Розв'язано актуальну наукову задачу підвищення якості виділення смислових одиниц тексту (термінів) під час обробки електронних документів, що містять природно-мовні тексти, можливо з помилками. Розроблено концептуальну багаторівневу модель обробки тексту на базі поділу семантичних шарів, модель подання тексту через нечіткі характеристики семантичних складових тексту різного ступеня узагальнення смислу та метод узагальнення семантичного навантаження тексту за шарами символ - морфема - термін. Розроблений метод дозволяє розв'язувати задачу пошуку терміна у тексті з мінімумом помилок пропуску та задачу ідентифікації терміна з мінімумом помилок помилкового спрацювання. Розроблений метод може бути використаний під час розробки інформаційно-пошукових систем, систем категоризації та інших систем, що містять підсистеми морфологічного, термінологічного та семантичного аналізу.

Розглянуто задачу кластеризації політематичних текстових документів, основні методи обробки документів та існуючі методи їх кластеризації, визначено основні недоліки та переваги даних методів. Запропоновано адаптивну нечітку нейронну мережу, що самоорганізується, та ймовірнісний і можливісний методи її навчання, які дозволяють виконувати нечітку кластеризацію політематичних текстових документів, що в послідовному режимі надходять на вхід мережі, а також у процесі навчання знаходити нові кластери. Запропоновані методи навчання відрізняються своєю швидкодією та незначною обчислювальною складністю. Запропоновано модель нейро-нечіткої системи кластеризації політематичних текстових документів з нечітким виведенням на підставі комбінованого методу навчання. Набув подальшого розвитку метод навчання для нейронних мереж, що самоорганізуються, який дозволяє підвищити швидкість обробки інформації, покращити якість кластеризації за наявності кластерів, що перетинаються, шляхом використання нечіткого виведення. Запропоновано метод автоматичної кластеризації політематичних текстових документів на підставі генетичного алгоритму зі штучним відбором, який базується на комплекс-методі адаптаційної оптимізації та дозволяє знаходити екстремум довільних функцій великої кількості аргументів за умов істотної невизначеності щодо характеру даних функцій.

Висвітлено питання розробки загальної методології вирішення проблем обробки текстової інформації та вилучення знань на основі використання логіки предикатів і механізмів здійснення автоматизованого синтаксичного та семантичного розбору, перетворення інформації, представленої у вигляді речень природної мови, до алгебричних форм. Сформовано загальну форму запису логіко-лінгвістичної моделі текстової інформації, яка охоплює всі концептуальні відношення. Розроблено метод автоматизованого перетворення речень у логіко-лінгвістичну модель, який включає декілька етапів, кожен з яких є складним механізмом роботи формальної системи, а її елементи відіграють важливу роль для вилучення знань з текстової інформації. Створено інтелектуальну систему, яка є програмною реалізацією методу автоматизованого формування логіко-лінгвістичних моделей текстової інформації, кожен її блок представляє собою реалізацію певних етапів вищевказаного методу.

Розроблено модель семантичного стиснення текстової інформації, що забезпечує реалізацію контрольованого семантичного стиснення текстів будь-яких об'ємів, а також оцінено його результати. Наведено новий метод семантичного стиснення тексту із заданим рівнем, що дозволяє здійснювати кероване стиснення текстів, створювати анотації заданого об'єму та контролювати рівень збереження семантики вхідного тексту. Вдосконалено метод інформаційного пошуку, що дозволяє підвищити швидкість обробки запиту, якісно покращити умови роботи користувача та надати йому нові можливості в галузі інформаційного пошуку. Набув подальшого розвитку метод кластеризації текстової інформації, заснований на щільності, що дозволяє здійснювати автоматичну кластеризацію текстової інформації в сховищах даних, а також підвищити точність її обробки. На основі запропонованих моделей та методів створено інформаційну технологію семантичного стиснення текстової інформації та здійснено її практичну реалізацію у вигляді спеціалізованої автоматизованої системи.

