Разработка лингвосемантических методов обработки экспертной информации для ситуационных центров органов государственной власти тема диссертации и автореферата по ВАК 05.13.01, кандидат технических наук Тарасов, Елизар Саввич

Диссертация и автореферат на тему «Разработка лингвосемантических методов обработки экспертной информации для ситуационных центров органов государственной власти». disserCat — научная электронная библиотека.
Автореферат
Диссертация
Артикул: 422093
Год: 
2011
Автор научной работы: 
Тарасов, Елизар Саввич
Ученая cтепень: 
кандидат технических наук
Место защиты диссертации: 
Краснодар
Код cпециальности ВАК: 
05.13.01
Специальность: 
Системный анализ, управление и обработка информации (по отраслям)
Количество cтраниц: 
198

Оглавление диссертации кандидат технических наук Тарасов, Елизар Саввич

Введение.

1 АНАЛИТИЧЕСКИЙ ОБЗОР ПРОБЛЕМ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКОГО ОБЕСПЕЧЕНИЯ ДЕЯТЕЛЬНОСТИ СИТУАЦИОННЫХ ЦЕНТРОВ ОРГАНОВ ГОСУДАРСТВЕННОЙ ВЛАСТИ.

1.1 Актуальность проблем информационно-аналитического обеспечения экспертной деятельности. Роль и место процедур обработки экспертной информации в контуре принятия решений.

1.2 Аналитический обзор архитектуры построения СЦ органов государственной власти, подходов к обеспечению их функционирования.

1.3 Цели, задачи и методы исследования проблем обработки естественноязыковой информации в составе СЦ органов государственной власти.

1.4 Выводы.

2 РАЗРАБОТКА МЕТОДОВ, МОДЕЛЕЙ И АЛГОРИТМОВ ЛИНГВОСЕМАНТИЧЕСКОГО АНАЛИЗА И ОБРАБОТКИ ЕСТЕСТВЕННО-ЯЗЫКОВОЙ ИНФОРМАЦИИ.

2.1 Особенности применения системного подхода в рамках информационно-аналитического обеспечения процедур функционирования СЦ.'.

2.2 Анализ подходов к использованию естественно-языковой информации в СЦ органов государственной власти.

2.3 Разработка подходов к автоматизации процедур информационно-аналитического обеспечения деятельности СЦ на основе методов обработки экспертной информации.;.

2.4 Выводы.

3 РЕАЛИЗАЦИЯ РАЗРАБОТАННЫХ МЕТОДОВ И АЛГОРИТМОВ В СОСТАВЕ СИТУАЦИОННЫХ ЦЕНТРОВ ОРГАНОВ ГОСУДАРСТВЕННОЙ ВЛАСТИ.

3.1 Разработка требований к архитектуре и видам обеспечения интеллектуальной подсистемы информационно-аналитического обеспечения экспертиз в СЦ.

3.2 Разработка подходов к реализации подсистемы обработки экспертной информации и ее интеграции в СЦ органов государственной власти.

3.3 Модель взаимодействия участников автоматизированных процедур организации и проведения экспертиз.

3.4 Выводы.

4 РАЗРАБОТКА ПРОГРАММНОГО КОМПЛЕКСА «ЭКСПЕРТ».

4.1 Разработка требований к платформе и инструментальным средствам реализации ПК «Эксперт».

4.2 Разработка архитектуры, структуры и регламента функционирования программного комплекса «Эксперт».

4.3 Описание процедуры использования программного комплекса «Эксперт» в контуре принятия решений.

4.4 Выводы.

5 ОЦЕНКА ЭФФЕКТИВНОСТИ ИСПОЛЬЗОВАНИЯ

ПРОГРАММНОГО КОМПЛЕКСА.

5.1 Методики оценки эффективности алгоритмов и программного комплекса «Эксперт».

5.2 Описание тестовых выборок и хода проведения эксперимента.

5.3 Анализ полученных экспериментальных результатов.,.

5.4 Выводы.

Введение диссертации (часть автореферата) На тему "Разработка лингвосемантических методов обработки экспертной информации для ситуационных центров органов государственной власти"

В связи с быстро меняющейся обстановкой в стране . и мире, возникающими социально-экономическими и политическими кризисами и угрозами национальной безопасности неуклонно повышаются требования к информационному обеспечению государственного управления, осуществляемого различными ветвями власти в Российской Федерации. Суть этих требований - в незамедлительном представлении в полном объеме информационных ресурсов, необходимых для выработки и принятия важных государственных решений независимо от места и времени пребывания главы государства. При этом весьма актуальны задачи формирования ресурсов не только органами различных ветвей и уровней власти, но и полученных в результате сбора и анализа мнений экспертов и социальных групп по особо важным проблемам, а также обработки сообщений печатных и электронных средств массовой информации и из сети Интернет.

