Embed Size (px)
Citation preview
2
СОДЕРЖАНИЕ
ВВЕДЕНИЕ ...................................................................................................................... 4
ГЛАВА 1. ОБЗОР МЕТОДОВ И МОДЕЛЕЙ ВЫБОРА ПРОГРАММНЫХ
ПРОДУКТОВ ................................................................................................................. 11
1.1 Проблема выбора программных продуктов ...................................................... 11
1.2 Модели выбора наилучшей альтернативы ........................................................ 13
1.3 Методы и модели построения систем, основанных на знаниях ..................... 20
1.3.1 Методы извлечения знаний .......................................................................... 23
1.3.2 Модель предметной области на основе онтологии .................................... 27
1.3.3 Модели представления знаний ..................................................................... 31
1.3.4 Средства построения систем, основанных на знаниях .............................. 35
1.4 Системы выбора программных продуктов ........................................................ 38
Выводы по главе 1 ...................................................................................................... 41
ГЛАВА 2. МЕТОДИКА, МОДЕЛИ И АЛГОРИТМЫ ВЫБОРА ПРОГРАММНЫХ
ПРОДУКТОВ НА ОСНОВЕ ОНТОЛОГИИ .............................................................. 42
2.1 Онтология предметной области ......................................................................... 45
2.1.1 Область бизнес предпочтений ...................................................................... 47
2.1.2 Область пользовательских предпочтений ................................................... 52
2.2 Оригинальный язык представления знаний ...................................................... 56
2.2.1 Описание языка представления знаний ....................................................... 57
2.2.2 Генерация базы правил .................................................................................. 59
2.3 Алгоритм приобретения знаний из программной документации ................... 63
2.3.1 Онтология программной документации ...................................................... 65
2.3.2 Структурирование документа ....................................................................... 67
2.3.3 Формирование правила на основе приобретенных знаний ....................... 68
Выводы по главе 2 ...................................................................................................... 71
ГЛАВА 3. МОДЕЛЬ ВЫБОРА НАИЛУЧШЕГО ПРОГРАММНОГО ПРОДУКТА
НА ОСНОВЕ НЕЧЕТКОЙ МЕРЫ ............................................................................... 73
3.1 Алгоритм расчета интегральной оценки программного продукта по
функциональным возможностям .............................................................................. 76
3
3.2 Численный метод оптимизации нечеткой меры на основе
империалистического алгоритма .............................................................................. 81
3.3 Алгоритм выбора наилучшего программного продукта по пользовательским
предпочтениям............................................................................................................ 86
Выводы по главе 3 ...................................................................................................... 89
ГЛАВА 4. ПРОГРАММНЫЙ КОМПЛЕКС ДЛЯ ВЫБОРА ПРОГРАММНЫХ
ПРОДУКТОВ ................................................................................................................. 91
4.1 Разработка архитектуры веб-ориентированного программного комплекса .. 91
4.2 Выбор средств реализации .................................................................................. 95
4.3 Описание программного комплекса................................................................... 98
Выводы по главе 4 .................................................................................................... 100
ГЛАВА 5. ПРИМЕНЕНИЕ МЕТОДИКИ, МОДЕЛЕЙ И АЛГОРИТМОВ ПРИ
ВЫБОРЕ ПРОГРАММНЫХ ПРОДУКТОВ ЭКОНОМИЧЕСКОГО
НАЗНАЧЕНИЯ ............................................................................................................ 102
5.1 Настройка веб-ориентированного программного комплекса ....................... 105
5.2 Выбор наилучшего программного продукта................................................... 109
5.3 Результаты тестирования программного комплекса ...................................... 112
Выводы по главе 5 .................................................................................................... 117
ЗАКЛЮЧЕНИЕ ........................................................................................................... 119
СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ .............................. 121
СПИСОК ЛИТЕРАТУРЫ ........................................................................................... 124
ПРИЛОЖЕНИЕ А ....................................................................................................... 139
ПРИЛОЖЕНИЕ Б ........................................................................................................ 141
4
ВВЕДЕНИЕ
Актуальность исследования
Повсеместное применение и постоянное совершенствование
информационных технологий, наличие большого количества программных
продуктов (ПП) на рынке, а также отсутствие у лиц, принимающих решения,
технических знаний и опыта для выбора ПП делают необходимым разработку
методов и средств выбора подходящего программного продукта из множества
аналогов. Данная проблема требует нахождения компромисса между
техническими характеристиками, функциональными возможностями,
финансовыми вопросами и может быть сформулирована как многокритериальная
проблема принятия решений.
Отправным этапом решения проблемы является анализ предметной
области. Широко распространенным подходом к анализу предметной области
является онтологическое моделирование. В данном научном направлении
работают многие ученые: И.Л. Артемьева, Т.А. Гаврилова, В.В. Грибова, Н.Г.
Загоруйко, Ю.А. Загорулько, А.С. Клещев, С.В. Мальцева, Л.В. Массель, Д.Е.
Пальчунов, В.Ш. Рубашкин, Г.В. Рыбина, А.Ф. Тузовский, В.Ф. Хорошевский,
В.З. Ямпольский, Н.Г. Ярушкина, T. Gruber, N. Guarino, J. Lugger, D. McGuinness,
N. Noy, R. Studer.
Задачи выбора наилучшей альтернативы отличаются большим
разнообразием и решаются различными методами в зависимости от типа входной
информации. Однако в реальных задачах принятия решений критерии выбора
взаимозависимы, следовательно, традиционные операторы агрегации на основе
аддитивных мер для объединения таких критериев не применимы. Для
моделирования субъективного принятия решений используются нечеткие меры
(G. Choquet, M. Grabish, M. Rubens, M. Sugeno, W. Wang, R. Yager, L. Zadeh), а в
качестве оператора агрегации применяются нечеткие интегралы (А.Н. Алфимцев,
С.Л. Блюмин, В.В. Девятков, С.А. Сакулин, M. Detyniecki, C. Labreuche, J.
5
Marichal, V. Pasrija, M. Roubens, C. Tan, X. Wang). Несмотря на обширные
исследования в рассматриваемой области, которые показали высокую
адекватность нечетких моделей при решении отдельных задач, до сих пор не
найдено оптимальное решение проблемы выбора наилучшего программного
продукта с учетом предпочтений покупателя.
Анализ специализированных средств, предназначенных для выбора
программных продуктов, выявил ряд недостатков: привязка к узкой предметной
области; отсутствие разработок для стороннего использования; отсутствие
средств оценки функциональных возможностей. Выбор с использованием
существующих средств требует значительных временных затрат и не позволяет
получить рекомендацию о наилучшей альтернативе. В связи с этим актуальной
является разработка методики, моделей и алгоритмов, позволяющих не только
сузить область поиска по ряду аспектов, но и способных оперативно оценивать
программные продукты по их функциональным возможностям.
Цель работы и задачи исследования
Целью диссертационной работы является повышение оперативности без
потери адекватности выбора программного продукта за счет разработки
методики, моделей, алгоритмов и программного комплекса на основе онтологии и
нечеткой меры.
Для достижения поставленной цели решены следующие основные задачи:
1) обзор и анализ существующих методов и моделей в области выбора
наилучшего программного продукта по предпочтениям пользователя;
2) разработка методики построения модели для выбора программного
продукта на основе онтологии;
3) разработка языка представления знаний, ориентированного на решение
задач выбора программного продукта, и разработка алгоритмов пополнения базы
знаний из программной документации;
4) разработка модели выбора наилучшего программного продукта по
предпочтениям пользователя на основе нечеткой меры и интеграла Шоке;
6
5) разработка численного метода оптимизации нечеткой меры на основе
империалистического алгоритма;
6) реализация веб-ориентированного программного комплекса для выбора
программных продуктов.
Объектом исследований является процесс извлечения и обработки экспертных
знаний при выборе наилучшей альтернативы.
Предметом исследований являются модели и алгоритмы извлечения и обработки
экспертной информации для выбора наилучшей альтернативы по предпочтениям
пользователя.
Методы исследования
При решении поставленных в работе задач использовались методы
представления и обработки знаний, основанные на онтологическом
моделировании, теории нечетких множеств, теории нечетких мер, линейной
алгебре, структурном и объектно-ориентированном программировании.
Научная новизна
1. Разработана методика построения модели выбора программных
продуктов на основе онтологии, отличающаяся наличием оригинального языка
представления знаний и возможностью приобретения знаний на основе анализа
программной документации.
2. Разработана многокритериальная модель выбора наилучшего
программного продукта по предпочтениям пользователя. Отличительной
особенностью модели является использование нечеткой меры и применение
интеграла Шоке в качестве оператора агрегации.
3. Разработана модификация численного метода оптимизации нечеткой
меры на основе империалистического алгоритма для выбора наилучшего
программного продукта, позволяющая учитывать разнородные наборы
предпочтений пользователя.
4. Разработана архитектура веб-ориентированного программного
комплекса для выбора программных продуктов, реализующая предложенные
7
оригинальные модели и алгоритмы и отличающаяся наличием подсистемы
анализа функциональных возможностей.
Практическая значимость
Разработанный на основе предложенных моделей и алгоритмов веб-
ориентированный программный комплекс позволяет повысить оперативность
получения необходимой информации. Полученные результаты могут быть
использованы для настройки интеллектуальных систем, предназначенных для
выбора программных продуктов.
Результаты диссертационной работы внедрены в ООО «Информационно-
технологическая сервисная компания» (ИТСК), о чем имеется акт внедрения, а
также используются в учебном процессе на кафедре комплексной
информационной безопасности электронно-вычислительных систем
Федерального государственного бюджетного образовательного учреждения
высшего профессионального образования «Томский государственный
университет систем управления и радиоэлектроники» (ТУСУР).
Основные положения, выносимые на защиту
1. Разработанная методика построения модели выбора программных
продуктов на основе онтологии отличается наличием оригинального языка
представления знаний, который учитывает специфику выбора программных
продуктов. Методика предусматривает возможность приобретения знаний на
основе анализа программной документации. Построенная модель позволяет
сократить время, затрачиваемое на формирование базы знаний по сравнению с
неавтоматизированным способом извлечения знаний.
Соответствует пункту 1 паспорта специальности: Разработка новых
математических методов моделирования объектов и явлений.
2. Разработанная многокритериальная модель выбора наилучшего
программного продукта отличается использованием нечеткой меры и
применением интеграла Шоке в качестве оператора агрегации. Модель позволяет
находить наилучшее решение, агрегируя многие предпочтения пользователя.
8
Соответствует пункту 1 паспорта специальности: Разработка новых
математических методов моделирования объектов и явлений.
3. Разработанная модификация численного метода оптимизации нечеткой
меры на основе империалистического алгоритма для выбора наилучшего
программного продукта позволяет учитывать разнородные наборы предпочтений
пользователя.
Соответствует пункту 3 паспорта специальности: Разработка,
обоснование и тестирование эффективных вычислительных методов с
применением современных компьютерных технологий.
4. Реализованная архитектура веб-ориентированного программного
комплекса, позволяет повысить оперативность выбора наилучшего программного
продукта по сравнению с неавтоматизированными методами, предоставляя такую
возможность широкому кругу пользователей.
Соответствует пункту 4 паспорта специальности: Реализация
эффективных численных методов и алгоритмов в виде комплексов проблемно-
ориентированных программ для проведения вычислительного эксперимента.
Апробация работы
Основные положения диссертационной работы докладывались и
обсуждались на следующих конференциях, семинарах и выставках: Томский IEEE
семинар «Интеллектуальные системы моделирования, проектирования и
управления» (Томск, 2011–2014); Всероссийская научно-техническая
конференция «Научная сессия ТУСУР» (Томск, 2011–2014); Всероссийская
научно-практическая конференция «Молодежь и современные информационные
технологии» (Томск, 2011); XIX Международная научно-практическая
конференция студентов и молодых ученых «Современные техника и технологии»
(Томск, 2012); Региональная выставка научных достижений молодых ученых
«СибНова-2012» (Томск, 2012); VIII Международная научно-практическая
конференция «Электронные средства и системы управления», посвященная 50-
летию ТУСУРа (Томск, 2012); XVIII Байкальская Всероссийская конференция и
Школа-семинар научной молодежи «Информационные и математические
9
технологии в науке и управлении» (Иркутск, 2013), Научный семинар Сибирского
государственного университета телекоммуникаций и информатики (Новосибирск,
2013).
Публикации по теме работы
По теме диссертации опубликовано 20 работ, из них 4 – в периодических
изданиях, рекомендованных ВАК Министерства образования и науки Российской
Федерации для публикации научных работ. В том числе получены два
свидетельства о государственной регистрации программы для ЭВМ
(№2013611467, №2013660254).
Личный вклад автора
Постановка задачи была проведена совместно с научным руководителем.
Все результаты работы получены автором лично. Программная реализация веб-
ориентированного программного комплекса выполнена автором лично.
Объем и структура работы
Диссертационная работа состоит из введения, пяти глав и заключения.
Объем работы составляет 142 страницы. Список литературы содержит 138
наименований.
Во введении обоснована актуальность темы диссертационной работы,
сформулированы цели и задачи исследования, перечислены методы исследования,
определены новизна и практическая значимость результатов, отражены основные
положения, выносимые на защиту.
В первой главе проведен обзор и анализ существующих методов и
моделей выбора наилучшего объекта и оценена возможность их применения в
условиях задачи выбора ПП. Рассмотрены их сравнительные характеристики и
определены преимущества и недостатки. Обоснована необходимость разработки
новых моделей и алгоритмов для выбора программных продуктов.
Во второй главе описываются разработанные модели и алгоритмы выбора
программных продуктов на основе онтологического подхода с использованием
оригинального языка представления знаний и с возможностью приобретения
знаний на основе анализа программной документации.
10
В третьей главе представлена многокритериальная модель выбора
наилучшего программного продукта с учетом предпочтений пользователя на
основе нечеткой меры.
В четвертой главе представлены архитектура и результаты реализации
веб-ориентированного программного комплекса для выбора программных
продуктов с учетом предпочтений пользователя.
В пятой главе показано применение веб-ориентированного программного
комплекса для выбора программных продуктов экономического назначения.
Представлены результаты тестирования программного комплекса.
11
ГЛАВА 1. ОБЗОР МЕТОДОВ И МОДЕЛЕЙ ВЫБОРА ПРОГРАММНЫХ
ПРОДУКТОВ
1.1 Проблема выбора программных продуктов
Широко распространенной проблемой для покупателя является проблема
выбора наилучшего товара или услуги из множества альтернатив. При этом
торговой площадкой может выступать как обычный магазин, так и Интернет-
магазин. Стремясь найти лучший товар покупатель, как правило, сравнивает
характеристики рассматриваемых объектов по ряду важных для него аспектов
(параметров). Но в реальности редко встречается товар, превосходящий другие по
всем параметрам [50]. Проблема усугубляется тем, что на торговых площадках
нередко представлен огромный ассортимент товаров с множеством
характеристик. Например, в [65] несколько сотен тысяч товаров. Преимущество
широкого ассортимента превращается в недостаток – для выбора необходимо
много времени и усилий.
При решении проблем такого рода покупатель может совершать ошибки.
Поэтому необходимы специальные средства, которые помогут покупателю в
сравнении товаров: формализовать потребности покупателя и предложить
рекомендацию с учетом этих потребностей.
Задачи выбора наилучшей альтернативы из некоторого множества
допустимых вариантов встречаются во всех без исключения областях знаний и
отличаются большим разнообразием. Однако не существует универсальных
подходов для решения подобных задач. С учетом постоянного роста объема
информации, сложности решаемых задач для улучшения процесса и качества
выбора наилучшего объекта в настоящее время активно используют методы
искусственного интеллекта.
На рынке программного обеспечения для предприятий различных отраслей
и типов собственности представлено довольно много программных продуктов,
как известных проверенных брендов, так и недавно созданных. Тем не менее, при
12
выборе программного продукта для автоматизации деятельности компании,
покупатель, не желающий тратить средства на дополнительное обслуживание,
выбирает проверенного производителя. Например, этим соображением многие
руководствуются при установке операционной системы – для организации лучше
приобретать не требующую серьезного и сложного сопровождения Windows, чем
свободно распространяемые операционные системы. Однако недостаточно
тщательный подход к выбору программного продукта может привести к
неэффективному вложению денежных средств. При этом менеджеру-эксперту
требуется минимум 1-2 дня на тщательный анализ при выборе ПП. В условиях
дефицита экспертов данная процедура затягивается на более долгий период,
вследствие чего возникает риск потери клиента. Поэтому необходимо сделать
правильный выбор оперативно.
Исходя из вышесказанного, рассматриваемая в диссертационной работе
проблема является актуальной сложной слабоструктурированной
узкоспециализированной. Для ее решения необходимы глубокие знания в данной
предметной области и одновременно интуиция, основанная на опыте.
Таким образом, необходима разработка методики, моделей и алгоритмов
выбора ПП, а также разработка на их основе программного комплекса, который
сможет помочь пользователю оперативно и объективно выбрать наилучший
программный продукт с учетом его предпочтений. При этом объективность
выбора является условной, так как комплекс разрабатывается с учетом знаний и
опыта группы экспертов, а значит, подвержена влиянию субъективных факторов.
Такая субъективность достигается за счет правильного подбора экспертов.
Учитывая тот факт, что торговой площадкой может выступать Интернет-
магазин, необходима реализация веб-ориентированного программного комплекса
для оперативного доступа к экспертным знаниям большого числа географически
разнесенных пользователей. В разработке методики, моделей и алгоритмов
выбора ПП заинтересованы как пользователи (покупатели), так и продавцы.
Разрабатываемые средства выбора наилучшего программного продукта позволят:
13
1) выбрать альтернативу в контакте только с программным комплексом,
что позволит избежать субъективности со стороны менеджера;
2) существенно сократить время выбора ПП за счет отсутствия
необходимости в изучении функциональных возможностей различных
программных продуктов;
3) обучить менеджеров-стажеров;
4) оперативно помочь неограниченному количеству пользователей в
любое время (обусловлено отказоустойчивостью сервера).
Ниже рассмотрены существующие методы и модели выбора наилучшей
альтернативы.
1.2 Модели выбора наилучшей альтернативы
В сети Интернет имеются различные сервисы, способные выдать набор
программных продуктов (товаров) по различным параметрам (раздел 1.4). Однако
такие сервисы не предоставляют возможности рассматривать и анализировать
программные продукты по функциональным возможностям с целью выбора
конкретного наиболее подходящего варианта. В связи с этим задача выбора
наилучшего ПП из нескольких вариантов с учетом предпочтений пользователя
является актуальной. При этом альтернативы оцениваются по нескольким
параметрам, что вносит сложность в анализ и обработку данных.
Под выбором наилучшего ПП понимается такой выбор альтернативы, в
которой с учетом всех разнообразных и противоречивых предпочтений будет
определена общая ценность, максимально способствующая достижению
поставленной цели.
В рассматриваемом объекте исследования содержатся как количественные,
так и качественные предпочтения, причем качественные преобладают. Поэтому
необходимо использовать методы, позволяющие осуществлять выбор из
множества альтернатив, где параметры имеют различные типы шкал измерения в
14
условиях неопределенности. Ниже представлены основные типы шкал,
применяемые при экспертном оценивании [95]:
качественные шкалы: номинальная шкала, шкала порядка, шкала
гиперпорядка;
количественные шкалы: шкала интервалов, шкала отношений, шкала
разностей, абсолютная шкала, степенная шкала.
При решении поставленной в диссертационной работе задачи для
описания параметров ПП используются следующие типы шкал:
номинальная шкала – используется для измерения значений
качественных признаков – значением такого признака является наименование
класса эквивалентности, к которому принадлежит рассматриваемый объект;
шкала порядка – строится на отношении тождества и порядка.
