Содержание к диссертации
Введение
Глава 1. Аналитический обзор существующих методов анализа проектных решений, информационно-аналитических систем и программного обеспечения лингвистической обработки текстовых документов 17
1.1. Методы анализа проектных решений 17
1.1.1. Системы поддержки принятия решений 17
1.1.2. Геометрическое моделирование 20
1.1.3. Физическое моделирование 21
1.1.4. Математическое моделирование 23
1.1.5. Функционально-стоимостный анализ (ФСА) 23
1.1.6. Бизнес-плановые методы А 24
1.1.7. Методы инженерного анализа 25
1.2. Проблемы анализа неструктурированных информационных источников 27
1.3. Методы и средства автоматизированного анализа информации 34
1.3.1. Информационно-аналитические системы ; 34
1.3.2. Информационно-поисковые системы 37
1.3.3. Программные модули и системы лингвистической обработки текста .39
1.4. Особенности анализа информации в инвестиционно-инновационной деятельности 45
1.5. Выводы и постановка задачи 48
Глава 2. Типовая структура программного модуля анализа текстовых документов и программного комплекса автоматизации анализа проектных решений 52
Введение 52
2.1. Структура информационно-аналитической системы 53
2.1.1. Анализ входной проектной документации
2.1.2. Модель информационно-аналитической системы 60
2.1.3. Модель объекта исследования ИАС 63
2.1.4. Связь моделей ИАС и объекта исследования 64
2.1.5. Анализ существующих информационно-аналитических систем 65
2.1.6. Новые объекты 68
2.1.7. Модель контента 70
2.1.8. Структура базы данных аналогичных проектов 71
2.1.9. Программный модуль лингвистической обработки текстовых документов 75
2.1.9.1. Метод выделения словосочетаний (двух-, трёх-, четырёхсловных терминов). Терминологическая модель. Векторная модель 77
2.1.10. Средство формирования поисковых запросов 79
2.1.11. Средство аннотирования/реферирования документов 81
2.1.12. Средство отображения результатов 82
2.2. Модель средства автоматизированного проектирования 85
информационно-аналитических систем 85
2.3. Схема работы информационно-аналитической системы 86
2.4. Выводы 87
Глава 3. Разработка методик автоматизации анализа проектных решений 88
3.1. Методика автоматизированного анализа проектных решений для 88
новых объектов с использованием контента сети Интернет 88
3.2. Методика автоматизированного построения поисковых запросов для контекстного поиска аналогов текстового документа в сети Интернет по результатам лингвистического частотного анализа этого документа 92
3.3. Методика автоматизированного формирования экспертного 93
заключения по проектам в инновационной сфере 93
3.4. Исследование результатов работы поисковых систем 99
3.5. Выводы 111
Глава 4. Реализация разработанных методик в виде программных комплексов автоматизации анализа проектных решений 113
4.1. Описание модулей системы 113
4.1.1. Программный модуль лингвистической обработки текстовых документов 113
4.1.1.1. Назначение программного модуля 116
4.1.1.2. Установка программы 116
4.1.1.3. Описание процесса работы
4.1.2. Агент системы 120
4.1.3. База данных аналогичных проектов 121
4.1.4. Модуль реферирования текстовых документов 121
4.2. Применение модуля лингвистической обработки текстовых документов 122
4.2.1. Исследование текстовых документов различных жанров 123
4.2.2. Исследование текстов по живым системам
4.2.2.1. Живые системы :: :126
4.2.2.2. Живые системы и информационные системы -.128
4.2.3. Программа анализа проектов и поиска аналогов в Интернет... 130
4.3. Модуль трансформации содержания таблиц базы данных по живым системам в html-код 131
4.3.1. Назначение программного модуля 131
4.3.2. Установка модуля 131
4.3.3. Описание процесса работы 132
4.4. Программа сравнения двух текстовых документов для исследования поисковых систем и сравнения проектного решения и его аналогов 134
4.5. Программный комплекс автоматизированного формирования экспертного заключения по проектам в инновационной сфере 138
4.6. Программный комплекс автоматизированного анализа проектных решений с использованием контента сети Интернет 153
4.7. Выводы 155
Заключение 157
Литература
- Геометрическое моделирование
- Модель информационно-аналитической системы
- Методика автоматизированного построения поисковых запросов для контекстного поиска аналогов текстового документа в сети Интернет по результатам лингвистического частотного анализа этого документа
