CC BY
40
УДК 303.732.4
ПОВЫШЕНИЕ АДЕКВАТНОСТИ СПЕКТРАЛЬНОГО АНАЛИЗА ЛИЧНОСТИ ПО АСТРОСОЦИОТИПАМ ПУТЕМ ИХ РАЗДЕЛЕНИЯ НА ТИПИЧНУЮ И НЕТИПИЧНУЮ ЧАСТИ
Луценко Евгений Вениаминович д. э. н., к. т. н., профессор
Кубанский государственный аграрный университет, Краснодар, Россия
Трунев А.П. - к. ф.-м. н., Ph.D
Директор, A&E Trounev IT Consulting, Торонто, Канада
В статье приводятся результаты вычислительных экспериментов по повышению адекватности семантических информационных моделей с различными наборами астропризнаков путем разделения обобщенных социальных категорий (астросоциотипов) на типичную и нетипичную части.
Ключевые слова: АСТРОСОЦИОТИП, ВЫЧИСЛИТЕЛЬНЫЙ ЭКСПЕРИМЕНТ, АСТРОСОЦИОЛОГИЯ,
АСТРОСОЦИОТИПОЛОГИЯ, СПЕКТРАЛЬНЫЙ АНАЛИЗ ЛИЧНОСТИ, СЕМАНТИЧЕСКИЕ ИНФОРМАЦИОННЫЕ МУЛЬТИМОДЕЛИ.
UDC 303.732.4
INCREASE OF ADEQUACY OF SPECTRAL PERSONAL ANALYSIS BY ASTROSOCIOTYPES BY MEANS OF THEIR SEPARATION ON TYPICAL AND ATYPICAL PARTS
Lutsenko Evgeny Veniaminovich
Dr. Sci. Econ., Cand. Tech. Sci., professor
Kuban State Agrarian University, Krasnodar, Russia
Alexander Trunev Cand. Phys. Sci., Ph.D
Director, A&E Trounev IT Consulting, Toronto, Canada
Results of computational experiments on increasing of semantic information models adequacy with different sets of astrosigns by means of separation of generalized social categories (astrosociotypes) on typical and atypical parts are casted in the article.
Key words: ASTROSOCIOTYPE, COMPUTATIONAL EXPERIMENT, ASTROSOCIOLOGY, ASTROSOCIOTYPOLOGY, PERSONAL ANALYSIS, SEMANTIC INFORMATION MULTIMODELS.
Данная статья является продолжением работы [25], в которой приводятся основные научные результаты, полученные в 2007 году при создании и исследовании семантической информационной мультимодели, обеспечивающей как выявление зависимостей между астропризнаками и принадлежностью респондентов к обобщенным социальным категориям, так и использование знания этих зависимостей для идентификации респондентов по этим категориям. Исследованная в [25] мультимодель включает 172 частные модели на 37 обобщенных категорий. Причем каждая из категорий представлена не менее чем 1000 респондентов при общем объеме выборки 20007 респондентов.
Основным источником астрологической базы данных, подготовленной для системы ЭЙДОС, является Lois Rodden’s AstroDatabank (www.astrodatabank.com). Использованная нами четвертая версия этого банка данных содержит 31012 записей, из которых 23217 составляют карты рождения известных личностей с описанием их биографии, 6643 - карты рождения людей без имени, отнесенных к определенной категории и 1152 - карты мунданных событий, типа землятресения, авиационных ката-
строф и т.п. Общий объем банка данных составляет около 300 Мб. В нем содержатся астрологические параметры в 4 системах домов, поэтому в данной версии можно экспортировать в использованный нами ВВБ4 формат астрономические параметры, включая долготу и склонение планет, а также положение углов домов. Преимуществом этого банка данных является то, что все события жизни классифицированы, а все профессиональные и иные категории упорядочены. В результате сортировки исходных данных были получены астрономические и биографические данные для 20007 уникальных персон и 16360 записей событий, происходивших с ними [2, 13-19]. Для них всех были вычислены координаты небесных тел. Для записей с точным временем вычислялись куспиды астрологических домов в системе Плацидуса. В анализе были использованы эфемериды следующих небесных тел: Солнца, Луны, Меркурия, Венеры, Марса, Юпитера, Сатурна, Урана, Нептуна, Плутона и Хирона.
Однако в процессе исследований выяснилось, что данная база данных обладает и рядом недостатков, среди которых хотелось бы отметить крайне неравномерное распределение респондентов по категориям: из 11000 категорий, к которым относятся респонденты этой базы, лишь 37 представлены 1000 респондентов и более. Поэтому выводы, полученные различным категориям, обладают разной степенью статистической достоверности: по хорошо представленным категориям можно говорить о надежно выявленных эмпирических законах, а по малопредставленным
- об исследовании неких зависимостей, которые нет возможности классифицировать как случайные или закономерные.
Дело в том, что чем меньше респондентов относится к категории, тем меньше вариабельность параметров респондентов, отнесенных к категории. В предельном случае, когда образ категории сформирован на примере одного респондента, вариабельность полностью отсутствует. В этом случае, по сути, задача распознавания вырождается (редуцируется) до задачи информационного поиска, т.е. становится тривиальной. Поэтому достоверность решения этой задачи максимальна и практически равна 100 %. Чем больше респондентов относится к некоторой категории, тем выше вариабельность параметров респондентов (астропризнаков) внутри категории, тем сложнее получить обобщенный образ этой категории и достоверно осуществить идентификацию конкретного респондента с этим образом. Однако именно это, т.е. определение уровня сходства конкретного респондента с обобщенным образом, сформированным на основе большого количества респондентов, относящихся к данной категории, представляет научный и прагматический интерес.
Таким образом, возникает проблема, состоящая в том, что для повышения статистической достоверности выводов необходимо увеличивать количество респондентов, относящихся к обобщенным категориям. Однако это приводит к понижению достоверности идентификации респонден-
тов с этими категориями из-за возрастания вариабельности внутри категорий.
В астросоциологии данная проблема обозначается впервые, и в этом состоит ее научная новизна. Решение данной проблемы позволит одновременно повысить адекватность и статистическую достоверность идентификации респондентов с астросоциотипами, что имеет практическую значимость для служб, связанных с управлением персоналом. В этом и состоит актуальность решения данной проблемы.
Объектом исследования являются модели, отражающие взаимосвязи между астропризнаками респондентов и принадлежностью этих респондентов к астросоциотипам, а предметом исследования - частные информационные семантические модели с 2, 3, 12 и 128 секторами.
Выбор именно этих частных моделей для исследования был обусловлен тем, что они представляют три группы частных моделей: с малым (2, 3), средним (12) и большим (128) количеством секторов, что позволяет оценить зависимость эффективности метода, применяемого для решения проблемы, от количества секторов в частной модели.
Целью исследования является повышение адекватности идентификации респондентов в частных моделях статистически представленных астросоциотипов.
Данную цель предполагается достичь путем ее декомпозиции в следующую последовательность задач, являющихся этапами ее достижения:
1. Разработка дерева обобщенных категорий, к которым относятся респонденты, представленные в исходной базе данных.
2. Расчет распределения респондентов по категориям.
3. Удаление из списка всех категорий, к которым относятся менее 1000 респондентов.
4. Синтез частных моделей для наиболее представленных социальных категорий с различным количеством секторов.
5. Выбор метода повышения адекватности и исследование частных моделей с малым (2, 3), средним (12) и большим (128) количеством секторов.
Решение задач 1-4 приведено в работе [25], поэтому в данной статье остается описать решение только 5-й задачи.
