CC BY
218Методы анализа
УДК 004.82+004.853+004.652.2+004.652.3+001.2
ИНТЕЛЛЕКТУАЛЬНЫЕ СЕМАНТИЧЕСКИЕ МОДЕЛИ ДЛЯ ПОВЫШЕНИЯ КАЧЕСТВА ОБРАЗОВАТЕЛЬНЫХ И НАУЧНО-ИССЛЕДОВАТЕЛЬСКИХ ПРОЦЕССОВ*
Е. Ю. ХРУСТАЛЁВ,
доктор экономических наук, профессор, ведущий научный сотрудник E-mail: stalev@cemi.rssi.ru Центральный экономико-математический институт Российской академии наук
Н. М. БАРАНОВА,
кандидат педагогических наук, доцент кафедры экономико-математического моделирования E-mail: bar@economist.rudn.ru Российский университет дружбы народов
В статье изложены результаты исследования состояния и тенденций развития методов построения семантических моделей, позволяющих формировать и использовать интеллектуальные информационные системы, которые предназначены для повышения качества образовательных процессов и научных исследований.
Ключевые слова: семантические модели, информационные системы, искусственный интеллект, фрейм, предикат, управление, принятие решений.
Введение
В период качественных социально-экономических преобразований, конечной целью которых
* Статья подготовлена при поддержке РГНФ (проект № 11-06-00974-а).
является наиболее эффективное функционирование хозяйственного механизма, структурные изменения происходят практически во всех сферах человеческой деятельности. Новые рыночные отношения, активно развивающиеся в российской экономике, заставляют по-новому оценить сложившуюся производственную ситуацию, пересмотреть традиционные организационно-хозяйственные взаимосвязи и правомочия между отдельными производителями. Глобальным переменам подвергается информационная инфраструктура, в рамках которой осуществляется информационное обеспечение процессов производства, распределения и потребления материальных и духовных благ [1, 3, 4, 6, 10, 11]. Информационная революция с ее достижениями в теоретической и практической информатике, новые концепции в организации предпринимательской
деятельности привели к тому, что кардинальный прорыв в производстве товаров или услуг зависит от умения работать с информацией, разноплановой по представлению, типам, способу получения и т. д. По этой причине исключительную актуальность приобрела проблема разработки и внедрения новых информационных технологий, в полном объеме характеризующих различные общественно и лично значимые процессы и составляющих ядро общественной формации, которая определяет структуру современной российской экономики.
Отличительной особенностью человеческого общества является его технологизированность. Тех-нологизированы экономика, управление, торговля, быт, образование и т. д. В наиболее широком смысле технология определяется как сложный комплекс, в основе которого лежит применение различных орудий, инструментов и аппаратов, использующих наработанные человечеством навыки, знания, умения. В состав современной технологии включаются также адекватная информация, система управления необходимыми ресурсами, подсистемы учета социальных, экономических, экологических и иных последствий, связанных с внедрением данной технологии. Характер, количество и качество производимых товаров и услуг, способ потребления восполнимых и невосполнимых природных ресурсов, особенности взаимодействия и общения между людьми зависят от уровня технологии, господствующей в обществе, и типа информационной революции, предшествующей созданию данного общества.
Важность проблем информатизации общества подтверждается фактами взрывообразного роста научно-технической и других видов информации. И если сокращение добычи полезных ископаемых, выпуска предметов потребления, средств производства, сужение сферы услуг оказывают отрицательное, но не катастрофическое влияние на положение страны, то нехватка или отсутствие необходимых для принятия решений данных может привести к непоправимым общественным катаклизмам даже при наличии необходимого для жизнедеятельности страны запаса материальных ресурсов. Поэтому современные специалисты, особенно использующие математические методы в управлении, профессорско-преподавательский состав различных учебных заведений, руководители фирм и предприятий обязаны в совершенстве владеть существующим программно-аппаратным инструментарием, предназначенным для разработки и использования
новых информационных технологий. Они должны научиться проектировать и умело эксплуатировать системы обработки информации, а также обладать необходимым минимумом знаний об информационных технологиях, успешно применяемых в различных областях науки и практики.