- Модуль трансформации содержания таблиц базы данных по живым системам в html-код
Введение к работе
Актуальность проблемы. Для решения задачи анализа проектных решений для новых объектов используются различные методы. Однако практически ни один из существующих методов не анализирует новационность предлагаемых проектных решений, т.е. новизну, которая является главным звеном инновационной деятельности. В настоящий момент практически не существует программного обеспечения, осуществляющего автоматизированный анализ проектного решения с точки зрения новационности, работающего с неструктурированными источниками информации. Существующее же программное обеспечение не решает полностью задачу автоматизации анализа проектных решений. Особенно остро нехватка таких программных средств ощущается в области экспертизы инновационных проектов. В области анализа проектных решений существует ряд проблем, разрешение которых является весьма актуальным, так как число новых проектных решений, лежащих в основе инновационных проектов, растёт с каждым годом, и возможно только на основе автоматизации всего процесса анализа проектных решений, которая позволяет повысить эффективность принимаемых проектных решений, сократить сроки создания и ввода в эксплуатацию новых объектов и ускорить научно-технический прогресс в различных отраслях промышленности.
Цели и задачи. Целью работы является повышение эффективности анализа проектных решений на основе автоматизации этого анализа с применением методов интеллектуальной обработки информации. Это предполагает решение следующих задач:
исследование существующих методов анализа проектных решений;
исследование проблемы анализа новизны проектных решений;
обзор методов и средств анализа текстовых документов и выбор одного такого средства для работы с текстовым описанием проектных решений;
исследование существующих информационно-поисковых систем;
разработка методики автоматизированного анализа проектных решений для новых объектов с использованием контента сети Интернет;
разработка методики автоматизированного построения поисковых запросов для контекстного поиска аналогов текстового документа в сети Интернет по результатам лингвистического частотного анализа этого документа;
разработка методики автоматизированного формирования экспертного заключения по проектам в инновационной сфере;
разработка типовой структуры программного обеспечения автоматизированного анализа проектных решений;
создание программных средств, реализующих разработанные методики.
Областью исследования данной диссертационной работы является разработка и исследование моделей, алгоритмов и методов для синтеза и анализа проектных решений.
Объектами теоретического исследования являются методы обработки текстов на естественном языке, методы анализа проектных решений, методы сравнения документов, а также методы построения информационных запросов.
Объектами экспериментального исследования являются информационное и программное обеспечение анализа проектных решений, различные поисковые механизмы сети Интернет, а также разработанные программные модули системы автоматизированного анализа проектных решений.
Методы исследования. При проведении исследований в работе использовались: технологии визуального и web-программирования, методы математического программирования, аппарат теории множеств, алгебраические методы, кластеризация по методу дальнего соседа, методы получения словосочетаний для русского языка, методы построения запросов.
Основные положения, выносимые на защиту:
1. Методика автоматизированного анализа проектных решений для новых объектов с использованием контента сети Интернет.
Формализованная методика автоматизированного построения поисковых запросов для контекстного поиска аналогов текстового документа в сети Интернет по результатам лингвистического частотного анализа этого документа.
Методика автоматизированного формирования экспертного заключения по проектам в инновационной сфере.
Типовая структура программного обеспечения автоматизированного анализа проектных решений.
Программный комплекс автоматизированного анализа проектных решений для новых объектов с использованием контента сети Интернет.
