CC BY
23
Информатика, вычислительная техника и управление
Processing Workshop on Statistical Signal and Array Processing, New York. 1998. P. 435-438.
6. Lin J.N., Unbehauen R. 2-D adaptive Volterra Filter for 2-D Nonlinear Chanel Equalization and Image Restoration // Electronics Lett. 1992, № 28 (2). P. 180182.
7. Minu K.K., Jessy John C. Volterra Kernel Identification by Wavelet Networks and its Applications to Nonlinear Nonstationary Time Series // Journal of Information and Data Management. 2012. V. 1, № 1. P. 4-9.
8. Солодуша С.В., Герасимов Д.О., Суслов К.В. Моделирование динамики ветроагрегата с помощью полиномов Вольтера // Обобщенные постановки и решения задач управления (GSSCP-2014) : сб. тр. VII Междунар. симпозиума. М. : Физматлит, 2014. С. 161-163.
9. Пронин Н.В., Мартьянов А.С. Модель ветрогенератора ВЭУ-3 в пакете MATLAB // Вестник ЮУрГУ. Сер.: Энергетика. 2012. № 37 (296). С. 143-145.
10. Perdana A., Carlson O., Persson J. Dynamic Response of Grid-Connected Wind Turbine with Doubly Fed Induction Generator during Disturbances// Proc. of IEEE Nordic Workshop on Power and Industrial Electronics. Trondheim. 2004.
11. Sedaghat A., Mirhosseini M. Aerodynamic Design of a
300 kW Horizontal Axis wind Turbine for Province of Semnan// Energy Conversion and Management. 2012. V. 63. Pp. 87-94.
12. Doyle III F., Pearson R., Ogunnaike B. Identification and Control Using Volterra Models. Springer-Verlag, 2002.
13. Данилов, Л.В., Матханов Л.Н., Филиппов В.С. Теория нелинейных динамических цепей. М. : Энергоиздат, 1990.
14. Льюнг, Л. Идентификация систем. Теория для пользователя. М.: Наука, 1991.
15. Apartsyn A.S., Solodusha S.V., Spiryaev V.A. Modeling of Nonlinear Dynamic Systems with Volterra Polynomials: Elements of Theory and Applications// IJEOE, 2013, V. 2, № 4, Pp. 16-43.
16. Апарцин А.С. Неклассические уравнения Вольтерра I рода. Теория и численные методы. Новосибирск : Наука. Сиб. издат. фирма РАН, 1999.
17. Апарцин А.С., Солодуша С.В. О математическом моделировании рядами Вольтерра // Электронное моделирование. 1999. Т. 21. № 2. С. 3-13.
18. Solodusha S.V. A Class of Systems of Bilinear Integral Volterra Equations of the First Kind of the Second Order // Automation and Remote Control. 2009. Vol. 70, №4. Pp. 663-671.
УДК 004.9 Андреев Юрий Васильевич,
к. т. н., доцент, заместитель директора Забайкальского центра трансфера технологий по научно-технической политике и инновациям, тел. 8(924)378-37-70, e-mail:ysun@mail.ru
Маргазова Надежда Владимировна, директор Забайкальского центра трансфера технологий, тел. 8(924)378-37-71, e-mail: mnv_@zabctt.ru
ЗНАНИЯ И КОНТЕКСТ: СИСТЕМНЫЙ ПОДХОД
Y. V. Andreev, N. V. Margazova KNOWLEDGE AND CONTEXT: SYSTEM APPROACH
Аннотация. Рассмотрены предпосылки для формирования модели процесса герменевтического согласования информационных структур, сгенерированных в разных предметных областях. Изложены базовые подходы к моделированию этих процессов. Предложено описание модели структурирования информации в информационном пространстве человека, основанной на экстралингвистической природе смысла и понимании семантических структур как целостных систем. Для моделирования семантических систем использованы методы теории нечетких графов. Показано, что любой граф семантической системы может рассматриваться как подграф обобщенного нечеткого гиперграфа. Предложено использовать критерии значимости и устойчивости ассоциативных связей для оценки весов ребер нечеткого гиперграфа. Показано, что контекст задач, которые решает пользователь, является системообразующим фактором, позволяющим находить частные решения, опираясь на общую семантическую структуру предметной области и значимость тех или иных ассоциативных связей. Обосновано, что контекст определяет как значимость, так и динамику устойчивости ассоциативных связей в семантических системах. Предложена модель стратификации нечеткого гиперграфа информационного пространства пользователя под влиянием значимости и устойчивости ассоциативных связей, формирующихся в семантических системах. Выделено три уровня: базовый уровень знаний, характеризующийся ассоциативными связями, обладающими наибольшей устойчивостью; уровень поисковых интересов - область средне- и малоустойчивых ассоциативных связей с высокой значимостью; уровень взаимодействия с внешней информационной средой -ассоциативные связи этого уровня формируются при взаимодействии с внешними источниками информации, могут иметь различную значимость и устойчивость.