Субъекты в данной шкале ранжированы;
шкала интервалов – построение такой шкалы позволяет большую часть
свойств существующих числовых систем приписывать числам, полученным на
основе субъективных оценок.
Для получения и обработки количественными методами качественной
информации используются вербально-числовые шкалы, в состав которых входят
содержательно описываемые наименования ее градаций и соответствующие им
количественные значения или числовые интервалы. Широкое распространение
для нормализации характеристик получила вербально-числовая шкала
Харрингтона [34, 42, 52, 65], представленная в таблице 1.1.
Таблица 1.1. Вербально-числовая шкала Харрингтона
Наименование
градации Числовые интервалы
Количественное
значение
Очень низкая 0-0,2 0,10
Низкая 0,2-0,37 0,285
Средняя 0,37-0,63 0,50
Высокая 0,63-0,8 0,715
Очень высокая 0,8-1 0,90
15
Данная шкала была образована на основе логистической функции (1.1)
Харрингтона – так называемой «кривой желательности» (рисунок 1.1):
d = exp[–exp(–Y)], (1.1)
где d – шкала желательности, Y – шкала частных показателей.
Рисунок 1.1. Обобщенная функция желательности Харрингтона
Формула определяет функцию с двумя участками насыщения (в d = 0 и d =
1) и линейным участком (от d = 0,2 до d = 0,8). Интервал от –2 до 5 на шкале
частных показателей является промежутком эффективных значений.
Следует отметить, что для учета неравномерности роста предпочтений
альтернатив рекомендуется использовать именно нелинейные функции для
нормализации характеристик [73].
Задачи выбора наилучшей альтернативы отличаются большим
разнообразием и решаются различными методами и моделями на основе:
1) количественных характеристик: многокритериальная теория
полезности [44, 45] (R.L. Kini, K. Raifa), эвристические методы [23];
2) качественных характеристик, которые сразу же переводятся в
количественный вид: метод анализа иерархий [82, 125] (T.L. Saaty), методы
теории полезности [71, 72] (В.В. Подиновский, V. Pareto), методы теории
нечетких множеств [22, 40, 59, 108, 135, 137, 138] (А.Н. Аверкин, И.З. Батыршин,
16
В.Б. Тарасов, Н.Г. Ярушкина, P. Angelov, D. Dubois, W. Pedrycz, R.R. Yager, L.
Zadeh);
3) количественных характеристик, использующих индикаторы сравнения:
методы сравнительного превосходства [101, 124] (B. Roy);
4) качественных характеристик без перехода к количественному виду:
методы вербального анализа решений [48, 49] (О.И. Ларичев).
Решаемая в диссертационной работе задача, является задачей выбора в
условиях неопределенности, так как информация, необходимая для определения
наилучшей альтернативы является качественной. Методы теории полезности,
метод анализа иерархий и методы теории нечетких множеств в наибольшей
степени удовлетворяют требованиям универсальности в условиях
неопределенности [49].
Многокритериальная теория полезности. Процедура построения функции
полезности требует привлечения значительных объемов информации и является
достаточно трудоемкой. Достоинством является возможность оценки любого
количества альтернативных вариантов с использованием полученной функции.
Однако в случае неустойчивой исходной информации применение методов теории
полезности становится малоэффективным [44, 48].
Метод анализа иерархий. Метод отличается простотой и соответствует
интуитивным представлениям. Наиболее часто различные модификации метода
применяются для оценки качества программного обеспечения. В работе [104]
выбор пакета программного обеспечения для имитационного моделирования
основан на нечетком методе анализа иерархий; здесь по семи основным
критериям проводится оценка шести программных продуктов. Метод анализа
иерархий предложено использовать в работе [115] для выбора одной из двух
систем ERP (Enterprise Resource Planning) по восьми критериям. Методология
анализа среды функционирования применена в работе [126] для выбора
программного обеспечения системы маршрутизации отличительной
особенностью применённого подхода является описание характеристик
программных продуктов в порядковых (ранговых) шкалах.
17
Главным недостатком этого подхода является большое количество
требуемой экспертной информации, которая представляет собой множество
оценок предпочтительности, полученных в процессе попарного сравнения
альтернатив. Также метод имеет ограничение на количество одновременно
сравниваемых альтернатив [82].
Теория нечетких множеств. Нечетко-множественный подход позволяет
наилучшим образом формализовать нечеткие качественные высказывания в
терминах естественного языка. Формализация нечетких понятий
профессионального языка пользователя обеспечивается введением понятий
лингвистической переменной, нечеткого множества [22, 59].
Нечетким выводом называется получение заключения в виде нечеткого
множества, соответствующего текущим значениям входов, с использованием
нечеткой базы знаний и нечетких операций [89, 99].
Основу нечеткого логического вывода составляет композиционное правило
Заде [99]: если известно нечеткое отношение R~
между входной (x) и выходной (y)
переменными, то при нечетком значении входной переменной A~
x , нечеткое
значение выходной переменной y определяется как
RA~~
y ,
где – максиминная композиция.
Основные компоненты нечеткой системы (рисунок 1.2) [97, 99]:
фаззификатор – преобразует вектор x значений входных переменных в
вектор нечетких множеств x~ , необходимых для выполнения нечеткого логического
вывода;
нечеткая база знаний – содержит информацию о зависимости выходной
переменной от входных переменных в виде лингвистических правил нечетких
продукций «ЕСЛИ – ТО»;
машина нечеткого логического вывода – на основе правил базы знаний
определяет значение выходного вектора в виде вектора нечетких множеств y~ ,
соответствующего нечетким значениям входных переменных x~ ;
18
дефаззификатор – преобразует y~ в вектор значений выходных
переменных y.
Рисунок 1.2. Типовая структура системы нечеткого логического вывода
Формирование списка параметров программных продуктов основывается
на знаниях и опыте экспертов. В связи с этим для более полного и корректного
учета качественных предпочтений пользователя и оценок экспертов эффективно
использовать аппарат нечетких множеств.
Анализ данных методов и моделей показал, что все они имеют свои
недостатки и достоинства. Однако в реальных задачах принятия решений
критерии взаимозависимы, следовательно, традиционные операторы агрегации на
основе аддитивных мер для объединения таких критериев не применимы. Для
моделирования субъективного принятия решений используются нечеткие меры
(G. Choquet, M. Grabish, M. Rubens, M. Sugeno, W. Wang, R. Yager, L. Zadeh), а в
качестве оператора агрегации применяются нечеткие интегралы, в том числе, и
для оценки качества программного обеспечения (А.Н. Алфимцев, С.Л. Блюмин,
В.В. Девятков, С. А. Сакулин, M. Detyniecki, C. Labreuche, J. Marichal, V. Pasrija,
M. Roubens, C. Tan, X. Wang) [23, 33, 83, 106, 109, 110, 116, 121, 127, 128, 132,
136].
Нечеткие меры и интегралы. Нечеткие меры и интегралы широко
исследуются в современной прикладной математике, прежде всего, в связи с
проблемами искусственного интеллекта [23].
Мера (мера множества) является неотрицательной величиной, которая
интуитивно интерпретируется как размер (объем) множества.
Формальное определение меры основывается на рассмотрении некоторого
произвольного универсума Z и множества всех его подмножеств 2Z [51]. Мерой
называется функция множества g: 2Z → R, удовлетворяющая условиям:
Фаззификатор Машина вывода Дефаззификатор
x y y x
Нечеткая база
знаний
19
1) G ⊆ Z, g(G) ≥ 0;
2) g(∅) = 0;
3) G, B ∈ 2Z, g(G ∪ B) = g(G) + g(B) − g(G ∩ B).
Мера g является мерой вероятности, если R = [0, 1].
В работе [105] Гюстав Шоке предложил применение неаддитивных
(нечетких) мер. Нечеткая мера расширяет возможности меры g для
моделирования реальных процессов, снимая ограничение аддитивности. В
рассматриваемой проблеме выбора ПП нечеткая мера является формализацией
связей между критериями. Нечеткой мерой называется функция
µ: 2Z → R, (1.2)
которая удовлетворяет условиям:
1) условие ограниченности: µ (∅) = 0, µ (Z) = 1;
2) монотонность: G, B ⊆ Z, G ⊆ B, µ (G) < µ (B);
3) непрерывность: lim ( ) (lim )m mm m
F Fµ µ
, Fm ⊆ Z, (m = 1, 2, …, M) –
монотонная последовательность.
Теория нечетких мер и теория нечетких множеств хорошо сочетаются, то
есть нечеткий интеграл является удобным инструментом для агрегирования
значений функций принадлежности нечетких множеств. Сугено развил идеи
Шоке, предложив два вида операторов агрегирования на основе мер [127]. Один
из этих видов называется нечетким дискретным интегралом Шоке, а второй –
нечетким дискретным интегралом Сугено [83].
Нечеткий интеграл Сугено от функции h: Z → [0, 1] на множестве Z = {z1,
z2, …, zn} по нечеткой мере µ определяется как
1max(min( ( ), ( )), { ( ) ( ), 1,( ) }µ
n
i u u ii
C h z H Hh µ z h z h z u n
.
Нечеткий интеграл Шоке от функции h: Z → [0, 1] на множестве Z по
нечеткой мере µ определяется по формуле:
( ) ( 1) ( )
1
( [ ( ) )] )) ( (n
i
i
µ i iC h z h zh µ h
, (1.3)
20
где (i) – обозначение перестановки вида (1) ( )0 ( ) ( )nh z h z , (0)( ) 0;h z
( ) ( ) ( ){ ,..., }i i nh z z .
Интеграл Сугено используется для агрегирования критериев, где на
результат агрегирования влияет порядок расположения значений критериев
относительно друг друга (порядковые шкалы). Интеграл Шоке применяется для
агрегирования, когда на результат влияет величина каждого из критериев, что
является важным при решении проблемы выбора программного продукта [83,
106, 110].
Несмотря на обширные исследования в рассматриваемой области, которые
показали высокую адекватность нечетких моделей при решении отдельных задач,
до сих пор не найден оптимальный подход к решению проблемы выбора
наилучшего программного продукта с учетом предпочтений покупателя [51].
Таким образом, создание методики и модели для решения нечетких задач выбора
наилучшего ПП является актуальным. Данные задачи решаются на основе
экспертных знаний, в связи с этим необходимо рассмотреть методы и модели
построения систем, основанных на знаниях.
1.3 Методы и модели построения систем, основанных на знаниях
Системы, основанные на знаниях (СОЗ) – это системы программного
обеспечения, основными структурными элементами которых являются база
знаний и механизм логического вывода. Наиболее известным практическим
примером СОЗ могут служить экспертные системы [23, 75]. Накопление и
кодирование знаний является одной из наиболее важных особенностей
экспертных систем. Ценность ЭС характеризуется [95]:
1) сбором, хранением, распространением экспертных знаний;
2) решением проблем, уровень сложности которых соответствует задачам,
решаемым специалистами средней руки;
3) выполнением роли коллективной памяти.
21
Обобщенная структура ЭС [23, 30] представлена на рисунке 1.3.
Рисунок 1.3. Структура экспертной системы
Экспертная система работает в двух режимах: приобретения знаний и
решения задач. Процесс функционирования ЭС во втором режиме выглядит
следующим образом: пользователь, желающий получить необходимую
информацию, через пользовательский интерфейс посылает запрос к ЭС; машина
логического вывода, пользуясь базой знаний, генерирует и выдает пользователю
подходящую рекомендацию, объясняя ход своих рассуждений при помощи
подсистемы объяснений.
Основными участниками, взаимодействующими с экспертной системой,
являются [23, 95]:
1) эксперт – специалист в определенной области знаний, четко
выражающий свои мысли, умеющий находить эффективные решения для задач из
некоторого определенного поля деятельности;
2) инженер по знаниям – специалист в области искусственного
интеллекта, выступающий в роли промежуточного буфера между экспертом и
базой знаний;
3) пользователь – человек, для которого предназначена экспертная
система. Им может быть специалист предметной области с недостаточно высокой
квалификацией, прибегающий к помощи ЭС.
Основные компоненты экспертной системы [3, 24, 23, 30, 95] следующие
(рисунок 1.3):
Пользователь
Интерфейс
пользователя
Инженер по знаниям,
Эксперт
Интеллектуальный
редактор базы знаний
Машина
логического вывода
Подсистема
объяснений
База
знаний
22
1) интерфейс пользователя – средство обеспечения общения пользователя
с системой;
2) база знаний (БЗ) – совокупность знаний предметной области,
записанная в форме, понятной эксперту и пользователю (обычно на некотором
языке, приближенном к естественному).
3) машина (механизм) логического вывода (МЛВ) – программа,
моделирующая ход рассуждений эксперта на основании знаний, имеющихся в БЗ.
4) подсистема объяснений – компонент, позволяющий пользователю
убедиться в обоснованности информации, полученной от ЭС;
5) интеллектуальный редактор БЗ – компонент, представляющий
инженеру по знаниям возможность создавать БЗ в диалоговом режиме. Включает
в себя систему подсказок, шаблонов языка представления знаний и других
сервисных средств, облегчающих работу с базой.
Экспертные системы применяются для решения только трудных
практических задач. По качеству и эффективности решения экспертные системы
не уступают решениям эксперта-человека. Решения ЭС обладают прозрачностью,
т.е. объясняются пользователю на качественном уровне (в отличие от решений,
полученных с помощью числовых алгоритмов, и в особенности от решений
полученных статистическими методами). Это качество экспертных систем
обеспечивается их способностью рассуждать о своих знаниях и выводах. ЭС
способны пополнять свои знания в ходе взаимодействия с экспертом. Технология
экспертных систем используется для решения различных типов задач в самых
разнообразных проблемных областях.
Разработка экспертной системы основывается на передаче опыта решения
задач с последующим его преобразованием во внутреннее представление. В
работах [23, 75, 76, 94], описывающих разработку экспертной системы,
приводится технология, включающая следующие основные этапы:
1) идентификация – определяются цели и задачи разработки, ресурсы,
наличие экспертов, которые передадут свои знания проектируемой ЭС, типы и
предпочтения будущих пользователей;
23
2) концептуализация – проводится содержательный анализ предметной
области, в процессе которого выделяются используемые понятия и их
взаимосвязи, определяются методы решения задач;
3) формализация – определяются способы представления всех типов
знаний, специфицируются выделенные ранее понятия, фиксируются способы
интерпретации знаний, моделируется работа системы, и оцениваются полученные
результаты;
4) реализация – создается программная обстановка, в которой будет
функционировать будущая система, осуществляется наполнение базы знаний;
5) тестирование – проверяется компетентность ЭС экспертом и
инженером по знаниям, проверяется пригодность ЭС для конечных
пользователей.
Для получения эффективно работающей ЭС необходимо пройти все
стадии разработки.
Процесс создания ЭС не состоит из строгой последовательности
выполнения данных этапов. При разработке происходят возвраты к предыдущим
этапам и ранее принятые решения пересматриваются.
Рассматриваемые в диссертационной работе модели и алгоритмы для
выбора ПП реализованы в рамках представленной технологии создания ЭС.
Поэтому далее предлагается провести обзор моделей и методов к построению
экспертных систем в контексте вышеперечисленных этапов.
1.3.1 Методы извлечения знаний
Помимо определения собственно проблемы, которую необходимо решить
с помощью ЭС, важным является вопрос переноса компетентности экспертов в
будущую систему (извлечение знаний). Традиционно методы извлечения знаний
делятся на коммуникативные и текстологические методы [23]. Первые
охватывают всевозможные контакты со специалистом – экспертом, в то время как
24
текстологические методы предполагают извлечение знаний из
специализированной литературы (учебники, статьи, руководства). Как правило,
при разработке ЭС используются различные методы извлечения знаний,
относящиеся как к текстологическим, так и коммуникативным методам.
Для осуществления контактов со специалистами, прежде всего,
необходимо определить компетентность экспертов. Подбор экспертов –
достаточно сложная задача, результат которой в наибольшей степени определяет
эффективность метода и правильность полученных решений. Для решения
проблемы выбора наилучшего ПП подбор экспертов проводился с учетом
следующих факторов:
наличие аттестованных специалистов;
опыт работы в сфере IT не менее трех лет;
наличие в группе менеджера по продажам;
представительность экспертной группы.
Для рассматриваемой предметной области наиболее приемлемыми
коммуникативными методами для извлечения знаний являются анкетирование и
интервьюирование.
Анкетирование является наиболее эффективным методом оценки,
сочетающим информационное обеспечение экспертов и их самостоятельное
творчество [23]. Основной недостаток этого метода заключается в отсутствии
пояснения и уточнения проблемы, что компенсируется за счет проведения
интервьюирования.
Интервьюирование предоставляет собой непрерывный живой контакт
эксперта с интервьюером и позволяет уточнить уже полученную в ходе
анкетирования информацию.
Анкетирование позволяет охватить большее количество опрашиваемых
экспертов, структурировать вопросы и осуществлять формальную
(статистическую) обработку данных. Собеседование дает возможность более
глубокого анализа представлений опрашиваемых.
25
Что касается текстологического метода, то задача извлечения знаний из
текстов сводится к задаче понимания и выделения смысла текста. При подготовке
специальных текстов к прочтению, прежде всего, необходимо выбрать базовый
список литературы, который постепенно введет читателя в предметную область.
Сложность интерпретации специальных текстов состоит в том, что он
приобретает смысл только в контексте – окружении, с которым связан [23].
На начальных стадиях разработки ЭС, как правило, в качестве источника
знаний выступает эксперт в данной прикладной области. Однако в ходе
эксплуатации ЭС необходимо постоянно отслеживать новые знания, которые
представлены обычно в виде текстов на естественном языке. Возникает
необходимость автоматизированного или полуавтоматизированного
приобретения знаний из текстовых документов. Любые работы, связанные с
автоматическим анализом текстов, требуют алгоритмических ресурсов. [46, 86].
Выделяют следующие типы документации на программный продукт [77]:
документация управления проектом – организационные документы,
которыми обмениваются между собой участники проектирования и создания ПП;
документация разработки – технические документы, которые
используются участниками создания ПП;
документация продукции – технические документы, которые, как
правило, предоставляются потребителю в комплекте поставки ПП.
В состав последнего входит документ, содержащий описание ПП.
Предполагается, что документ с описанием ПП должен помочь пользователю или
потенциальному покупателю в оценке того, подходит ли для его предприятия
данный продукт.
Для подобного типа документов существуют стандарты [38, 43]:
1) ИСО/МЭК (ГОСТ Р ИСО/МЭК 12119-2000) – подразделение
международной организации по стандартизации и международной
электротехнической комиссии, которое занимается вопросами, связанными со
стандартами в области информационных технологий;
26
2) ЕСПД (ГОСТ 19.402-78) – единая система программной документации,
которая содержит отечественный комплекс стандартов на программную
документацию.
Данные стандарты определяют формальные требования к описанию
программного продукта. Согласно ЕСПД структура описания программного
продукта должна выглядеть следующим образом [38]:
общие сведения;
функциональное назначение;
описание логической структуры;
используемые технические средства;
вызов и загрузка;
входные данные;
выходные данные.
Однако на практике описания ПП содержат значительное количество
отклонений от стандартов. Отсюда возникает проблема недостаточной
структурированности информации. Поэтому главной задачей автоматизации
пополнения базы знаний является задача извлечения знаний из
слабоструктурированного документа. Автоматизированная обработка текстовой
документации является сложной задачей, для решения которой необходима
тщательно разработанная модель предметной области. В диссертационной работе
предлагается модель решения данной задачи с использованием онтологического
подхода [7] (раздел 2.5). Онтологический подход обладает такими
преимуществами, как удобство восприятия человеком, отсутствие необходимости
в квалификации пользователя при разработке онтологии, возможность описания
одного документа различными онтологиями [39, 46, 54, 69, 131, 133]. Основные
вопросы, связанные с онтологическим моделированием рассматриваются в
следующем разделе.
