Добірка наукової літератури з теми "004.8+025.4"

The 3-hydroxyquinone derivative of the non-psychotrophic phytocannabinoid cannabigerol, so-called VCE-003.2, and some other derivatives have been recently investigated for neuroprotective properties in experimental models of Parkinson’s disease (PD) in mice. The pharmacological effects in those models were related to the activity on the peroxisome proliferator-activated receptor-γ (PPAR-γ) and possibly other pathways. In the present study, we investigated VCE-004.8 (formulated as EHP-101 for oral administration), the 3-hydroxyquinone derivative of cannabidiol (CBD), with agonist activity at the cannabinoid receptor type-2 (CB2) receptor in addition to its activity at the PPAR-γ receptor. Studies were conducted in both in vivo (lesioned-mice) and in vitro (SH-SY5Y cells) models using the classic parkinsonian neurotoxin 6-hydroxydopamine (6-OHDA). Our data confirmed that the treatment with VCE-004.8 partially reduced the loss of tyrosine hydroxylase (TH)-positive neurons measured in the substantia nigra of 6-OHDA-lesioned mice, in parallel with an almost complete reversal of the astroglial (GFAP) and microglial (CD68) reactivity occurring in this structure. Such neuroprotective effects attenuated the motor deficiencies shown by 6-OHDA-lesioned mice in the cylinder rearing test, but not in the pole test. Next, we explored the mechanism involved in the beneficial effect of VCE-004.8 in vivo, by analyzing cell survival in cultured SH-SY5Y cells exposed to 6-OHDA. We found an important cytoprotective effect of VCE-004.8 at a concentration of 10 µM, which was completely reversed by the addition of antagonists, T0070907 and SR144528, aimed at blocking PPAR-γ and CB2 receptors, respectively. The treatment with T0070907 alone only caused a partial reversal, whereas SR144528 alone had no effect, indicating a major contribution of PPAR-γ receptors in the cytoprotective effect of VCE-004.8 at 10 µM. In summary, our data confirmed the neuroprotective potential of VCE-004.8 in 6-OHDA-lesioned mice, and in vitro studies confirmed a greater relevance for PPAR-γ receptors rather than CB2 receptors in these effects.

Neutral cannabinoids are oxidatively unstable and are converted into quinone derivatives by atmospheric- and/or chemical oxidative dearomatization. The study of cannabinoquinones has long been plagued by their lability toward additional oxidative degradation, but full substitution of the quinone ring, as well as the introduction of steric hindrance on the alkyl substituent, have provided sufficient stability for a systematic investigation of their bioactivity and for further clinical development. These studies culminated in the discovery of the aminocannabinoquinone VCE-004.8 (5), a compound under phase 2 clinical development with orphan drug status by EMA and FDA for the management of scleroderma. The synthesis and rich chemistry of these compounds will be described, summarizing their biological profile and clinical potential.