Основные подходы к построению семантических моделей
Предметная область системы обработки информации (СОИ) считается определенной, если известны существующие в ней объекты, их свойства и отношения. Моделирование произвольной (например экономической) системы начинается с предварительной структуризации предметной области: объекты реального мира подвергаются классификации, фиксируется совокупность подлежащих отображению в базе данных типов объектов. Для каждого типа объектов выявляется совокупность свойств, посредством которых будут описываться конкретные объекты этого типа в базе данных и виды отношений (взаимосвязей) между этими объектами. Затем решаются вопросы, какая информация об этих объектах должна быть представлена в базе данных и как ее представить с помощью данных.
Имеются достаточно подробные обзоры существующих семантических (информационных) моделей [5, 16]. Поэтому можно ограничиться лишь кратким сопоставлением моделей и выводами о возможности их использования в современных условиях.
Наиболее простым и наглядным, но слабо приспособленным к машинной обработке типом информационных моделей является представление информационных процессов в виде графиков (сетевые графики, структурные информационно-временные схемы, документограммы и т. п.). Подобные графические методы обладают сравнительно небольшими аналитическими возможностями, что в основном обусловливается неполнотой состава компонентов объектов управления, отображаемых в модели, и ограничениями, налагаемыми требованием обозримости (ограничения на размер моделируемого объекта и глубину структурирования его компонентов).
Более совершенными и приспособленными к обработке на ЭВМ средствами анализа систем различной природы будут такие виды моделей,
как матричная, графоаналитическая и машинно-синтезируемая.
Анализ показывает, что перечисленные модели предоставляют проектировщику практически одинаковые аналитические возможности, находятся примерно на одном и том же качественном уровне и не затрагивают многих существенных для процесса проектирования вопросов (недостаточно полно отражают технологию и структуру процессов обработки данных, процессов выработки решений и т. д.).
К настоящему времени известны десятки моделей: реляционные, сетевые, иерархические, инфологические, отношения сущностей (Е^), семантики данных, функциональные, основанные на семантических сетях, на теории расширенных множеств, на информационно-управляющих понятиях, информационно-алгебраические и др. Основные аспекты, по которым могут сопоставляться модели, -это структурные качества, вид логического доступа, концептуальные возможности, терминология и семантика.
В ранних методах моделирования основное внимание уделялось формам представления моделируемых данных. Модели определяли такие структуры представления данных, которые были бы удобны для хранения и манипулирования ими внутри ЭВМ. К данному классу относятся, в частности, сетевые и иерархические модели данных. Функции этих моделей ограничиваются возможностями средств вычислительной техники, в связи с чем их можно оценить как не соответствующие задачам сквозного проектирования.
Развитие направления семантических моделей создает теоретические предпосылки для системного обобщения и накопления опыта выполнения проектных решений, алгоритмического описания процедур проектирования на высокоуровневых языках в целях типизации вариантов проектов (но с учетом индивидуальных особенностей предметной области), начиная с самых первых стадий проектирования.
Одной из разновидностей таких моделей являются семантические сети [14]. Первоначально данный класс моделей возник в области исследования искусственного интеллекта и ориентировался на представление знаний общего характера. Однако впоследствии семантические сети стали использоваться в качестве моделей данных, предназначенных для применения в сфере управления базами данных. Сведения, изложенные на языке, близком
к естественному, должны быть предварительно структурированы. В них необходимо в явной форме выделить объекты (или понятия) и отношения между отобранными объектами.
Семантическая сеть является мультиграфом, вершины которого отождествляются с объектами, действиями, свойствами и другими элементами, а дуги - с отношениями. В общем случае семантическая сеть может иметь в своей основе иерархическую структуру, верхние уровни которой отражают наиболее общие понятия. Обладая большими возможностями отображения различных отношений между объектами, семантические сети из-за их слишком произвольной структуры не всегда удобны при реализации на существующих ЭВМ.
