Скачати повний текст

Дисертація на здобуття наукового ступеня кандидата технічних наук заспеціальністю 01.05.04 «Системний аналіз і теорія оптимальних рішень»(124–Системний аналіз). – Інститут прикладного системного аналізу Національноготехнічного університету України “Київський політехнічний інститут імені ІгоряСікорського”, Київ, 2021.У роботі пропонується розглядати процес передбачення з наявністю слабоструктурованих даних цілісно. Розроблено системний підхід до супроводу процесупередбачення на основі засобів текстової аналітики з чотирьох етапів, якібезперервно повторюються на всьому життєвому циклі передбачення, а йогорезультати використовуються повторно в рамках всіх інших сесій супроводупроцесів передбачення. На першому етапі визначаються моделі, методи і їх метадані,які будуть використовуватися для подання предметної області. Вводитьсяінформаційна модель процесу передбачення, інтегровані показники інформованості.Безперервно розраховуються і аналізуються показники інформованості. На другомуетапі вводиться і застосовується модель і прийоми вилучення знань з текстівприродною 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 етапіпроводиться адаптація і масштабування системного підходу.Використання зазначеного системного підходу забезпечує зменшення ресурсів,необхідну для забезпечення даними внутрішніх подпроцессов, і покращує якістьпроцесів, а саме: прискорює обробку вхідних даних процесу передбачення,забезпечує аналітиків і експертів засобами швидкого аналізу вхідних даних,інформацією в вигляді показників інформованості, забезпечує повторневикористання здобутих знань та отриманих артефактів на виході моделей,алгоритмів і підходів в наступних сесіях передбачення.Ключові слова: системний аналіз, методологія передбачення, текстовааналітика, natural language processing, data mining, супроводження процесупередбачення, сентимент аналіз, показники інформованості передбачення,інформаційна модель, концептуальна модель, модель вилучення знань з текстівприродною мовою, класифікатори, синтез правил класифікації, метадані процесупередбачення.^UThe paper proposes to review the process of foresight with the presence ofsemistructured data as a whole, gradually reducing uncertainty, moving from the start ofthe study to the desired future. To implement the proposed concept, a systematic approachto the support of the foresight process based on textual analytics, which is the mostmodern and most powerful tool for the analysis of semistructured data written in naturallanguage.The system approach consists of four stages which are continuously repeatedthroughout the life cycle of foresight, and its results are reused in all other foresightsessions. In the first stage, the subject area is studied, the features to the desired future areanalysed, the models, methods and their metadata are determined. The conceptual modelof support of the foresight process is determined. An idea of the process of foresight andthe horizon of foresight is formed. Factors of growth and reduction of uncertainty on theway to the forecast horizon are determined. An information model of the foresight processis introduced - the representation of subject areas using the set-theoretic concept of generalsystems theory. Restrictions on information model connections are introduced, options forpresenting knowledge in the form of a hierarchical classifier or ontology are considered,and advantages and disadvantages are outlined. The concept of the existence of knowledgein time is considered. Integrated time-dependent awareness indicators have beenintroduced to measure changes in the knowledge base over time and / or depending on theamount of new knowledge. New knowledge is registered as classified metadata accordingto developed classifiers. Awareness indicators are constantly calculated and analyzedduring the foresight process.At the second stage of the system approach the model and approach of extraction ofknowledge from texts in natural language is introduced and applied. The work modifiesthe general model of extracting facts from texts in natural language to meet therequirements of extracting metadata information model of foresight, introducing universallexical templates-restrictions to compile more powerful rules for extracting metadata.At the third stage of the system approach the information model of support of theforesight process is introduced, classes of input data are defined. At the fourth stage of the system approach, the semistructured data processingmodules are adapted and scaled as a part of the foresight process support system. Anumber of cases show the application of a systematic approach to support the foresightprocess with the presence of semistructured data using textual analytics.The developed system approach is applied throughout the life cycle of the foresightsession. 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 internalsubprocesses of the system and improves the quality of processes, including: speeds up theprocessing of input data about foresight process, provides analysts and experts with toolsfor rapid analysis of input data, information on the progress in the form of awarenessindicators, provides reuse of acquired knowledge and artifacts at the output of models,algorithms and approaches in subsequent foresight sessions. Number of practical casesconfirmed the effectiveness, efficiency, scale of the proposed concept, saving the integrityof the foresight process, during the involvement of the proposed system approach.Keywords: systems analysis, foresight methodology, text analytics, naturallanguage processing, data mining, foresight process support, sentiment analysis, foresightawareness indicators, information model, conceptual model, model of knowledgeextraction from texts in natural language, classifiers, synthesis of classification rules,foresight process metadata.