CC BY
60
УДК 629.735.015:681.3
МНОГОКРИТЕРИАЛЬНЫЙ ПОИСК ДАННЫХ НА ОСНОВЕ ИНФОРМАЦИОННЫХ ОБРАЗОВ
К.А. ГЛАГОВСКИЙ, О.В. МОИСЕЕВ, Л.Е. РУДЕЛЬСОН
Рассмотрен подход к задаче ускорения поиска аэронавигационной информации, основанный на известных механизмах образного мышления. Сформулировано понятие информационного образа как совокупности атрибутов объекта поиска, объединяющей в своем составе все его ключевые параметры, оцениваемые или кодируемые количественно. Предложен метод многокритериального поиска данных на основе обсуждаемого подхода. Приведен пример использования.
Ключевые слова: аэронавигационная информация, информационный образ, записи базы данных.
Введение
Одной из приоритетных задач реформирования Единой системы организации воздушного движения (ЕС ОрВД) России признана [1-3] модернизация существующей структуры доступа к аэронавигационной информации (АНИ), переход от службы АНИ (САИ) к системе управления АНИ. В технических проектах базы аэронавигационной информации (БАИ) и автоматизированной системы планирования использования воздушного пространства (АС ПИВП) корпоративная сеть сбора, обработки, хранения и распространения АНИ сводится либо к схемам удаленного доступа, либо к принципам поиска данных в интернете [4; 5]. Оба подхода характеризуются позитивными и негативными качествами. Общим недостатком является неоднозначность результатов поиска. В ответ на запрос предлагаются избыточные данные, разбираться в которых приходится пользователю. Обратимся в Интернет с запросом: «схема движения в районе аэродрома Адлер». Яндекс выдаст нам 142 тысячи ответов, среди которых на первом месте выставлены не маршруты вылета и прилета, а «Гостиницы, отели, отдых в Адлере...», «Изменение схемы движения автотранспорта в районе Адлерского кольца в сторону Сочи», «Специалисты по организации воздушного движения тренируются на тренажерах», «Схема движения людей и автотракторной техники по аэродрому» и даже «Спутниковая карта, панорамы и схема районов Москвы и Московской области. Все дома с фото, панорамы улиц».
Если же попытаться уточнить запрос, указывая дополнительные ключевые слова, например: «схемы движения воздушных судов и зональной навигации в районе аэродрома Адлер», то мы достигнем обратной реакции, и число ответов возрастет до 220 тысяч, т.е. каждое уточнение критериев поиска не отсеивает ненужные данные, а наоборот, порождает лавину новой избыточности. Теперь в числе первых ответов получаем: «Воздушное движение - движение воздушных судов, находящихся в полете и на площади маневрирования аэродрома», «Параглайдинг в Белгороде - правила полетов», «Об утверждении Федеральных правил использования воздушного пространства», «Заявление в суд? Помощь юриста» и т.д.
Для преодоления подобных затруднений в масштабах всемирной паутины предложена концепция «семантического веба» [6], которая основана на логико-лингвистическом анализе текста запроса. Сопоставление ключевых свойств, профессиональных интересов автора запроса и других характеристик позволяет исключить из поиска коридоров связи аэродрома Адлер с трассами посторонние данные (о заявлениях в суд, параглайдинге в Белгороде) и цитаты из Федеральных правил использования воздушного пространства, однако проблема не решается кардинально. Для человека не важно, выдают ему миллионы ответов или, например, 1440 (количество минут в сутках), потому что ни то, ни другое он не в состоянии воспринять в приемлемое в сложившейся ситуации время. Нужен новый подход к проблеме.