27
1.3.2 Модель предметной области на основе онтологии
Отправным этапом решения проблемы является анализ предметной
области. Понятие предметной области является одним из фундаментальных
понятий в современных методологиях анализа и проектирования. Предметная
область определяется как часть реального мира, рассматриваемая в пределах
определенного контекста. Под контекстом понимается область исследования или
область, которая является объектом некоторой деятельности [4, 89]. То есть
предполагается описание совокупности объектов, являющихся предметом
некоторой деятельности.
Под анализом понимается вид исследования, при котором объект
расчленяется на составляющие части (элементы) и исследуются эти элементы и
связи между ними [1]. Анализ предметной области представляет особый вид
научной деятельности, в результате которой строится интерпретационная модель
предметных знаний [68].
Онтологическое моделирование широко применяется для анализа
предметной области (И.Л. Артемьева, Т.А. Гаврилова, В.В. Грибова, Н.Г.
Загоруйко, Ю.А. Загорулько, А.С. Клещев, С.В. Мальцева, Л.В. Массель, Д.Е.
Пальчунов, В.Ш. Рубашкин, Г.В. Рыбина, А.Ф. Тузовский, В.Ф. Хорошевский,
В.З. Ямпольский, Н.Г. Ярушкина, T. Gruber, N. Guarino, J. Lugger, D. McGuinness,
N. Noy, R. Studer). Данный подход часто применяется для интеллектуальных
систем, в частности, предназначенных для функционирования в сети Интернет
[55, 57, 69, 90]. Это связано с тем, что онтологическая модель позволяет
разработать модель метаданных, что значительно улучшает использование
системы широким кругом пользователей, работающих в конкретных прикладных
областях.
Основные понятия онтологии
В философском смысле, термин онтология есть определенная система
категорий, являющихся следствием определенных взглядов на мир [26, 111].
28
Онтология (O) определятся [23, 29, 86] по формуле (1.4):
О = <Т, A, R, D>, (1.4)
где T – множество терминов, обозначающих объекты и понятия предметной
области, A – множество атрибутов понятий, R – множество отношений (связей)
между терминами, D – множество, содержащее определения понятий и
отношений.
В графическом виде онтология представляется как сеть, вершины которой
обозначены понятиями предметной области, а ребра обозначают связи между
ними. Базовыми являются следующие иерархические связи: [32, 37, 86, 90, 111,
112]:
связь «класс – подкласс» (род – вид), обозначаемая как is_a. Данная
связь показывает, что одно понятие (класс) является более общим, чем другое
(подкласс);
связь «часть – целое», обозначаемая как part_of. Данная связь
показывает, что одно понятие (целое) состоит из других (часть).
Также используются такие отношения как contained_in, member_of,
see_also и некоторые другие.
Таким образом, онтология представляет собой описание структуры
рассматриваемой предметной области, обеспечивая представление совокупности
понятий и связей между ними.
Онтологии предназначены для различных целей и приложений. В связи с
этим онтологии делят на три типа по уровню универсальности [47, 90]:
1) онтологии верхнего уровня (метаонтологии) – описывают общие
понятия, независимо от конкретной предметной области;
2) онтологии предметных областей (онтологии задач) – описывают
относительно общие понятия для общих задач и используются в различных
предметных областях;
3) онтологии приложений – описывают понятия, зависящие как от
предметной области, так и от решаемой задачи.
29
Особенности построения онтологии
Основные правила разработки онтологии сформулированы ниже [119].
1) Не существует единственного правильного способа моделирования
предметной области – всегда существуют жизнеспособные альтернативы. Лучшее
решение зависит от предполагаемого приложения и ожидаемых расширений.
2) Разработка онтологии – это обязательно итеративный процесс. Под
итеративным процессом понимается неоднократный проход по онтологии с
целью ее уточнения, то есть на начальном этапе формируется черновой вариант.
Затем происходит проверка и уточнение составленной онтологии: добавляются
детали, частично или полностью пересматривается начальная онтология.
3) Элементы онтологии должны быть близки к объектам (физическим или
логическим) и отношениям в интересующей предметной области. Скорее всего,
они соответствуют существительным (объекты) или глаголам (отношения) в
предложениях, которые описывают предметную область.
Ниже представлены основные этапы построения онтологии [28, 29]:
1) Выделение базовых понятий предметной области.
2) Определение «высоты дерева онтологий» (уровней абстракции).
3) Распределение понятий по уровням.
4) Построение связей между понятиями.
5) Исключение противоречий и неточностей.
Целый ряд решений принимается на основе практической цели построения
онтологии. Однако существует ряд универсальных требований к онтологиям, не
зависящих от конкретной задачи [118]:
ясность – онтология должна быть ясной и легко передавать
подразумеваемый смысл, должна быть объективной;
последовательность – в ней должны содержаться утверждения, которые
не противоречат друг другу, иерархии понятий, связывающим их отношениям,
экземплярам.
возможность расширения – наличие возможности введения новых
элементов без пересмотра остальных элементов;
30
минимальная степень специализации онтологии – нежелательность
полного подчинения онтологии конкретной задаче, что осложнит ее последующее
использование в других задачах.
Этот список требований к онтологиям не является исчерпывающим, но он
может помочь при принятии решений, касающихся структуры онтологии.
Инструментальные средства построения онтологии
Для хранения и обработки информации при работе с онтологиями
используются следующие стандарты, принятые консорциумом W3C (World Wide
Web Consortium): XML (eXtensible Markup Language), RDF (Resource Description
Framework), RDFS (RDF Schema), OWL (Ontology Web Language). Одним из
основных стандартов является язык описания онтологий OWL [134].
OWL позволяет описывать классы и отношения между ними. Язык
предназначен для такого представления информации, которое отвечает двум
требованиям [38]. Во-первых, эта информация содержит знания, а не только
представление. Во-вторых, она ориентирована на автоматическую обработку.
Также язык OWL обладает большей выразительной силой, чем структурные языки
XML, RDF и RDF-S, и может быть представлен в их форме.
Для описания онтологий и работы с ними существуют инструментальные
средства, так называемые редакторы онтологий [61, 90, 120]: Ontolingua, Protégé,
DOE (Differential Ontology Editor), OntoEdit, OilEd, WebOnto, ODE (Ontological
Design Environment), WebODE. Широко зарекомендовал себя свободно
распространяемый редактор Protégé [123]. Данный редактор позволяет
проектировать онтологии, разворачивая иерархическую структуру абстрактных и
конкретных классов и атрибутов. На основе онтологии Protégé предоставляет
возможность генерировать формы, с помощью которых вводятся экземпляры
классов и подклассов, причем ввод дополнительных классов и/или атрибутов
происходит в процессе использования онтологии.
31
Преимущества использования онтологии
Онтологии «представляют наиболее общие концептуальные понятия
моделируемой области, полностью абстрагированные от конкретных моделей
представления знаний и практической реализации» [39]. Применение
онтологического подхода при формализации базовых категорий предметной
области обладает рядом преимуществ, среди которых основными являются
универсальность, применимость на различных уровнях детализации,
адаптируемость и др. [54].
Таким образом, онтологическая модель представляет собой систему
логических смысловых соотношений, с которыми согласны эксперты, а вся
система есть явное описание предметной области. Такая модель предметной
области является основой многоуровневого программного комплекса.
1.3.3 Модели представления знаний
Важнейшей проблемой, которую необходимо решить при проектировании
системы, является проблема перевода основных понятий и отношений в
формальную модель представления знаний. Как известно, экспертная система
формирует определенные гипотезы и выводы, основываясь на тех знаниях,
которыми она располагает. Знания в системе представлены на специальном языке
и хранятся отдельно от программного кода, который формирует выводы и
гипотезы. Языки, реализующие ту или иную модель представления знаний,
называют языками представления знаний.
При проектировании модели представления знаний необходимо учитывать
такие факторы, как однородность и простота понимания. Однородное
представление приводит к упрощению механизма управления выводом и
упрощению управления знаниями.
На сегодняшний день существуют различные модели представления и
описания знаний. Основными являются [27, 35, 79, 87, 90, 92, 95, 98, 117]:
32
1) логические модели (Б.Я. Советов, В. В. Цехановский, В. Д. Чертовской,
C. Chen, R. M. Isidzuka, Li, Kh. Ueno);
2) семантические сети (Г.С. Осипов, J. Anderson, M. Masterman, D. Norman,
R. Quillian, , R. Simmons);
3) фреймы (В.В. Байдун, Н.А. Борисов, Ю. Н. Стрельников, J. Hunter, M.
Minsky, R. Shank);
4) продукционная модель (О.В. Ковригин, К.Г. Перфильев, Э.В. Попов,
В.Ф. Хорошевский, N. Chomsky, F. Hayes-Roth, E. Post, D. Waterman).
Логические модели основываются на классическом исчислении
предикатов 1-го порядка, когда предметная область или задача описывается в
виде набора аксиом [27]. Модели логического типа широко использовались на
ранних стадиях развития интеллектуальных систем, но вскоре были вытеснены
моделями других типов, так как логическая модель предъявляет высокие
требования и ограничения к предметной области.
Семантическая сеть – это «смысловая» сеть, а семантика – это наука,
устанавливающая отношения между символами и объектами, которые они
обозначают [27]. То есть семантика определяет смысл знаков [53].
Характерной особенностью семантических сетей является наличие трех
типов отношений:
класс – элемент класса;
свойство – значение свойства;
фрагмент – элемент класса.
Поиск решения в базе знаний по семантической сети сводится к задаче
поиска фрагмента сети, соответствующего некоторой подсети, соответствующей
поставленному вопросу.
Преимущество модели – соответствие современным представлениям об
организации долговременной памяти человека (мощное средство представления
знаний). Недостаток модели – неоднозначность представлений знаний,
неоднородность связей и, как следствие, сложность поиска вывода на
семантической сети.
33
Фреймом называется некоторая формализованная модель для отображения
образа. Различают фреймы-образцы или прототипы, хранящиеся в базах знаний, и
фреймы-экземпляры, с помощью которых отображаются реальные физические
ситуации на основе поступающих данных. Универсальность модели фрейм
позволяет иметь множество конкретных разновидностей фреймов [27]: фреймы-
структуры, фреймы-роли, фреймы-сценарии, фреймы-ситуации и др.
Основным преимуществом фреймов как модели представления знаний
является способность отражать концептуальную основу организации памяти
человека [117], а также гибкость и наглядность.
Продукционная модель или модель, основанная на правилах, позволяет
представлять знания в виде предположения типа «if – then»: если (условие), то
(действие). Под «условием» (антецедентом) понимается некоторое предложение –
образец, по которому осуществляется поиск в базе знаний, а под «действием»
(консеквентом) – выполняемые в результате успешного поиска действия [27].
Продукционная модель является одной из распространенных.
Продукционное правило или продукция – это оператор преобразования
[94]: <ситуация> → <заключение>.
Левая часть связана с распознаваемой ситуацией и содержит список
признаков, которые должны быть выполнены, чтобы было выполнено
заключение, содержащийся в правой части. Возможна и другая трактовка данного
понятия: <ситуация> → <действие>.
Правая часть содержит здесь список действий, которые должны быть
выполнены, если выполнен список признаков, описывающих ситуацию.
Системы обработки знаний, использующие продукционную модель
получили название продукционных систем. Продукционная система – это
машина, которая воспринимает совокупность известных фактов и строит новые
заключения, работая в режиме распознавание – заключение (действие).
В состав экспертных систем, основанных на правилах, входит три
основных компонента [94, 95]:
база правил – набор правил, используемый как база знаний;
34
база фактов (рабочая память) – память для временного хранения
предпосылок (фактов), касающихся конкретных задач предметной области, и
результатов выводов, получаемых на их основании
механизм логического вывода (МЛВ) – механизм, обрабатывающий
правила в соответствии с содержанием рабочей памяти.
Рабочая память в начале работы продукционной системы содержит
исходные данные для поставленной задачи и пополняется фактами,
установленными в процессе работы системы. Правила продукций применяются к
содержимому рабочей памяти. Как было указано выше, правило состоит из двух
частей: условной и заключительной.
Условная часть состоит из одного или нескольких условий. Если условная
часть правила удовлетворяет содержимому рабочей памяти, то правило может
быть применено, что приведет к изменению рабочей памяти. МЛВ выполняет
следующие действия, которые положены в основу алгоритма работы системы
продукций [94]:
определяет, какое именно правило следует выбрать;
выполняет выбранное правило и дополняет рабочую память;
прекращает вычисления, если выполнено одно из 2-х условий:
o выполнено условие останова;
o невозможно применить ни одного правила из базы правил.
Существуют два типа продукционных систем – с «прямыми» и
«обратными» выводами. Прямые выводы реализуют стратегию «от фактов к
заключениям». Существуют также системы с двунаправленными выводами.
Представление знаний в виде правил является наиболее понятным и
популярным способом формального представления знаний. Правила подходят в
тех случаях, когда предметные знания возникают из эмпирических ассоциаций,
накопленных за годы работы по решению задач в данной области.
К недостаткам продукционной модели относят трудность вербальной
записи продукционного правила, связанную с детальным изучением предметной
области и необходимостью выделения адекватных примитивов [95].
35
Однако данная модель наглядно отражает знания, является наиболее
распространенным средством их представления и обладает возможностью
достаточно эффективно представлять почти все виды человеческих знаний.
Вывод заключения в продукционной модели является понятным для
пользователей.
Ко всем общеизвестным достоинствам продукционной модели относится
возможность ее реализации не только на основе правил экспертов, но и на основе
онтологии, что позволяет минимизировать недостатки данной модели. Вопрос
интеграции продукционных правил и онтологий в настоящее время является
актуальным [30, 31, 64, 113, 130]. Рассматриваются такие варианты интеграции
онтологий и продукционных правил как [58]:
1) использование онтологий в качестве терминологического словаря для
описания правил. Сначала создается онтология, которая описывает термины из
предметной области и далее на основе нее создаются продукционные правила;
2) построение правил на основе имеющейся онтологии. Что предоставляет
возможность интеграции существующих машин вывода на правилах и машин
вывода на онтологиях;
3) разработка нового языка, который будет включать возможность
создания правил и онтологий, не делая различий между ними. Для этого требуется
разработка новых алгоритмов конвертации правил и онтологий.
Такая интеграция связана с необходимостью разработки оболочки
экспертных систем, способной упростить их разработку, эксплуатацию и
интеграцию с различными информационными системами [58].
1.3.4 Средства построения систем, основанных на знаниях
При разработке систем, основанных на знаниях, на ранних этапах ее
развития необходимо определить общую схему построения, что поможет выбрать
язык или систему программирования для решаемой задачи. Существует
36
множество возможностей выбора – от универсальных языков программирования,
до универсальных систем представления знаний, специально разработанных для
инженерии знаний.
Средства построения представляют собой системы программирования,
облегчающие работу по созданию СОЗ. Такие средства делятся на четыре
основные категории [27, 90]:
1) языки программирования – традиционные языки программирования
общего назначения (C++, Pascal, Basic и др.);
2) языки инженерии знаний – языки высокого уровня, имеющие
встроенные механизмы для манипулирования знаниями (OPS5, Prolog, Lisp, Clips
и др.);
3) средства автоматизации разработки экспертных систем –
дополнительные подключаемые модули (модули сред КЕЕ, ART и др.);
4) оболочки экспертных систем – системы, обладающие средствами
представления знаний для определенных предметных областей (Clips,
FuzzyCLIPS, SOAR, BABYLON, WindExS, RT-EXPERT и др.).
Оболочки позволяют разработчику не программировать некоторые или все
компоненты ЭС, а выбирать их из заранее составленного набора. В то время как
языки инженерии знаний, объектно-ориентированные языки и процедурные
дедуктивные системы предоставляют проектировщику экспертных систем
большую свободу действий, чем оболочки. В связи с этим для минимизации
недостатков целесообразным является использование оболочек (включая
дополнительные модули), поддерживающих языки инженерии знаний.
В рассматриваемой проблемной области необходимо решить задачу
объективного и обоснованного выбора ПП для конкретной организации при
помощи веб-ориентированной экспертной системы (веб-ЭС).
Веб-ЭС, обладают рядом преимуществ по сравнению с традиционными
экспертными системами: общедоступность, простота распространения и удобство
сопровождения, эффективность и оперативность обновлений базы знаний
системы и др. [79, 81, 102, 107, 114]. Однако с появлением новых мобильных
37
устройств, которые подключаются к Интернету из любого места в любое время,
возникают новые требования к веб-ЭС [102]: обеспечение возможности
многопользовательской работы, организация механизма пользовательских сессий
для хранения состояния сеанса работы, поддержка базовых веб-технологий.
Заключительным этапом разработки ЭС является тестирование. На данном
этапе производится оценка работы ЭС с целью приведения в соответствие с
реальными запросами пользователей. Оцениваются следующие показатели:
управляющие стратегии, полнота и непротиворечивость базы знаний, удобство и
адекватность системы ввода/вывода, качество самих тестовых примеров.
Таким образом, рассмотренный комплекс моделей, методов и подходов
позволяет получить информацию о достоинствах и недостатках, которые
необходимо учесть при разработке моделей и алгоритмов выбора для получения
полной и наглядной информации об исследуемой предметной области.
38
1.4 Системы выбора программных продуктов
Задачи выбора наилучшей альтернативы из некоторого множества
допустимых вариантов встречаются во всех без исключения областях знаний,
отличаются большим разнообразием и решаются различными методами. При этом
большинство решений представлено как интернет-сервисы на сайтах продавцов.
Популярность интернет-магазинов обусловлена более низкими ценами в них. При
этом качество товаров абсолютно одинаковое с теми, которые выставлены на
полках «реальных» торговых точек. В настоящее время в интернет-магазинах
существуют следующие сервисы [2, 13, 66]:
1) отбор товаров только по производителю и/или цене. Такие каталоги
незначительно сужают круг поиска, а описания товаров требуют дополнительного
анализа;
2) подбор товаров на основе нескольких параметров характеризующих
потребности заказчика. Количество параметров зависит от предметной области и
варьируется, как правило, от 3 до 15. На основе этих параметров определяются
подходящие товары. Зачастую товаров может либо вообще не оказаться, либо их
количество будет исчисляться десятками, анализировать которые приходится
самостоятельно;
3) сравнение товаров в виде сводной таблицы характеристик. Такие
сервисы упрощают ручной анализ, однако не дают конкретных рекомендаций.
Сводные таблицы чаще встречаются в интернет-магазинах бытовой техники и
электроники.
В таблице 1.2 представлено сравнение сервисов по выбору товара
некоторых интернет-магазинов.
39
Таблица 1.2. Интернет-магазины и их сервисы по выбору товаров
Наименование Адрес в
Интернете
Кол-во
альтернат
ив
Сервис
отбор по
производит
елю и/или
цене
отбор по
параметра
м
сравнитель
ная
таблица
Интернет-
супермаркет
программного
обеспечения
softkey.ru более
10 000 есть нет нет
Интернет-магазин
программного
обеспечения
softline.ru более
2 000 есть нет нет
Программное
обеспечение
отечественных и
зарубежных вендоров
1csoft.ru около 500 есть нет нет
Российский интернет-
магазин
программного
обеспечения
allsoft.ru более
4 000 есть нет нет
Отраслевые и
специализированные
решения 1С
solutions.1c.ru более 350 есть есть нет
Интернет-магазин
бытовой электроники dtd.ru
более
1 000 есть есть есть
Интернет магазин
бытовой техники и
электроники
tehni.ru более
1 000 есть есть есть
Анализ представленных в таблице 1.2 данных позволяет сделать вывод о
том, что любая поисковая система способна извлечь информацию о товаре из
базы данных и представить ее покупателю для оценки. Однако определение
40
наилучшего товара с учетом предпочтений клиента задача более сложная, для
решения которой необходимы экспертные знания.
