Содержание к диссертации
Введение
ГЛАВА 1. Анализ текущих исследований и постановка задач исследования 12
1.1 Анализ состояния проблемы в области баз знаний 12
1.1.1. Проблема поиска в частично определенных базах знаний 12
1.1.2. Особенности поиска в допущениях открытого и замкнутого мира 16
1.2. Постановка задач исследования 18
1.2.1. Анализ особенностей троичной логики и ее применения в базах знаний 18
1.2.2. Постановка задач исследования 21
Выводы 23
ГЛАВА 2. Разработка методов построения частично определенных баз знаний 24
2.1. Организация баз знаний в троичной логике 24
2.1.1. Обоснование выбора базиса троичной логики для частично определенных баз знаний 24
2.1.2. Способы построения правил в базисе троичной логики 27
2.2. Методы генерации тернарных баз знаний 30
2.2.1. Разработка алгоритма преобразования бинарных фактов в тернарные 30
2.2.2. Разработка алгоритма автоматического создания отрицающих фактов на основе словаря взаимоисключающих состояний 31
Выводы 36
ГЛАВА 3. Организация логического поиска в частично определенных базах знаний 37
3.1. Разработка методов поиска в базисе троичной логики 37
3.1.1. Анализ особенностей поиска решений в частично определенных базах знаний
3.1.2. Разработка метода выявления неопределенностей в частично определенных базах знаний 44
3.2. Разработка метода поиска в троичной логике и в расширяющемся домене 47
3.2.1. Метод устранения неопределенностей в расширяющемся домене. 47
3.2.2. Визуализации результатов поиска в частично определенных базах знаний 50
Выводы 52
ГЛАВА 4. Методы редуцирования пространства поиска в расширяющемся домене 53
4.1. Редуцирование пространства поиска в базисе троичной логики и в расширяющемся домене 53
4.1.1. Анализ списков неопределенных фактов при поиске в базах знаний на основе троичной логики 53
4.1.2. Разработка алгоритма редуцирования списков неопределенных фактов 55
4.2. Анализ эффективности алгоритмов редуцирования пространства поиска 57
4.2.1. Сравнительный анализ разработанных алгоритмов редуцированных списков неопределенных фактов 57
4.2.2. Анализ эффективности поиска в расширяющемся домене 59
Выводы 63
ГЛАВА 5. Практическая реализация алгоритмов организации и поиска в базах знаний на основе троичной логики 64
5.1. Программная реализация алгоритмов генерации баз знаний из троичной логики 64
5.1.1. Реализация алгоритмов преобразования двоичных баз знаний в тернарные 64
5.1.2. Реализация алгоритма создания отрицающих фактов 71
5.2. Программная реализация методов поиска в троичной логике 74
5.2.1. Реализация алгоритмов редуцирования списков неопределенных фактов 74
5.2.2 Организация поиска в расширяющемся домене 76
Выводы 80
Заключение 81
Список сокращений и условных обозначений библиографический список 84
Приложение 1. 93
Программная реализация библиотеки для построения визуализации списков недостающих фактов. 93
Приложение 2. 95
Программная реализация алгоритмов редуцирования списков неопределенных фактов на языке PL/SQL. 95
Приложение 3. 99
Блок-схема Алгоритма 4.1 для редуцирования списка неопределенных фактов 99
Приложение 4. 100
Блок-схема Алгоритма 4.2 для редуцирования списка неопределенных фактов 100
Приложение 5. 101
Реализация программы на языке Prolog для экспериментального исследования времени вывода в расширяющемся домене 101
Приложение 6. 104
Акт о внедрении результатов интеллектуальной собственности 104
- Проблема поиска в частично определенных базах знаний
- Способы построения правил в базисе троичной логики
- Разработка метода выявления неопределенностей в частично определенных базах знаний
- Анализ списков неопределенных фактов при поиске в базах знаний на основе троичной логики
Введение к работе
Актуальность проблемы. В распределенных базах знаний, в связи с нарастающим количеством данных, встает проблема поиска данных в огромном количестве распределенных разреженных данных различной природы и проблема накопления знаний на основе не только полученных данных, но и метаданных о том, где эти данные располагаются, для того, чтобы эффективно искать решения по недостающим знаниям.