Такие задачи, как компьютерная обработка больших . массивов естественно-языковых текстов (ЕЯ-текстов), естественно-языковое взаимодействие системы с пользователем, создание больших банков информации на основе естественных языков (ЕЯ), .разработка языков посредников в многоязычной информационной среде, приобретают особую актуальность в связи с развитием глобальных компьютерных сетей и формированием больших объемов распределенных данных [54, 55].

Решение этих задач должно быть обеспечено путем внедрения передовых информационных технологий сбора, обработки и консолидации различных типов и форм данных, представления самых разнообразных информационно -технологических и аналитических услуг. Это обуславливает необходимость создания эффективной системы информационно-аналитического обеспечения деятельности органов государственной власти [64-66].

Качественное решение задач по информационно-аналитическому, информационно-справочному обслуживанию во многом зависит от эффективности применяемого инструментария - комплекса информационно-аналитических и информационно-справочных систем. В. составе комплекса важную роль играют информационно-справочные системы общего назначения, которые обеспечивают интеграцию и ведение отдельных ресурсов и могут быть полезны как при анализе общественно-политических процессов, так и при экспертной оценке социально-экономической ситуации.

Анализ опыта разработки сложных информационных систем обработки разнородной информации показывает, что строго формализованные методы анализа, моделирования и прогнозирования, в том числе статистйческие и методы математического моделирования, являются несостоятельными в целом ряде ситуаций. В общем, это является проявлением несоответствия характеристик изучаемого объекта допускам и возможностям методологии исследования, а также используемого инструментария, сколь бы технологически совершенно он не был реализован.

Такого рода характеристиками объектов на сегодняшний день являются как сложность проблем, решаемых ОГВ, так и хаотичность развития ситуации и ее окружения. Следствием такого несоответствия становится общая тенденция к усложнению и бюрократизации структур управления. Все вышесказанное приводит к необходимости частой констатации отсутствия у объектов мониторинга, контроля и управления стабильных во времени структурных и поведенческих характеристик. Исчезновение свойства инерционности, а, следовательно, невозможность выделения эволюционных этапов в развитии систем ведет к отсутствию как достоверной статистической базы по объектам исследования, так и обоснованной теории развития рассматриваемых систем, невозможности или нецелесообразности преодоления этих проблем в рамках сроков, приемлемых с точки зрения управления и принятия решений [23, 49, 54].

Кроме того, часто на начальных стадиях изучения проблемы либо в ходе рассмотрения долгосрочных перспектив развития исследователь сталкивается с тем, что вынужден иметь дело лишь с качественным описанием систем. Таким образом, следует признать наличие существенных ограничений, накладываемых на допустимые методы анализа со стороны как способов описания систем, так и способов представления информации по ним.

Как правило, решение в этих условиях задач контроля, принятия решений, управления и прогнозирования требует определения целей развития исследуемой системы, осуществления их упорядочивания и сравнения, выделения существенных факторов достижения целей, обоснования и формирования стратегий достижения целей и механизмов их реализации, учитывающих комплексную эффективность прогнозирования альтернатив развития и их следствий и т.п. [26, 64-66]. *

Все упомянутые ситуации, требующие использования инструментария экспертного оценивания, принятия решения и прогнозирования, сопряжены в подавляющем большинстве случаев с обоснованием в условиях крайней неопределенности не только процессов и взаимодействий, но и главным образом самих изучаемых систем, ситуаций и т.д.

В современных системах поддержки принятия решений в условиях неполноты или противоречивости исходной информации о рассматриваемой проблеме, ее связи со многими предметными областями экспертиза остается одним из наиболее эффективных механизмов контура принятия решений и аналитической обработки. Однако теоретические подходы и предложения к практической реализации процедур организации и проведению такого рода экспертиз еще недостаточно разработаны. В этой связи актуальным становятся вопросы, связанные с привлечением к процедуре групповой оценки квалифицированных экспертов в той или иной прёдметной области - в зависимости от специфики и направленности проводимой экспертизы [58-61].