Семантические сети имеют следующие основные достоинства: наглядность представления предметной области (явное выражение взаимосвязей между сущностями), что упрощает доступ к необходимым знаниям [2]; приспособленность для представления неформальных предложений естественного языка.
Однако семантические сети имеют и недостатки. Так, их нельзя использовать для представления достаточно большого множества различных фактов. Кроме того следует отметить трудность представления кванторных утверждений, изменяющихся событий, недостаточную (по сравнению с формальной логикой) выразительную мощность. Многие из этих недостатков могут быть преодолены за счет применения специально разработанных средств.
Особая разновидность семантических сетей -регуляризованные сети, в которых информация хранится в виде совокупности определенным образом структурированных данных, воспроизводящих стереотипные ситуации. Эти структуры запомненных данных получили названия фреймов [8]. В случае возникновения конкретной ситуации должен быть выбран фрейм, соответствующий данному классу ситуаций, и согласован с рассматриваемой конкретной ситуацией из этого класса. Согласование осуществляется путем изменения подробностей, т. е. конкретизацией данных из набора, которые могут удовлетворить выбранный фрейм.
Фрейм можно представить в виде сети, состоящей из узлов и связей между ними. В такой сети каждый узел заполнен своим «заданием», отражающим те или иные характерные черты ситуации, которой он соответствует. В общем случае во фрейме можно выделить несколько уровней, иерархически
связанных друг с другом. Узлы фрейма, принадлежащие верхним уровням, описывают более общие понятия, которые всегда справедливы в отношении предполагаемой ситуации. Эти узлы уже заполнены своими заданиями. Например, узел самого верхнего уровня фрейма обычно заполнен названием ситуации. Узлы нижних уровней по большей части не заполнены своими заданиями. Такие незаполненные узлы называют слотами. Они должны быть заполнены конкретными данными, соответствующими их возможным заданиям в процессе приспособления фрейма к конкретной ситуации. Каждый слот может устанавливать условия, которым должны отвечать его задания. Простые условия называются маркерами. Маркеры могут, например, потребовать, чтобы заданием слота был указатель на какой-либо другой фрейм, называемый субфреймом и отражающий другую, обычно более частную ситуацию. Более сложные условия могут потребовать установления связи между заданиями для нескольких слотов.
Группа родственных фреймов может объединяться в систему фреймов. Результаты характерных действий отражаются с помощью трансформаций между фреймами системы. Различия между фреймами системы могут отражать действия, причинно-следственные связи и т. д. Фреймы системы используют одни и те же слоты.
После того как выбран фрейм для представления ситуации, процесс согласования фрейма с данной конкретной ситуацией состоит в нахождении таких заданий для слотов фрейма, которые совместимы с маркерами слотов. Процесс согласования контролируется частично информацией, связанной с фреймом, и частично знанием текущих целей.
Если выбранный фрейм не удается согласовать с реальностью, т. е. невозможно найти задания для слотов, которые соответствующим образом согласуются с маркерами, то происходит обращение к так называемой сети поиска информации, с помощью которой соединяются между собой системы фреймов. Эта сеть позволяет найти другие способы представления информации о фактах, аналогиях и других сведениях, которые можно использовать для согласования с реальностью.
Известны и другие разновидности моделей смыслового уровня. Например, широко применяется язык исчисления предикатов, достоинство которого состоит в принципиально отличном от традиционных подходе к описанию способа решения некоторой управленческой задачи: дается описание логической
модели предметной области (некоторые факты относительно свойств предметной области и отношений между этими свойствами, а также правила вывода новых свойств и отношений из уже заданных); не используются предписания последовательности шагов, выполняя которые можно решить задачу. Описание на данном языке состоит из множества утверждений, каждое из которых является либо фактом о заданной информации, либо правилом, указывающим, как решение связано с заданными фактами или каким образом его можно вывести.
