Інтелектуальна система визначення семантичної узгодженості розподілених інформаційних ресурсів

Abstract

Розглянуто проблему оцінювання якості розподілених інформаційних ресурсів у контексті зростання обсягів, різнорідності та динаміки даних, що циркулюють у сучасних інформаційних системах. Показано, що для розподілених середовищ традиційних підходів до контролю якості даних, які базуються переважно на точності, повноті та узгодженості, уже недостатньо, оскільки вони не враховують семантичну неоднорідність, контекст використання, реплікацію, варіативність представлення сутностей та відмінності у правилах інтерпретації даних. Особливу увагу приділено семантичній узгодженості як ключовій характеристиці, від якої залежить коректність інтеграції даних, достовірність аналітичних висновків і якість автоматизованих рішень у гетерогенних середовищах. Розроблено інтелектуальну систему визначення семантичної узгодженості розподілених інформаційних ресурсів, побудовану на гібридному підході, що поєднує синтаксичні метрики швидкого відсіву та глибокий семантичний аналіз на основі векторних представлень. Така архітектура дає змогу ефективно працювати як з очевидно узгодженими парами даних, так і зі складними випадками, де однаковий зміст подано різними лексичними засобами, скороченнями або доменними синонімами. Додатково реалізовано адаптивне порогове прийняття рішень, що дозволяє налаштовувати суворість перевірки залежно від типу атрибута та предметної області застосування, а також формувати інтегральний індекс семантичної узгодженості для подальшого моніторингу якості даних. Експериментальна перевірка підтвердила доцільність впровадженого підходу для підвищення точності виявлення семантично еквівалентних, але формально різних записів. Отримані результати показали, що поєднання синтаксичних і семантичних методів дає змогу суттєво зменшити кількість хибних відмов і помилкових збігів у процесі порівняння атрибутів, а також створює методологічне підґрунтя для побудови масштабованих систем контролю якості розподілених інформаційних ресурсів. Практичне значення роботи полягає в можливості інтеграції розробленої системи до платформ моніторингу, валідації та керування якістю даних у фінансових, медичних, наукових та інших гетерогенних інформаційних середовищахThis article addresses the problem of data quality assessment in distributed information resources under conditions of rapidly growing data volume, its heterogeneity, and dynamism in modern information systems. It demonstrates that conventional data quality approaches, which focus mainly on accuracy, completeness, and consistency, are no longer sufficient for distributed environments because they do not fully capture semantic heterogeneity, usage context, replication effects, entity representation variability, and differences in data interpretation rules. Particular attention is paid to semantic consistency as a key property that determines the correctness of data integration, the reliability of analytical conclusions, and the quality of automated decisions in heterogeneous environments. The paper implements an intelligent system for detecting semantic consistency in distributed information resources based on a hybrid approach that combines fast syntactic filtering with deep semantic analysis using vector representations. This architecture makes it possible to process both obviously consistent data pairs and more complex cases the same meaning is expressed through different lexical forms, abbreviations, or domain-specific synonyms. In addition, the proposed solution implements adaptive threshold-based decision making, allowing the strictness of verification to be adjusted according to the attribute type and application domain, while also producing an integrated semantic consistency index for further monitoring of data quality. Experimental evaluation confirmed the feasibility of the proposed approach for improving the detection of semantically equivalent but formally different records. The results showed that combining syntactic and semantic methods significantly reduces both false rejections and false matches during attribute comparison, while also providing a methodological basis for building scalable quality control systems for distributed information resources. The practical value of the study lies in the possibility of integrating the developed system into data quality monitoring, validation, and management platforms for financial, medical, scientific, and other heterogeneous information environments.