Викладено теоретичні основи комп'ютерної обробки текстової інформації у розрізі моделей та алгоритмів формалізації, аналізу та порівняння електронних документів. Запропоновано методологію автоматизованої побудови логіко-лінгвістичних моделей текстової інформації як основного засобу екстракції знань з речень природної мови. Розкрито основні принципи порівняльного аналізу логіко-лінгвістичних моделей речень природної мови. Розроблено концепцію автоматизованого лінгвістичного аналізу електронних текстів.

Увагу приділено дослідженню проблем обробки природномовних текстів і побудові спеціалізованих моделей, орієнтованих на флективні мови. Проаналізовано проблеми, які виникають при евристичному морфолексичному аналізі. Розроблено оптимізований алгоритм евристичного морфолексичного аналізу, що використовує в ролі джерела даних окреме слово, словник тексту та безпосередній контекст слова. Проаналізовано модель тексту на рівні морфем і фонем, одержано критерій визначення авторства на основі ознак, які важко контролюються свідомістю авторів текстів. Проаналізовано n-грамну модель тексту на рівні словоформ, досліджено метод розділення моделі на синтаксичну і семантичну та подальшого її об'єднання для одержання оптимізованої моделі. Сформульовано межі придатності для методу у вигляді теорем про структуру граматичних і лематичних класів. Проведено комп'ютерні експерименти, які перевіряють ефективність оптимізованої моделі.

Розглянуто питання підвищення ефективності протидії комп'ютерній лінгвістичній стеганографії на основі розробки та впровадження методу семантичного стиснення текстової інформації з втратами, що базується на дискурсному аналізі. Розроблено метод семантичного стиснення текстової інформації для протидії комп'ютерній лінгвістичній стеганографії, що забезпечує проведення атаки на лінгвістичну стегосистему з метою видалення стегоповідомлення шляхом семантичного стиснення тексту з урахуванням широкого спектру засобів стеганографії та початкової семантичної структури тексту. Метод забезпечує комплексний стегоаналіз текстових даних на основі дискурсного аналізу та відзначається можливістю виявлення та стиснення неосмислених текстів. Нова концепція дискурсного аналізу за допомогою інтенсіональної логіки сприяє ефективному дослідженню текстів будь-якої тематики та стилю. Методи реферування тексту та методи морфологічного і синтаксичного аналізу адаптовані для врахування можливого використання засобів стеганографії. Програмна реалізація методу доводить його ефективність для обробки великих масивів текстових даних англійською мовою. Крім того, реалізована система захисту програмного комплексу від перевантаження. Експериментальне дослідження виявило ефективність стиснення в межах від 64 % для речень до 79 % для осмислених текстів та 93 % для неосмислених текстів. Імовірність повного видалення стегоповідомлення в середньому не нижче 98,65 %. Розроблена система стегоаналізу охоплює значно ширший спектр досліджуваних елементів, порівняно з аналогами, а метод ефективно протидіє актуальним загрозам.

Визначено та досліджено науково-прикладні проблеми підвищення ефективності онтологічного аналізу, консолідації та вилучення знань з природномовних текстів в умовах обробки великого обсягу інформації з різнорідних предметних областей. Розроблено концептуально-методологічні основи обробки й аналізу природномовних текстів і побудови онтологій предметної області, які представляють базу для розробки аналітичних і практичних методів формування, уточнення та систематизації знань предметної області на основі семантичного аналізу та методів вилучення знань з природномовних текстів. Розроблено локально-статистичний метод виділення понять у зростаючих пірамідальних мережах, який дозволяє формувати поняття у нотації логіки висловлювань мінімальної довжини з максимальною підтримкою за поліноміальний час. Реалізовано, на основі застосування онтолого-керованих засобів створеної когнітивної ІТ- технології, цілий ряд мережецентричних інтерактивних систем знань за напрямками: освіти, музейної справи, охорони здоров'я, інформаційно-аналітичної та практичної діяльності установ різних галузей.