К недостаткам языка исчисления предикатов можно отнести трудность (неоднозначность) перевода предложений естественного языка в конструируемые формулы; сложность учета в процедурах вывода частных знаний о предметной области; отсутствие эффективных процедур для исчислений более высоких порядков, чем первый; отсутствие взаимодействия (взаимосвязи) между формулами языка.
Отдельные аспекты рассмотренных теоретических исследований находят применение в ряде практических разработок.
Логическое исчисление специального вида (исчисление предикатов), о котором говорилось ранее, реализовано в языке программирования Пролог (ПРОграммирование ЛОГическое). Обычно логика используется для выражения высказываний, отношений между высказываниями и правил вывода одних высказываний из других. Пролог - это первая попытка разработки языка, который позволял бы программисту описывать свои задачи средствами математической логики, а не с помощью традиционных для программирования конструкций, указывающих, что и когда должна делать вычислительная машина. Способы, используемые для представления объектов в Прологе (термы), соответствуют способам, имеющимся в языке исчисления предикатов. Чтобы делать высказывания об объектах, необходимо иметь возможность описывать отношения между ними. Это делается с помощью предикатов. Формула (атомарное высказывание) состоит из предикатного символа и соответствующего ему упорядоченного множества термов, являющихся его аргументами. В Прологе структура может быть использована и в качестве целевого утверждения, и в качестве аргумента для другой структуры.
Язык исчисления предикатов разработан для отражения большого количества связей типа «если..., то...», и в нем имеется строгое разделение между функциональными символами, используемыми для
построения аргументов и высказываний (в отличие от Пролога). Однако логику, основанную на транзитивности, например родо-видовых связей, такие языки могут осуществлять лишь косвенно.
Анализ основных типов семантических моделей позволяет сформулировать требования, которым должен отвечать аппарат моделирования:
- обеспечивать учет особенностей используемой информации;
- предоставлять средства определения внутренних ограничений целостности, соответствующих основным практически используемым ситуациям;
- базироваться на использовании объектов, являющихся сложными (не элементарными) конструкциями;
- давать возможность описывать широкий класс понятий, используемых для адекватного представления объектов предметной области;
- обеспечивать разнообразие видов (форм) представлений объектов предметной области (графическое, текстуальное, алгоритмическое и др.);
- позволять строить многомерное отображение предметной области, на основе которого могут быть формализованы требования к системе обработки данных;
- обеспечивать устойчивость проектных решений (по структурированию данных, созданию прикладных программ и другим параметрам) к изменениям в информационной сфере предметной области.
Очевидно, что реализация всех требований в рамках одной модели данных невозможна. Поэтому наиболее целесообразный путь - это предоставить проектировщику возможность взаимодействовать с несколькими моделями данных.
В качестве основной информационной единицы необходимо иметь ту, которая наиболее адекватно отображает сущность и закономерности развития предметной области. При этом на начальных стадиях моделирования конкретной системы, где доминирующими являются процедуры содержательного анализа, например обоснование общей концепции, предпочтительно использовать модели с высоким уровнем семантического отображения. На последующих стадиях моделирования (создание информационного и программного обеспечения), где определяющей становится синтаксическая структура данных, необходимы модели, обеспечивающие средства формализации структурных взаимосвязей
данных. При этом уже абстрагируются от их семантики и других содержательных аспектов.
При семантическом моделировании систем различной природы важно обеспечить представление моделью (или их совокупностью) всего множества используемых показателей, поскольку только на основе многоаспектного исследования системы взаимосвязанных показателей достигается устойчивость проектных решений. Интерпретация системы показателей необходима не только на уровне модели данных, используемой на этапе проектирования информационных систем и СОИ (метаинформаци-онный уровень), но и на фазе функционирования в форме, соответствующей логической структуре данных.