Информационные технологии сосредоточены именно на получении и хранении информации и существующих знаний, также, как и политика в области науки инноваций и технологий, в первую очередь направлена на накопление, создание и распространение знаний. Ввиду того, что информационные и наукоемкие технологии в последнее время привлекают повышенное внимание и занимают центральное место в планах развития любой корпорации и развитых государств, различные знания генерируются огромными темпами и приобретают распределенную структуру хранения и представления, подтверждая тем самым понятие «общества знаний». Развитие информационных технологий невозможно представить без высокопроизводительных обучающихся информационно-поисковых систем, позволяющих реализовать быстрый поиск новых или существующих знаний и использующих современные возможности вычислительной техники в совокупности с алгоритмами и методами поиска, учитывающими распределенную структуру знаний для качественного машинного обучения и автоматического генерирования новых знаний.
Степень теоретической разработанности темы. Наибольший вклад в развитие многозначной логики был сделан Л.Заде, Л. Кэролом, Я. Лукасевичем, Н.П. Брусенцовым. Существенный вклад в теорию и практику экспертных систем и баз знаний был внесен М.Г. Гаазе-Раппопортом, Т.А. Гавриловой, В.Ф. Хорошевским, А.П, Еремеевым, В.Н. Вагиным.
Объект исследования - системы искусственного интеллекта, основанные на символьном подходе и моделировании рассуждений на продукционной модели знаний.
Предмет исследования - методы логического поиска в базах знаний.
Цель и задачи исследования. Целью исследования является повышение качества и полноты поиска в распределенных базах знаний в условиях, когда данные домена предметной области являются частично определенными. Поставленная цель достигается решением следующих задач:
-
Анализ работ в области баз знаний, формирование направления исследования в области частично определенных баз знаний.
-
Разработка метода организации частично определенных баз знаний, позволяющего избежать асимметрии бинарной логики и свести к минимуму интерпретации неудачи как отрицания.
-
Разработка алгоритма поиска в частично определенных базах знаний.
-
Экспериментальное исследование эффективности разработанных методов и алгоритмов повышения качества и полноты поиска в распределенных базах знаний.
Теоретическую и методическую основу исследования составляют
теория искусственного интеллекта, теория множеств, реляционная алгебра, теория алгоритмов, теория вероятностей, теория логического программирования. Методы исследования включают в себя математическое моделирование, а также эксперименты на моделях баз знаний в среде СУБД и среде логического программирования Prolog.
Достоверность и обоснованность результатов исследования подтверждается в результате сравнения разработанных методов и алгоритмов с существующими опубликованными материалами, а также внедрением полученных результатов.
Положения, выносимые на защиту, обладающие научной новизной
-
Способ преобразования частично определенной бинарной базы знаний в тернарную, отличающийся использованием словарей взаимоисключающих состояний и обеспечивающий автоматическое построение фактов в троичной логике.
-
Способ редуцирования неопределенностей результатов поиска в троичной базе знаний, отличающийся использованием списка деревьев неопределенных фактов, что позволяет сокращать пространство поиска в расширяющемся домене.
-
Алгоритм обработки списков неопределенных фактов, отличающийся применением теоретико-множественных операций, что позволяет сокращать размерность пространства поиска в расширяющемся домене.
-
Практическая реализация поиска в базах знаний на основе троичной логики, использующая списки неопределенных фактов для определения направления поиска в расширяющемся домене и позволяющая сократить сложность логического вывода.
Практическая значимость исследования. Полученные результаты внедрены в Университете ИТМО в информационную систему университета, а также в учебный процесс на кафедре вычислительной техники. Разработанные методы формализованы и сведены к алгоритмам, которые позволяют усовершенствовать архитектуру существующих баз знаний и ускорить поиск в базах знаний большой размерности. Полученные оценки скорости поиска решений в зависимости от объемов баз знаний могут быть использованы на разных этапах проектирования систем логического вывода.