Для решения подобной рассматриваемой в диссертационной работе
проблемы существуют различные программные комплексы. Ниже представлены
наиболее близкие разработки.
1) «Car Selection System» – экспертная система выбора автомобилей
компании «Nissan». Система помогает клиенту создать автомобиль, который
удовлетворит их собственные индивидуальные потребности [129].
2) «Rilsan Advisor» – предоставляет консультации по техническим
характеристикам химической продукции компании «Elf-Atochem North America».
ЭС предназначена для персонала, занимающегося продажей данной продукции
[122].
3) ЭС поиска мобильных телефонов компании «Сотовик» – помогает
найти интересующий клиента мобильный телефон из каталога. Система позволяет
пересмотреть любой из параметров поиска и быстро найти подходящий вариант
телефона [74].
4) ЭС «Эльдорадо» – предназначена для подбора подходящего подарка к
предстоящему празднику. При общении с ЭС пользователю достаточно было
ответить на несколько вопросов либо в последовательности, предлагаемой
системой, либо в удобном для покупателя порядке [100].
Недостатком представленных программных комплексов является
отсутствие возможности выбора наилучшего товара в том случае, когда система
рекомендует несколько подходящих вариантов.
Таким образом, рассмотренные сервисы и программные комплексы не
могут быть использованы при решении проблемы выбора наилучшего
программного продукта в силу следующих причин: системы созданы
применительно к узкой предметной области; являются коммерческими
разработками, не предназначенными для стороннего использования; отсутствуют
методы и алгоритмы выбора наилучшего товара (программного продукта) по
предпочтениям пользователя.
41
Выводы по главе 1
1. Изучение проблемы выбора программных продуктов показало ее
актуальность, слабую структурированность и узкоспециализированную
направленность. Несмотря на широкие исследования в рассматриваемой области,
до сих пор не найден оптимальный подход к решению проблемы выбора
наилучшего программного продукта с учетом предпочтений покупателя. Для
более полного и корректного учета качественных предпочтений пользователя и
оценок экспертов эффективно использовать аппарат нечетких множеств.
2. Анализ существующих моделей и методов выбора программных
продуктов показал, что все они имеют свои недостатки и достоинства. Однако в
реальных задачах принятия решений критерии взаимозависимы, следовательно,
для моделирования субъективного принятия решений целесообразно
использовать нечеткие меры.
3. В результате анализа существующих методов и моделей построения
систем, основанных на знаниях, выявлено, что: онтологический подход к
моделированию предметной области обладает такими преимуществами, как
применимость на различных уровнях детализации, адаптируемость,
универсальность; представление знаний в виде правил является наиболее
понятным и популярным способом формального представления знаний.
4. Изучение рынка специализированного программного обеспечения
показало, что системы созданы применительно к узкой предметной области,
являются коммерческими разработками, не предназначенными для стороннего
использования. В существующих реализациях отсутствуют модели и алгоритмы
выбора наилучшего программного продукта.
5. На основе анализа проблемы исследования выявлена необходимость
разработки веб-ориентированного программного комплекса, который сможет
помочь пользователю оперативно и объективно выбрать наилучший программный
продукт с учетом его предпочтений.
42
ГЛАВА 2. МЕТОДИКА, МОДЕЛИ И АЛГОРИТМЫ ВЫБОРА
ПРОГРАММНЫХ ПРОДУКТОВ НА ОСНОВЕ ОНТОЛОГИИ
В текущей главе представлены разработанные модели и алгоритмы выбора
программных продуктов на основе онтологического подхода с использованием
оригинального языка представления знаний (ЯПЗ), и с возможностью
приобретения знаний на основе анализа программной документации. Для
построения модели выбора ПП необходимо воспользоваться предлагаемой
методикой.
Для достижения поставленной в диссертационной работе цели
предлагается сузить множество альтернатив. Полученные подмножества позволят
ограничить область поиска, что существенно облегчит решение задачи выбора
наилучшего ПП.
Пусть имеется множество программных продуктов (альтернатив) S = {s1,
s2, …, si}, на выбор которых влияют два вида факторов (предпочтений
пользователя):
бизнес предпочтения BP = {bp1, bp2, …, bpl} – общие требования к si,
которые определяют область применения ПП;
пользовательские предпочтения FP = {fp1, fp2, …, fpj} –
специализированные требования к si, которые определяют наличие
функциональных возможностей в ПП.
В соответствии с данными факторами выбор подразделяется на два этапа:
1) выбор множества SS (формула 2.1) программных продуктов по бизнес
предпочтениям BP из множества S;
2) выбор наилучшего программного продукта по функциональным
возможностям FP из множества SS.
В данной главе рассматривается моделирование первого этапа выбора. Для
пользователя с предпочтениями BP множество подходящих программных
продуктов имеет вид:
43
SS = {s1(BP), …, sν(BP)}, (SS ⊆ S). (2.1)
Определение данного множества осуществляется при помощи онтологии
Osa по правилам из множества Rs. При этом множество правил актуализируются
при помощи онтологии Odoc.
Учитывая вышесказанное, предлагается модель выбора программных
продуктов следующего вида:
< BP, SS, Osa, Rs, Odoc >, (2.2)
где BP – множество бизнес предпочтений, которое включает в себя входные
данные выбора; SS – множество программных продуктов, которое представляет
собой выходные данные выбора; Osa – онтология предметной области; Odoc –
онтология программной документации; Rs = {rs1, rs2, …, rsρ} – множество правил
на оригинальном языке представления знаний.
Данная модель строится по методике, представленной в виде пошагового
(поэтапного) описания.
Вход: Знания экспертов о предметной области и ее структуре.
Выход: Модель выбора программных продуктов (2.2).
Шаг 1. Формирование онтологии предметной области (Osa);
Шаг 2. Формирование онтологии программной документации (Odoc).
Шаг 3. Генерация базы правил (Rs).
Шаг 4. Приобретение знаний из программной документации.
Шаг 5. Тестирование на машине логического вывода (МЛВ).
На рисунке 2.1 показана UML-диаграмма взаимодействия данных этапов
построения модели.
44
Методика построения модели выбора программного продукта
Алгоритм конвертации
онтологииЭксперты и специалисты по знаниям
Алгоритм
приобретения знаний
[не успешно]
[успешно]
Сформировать онтологию
предметной области
Сформировать онтологию
программной документации
Сгенерировать базу правил
Извлечь правило
из программной
документации
Тестировать на МЛВ
Рисунок 2.1. UML-диаграмма взаимодействия этапов построения модели выбора
Построение модели осуществляется в соответствии с основными этапами
проектирования экспертной системы: концептуализация, формализация и
тестирование (раздел 1.3). При этом предполагается, что цели, задачи и эксперты
уже определены, а результаты моделирования задачи выбора ПП являются
основой для разработки веб-ориентированного программного комплекса,
основанного на знаниях, в соответствии со структурой, представленной в
предыдущей главе (рисунок 1.3.).
Подробное описание основных этапов методики для построения модели
выбора представлено в соответствующих разделах текущей главы на примере
программных продуктов системы «1С:Предприятие 8» (ППС1С).
45
2.1 Онтология предметной области
Наличие большого количества независимых параметров, характеризующих
ПП, определяет большое количество возможных решений, что, в свою очередь,
требует большого объема базы правил. В этом случае целесообразно оперировать
не конкретными параметрами, а целыми классами (понятиями).
Извлечение знаний для рассматриваемой предметной области выполнялось
с использованием таких подходов как, анкетирование и интервьюирование.
Применение данных подходов при решении исследуемой задачи предлагается
реализовать следующими этапами:
1) интервьюирование для определения множества понятий онтологии;
2) разработка анкеты на основе онтологии предметной области и
проведение более широкого опроса для определения экземпляров по заданным
понятиям.
При построении онтологии в первую очередь необходимо сформировать
перечень понятий, обозначающих сущности или явления предметной области,
затем связать эти понятия отношениями. На основе полученной информации
построить онтологию предметной области.
Каждое предприятие по-своему индивидуально, но с точки зрения
технологии автоматизации бизнес-процессов многие довольно похожи. Выбор ПП
обусловливается такими общими для всех признаками, как размер организации,
специфика деятельности, а также конкретными задачами, на решение которых
предполагается направить искомый продукт [41, 93].
Покупатель (пользователь) в свою очередь характеризуется набором
предпочтений к функциональным возможностям ПП, а также ограничениями,
накладываемыми на выбор.
В результате работы с экспертами было выявлено более 100 понятий
предметной области. Использование такого количества понятий не
представляется возможным. При этом необходимо охарактеризовать каждый ПП
46
наиболее полно и точно, выделяя приемлемое для пользователя количество
параметров.
Набор параметров должен обладать следующими свойствами [44]:
свойство полноты – охват всех важных аспектов проблемы. Полнота
набора параметров должна обеспечивать пользователю возможность иметь
полное представление о степени достижения общей цели;
свойство действенности – пользователь должен понимать смысл
параметров, а также влияние их реализации на обсуждаемую проблему;
свойство разложимости проявляется в необходимости иметь
количественное выражение как предпочтений пользователя относительно
последствий, так и его суждений о неоднозначно оцениваемых событиях;
свойство неизбыточности – каждый параметр должен быть
«уникальным», чтобы не дублировался учет одних и тех же аспектов;
свойство минимальной размерности – набор параметров должен
оставаться настолько малым, насколько это возможно.
Проблема большого количества альтернатив и их параметров решается за
счет выделения областей применения и назначения ПП. Таким образом,
последовательность выявления структуры знаний следующая:
1) выделить область применения (бизнес предпочтения) – определяющие
понятия из всего полученного множества, которые являются характерными как
для ПП, так и для пользователя. Построить онтологию на основе данных понятий;
2) выделить область назначения (пользовательские предпочтения) ПП
таким образом, что каждая альтернатива оценивается только по «уникальным»
параметрам, не затрагивая параметры прочих областей назначения.
47
2.1.1 Область бизнес предпочтений
В результате выделения определяющих понятий при участии экспертов
были получены следующие понятия [2, 5] характерные как для ПП, так и для
предприятия в целом (таблица 2.1).
Таблица 2.1. Бизнес предпочтения рассматриваемой предметной области
Понятие Возможные варианты
Тип предприятия Бюджетное учреждение
Коммерческая организация
Вид учета Бухгалтерский и налоговый учет
Управленческий учет
Подвид учета Документооборот
Управление персоналом
Вид деятельности Государственное управление и оборона
Недвижимое имущество и аренда
Подвид
деятельности
Издательское дело
Молочное производство
Версия БАЗОВАЯ
ПРОФ
Тип предприятия. Существуют программы, ориентированные на разные
типы предприятий. Анализ программных продуктов системы «1С:Предприятие 8»
позволяет выделить два значения:
бюджетное учреждение (Б) – учреждение, финансируемое
преимущественно или целиком из средств государственного и местного
бюджетов [78];
коммерческая организация (К) – организация, которая осуществляет
свою деятельность без помощи средств государственного бюджета.
48
Данное понятие помогает выделить программы ориентированные на
предприятия с разной формой собственности.
Вид и подвид учета. Учет – составная часть управления экономическими
процессами и объектами, сущность которого состоит в фиксации их состояния и
параметров, сборе и накоплении сведений об экономических объектах и
процессах [78]. Этим целям служат такие виды учета как [78]:
o бухгалтерский учет – упорядоченная система сбора, регистрации и
обобщения информации в денежном выражении о состоянии имущества,
обязательств организации и их изменениях (движении денежных средств) путем
сплошного, непрерывного и документального учета всех хозяйственных
операций;
o налоговый учет (является неотъемлемым от бухгалтерского) – система
обобщения информации для определения налоговой базы по налогу на основе
данных первичных документов, сгруппированных в соответствии с порядком,
предусмотренным налоговым кодексом Российской Федерации;
o бухгалтерский управленческий учет (или управленческий учет) –
упорядоченная система сбора, регистрации, обобщения, подготовки и
предоставления информации важной для принятия решений по деятельности
фирмы. Управленческий учет ориентирован именно на потребности внутренних
пользователей (управленцев различного уровня). Информация, собираемая и
предоставляемая им, как правило, принадлежит к коммерческой тайне;
o оперативный учет – применяется в целях текущего управления в
качестве системы наблюдения и контроля за отдельными фактами хозяйственной
жизни организации, измеряемыми как по стоимостной оценке, так и в
натуральных величинах. Целью оперативного учета является быстрый
ежедневный сбор хозяйственной информации, уточняющей данные
бухгалтерского учета.
Программные продукты системы «1С:Предприятие 8», как правило,
предназначены для автоматизации нескольких видов учета сразу, то есть в
каждом ПП присутствует набор видов учета. Выделены следующие наборы:
49
бухгалтерский и налоговый учет (БУиНУ);
управленческий учет;
оперативный учет и элементы управленческого учета (ОУиУУ);
бухгалтерский и налоговый учет, оперативный учет;
бухгалтерский и налоговый, оперативный и управленческий учет.
Из названий понятно, на автоматизацию каких видов учета ориентированы
программы, относящиеся к тому или иному набору.
Для уточнения задач автоматизации некоторые ВУ были декомпозированы
на подвиды учета. Например, для вида учета ОУиУУ были выделены следующие
подвиды:
управление взаимоотношениями с клиентами – Customer Relationship
Management (CRM);
документооборот;
управление персоналом и расчет зарплаты (УПРЗ);
управление проектами.
Кроме того, каждому ВУ соответствует одноименный условный
(универсальный) подвид учета. К нему принадлежат те программы, которые не
относятся к выделенным подвидам учета. То есть к представленному выше
списку также будет относиться значение ОУиУУ. Для того, чтобы их различить
введено значение _ОУиУУ.
Данные подвиды охватывают не только интересующие виды учета, но и
включают анализ конкретного состава решаемых учетных задач.
Вид и подвид деятельности. Вид деятельности является важной
характеристикой предприятия, а значит и программного продукта, выбираемого
для его автоматизации. Здесь определяется прикладная область, для которой
подбирается программа. Существует общероссийский классификатор видов
экономической деятельности [62], на основе которого были выделены значения:
государственное управление и оборона;
жилищно-коммунальное хозяйство (ЖКХ);
здравоохранение и социальные услуги (З);
50
недвижимое имущество и аренда;
образование;
оптовая и розничная торговля;
производство;
сельское хозяйство, охота и лесоводство;
строительство;
транспорт, складское хозяйство и связь;
услуги (У);
электроэнергия, газ и водоснабжение.
К перечисленным видам деятельности добавлен «Универсальный вид
деятельности» (УВД). Это связано с тем, что существуют универсальные ПП,
которые предназначены для автоматизации задач, имеющихся в различных видах
деятельности.
Для уточнения прикладной области некоторые виды деятельности были
декомпозированы на подвиды деятельности:
ЖКХ: квартплата, субсидии;
здравоохранение и социальные услуги: медицинские услуги (М),
стоматология;
образование: центр сертифицированного образования (ЦСО),
психодиагностика, питание;
оптовая и розничная торговля: ювелирная торговля, книги, бытовая
техника, аптека и оптика, одежда и обувь, стройматериалы, касса;
производство: издательское дело и полиграфическая промышленность,
молочное производство, мясное производство, хлебобулочное и кондитерское
производство, фармпроизводство, машиностроение, управление инженерными
данными (PDM), управление ремонтами, строительные материалы;
сельское хозяйство, охота и лесоводство: лесозавод, птицефабрика,
элеватор, сельско-хозяйственное предприятие;
строительство: сметная документация, девелопмент;
51
транспорт, складское хозяйство и связь: управление складом,
управление авотранспортом, управление перевозками;
услуги: служба технической поддержки, страхование, кадровое
агентство, гостиница (Г), автосервис, ломбард, общественное питание;
электроэнергия, газ и водоснабжение: водоканал, теплосеть.
Кроме того, по аналогии с ВУ, каждому виду деятельности соответствует
одноименный условный (универсальный) подвид деятельности. К нему
принадлежат те программы, которые не относятся к выделенным подвидам
деятельности.
Выявленные подвиды охватывают не только интересующие виды
деятельности, но и их специализированные направления.
Версия. У программ системы «1С:Предприятие 8» есть характеристика,
связанная с размером предприятия. Существуют следующие версии программ:
БАЗОВАЯ – предназначена для работы одного пользователя, и
ориентирована на малые предприятия. Кроме того, обновления для данной версии
предоставляются бесплатно через Интернет;
ПРОФ – подходят для организаций больших масштабов, то есть
предполагает сетевой вариант работы. Также имеет ряд других преимуществ по
сравнению с БАЗОВОЙ версией.
Данное основание помогает выделить ПП, ориентированные на
предприятия различного масштаба.
После того как основные понятия предметной области сформированы
необходимо определить отношения (связи) между ними. В данной работе
предлагается определять связи между понятиями, используя отношения is_a и
define (определяет).
Однако не все представленные выше понятия объединяются в единую
онтологию. В связи с этим введено понятие программного продукта, как искомого
объекта. В результате получен следующий вид онтологии (рисунок 2.2).
52
Рисунок 2.2. Онтология предметной области
С одной стороны онтология дает представление о том, какие знания
требуются для будущего программного комплекса, с другой – представление о
структуре этих знаний. В диссертационной работе в соответствующих разделах
описано использование онтологии при формировании анкет для экспертов и
диалогов с пользователем (раздел 5.1), а также при построении базы правил
(раздел 2.2). Ниже рассмотрен этап выделения пользовательских предпочтений.
2.1.2 Область пользовательских предпочтений
Программные продукты системы «1С:Предприятие 8» обладают
различными характеристиками или функциональными возможностями.
Для выделения области пользовательских предпочтений все имеющиеся
функциональные возможности были сгруппированы по различным признакам
(понятиям). В рассматриваемой задаче наиболее подходящим понятием под
условие уникальности набора характеристик в отдельно взятой области
пользовательских предпочтений оказалось понятие «Подвид деятельности».
Некоторые наборы функциональных возможностей показаны в таблице 2.2.
ПрограммныйПродукт
ВидДеятельности
ПодвидДеятельности
ВидУчета
ПодвидУчета
ТипПредприятия Версия
define
is_a is_a
define define
define
53
Таблица 2.2. Фрагмент функциональных возможностей ППС1С
Подвид деятельности Функциональные возможности
Квартплата Учет владельцев имущества
Учет фонда
Ведение лицевых счетов
Начисления
Голосования
Учет затрат
Сканер штрихкода
Медицинские услуги Формирование регламентированных отчетов
Учет коечного фонда
Учет медицинских услуг
Формирование управленческих отчетов
Складской учет
Планирование
Ведение взаиморасчетов с контрагентами
Расчет заработной платы
Недвижимое имущество и
аренда
Ведение базы недвижимости
Размещение объявлений
Управление продажами
Регистрация сделок
Заключение договоров
Учет платежей
Регистрация произвольных расходов
Маркетинговые мероприятия
Анализ результатов деятельности
Функциональные возможности выбираются экспертами исходя из того,
чтобы пользователь выбирал ПП на основе собственных желаний и потребностей,
таким образом, чтобы этот выбор зависел не только от параметров предприятия
(бизнес предпочтений).
Таким образом, с одной стороны решен вопрос с областью
пользовательских предпочтений, с другой – выявлены новые параметры
54
«Функциональные возможности». Данные характеристики ПП включены в
онтологию в качестве атрибутов понятия «ПрограммныйПродукт» онтологии
предметной области.