Программный комплекс автоматизированного формирования экспертного заключения по проектам в инновационной сфере.
7. Программный модуль сравнения двух текстовых документов.
Научная новизна. Научная новизна работы заключается в следующем:
Разработана методика автоматизированного анализа проектных решений для новых объектов с использованием контента сети Интернет.
Разработана формализованная методика автоматизированного построения поисковых запросов для контекстного поиска аналогов текстового документа в сети Интернет по результатам лингвистического частотного анализа этого документа.
Разработана адаптируемая методика автоматизированного формирования экспертного заключения по проектам в инновационной сфере.
Теоретическая ценность. Теоретическая ценность работы заключается в
следующем:
1. Созданы методические основы интеллектуализации анализа новизны
проектных решений, инвариантные к предметной области. Практическая значимость. Практическая значимость работы заключается в следующем:
Разработанная типовая структура программного обеспечения автоматизированного анализа проектных решений позволяет создавать подобное программное обеспечение для других предметных областей.
Проведён ряд экспериментов, доказывающих, что программное обеспечение автоматизированного анализа проектных решений, построенное в соответствии с впервые предложенными методиками, повышает эффективность этого анализа по сравнению с существующими методами этого анализа. Таким образом, усовершенствован процесс анализа проектных решений за счёт повышения качества информационного обеспечения принимаемых решений.
Программные средства, реализующие методику автоматизированного анализа проектных решений, инвариантны к предметной области и могут использоваться как информационно-аналитическая система поиска аналогов введенного в систему текста.
Программный модуль лингвистической обработки текстовых документов с возможностью выбора анализируемых частей речи и глубины поиска словосочетаний позволяет анализировать любые текстовые документы и предоставлять статистику по терминам для документа. Этот модуль был внедрён рамках научно-исследовательских работ по теме "Научно-методическое обеспечение создания национального информационного центра по мониторингу приоритетных направлений развития науки, технологий и техники в области живых систем" ВИНИТИ РАН (период 05 августа 2005 г. - 08 декабря 2006 г.),
Программный модуль сравнения двух документов с возможностью варьирования глубины анализа, с помощью которого было проведено исследование эффективности пяти информационно-поисковых систем, может быть использован для сравнения текстовых документов с целью выявления степени совпадения.
Программный модуль перевода содержания таблиц баз данных заданного формата в html-форму позволяет быстро размещать таблицы в
Разработанное программное обеспечение автоматизированного формирования экспертного заключения по инновационным проектам было внедрено в рамках научно-исследовательских работ по автоматизации синтеза экспертного заключения по инновационным проектам, заявки с описанием которых подаются для участия в программе «СТАРТ» государственного Фонда содействия развитию малых форм предприятий в научно-технической сфере.
Результаты работы также внедрены в рамках учебного процесса по дисциплине "Информационные системы" на кафедре "Вычислительная техника" МИЭМ.
Обоснованность и достоверность теоретических выводов и практических рекомендаций определяется корректностью математических выкладок, использованием апробированных методов математического и компьютерного моделирования, а также положительным опытом применения и улучшением известных и выявленных критериев и оценок при проведении экспериментов по оценке эффективности предложенных методик автоматизированного анализа проектных решений с помощью программного обеспечения, реализующего эти методики на конкретных наборах текстовых документов-заявок, которые подаются для участия в программе «СТАРТ» государственного Фонда содействия развитию малых форм предприятий в научно-технической сфере.
Реализация результатов. Результаты работы реализованы в виде программных компонент, которые могут быть использованы и в других областях при создании информационно-аналитических компонент и систем, и внедрены в рамках научно-исследовательских работ по теме "Научно-методическое обес-
печение создания национального информационного центра по мониторингу приоритетных направлений развития науки, технологий и техники в области живых систем" ВИНИТИ РАН (период 05 августа 2005 г. - 08 декабря 2006 г.), а также - в рамках научно-исследовательских работ по автоматизации синтеза экспертного заключения по инновационным проектам, заявки с описанием которых подаются для участия в программе «СТАРТ» Фонда содействия развитию малых форм предприятий в научно-технической сфере. Модуль сравнения терминологических портретов двух документов зарегистрирован в Роспатенте в сентябре 2008 года (С №2008614408). Результаты работы также внедрены в рамках учебного процесса по дисциплине "Информационные системы" на кафедре "Вычислительная техника" МИЭМ.