Актуальність теми: для спрощення пошуку необхідної інформації серед наукових публікацій в Україні використовується бібліотечна класифікація. Проте наразі ця система є недосконалою, адже при класифікації допускаються помилки, а в деяких випадках вона виконується для збірника загалом, що призводить до часткової невідповідності для деяких статей, що в нього входять. Також виконання класифікації сторонньою людиною (наприклад, бібліотекарем чи редактором) вимагає багато часу. Вирішенням цієї проблеми є автоматизація процесу класифікації. За рахунок використання машинного навчання можна створити автоматичний класифікатор, яких дозволить покращити точність класифікації порівняно з ручною та прискорити класифікацію нових надходжень. Мета дослідження: створення класифікатора наукових статей за категоріями УДК на основі машинного навчання. Для реалізації поставленої мети були сформульовані наступні завдання: – систематизація існуючих алгоритмів класифікації текстових даних; – збір достатньої навчальних даних, розробка класифікатору на основі машинного навчання; – тестування та аналіз ефективності отриманого алгоритму; – визначення подальшого напрямку досліджень. Об’єкт дослідження: бібліотечна класифікація наукових статей. Предмет дослідження: алгоритми класифікації текстових даних. Методи дослідження: для розв’язання поставленої задачі використовувались наївний баєсів класифікатор, нейронні мережі, алгоритм зворотного поширення помилки. Наукова новизна: найбільш суттєвими науковими результатами магістерської дисертації є дослідження можливостей автоматизації класифікації наукових текстів; пошуку помилок у вже класифікованих текстах; створення алгоритмів класифікації для розрізнення категорій у текстів близьких тематик. Практичне значення отриманих результатів визначається тим, що запропонований алгоритм дозволяє досягти точності бібліотечної класифікації в 86%, що дозволяє використовувати його для пошуку і виправлення помилок у класифікації текстів, а також як допоміжного засобу при класифікації нових надходжень. Зв’язок роботи з науковими програмами, планами, темами: робота виконувалась на кафедрі автоматизованих систем обробки інформації та управління Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського» в рамках теми «Математичні моделі та технології в СППР». Державний реєстраційний номер 0117U000914 Апробація: основні положення роботи доповідались і обговорювались на XІІ науково-практичній конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» (ПМК-2019), а також на третій всеукраїнській науково-практичній конференції молодих вчених та студентів «Інформаційні системи та технології управління» (ІСТУ-2019).
Relevance: to simplify the search for relevant information among scientific publications in Ukraine, a library classification is used. However, this system is not perfect at this time, because classification is erroneous, and in some cases it is executed for the journal as a whole, which results in partial discrepancies for some of its articles. Also, it takes a long time to perform the classification by a third party (such as a librarian or editor). The solution to this problem is to automate the classification process. By using machine learning, automatic classifier can be created, which will improve the accuracy of the classification compared to manual and accelerate the classification of new revenues. Purpose: create a classifier of scientific articles by UDC categories based on machine learning. To achieve this goal, the following tasks were formulated: - systematization of existing text data classification algorithms; - gathering sufficient training data, developing a classifier based on machine learning; - testing and analysis of the efficiency of the obtained algorithm; - determining the further direction of research. Object of study: library classification of scientific articles. Subject of study: algorithms for classification of text data. Research methods: naive Bayes classifier, neural networks, backpropagation algorithm were used to solve this problem. Scientific novelty: the most significant scientific results of a master's thesis are the study of the possibilities of automation of the classification of scientific texts; search for mistakes in already classified texts; creation of classification algorithms for distinguishing categories in texts of similar subjects. The practical value of the obtained results is determined by the fact that the proposed algorithm allows to achieve the accuracy of library classification in 86%, which allows to use it for finding and correcting errors in the classification of texts, as well as an aid in the classification of new receipts. Relationship with working with scientific programs, plans, topics: work was performed at the Department of Automated Information Processing and Management Systems of the Igor Sikorsky National Technical University of Ukraine «Kyiv Polytechnic Institute» within the topic «Mathematical Models and Technologies in DSS». State Registration Number 0117U000914 Approbation: the main provisions of the work were reported and discussed at the XIII Scientific and Practical Conference of undergraduate and graduate students «Applied Mathematics and Computing» (AMP-2019), as well as at the third all-Ukrainian scientific and practical conference of young scientists and students «Information Systems and Technologies of Management» (ISTM-2019).

An information system is widely recognised as a technological-political system and it can be better understood from a political perspective. This research studies how an information system is socially and politically constructed through the implementation process. It posits that the process of information system implementation can be shaped and impacted by power relations and thus that failing to understand such phenomena will contribute to system failure. The aim of this research is to broaden the understanding of an information system from a power perspective. Particular emphasis is placed on power relations in organisations and how such relations impact the process of system implementation. In order to achieve this aim, the research applies an integrated theoretical framework based on power and discourse perspectives to two qualitative case studies carried out in companies in Thailand. The case studies were undertaken based on an interpretive mode of inquiry, which provides ways of understanding how the process of implementation of information systems was shaped and impacted by human actions and political processes. lnterpretivism helped to explore the complexity of human action and meanings that system participants assigned to those actions leading to the system implementation process. The main findings suggest that information system implementation can be impacted by power relations enacted through discursive actions of textual practices 2 I constituting discourse. Besides, a grand discourse can itself be a source of power that affects the system implementation process. The findings indicate that: i) knowledge integrated in discourse plays a prominent role in power relations, ii) discursive legitimacy could enable and at the same time delimit the exercise of power, and iii) an information system may be used as an apparatus for domination as well as human emancipation. The main findings are taken as significant contributions to both theory and practice in the information systems field. 3

