динамическое исполнение кода в ядре, обходя строгие требования Microsoft для разработчиков программного обеспечения в режиме ядра. Предлагаются возможные способы обнаружения исполнения такого кода, а также концепт разработки решения для мониторинга исполнения потенциально вредоносного кода в ядре операционной системы Windows.