Для систематизации обширного класса сведений может использоваться новый тип семантических моделей - гипертекст или нелинейный текст, совмещающий положительные свойства энциклопедии, монографии и тезауруса [9, 12, 13, 15, 17]. Гипертекст обладает рядом характеристик, свойственных как тексту, так и фонду, и не может быть отождествлен ни с одним из существующих методов систематизации информации.
Особенности представления и реализации семантических моделей
Сформулируем требования к средствам информационного концептуального проектирования [7], определяемые прежде всего теми функциями, которые возлагаются на модель в процессах создания и эксплуатации базы данных:
- наличие аппарата понятий, пригодного для адекватного описания статики и динамики предметной области;
- предоставление пользователю языка, с помощью которого семантическая модель может быть отражена в легко воспринимаемой форме;
- наличие эффективного интерпретатора для точной и однозначной передачи языковой модели компьютеру;
- поддержание представления информации в нужном для пользователя виде, ограничение возможного множества внешних представлений, обеспечение независимости модели от изменений внешних схем;
- поддержание инвариантности модели по отношению к изменениям физического представления данных в ЭВМ;
- обеспечение адекватности основных понятий, используемых в модели, понятиям и конструкциям, составляющим предметную область. С этих позиций должен быть проведен анализ реализации известных подходов к концептуальному проектированию.
К числу семантических моделей данных, учитывающих идеи и возможности ранних моделей (в частности сетевых), относится семейство подходов «сущность - атрибут - связь».
Сущность - это реальные или абстрактные объекты предметной области.
Атрибут является представлением воспринимаемого свойства этого объекта. Атрибуты обладают значением, с помощью которого можно охарактеризовать также связь.
Связь служит для отражения воспринимаемой ассоциации объектов предметной области. В наиболее совершенных версиях допускаются п-арные и циклические связи.
Характерным для рассматриваемого класса подходов является преимущественное использование понятия типа. Тип сущности определяет множество сущностей, каждая из которых обладает конкретным (одинаковым для всех) набором атрибутов, зафиксированных в декларации типа. Экземпляры сущностей (или просто сущности) различаются с помощью одного или нескольких атрибутов, называемых идентификаторами. Аналогично тип связи определяет множество подобных атрибутов всех экземпляров сущностей, принадлежащих данному типу сущности, либо всех экземпляров связей, принадлежащих данному типу связей.
Характеризуя операции манипулирования данными, следует отметить, что указанный класс средств в семействе подходов «сущность - атрибут -связь» часто вообще не определяется. Это объясняется тем, что данный подход разрабатывался в основном как средство ручного проектирования для коммерческих систем управления базами данных.
Основное достоинство рассматриваемого семейства подходов составляет реализуемость создаваемых в его рамках моделей современными управляющими комплексами (это относится главным образом к структурам данных, но не к операциям над ними). Использование основных понятий «сущность», «атрибут», «связь» представляется весьма естественным, хотя при анализе предметной области правильный выбор понятий (что считать сущностью, что связями и что атрибутами сущнос-
тей) может вызвать затруднения.
При описании предметной области конкретной системы и соответствующей СОИ средствами моделей семейства «сущность - атрибут - связь» реквизиту можно сопоставить атрибут. Интерпретация остальных компонентов информационных совокупностей бывает неоднозначна. Наиболее естественное использование средств модели данных состоит в сопоставлении типов сущностей показателям. Тогда составные единицы информации представляются типами связей, взаимосвязь отдельных показателей остается вне семантической модели. Необходимо отметить, что представление иерархических информационных компонентов требует дополнительных средств, поскольку двухуровневые структуры «сущность - связь» не обеспечивают прямого моделирования глубоких иерархических структур единиц информации и документов. Базовые средства рассматриваемого подхода не приспособлены также для моделирования классификаторов и номенклатур, используемых для определения множества допустимых значений информационных компонентов.
Таким образом, подход «сущность - атрибут -связь» не является наилучшим средством создания семантических моделей, ориентированных на повышение эффективности информационных систем и СОИ.
