Алгоритмы структурно-семантического индексирования и селективного федеративного Top-K поиска в многоагентном репозитории фактов
В многоагентной информационной среде факты хранятся в локальных репозиториях, поддерживаемых отдельными агентами. По мере расширения репозиториев и увеличения числа агентов проверка каждого запроса по всем фактам и всем агентам приводит к росту вычислительных и коммуникационных затрат. В статье разработана модель структурно-семантического индексирования, в которой сведения о референте, семантика события, временной контекст и доказательно-доверительные признаки представлены в отдельных, но согласованных слоях индекса. На основе этой модели предложены три алгоритма: индексирование фактов, локальный Top-K поиск по композиционной функции сходства и селективная маршрутизация запросов к семантически релевантным агентам. Локальные результаты, полученные от выбранных агентов, объединяются федеративно, а близкие по смыслу факты группируются в мета-факты с сохранением ссылок на исходные доказательства. Формальный анализ показывает, что множество фактов-кандидатов не превышает полный репозиторий, а множество выбранных агентов – общее число агентов системы. Функциональное сравнение с exact-match поиском и полной широковещательной рассылкой показывает, что предложенные алгоритмы совместно учитывают семантическую близость, временной контекст, доказательную объяснимость и межагентную нагрузку в рамках единого поискового процесса.