CC BY
12142
Секция 8
численных алгоритмов, повышающих уровень программирования, и при этом обеспечивающих удовлетворительную эффективность (по времени выполнения, расходу памяти, нагрузке на сеть и т.п.) исполнения программ. В работе представляются алгоритмы системы LuNA, ориентированные на эффективное исполнение LuNA программ на вычислителях с распределенной памятью, а также представляются результаты экспериментального исследования эффективности работы системы на ряде приложений.
Построение модели изменения во времени содержания тематических кластеров в коллекциях научных текстов
И. С. Пименов1, Н. В. Саломатина2 1Новосибирский государственный университет 2Институт математики им. С. Л. Соболева Email: pimenov. 1330@yandex.ru DOI: 10.24411/9999-017A-2019-10289
В работе представлены результаты решения задачи по оцениванию изменений, происходящих на уровне тематических кластеров в отдельной предметной области. Реализован подход, опирающийся на анализ полных текстов [1]. Выявление терминов, связей между ними и тематическая кластеризация проведены с помощью свободно распространяемой программы VosViewer, позволяющей извлекать термины в форме именных словосочетаний, а также проводить их кластеризацию [2]. Для отслеживания динамики развития и формирования тематических кластеров во времени использованы ориентированные графы, построенные с учетом значимых изменений в кластере. Апробация подхода проведена на материале докладов шести конференций по катализу "EuropaCat" за период времени с 2005 г. по 2015 г. На качественном и количественном уровне дано описание основных тенденций изменения во времени тематических кластеров.
Работа выполнена при финансовой поддержке программы Фундаментальных научных исследований РАН (код проекта 0314-2019-0015).
Список литературы
1. M.J. Cobo, A.G. Lуpez-Herrera, E. Herrera-Viedma, F. Herrera. An approach for detecting, quantifying, and visualizing the evolution of a research field: A practical application to the Fuzzy Sets Theory field. URL: https://www. sciencedirect.com/science/article/pii/S1751157710000891 (дата обращения: 26.03. 2019).
2. Van Eck, N.J., & Waltman, L. Text mining and visualization using VOSviewer. [Электрон. ресурс]. URL: https:// pdfs.semanticscholar.org/eebd/8c9e1dce3656de1d6a2c92fa26d82087447e.pdf (дата обращения: 26.03. 2019).
Использование естественного языка при создании имитационных моделей
С. В. Рудометов1, В. В. Окольнишников2
1Институт вычислительной математики и математической геофизики СО РАН
2Институт вычислительных технологий СО РАН
Email: sergersw@gmail.com
DOI: 10.24411/9999-017A-2019-10290
В нашей работе мы воспроизвели действия человека, который пытается анализировать полностью незнакомый текст, в котором ему известно, какие слова и словесные конструкции обозначают сущности (предметы, существ), какие - действия, а какие - те или иные свойства сущностей или действий. При таком анализе, мысленно, человек начинает строить схему, в которой сначала "создает" сущности, затем "снабжает" их свойствами, указанными в тексте, и затем - выясняет их взаимодействие и его свойства.
Специалист в предметной области, разрабатывающий имитационную модель в среде имитационного моделирования MTSS [1], действует по похожей схеме. Сначала он принимает решение об использовании некоторых элементарных моделей (ЭМ), затем создает и размещает (визуально) некоторое количество экземпляров ЭМ (ЭЭМ), затем изменяет их свойства, затем графически соединяет их друг с другом.
Использование естественного языка выглядит в таком случае как применение скриптового языка. Но есть и важное отличие: человеку не нужно учить этот новый язык. Он будет использовать хорошо известные ему и понятные языковые конструкции.