Следующий важный класс составляют подходы, базирующиеся на использовании элементарного бинарного отношения.
Основными понятиями моделей данных рассматриваемого класса являются типы объектов (или категории) и типы бинарных отношений (ассоциаций) между ними. Объекты при таком подходе в отличие от подходов «сущность - атрибут - связь» предполагаются элементарными, не имеющими внутренней структуры, для представления которой нет никаких средств, кроме бинарных отношений. Объекты подразделяются на два вида: лексические и нелексические. Нелексические объекты представляют собой сущности предметной области (или классы), лексические - служат для обозначения нелексических объектов средствами некоторого языка.
В соответствии с такой классификацией объектов выделяются следующие виды экземпляров бинарных отношений: «идея» - отношение между двумя нелексическими объектами; «мостик» - отношение между лексическими и нелексическими
объектами; «фраза» - отношение между двумя лексическими объектами.
Операции манипулирования данными позволяют включать объект в некоторый тип и исключать его; устанавливать и разрывать бинарные связи; объявлять различные лексические объекты ссылками (именами) на один нелексический объект; проверять принадлежность объекта данному типу или экземпляру бинарного отношения; получать объект (лексический).
Оценивая выразительность средств, основанных на элементарных бинарных отношениях, следует отметить, что они выгодно отличаются от средств семейства «сущность - атрибут - связь» простотой, логичностью и единообразием конструкций. К числу достоинств рассматриваемого подхода относится также возможность иерархического обобщения объектов (образование типов, подтипов, экземпляров), что обеспечивает стандартизованное представление информационных компонентов.
Относительно использования данного подхода для концептуального проектирования различных систем существенным недостатком является атомарность объектов. Она предполагает, что любое ограничение целостности должно формулироваться явным образом. Атомарность объектов моделей не способствует повышению ее устойчивости, поскольку всякое изменение предметной области отражается в добавлении или исключении (но никак не в модификации) объектов модели.
Таким образом, модели данных, основанные на элементарных бинарных отношениях, также не соответствуют представлению об идеальном средстве создания эффективной базы данных.
Близкими к бинарным моделям являются семантические сетевые модели, основными понятиями которых являются предметы и высказывания. Взаимосвязи между ними представляются с помощью графа, вершины которого сопоставляются предметам, а дуги - высказываниям. В семантических сетях обеспечиваются средства описания родовидовых отношений. На основе этого механизма часто вводятся предопределенные, т. е. встроенные в модель данных, категории вершин и дуг, обеспечивающие, например, выделение понятий, событий, характеристик и значений как различных подклассов общего множества вершин - предметов.
Отличие семантических сетей от описанных бинарных моделей состоит в том, что в п-арных сетях явно не декларируется наличие одновременно
представлений и экземпляров (классов), хотя такая возможность имеется. Вероятно, это различие вызвано традициями использования соответствующих моделей данных. Исходя из представленных основных характеристик семантических сетей, для них справедливы выводы, сделанные при обсуждении возможностей элементарных бинарных отношений.
Более удобной для разработки и использования является модель, построенная в категориях показателя. Показатель является наиболее привычной категорией как для разработчиков СОИ, так и для конечных пользователей системы. Семантическая модель, построенная на уровне показателя, отличается большой наглядностью и детальностью. Частотные данные об использовании показателей в документах вместе с данными о длине реквизитов обеспечивают возможность оценки и оптимизации проекта СОИ по времени работы и по объемам дисковой памяти. Алгоритмические связи показателей описываются в постановках конкретных задач совокупностью арифметических преобразований и хорошо отражаются средствами графовых моделей.
Принципы проектирования семантических моделей
В большинстве описанных подходов пользователь вынужден решать сложную творческую задачу (выделение сущностей, связей, атрибутов), формализация которой не представляется возможной. Показатель же однозначно выделяется по одному на каждый встречающийся в формах документа определяемый реквизит. Использование категории показателя дает проектировщику определенную возможность фиксации отношений между объектами, реализованными реквизитами-признаками и количественной характеристикой.