The classification of notated Western art music is a perennial issue. This thesis analyses and models the knowledge organization of notated Western art music in order to elucidate a theoretical understanding of these classification issues and to offer new ways of viewing music classification in the future. This thesis also considers how music classification contributes to developments in general knowledge organization and compares the classification of Western art music across the library and information science (LIS) and music domains. The research is conducted using a number of analytical techniques, including examining music knowledge organization discourse, analysing examples of LIS classification schemes, unpicking discussions of classification in the music domain and analysing composer worklists in the music domain. After ascertaining how music classification fits into theories of faceted classification, three important facets of music are identified: medium, form and genre, and a quasi-facet of function. These three facets are explored in detail over five chapters: the binary vocal/instrumental categorisation; classifying numbers of instruments or voices, accompaniment, arrangements and “extreme” mediums; classifying musical instruments; classifying musical forms and genres; and the quasi-facet of function. Five resulting models of music classification are presented. Model 1 demonstrates the complexities of classifying musical medium, including the interlinked relationships between different parts of musical medium. Model 2 offers a solution to LIS classification’s largely binary view of vocal and instrumental categorisation by suggesting a novel new category: “vocinstrumental”. Model 3 illuminates the entrenched dependencies between facets of music, highlighting one of the structural issues with LIS classifications of music. Model 4 offers an original structure of music classification, proposing a simultaneous faceted and genre-based system. Model 5 compares classification in the music and LIS domains, offering a novel way of considering domain-based classification by codifying various types of relationships between the LIS and domain classifications. This thesis also contributes to the theory and practice of knowledge organization in general through the development of novel frameworks and methodologies to analyse classification schemes: the multiplane approach, reception-infused analysis, webs of Wirkungs (connections) between classification schemes and stress-testing.

Актуальність проблеми. Глобалізація та збільшення числа населення сприяють розвитку галузей пов’язаних зі спостереженням за людською активністю, а отже — появі нових засобів для спостереження за різноманітними показниками діяльності людини та способів аналізу цих показників. Враховуючи дані фактори, важливо в сучасному світі правильно використовувати такі об’єми даних в умовах ринку. Якщо мова йде про, наприклад, догляд за літніми людьми, то важливо правильно проаналізувати та спробувати розпізнати ту, чи іншу активність людини, це може допомогти збільшити тривалість життя літніх людей. Зв’язок роботи з науковими програмами, планами, темами. Дипломну роботу (магістерського) рівня вищої освіти було виконано в Національному технічному університеті України «Київський політехнічний інститут імені Ігоря Сікорського» відповідно до планів науково-дослідних робіт кафедри обчислювальної техніки. Мета і задачі дослідження. Завданням цієї роботи є дослідження можливості розпізнавання людської активності на основі даних носимих пристроїв. Метою є розроблення системи, побудованої на базі нейронної мережі, здатної розпізнати людську активність та надати їх користувачеві за допомогою кросплатформеного додатку. Об’єкт дослідження. Процес розпізнавання людської активності з використанням елементів нейронної мережі. Предмет дослідження. Методи аналізу та обробки даних отриманих з носимих пристроїв в реальному часі. Новизна. Запропоновано новий спосіб розпізнавання людської активності на основі даних носимих пристроїв, який за рахунок використання нейронної мережі, дозволяє отримати результати розпізнавання в реальному часі з високою точністю.
The urgency of the problem. Globalization and population growth are contributing to the development of areas related to human activity monitoring, and thus to the emergence of new tools for monitoring various human performance indicators and ways to analyze these indicators. Given these factors, it is important in today's world to properly use such volumes of data in market conditions. When it comes to, for example, caring for the elderly, it is important to properly analyze and try to recognize a particular human activity, it can help increase the life expectancy of the elderly. Relationship with working with scientific programs, plans, topics. Thesis of master's level of higher education was performed at the National Technical University of Ukraine "Kyiv Polytechnic Institute named after Igor Sikorsky" in accordance with the plans of research work of the Department of Computer Science. The purpose and objectives of the study. The aim of this work is to study the possibility of recognizing human activity based on the data of wearable devices. The aim is to develop a system built on a neural network capable of recognizing human activity and providing it to the user through a cross-platform application. Object of study. The process of recognizing human activity using elements of the neural network. Subject of study. Methods of analysis and processing of data obtained from wearable devices in real time. Novelty. A new method of recognizing human activity based on the data of wearable devices is proposed, which, due to the use of a neural network, allows to obtain real-time recognition results with high accuracy.

Тема штучного інтелекту є актуальною у сучасній науці та взагалі у суспільстві, адже наука не стоїть на місці і з кожним днем ми все стрімкіше наближаємося до машинізації, тож давайте розглянемо цю проблему. Штучний інтелект ("artificial intelligence", AI) відноситься до моделювання людського інтелекту в машинах, які запрограмовані думати як людина і імітувати її дії. Тому через постійний прогрес скоро можна буде спостерігати за впровадженням штучного інтелекту і в психологію.

