Применение семиотических моделей предметной области в задачах поддержки принятия решений

Обложка

Цитировать

Полный текст

Аннотация

Предложен подход к построению систем поддержки принятия решений, основанный на применении семиотической модели предметной области и методов обработки естественного языка. В качестве базы знаний семиотической модели используется корпус текста, релевантный предметной области, в которой построена субъективная семиотическая модель ситуации и полученный из сети Интернет. Предложен метод решения обратной задачи в семиотической системе. Для интерпретации получаемых решений в предметной области предложен семантический калькулятор, в котором применяются метод извлечения родовидовых отношений из корпуса текста на основе лексико-синтаксических шаблонов и метод определения частоты совместной встречаемости слов в решении на основе дистрибутивного анализа корпуса текста. Предложены обобщенные структуры подсистем мониторинга и принятия решений, основанные на семиотической модели ситуации и методах обработки естественного языка. Разработан программный макет подсистемы принятия решений. Эксперименты показали эффективность предложенного подхода.

Об авторах

А. А Кулинич

Институт проблем управления им. В.А. Трапезникова РАН

Автор, ответственный за переписку.
Email: alexkul@rambler.ru
г. Москва, Россия

Список литературы

  1. Поспелов Д.А. Ситуационное управление: теория и практика. - М.: Наука, 1986. - 288 с.
  2. Поспелов Д.А., Осипов Г.С. Прикладная семиотика// Новости искусственного интеллекта. - 1999. - № 1. - С. 9-35.
  3. Frege, G. On Sense and Nominatum // Readings in Philosophical Analysis. - 1949. - P. 85-102.
  4. Осипов Г.С., Чудова Н.В., Панов А.И., Кузнецова Ю.М. Знаковая картина мира субъекта поведения. - М.: Физматлит, 2018. - 264 с.
  5. Пирс Ч.С. Что такое знак? // Вестник Томского государственного университета. Философия. Социология. Политология. - 2009. - № 3(7). - С. 88-95.
  6. Моррис Ч.У. Основания теории знаков. - Семиотика: антология. Изд. 2-е, перераб. и доп. М. -Екатеринбург. - 2001. - С. 45-97.
  7. Barron, T.M., Chiang Roger, H.L., Storey, V.C. A Semiotics Framework for Information Systems Classification and Development // Decision Support Systems. - 1999. - No. 25. - P. 1-17.
  8. Andersen, P.B. A Theory of Computer Semiotics: Semiotic Approaches to Construction and Assessment of Computer Systems. - Cambridge University Press, 2006. - 460 p.
  9. Goguen, J. An Introduction to Algebraic Semiotics, with Applications to User Interface Design /In: Computation for Metaphor, Analogy and Agents, ed. by Ch. Nehaniv. - Springer Lecture Notes in Artificial Intelligence. - 1999. - Vol. 1562. - P. 242-291.
  10. Furtado, A.L., Casanova, M.A., Barbosa, S.D.J. A Semiotic Approach to Conceptual Modelling / In: ER 2014: Conceptual Modeling, ed. by Yu E., Dobbie G., Jarke M., Purao S. - Lecture Notes in Computer Science. - 2014. - Vol. 8824. - P. 1-12.
  11. Массель Л.В., Массель А.Г. Ситуационное управление и семантическое моделирование в энергетике // IV Международная конференция OSTIS: Тр. - Минск. - 2014. - С. 111-116.
  12. Массель Л.В. Проблемы создания интеллектуальных систем семиотического типа для стратегического ситуационного управления в критических инфраструктурах // Информационные и математические технологии в науке и управлении. Научный журнал. - 2016. - № 1. - С. 7-27.
  13. Эрлих А.И. Прикладная семиотика и управление сложными объектами // Программные продукты и системы. - 1997. - № 3. - P. 3-11.
