CC BY
8обеспечения технической поддержки курсов. Необходимо развивать и углублять содержание лекционных и практических материалов, доступных для студентов всех форм обучения. Хочется подчеркнут особую значимость видеолекций как эффективной и комфортной формы предоставления учебного материала, которая позволяет проявиться личностным качествам преподавателя.
Библиографический список:
1. Государственная программа РФ «Развитие образования» на 2013-2020 гг. Министерство образования и науки РФ. - URL: httpY/минобрнауки.рф/документы/ 3409/файл/2228/13.05.15-Госпрограмма-Развитие_образования_2013-2020^^ Основное мероприятие П.1.6. - С. 109 (дата обращения: 10.03.2014). - Текст: электронный.
2. Суфляева, Н. Е. Современные аспекты преподавания графических дисциплин в технических вузах / Н. Е. Суфляева // Геометрия и графика. - 2015. - Т. 2. - №. 4. - C. 28-33.
3. Хейфец, А. Л. Реорганизация курса начертательной геометрии как актуальная задача развития кафедр графики / А. Л. Хейфец // Геометрия и графика. - 2013. - Т. 1. - № 2. - С. 21-23.
4. Сальков, Н. А. Начертательная геометрия - база для компьютерной графики / Н. А. Сальков // Геометрия и графика. - 2016. - Т. 4. - №. 2. - C. 37-47.
5. Темербекова, А. А. Интерактивное обучение: опыт и перспективы / А. А. Темербекова, Н. П. Гальцова // Информация и образование: границы коммуникации INFO'15: сборник научных трудов. - Горно-Алтайск : РИО ГАГУ, 2015. - С. 146.
6. Тен, М. Г. Формирование профессиональных компетенций студентов технических специальностей в процессе графической подготовки / М. Г. Тен // Геометрия и графика. - 2015. - Т. 3. - №. 1. -C. 59-63.
УДК 004.8, 007.5
О ПРИМЕНЕНИИ МИВАРНЫХ ЭКСПЕРТНЫХ СИСТЕМ ДЛЯ ПОДБОРА РЕКЛАМНЫХ
ОБЪЯВЛЕНИЙ В СФЕРЕ АВТОМАТИЗИРОВАННОЙ ЗАКУПКИ РЕКЛАМЫ ABOUT THE USE OF MIVAR EXPERT SYSTEMS FOR SELECTING ADS IN THE FIELD
OF PROGRAMMATIC AD BUYING
Семенов А. А. , магистрант Попков В. Е.1, магистрант Григорьев Е. А.1, магистрант Майорский А. А. , магистрант Адамова Л. Е.2, канд. психол. наук, доцент
1ФГБОУ ВО «Московский государственный технический университет имени Н. Э. Баумана»
Научно-исследовательский институт МИВАР 2АНО ВО «Российский новый университет» Россия, г. Москва, ovar@narod.ru, larisapers@yandex.ru
Аннотация. Показана возможность применения миварных экспертных систем для рынка Programmatic Buying. Построена миварная модель знаний в КЭСМИ для принятия решений об участии в рекламном аукционе на основании поиска пересечения двух динамических дискретных множеств в OpenRTB.
Ключевые слова: мивар, миварные сети, искусственный интеллект, КЭСМИ, MOGAN, экспертные системы, ProgrammaticBuying, OpenRTB.
Abstract. The possibility of using mivar expert systems for the market of Programmatic Buying is shown. A mivar model of knowledge is constructed in Wi!Mi for making decisions about participation in an advertising auction based on the search for the intersection of two multidimensional dynamic discrete sets in Open RTB.
Key words: Mivar, Mivar Nets, Artificial Intelligence, Wi!Mi, MOGAN, Expert Systems, Programmatic Buying, Open RTB.