Первоочередной задачей после формирования онтологии предметной
области является классификация программных продуктов (определение
экземпляров – нижнеуровневых компонент онтологии).
На основе онтологии предметной области разработаны анкеты для
проведения опроса экспертов (раздел 5.1). В таблице 2.3 приведен фрагмент
обобщенных анкетных данных (без учета функциональных возможностей).
Таблица 2.3. Фрагмент обобщенных анкетных данных
Наименование
Тип
предпри
ятия
Вид
учета
Подвид
учета
Вид
деятельн
ости
Подвид
деятельн
ости
Версия
1С:Бухгалтерия 8. БАЗОВАЯ К БУиНУ БУиНУ УВД УПД Базовая
1С:Бухгалтерия 8 ПРОФ К БУиНУ БУиНУ УВД УПД ПРОФ
1С:Бухгалтерия государственного
учреждения 8 Б БУиНУ БУиНУ УВД УПД ПРОФ
1С:Зарплата и Управление
Персоналом 8 К ОУиУУ УПРЗ УВД УПД ПРОФ
1С:Предприятие 8. Отель К ОУиУУ _ОУиУУ У Г ПРОФ
1С:Медицина. Больница Б ОУиУУ _ОУиУУ З М ПРОФ
Представленные знания позволили спроектировать онтологию с
использованием среды Protégé [Protege], которая является интегрированным
инструментальным средством и успешно используется разработчиками систем и
экспертами предметных областей знаний. На рисунке 2.3 представлен фрагмент
онтологии приложения с программным продуктом «1С:Медицина. Больница», где
сплошная тонкая стрелка является связью между понятием и экземпляром
55
Рисунок 2.3. Фрагмент онтологии
Исходя из вышесказанного в соответствии с формулой (1.4) онтология
предметной области определяется как:
Osa = <Т(S, BP), A(FP), {is_a, define}, D>, (2.3)
где Т(S, BP) – множество терминов, которые зависят от понятий и элементов
множеств S, BP; A(FP) – множество атрибутов терминов, которые зависят от
понятий и элементов множества FP; {is_a, define} – множество отношений между
терминами; D – множество, содержащее определения терминов, атрибутов и
отношений.
Онтология может быть представлена на одном из языков описания
(OWL/RDF/XML) для дальнейшего использования.
Таким образом, предложен подход к анализу предметной области на
основе онтологического подхода. Разработана онтология предметной области.
ПрограммныйПродукт
ВидДеятельности
ПодвидДеятельности
ВидУчета
ПодвидУчета
ТипПредприятия Версия
define
is_a is_a
define
define
define
1С:Медицина. Больница
Здравоохранение и соцуслуги
Медицинские услуги
ОУиУУ
ОУиУУ
Бюджетная организация ПРОФ
define
is_a is_a
define
define
define
is_a
is_a
is_a
is_a
is_a
is_a
is_a
56
При ее разработке для уменьшения количества параметров выделена область
бизнес предпочтений – определяющие понятия предметной области, которые
являются характерными как для ПП, так и для пользователя (предприятия).
Для эффективного решения задачи выбора наилучшего программного
продукта выделена область пользовательских предпочтений таким образом, что
каждая альтернатива оценивается только по «уникальным» параметрам.
Выделение области пользовательских предпочтений позволило значительно
уменьшить область исследования (подвиду деятельности соответствует до 50
программных продуктов).
2.2 Оригинальный язык представления знаний
В текущем разделе выполняется разработка продукционных правил для
генерации рекомендаций на основе сформированной онтологии. Описывается
синтаксис предлагаемого языка для описания базы правил выбора программных
продуктов, рассматривается процесс формирования правил на основе онтологии,
приводятся примеры разработанных правил.
В диссертационной работе предлагается процесс формирования БЗ на
основе онтологии с использованием оригинального языка представления знаний
продукционного типа. Онтология предметной области упрощает общение между
экспертом и инженером знаний при проектировании базы знаний. Нет
необходимости искать и выделять концепты продукционных правил.
На основе разработанной онтологии формируется набор правил вида
ЕСЛИ <антецедент> ТО <консеквент>,
где антецедент является описанием данных, а консеквент – одно или более
действий, которые должны быть выполнены.
57
2.2.1 Описание языка представления знаний
Продукционные правила формируются с использованием языка,
разработанного специально для рассматриваемой предметной области [6]. Язык
разрешает программисту использовать символы и представлять отношения между
символами, однако эти символы или отношения не имеют заранее определенных
значений.
Управление осуществляется циклом, в котором ищутся правила с
удовлетворяющимися антецедентами, из них выбирается одно правило, затем
выполняются действия.
Рассматриваемый язык правил представлен следующим образом [6, 18]:
<правило> ::= ЕСЛИ <антецедент>
ТОГДА <консеквент> КОНЕЦЕСЛИ;
<антецедент> ::= (И {<условие>}+) | (ИЛИ {<условие>}
+)
<консеквент> ::= И {<действие>}+
<условие> ::= (<переменная> <знак> <значение>)
<действие> ::= <переменная > = <значение>; |
<переменная > = ф<имя_функции>(<значение>);
Под условием понимается некоторое предложение, по которому
осуществляется поиск в базе правил, а под действием – действия, выполняемые
при успешном исходе поиска (промежуточные, выступающих далее как условия,
или целевые). Значениями в консеквенте являются числа, символы (выделяются
кавычками «, ») или переменные. Знак – это один из знаков сравнения: «больше»
(<), «меньше» (>), «равно» (=) или «неравно» (<>).
Каждый подэлемент условия должен быть сопоставим с соответствующим
подэлементом данных по следующему принципу:
1) символ константы или числа сопоставим только с равной константой;
2) переменная сопоставима с любым символом или числом, однако, если
переменная в антецеденте встречается несколько раз, то все вхождения этой
переменной должны быть сопоставимы с одним и тем же значением.
58
Правило состоит из условия в антецеденте и консеквенте:
ЕСЛИ ВидДеятельности = «ЖКХ» ТОГДА
ПодвидДеятельности = «квартплата»;
КОНЕЦЕСЛИ;
что интерпретируется следующим образом:
«Подвидом деятельности является квартплата при условии что вид
деятельности – ЖКХ».
Отличительными элементами языка являются функции (название
начинается на букву «ф»), которые выполняют назначенное им задание и
возвращают значение в переменную. Пример правила с использованием функции:
ЕСЛИ ВидДеятельности = «ЖКХ» ТОГДА
ПодвидДеятельности = фУточнитьПВД(«квартплата», «субсидии»);
КОНЕЦЕСЛИ;
Интерпретация данного правила такова:
«Если видом деятельности является ЖКХ, то уточнить у пользователя
подвид деятельности, предложив в качестве вариантов выбора: <квартплата> и
<субсидии>».
В языке используются следующие виды переменных (в скобках указаны
возможные варианты) [6]:
входные безусловные (ВидДеятельности) – факты, собранные при
первоначальном опросе пользователя;
входные условные (ПодвидДеятельности) – дополнительные данные,
необходимость в которых возникла при определенном условии (наборе фактов);
определяемые (Версия) – факты, выясненные в процессе работы МЛВ;
выходные (ПрограммныйПродукт) – данные, являющиеся результатом
запроса.
Оригинальный язык представления знаний имеет следующие достоинства:
1) учитывает специфику предметной области (выбор ПП);
2) является выразительным (интуитивно понятным для человека).
3) легко интерпретируется на языки программирования.
59
2.2.2 Генерация базы правил
Предлагается подход к формированию базы правил Rs на основе онтологии
предметной области, представленной на языке описания OWL (RDF/XML).
Анализируя онтологию с точки зрения продукционной модели,
необходимо отобрать объекты, отношения и атрибуты. Далее работа ведется уже с
этими данными. На основе онтологии создаются продукционные правила, при
необходимости они изменяются инженером по знаниям.
Алгоритм создания правила на основе онтологии представлен на рисунке
2.4. и выглядит следующим образом [18]:
Вход: Онтология Osa на языке OWL.
Выход: Правило rsρ на оригинальном языке представления знаний.
Шаг 1. Формирование конструкции правила rs’ρ по онтологии Osa;
Шаг 2. Формирование правила rsρ.
Рисунок 2.4. Схема формирования правила на основе онтологии
Подробное описание этапов алгоритма конвертации онтологии
представлено в следующих подразделах.
2.2.2.1 Формирование конструкции правила
Понятия и экземпляры онтологии переносятся в базу правил. Они
отображаются на переменные и значения языка представления знаний. Вывод,
построенный на этапе создания онтологии, отражается в правилах. Выявление
Онтология
Формирование
конструкций
правила
Формирование
правила
База
правил
Правило rsρ
OWL Osa
Конструкция
правила rs’ρ
60
конструкций правила из онтологии предметной области формируется по
следующей схеме [18] (рисунок 2.5).
Рисунок 2.5. Схема выявления конструкций правила
В представленной схеме имеется одна цель, расположенная в вершине
онтологии. Цель соединена связями с тремя понятиями, расположенными на
втором уровне. То есть решение определенным образом (Правило1 на рисунке
2.5) зависит от трех фактов. В свою очередь эти факты могут быть связаны с
другими понятиями, что также обусловлено определенной зависимостью.
Правила формируются исходя из следующих положений [18]:
1) Если два понятия связаны отношением «класс-подкласс», то понятие
«класс» является консеквентом, понятие «подкласс» является антецедентом. Если
«класс» состоит из нескольких «подклассов», то понятия «подкласс» в
консеквенте являются параметрами встроенной функции фУточнить.
2) Если два понятия («источник-приемник») связаны отношением
«определяет», то понятие «источник» является антецедентом, понятие
«приемник» является консеквентом. Если «источников» несколько, то понятия в
антецеденте соединяются оператором И.
В таблице 2.4 представлены примеры формирования правил по схеме на
рисунке 2.5.
A
B C D E
G F
Правило1
Правило2 Правило3
define define
is_a is_a is_a
61
Таблица 2.4. Примеры формирования правил
Онтологическое представление Представление на оригинальном ЯПЗ
B define A (B определяет A), C define A,
D define A
ЕСЛИ B И C И D ТОГДА A
КОНЕЦЕСЛИ;
B is_a F (B является подклассом класса F) ЕСЛИ F ТОГДА B КОНЕЦЕСЛИ;
D is_a G, E is_a G ЕСЛИ G ТОГДА фУточнить(D, E);
КОНЕЦЕСЛИ;
Функция фУточнить предназначена для определения условной
переменной. Параметры функции содержат варианты, которые необходимо
предоставить пользователю для выбора.
Таким образом, на основании онтологии предметной области строится
конструкция правила. Далее используя онтологию приложения, предлагается
формировать реальные правила для базы знаний.
2.2.2.2 Формирование правила для базы знаний
На рисунках 2.6 и 2.7 представлены примеры фрагментов онтологии, по
которым формируются правила на оригинальном языке представления знаний.
Рисунок 2.6. Онтология предметной области. Фрагмент 1
ОУиУУ
1С:Предприятие 8 CRM ПРОФ
Управление проектами
1С:Зарплата и Управление Персоналом 8
Документооборот
CRM УПРЗ
define
is_a
define
is_a
1С:Предприятие 8. Управление Проектным Офисом 1С:Документооборот 8 ПРОФ
define define
is_a
is_a
62
Фрагмент, выделенный пунктиром на языке правил выглядит следующим
образом:
ЕСЛИ ВидУчета = «ОУиУУ» ТОГДА
ПодвидУчета = фУточнить(«_ОУиУУ», «Управление проектами»,
«Документооборот», «CRM», «УПРЗ»)
КОНЕЦЕСЛИ;
Интерпретация правила на естественном языке: «Если вид учета –
оперативный с элементами управленческого учета, то необходимо уточнить
подвид учета у пользователя, предложив варианты: управление проектами,
документооборот, CRM, управление персоналом и расчет зарплаты».
Рисунок 2.7. Онтология предметной области. Фрагмент 2
Фрагмент, выделенный пунктиром на языке правил выглядит следующим
образом:
ЕСЛИ ТипПредприятия = «Коммерческая организация»
И ПодвидДеятельности = «Универсальный подвид деятельности»
И ПодвидУчета = «УПРЗ»
И Версия = «ПРОФ» ТОГДА
ПрограммныйПродукт = «1С:Зарплата и Управление Персоналом 8»
КОНЕЦЕСЛИ;
1С:Зарплата и Управление Персоналом 8
Универсальный вид деятельности
Универсальный подвид деятельности
ОУиУУ
УПРЗ
Коммерческая
организация
ПРОФ define
is_a is_a
define
define
define
63
Интерпретация правила на естественном языке: «Если тип предприятия –
коммерческая организация, подвид деятельности – универсальный подвид
деятельности, подвид учета – управление персоналом и расчет зарплаты, версия –
ПРОФ, то следует рекомендовать программный продукт «1С:Зарплата и
Управление Персоналом 8».
Результатом конвертации онтологии являются знания о программных
продуктах в виде правил. Сформированные правила сохраняются в базе знаний. В
процессе выполнения данных правил определяются дополнительные факты,
определяется необходимость в уточнении информации, и в итоге принимается
решение о том, какие ПП являются наиболее подходящими.
В рассматриваемой задаче предметная область носит в основном
описательный характер, следовательно, наибольшую сложность представляет
процесс извлечения и формализации информации.
2.3 Алгоритм приобретения знаний из программной документации
Стартом к началу продаж очередного программного продукта является
выпуск программной документации, которая содержит описание назначения ПП,
описание применения ПП, описание основных функциональных возможностей
ПП (как количественных, так и качественных) [67]. Программная документация
подготавливается разработчиками и должна соответствовать единой системе
программной документации (ЕСПД).
Предлагаемый подход к автоматизации процесса приобретения знаний из
текстовых документов основан на построении онтологии программной
документации и выделения из него набора метаданных, характеризующих его
содержание [7, 8]. Алгоритм приобретения знаний [17, 18] представлен ниже.
Вход: Программная документация Tdoc в виде текстового документа.
Выход: Правило rsρ на оригинальном ЯПЗ.
Шаг 0. Формирование онтологии программной документации Odoc;
64
Шаг 1. Аннотирование документа – выявление множества структурных
блоков Bdoc = {bd1, bd2, …, bdβ}.
Шаг 2. Извлечение фактов Vdoc = {vd1, vd2, …, vdγ} в структурных блоках;
Шаг 3. Формирование правила rsρ для базы знаний.
Первый этап является подготовительным, то есть в идеале онтология
формируется один раз. Однако формирование онтологии – это итеративный
процесс [119]. На практике есть необходимость возвращаться к данному этапу с
целью «отладки», что отражено на UML-диаграмме деятельности (рисунок 2.8).
Сформировать онтологию
Выполнить извлечение фактов
Выполнить аннотирование документа
Сформировать правило для БЗ
[онтология
сформирована][онтология не
сформирована]
Рисунок 2.8. UML-диаграмма деятельности приобретения знаний
На рисунке 2.9 представлен фрагмент программной документации ППС1С.
65
Рисунок 2.9. Фрагмент программной документации
Программная документация содержит значительное количество
отклонений от ЕСПД. Отсюда возникает проблема недостаточной
структурированности информации. Для решения данной проблемы, прежде всего,
необходимо описать структуру и семантику данных.
2.3.1 Онтология программной документации
Учитывая тот факт, что база знаний формировалась с использованием
онтологии предметной области [2], представляется целесообразным основываться
на ней при формировании онтологии Odoc программной документации. Также
необходимо учесть структуру и характерные элементы текстового документа Tdoc:
заголовок, разделы, таблицы, списки и т.д.
66
Для построения онтологии программной документации вначале был
составлен перечень терминов, необходимых для описания его структуры. Затем с
использованием базовых типов связей is_a («класс – подкласс») и part_of («часть
– целое») сформирована иерархия понятий [7].
На рисунке 2.10 представлена онтология программной документации
ППС1С.
Рисунок 2.10. Онтология программной документации
Чтобы применить онтологию для автоматической обработки текстов,
необходимо понятиям онтологии сопоставить множество ключевых слов
(словосочетаний) KW, которыми понятия могут выражаться в тексте.
Сопоставление осуществляется различными способами [38]:
введение лингвистических атрибутов в описание объектов онтологии;
установление соответствий между иерархическими лексическими
ресурсами (тезаурус русского языка) и объектами онтологии.
Оба способа основаны на принципе объединения лингвистической и
предметной онтологии с целью определения семантики во второй.
При введении лингвистических атрибутов семантика в онтологию может
быть заложена только в рамках текущей предметной области. Во втором способе
может потребоваться реструктуризация исходного лексического ресурса. Поэтому
на различных этапах разработки онтологии выбор способа может меняться.
pa
rt_
of
pa
rt_
of
part_of
is_a Документ Программная документация
Заголовок Основная часть
Функциональные возможности
Дата
Версия
Наименование ПП
Назначение
Вид деятельности
Тип предприятия Цена
67
Исходя из вышесказанного в соответствии с формулой (1.4) онтология
программной документации определяется как:
Оdoc = <Т(Tdoc, S, BP), KW, {is_a, part_of}, D>, (2.4)
где Т(Tdoc, S, BP) – множество терминов, которые зависят от понятий и элементов
текстового документа Tdoc и множеств S, BP; KW = {kw1, kw2, …, kwr} – множество
ключевых слов, которые представляют собой лингвистические атрибуты; {is_a,
part_of} – множество отношений между терминами; D – множество, содержащее
определения терминов, атрибутов и отношений.
Онтология используется для дальнейшего структурирования документа.
2.3.2 Структурирование документа
В слабоструктурированных документах анализ может проводиться
корректно только в пределах определенных изолированных структурных блоков
Bdoc текста, имеющих семантические метаданные [88], описывающие контекст
объекта с помощью понятий предметной области [25]. В документах такие
метаданные отсутствуют. В связи с этим для текстовых документов требуется
выполнение автоматического семантического анализа с целью формирования
семантических метаданных. Такой процесс называется семантическим
аннотированием документа [65, 91].
В качестве базовых знаний для автоматического аннотирования, обычно
используются онтологии, которые представляют собой формальные описания
предметной области. При этом семантику определяет именно структура онтологии
и расположение блоков документа, из которых извлекается текстовая информация.
На этапе семантического аннотирования в тексте выявляются экземпляры
понятий онтологии (с учетом набора ключевых слов и словосочетаний) и
создаются указатели на соответствующие экземпляры понятий онтологии. То есть,
выполняется поиск по ключевым словам KW онтологии Оdoc. Затем выполняется
выделение структурной части bdβ документа (заголовок, абзац, таблица и т.д.).
68
В процессе аннотирования производится разбиение линейного текста на
структурные блоки Bdoc. В идеале процесс сегментации должен порождать
логические сегменты в соответствии с онтологией: «Наименование ПП»,
«Функциональные возможности» и т.д.
Полученные от процесса индексирования метаданные сохраняются в
качестве индексных указателей документов для дальнейшего использования при
извлечении фактов. То есть к текстам документа добавляются дополнительные
интерпретации, которые играют роль семантических метаданных. Полученные
аннотации при необходимости корректируются. Процесс аннотирования
документа определяется тройкой вида
< Tdoc, Odoc, Bdoc >,
где Tdoc – программная документация по конкретному программному продукту;
Odoc – онтология программной документации; Bdoc – множество выявленных
структурных блоков документа.
Таким образом, слабоструктурированный документ переводится в
документ с выявленной структурой. После определения структуры документа
происходит обработка структурных блоков Bdoc, для каждого из которых
разработан алгоритм анализа. Структурные блоки используются при извлечении
фактов Vdoc, где на вход алгоритму подается не весь документ, а только его
фрагмент Bdoc.