Ключевые слова: семантическая система, контекст предметной области, контекст задачи, ассоциативные связи, нечеткий гиперграф, устойчивость, значимость.
Abstract. In this paper basic approaches to information structures hermeneutic agreement process modeling are discribed. The information structure model description in human information space based on extra-linguistic kind of denotation is purposed. Fuzzy graph theory methods for semantic systems modeling are used. It is substantiated that any semantic system graph may be subscribed as subgraph of global fuzzy hypergraph. Significance and stability measures are proposed for fuzzy graph edges weight estimation. It is shown that the users problem context is a backbone factor. This factor enables to find solutions based on general semantic structure and different associations significance. User's information space fuzzy hypergraph stratification model under the influence of associative
relations significance and stability factors is proposed. It this hypergraph three layers are allocated. First layer is the basic knowledge layer which has highstability associations. Second layer is the search area. Associations of this layer low or medium stability. Associations grouped in the third layer are in interaction with external sources. They can have different significance and stability.
Keywords: semantic system, subject area context, problem context, associative relations, fuzzy hypergraph, significance, stability.
Динамика развития любого научного направления неразрывно связана с контекстом, актуальными, как часто выражаются, «здесь и сейчас» научными проблемами, сложившимися традициями и текущими противоречиями внутри научных сообществ. В то же время нельзя не отметить тенденцию последних десятилетий, проявляющуюся во все более активном формировании новых знаний «на стыке» различных научных дисциплин. Задача повышения эффективности использования интеллектуального потенциала требует разработки методологического обеспечения и новых технических решений для сохранения, генерации и трансляции научного знания.
Для анализа и моделирования согласования и взаимовлияния контекстов различных предметных областей в процессе интеграции и синтеза междисциплинарного знания целесообразно использовать методы когнитивной герменевтики, поскольку на стадии зарождения междисциплинарного знания принципиальную значимость приобретает сам факт существования связи между знаниями, полученными в различных предметных областях. Основное назначение этой связи - обозначить семантику проблемы, позволить сформулировать задачи, открыть возможности применения семантики и методик различных дисциплин для генерации новых знаний.
Установка первичного отношения между семантическими единицами инициирует итеративный процесс согласования и достраивания семантических конструкций, продолжающийся сколь угодно долго, останавливающийся и возобновляющийся по мере возникновения новых вопросов.
Очевидно, что приведенное описание итеративного процесса согласования и достраивания семантических конструкций в полной мере соответствует принципам герменевтического круга. Это позволяет предположить, что для моделирования коммуникативных процессов в неоднородных информационных средах можно использовать принципы когнитивной герменевтики как метода научного познания и понимания, который в своих практиках опирается на такие понятия, как очевидность, интенциональность, смыслы, истолкования и интерпретации, темпоральность, течение и формы жизни, жизненный мир, повседневность и другие [1, 2].
Понимание процесса синтеза знания невозможно без понимания контекстов, как «собствен-
ной» предметной области исследователя, так и частного контекста проблемы, явившегося толчком к получению нового знания. Понимание - основная категория герменевтики, связанная с осмыслением полученной информации, то есть с постижением и толкованием мыслей, а в отдельных случаях и эмоций другого человека. Контекст же является необходимым условием коммуникации, когда передаваемая информация приобретает тот смысл, который был в неё заложен изначально.