Апробация работы. Результаты диссертационной работы докладывались и обсуждались на научно технических конференциях студентов, аспирантов и молодых специалистов МИЭМ, Москва 2003 г., 2004 г., 2005 г., 2006 г. 2009 г.; IV, V, VII межвузовских ежегодных научно-практических конференциях "Информационные технологии XXI века", X международной научно-практической конференции "Наука - сервису", VI студенческой межвузовской конференции "Информационные системы будущего" ИИТ МГУС, Москва 2003 г., 2005 г.; научно-технической конференции студентов, аспирантов и молодых специалистов "Информационные технологии в бизнесе", ГУ ВШЭ, Москва 2006 г, IV международной научно-технической конференции "Искусственный интеллект в XXI веке. Решения в условиях неопределённости", Пензенская государственная технологическая академия, АНОО "Приволжский Дом Знаний" Пенза 2006 г., а также на заседаниях кафедры "Вычислительная техника" МИЭМ в 2005 - 2009 гг.
Публикации. По материалам диссертационной работы опубликовано 15 печатных работ, в том числе 3 статьи в журналах ВАК и 12 трудов отечественных и международных научно-технических конференций.
Структура работы. Диссертационная работа состоит из введения, 4 глав, заключения, списка литературы (87 наименований) и 5 приложений. Основное
Геометрическое моделирование
Физическое моделирование- это метод экспериментального изучения различных физических явлений, основанный на их физическом подобии. Метод применяется при следующих условиях: Исчерпывающе точного математического описания явления на данном уровне развития науки не существует, или такое описание слишком громоздко и требует для расчётов большого объёма исходных данных, получение которых затруднительно.
Воспроизведение исследуемого физического явления в целях эксперимента в реальных масштабах невозможно, нежелательно, или слишком дорогостояще. (Например, цунами) [4].
Метод состоит в создании лабораторной физической модели явления в уменьшенных масштабах, и проведении экспериментов на этой модели. Выводы и данные, полученные в этих экспериментах, распространяются затем на явление в реальных масштабах [4].
Метод может дать надёжные результаты, лишь в случае соблюдения физического подобия реального явления и модели. Подобие достигается за счёт равенства для модели и реального явления значений критериев подобия - безразмерных чисел, зависящих от физических (в том числе геометрических) параметров, характеризующих явление. Экспериментальные данные, полученные методом физического моделирования распространяются на реальное явление также с учётом критериев подобия [4].
В широком смысле, любой лабораторный физический эксперимент является моделированием, поскольку в эксперименте наблюдается конкретный случай явления в частных условиях, а требуется получить общие закономерности для всего класса подобных явлений в широком диапазоне условий. Искусство экспериментатора заключается в достижении физического подобия между явлением, наблюдаемым в лабораторных условиях и всем классом изучаемых явлений [4].
Однако для анализа новизны какого-либо проектного решения физическое моделирование не используется, и объектом анализа физического моделирования являются физические явления и модели этих явлений, а не текст. 1.1.4. Математическое моделирование
Математическое моделирование — это процесс построения и изучения математических моделей [5].
Все естественные и общественные науки, использующие математический аппарат, занимаются математическим моделированием: заменяют реальный объект его математической моделью и затем изучают последнюю [5].
Объектом математического моделирования является математическая модель, то есть формулы, функции, зависимости, уравнения и системы уравнений и т.д. Результатом математического моделирования является эффективность, применимость разработанной модели, определяющаяся по некоторым критериям. Но одного математического моделирования недостаточно для анализа текстового описания новизны проектируемого объекта, содержащегося в электронном документе. С помощью одних только математических моделей невозможно не только проанализировать новизну проекта, но и описать эту новизну.