Недостаточная эффективность существующих методов и подходов к организации процедур подбора экспертов в конкретных предметных областях обуславливает необходимость разработки методологии и прикладных алгоритмов системного анализа, направленных на решение этих задач, что позволит повысить адекватность и обоснованность выводов проводимых экспертиз сформированными группами специалистов.

В рамках решения этих задач особый интерес представляет круг вопросов, связанный с определением и формализацией конкретных проблем в рамках интересующей предметной области исследования, их последующего анализа, а также процедур организации и проведения экспертизы сформированными проблемно-ориентированными экспертными группами — как по уже полученным результатам, так и в режиме реального времени. Другими словами, представляется необходимым разработать методику применения набора теоретических формальных и неформальных подходов к формулированию проблемы, ее анализу, формализации и последующему подбору специалистов для формирования экспертных групп [62].

Предлагаемый подход обеспечит, с одной стороны, значительное повышение эффективности и экономию временных, финансовых и трудовых ресурсов, обоснованности принимаемых решений, особенно в условиях неполноты и противоречивости исходной информации, а с другой -возможность системного учета экспертных знаний в дальнейшем принятии решений, частичной автоматизации этих процессов и обеспечение требуемого уровня управляемости и контроля над процедурами принятия решений и их дальнейшей реализацией.

Привлечение экспертных групп к решению проблем в ситуационных центрах позволит достичь требуемого уровня эффективности принимаемых решений, надежности и оперативности их оценки и реализации, что обеспечивается спецификой распределённой архитектуры комплекса и его функционированием в режиме реального времени. Такая платформа обеспечивает использование опыта и знаний проблемно-ориентированной экспертной группы в целях полномасштабного контроля и управления всеми этапами жизненного цикла процесса принятия решений.

Заключение диссертации по теме "Системный анализ, управление и обработка информации (по отраслям)", Тарасов, Елизар Саввич

Основные выводы и результаты работы

В диссертационной работе формально поставлены и решены основные задачй лингвосемантического анализа естественно-языковых описаний с учетом факторов их неопределенности, неполноты и противоречивости. Разработаны подходы, методики и алгоритмы анализа и формализации информации, представленной на естественном языке. При этом получен ряд новых результатов, к числу которых отнсятся:

1. Усовершенствованные математические модели и алгоритмы лингвосемантического анализа, формализации и обобщения естественноязыковых описаний, основанные на комплексном использовании результатов лингвистического, лексического и синтаксического видов анализа,- что повышает эффективность формализации ЕЯ-описаний и адекватность используемого ЕМ-алгоритма в контуре обучения;

2. Методика, модели и алгоритм построения моделирующих семантических . сетей для формального представления ЕЯ-описаний и экспертной информации, отличающийся от традиционно используемых метрик включением модуля кластеризации лексических образцов для определения семантически связанных терминов, что повышает, эффективность и понижает вычислительную сложность алгоритма с ростом рассматриваемых параметров;

3. Подход к формированию итоговых обобщений ЕЯ-описаний и получаемой экспертной информации, заключающийся в формировании семантических пространств- максимальной близости на основе применения ЕМ-алгоритма к

• результатам лингвосемантического анализа и дающий возможность исключать из рассмотрения неинформативных либо незначимых терминов, а также управлять скоростью обучения с помощью задания величины порога близости.

4. Принципы и методика интеграции разработанных моделей и алгоритмов в состав ситуационных центров органов государственной власти с использованием инструментальных средств Data Mining. Сформированы требования к распределенной клиент-серверной архитектуре комплекса «Эксперт», видам обеспечения, подходы к его разработке и реализации в составе СЦ. Выделен ряд функциональных подсистем, обеспечивающих эффективную деятельность разработанного модуля: визуализации и представления данных; формирования проблемно-ориентированных экспертных групп; организации и проведения экспертиз.

5. Модель и регламент информационного взаимодействия участников процедур принятия решений, в которых выделены и описаны автоматизированный и «экспертный» контуры. Предложена структура программного комплекса со включением модулей- лингвистического, морфологического, синтаксического и семантического видов анализа, реализующих разработанные алгоритмы и методики в применении к формированию проблемно-ориентированных экспертных групп в СЦ ОГВ, анализу, обобщению и формализации результатов экспертизы;

6. Самостоятельный практический интерес представляет программная реализация комплекса «Эксперт» на основе полученных теоретических результатов, с использованием архитектуры клиент-сервер и технологий интеллектуального анализа данных с учетом сформулированных требований к функциональности, режимам работы, программно-аппартаной совместимости, интегрируемости и управленнию.