Для понимания процесса герменевтического согласования информационных структур, сгенерированных в разных предметных областях, необходимо выяснить, каким образом понимание человеком информации, созданной в информационной среде, относящейся к предметной области, не входящей в сферу его интересов, становится отправной точкой для генерации нового знания. Почему это новое знание - совсем не то же самое, которое было в исследуемой предметной области, почему и каким образом это знание вплетается в информационные структуры «своей» предметной области, становится точкой кристаллизации нового междисциплинарного направления. В настоящей работе изложены базовые подходы к моделированию этих процессов - описание модели структурирования информации в информационном пространстве человека.
Экстралингвистическая природа смысла [3] позволяет, опираясь на семантику, абстрагироваться от частных знаковых представлений информации. Процесс преобразования семантических конструкций в сообщения, зафиксированные в формате, присущем той или иной знаковой системе, может быть представлен как проецирование абстрактной многомерной семантической структуры на символьное множество.
Как известно, память человека ассоциативна. Мы не помним во всех подробностях многих увиденных когда-либо объектов и событий. В памяти остаются лишь некие смысловые ключи, представляющие собой указатели на сущности и явления реальности, которые ассоциируются у наблюдателя с тем или иным событием. Ключи и связи между ними позволяют памяти каждый раз заново воссоздавать картину события. Каждая смысловая единица связана с другими многочисленными ассоциативными отношениями. Очевидно, что каждая семантическая единица, в свою очередь, может быть раскрыта через ассоциативные связи с другими смыслами. Это обусловлива-
Информатика, вычислительная техника и управление
ш
ет необходимость изучения семантических структур в виде целостных систем.
В работе [4] семантическая система определена как тематическое объединение слов в группу, включающую в первую очередь имена существительные, а также глаголы и прилагательные, употребляемые с этими существительными. В то же время, опираясь на представление об экстралингвистической природе смысла, мы можем оперировать смыслами, проецируемыми на эти лексические единицы знакового пространства языка. Таким образом, каждой лексической единице в семантическом поле соответствует семантическая единица, которая, в свою очередь, может иметь проекции в различных знаковых системах. Представим семантическую систему в виде множества семантических единиц, соединенных ассоциативными связями.
Каждая семантическая система, в свою очередь, может являться подсистемой или надсисте-мой для других семантических систем, а любая семантическая единица - элементом нескольких семантических систем. Семантические единицы, не имеющие ассоциативных связей с другими элементами семантической системы, очевидно, не могут считаться ее частями.
Как следствие, степень принадлежности каждого семантического элемента к семантическому множеству характеризуется функцией принадлежности (X), которая ставит в соответствие каждой ассоциативной связи некоторое число из интервала [0, 1]:
Ме (X): е X (1)
При этом всегда задействована лишь некоторая часть возможных связей — минимальный, но достаточный для описания сущности исследуемого явления набор связанных смыслов. Очевидно, что веса и направления ассоциативных связей будут различными в зависимости от принадлежности смыслов к той или иной семантической системе. Отсюда следует, что в семантической системе более высокого порядка, множество элементов которой определяется как объединение множеств элементов всех подсистем, входящих в нее, могут одновременно существовать различные отношения между элементами, т. е. структура в общем случае может быть представлена в виде нечеткого гиперграфа G:
с = (х,е ), (2)
где X - множество вершин;
е = К (х,'х, ) I (х,'ху)е х } "
множество ассоциативных связей, единицы x
- нечеткое семантические
,x,. е X:
j
/лЕ е [0, l] - значение функции принадлежности для ребра (хг ,xi).
Объединение n нечетких гиперграфов семантических систем, имеющих проекции в знаковое пространство той или иной предметной области, может в целом характеризовать структуру знаний об этой предметной области. Gl u... u Gn = (Xi u... u Xn,E1 u... u En). (3)
Принимая во внимание, что нечеткий граф в общем случае является обобщением обычного графа [5], можно предположить, что любая иерархически структурированная информация может рассматриваться как подграф нечеткого гиперграфа знаний, определяемый в соответствии с семантическим пространством контекста конкретной задачи.