ФСА - это работа над ошибками предприятия. Технические системы развиваются по определенным законам. Нарушение этих законов неизбежно приводит к материальным потерям как предприятия - производителя, так и потребителя. Функционально-стоимостный анализ позволяет выявить потери и устранить их причины [6].
По данным американской статистики, каждый доллар, вложенный в ФСА может принести от 7 до 20 долларов экономии за счет снижения себестоимости продукции [6]. Основные положения ФСА [6]: 1. Резервом снижения себестоимости продукции являются излишние затраты. 2. Излишние затраты связаны с несовершенством конструкции изделий, технологии их изготовления, неэффективностью используемых материалов, ошибочных решений, кошдепций. 3. ФСА предполагает рассмотрение не объект, а функцию, которую она реализует. 4. Задача ФСА - достижение функциональности объекта минимальными затратами в интересах как производителя так и потребителя. 5. Объектом ФСА могут быть изделия, технологии, производственные, организационные и информационные структуры, а также отдельные их элементы или группы элементов.
Поэтому ФСА не предназначен для оценки новизны предлагаемых проектных решений и не может использоваться для решения поставленных задач и достижения поставленной цели.
Планирование бизнеса - одна из основных стратегических задач развития предприятия. Без формирования проектных моделей бизнеса с разносторонней оценкой многообразных факторов, сегодня невозможно успешно работать на рынке, бороться с конкурентами, определять размер и сроки финансирования производства, торговой деятельности [7].
Бизнес-план — это универсальный документ, который, в зависимости от целей, может выполнять функцию планирования развития самого предприятия или анализировать новый проект для представления его инвестору, банку [V]. Особенность бизнес-плана заключается в рассмотрении явлений и процессов хозяйственной деятельности с позиций будущего, с точки зрения проекции элементов прошлого и настоящего хозяйственной деятельности в элементы будущего [7].
Модель информационно-аналитической системы
На основе анализа существующих на сегодняшний день информационно-поисковых машин можно сделать вывод, что наиболее популярной моделью поиска является так называемая векторная модель. В общем случае в такой модели предполагается, что поисковый запрос составляется из нескольких слов, по которым в дальнейшем осуществляется, отбор документов согласно неким правилам. В найденных документах, как правило, присутствуют все слова запроса, но даже в том случае, если все они присутствуют в одном предложении, выдача на подобные запросы огромная, и учитывая Тоэ что пользователь просматривает как правило не более двух-трёх страниц с результатами поиска, важную роль играет то, какие документы система поставит на эти страницы. В связи с этим кроме поиска документы проходят процедуру ранжирования, и в большинстве случаев это — ранжирование в соответствии с принципами построения векторной модели, то есть по частоте встречаемости искомых слов в документе. Существуют системы, учитывающие, кроме содержания документа, другие принципы ранжирования, например популярность сайта, на котором располагается данный документ, и т.п. (например, количество "кликов" в каталоге, как в Google).
При использовании векторной модели релевантность документа запросу определяется как мера близости двух векторов, один из которых представляет собой вектор поискового запроса пользователя, а другой - вектор документа, релевантность которого определяется.
Для векторной модели достаточно просто указать в запросе необходимые слова для поиска через пробел. Такие запросы обычно называются простыми или плоскими. Именно поэтому большинство систем до сих пор ориентируются именно на векторную модель, так как большинство пользователей не станут утруждать себя введением сложных поисковых запросов по правилам, которые надо ещё изучить. Однако существуют системы, комбинирующие принципы работы векторной модели с логической моделью, при которой возможно составление сложных запросов с использованием логических операторов И, ИЛИ, НЕ и с несколькими степенями вложенности логических выражений. Кроме того, в подобных системах возможно явно указать расстояние между словами (1, 2 и т.д. терминов). Это позволяет ограничить выдачу, значительно снизить поисковый шум при незначительной потере полноты результатов поиска.