Обоснование требований к методу решения проблемы. Метод должен обеспечивать возможность работы с частными моделями, созданными в системе "Эйдос-астра" [21] и при этом повышать адекватность отдельной заданной модели, т.е. не использовать алгоритмы голосования (коллективы решающих правил), которые уже были исследованы в [25].
По данным, приведенным в литературе, сформулированным требованиям в принципе удовлетворяют две системы: это ЗРББ и система "Эй-дос".
В системе ЗРББ можно методами кластерного анализа исследовать матрицу информативностей и построить дерево классов, отражающее их сходство и различие. Ясно, что сходство классов тем выше, чем больше респондентов относится одновременно к обоим этим классам, т.е. чем больше их пересечение по исходным данным, тем выше корреляция между ними. На основе этого можно попытаться сконструировать такую систему классов, которая бы имела минимальное пересечение по исходным данным, т.е. провести ортонормирование системы классов. При этом из системы классов будут удалены те из них, которые наиболее сильно коррелируют друг с другом. Это теоретически возможно, но практически осуществимо лишь для очень небольших обучающих выборок и небольших наборов классов, т.к. после изменения набора классов необходимо соответственно перекодировать обучающую выборку, и провести пересинтез модели. Для исследуемых нами баз данных с помощью системы ЗРББ это практически неосуществимо. Кроме того, система ЗРББ вообще не обеспечивает многопараметрическую типизацию (обобщение, формирование обобщенных образов категорий) на основе описаний респондентов.
В системе "Эйдос" [3-12] реализованы режимы ортонормирования семантического пространства классов и семантического пространства атрибутов (результаты этих режимов в системах "Эйдос" и ЗРББ совпадают), а также режим разделения классов на типичную и нетипичную части, автоматизирующие все необходимые для этого функции. Причем в процессе выполнения этих режимов создаются различные частные модели, и при этом используется многопараметрическая типизация.
Согласно этим причинам, для решения сформулированной проблемы авторами принято решение применить метод разделения классов на типичную и нетипичную части, реализованный в системе "Эйдос". Необходимо отметить, что этот метод уже апробирован для решения подобных задач в других предметных областях и при этом продемонстрировал очень высокую эффективность [26]. Для решения поставленной проблемы применяется впервые.
Описание метода. Данный метод представляет собой итерационный процесс синтеза частных моделей, отличающихся наборами классов (обобщенных категорий). Цикл итераций начинается с копирования исходной модели в директорию для 1-й итерации. В последующих итерациях частная модель копируется из директории с текущей итерацией в директорию с последующей итерацией. Выход из цикла итераций происходит при достижении заданной достоверности идентификации или 100 % достоверности, заданного количества итераций или при стабилизации достоверности (ее неизменности в двух итерациях).
В каждой итерации проводится синтез модели и идентификация респондентов обучающей выборки с обобщенными категориями. Если респондент не отнесен системой к обобщенной категории, хотя в действи-
тельности по данным обучающей выборки относится к ней, то это означает, что он является нетипичным для этой категории, в которой, видимо, очень высока вариабельность параметров, и это означает, что надо разделить эту категорию на несколько таким образом, чтобы вариабельность параметров внутри каждой из них была минимальной и достаточной для наиболее достоверной идентификации респондентов. При этом формируется дерево разделения категорий, похожее на формирующееся при древовидной кластеризации, причем на каждой итерации каждая обобщенная категория разделяется не более, чем на две категории.
Описание методики (технологии) применения метода на практике На практике для применения данного режима системы "Эйдос" (_35) были выполнены следующие работы:
- создана директория Кагё_к1 для исследования моделей методом разделения классов на типичную и нетипичную части;
- внутри этой директории созданы директории Яагё_002, Яа2ё_003, Яагё_012, Яа2ё_128 для исследования частных моделей с 2, 3, 12 и 128 секторами, соответственно;
- в каждую из этих директорий скопированы папки с исходной частной моделью (из директории с мультимоделью, содержащей 172 ранее созданные частные модели) и папка с системой "Эйдос";
- для каждой частной модели: все файлы из директории с исходной моделью скопированы в директорию с системой "Эйдос";
- для каждой частной модели: система "Эйдос" запускается на исполнение и затем запускается режим _35: "Разделение классов на типичную и нетипичную части" (при этом задается 7 итераций);
- данный режим исполняется и формирует директории с именами вида: К^ё_к1\га2ё_002\1ТБК_##, где ## - номер итерации;
- в поддиректории ТХТ каждой директории с итерацией содержится файл: Razd_k1\razd_002\ITER_02\TXT\NCD_TREE.TXT, содержащий в псевдографическом виде дерево классов для данной итерации;
- в базах данных DOSTITER.DBF содержится информация о достоверности идентификации по всей обучающей выборке, достигнутая в текущей итерации.
Описание результатов применения метода на практике
В данном разделе оценим эффективность примененного метода, сформулируем основные научные выводы и рекомендации для применения данного метода на практике.
Оценка эффективности метода
В таблице и на рисунке приведены сводные данные по достоверности идентификации всех 20007 респондентов обучающей выборки в частных моделях, полученных из исходных частных моделей с 2, 3, 12 и 128 секторами на различных итерациях.
Номер итерации Количество секторов в частной модели
М2 М3 М12 М128
1Т1 66,311 72,562 72,374 73,923
1Т 2 82,678 80,240 81,702 80,022
1Т 3 83,829 79,802 82,348 81,599
1Т 4 82,974 79,840 82,480 82,171
1Т 5 82,515 79,927 82,474 82,528
1Т 6 82,460 80,043 82,556 82,756
1Т 7 82,472 80,182 82,622 82,922
По данным, приведенным в таблице и на рисунке, следует вывод о высокой эффективности применения выбранного метода разделения классов на типичную и нетипичную части, который обеспечил уже на 1-й итерации достоверность идентификации обучающей выборки, включающей 20007 респондентов, 65-75 %, а уже на 2-й и 3-й итерациях эта достоверность достигает 82-83 %. Наибольший эффект обеспечивают уже первые три итерации, а последующие почти ничего не меняют в эффективности частных моделей.
Научные результаты и выводы
На основе проведенного исследования можно сделать вывод о том, что метод разделения классов на типичную и нетипичную части позволяет получить семантические информационные модели с очень высокой достоверностью идентификации респондентов, достигающей 83 % на огромной тестирующей выборке из 20007 респондентов.
Второй вывод состоит в том, что для получения модели с высокой достоверностью не играет особой роли количество секторов в исходной модели, т.е. эффективность метода практически не зависит от количества секторов частных моделей.
Далее приводится полностью дерево категорий для частной модели с 2 секторами, полученное на 7-й итерации.