Контекст является важнейшим системообразующим фактором, он важен как для оценки характера ассоциативных связей между вершинами соответствующего графа, так и для оценки семантического состава модели. Известно, например, что в разных контекстах слова и предложения могут приобретать различные значения. Влияние контекста изучаемой темы определяет, например, вероятность перехода пользователя в поисковых системах к той или иной информации в условиях омонимии и полисемии. Так, например, в 2012 году Google, основываясь на многочисленных исследованиях [6, 7, 8], запустил для своей аудитории сервис семантического поиска Knowledge Graph, хранящий информацию о более чем пятистах миллионах фактов и связях между ними и предназначенный для предоставления пользователю сопутствующей информации, основываясь на семантике запросов и анализе предшествующей активности.
Иногда контекст целиком придает значение некоторому термину. В таких случаях говорят о контекстуальном определении термина. Вопрос о контекстуальном значении научных терминов привлекает широкое внимание в методологии научного познания в связи с анализом развития научного знания, переходом терминов из старой теории в новую и изменением их значений при таких переходах [9].
Л.А. Заде, являющийся основателем теории нечётких множеств и нечёткой логики, ввел понятие лингвистической переменной. «Лингвистической мы называем переменную, значениями которой являются слова или предложения естественного или искусственного языка» [10-13].
Каждая лингвистическая переменная, в свою очередь, является проекцией семантической си-
ИРКУТСКИМ государственный университет путей сообщения
стемы в знаковое пространство языка или другой знаковой системы.
В случае если семантическая система может быть представлена в виде иерархической структуры, описываемой четким графом, можно говорить, что в контексте задачи веса ребер графа ассоциативных связей стремятся либо к 0, либо к 1. Соответственно, (X) = 1, Уу е Е, где E - область связности графа иерархической структуры. Определим ассоциативные связи, имеющие вес, равный 1, как значимые в контексте задачи, а остальные, потенциально существующие, связи как незначимые: . \0,ИтК(х,,х]) ^ 0;
»Е (X) = I у „ (4)
11, \\шК(х1^ 1,
где К - критерий значимости.
Для различного структурирования информации об одном и том же объекте можно привести множество примеров. Например, при изучении дерева как биологического объекта рассматривают его биологическую классификацию, характер размножения, ареалы распространения, участие в биоценозах и т. п. Для другой задачи, например для изучения дерева как конструкционного материала, модель будет совершенно другая: имеют значение прочность, плотность, твердость, теплопроводность, гигроскопичность, пожароопасность и т. п. В то же время различия в рассматриваемых моделях не делают их полностью взаимоисключающими. Так, широкое применение дерева в качестве конструкционного материала затруднено в тех регионах, где отсутствуют леса. В свою очередь, активное промышленное использование может повлиять как на биогеоценозы, так и в целом на ареалы распространения вида.
Приведенный пример показывает, что у любого предмета исследования потенциально существует значительно больше характеристик, чем применяется для решения той или иной задачи, а значит, если модель объекта учитывает п связей е , то в открытой системе существует характеристика Еи+1, значимость которой в контексте решаемой задачи может оказаться существенно более высокой, чем в ранее проведенных исследованиях.
Приведенный пример структурирования ассоциативных связей наглядно показывает, как в зависимости от контекста задачи меняется структура семантического прообраза информации, проецируемой на один и тот же элемент знакового пространства языка.
В общем случае, когда различные ассоциативные связи внутри семантической системы имеют различную значимость, можно утверждать,
что коэффициент значимости может
принимать любое значение в диапазоне от 0 до 1. Если КтК(хг ,х •) ^ 0 , то можно утверждать, что
соответствующие связи не являются значимыми. Соответственно, множество элементов семантической системы определяется как область связности нечеткого гиперграфа. Для реальных задач имеет смысл задать нечеткий критерий К (хг, х .) тт
(рис. 1), который определяет условие значимости ассоциативной связи.
Рис. 1. Критерий значимости К(х1,х]) тп= 0,15
Возможность получения различных структур нечетких подмножеств вершин и весов ребер нечеткого гиперграфа в контексте решения различных задач в общем случае подразумевает ненулевые значения весов ребер на объединении нечетких гиперграфов семантических систем. Как следствие, можно предположить существование цепи между произвольной парой вершин нечеткого гиперграфа, а значит, допустить возможность как существования ребра с ненулевым весом между этими вершинами, так и разворачивания произвольного ребра нечеткого гиперграфа в цепь в контексте решаемой задачи.
