CC BY
30
УДК 004.891
СЕТИ ТРАНСФЕРА ТЕХНОЛОГИЙ, ОСНОВАННЫЕ НА СМЫСЛОВЫХ
ЭКСПЕРТНЫХ СИСТЕМАХ
Л. И. Рыженко
Аннотация. Рассматривается проблема повышения информационной связности и доступности сетей трансфера технологий. Для формирования структуры технологических профилей в таких сетях и их поиска предлагается использовать экспертные системы, основанные на смысловых информационных базах данных. Экспертный редактор для построения смысловых баз данных (Когнитивный ассистент) и алгоритм логического вывода основаны на теории динамических информационных систем (ТДИС). Предлагается функция смысловой близости технологических профилей и алгоритм поиска необходимой информации. Поиск организован при помощи трех параметров: контекстного совпадения, смысловой глубины и смысловой точности. Предлагаемая экспертная система в настоящее время внедряется в Центре трансфера технологий СибАДИ «ТранспТехнология».
Ключевые слова: сеть трансфера технологий, смысловая база данных, экспертная система, теория динамических информационных систем, когнитивный ассистент.
Введение в проблематику
Формирующаяся национальная инновационная система России опирается на локальные инновационные площадки разного статуса (вузы, технопарки, центры трансфера технологий и т.д.). Однако трудно найти инновационную площадку, имеющую весь «джентльменский набор» ресурсов (экспертных, инвестиционных, производственных, кадровых и др.), необходимых для обеспечения полноценной инновационной деятельности. В этих условиях актуализируется вопрос формирования национальных инновационных сетей (сетей трансфера технологий и др.), интегрированных в соответствующие международные сети. При включении локальной инновационной площадки в сеть существенно повышаются ее возможности доступа к общим ресурсам сети. Такой сценарий наиболее адекватен потребностям развития национальной инновационной системы России. Сети становятся точками роста для рынков инноваций.
В качестве примера можно привести RTTN - российскую сеть трансфера технологий [1]. Информационной основой RTTN являются так называемые технологические профили инновационных предложений и запросов, которые продавцы и покупатели инновационных продуктов выкладывают в сеть. Транзакционные издержки продвижения инновационных продуктов на рынок существенно зависят от скорости, с которой продавцы и
покупатели находят друг друга. В настоящее время наблюдается все возрастающий разрыв между объемом информации в сетях трансфера технологий и способностью найти в ней то, что нужно. Инструментами преодоления такого разрыва могут стать экспертные системы и их составные части - базы знаний, активно разрабатываемые в последнее время в разных областях человеческой деятельности. В этом направлении следует отметить работы [2; 3; 4] и др.
Параллельно этой деятельности, начиная с 1960-х годов активно ведутся исследования философско-методологических основ работы с понятиями и их смыслами. Авторами этого направления являются философы, лингвисты, математики. В рамках этого направления можно отметить работы И.С. Ладенко [5], Дж. Остина [6], Г.П. Щедровицкого [7] и др. Особо следует выделить исследования В. И. Разумова и В. П. Сизикова (см., например, [8]), опубликовавших ряд монографий по теории динамических информационных систем (ТДИС). ТДИС синтезирует категории философии, физики и математики [9] и позволяет сделать принципиальный шаг перехода к построению так называемых смысловых баз данных. Понятие смысловой информационной базы данных (СмИБД) было введено автором данной работы в статье [10], и обозначает базу знаний, которая построена на основании ТДИС.
В данной статье обсуждаются вопросы применения смысловых информационных баз данных (СмИБД) для построения экспертных систем поиска для упаковки информации и извлечения нужных смыслов в сетях трансфера технологий. Разработанные с участием автора соответствующие программные продукты повышают информационную связность данных сетей [11], и обеспечивают качество инновационной инфраструктуры.