Апробация результатов исследования. Основные положения диссертационной работы и результаты исследований докладывались на различных конференциях, в числе которых XLIV научная и учебно-методическая конференция Университета ИТМО (2015); Межд. конгресс по интеллектуальным системам и информационным технологиям (IS&IT43, IS&IT14) (2013, 2014); IV Научно-практическая конференция молодых ученых, «Майоровские чтения» (2013); V Российская мультиконференция «Информационные технологии в управлении» (ИТУ-2012).
Публикации результатов исследования. По теме диссертации опубликовано семь работ, из них две статьи в периодических изданиях,
рекомендованных ВАК для представления основных научных результатов диссертаций на соискание ученой степени доктора или кандидата наук.
Личный вклад. Все результаты, представленные в диссертации, получены лично автором. Постановка экспериментов делалась совместно с научным руководителем.
Объем и структура работы. Диссертационная работа изложена на 105 страницах, состоит из введения, пяти глав, содержащих 10 рисунков, семи таблиц и заключения. Библиографический список включает 95 наименований.
Проблема поиска в частично определенных базах знаний
В основе существующих информационных систем лежит формирование субъективной картины окружающего мира, в результате чего создается неполное (частичное, локальное) представление. Следовательно, информационная система вынуждена решать задачу в условиях частичной определенности. Продуктивность такого подхода детерминирована двумя аспектами.
Первым аспектом является частичное представление об окружающем мире или его отдельной части. Данный аспект позволяет использовать простые алгоритмы внутри информационной системы, что делает возможным существенное сокращение пространства поиска. Следовательно, рассматриваемый подход является контекстным [35].
Вторым – возникновение необходимости реализации когнитивных функций внутри информационной системы и накопления узкопрактических навыков, что происходит вследствие доступности и аккумуляции данных в информационной системе об окружающем мире только с помощью источников знаний [36].
Из вышеописанного следует, что допущение концепции замкнутого мира в рамках информационной системы следует отвергнуть, это приводит к необходимости выхода за рамки локального пространства частично определенных понятий об окружающем мире и не полностью описанных связей предметной области.
Таким образом, единственным логичным решением в данном случае является допущение открытого мира. Так как в допущении замкнутого мира существование отрицательного решения и отсутствие решения в результате поиска рассматривались как тождественные решения, это повлекло за собой возникновение специфического термина «negation as failure». В допущении открытого мира существование отрицания рассматривается как противоречие (negation as contradiction). То есть, истинность утверждения не может зависеть от того, известно ли оно определенному человеку или нет.
При реализации концепции открытого мира необходимо особым образом организовать способ представления знаний, а также логику извлечения этих знаний. Одно из видений реализации данной концепции в настоящее время уже реализовано в стандартах Semantic Web, для реализации же концепции замкнутого мира потребуется особое описание и работа с классами и экземплярами.
Для реализации допущения открытого мира более логичным будет использование не бинарной логики, а троичной, в силу того, что, кроме двух состояний, которые могут принимать утверждения, истина (true) и ложь {false), добавляется промежуточное состояние возможно или неизвестно {unknown), которое соответствует отсутствию решения, таким образом: false unknown true, true = false, false = true. (1.1)
Контрадикторность (противоречие) возникает как результат того, что существующие машины вывода основаны на бинарной логике. К парадоксам также может привести и механическое преобразование правил, реализованных на основе процедурного подхода, в правила, основанные на декларативном подходе. Декларативный подход затрагивает преимущественно отношения между объектами программы, то есть определяет «что» должно стать результатом работы программы. Процедурный подход определяет каким образом был получен результат, другими словами, каким образом информационная система на самом деле должна обрабатывать эти отношения. Например, рассмотрим правило: Z :- X, Y., где X, Y, Z формально определенные имена утверждений. С точки зрения декларативного подхода утверждение Z будет истинным в том случае, когда оба утверждения X и Y истинны, то есть из X и Y следует Z. С позиции процедурного подхода интерпретация выглядит иным образом: «Для того, чтобы решить задачу Z, необходимо решить подзадачу X, а затем – подзадачу Y» или «Чтобы достичь Z, в первую очередь необходимо достичь X, а затем Y». Таким образом, различие между этими двумя подходами заключается в том, что «процедурный подход» определяет как логические связи между головой правила и телом правила, так и последовательность обработки подцелей в теле правила. [37]
Ввиду неконтролируемого расширения пространства поиска и, как следствие, недопустимого времени поиска, реализация концепции допущения открытого мира представляется непростой даже для весьма заурядных задач. Одним из основных достоинств концепции допущения открытого мира является возможность различать отрицательный результат поиска и отсутствие доказательств истинности искомого утверждения.