2.3.3 Формирование правила на основе приобретенных знаний
При обработке программной документации на этапе извлечения фактов
происходит автоматическая идентификация блоков текста в соответствии с
выявленной в процессе аннотирования структурой. При этом в процессе анализа
блоков текста Bdoc заданного типа обеспечено извлечение требуемых фактов по
алгоритму. Ниже представлен один из таких алгоритмов для нахождения
функциональных возможностей (характеристик) программного продукта [7].
69
Алгоритм выполняется в цикле (обход по шаблону PT, PT ⊆ KW) и выглядит
следующим образом [17]:
Вход: Фрагмент (структурный блок) bdβ документа Tdoc, полученный при
аннотировании и шаблон PT, представляющий собой множество наименований
наиболее важных функциональных возможностей.
Выход: Множество извлеченных из Tdoc характеристик FP’ (FP’ ⊆ FP)
программного продукта.
Шаг 1. Поиск слова (словосочетания) W во фрагменте bdβ документа по
наименованию kwr функциональной возможности ПП из шаблона PT;
Шаг 2. Выявление участка в bdβ с описанием функциональной
возможности fpj программного продукта по граничным символам;
Шаг 3. Определение отсутствия слов отрицания в выявленном участке;
Шаг 4. Запись найденной функциональной возможности fpj.
Пример входных (фрагмент программной документации ППС1С) и
выходных данных алгоритма представлен на рисунке 2.11.
Рисунок 2.11. Пример входных и выходных данных алгоритма извлечения знаний
70
В представленном примере на рисунке 2.11 осуществляется поиск
функциональных возможностей программного продукта «1С:Председатель ТСЖ».
Таким образом, слабоструктурированный документ переводится в
документ с выявленной структурой. После определения структуры документа
происходит обработка структурных блоков. В результате обработки блоков
выявляются все необходимые знания о программном продукте, предназначенные
для пополнения базы знаний [19].
После того как обработаны все структурные блоки из полученных
значений формируется правило. Ниже представлено правило, сформированное
для программного продукта «1С:Председатель ТСЖ»:
ЕСЛИ (ТипПредприятия = «Хозрасчетный»)
И (ПодвидУчета = «Бухгалтерский и оперативный учет»)
И (Версия = «ПРОФ»)
И (ПодвидДеятельности = «Квартплата») ТОГДА
ПрограммныйПродукт = «1С:Председатель ТСЖ»;
КОНЕЦЕСЛИ;
Результатом проведенного анализа документа является знание о
программном продукте в виде правила, которое сохраняется в базе правил. В
дальнейшем эксперт вручную исправляет неточности, допущенные при
извлечении знаний из программной документации.
Таким образом, в диссертационной работе предложена методика
построения модели выбора программных продуктов на основе онтологии,
отличающаяся наличием оригинального языка представления знаний и
возможностью приобретения знаний на основе анализа программной
документации.
Для реализации предложенного подхода экспертной группе и инженеру по
знаниям необходимо создать онтологию в Protégé. Помимо классов задать
экземпляры, которые будут представлять ассортимент компании-продавца.
Разработанную онтологию в формате OWL загрузить в базу знаний и отслеживать
71
изменения в базе знаний. Инженер по знаниям также может создавать правила без
использования онтологии.
Полученные правила позволяют значительно сузить область поиска до
нескольких 2-10 альтернатив. Если покупатель затрудняется сделать
окончательный выбор самостоятельно, он может сделать это с использованием
модели выбора наилучшего программного продукта на основе нечеткой меры.
Выводы по главе 2
1. Разработана методика построения модели выбора программных
продуктов на основе онтологии, отличающаяся наличием оригинального языка
представления знаний и возможностью приобретения знаний на основе анализа
программной документации.
2. Разработана онтология предметной области, отличительной
особенностью которой является выделение области бизнес предпочтений и
области пользовательских предпочтений программных продуктов, что позволило
облегчить задачу выбора наилучшего решения путем уменьшения области
поиска. Добавление онтологии в качестве основы для формирования базы правил
придает такие преимущества как:
улучшение взаимодействия между экспертами и инженерами по
знаниям на этапе формирования понятий онтологии;
углубление знаний о предметной области до уровня понятий и их
отношений;
повышение контроля противоречий в понятиях предметной области;
использование разработанного языка представления знаний позволит
обеспечить взаимодействие посредством OWL (RDF/XML) с другими
программными комплексами.
3. Разработан язык представления знаний, ориентированный на решение
задач выбора программных продуктов.
72
4. Предложен алгоритм приобретения знаний из программной
документации с использованием онтологического подхода, позволяющий
существенно сократить время, затрачиваемое на пополнение базы правил по
сравнению с неавтоматизированным способом.
73
ГЛАВА 3. МОДЕЛЬ ВЫБОРА НАИЛУЧШЕГО ПРОГРАММНОГО
ПРОДУКТА НА ОСНОВЕ НЕЧЕТКОЙ МЕРЫ
В текущей главе представлена многокритериальная модель выбора
наилучшего программного продукта с учетом предпочтений пользователя. Под
выбором наилучшего понимается получение такого ПП, в котором с учетом всех
разнообразных и противоречивых предпочтений будет определена общая
ценность, максимально способствующая достижению поставленной цели
пользователя. При определении наилучшего ПП рассматривается множество SS,
представленное в формуле (2.1).
Для моделирования выбора наилучшего программного продукта
используется нечеткая мера, а в качестве оператора агрегации применяется
интеграл Шоке для определения интегральной оценки ПП по функциональным
возможностям. Для оптимизации нечеткой меры используется численный метод,
основанный на империалистическом алгоритме, позволяющий наиболее точно
учесть предпочтения пользователя [20, 21].
Пусть имеется множество программных продуктов (альтернатив) SS (SS ⊆
S), задаваемых на множестве функциональных возможностей (атрибутов,
признаков) FP и оцениваемых k экспертами, тогда трехмерная матрица вида
продукт-атрибут-эксперт
F = || fijk|| (i = 1, 2, …, m; j = 1, 2, …, n; k = 1, 2, …, q)
определяет степень выраженности атрибута fpj в программном продукте si,
определенную экспертом k, 0 ≤ fijk ≤ 1. Тогда для каждого программного продукта
si существует срез эксперта k вида Mik = {fi1k,…, fink}. Функциональные
возможности представляют собой как качественные, так и количественные
значения.
Нечеткая мера выражает значимость каждого подмножества атрибутов и
определяется как µik: 2Mik
→ [0, 1], где 2Mik
– множество всех подмножеств
множества функциональных возможностей Mik.
74
Тогда применительно к рассматриваемой задаче значение интеграла Шоке
(1.3) по нечеткой мере есть интегральная оценка программного продукта si:
( )
1
( ( ,( ), ) ( ,( 1), )) ( )n
i ik
j
y f i j k f i j k M
, (3.1)
где ( )j – обозначение перестановки вида 0 ( ,(1), ) ( ,( ), )f i k f i n k ,
( ,(0), ) 0;f i k ( ) { ( ,( ), ),..., ( ,( ), )}ikM f i j k f i n k .
Для применения интеграла Шоке необходимо задать нечеткую меру.
Однако данная задача затруднена не только сложностью задания всех 2n значений
коэффициентов, но и пониманием экспертом смысла нечеткой меры [83].
Для того чтобы применить интеграл Шоке предлагается решить задачу
извлечения нечеткой меры. Пусть предпочтения по каждому программному
продукту si выражены в виде матрицы обобщенных интегральных оценок Y = ||yk||.
Данная оценка представляет собой степень (величину) функционального
наполнения программного продукта в интервале от 0 до 1. Определение
интегральной оценки yk предлагается выполнять с использованием нечеткого
вывода, так как для экспертов данная задача является трудоемкой.
Зная вектор оценок || yk || для si значения µ(M(ik)) при минимизации
выражения суммы разности квадратов определяются как (3.2):
2
1
( ) minq
k i
k
e y y
,
2
( )
1 1
( ( ,( ), ) ( ,( 1), )) ( ) min.q n
k ik
k j
e y f i j k f i j k M
(3.2)
Оптимальное решение должно удовлетворять ограничениям: нечеткие
меры должны быть монотонными и всегда принадлежать интервалу [0, 1]. Таким
образом, извлечение нечеткой меры является проблемой оптимизации ошибки e с
ограничениями.
Для минимизации выражения (3.2) в работе используется численный метод
на основе популяционного империалистического алгоритма. После извлечения
нечетких мер выбирается наилучший программный продукт по предпочтениям
пользователя.
75
Пусть предпочтения пользователя представляют собой вектор FP, тогда
||yp|| – вектор интегральных оценок si, вычисленный с использованием значений
µ(M(ik)) по интегралу Шоке в соответствии с предпочтениями пользователя. Для
определения наилучшего программного продукта si необходимо найти
минимальную разницу между оценками через выражение (3.3):
2
1
( ) minq
k p
k
y y
. (3.3)
Используя представленную модель, основанную на нечетких мерах и
интегралах, для выбора наилучшего программного продукта необходимо
выполнить следующие этапы [20, 21]:
1) задание экспертных предпочтений функциональных возможностей;
2) интегральное оценивание программных продуктов;
3) задание пользовательских предпочтений функциональных
возможностей;
4) извлечение нечеткой меры на основе империалистического алгоритма;
5) определение наилучшего программного продукта по предпочтениям
пользователя.
Подробное описание этапов выбора наилучшего ПП представлено в
соответствующих разделах текущей главы на примере программных продуктов
системы «1С:Предприятие 8».
76
3.1 Алгоритм расчета интегральной оценки программного продукта по
функциональным возможностям
Интегральная оценка необходима для сравнения программных продуктов.
Она позволяет объективно оценивать возможности ПП, а также облегчает процесс
сравнения, делая его нагляднее.
Программные продукты обладают набором качественных и
количественных характеристик – функциональных возможностей. Сравнение ПП
предлагается проводить только по тем характеристикам, которые относятся к
определенному подвиду деятельности и не затрагивают характеристики из других
областей. Список наиболее важных функциональных возможностей формируется
с привлечением экспертов (раздел 2.1). На этапе построения онтологии эксперты
формируют частные оценки функциональных возможностей ПП и устанавливают
шкалы измерения для них.
Данные оценки характеризуют степень реализации функциональных
возможностей. На рисунке 3.1 представлены примеры шкал с качественными
оценками программного продукта экономического назначения.
где ОН – очень низкая; Н – низкая; С – средняя; В – высокая; ОВ – очень высокая.
Рисунок 3.1. Примеры шкал с качественными оценками
Формирование
регламентированных
отчетов
ОН Н С В ОВ
Учет коечного фонда
Учет медицинских услуг
Формирование
управленческих отчетов
ОН Н С В ОВ
ОН Н С В ОВ
ОН Н С В ОВ
77
Качественные оценки пересчитываются в числовые значения по шкале
Харрингтона (таблица 1.1), количественные оценки – по функции Харрингтона
(1.1), затем эти значения обрабатываются для получения интегральной оценки
ПП. Ниже представлен алгоритм получения интегральной оценки ПП [10, 16, 19].
Вход: экспертные оценки функциональных возможностей M’ik.
Выход: интегральная оценка yk программного продукта.
Шаг 1. Нормирование:
Шаг 1.1. Нормирование количественных оценок с использованием
обобщенной функции желательности Харрингтона;
Шаг 1.2. Приведение к единой универсальной шкале [0, 1];
Шаг 2. Расчет интегральной оценки на основе нечеткого вывода:
Шаг 2.1. Формирование базы правил для определения взаимосвязи
между входными и выходной переменной;
Шаг 2.2. Фаззификация входных переменных;
Шаг 2.3. Агрегирование субусловий в нечетких правилах;
Шаг 2.4. Активизация субзаключений в нечетких правилах;
Шаг 2.5. Аккумуляция заключений нечетких правил;
Шаг 2.6. Дефаззификация выходных переменных.
Нормирование количественных значений функциональных возможностей,
исходя из алгоритма, осуществляется в два этапа. Сначала с использованием
обобщенной функции Харрингтона по формуле (1.1). Каждое значение M’ik
пересчитывается в числовые отметки dj = exp[–exp(–M’ik)] в диапазоне от -2 до 5,
так как этот интервал является промежутком эффективных значений функции
Харрингтона (рисунок 1.1). Выбор этого промежутка на шкале частных
показателей обусловлен тем, что именно в этих точках значения на шкале
желательности уже практически близки к граничным, но еще могут существенно
меняться в зависимости от значений параметров. При этом если наибольшему из
всех значений характеристик ПП «присвоить» значение «5», а наименьшему «–2»,
то все остальные расположатся между ними, образуя масштабируемую
последовательность значений.
78
Следующим этапом нормирования является пересчет полученных
значений dj в отметки на интервале от 0 до 1.
После того как выполнено нормирование всех характеристик,
осуществляется расчет интегральной оценки yk.
Расчет интегральной оценки, предлагаемый в диссертационной работе,
реализован в рамках основных этапов нечеткого вывода [51, 96, 99]. Ниже этапы
рассматриваются в контексте решаемой задачи [10].
Формирование базы правил. Множество правил RFS = {rf1, rf2, …, rfs}
определяет взаимосвязи между входными и выходной переменными и
представляются в форме: ЕСЛИ <антецедент> ТО <консеквент>.
Входными лингвистическими переменными являются нормированные
оценки Mik. Выходной лингвистической переменной является интегральная оценка
yk. Все лингвистические переменные описываются нечеткими терм-множествами,
заданными треугольными функциями принадлежности на интервале от 0 до 1.
Функции принадлежности для входных и выходной переменных в данной
работе представлены в виде треугольных функций. Треугольная функция
принадлежности описывается тремя параметрами (a, b, c), степень
принадлежности вычисляется как
, ,
( ) , ,
0, в других случаях.
FS
x aa x b
b a
x cx b x c
b c
При построении функций принадлежности следует учитывать то
обстоятельство, что теория нечетких множеств не требует абсолютно точного
задания функций принадлежности. Зачастую бывает достаточно зафиксировать
лишь наиболее характерные значения и вид функции принадлежности. Поэтому
предусмотрена возможность задать значения параметров функций и количество
термов для проведения эксперимента.
79
Фаззификация. Данный этап называют приведением к нечеткости [51].
Здесь определяются значения функций принадлежности нечетких множеств
(термов) на основе исходных данных.
Целью этапа фаззификации является установление соответствия между
конкретным значением отдельной входной переменной системы нечеткого вывода
и значением функции принадлежности соответствующего ей терма входной
лингвистической переменной.
После того как получены нормированные оценки рассматриваются
субусловия нечетких правил RFS. Для каждого из субусловий правил находится
множество значений B’ = {bj
’}, где bj
’ = µFS(Mik).
Агрегирование. Антецедент правила в данной работе является составным,
т.е. включает субусловия, связанные между собой при помощи логической
операции «И». Для определения результата используется формула нечеткой
конъюнкции.
Целью этого этапа является определение степени истинности условий для
каждого правила системы нечеткого вывода.
После того как получено множество B’ рассматриваются условия нечетких
правил RFS. Для каждого из правил находится множество значений B’’ = {bj
’’}, где
bj’’ – логическая операция «И» со значениями bj
’.
Активизация. На этом этапе происходит переход от условий к
субзаключениям правил. Активизация в системах нечеткого вывода представляет
собой процедуру нахождения степени истинности каждого из субзаключений
правил нечетких продукций.
После того как получено множество B’’
рассматриваются субзаключения
нечетких правил RFS. Для каждого из субзаключений правил находится множество
значений C = {ck}, где ck – степень истинности субзаключений.
Затем определяется функция принадлежности каждого из субзаключений
для рассматриваемой выходной лингвистической переменной. Для этой цели
используется один из методов активизации:
min-активизация:
80
'( ) min , ( ) ;k k FS ky c y
prod-активизация:
'( ) ( ),k k FS ky c y
где μ’(yk) – функция принадлежности терма, который является значением
выходной переменной yk.
Аккумуляция в системах нечеткого вывода – это процедура нахождения
функции принадлежности выходной переменной.
Цель данного этапа состоит в объединении степеней истинности
заключений для получения функции принадлежности выходной переменной.
После того как получено множество C рассматриваются заключения
нечетких правил RFS. Для выходной переменной находится множество C’как
объединение нечетких множеств C.
Дефаззификация в системах нечеткого вывода представляет собой
процедуру или процесс нахождения четкого значения выходной переменной.
Цель дефаззификации заключается в том, чтобы, используя результаты
аккумуляции выходной переменной, получить количественное значение выходной
переменной.
После того как получено множество C’ для выходной переменной
определяется итоговое количественное значение yk. Для выполнения численных
расчетов на данном этапе используется один из методов дефаззификации.
В идентификации функционального наполнения ПП результат
дефаззификации определяется по методу центра тяжести:
( ),
( )
MaxFSMin
MaxFSMin
x x dxy
x dx
где y – результат дефаззификации; x – переменная, соответствующая выходной
лингвистической переменной yk; µFS(x) – функция принадлежности нечеткого
множества, соответствующего выходной переменной yk после этапа аккумуляции;
81
Min и Мах – левая и правая точки интервала нечеткого множества
рассматриваемой выходной переменной yk.
При дефаззификации методом центра тяжести значение выходной
переменной равно абсциссе центра тяжести площади, ограниченной графиком
кривой функции принадлежности соответствующей выходной переменной.
Таким образом, на выходе получаем интегральную оценку
функционального наполнения программного продукта в интервале от 0 до 1 по
каждому эксперту. Полученные интегральные оценки || yk || для программного
продукта si используются в (3.2) при извлечении нечеткой меры µ(M(ik)) на основе
империалистического алгоритма.
3.2 Численный метод оптимизации нечеткой меры на основе
империалистического алгоритма
Империалистический алгоритм основан на соперничестве стран в мировой
истории [103]. Все страны разделены на две группы: империалистические
государства и колонии. Основной частью данного алгоритма является
империалистическое соперничество, которое должно приводить колонии к
схождению к глобальному экстремуму целевой функции. На рисунке 3.2
представлена UML-диаграмма деятельности империалистического алгоритма.
Как и другие эволюционные алгоритмы, данный алгоритм начинается с
создания начальной популяции (страны в мире). Наилучшие страны (значения
нечеткой меры) выбираются в качестве империалистов, а остальные составляют
колонии, которые разделены среди империалистических государств по их силе.
Сила империи, которая является эквивалентом приспособленности [80] в
генетических алгоритмах пропорциональна ее относительной стоимости.
82
Инициализация империй
Ассимиляция колоний
Обмен позициями между империалистом и колонией
[есть колония в более
выгодной позиции,
чем империалист]
Расчет стоимости империй
[иначе]
Соперничество сильных империй за слабую колонию слабой империи
[есть империя без колоний]
Уничтожение слабой империи
[осталась одна империя]
[нет империй без колоний]
[осталось более одной империи]
Рисунок 3.2. UML-диаграмма деятельности империалистического алгоритма
После разделения колоний среди империалистов колонии начинают свое
движение к своим империалистическим государствам. Если возникает ситуация
83
когда новое положение колонии оказывается лучше положения империалиста, они
меняются местами.
Для определения наиболее слабой империи вычисляются их влияние, при
этом учитывается стоимость, как империалистического государства, так и ее
колоний. Данный факт моделируется определением влияния империи как сумму
стоимости империалистического государства и некоторого процента от средней
стоимости ее колоний. Затем начинается соперничество империй. Любая империя,
которая не сможет преуспеть в этом и не сможет увеличить свою силу будет
исключена из борьбы.
Передвижение колоний к своим империалистическим государствам вместе
с самим империалистическим соперничеством и механизмом уничтожения слабых
империй должно привести к тому, что состояние системы сойдется к точке, при
которой в мире существует только одна империя, а все остальные страны
являются ее колонией. В идеале, империя и колонии находятся в одной и той же
точке.