ДЕРЕВО РАЗДЕЛЕНИЯ КЛАССОВ НА ТИПИЧНЫЕ И НЕТИПИЧНЫЕ
№ итерации: 0
66.311
Достоверность модели (%) Код: Наименование:
37 . ЗС:А108-Е^са11оп
514. ЗС:А108-Е^са 11оп 11 =
5 }
6 6 3. ЗС:А108-Е^с а11оп 11 =
5,6}
2 7 5. ЗС:А108-Е^с а11оп 11 =
4}
416. ЗС:А108-Е^с а11оп 11 =
4,5}
195. ЗС:А108-Е^с а11оп 11 =
3}
133. ЗС:А108-Е^с а11оп 11 =
2}
4 6 9. ЗС:А108-Е^с а11оп 11 =
2,5}
3 8 5. ЗС:А108-Е^с а11оп 11 =
2,4}
2 2 8. ЗС:А108-Е^с а11оп 11 =
2,3}
64. ЗС:А108-Е^с а11оп 11 =
1}
174. ЗС:А108-Е^с а11оп 11 =
1,3}
101. ЗС:А108-Е^с а11оп 11 =
1,2}
36. ЗС:А23-РэусЬо1од1са1
299. ЗС:А23-РэусЬо1од1са1 1 1={4}
190. ЗС:А23-РэусЬо1од1са1 1 1={3}
496. ЗС:А23-РэусЬо1од1са1 1 1={3,5}
311. ЗС:А23-РэусЬо1од1са1 1 1={3,4}
118. ЗС:А23-РэусЬо1од1са1 1 1={2}
222. ЗС:А23-РэусЬо1од1са1 1 1={2,3}
66. ЗС:А23-РэусЬо1од1са 1 1
1={1}
224. ЗС:А23-РэусЬо1од1са1 1 1={1,3}
134. ЗС:А23-РэусЬо1од1са1 1 1={1,2}
35. ЗС:А38-Ро1111сэ
132. ЗС:А38-Ро1111сэ 11={2}
250. ЗС:А38-Ро1111сэ 11={2,
3 }
62. ЗС:А38-Ро1111сэ 11={1}
1 2 3 4 5 6 7
82.678 83.829 82.974 82.515 82.460 82.472
37 _ 37 _ 37 _ 37 _ 37 _ 37
1_| 514 1—1 514 1—
1-—
[_-Г4—61—Г4—61—
[-—[_4_оТ—[_4_оТ—
64 — 64 — 64 — 64
[—] 1 74 —I 174 I—1 174 I—I 174^-
Т—] 299 —
90 _
Ъ
101
36
299
190
496
311
1—I ¡222 I—I 222 I—1 —22 I—I 22_^
66 — 66 — 66 — 66
[_] ??4 I—I 294 I—I 224 N 224 к-
[—-1 2 50Ц 2 50Ц — 5 0^-! 2 5— I—
224
134
35
132
250
62 — 62 — 62 — 62 •
514
663
275
416
195
133 469 385 228
64
174
101
36
299
190
496
311
118
222
66
224
134 35
132
250
62
751. SC:A38-Politics it={1,
7 }
621. SC:A38-Politics it={1,
6 }
425. SC:A38-Politics it={1,
5}
315. SC:A38-Politics it={1,
4 }
239. SC:A38-Politics it={1,
3}
120. SC:A38-Politics it={1,
2 }
219. SC:A38-Politics it={1, 2,3}
34. SC:B48-Famous:Top 5% o f Profession
336. SC:B48-Famous:Top 5% o f Profession it={4}
211. SC:B48-Famous:Top 5% o f Profession it={3}
135. SC:B48-Famous:Top 5% o f Profession it={2}
65. SC:B48-Famous:Top 5% o f Profession it={1}
103. SC:B48-Famous:Top 5% o f Profession it={1,2}
649. SC:B48-Famous:Top 5% o f Profession it={1,2,6 }
515. SC:B4 8-Famous:Top 5% o f Profession it={1,2,5 }
392. SC:B48-Famous:Top 5% o f Profession it={1,2,4 }
206. SC:B48-Famous:Top 5% o f Profession it={1,2,3 }
33. SC:A99-Financial 441. SC:A9 9-Financial it={5
}
2 9 8. SC:A9 9-Financial it={4
}
619. SC:A9 9-Financial it={4
,6}
5 2 5. SC:A9 9-Financial it={4
,5}
189. SC:A9 9-Financial it={3
}
119. SC:A9 9-Financial it={2
}
68. SC:A9 9-Financial it={1
4 3 9. SC:A9 9-Financial it={1 , 5 }
333. SC:A99-Financial it={1
, 4 }
2 0 0. SC:A9 9-Financial it={1
, 3 }
127. SC:A9 9-Financial it={1
, 2 }
235. SC:A99-Financial it={1 ,2,3}
32 . SC:B6-Entertainment:Mu sic
46. SC:B6-Entertainment:Mu sic it={1}
194 . SC:B6-Entertainment:Mu sic it={1,3}
123. SC:B6-Entertainment:Mu sic it={1,2}
31. SC:B18 9-Medical:Illnes
3 4 2. SC:B18 9-Medical: Illnes s it={4}
218. SC:B18 9-Medical: Illnes s it={3}
Lr
T—I 21 9 —I 2191—1 2191—1 219 L-
t—-I -336 I—I -^36 I—I H6l—
T—-I 1 0 3l— 1 0 3 I—I 1 0 3 I—I 1 03 — —03 i-T—I 649 I—
T——441 I—I 441 I—
1—I 619 L-
3 5 9.
10 9.
5 6 . 7 2 4. 5 5 8.
4 5 7.
3 3 2. 19 9. 112.
3 0 .
4 7 0. 3 3 5. 2 0 8. 3 8 6. 12 1.
2 3 6.
6 1 .
3 2 4.
2 14. 14 1.
3 7 4. 2 5 1.
2 9 .
5 7 3.
4 3 4.
2 9 1. 2 10. 10 0.
4 4 . 7 4 2.
6 11. 4 7 6.
3 3 9. 2 16. 14 2.
2 8 .
8С:Б189-Ме^са1: Шпеэ э ^={3,4}
БС:Б189-Ме^са1: Шпеэ
з ^={2}
БС:Б189-Ме^са1: Шпеэ з ^={1}
БС:Б189-Ме^са1: Шпеэ э ^={1,7}
БС:Б189-Ме^са1: Шпеэ э ^={1,6}
БС:Б189-Ме^са1: Шпеэ э ^={1,5}
БС : Б189-Ме^са1 : Шпеэ
э ^={1,4}
SC:Б189-Medica1: Шпеэ
э ^={1,3}
SC:B189-Medica1: Шпеэ
э ^={1,2}
БС:Б26-Persoпa1ity:Бod У
БС : Б26-Регэопа1^у: Бod У it={5 }
БС:Б26-Persoпa1ity:Бod
У ^={4}
БС:Б26-Persoпa1ity:Бod
У ^={3}
БС:Б26-Persoпa1ity:Bod У ^={3,4}
БС:B26-Persona1ity:Бod У it={2 }
БС:Б26-Persoпa1ity:Бod У ^={2,3}
БС:Б26-Persoпa1ity:Бod У ^={1}
БС:Б26 - P е г э o п а 1 i t У : Бod
У it = { 1 , 4}
БС:Б26 - P е г э o п а 1 i t У : Bod
У it = { 1 , 3}
БС:Б26 - P е г э o п а 1 i t У : Бod
У it = { 1 , 2}
БС:Б26 - P е г э o п а 1 i t У : Бod
У ^ = { 1 , 2, 4 }
БС:Б26 - P е г э o п а 1 i t У : Бod
У it = { 1 , 2, 3 }
БС:Б4 9 - Б o o к С o 11 ect ioп
: Ате г i с а п Б o o к
БС:Б4 9 - Б o o к С o 11 ect ^п
: Ате г i с а п Б o o к i t={ 6}
БС:Б4 9 - Б o o к С o 11 ect ioп
: Ате г i с а п Б o o к i t = { 5}
БС:Б4 9 - Б o o к С o 11 ect ioп
: Ате г i с а п Б o o к i t = { 4}
БС:Б4 9 - Б o o к С o 11 ect ioп
: Ате г i с а п Б o o к i t = { 3}
БС:Б4 9 - Б o o к С o 11 ect ioп
: Ате г i с а п Б o o к i t = { 2}
БС:Б4 9 - Б o o к С o 11 е^ ^п
: Ате г i с а п Б o o к i t = { 1}
БС:Б4 9 - Б o o к С o 11 ect ioп
: Ате г 1 i с а п Б o o к i t = { 1 , 7
} БС:Б4 9 - Б o o к С o 11 ect ^п
: Ате г i с а п Б o o к i t = { 1, 6
} БС:Б4 9 - Б o o к С o 11 ect ioп
: Ате г i с а п Б o o к i t = { 1 , 5
} БС:Б4 9 - Б o o к С o 11 ect ioп
: Ате г 1 i с а п Б o o к i t = { 1 , 4
} БС:Б4 9 - Б o o к С o 11 е^ ioп
: Ате г i с а п Б o o к i t = { 1 , 3
} БС:Б4 9 - Б o o к С o 11 ect ^п
: Ате г i с а п Б o o к i t = { 1 , 2
}
БС:?-
109 109 109 109 109 109
56 56 56 56 56 56
о
!—I 470 — 470 I—Т 470
Т—I 386 — 386 — 386 — 386
121 121 121 121 121 121
1— 236 —| 236 — 236 — 236 — 236
Тб--I 324 — 324 I—I 324 1—
"1—-I 374 — 374 —374 1—
29 29 29 29 29 29 29 29
1—I 573 I—
100 100 100 100 100 100
и
28 28 28 28 28 28 28 28
309. БС:?- it={4}
4 8 0.
