Супроводження процесу передбачення з наявністю слабко структурованих даних засобами текстової аналітики

Скорочена інформація про документ
dc.contributor.authorСавастьянов, Володимир Володимирович
dc.date.accessioned2021-05-05T15:15:05Z
dc.date.available2021-05-05T15:15:05Z
dc.date.issued2021
dc.description.abstractenThe paper proposes to review the process of foresight with the presence of semistructured data as a whole, gradually reducing uncertainty, moving from the start of the study to the desired future. To implement the proposed concept, a systematic approach to the support of the foresight process based on textual analytics, which is the most modern and most powerful tool for the analysis of semistructured data written in natural language. The system approach consists of four stages which are continuously repeated throughout the life cycle of foresight, and its results are reused in all other foresight sessions. In the first stage, the subject area is studied, the features to the desired future are analysed, the models, methods and their metadata are determined. The conceptual model of support of the foresight process is determined. An idea of the process of foresight and the horizon of foresight is formed. Factors of growth and reduction of uncertainty on the way to the forecast horizon are determined. An information model of the foresight process is introduced - the representation of subject areas using the set-theoretic concept of general systems theory. Restrictions on information model connections are introduced, options for presenting knowledge in the form of a hierarchical classifier or ontology are considered, and advantages and disadvantages are outlined. The concept of the existence of knowledge in time is considered. Integrated time-dependent awareness indicators have been introduced to measure changes in the knowledge base over time and / or depending on the amount of new knowledge. New knowledge is registered as classified metadata according to developed classifiers. Awareness indicators are constantly calculated and analyzed during the foresight process. At the second stage of the system approach the model and approach of extraction of knowledge from texts in natural language is introduced and applied. The work modifies the general model of extracting facts from texts in natural language to meet the requirements of extracting metadata information model of foresight, introducing universal lexical templates-restrictions to compile more powerful rules for extracting metadata. The model is used as part of the support process to build techniques, approaches and tools based on them to process new subject areas and types of knowledge. Approaches to the extraction of objects of the subject area for the construction and expansion of classifiers, as well as approaches to generate classification rules for classifier nodes. Introduced methods for processing facts that contain potentially positive and negative indicators, including taking into account the time and changes in context. Situations of knowledge conflicts due to changes in emotional and semantic orientation and approaches to their elimination are considered. At the third stage of the system approach the information model of support of the foresight process is introduced, classes of input data are defined. Metadata for the initial annotation and metadata to support the foresight process are introduced. The algorithm of transformation of input data into metadata, indicators of awareness and cases of usage of certain methods of qualitative analysis for sake of eliminating contradictions of knowledge in the knowledge base are presented. The data at the output of the foresight support process and the possibilities for their application at different stages of foresight and in the methods of qualitative analysis are considered. At the fourth stage of the system approach, the semistructured data processing modules are adapted and scaled as a part of the foresight process support system. A number of cases show the application of a systematic approach to support the foresight process with the presence of semistructured data using textual analytics. The developed system approach is applied throughout the life cycle of the foresight session. Artifacts created at the end of the support process (classifiers, lexical restrictions, rules, knowledge) can be used in subsequent and new foresight sessions. Introduced system approach reduces the resources to provide data in the internal subprocesses of the system and improves the quality of processes, including: speeds up the processing of input data about foresight process, provides analysts and experts with tools for rapid analysis of input data, information on the progress in the form of awareness indicators, provides reuse of acquired knowledge and artifacts at the output of models, algorithms and approaches in subsequent foresight sessions. Number of practical cases confirmed the effectiveness, efficiency, scale of the proposed concept, saving the integrity of the foresight process, during the involvement of the proposed system approach.uk