  14. Кулинич А.А. Семиотический подход в моделировании и принятии решений в плохо определенных сложных ситуациях // Матер. одиннадцатой международной конференции «Управление развитием крупномасштабных систем MLSD’2018». - ИПУ РАН. - 2018. - Т. 2. - С. 298-301.
  15. Поспелов Д.А. Логико-лингвистические модели в системах управления. - М.: Энергоиздат, 1981. - С. 232.
  16. Борисов В.В., Круглов В.В., Федулов А.С. Нечеткие модели и сети. - 2-е изд., стереотип. - М.: Горячая линия -Телеком, 2012. - 284 c.
  17. Kosko, B. Fuzzy Cognitive Maps // International Journal of Man-Machine Studies. - 1986. - Vol. 24, iss. 1. - P. 65-75.
  18. Кулинич А.А. Компьютерные системы моделирования когнитивных карт: подходы и методы // Проблемы управления. - 2010. - № 3. - С. 2-16.
  19. Кулинич А.А. Концептуальные каркасы онтологий слабо структурированных предметных областей // Искусственный интеллект и принятие решений. - 2014. - № 4. - C. 31-41.
  20. Кулинич А.А. Решение обратной задачи в семиотических системах в условиях неопределенности // Сб. науч. тр. IX Междунар. науч.-практ. конф. «Интегрированные модели и мягкие вычисления в искусственном интеллекте». - (Коломна, 2019 г. - Т. 2. - С. 572-582.
  21. Pedrycz, W. Fuzzy Models and Relational Equations // Math. Modeling. - 1987. - No. 9. - P. 427-434.
  22. Pedrycz, W. Algorithms for Solving Fuzzy Relational Equations in a Probabilistic Setting // Fuzzy Sets and Systems. - 1990. - No. 38. - P. 313-327.
  23. Выготский Л.С. Мышление и речь // Собр. соч.: - Т. 2. -М.: Педагогика, 1982. - С. 5-361.
  24. Rosch, E. Principles of Categorization / In: Rosch, E., Lloyd B.D. Cognition and categorization. - N.-Y.: Lawrence Erlbaum association, 1978.
  25. Абрамова Н. А. Экспертная верификация при использовании формальных когнитивных карт. Подходы и практика // Управление большими системами. Специальный выпуск 30.1 «Сетевые модели в управлении». - М.: ИПУ РАН, 2010. - С. 371-410.
  26. Abramova, N.A. Interdisciplinary Approach to Verification in Decision-Making with Formal Methods / In: Handbook on Psychology of Decision-Making: New Research. Series: Psychology of Emotions, Motivations and Actions. - Hauppauge, USA: Nova Science Publishers, 2012. - Р. 89-111.
  27. Рубашкин В.Ш. Онтологии проблемы и решения. Точка зрения разработчика // Компьютерная лингвистика и интеллектуальные технологии: Тр. междунар. конф. «Диалог 2007». - Бекасово, 2007 г. - С. 481-485.
  28. Пивоварова Л.М. Фактографический анализ текста в системе поддержки принятия решений // Вестник СПбГУ. Язык и литература. - 2010. - № 4. - С. 190-197.
  29. Рубашкин В.Ш. Представление и анализ смысла в интеллектуальных информационных системах. - М.: Наука, 1989.
  30. Grishman, R. Information Extraction: Techniques and Challenges // In: Information Extraction, ed. by Pazienza, M.T. - Lecture Notes in Artificial Intelligence. - Rome: Springer-Verlag, 1997. - Vol. 1299. - P. 10-27.
  31. Camacho-Collados, J., Delli Bovi, C., Espinosa-Anke, L., et al. SemEval-2018 task 9: Hypernym Discovery // Proceedings of the 12th International Workshop on Semantic Evaluation (SemEval-2018). - New Orleans, Stroudsburg, 2018. - P. 712-724.
  32. Jurgens, D., Pilehvar, M.T. SemEval-2016 task 14: Semantic taxonomy enrichment // Proceedings of the 10th International Workshop on Semantic Evaluation (SemEval-2016). - San Diego, California, 2016. - P. 1092-1102.