7. Методика оценка эффективности разработанных подходов, алгоритмов и их практической реализации, проведен сравнительный анализ эффективности и адекватности теоретического аппарата и разработанного программного комплекса с имеющимися метриками, алгоритмами и подходами - на основе коэффициентов корреляции, Спирмена, Пирсона и обработки эталонных наборов данных. Результаты оценки подтвердили вывод о достаточной адекватности, надежности и эффективности разработанных методик и алгоритмов.

Заключение

Предложенные в работе методики и алгоритмы на основе системного подхода к обеспечению анализа и обработке экспертной информации в ситуационных центрах органов государственной власти основаны на применении методик лингвосемантического анализа, обработки и формализации естественноязыковых описаний с последующей реализацией в ИАС Ситуационных центров для автоматизации контуров мониторинга, контроля и принятия решений.

Разработанный программный комплекс «Эксперт» позволяет повысить эффективность решения следующих задач:

- сбор, первичную обработку и при необходимости - формализацию результатов мониторинга для аналитического обеспечения деятельности ОГВ;

- разработку эффективной Системы критериев оценки выполнения программных и текущих контролируемых ОГВ мероприятий;

- оценку целевых индикаторов объектов управления (региона, муниципального образования, округа) и разработку рекомендаций по устранению обнаруженных отклонений;

- прогнозные оценки выполнения мероприятий;

- организацию и проведение выборочной (при необходимости — полномасштабной) экспертизы отчетных материалов с помощью формируемой проблемно-ориентированной экспертной группы или же в автоматизированном режиме;

- оценку результатов и эффективности выполнения текущих проектов и программ в ОГВ на основе разработанного комплекса моделей;

- обнаружение, анализ и оценку факторов, оказывающих негативное влияние на выполнение проектов, разработку рекомендаций по их устранению;

Программная часть комплекса реализует разработанный математический и алгоритмический . аппараты, поддерживая в случае необходимости распределенные режимы работы с учетом факторов стабильности, функциональности и защищенности, в том числе выполняет процедуры извлечения данных из разнородных источников, согласовывает, агрегирует и преобразовывает эти данные в аналитическую информацию; поддерживая различные методы анализа данных и их представление в различных форматах.

На данный момент разработаны механизмы интеграции ПК «Эксперт» с подсистемами мониторинга, анализа,' прогнозирования и СППР в составе СЦ ОГВ, с БД и системами критериев (целевых индикаторов), а также визуальной динамической средой отображения.

В рамках Ситуационного центра разработан и протестирован регламент взаимодействия участников информационно-аналитической деятельности, схема управления данными и информационного обслуживания с применением разработанного программного и иных видов обеспечения аналитического сопровождения ОГВ.

Исследованы вопросы организации и функционирования подсистемы мониторинга' программных мероприятий в составе ситуационного центра, сформулированы и проанализированы ее цели, задачи и функции, приведен обзор наиболее эффективных методик и подходов к организации процесса мониторинга, проанализированы технологии и методы организации подсистемы на основе разработанной интеллектуальной архитектуры, определен порядок действий при подготовке и проведении мониторинга.

Разработан и сертифицирован алгоритм поддержки принятия управленческих решений на основе комплексного применения формальных и неформальных методов со включением описанных автоматизированного и «экспертного» контуров: использование баз данных и знаний информационно-аналитических систем ситуационного центра в случае получения корректного, допустимого множества альтернатив, а при отсутствии таковых — взаимодействие с формируемыми внешними группами экспертов для оперативного и эффективного принятия решений и организации выборочной либо полномасштабной экспертизы отчетов по выполнению мероприятий Программы. Вновь полученные экспертные знания интегрируются в базу знаний ситуационного центра для обработки информационно-аналитической системой и дальнейшего использования специалистами и ЛПР.

Разработаны и апробированы методики формирования экспертных групп на основе интеллектуальных методов, структуризации проблемы, ее формального описания, семантического и морфологического анализа, оценки эффективности сформированной группы, организации ее работы в • ситуационном центре.