Введение. В настоящее время основной заработок в сети интернет происходит благодаря показу рекламных объявлений. ProgrammaticBuying - это автоматизированная покупка таргетированной рекламы в формате аукциона для конкретных пользователей с учетом их интересов и потребностей [1]. Из-за этой персонализации резко возрастает размерность дискретного пространства, в котором представлены параметры покупателей. Основной задачей в ProgrammaticBuying является показ релевантной рекламы, для этого в условиях жесткого ограничения времени требуется проанализировать множество параметров и подобрать рекламную кампанию, которая была бы нацелена на конкретного пользователя. Примером покупки рекламы является аукцион по протоколу OpenRTB [2], в котором участвуют две стороны 1) SellSidePlatform (SSP) - это организатор аукциона RealTimeBidding (RTB); 2) DemandSidePlatform (DSP) - участник аукциона, который выставляет рекламные кампании.
Важно отметить, что по условиям задачи нельзя заранее отсортировать все рекламные объявления и построить портреты пользователей и товаров, т.к. критерии их релевантности меняются динамически по мере движения пользователя-покупателя, например, по улице с магазинами и кафе. Для того, чтобы рекламная кампания имела ценность для DSP, требуется грамотная ее настройка под конкретного пользователя. Для этой настройки применяется таргетинг [2] (от англ. Target) - набор параметров запроса, которые удовлетворяют рекламной кампании. Например, рекламная кампания нацелена на пользователей, которые «сидят» в интернете через устройства под управлением операционной системы Android, используя браузер Google Chrome. В таком случае эта кампания имеет два таргетинга:Таргетинг на операционную систему - Android; Таргетинг на браузер - Google Chrome. В целом задача получается актуальной, очень практичной и с весьма жесткими условиями.
Постановка задачи. В аукционе по протоколу OpenRTB SSP присылает запрос в формате JSON, содержащий информацию о пользователе, которому будет показано рекламное объявление. В дальнейшем будем называть данные, содержащиеся в этом запросе портретом пользователя. DSP в свою очередь должна дать ответ так же в формате JSON, содержащий информацию о рекламном объявлении. В дальнейшем будем называть эти данные портретом товара. Задача - подобрать наиболее релевантный портрет товара под конкретный портрет пользователя.
Описание решения. Целью является принятие решения об участии в аукционе. Возможны два варианта решения задачи: 1) не участвуем во внешнем аукционе и 2) участвуем и отсылаем предложение (портрет товара). При решении задачи используются две дискретные функции: 1) Портрет пользователя - является множеством параметров, характеризующих конкретного человека в конкретный момент времени; 2) Портрет товара - является множеством параметров, характеризующих конкретный товар в конкретный момент времени.Портрет пользователя и портрет товара могут быть представлены в виде вектора, битовой маски, вершины графа и т. д.
Критерий принятия решения - пересечение множеств портретов. Решение считается найденным, если есть пересечение двух портретов (общее подмножество элементов). В лучшем случае должна быть одна точка пересечения. Критерием неучастия в аукционе является пустое подмножество пересечений множеств портретов.Задача состоит в том, что за ограниченное время требуется построить два множества портретов и произвести их сравнение в целях поиска пересечения этих множеств. Особенности задачи — то, что помимо максимума так же есть область минимального совпадения портретов. В идеальном случае должны совпадать максимумы этих двух функций.
Важное ограничение по времени сравнения портретов. Если по завершению времени сравнения максимумы не совпадают, но есть пересечение минимальных допустимых областей, то выбирается портрет товара из этой области, который наиболее близок к максимуму. Если минимальные области не совпадают, то принимается решение не участвовать в аукционе. Именно из-за жесткого ограничения по времени (в среднем 150 мс) уже известные методы многомерной оптимизации, например, такие как: метод координатного спуска, поиск по симплексу, наискорейший градиентный спуск и др. не подходят для решения данной задачи.Фактически решается задача проведения внутреннего аукциона для подготовки решения об участии во внешнем аукционе (OpenRTB). Под внутренним аукционом понимаем решение задачи сравнения двух дискретных множеств портретов: пользователя и товара.