Важной особенностью показателя является его смысловая законченность, определяющая количественную и качественную стороны описываемого объекта. Показатель является элементарным сообщением, вследствие чего его смысл можно интерпретировать с помощью ролевого кодирования. Основу подхода, предложенного специалистами по искусственному интеллекту, составляет предположение о том, что содержание элементарного факта (в том числе и показателя) можно выразить, назначая «исполнителей» на «роли», т. е. давая ответы на фиксированные вопросы.
Для описания показателей целесообразно использование традиционного семиролевого фрейма: «формальная характеристика», «процесс», «объект», «единица измерения», «субъект», «время», «функция управления». Для определения ролей удобно ставить вопросы к терминам и словосочетаниям (см. таблицу).
Применение показателя в качестве основной семантической единицы позволяет ориентировать семантическую модель на различные категории пользователей, повышает ее наглядность, дает возможность использовать для описания модели информационные языки, близкие к естественным.
Семантическую модель можно понимать как совокупность особого рода описания данных, называемых иначе метаданными.
Семантическая модель представляет собой подмножество сведений, описывающих конкретную систему, и поэтому может интерпретироваться как ресурс, потребляемый монитором словаря-справочника данных.
В основе реализации словаря данных лежит концепция, в соответствии с которой совокупность метаданных рассматривается как база данных, которой присущи, в частности, следующие характеристики: общий способ управления; использование несколькими пользователями; возможность обновления; контроль целостности.
Обоснованием применимости такого подхода к реализации средств формирования и ведения семантической модели служат коллективный итерационный характер процесса ее разработки, возможность модернизации в ходе эксплуатации, наличие разно-
Роли, применяемые для семантического кодирования показателей
родных потребителей метаданных, а также другие преимущества централизации управления.
Семантическая модель формируется проектировщиками системы и модернизируется специалистами организации-заказчика в ходе ее эксплуатации. Для выполнения этих функций необходимы специальные языковые средства описания и модернизации модели, а также соответствующие средства для ее поддержки и сопровождения. В этом случае целесообразно говорить о комплексе технологических средств, предназначенных для формирования семантической модели и получения на ее основе проектных решений по составу и структуре целевой базы данных.
Такая методология проектирования частично совпадает с традиционной и включает в себя следующие этапы: обследование предметной области; проектирование логической структуры целевой базы данных; проектирование физической структуры целевой базы данных; создание спроектированной базы.
Центральным компонентом системы является семантическая модель объекта управления, содержащая формализованное описание всех единиц информации и правил их преобразования, характеристики иерархической структуры объекта управления и объемно-временные параметры процессов преобразования единиц информации.
Семантическая модель используется при проектировании базы данных, структурном анализе процессов обработки данных на основе формализованного описания структуры данных и процессов их преобразования с учетом условий, определяющих динамические аспекты процессов обработки, рабочих параметров и т. д.
Семантическая модель, создаваемая в процессе проектирования, размещается в базе метаданных (в терминах комплекса, в базе проектных данных) и используется различными компонентами системы, ее пользователями и обслуживающим персоналом. Поэтому можно говорить о различных взглядах на одни и те же элементы метабазы. Применяемая в комплексе модель в категориях показателей позволяет описывать объекты широкого класса, независимо от комплекса технических и программных средств, используемого для поддержания базы проектных данных.
Предметная область описывается в обычных для пользователя понятиях, например, сначала формируются предварительные списки структурных подразделений предприятий, используемых
Показатель На какие вопросы отвечает Пример роли
Формальная характеристика Как измеряется показатель? Объем, масса
Процесс Что делается с объектом, каково его состояние? Производство, износ
Объект Что измеряется? Сталь, рабочие
Единица измерения Какой способ оценки? Штука, тонна
Субъект Кто производит действие над объектом, где находится объект? Предприятие, участок
Время Когда, за какой период? Сутки, месяц
Функция управления Какая функция управления произвела показатель? План, факт
классификаторов и систем кодирования, наиболее часто применяемых реквизитов-признаков. Далее поочередно описываются формы входных, выходных документов и видеограмм.
