The object of research is the use of multi-agent systems for text data mining. The need for this study arose with a tendency to increase the amount of textual information generated in the world. Accordingly, it is necessary to develop and research methods of its processing, as well as ways to use the results of this processing, because the methods can’t exist in isolation from practice. At the same time, there is a development of multi-agent systems (MAS), where agents are endowed with some kind of intelligence, these systems can be easily scaled. The use of MAS for text analysis is a promising area.The following methods of text data analysis were used in this study: TF-IDF and RAKE methods, Word2Vec neural network models, and TextRank. The algorithms were compared for their work and the results were compared. The corpus of documents (10–12 texts, 5732–12331 words) from the subject areas of physics and biology were used as a test set. According to the results of the study, one method was chosen, on the basis of which the MAS was built to solve the problem. Additionally, Schulze methods (with one and several winners) were used for voting. With the received system additional researches concerning accuracy and speed of work, and also – influence are carried out system parameters for its operation.It has been found that TF-IDF-based analysis is useful for finding terms in documents with a weak context. The resulting system shows an accuracy of 75 % (3 of the 4 words proposed by the system are terms). The maximum operating time on test cases is 2–3 seconds, which is achieved through the use of parallel calculations and modification of the Schulze method. The results obtained in this paper are heuristic (ontology is a rather vague concept) and require additional elaboration by experts in the relevant fields. However, the results are positive within this experiment, Объектом исследования является использование мультиагентных систем для анализа текстовых данных. Необходимость данного исследования возникла с тенденцией к увеличению количества текстовой информации, генерируемой в мире. Соответственно, нужно разрабатывать и исследовать методы ее обработки, а также – способы использования результатов данной обработки, ведь методы не могут существовать в отрыве от практики. Одновременно с этим происходит развитие мультиагентных систем (МАС), в которых агенты наделены некоторого рода интеллектом, данные системы могут легко масштабироваться. Использование МАС для анализа текстов является перспективным направлением.В данном исследовании были использованы следующие методы анализа текстовых данных: методы TF-IDF и RAKE, модели нейронных сетей Word2Vec, а также TextRank. Проводилось сравнение алгоритмов на предмет их работы и сравнение результатов. В качестве тестового набора было использовано корпуса документов (10–12 текстов, 5732–12331 слов) из предметных областей физика и биология. По результатам исследования был выбран один метод, на основе которого была построена МАС для решения поставленной задачи. Дополнительно использованы методы Шульце (с одним и несколькими победителями) для голосования. С полученной системой проведены дополнительные исследования точности и скорости работы, а также – влияния параметров системы на ее работу.Обнаружено, что для поиска терминов в документах со слабым контекстом целесообразным является анализ на основе TF-IDF. Полученная система показывает точность в пределах 75 % (3 из 4 предложенных системой слов являются терминами). Время работы на тестовых корпусах – 2–3 секунды, что достигается с помощью использования параллельных вычислений и модификации метода Шульце. Полученные в данной работе результаты являются эвристическими (онтология является достаточно нечетким понятием) и требуют дополнительной проработки экспертами по соответствующим направлениям. Однако результаты положительны в рамках данного эксперимента., Об’єктом дослідження є використання мультиагентних систем для аналізу текстових даних. Необхідність даного дослідження виникла з тенденцією до збільшення кількості текстової інформації, що генерується у світі. Відповідно, потрібно розробляти та досліджувати методи її обробки, а також – способи використання результатів даної обробки, адже методи не можуть існувати у відриві від практики. Одночасно з цим відбувається розвиток мультиагентних систем (МАС), в яких агенти наділені деякого роду інтелектом, дані системи можуть легко масштабуватися. Використання МАС для аналізу текстів є перспективним напрямком.В даному дослідженні було використані наступні методи аналізу текстових даних: методи TF-IDF та RAKE, моделі нейронних мереж Word2Vec, а також TextRank. Проводилося порівняння алгоритмів на предмет їх роботи та порівняння результатів. У ролі тестового набору було використано корпуси документів (10–12 текстів, 5732–12331 слів) з предметних областей фізика та біологія. За результатами дослідження було обрано один метод, на основі якого було побудовано МАС для вирішення поставленої задачі. Додатково використано методи Шульце (з одним та декількома переможцями) для голосування. З отриманою системою проведені додаткові дослідження щодо точності та швидкості роботи, а також – впливу параметрів системи на її роботу.Виявлено, що для пошуку термінів в документах зі слабким контекстом доцільним є аналіз на основі TF-IDF. Отримана система показує точність в межах 75 % (3 з 4 запропонованих системою слів є термінами). Максимальний час роботи на тестових корпусах – 2–3 секунди, що досягається за допомогою використання паралельних обчислень та модифікації методу Шульце. Отримані в даній роботі результати є евристичними (онтологія є досить нечітким поняттям) та потребують додаткового опрацювання експертами з відповідних напрямів. Проте результати є позитивними в межах даного експерименту.