  33. Bernier-Colborne, G., Barriere, C. CRIM at SemEval-2018 task 9: A Hybrid Approach to Hypernym Discovery // Proceedings of the 12th International Workshop on Semantic Evaluation. - New Orleans, Louisiana, 2018. - P. 725-731.
  34. Loukachevitch, N.V., Dobrov, B.V. RuThes Linguistic Ontology vs. Russian Wordnets // Proceedings of the Seventh Global Wordnet Conference. - Tartu, 2014. - P. 154-162.
  35. Nikishina, I., Logacheva, V., Panchenko, A., Loukachevitch, N. RUSSE’2020: Findings of the First Taxonomy Enrichment Task for the Russian language // Proceedings of International Conference on Computational Linguistics and Intellectual Technologies Dialog-2020. - Moscow, 2020. - P. 579-595. - doi: 10.28995/2075-7182-2020-19-579-595.
  36. Tikhomirov, M.M., Loukachevitch, N.V. Parkhomenko, E.A. Combined Approach to Hypernym Detection for Thesaurus Enrichment // Computational Linguistics and Intellectual Technologies: Papers from the Annual Conference «Dialogue». - Moscow, 2020. - P. 736-746. - doi: 10.28995/2075-7182-2020-19-736-746.
  37. Cunningham, H., Maynard, D., Bontcheva, K., Tablan, V. GATE: A Framework and Graphical Development Environment for Robust NLP Tools and Applications // Proceedings of the 40th Anniversary Meeting of the Association for Computational Linguistics (ACL'02), - Philadelphia, 2002.
  38. Gate’s ANNIE system. URL: http://gate.ac.uk/ie/annie.html. (Дата обращения 24.02.2022). [Accessed February 24, 2022]
  39. Mikolov, T., Sutskever, I., View, M., et al. Distributed Representations of Words and Phrases and Their Compositionality // Advances in Neural Information Processing Systems: 27th Annual Conference on Neural Information Processing Systems. Proceedings of a meeting held December 5-8, 2013. - Lake Tahoe, Nevada, United States, 2013. - P. 3111-3119.
  40. Лингвистический энциклопедический словарь // Под ред. Ярцева В.Н. - М.: Советская энциклопедия, 1990.
  41. Sahlgren, M. The Distributional Hypothesis. From context to meaning // Distributional Models of the Lexicon in Linguistics and Cognitive Science (Special issue of the Italian Journal of Linguistics), Rivista di Linguistica. - 2008. - Vol. 20, no. 1. - P. 33 -53.
  42. Большакова Е.И., Васильева Н.Э., Морозов С.С. Лексико-синтаксические шаблоны для автоматического анализа научно-технических текстов // 10-я Национальная конференция по искусственному интеллекту (КИИ-2006). Тр. конф. - М.: Физматлит, - 2006. - Т. 2. - С. 506-524.
  43. Sabirova, K., Lukanin, A. Automatic Extraction of Hypernyms and Hyponyms from Russian Texts // CEUR Workshop Proceedings. - 2014. - Vol. 1197. - P. 35-40.
  44. Levy, O., Goldberg, Y. Dependency-Based Word Embeddings // Proceedings of the 52nd Annual Meeting of the Association for Computational Linguistics, Short Papers. - Baltimore, Maryland, USA, 2014. - P. 302-308.
  45. Трофимов И.В., Сулейманова Е.А. Дистрибутивно-семантическая модель для выявления категориального сходства // Программные системы: теория и приложения. - 2018. - Т. 9, № :4(39). - С. 443-460.
  46. Kulinich, A. Semiotic Models in Monitoring and Decision Support Systems // In: RCAI 2021: Artificial Intelligence, ed. by Kovalev, S.M., Kuznetsov, S.O., Panov, A.I. - Lecture Notes in Computer Science. - Cham: Springer, 2021. - Vol. 12948. - P. 303-316.
  47. Хоффман Д. Олигархи. Богатство и власть в новой России. - Изд-во Corpus, 2010. - 816 с.
  48. Korobov, M. Morphological Analyzer and Generator for Russian and Ukrainian Language’s // Analysis of Images, Social Networks and Texts. - 2015. - Р. 320-332.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».