Використані джерела: 1. Вавіленкова А.І. Структура системи порівняльного аналізу електронних текстових документів за змістом / А. Вавіленкова // Вісник Національного університету "Львівська політехніка". Комп’ютерні науки та інформаційні технології. - 2017. – № 864. – С. 277-285. URL:http://nbuv.gov.ua/UJRN/VNULPKNIT_2017_864_36 2. Вавіленкова А.І. Теоретичні основи аналізу електронних текстів: монографія. – К.:ТОВ «СІК ГРУП УКРАЇНА», 2016. URL: http://er.nau.edu.ua/handle/NAU/42695
З розвитком науки та технологій ми можемо отримати багато нових можливостей для доступу до знань, але при цьому розвиваються старі та створюються нові проблеми в галузі освіти. Технології, що дозволяють отримати блискавичний доступ до багатьох джерел інформації та наукових робіт є однією з причин гострої проблеми плагіату цих наукових робіт.

L'émergence du Web sémantique a mené à une adoption rapide du format RDF (Resource Description Framework) pour décrire les données et les liens entre elles. Ce modèle de graphe est adapté à la représentation des liens sémantiques entre les objets du Web qui sont identifiés par des IRI. Les applications qui publient et échangent des données RDF potentiellement sensibles augmentent dans de nombreux domaines : bio-informatique, e-gouvernement, mouvements open-data. La problématique du contrôle des accès aux contenus RDF et de l'exposition sélective de l'information en fonction des privilèges des requérants devient de plus en plus importante. Notre principal objectif est d'encourager les entreprises et les organisations à publier leurs données RDF dans l'espace global des données liées. En effet, les données publiées peuvent être sensibles, et par conséquent, les fournisseurs de données peuvent être réticents à publier leurs informations, à moins qu'ils ne soient certains que les droits d'accès à leurs données par les différents requérants sont appliqués correctement. D'où l'importance de la sécurisation des contenus RDF est de l'exposition sélective de l'information pour différentes classes d'utilisateurs. Dans cette thèse, nous nous sommes intéressés à la conception d'un contrôle d'accès pertinents pour les données RDF. De nouvelles problématiques sont posées par l'introduction des mécanismes de déduction pour les données RDF (e.g., RDF/S, OWL), notamment le problème de fuite d'inférence. En effet, quand un propriétaire souhaite interdire l'accès à une information, il faut également qu'il soit sûr que les données diffusées ne pourront pas permettre de déduire des informations secrètes par l'intermédiaire des mécanismes d'inférence sur des données RDF. Dans cette thèse, nous proposons un modèle de contrôle d'accès à grains fins pour les données RDF. Nous illustrons l'expressivité du modèle de contrôle d'accès avec plusieurs stratégies de résolution de conflits, y compris la Most Specific Takes Precedence. Nous proposons un algorithme de vérification statique et nous montrons qu'il est possible de vérifier à l'avance si une politique présente un problème de fuite d'inférence. De plus, nous montrons comment utiliser la réponse de l'algorithme à des fins de diagnostics. Pour traiter les privilèges des sujets, nous définissons la syntaxe et la sémantique d'un langage inspiré de XACML, basé sur les attributs des sujets pour permettre la définition de politiques de contrôle d'accès beaucoup plus fines. Enfin, nous proposons une approche d'annotation de données pour appliquer notre modèle de contrôle d'accès, et nous montrons que notre implémentation entraîne un surcoût raisonnable durant l'exécution
The emergence of the Semantic Web has led to a rapid adoption of the RDF (Resource Description Framework) to describe the data and the links between them. The RDF graph model is tailored for the representation of semantic relations between Web objects that are identified by IRIs (Internationalized Resource Identifier). The applications that publish and exchange potentially sensitive RDF data are increasing in many areas: bioinformatics, e-government, open data movement. The problem of controlling access to RDF content and selective exposure to information based on privileges of the requester becomes increasingly important. Our main objective is to encourage businesses and organizations worldwide to publish their RDF data into the linked data global space. Indeed, the published data may be sensitive, and consequently, data providers may avoid to release their information, unless they are certain that the desired access rights of different accessing entities are enforced properly, to their data. Hence the issue of securing RDF content and ensuring the selective disclosure of information to different classes of users is becoming all the more important. In this thesis, we focused on the design of a relevant access control for RDF data. The problem of providing access controls to RDF data has attracted considerable attention of both the security and the database community in recent years. New issues are raised by the introduction of the deduction mechanisms for RDF data (e.g., RDF/S, OWL), including the inference leakage problem. Indeed, when an owner wishes to prohibit access to information, she/he must also ensure that the information supposed secret, can’t be inferred through inference mechanisms on RDF data. In this PhD thesis we propose a fine-grained access control model for RDF data. We illustrate the expressiveness of the access control model with several conict resolution strategies including most specific takes precedence. To tackle the inference leakage problem, we propose a static verification algorithm and show that it is possible to check in advance whether such a problem will arise. Moreover, we show how to use the answer of the algorithm for diagnosis purposes. To handle the subjects' privileges, we define the syntax and semantics of a XACML inspired language based on the subjects' attributes to allow much finer access control policies. Finally, we propose a data-annotation approach to enforce our access control model, and show that our solution incurs reasonable overhead with respect to the optimal solution which consists in materializing the user's accessible subgraph to enforce our access control model, and show that our solution incurs reasonable overhead with respect to the optimal solution which consists in materializing the user's accessible subgraph