18 8.
3 9 5. 10 5.
5 7 . 2 9 3. 17 5.
9 1 .
5 4 3.
4 0 5.
2 6 4. 2 7 .
6 9 4.
5 6 4. 4 2 4. 2 8 2. 15 5. 4 7 3.
3 6 3. 8 8 .
4 7 2.
3 14. 2 12.
4 8 8.
3 7 7.
6 7 .
7 3 7.
5 7 7.
4 3 8. 14 4.
2 6 . 4 5 9. 19 7. 4 0 3. 10 4. 5 5 .
SC : ?- it={ 4,5}
SC : ?- it={ 3 } SC:?- it ={3,4} SC:?- it={2}
SC : ?- it={ 1 } SC:?- it ={1,4} SC:?- it={1,3} SC:?- it={1,2} SC:?- it={1,2,5} SC:?- it={ 1,2,4} SC:?- it={1,2,3}
SC:B14
ctor/
SC:B14
ctor/
SC:B14
ctor/
SC:B14
ctor/
SC:B14
ctor/
SC:B14
ctor/
SC:B14
ctor/
SC:B14
ctor/
SC:B14
ctor/
SC:B14
ctor/
SC:B14
ctor/
SC:B14
ctor/
SC:B14
ctor/
5 }
SC:B14
ctor/
4 }
SC:B14
ctor/
SC:B14
ctor/
SC:B14
ctor/
SC:B14
ctor/
SC:B14
ctor/
-Ent
Actr
-Ent
Actr
-Ent
Actr
-Ent
Actr
-Ent
Actr
-Ent
Actr
-Ent
Actr
-Ent
Actr
-Ent
Actr
-Ent
Actr
-Ent
Actr
-Ent
Actr
-Ent
Actr
-Ent
Actr
-Ent
Actr
-Ent
Actr
-Ent
Actr
-Ent
Actr
-Ent
Actr
ertainment:A ess
erta
ess
erta
ess
erta
ess
erta
ess
erta
ess
erta
ess
erta
ess
erta
ess
erta
ess
erta
ess
erta
ess
erta
ess
erta
ess
erta
ess
erta
ess
erta
ess
erta
ess
erta
ess
inment:A it={7}
inment:A
it={6}
inment : A
it={5}
inment : A it={4}
inment:A it={3}
inment:A it={3,5}
inment:A it={3,4}
inment : A it={2 }
inment:A it={2, 5}
inment : A it={2,4}
inment:A it={2, 3}
inment : A it={2, 3,
inment:A it={2, 3,
inment : A it={1}
inment:A it={1,7}
inment : A it={1,6}
inment:A it={1,5}
inment:A it={1,2}
SC:A92-Birth SC:A92-Birth it={5} SC:A92-Birth it={3}
SC:A92-Birth it={3,4} SC:A92-Birth it={2} SC:A92-Birth it={1}
T—1 2931—I 493 — 443 L
t—1 54 3 I—I 54 3l_
Lj
t_J 4 4 3 I—I 4 4 3l—
t—J 472 — 472 —
t-— 488 — 488 —
Lj
1—j 459 459^
l__j .403 — .403 I—I 4—13^
3 4 0.
18 7. 117. 2 5 .
2 7 7.
6 7 1. 5 2 4. 16 0.
8 1 .
3 16. 15 3.
5 3 .
5 7 1.
2 8 9. 17 1.
9 8 .
3 6 0. 2 0 9.
2 4 .
7 3 2. 2 0 4.
13 0.
4 0 1.
2 4 6.
3 7 6.
6 3 .
6 2 8.
4 9 3. 3 5 0.
6 5 6.
5 4 6.
2 17.
7 8 2.
6 5 4. 5 2 0.
3 7 2.
14 0.
SC:A92-Birth it={1,4} SC:A92-Birth it={1,3} SC:A92-Birth it
SC P r
SC Pr 4} SC Pr 4 , SC Pr 4 , SC Pr 3} SC Pr 2} SC Pr 2 , SC Pr 2 , SC Pr 1} SC Pr 1 , SC Pr 1 , SC Pr 1 , SC Pr 1 , SC Pr 1 , SC Pr 1 , SC mb
SC mb 7 } SC mb 3 } SC mb 2} SC mb 2 , SC mb 2 , SC mb 2 , SC mb 1 } SC mb 1 , SC mb 1 , SC mb 1 , SC mb 1 , SC mb 1 , SC mb 1 , SC mb 1 , SC mb 1 , SC mb 1 , SC mb 1 , SC mb
:B2-B
ofile
:B2-B
ofile
:B2-B
ofile
6}
:B2-B
ofile
5}
:B2-B
ofile
:B2-B
ofile
:B2-B
ofile
4}
:B2-B
ofile
3}
:B2-B
ofile
:B2-B
ofile
6}
:B2-B
ofile
4}
:B2-B
ofile
3}
:B2-B
ofile
2}
:B2-B
ofile
2,4}
:B2-B
ofile
2,3}
:B21-
er of
:B21-er of
:B21-er of
:B21-er of
:B21-er of 4}
:B21-er of
3}
:B21-er of 3,4} :B21-er of
:B21-er of
6}
:B21-er of
5}
:B21-er of
4}
:B21-er of 4,6} :B21-er of 4,5} :B21-er of 3}
:B21-
er of
3,7}
:B21-
er of
3,6}
:B21-
er of
3,5}
:B21-
er of
3,4}
:B21-
er of
ook s Of
ook s Of
ook s Of
ook s Of
ook s Of
ook s Of
ook s Of
ook s Of
ook s Of
ook s Of
ook s Of
ook s Of
ook s Of
ook s Of
ook s Of
Rela
mar
Rela
mar
Rela
mar
Rela
mar
Rela
mar
Rela
mar
Rela
mar
Rela
mar
Rela
mar
Rela
mar
Rela
mar
Rela
mar
Rela
mar
Rela
mar
Rela
mar
Rela
mar
Rela
mar
Rela
mar
Rela
mar
Colle
Wome
Colle
Wome
Colle
Wome
Colle
Wome
Colle
Wome
Colle
Wome
Colle
Wome
Colle
Wome
Colle
Wome
Colle
Wome
Colle
Wome
Colle
Wome
Colle
Wome
Colle
Wome
Colle
Wome
{1,2}
ction
ction n it =
ction n it =
ction n it =
ction n it =
ction n it =
ction n it =
ction n it =
ction n it =
ction n it =
ction n it =
ction n it =
ction n it =
ction n it =
ction n it =
I---- 340 I—I 340 l—l 340 L—
117 — 117 — 117 — 117 — 117 I- 117
tionship: Nu riages
tions
riage
tions
riage
tions
riage
tions
riage
tions
riage
tions
riage
tions
riage
tions
riage
tions
riage
tions
riage
tions
riage
tions
riage
tions
riage
tions
riage
tions
riage
tions
riage
tions
riage
tions
riage
hip:Nu s it={
hip:Nu s it={
hip:Nu s it={
hip:Nu s it={
hip:Nu s it={
hip:Nu s it={
hip:Nu s it={
hip:Nu s it={
hip:Nu s it={
hip:Nu s it={
hip:Nu s it={
hip:Nu s it={
hip:Nu s it={
hip:Nu s it={
hip:Nu s it={
hip:Nu s it={