Некоторые системы, например Nigma, для сужения области поиска используют кластеризацию полученных документов. Под кластеризацией web-документов понимается их динамическое разбиение на несколько тематических классов с аннотацией для каждого класса. На основе введённого запроса формируются несколько классов документов, которые сопровождаются соот ветствующими описаниями, как классов, так и самих документов. Существует несколько типов кластеризации, например, при onlme-кластеризации разбиение документов на группы происходит динамически, при offline-кластеризации, для которой необходимо предварительное обучение тестовыми наборами документов, документы могут извлекаться из локальной базы данных, и т.д.
Существует множество методов, осуществляющих кластеризацию или классификацию документов. Некоторые методы могут использовать несколько подходов к кластеризации. Вот лишь некоторые из них: метод Custom Search Folders - позволяет сузить результаты поиска пу тём распределения их по «папкам» (folders). Эта система уже реализо вана в поисковом сервере, находящемся по адресу ЛУУАУ.normernlmht.com, и имеет название NorthernLight - соответственно; LSA/LSI - Latent Semantic Analysis/Indexing. Путем факторного анализа множества документов выявляются латентные (скрытые) факторы, которые в дальнейшем являются основой для образования кластеров документов; STC - Suffix Tree Clustering. Кластеры образуются в узлах специального вида дерева — суффиксного дерева, которое строится из слов и фраз входных документов; Single Link, Complete Link, Group Average - эти методы разбивают множество документов на кластеры, расположенные в древовидной структуре — dendrogramm, получаемой с помощью иерархической агг-ломеративной кластеризацией; Scatter/Gather. Представляется как итеративный процесс, сначала разбивающий (scatter) множество документов на группы и представлении затем этих групп пользователю (gather) для дальнейшего анализа. Далее процесс повторяется снова над конкретными группами. K-means. Относится к не-иерархическим алгоритмам. Кластеры представлены в виде центроидов (см. ниже), являющихся "центром массы" всех документов, входящих в кластер. CI - Concept Indexing. Разбивает множество документов методом рекурсивной бисекции, т.е. разделяя множество документов на две части на каждом шаге рекурсии. Метод может использовать информацию, полученную на этапе обучения. SOM - Self-Organizing Maps. Производит классификацию документов с использованием самонастраивающейся нейронной сети.
В работе [19] показано, что наиболее эффективным методом кластеризации при анализе группы электронных текстовых документов является метод дальнего соседа. Алгоритм "дальнего соседа" основан на определении наибольшего расстояния между объектами в двух и более группах. Выражение для расчёта расстояний между объектами этого метода кластеризации выглядит следующим образом: d(r,s) = maxfl On, )j є(1,...,лг), /є(1,...,пД , (2.1.1.1) где пг- количество объектов в кластере г; ns - число объектов в кластере s; хп - /-й объект в кластере г, xSJ -j-и объект в кластере s. На входе системе подаётся документация, которой сопровождается анализируемый инвестиционно-инновационный проект. Для каждого документа проводится лингвистический анализ, в конце которого выдаётся список встретившихся терминов, упорядоченных по подсчитанной для каждого частоте встречаемости в исследуемом документе. Анализ может проводиться как для одно-, так и для двух- и трёхсловных терминов, или словосочетаний. По результатам анализа строится матрица сопряжённости, представляющая собой таблицу 2.1.1.1:
Методика автоматизированного построения поисковых запросов для контекстного поиска аналогов текстового документа в сети Интернет по результатам лингвистического частотного анализа этого документа
На сегодняшний день в сфере экспертизы инновационных проектов, рассчитывающих на инвестиции, используется только человеческий труд экспертов. Число заявок по различным программам фондов поддержки инновационных проектов постоянно растёт. В то же время эксперт не всегда может дать стопроцентно качественную оценку того или иного проекта, может быть необъективным, может что-то пропустить или не увидеть, поэтому оцеїжу одного и того же проекта поручают нескольким независимым экспертам, что повышает объективность экспертизы, но и с другой стороны повышает временные и материальные затраты на экспертизу. В связи с этим достаточно актуальной становится задача помощи эксперту и даже его возможной замены на некоторых достаточно формальных этапах рассмотрения проекта. Очевидно, что окончательное решение должен принимать только эксперт и речь идёт о возможности автоматизированного синтеза некоторого предварительного заключения по проекту и об информационной поддержке решений эксперта.