Общий материальный и культурный базис в условиях аналогичного контекста задачи способствует формированию аналогичных семантических моделей. В истории науки и техники есть немало примеров, как некоторые открытия и изобретения делались независимыми авторами практически одновременно - с временным разрывом в несколько месяцев иди даже дней.
Это обусловлено тем, что современники, работающие в одной предметной области и обладающие схожей квалификацией, исходят в своём творчестве из аналогичных предпосылок; естественно, что они и приходят к аналогичным результатам [14]. В свою очередь, культурная основа
Информатика, вычислительная техника и управление
ш
формируется на базе коммуникативных процессов, происходящих в сообществе.
Возможность долговременного сохранения ассоциативных связей, используемых в неизменном виде в контексте различных задач, является важнейшей предпосылкой формирования культурного базиса. Поэтому в структуре любой семантической системы могут оказаться устойчивые ассоциативные связи, т. е. такие, которые пользователь воспринимает как достоверные, не подлежащие сомнению или уточнению, к которым можно обращаться как к справочнику. Одновременно с этим могут существовать и ассоциативные связи, требующие уточнения, которые ведут к недостаточно раскрытым через другие смыслы семантическим единицам.
Для описания этого явления введем понятие коэффициента устойчивости ассоциативной связи Б(xi, х.) , который может быть определен на основе статистического анализа выбора пользователем траектории обхода графа, включающей ребро (хг, х .) . Очевидно, что коэффициент устойчивости не зависит от коэффициента значимости. Устойчивые ассоциативные связи могут не иметь никакого значения в контексте задачи, и наоборот - наиболее значимые связи могут быть неустойчивыми. Таким образом, ребра нечеткого графа ассоциативных связей характеризуются вектором двух независимых компонент - фактора значимости и фактора устойчивости, которые, в свою очередь, зависят от контекста задачи и культурного базиса соответственно. На рис. 2 показано распределение весов ассоциативных связей в зависимости от значимости и устойчивости.
Высокая значимость и низкая устойчивость характеризуют область формирования поисковых интересов. Семантическое наполнение и характер устойчивых связей устанавливаются длительное время в процессе обучения и являются определяющими при формировании как областей интересов, так и интерпретационных ассоциативных цепочек.
Наибольшее количество значений попадут в область высокой устойчивости. Обозначим диапазон значений устойчивости Ж, ниже которого будем считать ассоциативную связь неустойчивой, а выше - устойчивой. Семантические единицы, объединенные устойчивыми ассоциативными связями, образуют базовый слой знаний. Повышение значимости тех или иных ассоциативных связей из этой области в контексте решаемых задач приводит к формированию семантических систем с наиболее стабильной и предсказуемой структурой, что позволяет использовать такие системы для получения экспертных оценок.
Нечеткий граф области поисковых интересов соответствует области с низким значением
устойчивости и высокой значимостью одновременно. Семантические системы этого слоя наименее стабильны, веса ассоциативных связей наиболее сильно изменяются, происходят процессы генерации новых ассоциативных связей, разворачивания и сворачивания цепей ребер нечеткого гиперграфа. Эволюция семантических систем приводит к постепенному повышению устойчивости ассоциативных связей и, как следствие, к миграции сформированных структур в базовый слой. В большинстве случаев нечеткий гиперграф области поисковых интересов имеет несколько семантических ядер, вокруг каждого из которых формируются информационные потоки. Эти потоки за счет изменения устойчивых связей влияют на структуру базового уровня.
Значительная часть информации, с которой взаимодействует пользователь, приходит к нему извне и не может им контролироваться. Как следствие, семантические системы непрерывно подвергаются воздействию многочисленных факторов внешней среды. На рис. 2 они обозначены как светлые точки, распределенные стохастическим образом. Прогнозировать семантическую структуру входящих сигналов невозможно, однако характер воздействия сигналов на структуру и динамические характеристики семантических систем напрямую зависит от того, какую значимость получают ассоциативные связи, сгенерированные в процессе интерпретации входящих сигналов.