У роботі вирішено актуальну науково-прикладну задачу підвищення ефективності протидії комп’ютерним вірусам, за рахунок дослідження і розробки нових нейромережевих моделей, методів і засобів розпізнавання комп’ютерних вірусів, здатних оперативно пристосовуватись до умов використання і реагувати на виникнення нових видів вірусів. У дисертаційній роботі проведено аналіз сучасних нейромережевих моделей та методів розпізнавання комп’ютерних вірусів, що показав наявність низки недоліків, пов’язаних з високою потребою в обчислювальних ресурсах, низькою адаптованістю до проведення аналізу обфускованого програмного коду та недостатньою ефективністю розпізнавання. Розроблено концептуальну модель оцінювання глибоких нейронних мереж. Розроблено модель формування параметрів навчальних прикладів глибокої нейронної мережі. Розроблено метод визначення архітектурних параметрів глибокої нейронної мережі, призначеної для розпізнавання вірусів. Отримав подальший розвиток метод нейромережевого розпізнавання комп’ютерних вірусів. Розроблене спеціалізоване програмне забезпечення, що базується на створених нейромережевих методах та моделях, дозволило забезпечити достатню точність розпізнавання комп’ютерних вірусів та забезпечити оперативність створення алгоритмів функціонування апаратно-програмних засобів захисту інформації.

Магістерська дисертація: 88 с., 20 рис., 27 табл., 1 додаток, 33 джерел. Актуальність проблеми. Глобалізація та збільшення числа населення сприяють розвитку глобальної економіки, а отже — появі нових видів госпо-дарської діяльності та нових гравців на ринку праці. При реалізації власного підприємства важливо правильно оцінити ризики ринку, проаналізувавши та спробувавши спрогнозувати рух котирувань на найближчий час задля мінімальних фінансових втрат. Зв’язок роботи з науковими програмами, планами, темами. Наразі, не має конкретних зв’язків з науковими програмами чи планами. Мета і задачі дослідження. Завданням цієї роботи є дослідження мож-ливості прогнозування економічних параметрів підприємств на прикладі цін на акції компаній на фондовій біржі. Метою є розроблення системи, побудо-ваної на базі нейронної мережі, здатної проаналізувати задані економічні по-казники та, на основі отриманих даних спрогнозувати їхню динаміку. Об’єкт дослідження. Процес прогнозування економічних показників з використанням елементів нейронної мережі. Предмет дослідження. Методи аналізу та обробки економічних даних за певний період. Новизна. Отримання програмного продукту, що здатний прогнозувати коливання економічних показників. Дослідження можливості реалізації мо-делі на основі нейронної мережі для виконання поставленої мети та завдань.
Master's Thesis: 88 pp., 20 figs., 27 tables, 1 appendix, 33 sources. The urgency of the problem. Globalization and population growth are con-tributing to the development of the global economy and, consequently, to the emergence of new types of economic activity and new players in the labor market. When implementing your own business it is important to properly evaluate the risks of the market, analyzing and trying to predict the movement of quotations in the near future for minimal financial losses. Relationship with working with scientific programs, plans, topics. Cur-rently, it has no specific links to scientific programs or plans. The purpose and objectives of the study. The purpose of this work is re-search possibility of forecasting the economic parameters of enterprises on the ex-ample of stock prices of companies on the stock exchange. The purpose is to de-velop a system based on a neural network, capable of analyzing specified economic indicators and, based on the data obtained, to predict their dynamics. Object of study. The process of forecasting economic performance using neural network elements. Subject of study. Methods of analysis and processing of economic data for a certain period. Novelty. Obtaining a software product capable of predicting economic fluc-tuations. Investigation of the possibility of creating a universal model based on a neural network, which would not require specialization and would be able to work effectively with any set of input data without further training.