Однако, таким же смыслом обладает троичная логика, благодаря которой существует возможность различать три состояния утверждений, хранящихся в информационной системе: «истина» – когда существует положительное утверждение, «ложь» – когда существует явно ложное утверждение и «возможно» - когда информационной системе ничего не известно ни об истинности, ни о ложности утверждения.
На основе проведенного анализа установлено, что существенным недостатком баз знаний на основе двоичной логики является асимметрия последней, вследствие чего возникают проблемы различения отрицания решения и его отсутствия.
Существующие методы, в основном, сводятся к переходу от допущения замкнутого мира к открытому миру. В свою очередь допущение открытого мира всегда требует расширения домена поиска и может приводить к неприемлемой сложности решения даже для простых запросов, поскольку неизвестны масштабы расширения домена, и, как следствие, недопустимо большим временным затратам.
При этом в локальном (замкнутом) пространстве поиска могут быть применены гораздо более простые алгоритмы.
В ходе исследования установлено, что троичная логика является перспективным математическим аппаратом в связи с тем, что позволяет разделять ситуации отсутствия решения и недостаточности данных для его получения.
Способы построения правил в базисе троичной логики
Как уже было сказано выше, классическим примером детерминированной стратегии является динамическое программирование [73]. Суть подхода динамического программирования основывается на том, что оценочная модель стоимости будет удовлетворять принципам оптимальности.
Эта стратегия является почти исчерпывающей для определения наилучшего плана запроса к базе знаний или базе данных. Однако затраты на время и память, при использовании данной стратегии, приемлемы лишь для небольшого числа отношений - 4-7 информационных источников.
Динамическое программирование обычно придерживается двух подходов к решению задач: нисходящее динамическое программирование: задача разбивается на подзадачи меньшего размера, они решаются и затем комбинируются для решения исходной задачи. Используется запоминание для решений часто встречающихся подзадач. восходящее динамическое программирование: все подзадачи, которые впоследствии понадобятся для решения исходной задачи, просчитываются заранее и затем используются для построения решения исходной задачи. Этот способ лучше нисходящего программирования в смысле размера необходимого стека и количества вызова функций, но иногда бывает нелегко заранее выяснить, решение каких подзадач нам потребуется в дальнейшем.
Подводя итоги вышесказанного, можно сказать, что динамическое программирование пользуется следующими свойствами задачи: перекрывающиеся подзадачи; оптимальная подструктура; возможность запоминания решения часто встречающихся подзадач [74]. Из-за лавинообразного роста количества данных в базах знаний данная стратегия может оказаться не эффективной (в связи с ростом времени поиска и используемой памяти), поэтому все большую популярность набирают комбинированные и случайные стратегии поиска (случайного перебора). К сожалению, данные стратегии не гарантируют нахождение наилучшего плана, однако снижают стоимость оптимизации. Стратегии случайного перебора позволяют управлять затратами на оптимизацию запросов и поиска решений, более того, они исследуют пространство решений контролируемым образом – это означает, что поиск вариантов завершается по исчерпанию заданного количества времени или достижению какого-либо критерия заданного значения.