В условиях неопределенности выбора и нечеткости исходной информации СЦ с интегрированным ПК «Эксперт» поддерживает все этапы принятия управленческих решений в ОГВ и оказывает эффективную помощь руководителю в сложившейся ситуации, взаимодействуя в том числе и с подсистемами мониторинга, моделирования и прогнозирования, а при необходимости - и с привлечением внешней экспертной группы из числа наиболее компетентных специалистов по соответствующим предметным областям. Применение такого подхода позволит расширить круг решаемых задач и позволит оптимизировать процессы принятия управленческих решений.

Список литературы диссертационного исследования кандидат технических наук Тарасов, Елизар Саввич, 2011 год

1. Апресян Ю.Д. Лексическая семантика. Синонимические средства языка. М., Наука, 1974,367 с.

2. Бабак В.Ф., Рыженко И.Н. Аспекты проектирования информационных систем // Тезисы конференции посвященной 200-ю со дня рождения Пушкина. —Бишкек: КРСУ, июль 1999. — 356с.

3. Байдун В.В., Литвинцева Л.В., Налитов С.Д. Графические средства для построения систем когнитивной графики и виртуальных миров// Программные продукты и системы. — М., 1995. — с. 7-13.

4. Благовещенская М.М., Злобин Л.А. Информационные технологии систем управления технологическими процессами. М.: Высшая школа 2005.

5. Боженюк A.B., Котов Э.М., Целых A.A. Интеллектуальные интернет-технологии. — город.: Феникс, 2009. —382с.

6. Борисов А.Н., Левченков A.C. Методы интерактивной оценки решений. — Рига: Зинатне, 1982. — 250 с.

7. Бусленко В.И. Автоматизация имитационного моделирования сложных систем. М., 1977. 427 с.

8. Волкова В.Н., Денисов A.A., Темников Ф.Е. Методы формализованного представление систем. СПб.: СПбГТУ, 1997. —107 с.

9. Воронина И.Е. Компьютерное моделирование лингвистических объектов: монография / И. Е. Воронина. — Воронеж: Издательск'о- полиграфический центр ВГУ, 2007. — 177 с.

10. Воронина И.Е. Метод последовательной фильтрации при разработке лингвистического обеспечения информационных процессов / И. Е. Воронина, А. А. Кретов // Межвуз. сб. научных трудов "Математическое обеспечение ЭВМ", Вып. 1, Воронеж, 1999. — С. 17—21.

11. Гадяцкая O.A., Родионов A.C. Исследование некоторых показателей связности случайных графов // IX Международная конференция

12. Проблемы функционирования информационных сетей" ИВМ и МГ. — Новосибирск, 2006. — с. 87-89.

13. Герасименко В. А., Малюк А. А. Основы защиты информации. — М.: МГИФИ, 1997-456 с.

14. Гладкий A.B., Мельчук И.А. Элементы математической лингвистики. -М. :Наука, 1969.

15. Гладкий A.B. Формальные грамматики и языки.- М: Наука, 1973.

16. Гладкий A.B. Синтаксические структуры естественного .языка в автоматизированных системах общения. -М.: Наука. Главная редакция физико-математической литературы, 1985. -144 с.

17. Горелов И.Н. Разговор с компьютером: психолингвистический аспект проблемы. —-М.: Наука, 1987. — 256 с.

18. Городецкий Б.Ю. Компьютерная лингвистика: моделирование языкового* общения. "Новое в зарубежной лингвистике,вып.24.,Прогресс, 1989,с.5-29.

19. ГОСТ 27.002-89. Надёжность в технике. Основные понятия. Термины и определения. М.: Изд-во стандартов, 1989. - 36 с.

20. ГОСТ 27.003-90. Надежность в технике. Состав и общие правила задания требований по надежности.— М.: изд-во стандартов, 1990. — 27 с.

21. Гришин В.Г. Образный анализ экспериментальных данных. — М: Наука, 1982. —200 с.

22. Елагин В. В. Теоретические основы создания системы информационно-аналитического обеспечения государственного управления: диссертация доктора технических наук; 05.13.10: Челябинск, 2006. 440 с.

23. Иберла К. Факторный анализ. М.: Статистика, 1980. 98 с.

24. Информационно-аналитические средства поддержки принятия решений и ситуационные центры// Материалы научно-практической конференции, состоявшейся в РАГС 28-29 марта 2005 года / Под общ. ред. А.Н. Данчула. — М.: Изд-во РАГС, 2006. —326.с.

25. Ириков В.А., Тренев В.Н. Распределенные системы принятия решений. Теория и приложения. — М.: Наука. Физматлит, 1999. — 288 с. .