Решается задача нахождения оптимума (страны империалиста) при
минимизации ошибки (стоимости) в (3,2), где µ(M(ik)) – результат (позиция)
решения (страны); e = ci – ошибка (стоимость) решения (страны). Все решения
делятся на оптимумы и остальные решения (колонии), затем объединяются в
кластеры (империи). На результат оптимизации влияют коэффициенты (сила) pi
оптимума (империалиста) и Ppi кластера на интервале [0,1].
Описание алгоритма минимизации ошибки e (3.2) представлено ниже [21]:
Вход: Экспертные оценки Mik функциональных возможностей и вектор ||yk||
обобщенных предпочтений программного продукта si.
Выход: Нечеткая мера µ(M(ik)).
Шаг 1. Инициализация империй. Процесс инициализации империй
начинается со случайной генерации Npop количества стран. Из них выбирается Nimp
наиболее сильных стран (империалистов), которые будут формировать империи.
Сила определяется через нормализованную стоимость Ci каждого
империалиста:
84
1,
max
imp
i j i
j N
C c c
,
где ci – стоимость i-го империалиста (ошибка e). Тогда сила pi:
1
imp
i
i N
j
j
Cp
C
.
Оставшиеся Ncol стран распределяются в качестве колоний между
империалистами пропорционально их силе. То есть количество колоний в i-й
империи определяется как:
NCi = round (piNcol).
После определения количества колоний в каждой империи, колонии
случайным образом распределяются среди них.
Шаг 2. Ассимиляция колоний. Процесс ассимиляции колоний моделируется
их перемещением к империалисту (рисунок 3.3). Направление перемещения
совпадает с вектором, устремленным от колонии к империалисту. Расстояние
перемещения x является случайной величиной, распределенной по нормальному
закону:
x ~ U(0, β·d),
где d – текущее расстояние между колонией и империалистом, а β – число
большее единицы, которое позволяет колониям сближаться с империалистом
равновероятно со всех сторон. β ≈ 2 [103].
Рисунок 3.3. Схема перемещения колонии к империалисту
Шаг 3. Обмен позициями между империалистом и колонией. Если после
ассимиляции новая позиция одной или нескольких колоний империи является
d
x
Позиция
колонии
Новая
позиция
колонии
Позиция
империалиста
85
более выгодной, чем позиция самого империалиста, тогда империалист
перемещается на позицию этой колонии, а колония на позицию империалиста.
Иначе переход на Шаг 4.
Шаг 4. Расчет стоимости империи. Стоимость империи складывается из
двух показателей: стоимость империалистического государства и стоимость
колоний, входящих в нее. При этом наибольшее влияние оказывает империалист, в
то время как влияние колоний незначительное:
i i iTC c c ,
где TCi – стоимость i-й империи, ci – стоимость империалиста i-й империи, ic –
средняя стоимость колоний империи, ξ – положительное число меньше 1. Малое
значение ξ позволяет обеспечить минимальное влияние колоний на стоимость
империи. В большинстве реализаций алгоритма 0,1 является подходящим
значением константы ξ [103].
Шаг 5. Империалистическое соперничество. Процесс соперничества
моделируется выбором самой слабой колонии слабой империи и инициированием
борьбы между другими империями за право обладания этой колонией. При этом
возможность выиграть соперничество имеет каждая из империй. То есть колонии
не обязательно будут захвачены самой сильной империи, но она имеет
наибольшую вероятность обладания ими.
Перед началом соперничества необходимо вычислить силу (вероятность
победы) для каждой империи. Сила i-й империи определяется через
нормализованную стоимость NTCi каждой империи (аналогично Шагу 1):
1, 1
max
imp
i j i
j N
NTC TC TC
.
Здесь максимальная стоимость империи вычисляется за исключением самой
слабой империи, за обладание колонии которой осуществляется соперничество.
Тогда сила (вероятность победы) определяется как:
1
1
i imp
i
p N
j
j
NTCP
NTC
.
86
Затем формируется вектор P вида P = [Pp1, Pp2, ... , PpNimp−1], вектор R
такой же размерности, его элементы случайно распределены по равномерному
закону R = [r1, r2, ... , rNimp−1], r1, r2, ... , rNimp−1 ~ U (0, 1) и вычисляется вектор D как
разница между P и R:
D = P – R = [D1, D2, ... , DNimp−1] = [Pp1 – r1, Pp2 – r2, ... , PpNimp−1 – rNimp−1].
Таким образом, колония, за которую идет борьба, переходит к империи, для
которой соответствующее значение вектора D максимально.
Шаг 6. Уничтожение слабых империй. Если империя не содержит ни
одной колонии, то уничтожить империю. Иначе переход на Шаг 7.
Шаг 7. Условие останова. Если осталась только одна империя, то
закончить выполнение алгоритма. Позиция µ(M(ik)) империалиста оставшейся
империи является выходным значением алгоритма. Иначе переход на Шаг 2.
Империалистический алгоритм быстрее сходится к своему оптимальному
значению в сравнении с классическим генетическим алгоритмом и оптимизацией
по методу роящихся частиц [103, 132].
Таким образом, на выходе получаем нечеткую меру µ(M(ik))
функционального наполнения программного продукта в интервале от 0 до 1.
После извлечения нечеткой меры для каждого программного продукта по
предпочтениям пользователя выбирается наилучший ПП.
3.3 Алгоритм выбора наилучшего программного продукта по
пользовательским предпочтениям
Выбор конкретного программного продукта осуществляется по
интегральной оценке предпочтений пользователей и нечеткой мере. Для
определения наилучшего программного продукта необходимо найти ближайшую
(по мере связи функциональных возможностей) к предпочтениям пользователя
интегральную оценку ПП.
Алгоритм выбора ПП выглядит следующим образом [15]:
87
Вход: пользовательские оценки (предпочтения) FP функциональных
возможностей желаемого программного продукта; множество программных
продуктов SS с соответствующими интегральными оценками || yk || и нечеткими
мерами µ(M(ik)).
Выход: наилучший программный продукт si (рекомендация).
Шаг 1. Нормирование пользовательских оценок по функции Харингтона;
Шаг 2. Расчет интегральной оценки yp желаемого программного продукта
исходя из предпочтений FP. Интегральная оценка вычисляется по интегралу
Шоке (3.1) с использованием µ(M(ik)).
Шаг 3. Определение вектора оценок || yk || наиболее близкого к || yp || по
формуле (3.3). Соответствующий интегральной оценке программный продукт
является выходным значением алгоритма.
Шаг 4. Определение оценки «близости» V = [0, 1] найденного ПП к
предпочитаемому по формуле (3.4):
.110,0
;1,1,1
1
;0,0,1
pkk
kpk
k
pk
kkp
k
kp
yyy
yyyy
yy
yyyy
yy
V
(3.4)
Шаг 5. Определение вербальной оценки «близости» найденного ПП к
предпочитаемому по шкале Харрингтона.
Для иллюстрации выполнения данного алгоритма рассмотрим пример [16],
который отображает процесс преобразования предпочтений покупателя в
интегральную оценку при выборе ПП системы «1С:Предприятие 8».
Результатом работы алгоритма выбора ПП является множество
программных продуктов SS из одной области применения [2, 19]. В
рассматриваемом примере набор состоит из двух ПП: «1С:Медицина.
Поликлиника» и «1С:Медицина. Больница» (область применения – медицинские
88
услуги). Данные программные продукты имеют интегральные оценки,
рассчитанные по функциональным возможностям.
Пользователю предлагается сформировать оценки функциональных
возможностей желаемого программного продукта из области медицины (таблица
3.1). Затем осуществляется нормирование полученных качественных оценок по
шкале Харрингтона (таблица 1.1). Нормированные оценки являются входными
данными для расчета интегральной оценки yp на основе интеграла Шоке (рисунок
3.3) с использованием нечеткой меры µ(M(ik)).
Таблица 3.1. Пример выходных данных по этапам алгоритма для
пользовательских предпочтений
Функциональная
возможность
Пользовательская
оценка
Нормированная
оценка
Интегральная
оценка
Формирование
регламентированных отчетов Средняя 0,6
0,53
Учет коечного фонда Низкая 0,28
Учет медицинских услуг Средняя 0,6
Формирование
управленческих отчетов Высокая 0,8
Складской учет Низкая 0,28
Планирование Очень
высокая 0,9
Ведение взаиморасчетов с
контрагентами Средняя 0,6
Расчет заработной платы Низкая 0,28
После сравнения интегральных оценок «1С:Медицина. Больница» и
«1С:Медицина. Поликлиника» с оценкой желаемого ПП по формуле (3.3) станет
известно, какой вариант «ближе» к желаемому. Для получения оценки «близости»
используется формула (3.4).
Для программных продуктов «1С:Медицина. Поликлиника» и
«1С:Медицина. Больница» интегральные оценки равны 0,4 и 0,58 соответственно,
оценка желаемого ПП равна 0,53 (рисунок 3.4). Выполним переход к шкалам с
89
интервалами [0, 1]. За конечное (идеальное) значение данных интервалов возьмем
оценку желаемого ПП. Тогда исходные оценки ПП в масштабе полученных шкал
будут равны 0,75 и 0, 89 соответственно.
Рисунок 3.4. Схема выбора программного продукта по интегральной оценке
По вербально-числовой шкале Харрингтона (таблица 1.1) получаем
вербальную оценку «высокая» для значения 0,75 и оценку «очень высокая» для
значения 0,89. Другими словами, программный продукт «1С:Медицина.
Больница» подходит для данного покупателя по функциональному наполнению с
очень высокой степенью уверенности.
Использование интегральной оценки потребностей покупателя позволяет
более объективно оценить необходимость в функциональном наполнении ПП [15].
Выводы по главе 3
1. Разработана многокритериальная модель выбора наилучшего
программного продукта по интегральной оценке с учетом предпочтений
пользователя. Отличительной особенностью модели является использование
нечеткой меры и применение интеграла Шоке в качестве оператора агрегации, что
позволяет находить наилучшее решение, агрегируя многие предпочтения
пользователя.
2. Разработан алгоритм расчета интегральной оценки по функциональным
возможностям программного продукта на основе нечеткого вывода с
использованием обобщенной функции желательности Харрингтона. Интегральная
оценка позволяет объективно оценивать возможности ПП, а также облегчает
процесс сравнения, делая его нагляднее.
yk
0 0,89 1 0,75 0
0 0,4 0,53 1 0,58
90
3. Разработана модификация численного метода оптимизации нечеткой
меры на основе империалистического алгоритма для выбора наилучшего
программного продукта, позволяющая учитывать разнородные наборы
предпочтений пользователя.
4. Разработан алгоритм выбора наилучшего программного продукта на
основе нечеткой меры по пользовательским предпочтениям функциональных
возможностей желаемого ПП. Применение алгоритма позволяет более объективно
оценить необходимость в функциональном наполнении и определить ПП,
максимально способствующий достижению его целей.
91
ГЛАВА 4. ПРОГРАММНЫЙ КОМПЛЕКС ДЛЯ ВЫБОРА
ПРОГРАММНЫХ ПРОДУКТОВ
В текущей главе представлены архитектура и результаты реализации веб-
ориентированного программного (веб-ПК) комплекса для выбора программных
продуктов с учетом предпочтений пользователя.
Программный комплекс должен удовлетворять следующим основным
требованиям в соответствии с представленными моделями и алгоритмами:
1) формирование базы правил, на основе онтологии предметной области,
экспортируемой в формате OWL;
2) выбор программного продукта по бизнес предпочтениям;
3) настройка алгоритма приобретения знаний из программной
документации на основе онтологии;
4) приобретение знаний из программной документации;
5) настройка алгоритма расчета интегральной оценки ПП по
функциональным возможностям;
6) настройка алгоритма извлечения нечеткой меры;
7) выбор наилучшего программного продукта по пользовательским
предпочтениям;
8) представление результатов в удобной форме;
9) предоставление истории выбора;
10) поддержка веб-ориентированной технологии.
4.1 Разработка архитектуры веб-ориентированного программного комплекса
В основе программного комплекса лежит модель выбора программных
продуктов, сформированная с использованием онтологического подхода, и
модель выбора наилучшего программного продукта на основе нечеткой меры. В
92
данном разделе представлена оригинальная архитектура веб-ориентированного
программного комплекса (рисунок 4.1) с описанием важнейших элементов [9, 12].
Решение задачи выбора ПП состоит из двух этапов [11].
1) Определение набора программных продуктов с использованием
онтологии предметной области на основе модели выбора ПП, описанной во
второй главе [2]. Программный комплекс анализирует имеющиеся в базе знаний
данные и обращается к пользователю за сведениями о дополнительных фактах.
При достижении результата, программный комплекс предоставляет пользователю
полученную информацию. Во время работы пользователь имеет возможность
следить за тем, как система пришла к выводу, посредством подсистемы истории
выбора – вся информация о принятых решениях помещается в историю. История
обеспечивает необходимую прозрачность работы программный комплекс и
позволяет проследить путь, который привел к этому выводу.
2) Определение наилучшего варианта из списка представленных
вниманию покупателя программных продуктов на основе модели, описанной в
третьей главе. Выбор осуществляется с помощью интегральной оценки
функциональных возможностей ПП на основе нечеткой меры по
пользовательским предпочтениям.
За основу архитектуры программного комплекса принята классическая
структура ЭС (рисунок 1.3) с изменениями и дополнениями. Веб-
ориентированный подход обусловливает выделение серверной и клиентской
частей комплекса [11]. При этом серверная часть включает в себя основные
компоненты: базу знаний, базу фактов, механизм логического вывода, модуль
истории выбора, модуль приобретения знаний, а также дополнительный
компонент – модуль анализа функциональных возможностей (рисунок 4.1).
93
Рисунок 4.1. Архитектура веб-ориентированного программного комплекса
База правил. Знания в программном комплексе представлены в виде
продукционных правил. Основой базы правил является онтология предметной
области (раздел 2.1). Правила формируются с использованием языка,
разработанного специально для рассматриваемой предметной области (раздел
2.2).
База фактов. Программный комплекс запрашивает у пользователя
необходимые факты в режиме «вопрос-ответ». Причем вопросы предполагают как
ответы из предлагаемого списка вариантов, так и утвердительные или
отрицательные ответы.
МЛВ. Механизм вывода, как и в классической продукционной системе,
работает в режиме «распознавание – действие», воспринимая совокупность
известных фактов и выстраивая новые заключения. МЛВ работает с
использованием прямого логического вывода (от фактов к заключениям).
Особенность только в том, что при возникновении конфликта запоминается и
последовательно выводится весь конфликтный набор, так как на выходе важно
определить весь набор подходящих программных продуктов.
Покупатель
Интерфейс
пользователя
Инженер по знаниям,
Эксперт
Интеллектуальный
редактор
Механизм
логического вывода
Модуль анализа
функциональных
возможностей
База
правил
База
фактов
Модуль
истории выбора
Сервер
Клиент
Модуль
приобретения
знаний
94
Модуль истории выбора. Данный модуль позволяет пользователю после
получения результата выяснить, как и почему получено решение. Кроме того в
процессе диалога программный комплекс сообщает (по запросу) пользователю
почему использовались или не использовались данные или правила, какие были
сделаны выводы. Благодаря модулю истории выбора эксперт на этапе
тестирования локализует причины неудачной работы программного комплекса.
Все объяснения делаются, как правило, на ограниченном естественном языке или
графически. Возможность объяснять свои действия является одним из самых
важных свойств СОЗ, так как: повышается доверие пользователей к полученным
результатам, облегчается отладка комплекса.
Модуль приобретения знаний. Модуль частично автоматизирует процесс
наполнения программного комплекса знаниями. Для разработки подсистемы
используется текстологический метод приобретения знаний на основе онтологии
(раздел 2.3). В качестве источника знаний выступает программная документация с
описанием программных продуктов в виде текстовых документов.
Модуль анализа функциональных возможностей программных продуктов.
Подсистема предоставляет возможность выполнить сравнительный анализ ПП по
функциональным возможностям, полученным по результатам работы МЛВ. В
результате анализа определяется наилучший программный продукт по
предпочтениям пользователя (глава 3).
Клиентская часть программного комплекса включает в себя
интеллектуальный редактор (режим приобретения знаний) и интерфейс
пользователя (режим решения задач).
Интеллектуальный редактор предоставляет инженеру по знаниям
(специалисту в представлении знаний) возможность редактировать
существующую базу знаний или создавать новую, опираясь на опыт эксперта.
Основные задачи, решаемые посредством редактора [14]:
1) формирование входных параметров;
2) настройка формы и содержания диалога, по результатам которого
будет осуществляться выявление предпочтений покупателя;
95
3) формирование базы правил;
4) формирование наборов функциональных возможностей ПП;
5) приобретение знаний из программной документации.
Настройка программного комплекса заключается в решении
вышеперечисленных задач на основе представленных в работе моделей.
Интерфейс пользователя предназначен для покупателя или менеджера. В
обоих случаях на этапе ввода информации реализуется диалог пользователя с
программным комплексом. В результате диалога формируются данные о
пользователе (предприятии) и предпочтения к функциональным возможностям
желаемого программного продукта.
На основе архитектуры предложен инструмент хранения и обработки
знаний. Для актуализации знаний требуются только инженеры по знаниям,
программная документация и в некоторых случаях эксперты – носители знаний о
предметной области.
Таким образом, предлагаемая архитектура позволяет использовать ее в
качестве универсальной при создании программных комплексов для решения
задач подобных выбору ПП.
4.2 Выбор средств реализации
Существующие инструментальные средства построения систем,
основанных на знаниях, были рассмотрены в разделе 1.4. Для их построения
применяются, как языки программирования различного уровня, так и оболочки
(пустые, скелетные) экспертных систем. Оболочки имеют общую направленность
и не учитывают особенности исследуемой предметной области.
Существующие оболочки экспертных систем не способны обеспечить
сужение области поиска и выбор конкретной альтернативы в нем, так как не
имеют соответствующей подсистемы.
96
Для разработки веб-ориентированного программного комплекса в
соответствии с предложенной архитектурой и алгоритмическим обеспечением,
рассмотренным в предыдущих главах, выбрана платформа «1С:Предприятия 8».
Платформа «1С:Предприятие 8» содержит такие инструменты как
визуальное описание структур данных, написание программного кода на
встроенном языке, визуальное описание запросов на встроенном языке запросов,
визуальное описание интерфейса, описание отчетов и др. В состав платформы
входит механизм ролевой настройки прав, удаленного обновления, ведения
журналов и диагностики работы приложения, создания веб-приложений и
приложений для мобильных устройств, а также поддержка коллективной
разработки, версионирования и др. [60]
Платформой предоставляется фиксированный набор базовых классов, на
основании которых можно создавать любое количество порожденных классов. В
терминах встроенного языка программирования 1С такие классы называются
объектами метаданных [60].
Основными видами объектов метаданных являются: справочники,
документы, отчеты, обработки, планы видов характеристик, планы счетов, планы
видов расчета, регистры сведений, регистры накопления, регистры расчета,
бизнес-процессы, задачи. [32, 56].
Состав объектов, которые может использовать разработчик, фиксирован и
определен на уровне технологической платформы «1С:Предприятие 8».
Разработчик не может создавать собственные виды объектов, он может
оперировать только тем набором объектов, который имеется. Подобный подход к
разработке прикладных решений позволяет, во-первых, стандартизировать
процесс разработки, а во-вторых – обеспечить простую и быструю модификацию
другими разработчиками [32].
Основными преимуществами использования платформы «1С:Предприятия
8» в решении рассматриваемой проблемы является поддержка создания веб-
приложений, а также поддержка разработанного языка представления знаний
данной платформой.