Существующие алгоритмы поиска в полнотекстовых базах данных: В данной части работы рассматриваются основные методы и алгоритмы для решения задач полнотекстового поиска информации в информационно-поисковых системах. Фундаментальный обзор методов и алгоритмов информационного поиска впервые был представлен в работе [75]. Множество авторов алгоритмов информационного поиска ссылаются на данную статью, так как она несет в себе базовый и до сих пор актуальный набор решаемых задач. Основная терминология в данном разделе будет связана именно с этой статьей.
Существуют следующие типы информационного поиска.
1. Булевый поиск. Самый простой вид поиска. Булевые запросы, в основном, используются в поиске на точное соответствие, в котором данные или документы проверяются на наличие содержащихся в запросе терминов.
2. Поиск по сходству. Является модификацией булевого поиска и учитывает возможные ошибки, неточности в поисковом запросе или электронных документах. Меру корреляции между терминами поискового запроса и терминами в документах или данных определяют расстоянием редактирования. Для нахождения этого расстояния может использоваться функция Левенштейна, расстояние Хэмминга, Q-грамм метод, расстояние Домерау-Левенштейна, Soundex-метод и в грубом приближении фонетический поиск.
3. Поиск по релевантности. Данный вид поиска основан на постоянном взаимодействии пользователя с системой, таким образом, пользователь, формулируя поисковые запросы, получает множество удовлетворяющих запросу документов, наиболее близких по смыслу поисковому запросу. Отметим, что для получения релевантных результатов необходимо ввести функцию корреляции между каждым документом и запросом пользователя, вычисление значений которой определяет степень близости содержания документа и запроса. Очевидно, что данный поиск носит вероятностный характер и не может дать 100% гарантированного результата, которого ожидает пользователь. Вид функции корреляции зависит от конкретной реализации ИПС. Однако, широко применяются и методы статического анализа документов. В ИПС в данной области основной проблемой является автоматическая классификация документа, возможно его автоматическое аннотирование или определение ключевых слов, по которым возможен поиск этого документа. Более того, возможно соотношение текущего документа с естественным языком запросов или приближенным к естественному.
Системами, использующими поиск по ключевым словам, являются практически все системы веб-поиска, такие как Яндекс, Google, Yahoo. Более того, поисковые системы семантического поиска, такие как SWOOGLE, OAD так же позволяют осуществлять поиск по ключевым словам. В случае с системой SWOOGLE используется программное обеспечение Apache Lucene и ее возможности для построения полнотекстовых индексов документов и выделения ключевых слов.
Разработка метода выявления неопределенностей в частично определенных базах знаний
Как показано в главе 3, в случае, когда база знаний построена на основе троичной логики, результатом поиска в узком домене является список фактов недостающих для доказательства истинности искомого утверждения (цели). Количество списков, которые могут получиться в результате поиска и будут выданы системой, будет зависеть от точности поиска и заданных критериев. Чем выше степень точности, тем меньше результатов будет получено, но часто обращаясь к системе, пользователь подразумевает часть критериев, считая их очевидными как для себя (любого человека), так и для информационной системы [92]. Но вследствие того, что система не «подразумевает» никаких других данных, кроме описанных, подобные возвращаемые списки могут быть довольно длинными, вложенными и зависимыми друг от друга, и: как следствие, плохо воспринимаемые человеком, но легко интерпретируемыми машиной.
Пусть в ходе логического поиска выявлено несколько (j) цепочек неопределенных фактов, каждая из которых является конъюнктом цели, которую следует доказать. Каждая j-ая цепочка может содержать различное количество неопределенных фактов.
В свою очередь, каждая цепочка j неопределенных фактов соответствует альтернативному решению, которое приведет к аргументации искомого утверждения. Следовательно, для доказательства истинности цели достаточно установить истинность одной из j цепочек. Определим дизъюнкцию конъюнктов как гиперсписок L = [Fi] = [{fij}]. Рассмотрим пример списка фактов, истинность которых требуется доказать для установления истинности цели. [goal, [[a, b, c, e];[a, q, w, e, h, v, k, s, t, f]; [a, f, g], [a, r, e, o, d]; [q, w, e, r, t, y, u, a, o, d, b, j]]], где a, b, c, …. z – утверждения, неопределенность (Cty = 0) которых не позволяет доказать истинность цели goal.