26. Искусственный'интеллект. В 3-х кн. — М.: Радио и связь, 1990. — Кн. 2. Модели и методы: справочник. — 304 с.

27. К. Асан, Д. Ватада, С. Иваи и др. Прикладные нечеткие системы: Пер.с япон. / Под ред. Т. Тэрано, К. Асаи, М. Сугэно. — М.: Мир, 1993. —168 с.

28. Кини Р.Д., Райфа X. Принятие решений при многих критериях. Предпочтения и замещения. — город, издательство 1981. — страницы

29. Косенко Е. Ю. Методы моделирования для проектирования распределенных информационных систем; диссёртация кандидата технических наук; 05.13.18: Таганрог, 2004. 216 с.

30. Князиков A.C., Завойстый В.И. Аспекты экономической безопасности региона (на примере Ярославской области), 2003. Электрон, ресурс. URL: http: // www. ubb. adm. yar. ru (14.05.2008) ,

31. Литвак Б. Г. Экспертная информация: методы получения и анализа. М.: Радио и связь, 1982. 94 с.

32. Лорьер Ж.-Л. Системы искусственного интеллекта. — М.: Мир, 1991. — 568 с.

33. Маидель И. Д. Кластерный анализ. М.: Финансы и статистика, 1988. 82 с.

34. Мелихов А.Н., Бернштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990. 272 с.

35. Месарович М., Такахара И. Общая теория систем: Математические основы. — М.: Мир, 1978. — 311 с.

36. Моисеев H.H. Математические задачи системного анализа. М.: Наука, 1981. —488 с.

37. Муратова М.Ч. Количественный анализ социально-экономических параметров регионов России. — Майкоп: Изд-во Адыгейского государственного ун-та, 1997. — 40 с.

38. Нариньяни A.C. Экспериментальная разработка формальной модели русского языка. 4.1.// АН СССР. Сибирское отделение. Вычислительный центр, Препринт, 1978.

39. Нариньяни A.C. проблема понимания ЕЯ-запросов к базам данных решена. Труды Международного семинара "Диалог'95": компьютерная лингвстика и ее приложения,'Казань, 31 мая- 4 июня, 1995. /Под.ред. Р.Г.Бухараева, А.С.Нариньяни, В.Д.Соловьева /, с.206-215.

40. Научно-техническая безопасность регионов России: методические подходы и результаты диагностирования / Под ред. А.И. Татаркина, A.A. Куклина. — Екатеринбург: Изд-во Урал, ун-та, 2000. —415 с.

41. Орлов А. И. Теория принятия решений: учебник. — М.: Экзамен, 2006. — 573 с.

42. Орлов А. И. Принятие решений. Теория и методы разработки управленческих решений. Учебное пособие. — М.: МарТ, 2005. — 496 с

43. О семантическом анализе текстов в АОС// Сулейманов Д.Ш. Сб. научных тр. «Вероятностные методы и кибернетика». Вып. 20. - Казань: Изд-во Казан, ун-та, 1984. - С. 106-116.

44. Перегудов Ф.И. Системное проектирование АСУ организационными комплексами. —Томск: ТГУ, 1974. — 215 с.

45. Поляков В.Н. Модели алгоритмического типа для распознавания семантических связей в системах машинной обработки естественного языка: диссертация кандидата техн. наук; 05.13.16: Москва, 1997, 170 с.

46. Решта И. В. Математическое и программное обеспечение задач компьютерной поддержки принятия решений с использованием прецедентов: диссертация кандидата техн. наук; 05.13.17: Новосибирск, 2005, 22 с.

47. Романов В.П. Интеллектуальные информационные системы. М.: Экзамен, 2003.

48. Садовский В.Н. Основания общей теории систем: Логико-методологический анализ. — М.: Наука, 1974. — 279 с.

49. Симанков B.C. Автоматизация системных исследований: Монография (научное издание). —Краснодар.: КубГТУ, 2002. — 376 с.

50. Симанков B.C., Бучацкая В.В. Современное состояние и развитие нейронных сетей. Аналитический обзор. Ин-т совр. Технол. и экон. — Краснодар, 2003. Рус. Деп. в ВИНИТИ, 02.09 2003 г., № 1635-В2003.

51. Симанков B.C., Владимиров С.Н. и др. «Методологические аспекты построения систем поддержки принятия решений». Вестник ДГТУ,, том 8, № 3, Ростов-на-Дону, 2008 г.