dc.description.abstractruВ работе предлагается рассматривать процесс предвидения с наличием слабо структурированных данных целостно. Разработан системный подход к сопровождению процесса предвидения на основе средств текстовой аналитики из четырех этапов, которые непрерывно повторяются на всем жизненном цикле предвидения, а его результаты используются повторно в рамках всех других сессий сопровождения процессов предвидения. На первом этапе определяются модели, методы и их метаданные, которые будут использоваться для представления предметной области. Вводится информационная модель процесса предвидения, интегрированные показатели информированности. Непрерывно рассчитываются и анализируются показатели информированности. На втором этапе вводится и применяется модель и приемы извлечения знаний из текстов на естественном языкеэтапе вводится информационная модель сопровождения процесса предвидения, входные/выходные данные, алгоритм, реализующий модель. На четвертом этапе проводится адаптация и масштабирование системного подхода. Использование указанного системного подхода обеспечивает уменьшение ресурсов, требуемое для обеспечения данными внутренних подпроцессов, и улучшает качество процессов, а именно: ускоряет обработку входных данных процесса предвидения, обеспечивает аналитиков и экспертов средствами быстрого анализа входных данных, информацией в виде показателей информированности, обеспечивает повторное использование добытых знаний и полученных артефактов на выходе моделей, алгоритмов и подходов в следующих сессиях предвидения. Рассмотрены ситуации конфликтов знаний и приемы к их устранению. На третьемuk
dc.description.abstractukУ роботі пропонується розглядати процес передбачення з наявністю слабо структурованих даних цілісно. Розроблено системний підхід до супроводу процесу передбачення на основі засобів текстової аналітики з чотирьох етапів, які безперервно повторюються на всьому життєвому циклі передбачення, а його результати використовуються повторно в рамках всіх інших сесій супроводу процесів передбачення. На першому етапі визначаються моделі, методи і їх метадані, які будуть використовуватися для подання предметної області. Вводиться інформаційна модель процесу передбачення, інтегровані показники інформованості. Безперервно розраховуються і аналізуються показники інформованості. На другому етапі вводиться і застосовується модель і прийоми вилучення знань з текстів природною мовою. Розглянуто ситуації конфліктів знань і прийоми до їх усунення. На третьому етапі вводиться інформаційна модель супроводу процесу передбачення, вхідні / вихідні дані, алгоритм, який реалізує модель. На четвертому етапі проводиться адаптація і масштабування системного підходу. Використання зазначеного системного підходу забезпечує зменшення ресурсів, необхідну для забезпечення даними внутрішніх подпроцессов, і покращує якість процесів, а саме: прискорює обробку вхідних даних процесу передбачення, забезпечує аналітиків і експертів засобами швидкого аналізу вхідних даних, інформацією в вигляді показників інформованості, забезпечує повторне використання здобутих знань та отриманих артефактів на виході моделей, алгоритмів і підходів в наступних сесіях передбачення.uk
dc.format.page26 сuk
dc.identifier.citationСавастьянов, В. В. Супроводження процесу передбачення з наявністю слабко структурованих даних засобами текстової аналітики : автореф. дис. … канд. техн. наук. : 01.05.04 – системний аналіз і теорія оптимальних рішень / Савастьянов Володимир Володимирович. – Київ, 2021. – 26 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/40906
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectсистемний аналізuk
dc.subjectметодологія передбаченняuk
dc.subjectтекстова аналітикаuk
dc.subjectnatural language processinguk
dc.subjectdata mininguk
dc.subjectсупроводження процесу передбаченняuk
dc.subjectсентимент аналізuk
dc.subjectпоказники інформованості передбаченняuk
dc.subjectінформаційна модельuk
dc.subjectконцептуальна модельuk
dc.subjectмодель вилучення знань з текстів природною мовоюuk
dc.subjectкласифікаториuk
dc.subjectсинтез правил класифікаціїuk
dc.subjectметадані процесу передбаченняuk
dc.subjectsystems analysisuk
dc.subjectforesight methodologyuk
dc.subjecttext analyticsuk
dc.subjectnatural language processinguk
dc.subjectdata mininguk
dc.subjectforesight process supportuk
dc.subjectsentiment analysisuk
dc.subjectforesight awareness indicatorsuk
dc.subjectinformation modeluk
dc.subjectconceptual modeluk
dc.subjectmodel of knowledge extraction from texts in natural languageuk
dc.subjectclassifiersuk
dc.subjectsynthesis of classification rulesuk
dc.subjectforesight process metadatauk
dc.subjectсистемный анализuk
dc.subjectметодология предвиденияuk
dc.subjectтекстовая аналитикаuk
dc.subjectnatural language processinguk
dc.subjectdata mininguk
dc.subjectсопровождение процесса предвиденияuk
dc.subjectсентимент анализuk
dc.subjectпоказатели информированности предвиденияuk
dc.subjectинформационная модельuk
dc.subjectконцептуальная модельuk
dc.subjectмодель извлечения знаний из текстов на естественном языкеuk
dc.subjectклассификаторыuk
dc.subjectсинтез правил классификацииuk
dc.subjectметаданные процесса предвиденияuk
dc.subject.udc004.82:005.52:519-7.51uk
dc.titleСупроводження процесу передбачення з наявністю слабко структурованих даних засобами текстової аналітикиuk
dc.typeThesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Savastiyanov_aref.pdf
Розмір:
2.32 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.01 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Автореферати (вільний доступ)