Для доказательства истинности цели достаточно доказать истинность любого конъюнкта. В различных ситуациях возможны либо длинные цепочки фактов, либо большое число коротких цепочек. В первом случае для сокращения пространства поиска целесообразно выявлять отрицательные факты, чтобы доказать ложность всей цепочки. Во втором случае следует находить общие факты для наибольшего числа конъюнктов, что позволит сократить общее число фактов, которое необходимо проверить.
Воспользуемся математическим аппаратом булевой алгебры для преобразования аргументов гиперсписка. В связи с тем, что все утверждения внутри одной цепочки обязательно должны быть истинными (для доказательства истинности искомого утверждения), они должны быть объединены конъюнкцией. Ввиду того, что все цепочки являются альтернативными, объединим списки недостающих фактов с помощью логического «ИЛИ». Из чего можно заключить, что гиперсписок может быть записан следующим образом:
По причине того, того что количество конъюнктов может быть очень большим, правильный выбор очередности их обработки существенно влияет на скорость доказательства истинности цели. Скорость поиска решения зависит от выбора очередности обработки конъюнктов, которая, в свою очередь, зависит от вероятности истинности каждого входящего в них факта. Для простоты сделаем допущение о равной вероятности истинности всех фактов, содержащихся в j-ой цепочке.
Таким образом, с целью редуцирования пространства поиска и управления расширяющемся доменом предлагается формирование гиперсписка недостающих фактов, истинность которых позволит установить истинность искомого утверждения.
Как показано, когда цель не достигнута, результатом поиска в узком домене является гиперсписок недостающих фактов. Из-за того, что гиперсписок неопределенных фактов, необходимых для доказательства истинности цели, может быть очень большим, возникает необходимость сокращения гиперсписка.
Из-за многообразия жизненных ситуаций и задач, к сожалению, до сих пор не существует уникального метода, которой бы позволил составлять любые алгоритмы. Однако, следует воспользоваться свойством гиперсписка, которое говорит о том, что «если в ходе логического поиска выявлено несколько цепочек неопределенных фактов, каждая из которых является конъюнктом цели, и каждая цепочка неопределенных фактов соответствует альтернативному решению, то для доказательства истинности цели достаточно установить истинность одной из цепочек».
В результате анализа списков неопределенных фактов для их фильтрации предлагается два алгоритма, основанных на аппарате булевой алгебры и логических выводах, связывающих частные предпосылки с общими положениями.
Анализ списков неопределенных фактов при поиске в базах знаний на основе троичной логики
В качестве предметной области выбрана подсистема «Командировки» информационной системы Университета ИТМО, в которой апробируются разработанные методы и алгоритмы. Процесс оформления служебных командировок (далее - командировок) является неоднозначным и может быть итеративным, как показано на рисунке 5.1.
Оформление командировок осуществляется в электронной форме с помощью подсистемы ИСУ «Командировки» и требует выполнения определенных действий: создать командировку (группу командировок), заполнив соответствующие поля; создать смету на командировку. При этом следует учитывать, что все командировки, входящие в одну смету, должны иметь одинаковые условия командирования (например, командируемые сотрудники должны работать в одном подразделении, командировки должны иметь одинаковые сроки командирования, один маршрут и т.д.). Если же условия командирования различны, необходимо создать несколько смет. При наличии у сотрудника внутривузовского совместительства необходимо согласовать с руководителем по "совмещаемой работе" факт отсутствия на рабочем месте на период командирования и определить условия участия сотрудника в командировке. В случае, если командируемый сотрудник является обучающимся Университета ИТМО, согласовать свое отсутствие на время командирования с заведующим выпускающей кафедры. Рисунок 5.1 – Процесс оформления командировок Подписать распечатанные документы у руководителя подразделения, где командируемый сотрудник оформлен по трудовому договору и от которого исходит инициатива командирования; у руководителя по "совмещаемой работе" в случае наличия внутривузовского совместительства; у заведующего выпускающей кафедры в случае, если командируемый сотрудник является также обучающимся; в отделе Внешнеэкономических связей и экспортного контроля в случае, если командировка зарубежная. Отправить средствами подсистемы «Командировки» сведения о командировке в Общий отдел. Передать подписанные документы сотрудникам Общего отдела. Если командировка зарубежная, по возвращении распечатать и подписать "Отчет о командировке".