Было решено использовать K3CI^Wi!Mi, основанный на миварных технологиях. Как известно, миварные технологии [3] используются для решения различных проблем [4], например: обработки информации [5] и созданияинтеллектуальных систем [6].
Миварные экспертные системы (МЭС) [7] - это инструмент логической обработки знаний [8], входящий в многомерные активные гносеологические активные сети (multidimensionalopengnoseologi-calactivenet) MOGAN, которые применяют для АСУ [9], беспилотных машин [10], экспертного моделирования [11], распознавания образов [12], тегирования изображений [13], планирования действий роботов [14]. В этих областях так же важна работа с множествами правил в режиме реального времени. Опыт успешного применения миварных технологий показывает их большой потенциалв искусственном интеллекте (ИИ).
Для описания миварной модели знаний используется формат XML. В модели описываются все параметры, как входные, так и выходные. Каждый параметр может принадлежать одному из двух типов: строка или число. После параметров описываются правила. Правила характеризуются входными и выходными параметрами. Для применения правил служат отношения. Отношения могут быть различных типов: простое отношение, сложное отношения, формула, логическое условие. Для описания отношений описываются его входные и выходные параметры, тип отношения и само тело отношения. Пример структуры миварной моделидля КЭСМИ показан на рисунке 1. В объекте class хранятся параметры модели, как входные, так и выходные. В объекте rules - правила миварного вывода (набор входных и выходных параметров). В объекте relations хранятся отношения входных значений к выходным. После создания полученная модель загружается на сервер по API. Дальнейшее взаимодействие с ней осуществляется тоже по API. На вход должны подаваться параметры, которые являются входными для какого-то отношения, соответственно на выходе получим выходной параметр данного отношения.При использовании КЭСМИ разработчик освобожден от поиска функций сравнения, так как эту задачу решает КЭСМИWi!Mi, который на основании поиска данных в миварном пространстве ищет решение, удовлетворяющее критериям поиска.
Рисунок 1 - Пример структуры миварной модели знаний
Для построения модели использованы два класса: customer - содержит информацию о портрете пользователя; inventory - содержит информацию о портрете товара. На рисунке 2 представлен пример класса customer. Под каждый таргетинг создан свой класс. В каждом классе содержатся параметры, отвечающие за различные варианты данного таргетинга. На рисунке 3 представлено содержимое класса inventory. Параметры, отвечающие, за рекламные кампании находятся в корне класса и имеют суффикс Users. На рисунке 4 изображены используемые правила для логического вывода. Каждое правило соответствует своему отношению, в котором определено один из следующих типов вывода: формула; условное отношение; ограничение; сложное отношение. В рамках нашей работы используются формулы типа сложное отношение. В каждом отношении задаются входные и выходные параметры, а также условия получения выходных параметров из входных.
В результате работы миварного вывода будут получены рекламные материала, соответствующие портрету пользователя и коэффициенты, для участия в аукционе. Для тестирования построенной модели воспользуемся интерфейсом, предоставляемым КЭСМИ. Для этого вводим различные входные параметры и проверяем, какие правила задействуются и какие выходные параметры мы получаем.
На рисунке 5 показан граф вывода для портрета пользователя из следующих параметров: Город - Москва; Операционная система - Linux; Браузер - Firefox; Тип устройства - персональный компьютер; Идентификатор домена - 1; Тип рекламного объявления - нейтив. В этом примере под портрет пользователя подходят 2 портрета товара со ставками «1.5» и «26». Параметры обозначены желтыми овалами, отношения - синими прямоугольниками. Практический опыт применения КЭСМИ наглядно показал, что для различных портретов пользователей применяются различные правила. Это ключевая особенностью миварных сетей - используются только необходимые правила.