52. Симанков B.C., Луценко Е.В. Адаптивное управление сложными системами на основе теории распознавания образов: Монография (научное издание). — Краснодар.: КубГТУ, 1999. — 318с.

53. Симанков B.C., Луценко Е.В., Лаптев В.Н. Системный анализ в адаптивном управлении: Монография (научное издание) / Под научн. ред. B.C. Симанкова. —Краснодар.: Ин-т совр. технол. и экон., 2001. — 258с.

54. Симанков B.C., Тарасов Е.С., Путято М.М., «Методологические основы принятия решений с использованием автоматизации неформальных процедур», Журнал «Естественные и технические науки», №4, 2010 г.

55. Симанков В. С., Тарасов Е. С. «Методический подход к анализу и выработке приемов противодействия использованию нетрадиционных информационных каналов» Известия ТРТУ, №4. Информационная• безопасность-Таганрог, 2005.

56. Симанков B.C., Тарасов Е.С., «О проблемах управления проектированием информационных систем с учетом требований безопасности» 4-я Международная заочная научно-практическая конференция «Прогрессивные технологии развития», Томск, 2008

57. Свидетельство об официальной регистрации программы для ЭВМ «Подсистема мониторинга и оценки эффективности деятельности органов государственной власти», (Симанков B.C., Черкасов А.Н., Путято М.М., Тарасов Е.С.) №2010614836 от 23.08.2010 г.

58. Ситуационные центры и перспективные информационно-аналитические средства поддержки принятия решений // Материалы научно-практической конференции. РАГС. 25-27 апреля 2007 года / Под общ. ред. А.Н. Данчула.

59. М.: Изд-во РАГС, 2008. — 352 с.

60. Ситуационные центры и перспективные информационно-аналитические средства поддержки принятия решений // Материалы научно-практической конференции. РАГС. 7-9 апреля 2008 года / Под общ. ред. А.Н. Данчула. — М.: Изд-во РАГС, 2009. — 352 с.

61. Ситуационные центры: модели, технологии, опыт практической реализации // Материалы научно-практической конференции. РАГС. 18-19 апреля 2006 года / Под общ. ред. А.Н. Данчула. — М.: Изд-во РАГС, 2007.352 с.

62. Сулейманов Д.Ш. Аналитический обзор отечественных и зарубежных работ в области обработки естественного языка в аспекте прагматически-ориентированного подхода" В электрон. журнале Казанского госуниверситета "Информационные технологии". Казань, 1999.

63. Тахтанджян A.JI. Принципы организации и трансформации сложных систем. Эволюционный подход. — СПб.: СПХВА, 1998. —118 с.

64. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. Научно-практическое издание. Серия «Информатизация России на пороге XXI века». — М.: СИНТЕГ, 1998. —376с.

65. Хомский Н., Три модели описания языка, перевод с английского, «Кибернетический сборник», вып. 2, М., Изд-во иностранной литературы, 1961, стр. 238.

66. Шаров С.А. Использование объектно-ориентированного программирования для лингвистического моделирования. // Труды Международного Семинара ДИАЛОГ'95, 1995. С. 332-339.

67. Baader F., Hollunder В. KRIS: Knowledge Representation and Inference System, // SIGART Bulletin, 2/3, 1991. pp. 8-14.

68. Bach E., Jelinek E., Kratzer A., Partee В., (eds) Quantification in Natural Languages, Dordrecht: Kluwer, 1995.

69. Gang Lu, Peng*Huang, Lijun He, etc. A New Semantic Similarity Measuring Method Based on Web Search Engines - WSEAS TRANSACTIONS on COMPUTERS, Issue 1, Volume 9, Januaiy 2008

70. D. M. Blei, A. Y. Ng, and M. I. Jordan. Latent dirichlet allocation. J. Mach. Learn. Res., 3:993-1022, 2003.

71. A. P. Dempster, N. M. Laird, and D. B. Rubin. Maximum likelihood from incomplete data via the EM algorithm. Journal of Royal Statist. Soc. B, 39:1-38, 1977.

72. T. Hofmann. Probabilistic latent semantic indexing. In Proceedings of SIGIR'99,pages 50-57, 1999.

73. G. J. McLachlan and T. Krishnan. The EM Algorithm and Extensions. Wiley, 1997.

74. Q. Mei and C. Zhai. Discovering evolutionary theme patterns from text: an exploration of temporal text mining. In Proceeding of KDD'05, pages 198-207, 2005.

