Сучасний етап розвитку свiтового суспiльства характеризується глобалiзацiєю iнформацiйних, технологiчних та соцiально-економiчних процесiв, стрiмким зростанням кiлькостi та складностi взаємозв’язкiв мiж елементами глобальних систем та збiльшенням кiлькостi непрогнозовних факторiв ризику, що впливають на великi економiчнi, соцiальнi, екологiчнi та технiчнi системи. Стратегiчне планування розвитку країн, регiонiв, великих мiст та пiдприємств в таких умовах є необхiдною, але й одночасно дуже складною задачею. Велика кiлькiсть взаємозв’язкiв, погана формалiзованiсть та невизначенiсть характеристик факторiв, що впливають на розвиток дослiджуваних об’єктiв, обмежують застосування вiдомих кiлькiсних методiв прогнозування. Методологiя передбачення грунтується на застосуваннi методiв якiсного аналiзу i дозволяє поєднувати класичнi методи кiлькiсного аналiзу та прогнозування з експертними методами якiсного аналiзу, що робить можливим розв’язання бiльш широкого класу задач стратегiчного планування, пов’язаних, зокрема, з високим рiвнем невизначеностi даних та структури дослiджуваних об’єктiв. Представлення знань залишається однiєю з основних проблем при розробцi систем пiдтримки прийняття рiшень iз застосуванням методологiї технологiчного передбачення. Представлення знань у виглядi текстiв природною мовою, анотованих за допомогою метаданих Doublin Core є, очевидно, найбiльш повним з точки зору збереження вихiдної iнформацiї. Проте таке представлення не дозволяє людинi оперативно аналiзувати великi обсяги iнформацiї i є недостатньо формалiзованим для машинної обробки. Для автоматизованої обробки знання мають бути поданi засобами однiєї з формальних мов представлення знань в рамках обраної моделi представлення знань. Видiляють чотири загальнi моделi представлення знань: продукцiйнi, фреймовi, семантичнi мережнi та формальнi логiчнi моделi. При цьому фреймова модель може бути представлена у виглядi семантичної мережi, i навпаки. Для представлення рiзнорiдних знань, кiлькiсних та якiсних даних, оцiнок експертiв, що використовуються в рамках методологiї технологiчного передбачення, пропонується використовувати формальну мову RDF (Resource Description Framework), а саме її рiзновид RDF/N3 (RDF Notation 3). Для представлення та обробки iнформацiї, що використовується в процесi технологiчного передбачення, створено систему баз знань та даних, в якiй зберiгаються: а) анотованi за допомогою метаданих фрагменти текстiв природною мовою, як основне джерело iнформацiї; б) семантичнi данi – представлення текстових фрагментiв засобами формальної мови RDF/N3, що описують дослiджувану предметну область та “картину свiту”; в) числовi характеристики, що описують властивостi елементiв предметної областi – детермiнованi, стохастичнi, iнтервальнi, нечiткi та iн.; г) експертнi оцiнки, згенерованi в процесi технологiчного передбачення; д) продукцiйнi правила обробки iснуючих та отримання нових знань; е) iнформацiя щодо достовiрностi оброблюваних даних.
Системний аналiз та iнформацiйнi технологiї: Матерiали XI Мiжнародної науково-технiчної конференцiї (26–30 травня 2009 р., Київ). – К.: ННК «IПСА» НТУУ «КПI», 2009. – С. 141. – http://sait.org.ua

Побудова адекватної інформаційної моделі предметної області є необхідним етапом будь-якого складного міждисциплінарного дослідження. Великі обсяги різнорідних даних, понять і зв'язків, наявність як кількісної, так і якісної інформації призводять до необхідності використовувати адекватний інструментарій опису і побудови відповідних інформаційних моделей. Найбільш загальною моделлю представлення знань можна вважати семантичну мережну модель. Семантичні мережі широко використовуються для агрегування різнорідної інформації та знаходять все більше застосувань в багатьох сферах людського життя. Важливі практичні задачі передбачають використання обсягів інформації, опис якої за допомогою семантичних мереж вимагає побудови та аналізу семантичних графів з сотнями тисяч вузлів та великою кількістю типів відношень між ними. Для багатьох задач використання всього обсягу інформації одночасно не є необхідним, а часто є навіть неможливим. Виділення семантичних підграфів з існуючої семантичної мережі є важливою задачею з суперечливими критеріями: висока повнота інформації має досягатись на семантичному підграфі мінімального розміру, причому вимоги до вмісту підграфу мають бути сформульовані у простому для сприйняття людиною вигляді. Для семантичних мереж малого та середнього розміру можна застосувати метод, що використовує пряме логічне виведення для розширення бажаного підграфу з невеликої кількості заданих вузлів та/або типів відношень. Можливе застосування комбінації наступних стратегії розширення підграфу: а) додавання вузлів певного типу; б) додавання ребер певного типу та інцидентних ним вузлів; в) додавання ребра, якщо вузли на його кінцях належать вже сформованому підграфу. Застосування такого підходу дозволило в ряді задач отримати у зручному вигляді бажані фрагменти семантичної мережі за сприйнятний час.
Моделирование, идентификация, синтез систем управления: Сборник тезисов двенадцатой Международной научно-технической конференции (16–23 сентября 2009 г.). – Донецк: Изд. Института прикладной математики и механики НАН Украины, 2009. – С. 109.