Высокий уровень абстракции предлагаемого аппарата позволяет его рассматривать как обобщение разных типов экспертных систем, в том числе, основанных на семантических сетях и фреймах [12]. При достаточно высоком квалификационном уровне работающих с системой экспертов метод применим не только для сетей трансфера технологий, но и для гораздо более широкого круга задач. Будем называть экспертные системы, использующие модели смысловых баз данных, смысловыми экспертными системами (СЭС), см. рис. 1.
Рис. 1 требует пояснений, раскрывающих специфику экспертных систем рассматриваемого типа, чему, в основном и посвящена данная статья. Мы будем разделять понятия
клиента и пользователя. Клиентом называется субъект, использующий экспертную систему для организации своим пользователям эффективных сервисов. Идея СмЭС заключается в том, что пользовательские запросы конвертируются в формат смысловой базы знаний, где происходит моделирование смыслов. Поиск нужной информации организуется в пространстве смыслов, а результат конвертируется обратно (подсистема объяснений) в формат, привычный для пользователя.
Периферийные блоки системы включают следующие функции: администрирование
КлИБД, позволяющее актуализировать клиентскую базу данных; построение и корректировку СмИБД, осуществляемое экспертом; прием запросов и оформление объяснений через пользовательский терминал.
Ядро системы состоит из решателя (механизма логического вывода) и базы знаний. Решатель включает следующие функции: конвертация запроса пользователя в формат СмИБД; навигация по базе знаний; получение результата поиска (решения); обратная конвертация результата в формат КлИБД (объяснение).
О
Актуализация КлИБД (администратор КлИБД)
Экспертный редактор базы знаний (система моделирования СмИБД)
Решатель
(механизм
ЛОГІГІЄСКОГО
вывода)
<=>
<=^>
База
■знаний
(СмИБД)
Моделируемый феномен (описывается КлИБД)
Рис. 1. Смысловая экспертная система
Описание смысловых баз данных
В смысловых базах данных [10] любая конкретная предметная область знаний мо-
делируется при помощи упорядоченного множества знаков (в нашей терминологии понятий), причем упорядоченность задается
отношением «частное»-«общее». Более частное понятие считается производным от более общего, а более общее - первообразным по отношению к частному [13]. ТДИС предписывает, что в данной базе знаний у любого понятия может быть ровно три первообразных первого порядка (правда, они могут быть не выявлены (отсутствовать в базе), и тогда актуализируется вопрос об их выявлении и добавлении). Если в данной базе знаний данное понятие имеет более чем три первообразные, это означает, что какие-то из них являются первообразными более высоких порядков.
Структура СмИБД имеет предельно простой вид: таблица понятий с указанием триад их первообразных первого порядка. Легко видеть, что таким образом задается полная система иерархических связей на множестве понятий данной базы знаний. При этом каждое понятие может иметь три первообразные первого порядка, и сколько угодно производных первого порядка. Для выбранного понятия первообразные первого порядка составляют триаду, первообразные второго порядка - девятивершинник, первообразные третьего порядка - 27-вершинник, четвертого порядка - 81-вершинник и т.д. Периферийные понятия многовершинников нумеруются числами по модулю три. Триада нумеруется числами 0, 1, 2; девятивершинник - девятью числами 00, 01, 02, 10, 11, 12, 20, 21, 22; 27-вершинник - двадцати семью числами 000, 001, ... , 222 и т.д. (см. [9]).
Навигацией в смысловой базе данных называются средства построения смысловых схем, в частности, средства перехода от одних схем к другим. В зависимости от содержания и контекста понятий смысловые схемы можно интерпретировать как рассуждения, алгоритмы логического вывода либо другие действия с понятиями, используемые для принятия решений в «блоке решателя» экспертной системы.
Обобщая изложенное, можно сказать, что СмИБД есть обычная информационная база данных, между элементами которой установлена непротиворечивая система отношений «первообразные - производные». На строгом математическом языке это означает, что СмИБД является ориентированным (не обязательно связным!) графом без циклов. Лю-
бую информационную базу данных можно преобразовать в смысловую путем установления отношений «первообразные -производные» между понятиями, обозначающими названия файлов, полей, записей, отдельных ячеек хранения информации и т.д.