В данной статье обсуждается подход, основанный на известных [7] механизмах образного мышления, свойственного человеку и высшим животным. Согласно прогнозам аналитиков [8], быстродействие и объем памяти компьютеров достигнут уровня соответствующих показателей человеческого мозга к тридцатым годам текущего столетия. Следует быть готовыми к использованию в компьютерных алгоритмах механизмов ассоциативной обработки информации, сосредоточенной в чувственных образах, и попытаться перенести их в информатику. Назовем компьютерным информационным образом совокупность признаков (атрибутов) объекта поиска, объединяющую в своем составе все его ключевые параметры, оцениваемые (или кодируемые) количественно. Информационный образ в терминах алгебры представляет собой предикат (отношение) поиска. Рассмотрим схему работы алгоритма.
1. Метод многокритериального поиска на основе информационных образов
При наличии в БАИ N записей с т атрибутами - вторичными ключами поиска - формируются т входных индексов, поля которых порождают цепи указателей номеров записей, содержащих равновеликие атрибуты. В этих полях зафиксированы начальные звенья цепей номеров записей. Движением по звеньям каждой цепи удается адресоваться ко всем записям, содержащим атрибуты, значения которых с точностью до цены деления младшего разряда равны номеру выбранного дискрета входного индекса. Если запрашиваются все записи, имеющие величины заданного атрибута в конкретно ограниченном диапазоне, то технологическая схема поиска таких записей состоит в следующем.
Значение нижней границы запрошенного диапазона интерпретируется как номер дискрета входного индекса, с которого начинается поиск, сводящийся к простому перечислению сцепленных номеров. Верхняя граница, т.е. равный ей по величине номер дискрета индекса, управляет окончанием поиска. Передвигаясь по цепям, порожденным вошедшими в выделенный граничными дискретами участок (диапазон) входного индекса, нетрудно перечислить номера всех записей, содержащих заданные значения атрибута. За один просмотр фрагмента списка сцепленных указателей удается сформировать совокупность номеров записей, удовлетворяющих запросу по одному из ключей поиска.
Для организации поиска по нескольким ключам в информационном пространстве базы данных резервируется поле поиска, состоящее из N дискретов, обнуляемых перед началом работы. В процессе поиска на выделенном поле строится условный рельеф правдоподобия, указывающий, насколько близко удовлетворяют записи БАИ всем выдвинутым в запросе ограничениям, какие из них согласуются с искомым решением по всем, какие по большинству, какие по меньшинству или ни по одному из ключей поиска.
На каждом просмотре, передвигаясь по звеньям цепи указателей очередного ключа, процедура поиска считывает номера записей, содержащих соответствующие атрибуты, значения которых удовлетворяют заданному ограничению. Считанный номер записи преобразуется (интерпретируется) в номер дискрета поля поиска, на котором строится рельеф правдоподобия. В этот дискрет прибавляется единица. По окончании просмотра заданного фрагмента сцепленного списка по первому ключу в поле поиска образуется последовательность единиц в дискретах, соответствующих выбранным записям. Единицы в поле поиска перемежаются нулями, сохранившимися нетронутыми в его дискретах, и соответствующими номерам тех записей, значения анализируемого атрибута-ключа в которых не попали внутрь границ запрошенного диапазона.
По окончании следующего просмотра, организуемого по другому указанному в запросе ключу, в дискретах поля поиска накопится сумма два, если в соответствующих этим дискретам записях заданным ограничениям удовлетворяют оба проверенных атрибута; зафиксируются единицы, если заданным ограничениям удовлетворяет только один из атрибутов; сохранятся нули, если в затребованные по обоим ключам диапазоны не попал ни один атрибут. После просмотра по всем I заданным ключам в дискретах поля поиска, номера которых совпадают с номерами записей, удовлетворивших всем запрошенным ограничениям, накопится сумма Ь. Про-
Таблица 1
Фрагмент исходных записей базы данных
цедура поиска по нескольким ключам на этом заканчивается: номера всех дискретов поля поис ка, содержащих число I, интерпретируются как искомые номера записей, все запрошенные ат рибуты которых лежат в заданных диапазонах их изменения.
