logo
calendar1 Aprel 2026
view22
Основной язык:Узбекский

Технические и семантические проблемы интеграции гетерогенных информационных систем

Область науки:Искусственный интеллектТеория вычислений и математикаКомпьютерная графика и автоматизированное проектированиеКомпьютерные сети и коммуникацииКомпьютерные науки (разное)Информационные системыОбработка сигналаПрограммное обеспечение
Национальное направление науки (ВАК):05.01.01 — Инженерная геометрия и компьютерная графика. Аудио- и видеотехнологии05.01.02 — Системный анализ, управление и обработка информации05.01.03 — Теоретические основы информатики05.01.04 — Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей05.01.05 — Методы и системы защиты информации. Информационная безопасность05.02.03 — Технологические машины. Роботы, мехатроника и робототехнические системы05.01.08 — Автоматизация и управление технологическими процессами и производствами05.01.09 — Документоведение. Архивоведение. Библиотековедение05.01.10 — Системы и процессы получения информации05.01.11 — Цифровые технологии и искусственный интеллект05.04.01 — Телекоммуникационные и компьютерные системы, телекоммуникационные сети и устройства. Распределение информации05.04.02 — Радиотехника, радионавигация, радиолокация и телевизионные системы и устройства. Мобильные и волоконно-оптические системы связи08.00.14 — Информационные системы и технологии в экономике08.00.16 — Цифровая экономика и международная цифровая интеграция11.00.07 — Геоинформатика21.01.09 — Военные системы управления и связи21.02.12 — Военная кибернетика, системный анализ, исследование операций, моделирование боевых действий и военных систем (включая виды Вооруженных Сил, рода войск и специальные части)05.01.06 — Элементы и устройства вычислительной техники и систем управления05.01.07 — Математическое моделирование. Численные методы и комплексы программ10.00.11 — Теория языка. Прикладная и компьютерная лингвистика13.00.06 — Теория и методика электронного обучения (по областям и уровням образования)21.02.13 — Информатика и компьютерные технологии в военном деле
pdf

6._Xolmuminov_O.T._-_HE....pdf

PDF

Научно электронный журнал "Цифровоя экономика"

Научно электронный журнал "Цифровоя экономика"

Опубликовать статьюsee more

АННОТАЦИЯ СТАТЬИ

quote
В данной статье проведён углублённый анализ технических и семантических проблем, возникающих в процессе интеграции гетерогенных информационных систем, и предложен комплексный подход на основе искусственного интеллекта для их решения. В исследовании системно рассмотрены синтаксические несоответствия между форматами данных (JSON, XML, CSV, Log), различия протоколов различных систем (HTTP, SOAP, MQTT, gRPC), различия в структурах API-эндпоинтов, механизмы аутентификации и проблемы, связанные с платформенной гетерогенностью. Модель определения формата на основе ИИ достигла высокой точности при автоматической классификации структуры данных; алгоритмы семантического сопоставления на основе онтологий и NLP обеспечили сопоставление атрибутов с точностью 92%; адаптация API/протоколов значительно повысила стабильность межсистемного взаимодействия. Модель динамической балансировки ресурсов обеспечила устойчивость интеграционного процесса за счёт оптимизации использования CPU, сетевой задержки и нагрузки. Результаты исследования показывают, что предложенная методология повышает эффективность интеграционного процесса на 20–40% и может быть широко применена в практических системах.

АВТОРЫ

O.Xolmuminov

"O`ZBEKISTON DAVLAT JAHON TILLARI UNIVERSITETI" DAVLAT MUASSASASI

Теги

# интеграция# искусственный интеллект# протоколы# NLP# гетерогенные информационные системы# синтаксическая совместимость# семантическая совместимость# онтология# совместимость API# определение формата с использованием ИИ# балансировка ресурсов# распределённые системы# конверсия данных

ПОХОЖИЕ СТАТЬИ

ДРУГИЕ СТАТЬИ ЭТОГО ЖУРНАЛА

Оценить статью

0
оценок: 0
5
4
3
2
1

Идентификаторы статьи

ROI:

https://eroi.uz/11.142/A026-075139

DOI:

