Иерархическая кластеризация показаний членов Общества соединённых славян методами теории нечётких множеств

Обложка

Цитировать

Полный текст

Аннотация

Объектом исследования представленной статьи являются показания членов Общества соединённых славян по вопросу убийства царской семьи. В статье аккумулированы все показания членов Общества, в которых затрагивался вопрос о замысле убийства царской семьи. Предметом исследования в статье является степень радикализации членов Общества соединённых славян и мера сходства их представлений о предполагаемых методах Общества. Авторы применяют метод экспертных оценок для объективного толкования показаний каждого участника Общества и выявления его представлений о целях Общества соединённых славян. Далее авторы применяют методы теории нечётких множеств к построению объективной иерархической кластеризации членов Общества, чтобы показать, какие внутренние связи существовали среди участников Общества на основании схожести либо несхожести их представлений. Иерархическая кластеризация членов Общества строится на основе их показаний. Авторы задают объективную шкалу радикальности показаний каждого члена общества и вводят меру сходства их показаний, на основе чего далее строят кластеризацию при помощи транзитивного замыкания введённого соотношения. Основной вывод в представленной работе заключается в том, что внутри Общества соединённых славян выявлены два кластера, входящие в состав которых декабристы придерживались диаметрально противоположных взглядов по поводу допустимых методов достижения целей Общества. Первый кластер зацентрован на декабристе И.И. Горбачевском и включает в себя декабристов Н.Ф. Лисовского и И.В. Киреева. Члены этого кластера были убеждены, что Общество планировало убийство царской семьи и готовы были придерживаться этой идее до последнего. Во второй кластер вошли П.И. Борисов и А.И. Тютчев, которые были уверены, что убийство царской семьи не предполагалось. Научная новизна работы состоит в том, что в ней впервые была применена теория нечётких множеств к методу иерархической кластеризации членов Общества соединённых славян. Использованные показания декабристов и код доступны по ссылке: https://github.com/WLatonov/Fuzzy-sets-analysis-for-decembrists.

Об авторах

Василий Васильевич Латонов

ПАО «Сбербанк»

Email: WLatonov@gmail.com
ORCID iD: 0000-0002-7810-8033
Руководитель направления по исследованию данных;

Анастасия Вячеславовна Латонова

Email: iskrenne_vasha_aa@mail.ru
независимый исследователь

Список литературы

  1. Павлов В. Л. Общество соединенных славян: взгляд из современности // Философский полилог. 2017. № 2. С. 79-89. doi: 10.31119/phlog.2017.2.7 EDN: YMQZGX.
  2. Записки неизвестного из Общества Соединенных Славян // Русский архив. 1882. № 1. С. 435-554.
  3. Достян И. С. Политические идеи Общества соединенных славян // Советское славяноведение. 1968. № 4. С. 19-30.
  4. Нечкина М. В. Общество соединенных славян. М.-Л.: Госиздат, 1927.
  5. Раковский Ю. У. Идея республиканской федерации в программе Общества соединенных славян // Российский менталитет: история и современность. СПб.: Изд-во С.-Петерб. гос. инж.-экон. акад., 1993. С. 33-36.
  6. Zadeh L. A. Fuzzy sets // Information and control. 1965. № 8(3). Pp. 338-353.
  7. Zadeh L. A. Fuzzy algorithms // Information & control. 1965. № 8. Pp. 338.
  8. Zadeh L. A. The concept of a linguistic variable and its application to approximate reasoning-I // Information sciences. 1975. № 8(3). Pp. 199-249.
  9. Mamdani E. H. Application of fuzzy algorithms for control of simple dynamic plant // Proceedings of the institution of electrical engineers. – IEE. 1974. № 121(12). Pp. 1585–1588.
  10. Takagi T., Sugeno M. Fuzzy identification of systems and its applications to modeling and control // IEEE transactions on systems, man, and cybernetics. 1985. № 1. Pp. 116-132.
  11. Рыжов А. П. Элементы теории нечетких множеств и ее приложений. 2003.
  12. Шпирко С. В. Применение теории нечетких множеств к задаче генеалогической классификации в текстологическом исследовании // Историческая информатика. Информационные технологии и математические методы в исторических исследованиях и образовании. 2013. № 3. С. 39-52. EDN: SIFMYH.
  13. Шпирко С. В., Баранкова Г. С. О некоторых аспектах построения формализованной генеалогической классификации текстов списков средневекового произведения с применением теории нечетких множеств (на материале "Закона Судного людем") // Исторический журнал: научные исследования. 2017. № 1. С. 56-64. EDN: YFOLWD.
  14. Шпирко С. В. Методы текстологической генеалогической классификации: матрица близости vs матрица нечеткого отношения // Историческая информатика. Информационные технологии и математические методы в исторических исследованиях и образовании. 2016. № 3-4. С. 13-25. EDN: YFPDYD.
  15. Бородкин Л. И. Математические модели классификации древних текстов // Методы количественного анализа текстов нарративных источников. – Институт истории СССР АН СССР, Москва, 1983. С. 8-30.
  16. Бородкин Л. И. Алгоритмы построения нечеткой классификации, учитывающие специфику прикладных задач // Тезисы докладов III Всесоюзной научно-технической конференции "Применение многомерного статистического анализа в экономике". – Изд-во Тартуского ун-та, Тарту, 1985. С. 87-90.
  17. Бородкин Л. И. Дискриминантный анализ с использованием концепции нечетких множеств в задаче оценки двух путей аграрной эволюции России на рубеже XIX-XX вв. // Историческая информатика. Информационные технологии и математические методы в исторических исследованиях и образовании. 2013. № 3. С. 30-38. EDN: SIFMXX.
  18. Брагина Л. М. О методике количественного анализа социальных движений в Средние века (на материале городских восстаний в Италии XIV в.) // Математические методы и ЭВМ в историко-типологических исследованиях. 1989. С. 200-211.
  19. Восстание декабристов: документы. Т. V. М.-Л.: ГИ, 1926.
  20. Восстание декабристов: документы. Т. XIII. М.: Наука, 1975.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).