Если границы диапазона заданы слишком узкими, и ни одна запись не удовлетворяет запросу, то в поле поиска можно найти номера записей, наиболее близко расположенных к области допустимых решений. Таким записям соответствуют дискреты поля поиска с максимально значащим, хотя и не достигающим I, содержимым. Незначительное усложнение процедуры позволяет идентифицировать атрибуты, по которым такие записи не удовлетворяют запросу, и выдавать информацию о степени их несоответствия заданным ограничениям.
Пример. Поясним изложенное эпизодом из памятной практики подбора кандидатов в депутаты различного ранга. Пусть в отраслевой НИИ поступает разнарядка: для выборов в местные советы подобрать работника, удовлетворяющего следующим показателям - пол женский, занимается научной работой, имеет степень и детей,
Таблица 2
Коды должностей сотрудников
N іт/п Фамилия И.О. пол долж. стаж обществ. работа дети степень возраст
1 Алова А. А. 0 1 7 0 2 0 33
2 Быков Б.Б. 1 6 17 3 2 3 38
3 Вайда В.В. 0 3 2 2 0 2 24
4 Голуб Г.Г. 0 8 9 3 1 5 34
5 Деева Д.Д. 0 11 : 22 0 2 6 48
6 Ежова Е.Е. 0 5 16 2 1 1 43
7 Жуков Ж.Ж. 1 6 23 4 2 3 46
8 Зимин 3.3. 1 4 12 1 1 4 29
9 Ионов И.И. 1 5 7 1 0 3 25
10 Котов К.К. 1 7 8 1 1 5 27
11 Лурье Л.Л. 0 3 5 2 0 3 26
12 Мозер М.М. 0 7 4 1 1 4 24
13 Носов Н.Н. 1 8 15 0 1 3 36
14 Олина 0.0. 0 9 21 2 2 5 53
15 Попов П.П. 1 5 12 1 3 3 47
16 Рыжко P.P. 0 3 10 0 1 2 41
17 Сокол С.С. 0 2 22 1 2 0 ' 45
18 Тюрин Т.Т. 1 5 19 0 1 3 39
19 Урина У.У. 0 3 16 0 1 2 37
20 Фалин Ф.Ф. 1 4 17 0 0 3 35
21 Яшина Я.Я. 0 4 21 1 1 3 44
должность код уровень образования код
начальник лаборатории 11 академик 8
ведущий научный сотрудник 10 член-корреспондент 7
старший научный сотрудник 9 доктор наук 6
научный сотрудник 8 кандидат наук 5
младший научный сотрудник 7 аспирантура 4
ведущий программист институт 3
ведущий инженер техникум 2
старший инженер 4 ПТУ 1
инженер школа 0
старший техник 2
техник
лаборант 0
номера дискретов поля поиска
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
содержимое дискретов
Линейное поле поиска по некоррелированным ключам, подготовленное к построению рельефа правдоподобия примера
частичная цепь нулевого дискрета 21+19+17+1М 4+12+11+&* 5+4+3+1
1 1М 1(1 1 1 1 1 1 1 1 1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
1 0 1 1 1 1 0 0 0 0 1 1 0 1 0 1 1 0 1 0 1
номера дискретов поля поиска
содержимое дискретов
Рис. 1. Наложение сцепленного списка атрибутов пола на формируемый рельеф правдоподобия
Таблица 3
Сцепленный список указателей пола
частичная цепь нулевого дискрета 21-И9-И7-И6-И4-И2-И1-+6+5+4-+3-+1
входной индекс
иолерзаписи
0 1
21*+ 20
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 -is— 21
20 LTJ 0 и LfJ h3< L j s-4 Lr 5 2 7 8 9 6 LtJ 11 10 12 13 14 16 —T* 15 17 18 19
ведет общественную работу, трудовой стаж 7-12 лет, возраст 30-35 лет. Фрагмент кадровой базы данных о сотрудниках сведен в табл. 1. Представлены сведения из записей о двадцати одном сотруднике по атрибутам, перечисленным в запросе.