Заключение
Рассмотренные семантические модели, реализуемые современными информационными технологиями, хотя и относятся к числу основных, далеко не исчерпывают всех аспектов влияния методов, способов и приемов обработки данных на становление и развитие новых производственных отношений. Однако даже столь краткое рассмотрение позволяет ощутить ту исключительную роль, которую играют в социально-экономической жизни общества новейшие информационные технологии. Профессиональные руководители при принятии управляющих решений, как правило, слабо представляют последствия, к которым приводит необходимость перестройки действующей системы обработки информации. Недооценка значимости новых информационных технологий чревата экономическими катастрофами, поскольку преобразования, не подкрепленные соответствующим инструментарием, зачастую приводят к результату, противоположному ожидаемому. Поэтому при проведении любого научно обоснованного экономического анализа в обязательном порядке должна решаться проблема построения эффективной технологии обработки научной, экономической, социальной, управленческой и другой информации. Новые модели и технологии не только способствуют практической реализации предлагаемых концепций и программ, но и в значительной мере оказывают на них корректирующее воздействие.
Список литературы
1. Божко В. П., Гаспариан М. С., Лихачева Г. Н., Хрусталёв Е. Ю. Информационные технологии в экономике и управлении: учеб. -метод. пособие. М.: МЭСИ, 2004.
2. Гаврилова Т. А., Червинская К. Р. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь, 1992.
3. Клыков Ю. И., Горьков Л. Н. Банки данных для принятия решений. М.: Советское радио, 1980.
4. КоролевМ. А., Мишенин А. И., Хотяшов Э. Н. Теория экономических информационных систем. М.: Финансы и статистика, 1984.
5. Крейслер Г., Чэн Ч. Теория моделей. М.: Мир, 1977.
6. Ларин С. Н., Хрусталёв Е. Ю. Использование информационных ресурсов и технологий для стимулирования инновационного развития экономики // Национальные интересы: приоритеты и безопасность. 2011. № 32.
7. Макаренко Д. И., Хрусталёв Е. Ю. Концептуальное моделирование военной безопасности государства. М.: Наука, 2008.
8. Минский М. Фреймы для представления знаний. М.: Энергия, 1979.
9. Морозов В. П., Тихомиров В. П., Хрусталёв Е. Ю. Гипертексты в экономике: информационная технология моделирования. М.: Финансы и статистика, 1997.
10. Осуга С. Обработка знаний. М.: Мир, 1989.
11. Рязанцев А. П., Хрусталёв Е. Ю., Хруста-лёв Ю. Е. Информационные технологии моделирования экономических систем. М.: ИнЭП, 2003.
12. Тихомиров В. П., Хрусталёв Е. Ю. Гипертекстовое информационное моделирование экономических систем: проблемы теории и практики внедрения // Экономика и математические методы. 1997. Т. 33. Вып. 2.
13. Хрусталёв Е. Ю. Методологические и теоретические основы гипертекстовой технологии моделирования экономических систем // Концепции. 2010. № 1-2.
14. Хрусталёв Е. Ю. Семантическое моделирование как метод производства, систематизации и использования знаний об оборонном потенциале государства // Национальные интересы: приоритеты и безопасность. 2012. № 9.
15. Хрусталёв Е. Ю., Баранова Н. М. Семан-тико-ориентированная методология обучения студентов в информационно-коммуникативной среде университета // Национальные интересы: приоритеты и безопасность. 2011. № 21.
16. Цикритзис Д., Лоховский Ф. Модели данных. М.: Финансы и статистика, 1985.
17. Conklin J. Hypertext: An Introduction and Survey // Computer. 1987. № 9.