hip:Nu s it={
hip:Nu s it={
t—l 277 — 477 — 447 —
t4— 671 I—
t—l -31 6 I—I -—1 6 I—l —16I-
tï—l 57П—
171 — 171 — 171 — 171 — 171
t—l 360 I—I 360 N 360 I—
1,2}
262. SC:B2 1-Relationship:Nu mber of marriages it={ 1,2,3}
23. SC:B97-Occult Fields :A strologer
60. SC:B97-Occult Fields :A strologer it={1}
238. SC:B97-Occult Fields:A strologer it={1,3}
136. SC:B97-Occult Fields :A strologer it={1,2}
508. SC:B97-Occult Fields:A strologer it={1,2,5}
346. SC:B97-Occult Fields :A strologer it={1,2,4}
244. SC:B97-Occult Fields:A strologer it={1,2,3}
22. SC:B173-Sports: Footbal l
143. SC:B173-Sports:Footbal
l it={2 }
73. SC:B173-Sports:Footbal
l it={1}
21. SC:A2 9-Parenting
7 0 0. SC:A2 9-Parenting it={7
}
431. SC:A2 9-Parenting it={5
}
2 8 8. SC:A2 9-Parenting it={4
}
170. SC:A2 9-Parenting it={3
}
96. SC:A2 9-Parenting it={2
352. SC:A29-Parenting it={2
,4}
233. SC:A29-Parenting it={2
,3}
59. SC:A2 9-Parenting it={1
4 6 0. SC:A2 9-Parenting it={1
,5}
323. SC:A29-Parenting it={1
,4}
179. SC:A2 9-Parenting it={1
,3}
125. SC:A2 9-Parenting it={1
,2}
20. SC:B45-Famous:Greatest hits
695. SC:B45-Famous:Greatest hits it={ 7 }
565. SC:B45-Famous:Greatest hits it={6}
426. SC:B45-Famous:Greatest hits it={5}
283. SC:B45-Famous:Greatest hits it={ 4 }
165. SC:B45-Famous:Greatest hits it={3}
93. SC:B45-Famous:Greatest hits it={ 2 }
42. SC:B4 5-Famous:Greatest hits it={ 1 }
201. SC:B45-Famous:Greatest hits it={1,3}
128. SC:B4 5-Famous:Greatest hits it={ 1,2 }
510. SC:B45-Famous:Greatest hits it={1,2,5}
398. SC:B4 5-Famous:Greatest hits it={1,2,4}
231. SC:B45-Famous:Greatest
262 — 262 — 262
i—I 238 I—I 238 —
36 —
ъ
Lr
T——I 352 — —52 — ——2 —
i——4—0I—I 4 6 —I—
20 — 20 — 20 — 20 — 20 — 20
1_Г
1—I 201 I—I 201 I—I —01 I—\ 20— I—
3 9 9. 1 9 .
4 4 4. 18 0. 111.
5 13.
3 8 1. 2 4 9.
7 1 . 2 4 8. 110.
1 8 . 13 1.
5 8 . 2 3 4. 13 8. 1 7 .
4 12.
2 7 0. 152.
8 0 .
3 3 1. 2 0 5.
4 7 .
5 6 7.
2 8 5. 16 7.
9 5 .
3 6 7. 1 6 .
5 6 0.
4 2 0.
2 7 8. 16 1.
3 5 5. 9 0 .
hits it={1,2,3}
SC : B4 5-Famous : Greatest hits it={1,2,3,4}
S C : a l ual S C : a l ual S C : a l ual S C : a l ual S C : a l ual S C : a l ual S C : a l ual S C : a l ual S C : a l ual S C : a l ual S C :
C330
perv
m
C330 perv m i C330 perv m i C330 perv m i C330 perv m i C330 perv m i C330 perv m i C330 perv m i C330 perv m i C330 perv
-Sexual
ersions
-Sexual
ersions
t={5}
-Sexual
ersions
t={3}
-Sexual
ersions
t={2}
-Sexual
ersions
t={2,5}
-Sexual
ersions
t={2,4}
-Sexual
ersions
t={2,3}
-Sexual
ersions
t={1}
-Sexual
ersions
t={1,3}
-Sexual
ersions
t={ 1,2 }
Busines
ity:Sexu :Homosex
ity:Sexu :Homosex
ity:Sexu :Homosex
ity:Sexu :Homosex
ity:Sexu :Homosex
ity:Sexu :Homosex
ity:Sexu :Homosex
ity:Sexu :Homosex
ity:Sexu :Homosex
ity:Sexu : Homosex
s
SC:A31
3}
SC:A31
2}
SC:A68
SC:A68
}
SC:A68
}
SC:A68
}
SC:A68
SC:A68
,4}
SC:A68
,3}
SC:A68
,6}
SC:A68
,4}
SC:A68
,3}
SC:A68
,2}
SC:A68
,2,4}
SC:A25
{6}
SC:A25
{5}
SC:A25
{4}
SC:A25
{3}
SC:A25
{3,4}
SC:A25
{2}
•Business it={2} •Business it={1} •Business it={1, •Business it={1, •Childhood •Childhood it={5 •Childhood it={4 •Childhood it={3 •Childhood it={2 •Childhood it={2 •Childhood it={2 •Childhood it={1 •Childhood it={1 •Childhood it={1 •Childhood it={1 •Childhood it={1 •Childhood it={1 •Personality •Personality it= •Personality it= •Personality it= •Personality it= •Personality it= •Personality it=
71 — 71 — 71 — 71 — 71 — 71 —
L—\ 248 I—I 248 I—I — — 8 I—I —4—I—
18 — 18 — 18 — 18 — 18 — 18 —
I— 131 — 131 — 131 — ——1 — —3— —
58 — 58 — 58 — 58 — 58 — 58 —
I——I 234 I—I 234 I—I ——4 I—I —3— I—
17 — 17 — 17 — 17 — 17 — 17 — 17 —
"I—ГТ—ТиП—2L
"T_J 331 I—I —31 I—I ——1 I—
T—I 56— I—
."367 I—1 .'—67 I—I —7I—
T—I 56—U-
~^-Г 355 N '—55 I—I ——5 I—
399
19
444
180
111
513
381
249
71
248
110
18
131
58
234
138
17
412
270
152
80
331
205
47
567
285
167
95
367
16
560
420
278
161
355
90
SC:A31
SC:A31
SC:A25
2 2 9.
4 9 . 7 17.
3 0 8. 18 6. 116. 7 7 6. 6 7 0. 5 0 1. 3 9 7.
2 15.
3 9 3. 1 5 .
5 5 6.
4 17.