Табл. 2 расшифровывает условно принятые значения кодов должностей и уровня образования, по которым идентифицируется атрибут занятости научной работой. Остальные атрибуты, перечисленные в запросе, кодируются естественным образом: пол - нулем (женский) или единицей (мужской); дети, стаж и возраст задаются своими количественными значениями. Табл. 3 - 9 в своей совокупности образуют мультисписок поиска в базе аэронавигационных данных. Каждая таблица представляет собой индекс входа и порожденный его дискретами список сцепленных указателей поиска по одному из вторичных ключей. Выделенные по запрошенным величинам атрибутов фрагменты списков переносятся на поле поиска. Процесс формирования рельефа правдоподобия поясняется на рис. 1. Первый шаг удаляет из рассмотрения записи о мужчинах. Для этого на поле поиска фиксируются номера записей базы данных с нулевым значением атрибута пола. С нулевым дискретом входного индекса, построенного в табл. 3, сцеплен фрагмент списка, вынесенный в отдельную ее графу и представленный стрелками, объединяющими по обычным правилам номера записей в цепь.
Таблица 4
Фрагмент сцепленного списка кодов должностей сотрудников в диапазоне значений 5 - 7
номер дискрета 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
указатель следующего звена 1 17 19 21 18 7 12 13 14 0 5 0 0 0 0
номера записей БД
входной индекс должностей
1 2 3 4 ' г 5 6 7 8 9 ' г 10 11 ' г 12 13 14 15 16 17 18 19 20 21
17 12 21 14 0 7 2 18 6 13 3 10 4 5 9 11 19 5 16 8^ 20
частичная цепь: 12 ^ 10 ^ 4 ^ 14 ^ 5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
1 0 1 2 2 1 0 0 0 1 1 2 1 2 0 1 1 0 1 0 1
Рис. 2. Наложение на формируемый рельеф правдоподобия сцепленного списка кодов должностей сотрудников (табл. 3, 4)
Сцепленный список рассмотренного атрибута отображается на поле поиска единицами, прибавляемыми к содержимому тех его дискретов, номера которых совпадают с включенными в цепь номерами записей кадровой базы данных. Результат наложения отображен на рис. 1. Должности научных работников условно кодируются значениями от 7 до 11. Запрошенный диапазон вычленяется из входного индекса поиска в табл. 4. Сцепленный список поиска построен в ней графически с помощью стрелок. Полученная цепь позволяет перечислить номера записей, содержащих сведения о научных работниках, и прибавить единицы к соответствующим дискретам поля поиска. Результат наложения приведенного в табл. 4 фрагмента мультисписка на формируе-
мый рельеф правдоподобия иллюстрирует рис. 2. Фрагмент запрошенного образовательного ценза выделен в табл. 5, а на рис. 3 произведено его наложение на поле поиска. Цепь номеров записей, содержащих сведения о детях, работающих сотрудников, сформирована в табл. 6. Ее ненулевой фрагмент накладывается на рис. 4. Табл. 7 и рис. 5 демонстрируют наложение фрагмента цепи номеров умеренно активных сотрудников, табл. 8 и рис. 6 - наложение запрошенного фрагмента цепи атрибута стажа. Наконец, табл. 9 и рис. 7 фиксируют суперпозицию на поле поиска возрастных ограничений.