Un des premiers modèles d'indexation de documents qui utilise des termes comme descripteurs était une structure de treillis, cela une vingtaine d'années avant l'arrivée de l'analyse formelle de concepts (FCA pour "Formal Concept Analysis"), qui s'affirme maintenant comme un formalisme théorique important et solide pour l'analyse de données et la découverte de connaissances. Actuellement, la communauté en recherche d'information (RI) s'intéresse particulièrement à des techniques avancées pour la recherche des documents qui relèvent des probabilités et des statistiques. En parallèle, l'intérêt de la communauté FCA au développement de techniques qui font avancer l'état de l'art en RI tout en offrant des fonctionnalités sémantiques lui est toujours bien vivant. Dans cette thèse, nous présentons un ensemble de contributions sur ce que nous avons appelé les systèmes FCA de recherche d'information ("FCA-based IR systems''). Nous avons divisé nos contributions en deux parties, à savoir l'extraction et l'indexation. Pour la récupération, nous proposons une nouvelle technique qui exploite les relations sémantiques entre les descripteurs dans un corpus de documents. Pour l'indexation, nous proposons un nouveau modèle qui permet de mettre en oeuvre un modèle vectoriel d'indexation des documents s'appuyant sur un treillis de concepts (ou treillis de Galois). En outre, nous proposons un modèle perfectionné pour l'indexation hétérogène dans lequel nous combinons le modèle vectoriel et le modèle de recherche booléen. Finalement, nous présentons une technique de fouille de données inspiré de l'indexation des documents, à savoir un modèle d'énumération exhaustive des biclusters en utilisant la FCA. Le biclustering est une nouvelle technique d'analyse de données dans laquelle les objets sont liés via la similitude dans certains attributs de l'espace de description, et non pas par tous les attributs comme dans le "clustering'' standard. En traduisant ce problème en termes d'analyse formelle de concepts, nous pouvons exploiter l'algorithmique associée à la FCA pour développer une technique d'extraction de biclusters de valeurs similaires. Nous montrons le très bon comportement de notre technique, qui fonctionne mieux que les techniques actuelles de biclustering avec énumération exhaustive
One of the first models ever to be considered as an index for documents using terms as descriptors, was a lattice structure, a couple of decades before the arrival of Formal Concept Analysis (FCA) as a solid theory for data mining and knowledge discovery.While the Information Retrieval (IR) community has shifted to more advanced techniques for document retrieval, like probabilistic and statistic paradigms, the interest of the FCA community on developing techniques that would improve the state-of-the-art in IR while providing relevance feedback and semantic based features, never decayed. In this thesis we present a set of contributions on what we call FCA-based IR systems. We have divided our contributions in two sets, namely retrieval and indexing. For retrieval, we propose a novel technique that exploits semantic relations among descriptors in a document corpus and a new concept lattice navigation strategy (called cousin concepts), enabling us to support classification-based reasoning to provide better results compared with state-of-the-art retrieval techniques. The basic notion in our strategy is supporting query modification using "term replacements'' using the lattice structure and semantic similarity. For indexing, we propose a new model that allows supporting the vector space model of retrieval using concept lattices. One of the main limitations of current FCA-based IR systems is related to the binary nature of the input data required for FCA to generate a concept lattice. We propose the use of pattern structures, an extension of FCA to deal with complex object descriptions, in order to support more advanced retrieval paradigms like the vector space model. In addition, we propose an advanced model for heterogeneous indexing through which we can combine the vector space model and the Boolean retrieval model. The main advantage of this approach is the ability of supporting indexing of convex regions in an arbitrary vectorial space built from a document collection. Finally, we move forward to a mining model associated with document indexing, namely exhaustive bicluster enumeration using FCA. Biclustering is an emerging data analysis technique in which objects are related by similarity under certain attributes of the description space, instead of the whole description space like in standard clustering. By translating this problem to the framework of FCA, we are able to exploit the robust machinery associated with the computation of concept lattices to provide an algorithm for mining biclusters based on similar values. We show how our technique performs better than current exhaustive enumeration biclustering techniques