2 7 6.
5 3 9.
15 9. 8 6 .
18 5.
5 4 . 5 9 1. 4 5 3.
3 12.
16 3. 3 4 1. 102. 3 0 3. 2 2 6.
1 4 . 2 7 1.
15 4. 8 2 .
2 2 7.
5 0 . 2 8 7.
16 9.
:A25-Persona1ity
3}
:A25-Persona1ity ^=
:A25-Persona1ity ^ =
7}
:A25-Persona1ity ^ =
4}
:A25-Persona1ity ^ =
3}
:A25-Persona1ity ^ =
2}
:A25-Persona1ity ^ = ■2,7}
:A25-Persona1ity it= ■2,6}
:A25-Persona1ity it= 2,5}
:A25-Persoпa1ity it= ■2,4}
:A25-Persona1ity it= ■2,3}
:A25-Persoпa1ity ^ = .2,3,4}
:A129-Death :A129-Death it={6} :А129^еа^ it={5}
:A129-Death it={4} :A129-Death ^={4,5} :A129-Death it={3} :A129-Death it={2} :А129^еа^ it={2,3}
:A129-Death it={1} :A129-Death ^={1,6} :A129-Death it={1,5} :A129-Death it={1,4} :А129^еа^ it={1,3}
:A129-Death it={1,3, :A129-Death ^={1,2} :A129-Death it={1,2, :A129-Death it={1,2, :A19-Writers :A19-Writers it={4} :A19-Writers it={3} :A19-Writers it={2} :A19-Writers it={2,3 :A19-Writers ^={1} :A19-Writers it={1,4 :A19-Writers it={1,3
49 — 49 — 49 — 49 — 49 — 49
и
и
Г— 393^ — 931—I —3^
[—I 55—к-
[__| 1 8 1 8 — 8 5^-1 1 8 — к-
[—I 5 9 — I—
Е— 341 I— 341 I— 341 I—
1—-I 303 N 303 N 303 I—
Б С
Б С
Б С
Б С
Б С
Б С
Б С
Б С
Б С
Б С
Б С
Б С
Б С
356. SC:A19-Writers it={1,3 , 4 }
83. SC:A19-Writers it={1,2
361. SC:A19-Writers it={1,2
,4}
240. SC:A19-Writers it={1,2
,3}
13. SC:A55-Art
17 3. SC:A55-Art it={3}
8 9. SC:A55-Art it={2}
519. SC:A55-Art it={2,5}
3 7 8. SC :A55-Art it={2, 4} 261. SC:A55-Art it={2,3}
4 5. SC:A55-Art it={1}
126. SC:A55-Art it={1,2} 221. SC:A55-Art it={1,2,3}
12 .
4 4 8. 18 3.
114.
2 5 2. 7 0 .
5 8 1.
4 4 3.
3 0 0. 18 4.
115. 11 .
7 4 . 1 0 .
6 8 5.
2 7 2.
5 4 2.
15 6.
8 4 .
3 2 6. 2 13.
5 1 .
16 4.
S C : a l
S C : a l
S C : a l
S C : a l
S C : a l
S C : a l
S C : a l
S C : a l
S C : a l
S C : a l
S C : a l
B329
perv
B329
perv
B329
perv
B329
perv
B329
perv
B329
perv
B329
perv
B329
perv
B329
perv
B329
perv
B329
perv
-Sexuality:Sexu ersions
-Sexual
ersions
-Sexual
ersions
-Sexual
ersions
-Sexual
ersions
-Sexual
ersions
-Sexual
ersions
-Sexual
ersions
-Sexual
ersions
-Sexual
ersions
-Sexual
ersions
ity:Sexu it={ 5 }
ity:Sexu it={ 3 }
ity:Sexu it={ 2 }
ity:Sexu it={2,3
ity:Sexu it={ 1 }
ity:Sexu it={1,6
ity:Sexu it={1,5
ity:Sexu it={1,4
ity:Sexu it={1,3
ity:Sexu it={ 1,2
SC : B111-Sports : Basketb all
S C : all
B111-Sports : Basketb it={1}
SC:A4 0-Occult Fields
SC:A40
t={7}
SC:A40
t={4}
SC:A40
t={4,5
SC:A40
t={3}
SC:A40
t={2}
SC:A40
t={2,4
SC:A40
t={2,3
SC:A40
t={1}
SC:A40
t={1,3
•Occult Fields i
•Occult Fields i
-Occult Fields i
•Occult Fields i
•Occult Fields i
-Occult Fields i
-Occult Fields i
•Occult Fields i
•Occult Fields i
T—I 361 I—I 361 I—I 361 I—
I—I 1 73 — 1 73 — 1 73 — 173 I—
I—1 51 9 —519 I—
1—-I 126 — 1 26 — 126 — 126 — 126 I—
I—I 448 I—I 448 —
I—— 252 I— 252 I— 252 I— 252 I—
I—I 581 I—
11 — 11 — 11 — 11 — 11 — 11 — 11 — 11
I—I 771— 771— 771— 77 — 7—— —4 —
10 — 10 — 10 — nLr
1——I 5—2 — 54— —
T—— 326 — 32— — 3—61—
92. SC:A40-Occult Fields i
I—I 1 64 I—I 1 64 — 1 64 I—I 164 I—
t={1,2}
792. SC:A40-Occult Fields i t={1 ,2,7}
357. SC:A40-Occult Fields i t={1 ,2,4}
258. SC:A40-Occult Fields i t={1,2,3}
9. SC:A9-Relationship
172. SC:A9-Relationship it=
{3}
384. SC:A9-Relationship it= {3,4}
99. SC:A9-Relationship it=
{2}
484. SC:A9-Relationship it= {2,5}
319. SC:A9-Relationship it= {2,4}
225. SC:A9-Relationship it= {2,3}
48. SC:A9-Relationship it=
{1}
568. SC:A9-Relationship it= {1,6}
429. SC:A9-Relationship it= {1,5}
286. SC:A9-Relationship it= {1,4}
168. SC:A9-Relationship it= {1,3}
97. SC:A9-Relationship it= {1,2}
8. SC:A5-Entertainment
196. SC:A5-Entertainment it ={3}
124. SC:A5-Entertainment it
={2}
52. SC:A5-Entertainment it ={1}
723. SC:A5-Entertainment it ={1,7}
576. SC:A5-Entertainment it ={1,6}
176. SC:A5-Entertainment it ={1,3}
106. SC:A5-Entertainment it ={1,2}
7. SC:A323-Sexuality
447. SC:A323-Sexuality it=
5}
304. SC:A323-Sexuality it=
4}
182. SC:A323-Sexuality it=
3}
113. SC:A323-Sexuality it=
2}
256. SC:A323-Sexuality it= 2,3}
69. SC:A323-Sexuality it=
1}
347. SC:A323-Sexuality it=
1,4}
230. SC:A323-Sexuality it= 1,3}
108. SC:A323-Sexuality it= 1,2}
6. SC:A42-Medical 419. SC:A42-Medical it={5}
I_J 1 7? I—I 1 72 I—I 172 I—I 172 I—
t—I 384 I—1 384 I—I 384 I—
I_-I <4 — 4 I—I <4 — 4 I—
48 — 48 — 48 — 48 — 48 — 48
Lr5—L
97 — 97 — 97 — 97 — 97 — 97
I——I 1 9 6 I—I 1 9 6 I—I — 9 6 I—I 1 9 —I—
L—1 4 — 7 UI 4 — 7 I—
69 — 69 — 69 — 69 — 69 — 69
T—-I 347 — 347 — 347 I—
И—I 4— 9 — .4— 9 I—
651. БС:А42-Ме^са1 ^={5,6
}
2 7 4. БС:А42-Ме^са1 ^={4} 158. БС:А42-Ме^са1 it={3} 87. SC:A42-Medica1 it={2} 307. SC:A42-Medica1 it={2,4
}
220. SC:A42-Medica1 it={2,3 }
41. SC:A42-Medica1 ^={1} 551. SC:A42-Medica1 it={1,6
}
269. SC:A42-Medica1 it={1,4
}
150. SC:A42-Medica1 it={1,3
}
78. SC:A42-Medica1 ^={1,2
}
5. SC:A15-Famous 680. SC:A15-Famous it={7} 549. SC:A15-Famous it={6}
409. SC:A15-Famous it={5}