Целью создания данных информационно-программных решений для учета сведений о командировках является необходимость гибкого ведения и поддержания в актуальном состоянии информации о служебных командировках, приказах о направлении сотрудников в служебные командировки и других документах, оформленных в соответствии с унифицированными формами, которые необходимы как для подготовки документов о направлении в командировку, так и для отчета о проделанной работе по возвращении работника из командировки. Ранее сотрудники профильных подразделений вынуждены были работать с рукописными бумажными документами и журналами, что совершенно неудобно для ведения информации по командировкам и формировании любого вида статистических данных и формирования отчетности.
При оформлении командировок могут возникать разного рода неопределенности, которые для наглядности могут быть описаны в виде куба, представленном на рисунке 5.2. Куб, гранями которого являются источники финансирования университета, статьи расходов университета и подразделения, которые осуществляют расходование средств из различных источников. Данный куб является разреженным в силу того, что расходование средств по разным статьям осуществляется из ограниченного набора источников. Также разреженность может возникать в тех областях, например, где сроки командирования выходят за период работы сотрудника в подразделении (например, в случае продления или возобновления периода его работы (например, в связи с избранием по конкурсу), перед началом подготовки пакета документов по командировке должен быть утвержден приказ о продлении периода работы сотрудника в университете) или, если период командирования сотрудника пересекается с периодом очередного отпуска или отпуска без сохранения заработной платы в подразделении, от которого исходит инициатива командирования. Несмотря на очевидность описанных ситуаций, они не всегда соблюдаются командируемыми сотрудниками и их руководителями, что влечет за собой неприятные последствия, например, такие как расчет авансового отчета человеку, который на период командирования не являлся сотрудником, заполнение табеля подразделения и другие. В силу того, что цель командировки должна отражать как задание, выданное руководителем и обосновывающее необходимость командирования, так и формальные признаки, связывающие цель командировки с источниками финансирования и статьями их расходования, также могут возникать неоднозначные ситуации. Основную цель командировки составляет решение одной или нескольких конкретных задач, связанных с организацией учебного процесса, проведением научных исследований, осуществлением инновационной деятельности, установлением и поддержанием взаимовыгодного сотрудничества с образовательными, научными учреждениями, предприятиями и иными организациями, осуществлением преподавательской деятельности (в рамках соглашений университета с вузами и предприятиями-партнерами), реализацией программ повышения квалификации и профессиональной переподготовки (включая прохождение стажировок), участием в выставках, конференциях, совещаниях, семинарах и других мероприятиях по изучению, обобщению и распространению опыта, передовых форм и методов работы, участием в мероприятиях, организуемых органами государственной власти, решением оперативных хозяйственных, финансовых и иного рода вопросов в соответствии с уставом университета и программой его развития. Не все вышеописанные цели могут финансироваться, например, из средств науки или средств, выделенных на программу повышения конкурентной способности университета, но могут иметь определенную долю софинансирования. Кафедры
Существующая технология оформления командировок обеспечивается привлечением нескольких экспертов, каждый из которых владеет информацией только об одном источнике финансирования, что создает определенные проблемы. Также расходы по командировке может принимать на себя принимающая сторона, в таких случаях нет необходимости согласовывать командировку с финансовыми экспертами. Кроме того, следует отметить, что данный куб существует во времени. Таким образом, в действительности это гиперкуб.