Рассмотрим возможность автоматизации работы эксперта на примере анализа заявок по программе «СТАРТ» государственного Фонда содействия развитию малых форм предприятий в научно-технической сфере. Суть каждого инновационного проекта, претендующего на инвестиции Фонда, должна быть изложена в так называемом файле заявки. Этот файл, в соответствии с требованиями Фонда, имеет чётко определённую структуру. Он состоит из следующих разделов: данные о проекте, интеллектуальная собственность, информация о создаваемом предприятии, участники проекта, научно-техническая часть проекта, коммерциализуемость научно-технических результатов, план действия по реализации проекта, план развития предприятия, характеристика команды (заявителей), аннотация проекта, календарный план выполнения НИОКР (1-й этап проекта), смета затрат на проведение НИОКР 1 этапа проекта, укрупненный календарный план выполнения 2-го этапа проекта, укрупненный календарный план выполнения 3-го этапа проекта, календарный план по проекту. Экспертное заключение, формируемое экспертом по этой заявке, также жестко структурировано и состоит из конкретных вопросов по каждому разделу заявки, ответ на который оценивается экспертом количеством баллов из заданного интервала баллов для данного вопроса, например: 1. Научно-техническая часть проекта
Такая формальная структуризация заявки и экспертного заключения, разработанная Фондом, в значительной степени позволила поставить и решить задачу автоматизированного синтеза экспертного заключения. По каждому из этих разделов эксперт выносит своё мнение — насколько подробно изложена информация, отвечает ли информация раздела на тот вопрос, на которых пытается ответить эксперт, выражая своё мнение в виде текстового комментария и соответствующей количественной оценки этого мнения в баллах. Можно представить, что в голове у эксперта сформирован некоторый эталон в виде набора требований, которым должна соответствовать рассматриваемая им заявка, и чем ближе то, что он видит в заявке, к эталону, тем выше оценка, которую он формирует согласно своим знаниям по каждому разделу.
По такому же принципу может работать и программное обеспечение, занимающееся анализом и проставлением оценок по каждому из разделов файла заявки. Таким образом, чтобы сформировать экспертное заключение, нужно знать эталоны и правила, по которым выстраивается заключение эксперта, причём правила для каждого раздела должны быть свои, а для некоторых может не существовать эталонов - только логические правила. Нами был разработан алгоритм, примерная схема которого представлена на рисунке 3.3.1, на основе которого возможно построение программного комплекса, решающего поставленную задачу автоматизации синтеза экспертного заключения.
Модуль трансформации содержания таблиц базы данных по живым системам в html-код
Жизнь есть свойство системы, неотъемлемое и немыслимое вне данной системы; как явление жизни определяется в качестве свойства некоего типа систем, так и данный тип систем определяется через наличие у него свойства жизни. Жизни не бывает вне организма.
Живые системы не могут просто так характеризоваться в более общих понятиях, свободно распространяющихся на другие типы систем, поскольку живая система - это уже само по себе новое понятие, новая категория, новые явления и феномены. Пытаясь дать определение существенным сторонам живых систем, необходимо выходить на общекибернетический уровень и давать, в свою очередь, характеристики этим характеристикам. К примеру, Матурана характеризует живые системы как функционально закрытые, го-меостатические, структурно-определяемые, наконец, как аутопоэтические. Но все эти характеристики имеют смысл лишь в отношении живых систем. И кроме живых систем никакие другие системы данными свойствами не обладают.