Использование смысловых экспертных систем в сетях трансфера технологий
Рассмотрим использование предлагаемой смысловой базы данных в сетях трансфера технологий. Основными документами, фигурирующими в сетях, являются технологические профили запросов и предложений. Поскольку предложения должны содержать информацию, максимально отвечающую требованиям, сформулированным в запросах, технологические профили имеют достаточно жесткую форму. Такая жесткость обеспечивает внесение в предложения нужной информации, которая легко осмысливается и облегчает работу по поиску запрашиваемых продуктов. Для соблюдения этой формы в сети проводится специальное обучение экспертов, которые помогают владельцам инновационных продуктов оформить свои предложения.
Вместе с тем, в разных сетях трансфера технологий, и даже в разных центрах одной сети, формы технологических профилей продуктов несколько различаются. Это связано с многообразием отраслей человеческой деятельности. Нужные продукты ищутся при помощи ключевых слов с последующей отбраковкой в «ручном» режиме. В области трансфера технологий существенную роль играют личные контакты потенциальных продавцов и покупателей, по результатам которых технологические профили проходят «притирку» и приобретают приемлемую форму. Однако, на наш взгляд, значительную часть этой работы можно перенести на предварительную стадию обработки информации в экспертной системе.
Обсуждаемая экспертная система относится к классу СмЭС и предназначена для смыслового поиска запрашиваемых технологических профилей в сетях трансфера технологий. На рис. 2 представлен результат работы эксперта с помощью экспертного редактора Когнитивный ассистент с базой данных, состоящей из массива технологических профилей.
Рис. 2. Интерфейс экспертного редактора «Когнитивный ассистент»
База данных в системе включает расслоение понятия «технологический профиль», инициированное расслоениями периферийных понятий. Дешифровка центрального понятия осуществляется следующим образом. Первообразными первого порядка являются понятия «субъектный аспект», «вещественно-энергитический аспект» и «социальный аспект», каждый из которых дешифруется на первообразные второго порядка. Например, понятие «социальный аспект», понимаемый как место инновационного продукта в системе социальных отношений, дешифруется на понятия: «сфера применения», «сфера проявления результатов» и «потребительские свойства». Возможна дальнейшая дешифровка более высоких уровней, уточняющих фигурирующие в профиле понятия, например, «потребительские свойства» дешифруется на «стадия продукта», «преимущества», «предоставляемые услуги» и т.д. Система понятий не является жесткой и может развиваться в направлении более глубокого раскрытия смыслов.
Работу СмЭС можно представить следующим образом.
1. Запрос технологического профиля конвертируется в смысловую конструкцию в соответствии с шаблоном, представленном на
рис. 3. При этом фигурирующие в этой смысловой конструкции понятия в форме запроса преобразуются в форму искомого предложения. Конвертация может осуществляться сразу на стадии ввода запроса в диалоговом режиме. Как показывает опыт, соответствующий запросу «идеальный» вариант предложения в большинстве случаев отсутствует в СмИБД.
2. Задается степень контекстного сов-
падения, например, единица (это значит, что в периферийных дешифрующих понятиях ищется совпадение хотя бы одного слова).
3. Задается начальная глубина смыс-
лового поиска, например, двойка (девятивер-шинник).
4. Задается точность £ - допустимая
смысловая близость поиска, например, £ = 1,3
(это означает, что ставится условие совпадения не менее 6 периферийных вершин девятивер-шинника).
5. Осуществляется поиск в СмИБД записей, удовлетворяющих заданным условиям и дальнейший анализ полученных результатов. При этом активно используются подсказки, в каком направлении менять параметры поиска.
В настоящее время разработан прототип указанной системы и ведется ее внедрение в
Центре трансфера технологий СибАДИ «Транс-пТехнология».
Описанная смысловая экспертная система повышает возможности автоматизации поиска требуемых технологических профилей в сетях трансфера технологий и предлагает стандарт подготовки таких профилей, обобщающий существующие нормы, принятые в RTTN (российская сеть трансфера технологий) и европейских сетях трансфера технологий. Система может быть использована существующими сетями трансфера технологий.