267. SC:A15-Famous ^={4} 149. SC:A15-Famous it={3} 77. SC:A15-Famous it={2} 481. SC:A15-Famous it={2,5} 318. SC:A15-Famous it={2,4} 193. SC:A15-Famous ^={2,3} 40. SC:A15-Famous it={1} 427. SC:A15-Famous it={1,5} 284. SC:A15-Famous it={1,4} 166. SC:A15-Famous it={1,3}
345. SC:A15-Famous ^={1,3,
4}
94. SC:A15-Famous it={1,2}
245. SC:A15-Famous it={1,2,
3}
4. SC:A1-Book Co11ectioп
679. SC:A1-Book Co11ectioп it={7}
548. SC:A1-Book Co11ectioп it={6}
408. SC:A1-Book Co11ectioп ^={ 5 }
2 6 6. SC:A1-Book ^11е^^п it={4}
521. SC:A1-Book Co11ectioп it={4,5}
148. SC:A1-Book Co11ectioп it={3}
362. SC:A1-Book Co11ectioп it={3,4}
76. SC:A1-Book Co11ectioп it={2}
I----651 I—
1—I 307 — 307 — 307 —
41 — 41 — 41 — 41 — 41 — 41 — 41
1—I 55— I—
и
[-га—гаи
40 — 40 — 40 — 40 — 40 — 40
[—I -4 — 7 I—I 4 — 7 —
[—I 2 4 5 — 2 4 5 —— 4 5 I—I 2 4 — I—
4 6 6. SC:A1-Book ^11е^^п ^={ 2,5}
317. SC:A1-Book Co11ectioп it={2,4}
192. SC:A1-Book Co11ectioп it={2,3}
487. SC:A1-Book Co11ectioп it={2,3,5}
39. SC:A1-Book Co11ectioп it={ 1 }
592. SC:A1-Book Co11ectioп it={1,6}
454. SC:A1-Book Co11ectioп it={ 1,5}
313. SC:A1-Book Co11ectioп it={ 1,4}
191. SC:A1-Book Co11ectioп it={ 1,3}
122. SC:A1-Book Co11ectioп it={ 1,2 }
371. SC:A1-Book Co11ectioп it={1 ,2,4}
247. SC:A1-Book Co11ectioп it={1,2,3}
3. SC:A53-Sports 329. SC:A53-Sports it={4} 203. SC:A53-Sports it={3} 129. SC:A53-Sports it={2} 72. SC:A53-Sports it={1}
146. SC:A53-Sports ^={1,2} 2. БС:Ж-
407. БС: Ж- ^={5}
265. БС: Ж- it={4}
504. БС: Ж- it={4,5}
147. БС:Ж- it={ 3 }
310. БС: Ж- it={3,4}
75. БС: Ж- it={2}
279. БС: Ж- it={2,4}
162. БС:Ж- ^={ 2,3}
38. БС: Ж- it={1}
578. БС: Ж- it={1,6}
297. БС: Ж- ^={1,4}
178. БС: Ж- it={1,3}
389. БС: Ж- it={1,3,4}
107. БС: Ж- it={ 1,2 }
368. БС: Ж- it={1,2,4}
260. БС: Ж- it={1,2,3}
1. БС:М-
[—-| 4—— —
39 —
Тг
!—I 371 I— —71 N .^—1 I—
!—I ."329 I—1 .'—29 1—I ;—9 I—
[—ГТ—^-ГТ—^
{—^ 3 1 0Ц — 1 0 I—I — — 0 I—
Т——I 2 7 9 I—I — 7 9 I—I — — 9 I—
38 — 38 — 38 — 38 — 38 — 38
""[—-1 578 I—
Г— 389 I—I 389 I—I 389 I—
^—I 368 I—1 368 1—I 368 I—
1— 1— 1— 1— 1— 1— 1 —
317
192
487
39
592
454
313
191
122
371
247
3
329
203
129
72
146 2
407
265
504
147 310
75
279
162
38
578
297
178
389
107
368
260
1
410. БС:М- ^={5}
662. БС: М- ^={5,6;
268. БС: М- іі={4}
151. БС: М - ^={3}
79. БС: М- it={2}
3 2 5. БС: М - ^={ 2,4;
198. БС: М - it={2,3;
43. БС: М - it={1}
555. БС:М- it={1,6;
415. БС:М- it={1,5;
273. БС:М- it={1,4;
157. БС:М- it={1,3;
85. БС:М- ^={1,2;
410 I—I 410 І—I 410 I
662 662
268 268
151 151
79 79
325 325
198 198
43 43
555 555
415 415
273 273
157 157
85 85 85 85 85 85
Универсальная когнитивная аналитическая система *ЭИДОС* 01/31/08 12:05:26 г. Краснодар
Из этого дерева категорий можно сделать вывод о том, что одни категории обладают более высокой внутренней вариабельностью и разделяются в процессе итераций на большее количество классов, чем другие, которые идентифицируются с большей достоверностью. Ярким примером категории 2-го типа является 8С :Л53-8ро^.
Практические рекомендации по применению метода или/и его ре-зультато.
Используемый метод разделения классов на типичную и нетипичную части продемонстрировал высокую эффективность. Семантические информационные модели, полученные в результате применения данного метода, имеют достоверность идентификации достаточно высокую для того, чтобы применять эти модели на практике в консультирующих системах.
Ограничения метода и методики его применения, перспективы их развития
Необходимо отметить высокие затраты машинного времени и других вычислительных ресурсов на расчеты, связанные с получением новых более достоверных частных моделей: одна итерация занимала от 2,5 (для модели с 2 секторами) до 10 часов (для модели с 128 секторами) непрерывного счета на Р4 1.8 ГГц. Этим и объясняется выбор для данного исследования всего 4-х частных моделей, а не всех 172-х, полученных ранее, а также то обстоятельство, что количество итераций было ограничено 7-ю. В вычислительных экспериментах на моделях меньшей размерности в других предметных областях и при большем количестве итераций этим же методом были получены модели со 100 % достоверностью [26]. В перспек-
тиве при появлении в распоряжении авторов больших вычислительных ресурсов и на более длительное время исследования в этом направлении могут быть продолжены.
Авторы выражают благодарность Richard Smoot - редактору ISAR Journal и владельцу AstroDatabank, за разрешение на использование данных AstroDatabank в научных целях.
Список литературы
1. Lutsenko E.V. Conceptual principles of the system (emergent) information theory & its application for the cognitive modelling of the active objects (entities). 2002 IEEE International Conference on Artificial Intelligence System (ICAIS 2002). - Computer society, IEEE, Los Alamos, California, Washington - Brussels - Tokyo, p. 268-269. http://pitis.tsure.ru/files13/5.pdf
http://csdl2.computer.org/comp/proceedings/icais/2002/1733/00/17330268.pdf .