I customer ^ bowser © Chrome | ! Firefox © Safari (¡J deviceType Mobile ® PC © Tablet ^ geo
© Moscow © StPetersburg ^ location
@ domain t^ materialType © banner © native
@ OS
© Android
Linux § Mac ® Windows
113 113 113
113 113 113
113 113
113 113
113 113 113 113
I inventory @ domainKoefs 0 browser 0 geo
0 geoDeviceType 0 FireFoxUsers 0 materials v ^ banner
0 Moscow
0 stppc
I native
ф FireFox 0 Moscow 0 StPTablet I Moscawllsers I rate
0 FirefoxRate 0 MascowRate 0 StPetersburg PCRate 0 StPetersburgTabletRate I StPetersburgPcUsers I StPetersburgTabletUsers
Наименование v ф geoDeviceTypeTargeting StPetersb u rgTa bl et StPetersb urgPc v ^ browserTargeting
ф Firefox v ф domainKoefs
domainKoefs V- 5 resultKoefs browser geo
geo DeviceType geo DeviceType 2 V ф materials
bannerMoscow bannerStPPc native Firefox nativeStPTablet nativeMoscow v 0 geoTargeting Ф Moscow
Рисунок 2
Рисунок 3
Рисунок 4
Рисунок 5 - Пример решения задачи
Вывод. Таким образом, проведен анализ рынка ProgrammaticBuying, показана возможность применения для него миварных экспертных систем, построена миварная модель в КЭСМИ и создан программный комплекс для принятия решения об участии в рекламном аукционе на основании поиска пересечения двух динамических дискретных множеств на примере OpenRTB. Библиографический список:
1. Комгорова, А. О. RTB-Торги в реальном времени / А. О. Комгорова // Рекламный Вектор -2015: Стратегии нового времени: сборник материалов. - Москва, 2015. - С. 238-242.
2. Рабкин, В. С. Таргетинг и контекстная реклама в рамках продвижения организации / В. С. Рабкин // Научное и образовательное пространство: перспективы развития: сборник материалов. - Витебск, 2018 - С. 225-226.
3. Варламов, О. О. Эволюционные базы данных и знаний для адаптивного синтеза интеллектуальных систем. Миварное информационное пространство / О. О. Варламов. - Москва : Радио и связь, 2002. - 288 с.
4. Варламов, О. О. Миварный подход как основа качественного перехода на новый уровень в области искусственного интеллекта / О. О. Варламов // Радиопромышленность. - 2017. - № 4. - С. 13-25.
5. Автоматизированное построение маршрута логического вывода в миварной базе знаний / О. О. Варламов, А. М. Хадиев, М. О. Чибирова [и др.] // Патент на изобретение RUS 2607995 11.02.2015., опубликовано 11.01.2017, бюллетень № 2. - 43 с.
6. Варламов, О.О. О возможности создания интеллектуальных систем на основе GRID, систем адаптивного синтеза ИВК, сервисно-ориентированной архитектуры и миварного информационного пространства / О. О. Варламов // Известия ТРТУ. - 2005. - № 10 (54). - С. 130-140.
7. Варламов, О. О. Роль и место миваров в компьютерных науках, системах искусственного интеллекта и информатике / О.О. Варламов // Радиопромышленность. - 2015. - № 3. - С. 10-27.
8. Varlamov, O. O. Wi!Mi Expert System Shell as the Novel Tool for Building Knowledge-Based Systems with Linear Computational Complexity / О. О. Varlamov // International Review of Automatic Control. -2018. - № 11 (6). - Р. 314-325.
9. Automated process control Isystem of mobile crushing and screening plant / А. Ostroukh, N. Surk-ova, O. Varlamov [et al.] // Journal of Applied Engineering Science. - 2018. - № 16 (3). - Р. 343-348.
10. Shadrin, S. S. Experimental Autonomous Road Vehiclewith Logical Artificial Intelligence / S. S. Shadrin, O. O. Varlamov, A. M. Ivanov // Journal of Advanced Transportation, vol. 2017, Article ID 2492765. - 2017. - 10 p
11. Чувиков, Д. А. Применение экспертного моделирования в получении новых знаний человеком / Д. А. Чувиков // Радиопромышленность. - 2017. - № 2. - С. 72-80.