75. T. Tao and C. Zhai. Regularized estimation of mixture models for robust pseudo-relevance feedback. In Proceedings of SIGIR'06, pages 162-169, 2006.

76. C. Zhai. A note on the expectation-maximization (em) algorithm. In Course note of CS410.

77. C". Zhai, A. Velivelli, and B. Yu. A cross-collection mixture model for comparative text mining. In Proceedings of KDD '04, pages 743-748, 2004.

78. M. Berland and E. Charniak. Finding parts in very large corpora. In Proc. of ACL'99, pages 57-64, 1999.

79. D. Bollegala, Y. Matsuo, and M. Ishizuka. Measuring semantic similarity between words using web search engines. In Proc. of WWW'07, pages 757—766, 2007. ' •

80. D. Bollegala, Y. Matsuo, and M. Ishizuka. Measuring the similarity between implicit semantic relations from the web. In Proc. of WWW'09 (to appear), 2009.

81. H. Chen, M. Lin, and Y. Wei. Novel association measures using web search with double checking. In Proc. of the COLING/ACL '06, pages 1009-1016, 2006.

82. R.L. Cilibrasi and P.M.B. Vitanyi. The google similarity distance. IEEE Transactions on Knowledge and Data Engineering, 19(3):370-383, 2007.

83. J. Curran. Ensemble menthods for automatic thesaurus extraction. In Proc. of EMNLP, 2002.

84. B. Falkenhainer, K.D. Forbus, and D. Gentner. Structure mapping engine: Algorithm and examples. Artificial Intelligence, 41:1—63, 1989.

85. L! Finkelstein, E. Gabrilovich, Y. Matias, E. Rivlin, Z. Solan, G. Wolfman, and E. Ruppin. Placing search in context: The concept revisited. ACM TOIS, 20:116-131,2002.

86. R. L. Goldstone. The role of similarity in categorization: providing a groundwork. Cognition, 52:125-157, 1994.

87. Z. Harris. Distributional structure. Word, 10:146-162, 1954.

88. M.A. Hearst. Automatic acquisition of hyponyms from large text corpora. In Proc. of 14th COLING, pages 539-545, 1992.

89. J.J. Jiang and D.W. Conrath. Semantic similarity based on corpus statistics and lexical taxonomy. In Proc. of ROCLING'98, 1998.

90. C. L. Krumhansl. Concerning the applicability of geometric models to similarity data: The interrelationship between similarity and spatial density. Psychological Review, 85:445-463, 1978.

91. D. Lin. Automatic retreival and clustering of similar words.In Proc. of the 17th COLING, pages 768-774, 1998.

92. G. Miller and W. Charles. Contextual correlates of semantic similarity. Language and Cognitive Processes, 6(1): 1-28,1998.

93. R. Rada, H. Mili, E. Bichnell, and M. Blettner. Development and application of a metric on semantic nets. IEEE Transactions on Systems, Man and Cybernetics, 9(1): 17-30, 1989.

94. P. Resnik. Using information content to evaluate semantic similarity in a taxonomy. In Proc. of IJCAI'95, 1995.

95. M. Sahami and T. Heilman. A web-based kernel function for measuring the similarity of short text snippets. In Proc. of WWW'06, 2006.

96. V. Schickel-Zuber and B. Faltings. Oss: A semantic similarity function based on hierarchical ontologies. In Proc. of IJCAI'07, pages 551-556, 2007.

97. J. B. Tenenbaum. Bayesian modeling of human concept learning. In NIPS'99, 1999.

98. A. Tversky. Features of similarity. Psychological Review, 84:327-652, 1977.

99. D. McLean Y. Li, Zuhair A. Bandar. An approch for measuring semantic similarity between words using multiple information sources. IEEE Transactions on Knowledge and Data Engineering, 15(4): 871-882, 2003.

100. Montague R. The proper treatment of quantification in ordinary English. // Formal Philosophy, ThomasonR., (ed.), Yale University Press, New Haven, 1973. pp. 247-270.

101. Shieber S. Separating linguistic analyses from linguistic theories. // Natural Language Parsing and Linguistic Theories, U. Reyle and C. Rohrer (eds.). Reidel: Dordrecht, 1988. pp. 33-68.

102. Steele J. (ed.) Meaning-Text Theory: Linguistics, Lexicography and Implications. Ottawa: University of Ottawa Press, 1990.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания.
В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.

Автореферат
200 руб.
Диссертация
500 руб.
Артикул: 422093