Таблица 5
Рис. 3. Наложение на формируемый рельеф правдоподобия сцепленного списка кодов уровней образования сотрудников
Таблица 6
Фрагмент сцепленного списка сотрудников, имеющих детей частичная цепь: 21 ^ 19 ^ 18 ^ 16 ^ 13 ^ 12 ^ 10 ^ 8 ^ 6 ^ 4 ^ 17 ^ 14 ^ 7 ^ 5 ^ 2 ^ 1 ^ 15
номер дискрета 0 1 2 3 4 5
указатель следующего звена 20 21 17 15 0 0
I і і і 1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 >1
15 1 21 17 2 4 5 6 3 8 9 10 12 7 0 13 14 16 18 11 19
I
I
от:
Рис. 4. Наложение на рельеф правдоподобия сцепленного списка наличия детей
Таблица 7
Фрагмент сцепленного списка показателей общественной активности в диапазоне 1 - 3
Частичная цепь : 21 ^ 17 ^ 15 ^ 12 ^ 10 ^ 9 ^ 8 ^ 14 ^ 11 ^ 6 ^ 3 ^ 4 ^ 2 ^ 7
Рис. 5. Наложение на формируемый рельеф правдоподобия сцепленного списка кодов общественной активности сотрудников
Таблица 8
Номер дискрета до 3 3-6 7-12 13-20 > 20
Указатель следующего звена 3 13 16 20 21 >
Входной индекс значений стажа
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
20 21 13 1 0 2 5 6 4 9 16 11 12 7 8 10 14 15 18 19 17
Частичная цепь: 16 —* 10 —* 9 —* 4 —* 1
Рис. 6. Наложение на формируемый рельеф правдоподобия сцепленного списка стажа
Рис. 7 завершает формирование рельефа правдоподобия на поле поиска и показывает, что всем выдвинутым в запросе требованиям удовлетворяет четвертая запись базы данных - Голуб Г.Г., тридцатичетырехлетний кандидат наук, женщина, научный сотрудник с девятилетним стажем, имеющая три общественных поручения и одного ребенка.
Формирование рельефа дисбаланса (невязки) происходит одновременно с построением рельефа правдоподобия. Усложнение процедуры поиска состоит в том, что вместе с наложением
Таблица 9
Фрагмент сцепленного списка указателей возраста сотрудников в диапазоне 26 - 30
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
4 2 2 7 4 3 2 3 3 6 3 4 2 5 2 3 3 1 2 0 3
Рис. 7. Наложение на формируемый рельеф правдоподобия значений атрибута возраста
на поле поиска сцепленного с заданным в запросе диапазоном входного индекса фрагментом списка производится наложение на поле невязки фрагментов, не вошедших в диапазон. При этом происходит обращение к дискретам поля невязки, номера которых сцеплены с фрагментами списка, лежащим вне запрошенного диапазона индекса. Если обращение исполняется при шаге поиска по 1-му ключу, / =1,...Ы, то помечается единицей (/-1)-й справа бит выбранного дискрета. Наличие наряду с рельефом правдоподобия рельефа невязки позволило бы кадровику уверенно справиться даже с таким затруднением, как неожиданное увольнение Г.Г. Голуб в связи с заграничной командировкой ее супруга.
Анализ рельефа правдоподобия, построенного на поле поиска рис. 7, показывает, что к требованиям запроса приближаются четыре записи. Из рельефа невязки нетрудно уяснить, в чем отступают от спущенной разнарядки их атрибуты. Почти всем показателям в рассмотренном примере удовлетворяют Олина О. О., но ей 53 года и она не ведет общественной работы, и Котов К.К, но он мужчина. У Мозер М.М. недостаточны возраст и стаж, она не воспитывает детей. Деева Д.Д. великовозрастна, стаж больше двенадцати лет, она недостаточно общественно активна. Алова А.А не занимается научной работой, не имеет высшего образования и общественных поручений. Нетрудно сообразить, что если в трудовой стаж Мозер М. М. включить срок ее пребывания в аспирантуре, а возраст исчислять на момент предположительного избрания в депутаты, то она окажется стопроцентной заменой Г.Г. Голуб.