12. Максимова, А. Ю. Миварная экспертная система для распознавания образов на основе нечеткой классификации и моделирования различных предметных областей с автоматизированным расширением контекста / А. Ю. Максимова, О. О. Варламов // Известия ЮФУ. Технические науки. -2011. - № 12 (125). - С. 77-87.
13. Система автоматического тегирования изображений на основе миварных технологий / Ю. И. Майборода, М. Ю. Синцов, А. Ю. Озерин [и др.] // Программные системы: теория и приложения. - 2014. - Т. 5. - № 4 (22). - С. 159-170.
14. Варламов, О. О. Успешное применение миварных экспертных систем для MIPRA - решения задач планирования действий робототехнических комплексов в реальном времени / О. О. Варламов, Д. В. Аладин // Радиопромышленность. - 2019. - № 3(29). - С. 15-25.
УДК 004.8, 007.5
О ПРИМЕНЕНИИ МИВАРНЫХ ЭКСПЕРТНЫХ СИСТЕМ ДЛЯ СОЗДАНИЯ САЙТА ДЛЯ ЛЮДЕЙ С НЕДОСТАТКАМИ ПО ЗРЕНИЮ ON THE APPLICATION OF MIVAR EXPERT SYSTEMS FOR CREATING A WEBSITE FOR PEOPLE WITH VISUAL DISABILITIES
Бушуев Р. А., магистрант Девяткин А. В., магистрант
Зыков Д. А., магистрант Шоскальне В. М., магистрант Булатова И. Г., доцент
ФГБОУ ВО «Московский государственный технический университет имени Н. Э. Баумана Научно-исследовательский институт МИВАР Россия, г. Москва, prof-roman@bk.ru
Аннотация. Работа посвящена проблеме реабилитации инвалидов, в том числе для взаимодействия слабовидящих и незрячих людей с ЭВМ. Существующие решения, называемые ассистив-ными технологиями, позволяют частично устранить социальный барьер информационного пространства. Предложено на основе КЭСМИ (конструктор экспертных систем миварный) создание доступной программной среды, использование которой не будет вызывать непонимание как у людей с проблемами зрения, так и без них.
Ключевые слова: мивар, миварные сети, искусственный интеллект, AudCat, КЭСМИ, MOGAN, экспертные системы.
Abstract. The article is devoted to the problem of rehabilitation of disabled people, including the interaction of visually impaired and blind people with computers. Existing solutions, called assistive technologies, can partially eliminate the social barrier of the information space. The article reflects the creation of an accessible software environment, the use of which will not cause misunderstanding for people with or without vision problems.
Key words: mivar, mivar nets, artificial intelligence, audCat, Wi!Mi, MOGAN, expert systems.
Введение. Сегодня тема доступности компьютерных технологий для людей с ограниченными возможностями по зрению, медленно, но, верно, набирает популяризацию. Это связано с развитием и проникновением информационных технологий во все сферы современного общества. Вопреки данному факту, актуальной остается проблема реабилитации инвалидов, в том числе и взаимодействия слабовидящих и незрячих людей с ЭВМ. Существующие решения, называемые ассистивными технологиями, позволяют частично устранить социальный барьер информационного пространства. Обобщение научного и практического опыта в сфере работы с инвалидами по зрению показало, что для разрушения данного барьера нужен комплексный подход [1], включающий всевозможные реабилитационные средства и программное обеспечение.Одной из больших проблем является отсутствие каких-либо требований по адаптации интерфейсов сайтов для слабовидящих людей. Опираясь на большой опыт создания веб-сайтов, было принято решение ориентироваться на требования ГОСТ P 52872-2012 «Интернет-ресурсы. Требования доступности для инвалидов по зрению» [2]. Авторы данного ГОСТа являются сотрудниками института «Реакомп», который занимается проблемами реабилитаций инвалидов по зрению.