Таким образом, на основании введения так называемых смысловых баз данных предложена экспертная система, в которой помимо контекстного поиска информации в сетях трансфера технологий реализован так называемый смысловой поиск. Этот поиск задается параметрами смысловой глубины и смысловой близости. Построение смысловых баз данных осуществляется при помощи экспертного редактора Когнитивный ассистент, разработанного на базе ТДИС - теории динамических информационных систем. В настоящее время разрабатывается лицензионный программный продукт, позволяющий решать аналогичные задачи не только в сетях трансфера технологий, но и в любых других информационных системах.
Библиографический список
1. Лукша О., Пильнов Г., Рыгалин Д., Яновский А.: Российская бизнес-инновационная сеть -новый широкомасштабный проект сотрудничества России и Европейского Союза // Инновации 2008. №11. С. 25-33.
2. Поспелов Д. А. Моделирование рассуждений. Опыт анализа мыслительных актов. - М.: Радио и связь, 1989. - 184 с.
3. Варламов О.О. Эволюционные базы данных и знаний для адаптивного синтеза интеллектуальных систем. Миварное информационное пространство. -М.: Радио и связь, 2002. - 282 с.
4. Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моделирования. М: Физматлит, 2003. - 432 с.
5. Ладенко И.С. Интеллектуальные системы и
логика / И.С. Ладенко. - Новосибирск: Наука, 1973. -
172 с.
6. Остин Дж. Слово как действие // Новое в зарубежной лингвистике. Вып. XVII. Теория речевых актов. - М.: Прогресс, 1986. С. 21-123.
7. Щедровицкий Г.П. Смысл и значение // Избранные труды. - М.: Школа культурной политики, 1995. - С. 545-576. - 800 с.
8. Разумов В.И. Информационные основы синтеза систем: В 3 ч. Ч. II. Информационные основы синтеза: Монография / В.И. Разумов, В.П. Сизиков. -Омск: Изд-во ОмГУ, 2008. - 340 с.
9. В.И. Разумов, Л. И. Рыженко, В.П. Сизиков. Математическая философия как инструмент синтеза знаний. Философия, математика, лингвистика: аспекты взаимодействия: Материалы Междун. научн. конф. Санкт-Петербург, 20-22 ноября 2009 г. - СПб: ВВМ, 2009. С. 164-170.
10. Рыженко Л.И. Подход к смысловой организации информационных баз данных // Философия науки. 2010. №3(46). С 58-80.
11. Полещенко К. Н., В.И. Разумов,
Л. И. Рыженко. Пространство инноваций: структурный анализ проблемной области инновационной деятельности // Инновации. 2010. №11(145). С.34 - 38.
12. Частиков А.П., Гаврилова Т.А., Белов Д.Л. Разработка экспертных систем. Среда CLIPS. Санкт-Петербург: «БХВ-Петербург», 2003. - 393 с.
13. Рыженко Л.И. Подход к смысловой организации информационных баз данных // Вестник Омского университета. 2010. №4. С. 279 - 292.
TECHNOLOGY TRANSFER NETWORK BASED ON SEMANTIC EXPERT SYSTEMS
L. I. Ryzhenko
We study the problem of improving information connectivity in networks of technology transfer. To form the structure of technological profiles in such networks, encouraged to use an expert systems based on semantic information databases. Expert editor for building semantic databases (Cognitive Assistant) and an algorithm for inference based on the theory of dynamic information systems (TDIS). We offer a function of semantic proximity between technological profiles and search algorithm for the necessary information. Search is organized by three parameters: context matching, semantic depth and sense of precision. The proposed expert system is being implemented at the Center for Technology Transfer SibADI «TranspTehnologiya».
Рыженко Леонид Игоревич - канд. тех. наук, доцент, директор Центра трансфера технологий СибАДИ «ТранспТехнология». Основное направление научных исследований: моделирование сложных систем в экономике, строительстве и на транспорте. Общее количество публикаций: 78.