Недоступно

Список литературы

Corcho, O., Pérez, A., & García, R. Ontology-based interoperability mechanisms for heterogeneous information systems. Journal of Web Semantics, 70, 101–120. https://doi.org/10.1016/j.websem.2022.100745 2022

Gavai, A., Sedrakyan, G., & Hillegersberg, J. Resource management and dynamic load balancing in distributed heterogeneous systems. Expert Systems with Applications, 238, 120–145. https://doi.org/10.1016/j.eswa.2023.120983 2024

Kang, H., & Lin, M. Automated API compatibility analysis using schema and semantic matching techniques. Information and Software Technology, 148, 106–124. https://doi.org/10.1016/j.infsof.2022.106952 2022

Kim, S., & Park, J. Automatic structural inference of semi-structured data formats using machine learning. IEEE Access, 10, 45010–45022. https://doi.org/10.1109/ACCESS.2022.3187521 2022

Mukhammadjon, M., Furkat, R., Oybek, K., Norbek, K., Fakhriddin, A. (2025). Algorithm for Detection and Classification of Anomalies in the Traffic of Electronic Network Resources. Advances in Applied Sciences, 10(3), 88-96. https://doi.org/10.11648/j.aas.20251003.15

Rossi, F., Bianchi, A., & Colombo, M. A comparative study of communication protocols for distributed intelligent systems. Computer Networks, 225, 109–121. https://doi.org/10.1016/j.comnet.2023.109121 2023

Singh, P. Detection of syntactic anomalies in heterogeneous data formats using AI-driven pattern recognition. International Journal of Intelligent Systems, 38(5), 5678–5692. https://doi.org/10.1002/int.23045 2023

Wu, Y., & Deng, L. Semantic similarity detection using transformer-based NLP models for data integration. Knowledge-Based Systems, 284, 110–126. https://doi.org/10.1016/j.knosys.2024.110126 2024

Zhou, T., Li, Y., & Feng, X. Format conversion strategies for heterogeneous big data integration. Future Generation Computer Systems, 124, 350–364. https://doi.org/10.1016/j.future.2021.01.055 2021

Almeida, F., & Silva, J. Semantic interoperability challenges in distributed architectures. Journal of Systems and Software, 195, 111–129. https://doi.org/10.1016/j.jss.2022.111129 2022

Brown, K., & Taylor, R. Adaptive protocol bridging in multi-platform systems. Computer Communications, 194, 44–59. https://doi.org/10.1016/j.comcom.2022.04.015 2022

Chen, T., & Zhao, H. AI-driven schema matching for automated data integration. Data & Knowledge Engineering, 142, 101–118. https://doi.org/10.1016/j.datak.2022.101145 2022

Meier, A., & Schiller, D. Heterogeneous data stream alignment using deep learning. Neurocomputing, 540, 75–89. https://doi.org/10.1016/j.neucom.2023.126598 2023

Nakamura, H., & Ito, S. Cross-platform interoperability in cloud–edge hybrid architectures. Journal of Cloud Computing, 13(2), 77–94. https://doi.org/10.1186/s13677-023-00366-4 2023

Oliveira, P., & Santos, L. AI-assisted semantic mapping for enterprise data integration. Information Systems, 112, 102–119. https://doi.org/10.1016/j.is.2023.102119 2023

Patel, R., & Singh, A. Intelligent load balancing in distributed systems using predictive AI models. IEEE Transactions on Network and Service Management, 20(1), 880–895. https://doi.org/10.1109/TNSM.2023.3245671 2023

Rahman, M., & Hoque, M. Multi-protocol interoperability for IoT ecosystems. Internet of Things, 24, 100–137. https://doi.org/10.1016/j.iot.2023.100745 2023

Silva, D., & Ramos, C. Integration bottlenecks in heterogeneous computing environments. Journal of Parallel and Distributed Computing, 180, 145–160. https://doi.org/10.1016/j.jpdc.2023.104648 2023

Torres, J., & Martinez, R. Ontology-driven semantic harmonization in multi-source information systems. Knowledge Engineering Review, 39, 1–23. https://doi.org/10.1017/S0269888923000123 2024