Допустим, что в отраслевом НИИ не оказалось такой уникальной фигуры. Для облегчения рутинного труда кадровиков процедуру поиска по многим ключам, как сказано выше, следует немного усложнить, чтобы наделить ее способностью формулировать рекомендации по оптимизации ситуации. С этой целью в пространстве базы данных необходимо дополнительно резервировать, помимо поля поиска, место для поля невязки, или дисбаланса, имеющего аналогичную структуру (Ы дискретов) и также обнуляемого перед началом работы. Отличие поля поиска от поля невязки состоит в разрядности дискретов. Если для первого разрядность т подбирается таким образом, чтобы дать возможность накопить в нем сумму /, равную количеству атрибутов базы данных, т.е. ]т[=1о§2Ы, где символ ] [ обозначает ближайшее большее целое, то во втором случае т=/, т.е. каждый разряд дискрета соответствует определенному ключу поиска.
Заключение
В статье обсуждается метод поиска по многим ключам, основанный на известных [7] механизмах образного мышления. Обработка запроса к базе данных начинается с построения компьютерного образа искомой записи в виде совокупности ее ключевых характеристик. Образ создается как форма представления результатов исследования, хорошо зарекомендовавшая себя среди экспериментаторов - гистограмма распределения измеренных данных. Столбцы гистограммы с максимальными значениями высоты рассматриваются как наиболее вероятные номера искомых записей.
ЛИТЕРАТУРА
1. Постановление Аэронавигационного совета (Коллегии) № 2 от 12.09.07. [Электронный ресурс]. URL: http: //www. svavia. ru/info/lib/fana 1. html.
2. О концепции федеральной целевой программы «Модернизация Единой системы организации воздушного движения Российской Федерации (2009 - 2015 годы)»: Распоряжение Правительства РФ № 1974-р от 29.12.2007. - Официальный текст. [Электронный ресурс]. URL: http://www.referent.ru/1/116187.
3. О Федеральной аэронавигационной службе: Указ Президента РФ от 05.09.2005 № 1049 (ред. от 12.05.2008). [Электронный ресурс]. URL: www.referent.ru/1/111632.
4. Габейдулин Р.Х., Горячев Д.И., Зубкова И.Ф., Мучинский А.В. Реализация дистанционной функции анализа данных по использованию воздушного пространства // Научный Вестник МГТУ ГА. - 2012. - № 184.
5. ОАО «НТЦ «ПРОМТЕХАЭРО»: О ходе работ по созданию Единой системы планирования использования воздушного пространства РФ // Вестник авиации и космонавтики. - 2011. - № 5.
6. Шепелев В.А. Ахиллесова пята семантического веба // Компьютерра. - 2008. - №25-26. Адрес в Интернете: http:// old.computerra.ru/Authors/192760/
7. Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов: - М.: Радио и связь, 1989.
8. Kurzweil R. Singularity is Near. - N-Y.: Viking Press, 2005.
MULTICRITERION DATA SEARCH ON THE BASIS OF INFORMATION IMAGES
Glagovskiy K.A., Moiseev O.V., Rudelson L.E.
An approach to the problem of accelerating the search aeronautical information, based on the known mechanisms of imaginative thinking is discussed. The notion «image of computer information» is defined as a set of attributes of the object of search, which contains together all the key parameters that are measured quantitatively or encoded. The method of multicriteria search for data on the basis of the computer image of information is proposed. An example of using is showed.
Key words: aeronautical information, image information, a database record.
Сведения об авторах
Глаговский Кирилл Андреевич, 1989 г.р., окончил МГТУ ГА (2011), аспирант МГТУ ГА, автор 7 научных работ, область научных интересов - вычислительные системы и методы, распределенные системы, организация вычислений.
Моисеев Олег Владимирович, 1988 г.р., окончил МГТУ ГА (2010), аспирант МГТУ ГА, автор 7 научных работ, область научных интересов - вычислительные системы и методы, распределенные системы, организация вычислений.
Рудельсон Лев Ефимович, 1944 г.р., окончил МЭИ (1968), доктор технических наук, профессор МГТУ ГА, автор более 170 научных работ, область научных интересов - программное обеспечение автоматизированных систем организации воздушного движения.