» 1~к
Рис. 2. Распределение ассоциативных связей в зависимости от коэффициентов значимости и
устойчивости Если такого рода информация попадает в область устойчивых ассоциативных связей, то она наименьшим образом влияет на структуру сформированных семантических систем и, как следствие, является наименее полезной. Ассоциативные связи, сформированные в области низкой зна-
ИРКУТСКИМ государственный университет путей сообщения
чимости и низкой устойчивости, также мало влияют на структуру семантических систем, поскольку достаточно быстро деградируют. Наибольшее влияние на структуру семантических систем оказывает информация, попадающая в область поисковых интересов, а также те семантические структуры, которые имеют многочисленные, но малоустойчивые ассоциативные связи с другими семантическими структурами. Косвенно, путем модификации связей базового уровня, взаимодействие пользователя с этой информацией влияет на приоритеты поисковых процессов.
Таким образом, используя для анализа семантических структур системный подход, мы определили их качественные и количественные характеристики, стратифицировали семантическое пространство, выделив три слоя:
1. Нечеткий гиперграф устойчивых семантических связей, который можно охарактеризовать как базовый слой знаний, влияющий на все аспекты понимания и формирования информации. Характеризуется наименьшей мобильностью (наиболее сильные связи наименее изменчивы), достраивается в результате обработки сведений, поступающих из других уровней. Является базисом для формирования поисковой активности и определяет восприимчивость к входящим потокам информации (области интересов).
2. Слой поисковых интересов формируется как объединение нечетких гиперграфов, структура которых характеризуется высокой изменчивостью значений значимости и динамикой устойчивости, связанной с непрерывным формированием новых ребер и цепочек ребер, повышением коэффициента значимости одних и снижением коэффициента значимости других ассоциативных связей.
3. Слой семантических систем, формирующихся при взаимодействии с входящей извне информацией, - новостной контекст.
Системный подход ориентируется не просто на элементы систем, а на их взаимодействие. Динамическое взаимодействие элементов семантической системы в значительной степени зависит от изменения контекста. Изменение во времени значений коэффициентов устойчивости и значимости может служить индикатором существования информационных потоков внутри семантических систем различного уровня.
Работа поддержана грантом РФФИ № 1107-98019.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Шульга Е.Н. Когнитивная герменевтика. М., 2002.
2. Микешина Л.А. Философия познания: Проблемы эпистемологии гуманитарного знания. М., 2008. 374 с.
3. Слюсарева Н.А. Смысл как экстралингвистическое явление // Как подготовить интересный урок иностранного языка. М., 1963.
4. Азимов Э. Г., Щукин А.Н. Новый словарь методических терминов и понятий: теория и практика обучения языкам. М. : Издательство ИКАР, 2009.
5. Кофман А. Введение в теорию нечетких множеств : пер. с франц. М. : Радио и связь, 1982. 432 с.
6. Nurdiati S., Hoede C. 25 Years Development of Knowledge Graph theory: the Results and the Challenge [Electronic resource]. University of Twente, Department of Applied Mathematics. 2008. URL: http://purl.utwente.nl/publications/64931. (access date: 12.02.2015).
7. Singhal A.. Introducing the Knowledge Graph [Electronic resource]. Things, Not Strings, 2012. URL: http://googleblog.blogspot.ru/2012/05/introducing-knowledge-graph-things-not.html. (access date: 12.02.2015).
8. Saikat Guha and Paul Francis. Identity Trail: Covert Surveillance Using DNS [Electronic resource] // Theory research at Google. SIGACT News. 2008. Vol. 39. P. 10-28. URL: http://research.google.com/pubs/ archive/36011.pdf (access date: 12.02.2015).
9. Лингвистический энциклопедический словарь / под ред. В.Н. Ярцева. М., 1990. 685 с.
10. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. М. : Мир, 1976. 165 с.
11.Zadeh L.A. From Computing with Numbers to Computing with Words - From Manipulation of Measurements to Manipulation of Perceptions// IEEE Transactions on Circuits and Systems. 1999. Vol.45. P. 105-119.
12.Zadeh L. A. Toward a Theory of Fuzzy Information Granulation and Its Centrality in Human Reasoning and Fuzzy Logic. Fuzzy Sets and Systems. 1997. Vol.90. P. 111-127.
13. Zadeh L. A. Toward a Generalized Theory of Uncertainty // Information Sciences - Informatics and Computer Science. 2005. Vol. 172. P. 1-40.
14. Лапшин И.И., Философия изобретения и изобретение в философии. Введение в историю философии, М., Республика. 1999. С. 27-28.