Понятие аутопоэза неразрывно связано с понятием круговой организации, или, проще, кругообразности. Исторически первым было введено понятие кругообразности, которое Матурана трансформировал в понятие аутопоэза, сделав акцент на свойстве кругообразности именно живых систем. В чем ее смысл?
Пусть какая-то система состоит из элементов. Данные элементы обладают некоей активностью и взаимодействуют между собой. Активность и взаимодействие элементов организованы таким и только таким образом, чтобы обеспечить их существование и снова-таки эту активность и взаимодействие. Данное определение — квинтэссенция понятия кругообразности, самое общее, самое краткое из всех возможных (без упоминания о роли окружающей среды, о структурных особенностях живых организмов и других, сцепленных с данным, понятий типа автономности, закрытости, целостности и т.п.). Приведём некоторые пояснения. Элементы существуют для производства функции, а эта функция существует для производства элементов, которые существуют для производства функции и так далее до бесконечности по замкнутому кругу (кругообразно). В терминах повседневного языка такую систему можно назвать предельно эгоистичной, поскольку единственной целью ее существования и активности есть её существование и активность. Таким образом, аутопоэтические системы - это системы, которые сами себя воссоздают (греч. «autos» = «само»; «poiein» = «делать»): «Тем самым, главная особенность живых существ состоит в том, что единственным продуктом их организации являются они же сами, это значит, не существует никакой разницы между производителем и продуктом. Существование и активность любой аутопоэтической единицы неразделимы, что и составляет особенность ее организации» [25, с. 56].
Ввиду того, что а) живые организмы обладают свойством целостности и б) являются историческими (онтогенетическими) системами, живые системы - это индивидуальные системы. Суть индивидуальности в данном случае состоит в неповторимости, уникальности каждой живой системы. Живые системы - это когнитивные системы, а жизнь как процесс представляет собой процесс познания. Это утверждение действительно для всех организмов как располагающих нервной системой, так и не располагающих ею» [26, с. 103].
«Благодаря своей круговой организации живая система является индуктивной системой, которая всегда функционирует прогностически: что произошло однажды, произойдет вновь. Ее организация (генетическая и прочая) консервативна и повторяет только то, что работает. Поэтому живые системы — это также исторические системы; релевантность данного способа поведения всегда детерминирована в прошлом» [26, с. 112].
Свойством, отличающим живую систему от неживой, является способность живой системы к размножению, приспособлению (адаптации) и регулированию потока энергии (или обмен веществ). Обмен веществ, обеспечивающий поддержание энергетических процессов, - это главное из трех основных свойств живой системы. В конечном итоге живая система - это энергетическая машина, потребляющая топливо - пищу для поддержания своей структуры и деятельности.
В то же время деятельность живой системы в значительной степени подчинена требованиям адаптации - приспособлению к меняющимся условиям внешней и внутренней среды организма. Чем выше способность к адаптации, тем выше жизнеспособность системы. Естественно, что в основе адаптации также лежат энергетические процессы.
Наконец, способность к размножению - это то свойство живой системы, которое обеспечивает сохранение вида. Процесс размножения также поддерживается деятельностью энергетической системы [25].
Накопленные к настоящему времени научные данные достаточно убедительно, если не однозначно, позволяют считать, что все живые организмы -это, в первую очередь, информационные системы, что информационные процессы являются основным специфическим качеством живых систем.
Поэтому вполне обоснованно можно принять следующий постулат: Постулат 1. Живые системы - это естественные информационные системы, т.е. основным специфическим качеством живых систем является их имманентная способность к информационным взаимодействиям.
Похожие диссертации на Автоматизация анализа проектных решений с применением методов интеллектуальной обработки информации
