Модель запросов ЛПР в среде распределенных информационных ресурсов ИУС Текст научной статьи по специальности «Компьютерные и информационные науки»

же показатели распознавания, как у человека, однако с такой системой невозможно бы было работать: настройка системы под каждого работающего пользователя, низкий темп разговора, ограниченность словаря и т. д. Человек по своей специфике распознает речь не только акустически, но еще и визуально. Данная особенность человека называется эффектом Мак-Гурка-Мак-Дональда. Основная суть в том, что при разговоре человек неявно для себя начинает читать по губам, повышая показатель распознавания.

Интегрируя в системы распознавания речи системы распознавания лиц, в частности рта, т. е создание дополнительного параметра для повышения точности, снизит влияние шума на распознавание. Существующие системы получат, возможно, такие же параметры распознавания, как у человека.

Системы распознавания речи являются довольно значимым направлением для человека. Подобные системы способны помочь людям в разных сферах жизни, от медицины до космонавтики. Системы распознавания речи продолжают развиваться, при доста-

точном уровне развития нейросетей появится возможность вести диалог машины с пользователем, а добавление элементов распознавания лица, в частности губ, позволит увеличить точность распознавания, дав возможность сделать переход на полностью голосовое управление.

Библиографические ссылки

1. Davies K. H., Biddulph R., Balashek, S. Automatic Speech Recognition of Spoken Digits, J. Acoust. Soc. 1952. №. 24 (6). P. 637-642

2. McGurk H., MacDonald J. "Hearing lips and seeing voices // Nature. 1976. № 264 (5588). Р. 746-8.

References

1. Davies K. H., Biddulph R. and Balashek S. (1952) Automatic Speech Recognition of Spoken Digits, J. Acoust. Soc. Am. 24 (6). pp. 637-642

2. McGurk H., MacDonald J. (1976). "Hearing lips and seeing voices // Nature 264 (5588), р. 746-8.

© Карцан Р. В., Карцан И. Н., 2013

УДК 025.4.03

МОДЕЛЬ ЗАПРОСОВ ЛПР В СРЕДЕ РАСПРЕДЕЛЕННЫХ ИНФОРМАЦИОННЫХ РЕСУРСОВ ИУС

Е. В. Каюков, В. В. Храпунова, Г. А. Сидорова, К. К. Бахмарева, П. В. Зеленков

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Россия, 660014, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31 E - mail:[email protected]

В настоящее время существует несколько подходов к построению модели лица, принимающего решение (ЛПР). Приведено концептуальное описание модели запросов ЛПР, а также профиля ЛПР. Необходимо отметить, что применение данных моделей имеет существенное значение при учете производственных факторов, влияющих на процесс принятия решения.

Ключевые слова: поисковые системы, модель запросов пользователя.

DMP QUERY MODEL IN DISTRIBUTED INFORMATION MIS RESOURCES

E. V. Kayukov, V. V. Khrapunov, G. A. Sidorova, K. K. Bahmareva, P. V. Zelenkov

Siberian State Aerospace University named after academician M. F. Reshetnev 31, "Krasnoyarsky Rabochy" Av., Krasnoyarsk, 660014, Russia. E-mail:[email protected]

Currently, there are several approaches to the construction of a decision maker (DM) model. A conceptual description of the DM query model and DM profile is given. It should be noted that the use of these models is essential taking into account production factors influencing the decision-making process.

Keywords: search engines, model user queries.

Применение того или иного подхода к реализации профиля ЛПР отражается на выборе рациональной стратегии поведения в сложных производственных ситуациях. Необходимо отметить, что выбор категории или профиля ЛПР зачастую определяется набором типовых ситуаций, которые возникают в системе управления только в том виде, в котором он был за-

фиксирован на практике. При формировании профиля ЛПР учитывается ряд атрибутов, характеризующий различные производственные ситуации, возникающие в процессе функционирования промышленного предприятия:

- наименование ситуации;

- описание причин ее возникновения;

Программные редктва и информационные технологии

- указание последствий, к которым она может привести;

- временные характеристики, определяющие время возникновения и окончания ситуации;

- наименование структурных подразделений предприятия, где возникла производственная ситуация;

- описание мероприятий, необходимых для ее успешного разрешения;

- указание производственных факторов, влияющих на процесс принятия решений;

- список документов, регламентирующих поведение ЛПР в сложившейся ситуации;

- перечень данных, поступающих от различных информационно-измерительных систем предприятия и используемых ЛПР в процессе выработки решения.

Необходимо отметить, что на ряде промышленных предприятий некоторые из указанных выше характеристик производственных ситуаций могут не использоваться управленческим персоналом в процессе принятия решения. Кроме того, ряд характеристик производственных ситуаций может оставаться не определенным экспертами в течение значительного промежутка времени. В этих случаях в разрабатываемой поисковой системе при формировании профиля ЛПР будут учитываться только известные (базовые) характеристики и не будут рассматриваться остальные.

Моделирование ЛПР строится на основе его информационных потребностей в конкретной производственной ситуации, поскольку основной задачей управляющего персонала является поиск необходимой информации для принятия решения.