2. Lutsenko Eugene, Trounev Alexander, Shashin Vladimir. Method of birth chart recognition by using the artificial intelligence system AIDOS. International Journal Chaos and Correlation, No 1, November 30, 2006. - Toronto, Canada, - Режим доступа: http://trounev.com/WordPress/?p=23#more-23.
3. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). - Краснодар: Куб-ГАУ, 2002. - 605 с.
4. Луценко Е.В. АСК-анализ как метод выявления когнитивных функциональных зависимостей в многомерных зашумленных фрагментированных данных // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2005. - № 03(11). -19 с. - Режим доступа: http://ej.kubagro.ru/2005/03/19/p19.asp.
5. Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие для студентов специальности "Прикладная информатика (по областям)" и другим экономическим специальностям. 2-е изд., перераб. и доп.- Краснодар: КубГАУ, 2006.
- 615 с.
6. Луценко Е. В. Математический метод АСК-анализа в свете идей интервальной бут-стрепной робастной статистики объектов нечисловой природы // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2004. - № 01(3). - Режим доступа: http://ej.kubagro.ru/2004/01/13/p13.asp.
7. Луценко Е.В. Методика использования репозитария UCI для оценки качества математических моделей систем искусственного интеллекта // Научный журнал Куб-
ГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2003. - № 02(2). - Режим доступа: http://ej.kubagro.ru/2003/02/12/p12.asp.
8. Луценко Е. В. Синтез астропрофессиограмм и прогнозирование успешности деятельности на основе применения АСК-анализа // Ж-л International Journal The
World Astrology Review. [Электронный ресурс]. - Toronto, Canada, 2006. - № 02(50), February 28. - Режим доступа: http://trounev.net/thewar/No50/EL.htm.
9. Луценко Е. В. Системная теория информации и нелокальные интерпретируемые нейронные сети прямого счета // Научный журнал КубГАУ [Электронный ресурс].
- Краснодар: КубГАУ, 2003. - №01(1). - Режим доступа:
http://ej.kubagro.ru/2003/01/11/p11.asp.
10. Луценко Е.В. Системно-когнитивный анализ как развитие концепции смысла
Шенка - Абельсона // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2004. - №03(5). - Режим доступа:
http:// ej. kubagro. ru/2004/03/04/p04. asp.
11. Луценко Е.В. Теоретические основы и технология адаптивного семантического анализа в поддержке принятия решений (на примере универсальной автоматизированной системы распознавания образов "ЭЙДОС-5.1"): Монография (научное издание). - Краснодар: КЮИ МВД РФ, 1996. - 280 с.
12. Луценко Е. В. Типовая методика и инструментарий когнитивной структуризации и
формализации задач в АСК-анализе // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2004. - № 01(3). - Режим доступа:
http:// ej. kubagro. ru/2004/01/16/p16. asp.
13. Луценко, Е.В. Метод пакетного распознавания карт рождения в системе искусственного интеллекта ЭЙДОС / Е.В. Луценко, А. Трунев, В. Шашин. International Journal The World Astrology Review, No 10 (58), October 31, 2006. - Toronto, Canada,
- Режим доступа: http://trounev.com/thewar/No58/AIT58 1 .htm.
14. Луценко, Е.В. Система идентификации субъектов по астрономическим данным на момент рождения / Е. В. Луценко, А. Трунев, В. Шашин. International Journal The World Astrology Review, No 9 (57), September 30, 2006. - Toronto, Canada, - Режим доступа: http://trounev.net/thewar/No57/ADOS. htm.
15. Луценко, Е.В. Типизация и идентификация респондентов, описанных астрономическими показателями на момент рождения, по социальным и психофизиологическим категориям с применением АСК-анализа / Е. В. Луценко, А. Трунев, В. Ша-шин. International Journal Chaos and Correlation, No 1, November 30, 2006. - Toronto, Canada, - Режим доступа: http://trounev.com/Chao s/N o1/AIT59.htm.
16. Луценко, Е.В. Алгоритмы и законы типизации и идентификации субъектов по астрономическим данным на момент рождения / Е.В. Луценко, А.П. Трунев, В.Н. Шашин. Chaos and Correlation International Journal, No 8, July 5, 2007 . - Toronto, Canada, - Режим доступа: http://trounev.com/Chaos/No8/AIDOS8/aidos8.htm
17. Луценко, Е.В. Метод разделения категорий в задаче типизации и идентификации субъектов по астрономическим данным на момент рождения / Е. В. Луценко, А.П. Трунев, В.Н. Шашин. Chaos and Correlation, No 8, July 18, 2007. - Toronto, Canada,
- Режим доступа: http://trounev.com/Chaos/No8/LTS.htm.
18. Луценко, Е.В. Типизации и идентификации субъектов по астрономическим дан-
ным на момент рождения на базе психологических и персональных категорий / Е.В. Луценко, А.П. Трунев, В.Н. Шашин. International Journal Chaos and Correlation, No 9, July 22, 2007. - Toronto, Canada, - Режим доступа:
http://trounev. com/Chaos/No9/LT S1/LT S8 1. htm.
19. Луценко, Е.В. Типизация и идентификация респондентов в социологии по их астрономическим показателями на момент рождения/ Е. В. Луценко, А.П. Трунев, В.Н. Шашин // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2007. - № 01(25). - Режим доступа: http://ej.kubagro.ru/2007/01/pdf/14.pdf.
20. Пат. № 2003610986 РФ. Универсальная когнитивная аналитическая система "ЭЙДОС" / Е.В. Луценко (Россия); Заяв. № 2003610510 РФ. Опубл. от 22.04.2003. -50 с.
21. Пат. № 2008610097 РФ. Система типизации и идентификации социального статуса респондентов по их астрономическим показателями на момент рождения "Эйдос-астра". /Е.В. Луценко (Россия), А.П. Трунев (Канада), В.Н. Шашин (Россия); Заяв. №2007613722. Опубл. 09.01.08. - 56 с.
22. Пат. № 940334. РФ. Универсальная автоматизированная система анализа и прогнозирования ситуаций на фондовом рынке "ЭЙДОС-фонд" /Е.В. Луценко (Россия), Б.Х. Шульман (США); Заяв. № 940336. Опубл. 23.08.94. - 50 с.
23. Пат. № 2003610987 РФ. Автоматизированная система комплексной обработки данных психологического тестирования "ЭЙДОС-^" / Е.В. Луценко (Россия), С.Д. Некрасов (Россия); Заяв. № 2003610511 РФ. Опубл. от 22.04.2003. - 50с.
24. http://www.vandex.ru/vandsearch?text=%EA%EE%EB%EB%E5%EA%F2%E8%E2% ЕВ+%Е0%Е5%Е8%Е0%ЕЕ%Е9%Е8%Е5+%ЕЕ%Е0%Е0%Е2%Е8%ЕВ&^^.
25. Луценко Е.В., Трунев А.П. Астросоциотипология и спектральный анализ личности по астросоциотипам с применением семантических информационных мультимоделей. Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2008. - №1(35). - Режим доступа: http://ej.kubagro.ru/2008/01/pdf/10.pdf
26. Лебедев Е.А. Исследование достоверности оптимизированной модели скоринга
путем прогнозирования кредитных историй заемщиков, данные которых не использовались при синтезе модели. Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2007. - №30(06). - Режим доступа:
http://ej.kubagro.ru/2007/06/pdf/16.pdf
Примечание:
Для обеспечения доступа читателей к некоторым из этих и другим работам авторов
они размещены в Меі^ по адресам: http://lc. kubagro .ru/aidos/eidos.htm http://ej.kubagro.ru/a/viewaut.asp?id=11.