Методология латентно-семантического анализа имеет ряд преимуществ при решении задач поиска информации. Она позволяет достигнуть индивидуализации (или, другими словами, персонализации) интерфейса ЛПР в ИУС, что позволяет обеспечивать информационную поддержку принятия решения в

контексте текущей производственной ситуации. То есть еще на стадии обработки результатов поискового запроса отсеивается большая часть нерелевантных документов и данных.

В работе рассматривается новая схема моделирования ЛПР, основанная на инициализации начального профиля и его последовательной корректировке в процессе работы. При этом документы могут быть представлены как векторы латентного семантического пространства.

Итак, при создании поисковых систем в ИУС важную роль играет модель ЛПР. От того, насколько правильно система сможет судить о том, кто с ней в данный момент в данной производственной ситуации работает, зависит правильность работы (адаптации) всей системы в целом.

Моделирование пользователя при организации адаптивных поисковых систем является достаточно сложной задачей. До настоящего времени не существует единых подходов, методов или стандартов разработки таких моделей. В контексте данной работы объектом-заместителем является пользователь, который рассматривается в виде совокупности некоторых характеристик. Моделирование пользователя - это процесс, охватывающий весь жизненный цикл существования модели пользователя, от сбора и обработки информации о пользователе до непосредственного формирования модели, ее корректировки и подстройки (см. рисунок).

Какую именно информацию будет содержать модель пользователя, зависит от множества прикладных задач, для решения которых проектируется данная гипермедиасистема. Первоначальные сведения в модель закладывает разработчик системы, который имеет некоторые представления как о будущей аудитории, так и о предметной области, для которой система разрабатывается.

Подходы к организации поисковых систем: а - отсутствие модели пользователя; б - использование молели пользователя; в - метапоисковая система с использованием модели пользователя; ПС - поисковый сервис; МП - модель пользователя; ХЗ - хранилище запросов; ПП - профиль пользователя; МПС - метапоисковая система; МПОЗ - модуль предварительной обработки запросов

Нужно понимать, что использование достаточно сложных моделей в адаптивных гипермедиасистемах не всегда целесообразно, так как связано с большими затратами на формирование, проверку адекватности и последующую эксплуатацию. При этом даже простые модели, являющиеся грубой оценкой некоторых характеристик пользователя, позволяют повысить функциональность и удобства использования ГС. «Создавая модель пользователя, нужно понимать, что она никогда не будет идеальным его отражением, а скорее некоторой грубой аппроксимацией его основных характеристик».

Моделирование пользователя может помочь при решении следующих задач, связанных с гипермедиа-системами:

- помощь пользователю при изучении определенной тематики;

- предоставление важной для данного пользователя информации;

- адаптация интерфейса под пользователя;

- помощь пользователю в поиске информации;

- поддержка совместной работы;

- помощь пользователю при работе с самой системой.

© Каюков Е. В., Храпунова В. В., Сидорова Г. А., Бахмарева К. К., Зеленков П. В., 2013

УДК 681.3.06

О РЕШЕНИИ ЗАДАЧИ ГЕНЕРАЦИИ ЛАНДШАФТОВ

С. В. Колесников

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Россия, 660014, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31 Е-mail: [email protected]

Рассматриваются вопросы генерации алгоритма и оптимального алгоритма.

Ключевые слова: алгоритмы генерации, генерация ландшафта, холмовой алгоритм, шум Перлина, фракталы. SOLVING THE PROBLEMS OF LANDSCAPE GENERATION

S. V. Kolesnikov

Siberian State Aerospace University named after academician M. F. Reshetnev 31, "Krasnoyarsky Rabochy" Av., Krasnoyarsk, 660014, Russia. E-mail: [email protected]

The problems of the generation algorithm and the optimal algorithm are studied.

Keywords: algorithms of generation, generation of a landscape, holmovy algorithm, Perlin's noise, fractals.

В настоящее время медиа- и игровая индустрия очень развиты, и они пытаются использовать все возможности современных компьютеров. Одной из задач является создание пейзажа или ландшафта. Эта задача часто встречается при моделировании различных пространств и широко применима в кино или игровой индустрии, а также в программах, моделирующих поведение различных объектов.

Но какие существуют алгоритмы для генерации ландшафта?

Существует три основных алгоритма: шум Перли-на, холмовой и фрактальный [1].

Фрактальный алгоритм, как следует из названия, основан на теории фракталов. В начале этого алгоритма задаются случайным образом вершины крайних точек квадрата. После этого рассчитывается центральная точка, затем все остальные: верхняя, нижняя, левая, правая. И после этого всё разбивается повторно на квадраты, и процесс начинается заново, как показано на рис. 1.

В данном алгоритме производятся несложные расчёты, так как для вычисления вершины необходимо посчитать среднее значение и прибавить случайное число. Но данный алгоритм в некоторых случаях требует сложных математических вычислений, так как для его правильной работы необходимо разбивать пространство на равные части, что не всегда возможно наипростейшим образом.

Рис. 1. Фрактальный алгоритм