97
Платформа «1С:Предприятие 8» поддерживает два варианта работы:
файловый и клиент-серверный. Программный комплекс целесообразно
использовать в клиент-серверном варианте, так как он ориентирован на
масштабное использование. Этот вариант реализован на основе трехуровневой
архитектуры «клиент-сервер» (рисунок 4.2). Информационная база хранится в
одной из поддерживаемых систем управления базами данных (СУБД) (Microsoft
SQL Server, PostgreSQL, IBM DB2 или Oracle Database), а взаимодействие между
клиентским приложением и СУБД осуществляет кластер серверов
«1С:Предприятия 8» [66]. Кластер серверов «1С:Предприятия 8» является
логическим понятием и представляет собой множество рабочих процессов,
обслуживающих один и тот же набор информационных баз.
Рисунок 4.2. Трехуровневая архитектура «клиент-сервер»
Для обеспечения работы программного комплекса в режиме веб-
приложения требуется веб-сервер (Apache или IIS), настроенный на работу с
платформой «1С:Предприятие 8». Интернет-браузер взаимодействует с веб-
сервером по протоколу HTTP. Веб-сервер, в свою очередь, взаимодействует с
системой «1С:Предприятием 8». Для обеспечения работы программного
комплекса в обычном клиентском приложении дополнительных настроек не
требуется.
Веб-ориентированный программный комплекс реализован с
использованием системы «1С:Предприятие 8» (версия 8.3), СУБД Microsoft SQL
Кластер серверов
«1С:Предприятия 8»
СУБД
Приложение Веб-
приложение
Веб-сервер
98
Server 2005 и веб-сервера Apache 2.2. При построении онтологии использовался
редактор Protégé 4.3.
Разработанный веб-ориентированный программный комплекс
предназначен для выбора программного продукта, в том числе и наилучшего (по
предпочтениям покупателя). В основе коплекса лежат модели и алгоритмы,
представленные в работе.
4.3 Описание программного комплекса
Для реализации представленных в работе моделей и алгоритмов
разрабатывается веб-ориентированный программный комплекс, которая
представляет собой программный комплекс, включающий в себя как обычное
клиентское приложение, исполняемое в операционной системе компьютера
(Windows или Linux), так и веб-приложение, исполняемое в среде интернет-
браузера (Windows Internet Explorer, Mozilla Firefox, Google Chrome или Safari).
Первый режим приложения предназначен для использования менеджером
в режиме консультирования (не всякий менеджер является экспертом), второй –
для использования покупателем. В обоих случаях на этапе ввода информации
реализуется диалог пользователя с системой в режиме «вопрос – ответ» [11].
На рисунке 4.3 представлен программный комплекс выбора программных
продуктов «1С:Предприятие 8» в режиме веб-приложения.
99
Рисунок 4.3. Веб-приложение программного комплекса
Разработанный веб-ориентированный программный комплекс разделен на
подсистемы в соответствии с исполняемыми задачами. На рисунке 4.4
представлена общая UML-диаграмма пакетов системы.
Подсистема
выбора ПППодсистема
объяснений
Подсистема
настройки
Подсистема
анализа
функциональных
возможностей
Подсистема
приобретения
знаний
Рисунок 4.4. UML-диаграмма пакетов системы
Подсистема настройки – подсистема является инструментом
конструирования будущего веб-ПК, отвечает за формирование основных
100
компонентов комплекса в соответствии с моделями, а также за настройку
разработанных алгоритмов. Позволяет инженеру по знаниям создавать и
редактировать БЗ.
Подсистема выбора ПП – основа настроенного работающего
программного комплекса. Выбор осуществляется на основе имеющихся знаний по
бизнес предпочтениям пользователя.
Подсистема истории выбора – предоставляет пользователю информацию
о том, как веб-ориентированный программный комплекс пришел к выводу при
выборе ПП.
Подсистема оценивания функционального наполнения программных
продуктов – предназначена для расчета интегральной оценки ПП по
функциональным возможностям. Оценка осуществляется на основе нечеткого
вывода. Также подсистема предоставляет покупателю возможность выбора
наилучшей альтернативы из нескольких вариантов на основе нечеткой меры в
соответствии с его предпочтениями (Приложение А).
Подсистема приобретения знаний – предоставляет эксперту механизм
полуавтоматического пополнения знаний. Отвечает за извлечение актуальных
знаний из программной документации (Приложение А).
Выводы по главе 4
1. Разработана оригинальная архитектура веб-ориентированного
программного комплекса для выбора программных продуктов, реализующая
предложенные модели и алгоритмы. Данная архитектура позволяет использовать
ее в качестве универсальной для решения задачи выбора программного продукта.
2. Существующие оболочки экспертных систем не способны обеспечить
сужение области поиска и выбор конкретной альтернативы в нем, так как не
имеют соответствующей возможности.
101
3. Реализован программный комплекс для выбора программного продукта.
с использованием СУБД Microsoft SQL Server 2005, веб-сервера Apache 2.2,
системы «1С:Предприятие 8» (версия 8.3). В основе ЭС лежит модель выбора
программного продукта на основе онтологии и модель выбора наилучшего ПП на
основе нечеткой меры. При построении онтологии использовался редактор
Protégé 4.3.
102
ГЛАВА 5. ПРИМЕНЕНИЕ МЕТОДИКИ, МОДЕЛЕЙ И АЛГОРИТМОВ ПРИ
ВЫБОРЕ ПРОГРАММНЫХ ПРОДУКТОВ ЭКОНОМИЧЕСКОГО
НАЗНАЧЕНИЯ
В данной главе показано применение веб-ориентированного программного
комплекса для выбора программных продуктов экономического назначения.
Представлены результаты тестирования программного комплекса.
Среди программ экономического назначения в настоящее время
популярными являются программные продукты системы «1С:Предприятие 8»
(ППС1С) [84, 85]. Но выбор наиболее подходящего ПП – задача нетривиальная. С
одной стороны причина в том, что их много, с другой стороны, есть на первый
взгляд однотипные программные продукты. Поэтому прежде, чем купить ППС1С
покупателю приходится знакомиться с функциональными возможностями
различных программных продуктов. Такая процедура может потребовать
значительных трудозатрат, как со стороны покупателя, так и со стороны
продавца. В связи с этим проблема выбора наилучшего программного продукта
системы «1С:Предприятие 8» является актуальной.
При выборе ППС1С, в первую очередь, необходимо определиться для
каких целей она будет предназначена. Если для оформления бухгалтерского учета
и сдачи отчетов, то организации подойдет «1С:Предприятие 8. Бухгалтерия
предприятия». При необходимости вести кадровый учет и наиболее полный
расчет заработной платы сотрудников с учетом отпускных, больничных и т.д.,
имеет смысл приобрести «1С:Предприятие 8. Зарплата и управление
персоналом». А для ведения складского и оперативного учета в компании
подходит «1С:Предприятие 8. Управление торговлей». Эти ПП приобретают как
по отдельности, так и в составе комплектов. Например, если фирме необходимо
автоматизировать и бухгалтерский, и «зарплатный», и складской учеты, то
подойдет «1С:Предприятие 8. Комплексная автоматизация», где три
103
вышеуказанных программных продукта выполняют операции с единой
информационной базой.
Второй немаловажный вопрос – это выбор версии. Если организации надо
выполнить автоматизацию только одного рабочего места и устраивает типовой
(подходящий для многих организаций) вариант, то стоит приобрести БАЗОВУЮ
версию. Такой программный продукт стоит меньше, но пригоден для установки
только на одном компьютере. Если организации требуется установить ППС1С на
два и более компьютера, то подойдет версия ПРОФ. Для подключения
дополнительных пользователей необходимо покупать лицензии по количеству
рабочих мест.
Описанные выше условия (рекомендации) помогут определиться с
выбором программного продукта системы «1С:Предприятие 8». Каждый
менеджер компании «1С:Франчайзинга» знает эти условия и способен сделать
правильный выбор для организации, потребности которой находятся в рамках
данных условий. Такие потребности чаще возникают у предприятий малого
бизнеса.
Однако большой популярностью пользуются крупные
многопользовательские системы, позволяющие бухгалтерскому коллективу
одновременно вести взаимосвязанные участки учета и дающие возможность
руководству получить оперативный доступ к объективной информации, что
немаловажно для принятия компетентных и эффективных управленческих
решений.
Поэтому при выборе ПП нужно не только обладать необходимой
информацией, но и учитывать различные «узкие места». В связи с этим
повышается трудоемкость, а значит, снижается оперативность выбора ПП.
Проблема выбора в последнее время приобрела особую остроту в связи с
постоянным увеличением номенклатурного списка программных продуктов
«1С:Предприятие 8», количество которых составляет более 1000 позиций и
продолжает расти [66, 67].
104
Фирмой «1С» и ее партнерами разработаны ПП для различных видов
деятельности, как для бухгалтерского, так и для оперативного и управленческого
учета, а также учитывающие специфику учета предприятия. Например,
«1С:Бухгалтерия государственного учреждения» подойдет организациям,
получающим государственное финансирование, «1С:Бухгалтерия строительной
организации» – для строительных компаний, «1С:Бухгалтерия строительного
предприятия» – для холдингов и строительных организаций, выполняющих
функции подрядчика строительства. Фирма «1С» работает с пользователями через
разветвленную партнерскую сеть, которая включает более 3300 компаний
«1С:Франчайзинга» [67]. В связи с этим остро стоит проблема нехватки
квалифицированных специалистов, способных правильно и оперативно выбрать
наилучший программный продукт по предпочтениям клиента.
Разработка новых ПП, а также постоянная модернизация технологической
платформы влечет за собой появление дополнительных условий влияющих на
выбор программных продуктов и усложняющих его.
При выборе программного продукта системы «1С:Предприятие 8» для
каждого предприятия необходимо проанализировать его ресурсы и параметры
(вид деятельности, особенности учета и т.д.), узнать и принять предпочтения
избираемого ПП, выяснить потенциальные несоответствия функциональных
характеристик и особенностей.
105
5.1 Настройка веб-ориентированного программного комплекса
Построение модели выбора ПП осуществляется в соответствии с
методикой, представленной в главе 2.
Основой программного комплекса является онтология предметной
области, которая формируется средствами редактора Protégé. На рисунке 5.1
представлен фрагмент онтологии.
Рисунок 5.1. Онтология предметной области
На основе онтологии предметной области формируется анкета для опроса
экспертов, содержащая понятия онтологии.
После проведения опроса на основе полученных данных в редакторе
Protégé формируется онтология, содержащая экземпляры понятий (рисунок 5.2).
106
Рисунок 5.2. Фрагмент онтологии с экземплярами понятий
При помощи данного редактора онтология экспортируется в формат OWL
(XML/RDF). Ниже представлен фрагмент рисунка 5.2 в формате OWL.
<!-- http://www.semanticweb.org/admin/ontologies/2013/7/untitled-ontology-
2#1С:Медицина._Больница -->
<owl:NamedIndividual rdf:about="&untitled-ontology-
2;1С:Медицина._Больница">
<rdf:type rdf:resource="&untitled-ontology-2;Программный_продукт"/>
<Цена>48000</Цена>
<ФВ>Ведение взаиморасчетов с контрагентами</ФВ>
<ФВ>Расчет заработной платы</ФВ>
<ФВ>Формирование регламентированных отчетов</ФВ>
<ФВ>Планирование</ФВ>
<ФВ>Учет коечного фонда</ФВ>
<ФВ>Складской учет</ФВ>
<ФВ>Учет медицинских услуг</ФВ>
<ФВ>Формирование управленческих отчетов</ФВ>
<define rdf:resource="&untitled-ontology-2;Бюджетная_организация"/>
107
<define rdf:resource="&untitled-ontology-2;Медицинские_услуги"/>
<define rdf:resource="&untitled-ontology-2;ОУиУУ_"/>
<define rdf:resource="&untitled-ontology-2;ПРОФ"/>
</owl:NamedIndividual>,
где «ФВ» – Функциональная возможность.
Таким образом, исходными данными для построения веб-ПК является
онтология в формате OWL (XML/RDF). На основе онтологии формируются
продукционные правила на оригинальном языке представления знаний. В
процессе настройки программного комплекса при использовании онтологии
также задаются входные и выходные параметры системы, формируются вопросы,
задаются параметры алгоритма выбора наилучшего ПП. Входные и выходные
параметры выбора программных продуктов с примерами значений представлены
в таблице 5.1.
Таблица 5.1. Входные и выходные данные с примерами
Вход Выход
Параметр Значение Параметр Значение
Тип предприятия Коммерческая организация
Набор
программных
продуктов
«1С:Медицина.
Поликлиника»;
«1С:Медицина.
Больница»
Вид учета ОУиУУ
Подвид учета _ОУиУУ
Вид деятельности Здравоохранение и
соцуслуги
Подвид деятельности Медицинские услуги
Версия ПРОФ
На рисунке 5.3 представлена форма настройки алгоритма оценивания
программных продуктов «1С:Предприятие 8» по функциональным возможностям.
108
Рисунок 5.3. Оценка ПП по функциональным возможностям (настройка)
На рисунке 5.4 представлена форма анализа метода извлечения нечетких
мер по интегралу Шоке на основе империалистического алгоритма.
Рисунок 5.4. Извлечение нечетких мер (форма анализа)
В качестве источника знаний выступают описания программных
продуктов в виде информационных писем. Для пополнения базы правил
необходимо загрузить в веб-ПК программную документацию и его онтологию.
109
Редактор сгенерирует правило и список найденных функциональных
возможностей (рисунок 5.5) в соответствии с алгоритмом (раздел 2.3).
Рисунок 5.5. Приобретение знаний из программной документации ППС1С
Полученное в результате обработки документа правило проверяется
экспертом и при отсутствии неточностей сохраняется в базу знаний.
Таким образом, структура предлагаемого программного комплекса
позволяет использовать ее в качестве универсальной для решения задач подобных
выбору ПП. Настройка веб-ПК заключается в решении задач представленных
выше. Количество и сложность настроек определяется характером проблемы.
5.2 Выбор наилучшего программного продукта
Веб-ориентированный программный комплекс предназначен для выбора
наилучшего программного продукта предпочтениям покупателя, как в обычном
магазине, так и в Интернет-магазине. При этом предпочтения делятся на:
бизнес предпочтения – определяют назначение ПП.
пользовательские предпочтения (функциональные возможности) –
определяют набор пользовательских задач, которые должен решать ПП.
110
Алгоритм выбора ППС1С выглядит следующим образом (на рисунке 5.6
представлена UML-диаграмма деятельности).
Вход: предпочтения покупателя.
Выход: программный продукт системы «1С:Предприятия 8».
Шаг 1. Выявление бизнес предпочтений покупателя (предприятия-
заказчика) посредством диалога;
Шаг 2. Определение набора программных продуктов с учетом бизнес
предпочтений;
Шаг 3. Наложение ценового фильтра. Если после фильтрации осталось
более одной альтернативы, то продолжить выбор;
Шаг 4. Выявление пользовательских предпочтений покупателя;
Шаг 5. Выбор наилучшего программного продукта из набора с учетом
пользовательских предпочтений.
В таблице 5.2 представлены вопросы задаваемые программным
комплексом, ответы пользователя и факты, выявленные в процессе диалога.
Выбрать программные продукты
Выбрать наиболее подходящий ПП
Применить ценовой фильтр
[нет необходимости в
дополнительном анализе]
[есть необходимость в
дополнительном анализе]
Выявить пользовательские предпочтения
Выявить бизнес предпочтения
Рисунок 5.6. UML-диаграмма деятельности процесса выбора ПП
111
Таблица 5.2. Примеры вопросов программного комплекса
Вопрос Ответ Факт
Укажите, пожалуйста, тип Вашей
организации?
Коммерческая
организация
Тип предприятия:
«Хозрасчетный»
Вы ищете решение для автоматизации
бухгалтерского учета? Нет
Какое решение Вы ищете? Специализированное
Вид учета: «ОУиУУ»
Подвид учета:
«_ОУиУУ»
Укажите вид деятельности Вашей
организации
Здравоохранение и
соцуслуги
Вид деятельности:
«Здравоохранение и
соцуслуги»
Уточните направление Вашей
деятельности Медицинские услуги
Подвид деятельности:
«Медицинские услуги»
Сколько пользователей будет работать
с программой 4 Версия: «ПРОФ»
Каждый из перечисленных выше входных данных является
определяющим, и в зависимости от ответов пользователя снижается количество
вариантов для выбора требуемого ПП. Решения этих вопросов уже вполне
достаточно для того, чтобы сформировать первоначальные бизнес предпочтения к
искомому ПП. На основе данных предпочтений веб-ориентированный
программный комплекс предоставляет пользователю от 2 до 10 ППС1С.
Пользователь, получив результаты, имеет право дальше самостоятельно
более глубоко разобраться с предложенными альтернативами, сравнить их
достоинства и недостатки, выбрать наиболее подходящий вариант. Причем
определяющим «достоинством» при этом является цена на ППС1С. Пользователь
сразу отметет не интересующие его альтернативы по ценовому фильтру.
Однако данное ограничение не решает проблему выбора, а
дополнительный анализ является трудоемкой задачей. Поэтому покупателю
предлагается выбрать наилучший программный продукт системы
«1С:Предприятие 8» с помощью сервиса оценки по функциональным
112
возможностям. Подробный пример выбора ППС1С по интегральной оценке
функциональных возможностей представлен в главе 3.
Таким образом, представленные в работе модели и алгоритмы нашли свое
применение для выбора программных продуктов системы «1С:Предприятие 8».
На основе моделей и алгоритмов предложен инструмент хранения и обработки
знаний – веб-ориентированный программный комплекс. Ниже представлены
результаты тестирования.
5.3 Результаты тестирования программного комплекса
В текущем разделе проведено тестирование веб-ориентированного
программного комплекса разработанного на основе предложенных моделей и
алгоритмов.
Программный комплекс апробирован на пятидесяти шести клиентах ООО
«Информационно-технологическая сервисная компания», уже работающих с
пятнадцатью различными программными продуктами «1С:Предприятие 8» в
восьми видах деятельности:
государственное управление и оборона:
«1С:Бухгалтерия государственного учреждения 8», «1С:Зарплата и кадры
бюджетного учреждения 8»;
жилищно-коммунальное хозяйство:
«1С:Бухгалтерия 8. БАЗОВАЯ версия», «1С:Предприятие 8. Учет в управляющих
компаниях ЖКХ, ТСЖ и ЖСК»;
здравоохранение и социальные услуги:
«1С:Бухгалтерия 8. БАЗОВАЯ версия», «1С:Бухгалтерия государственного
учреждения 8»;
образование:
«1С:Дошкольное питание 8», «1С:Зарплата и кадры бюджетного учреждения 8»,
«1С:Зарплата и управление персоналом 8»;
113
оптовая и розничная торговля:
«1С:Зарплата и управление персоналом 8», «1С:Платежные документы 8»,
«1С:Розница 8. Аптека», «1С:Управление торговлей 8»;
производство:
«1С:Бухгалтерия 8», «1С:Зарплата и управление персоналом 8», «1С:Комплексная
автоматизация 8», «1С:Предприятие 8. Молокозавод», «1С:Предприятие 8.
Фармпроизводство», «1С:Управление производственным предприятием 8»;
транспорт, складское хозяйство и связь:
«1С:Бухгалтерия 8», «1С:Зарплата и управление персоналом 8», «1С:Предприятие
8. Управление Автотранспортом. Проф»;
услуги:
«1С:Бухгалтерия 8», «1С:Бухгалтерия 8. БАЗОВАЯ версия», «1С:Зарплата и
управление персоналом 8», «1С:Комплексная автоматизация 8», «1С:Платежные
документы 8».
Все клиенты проходившие тестирование были разделены на три
подгруппы по длительности использования ППС1С: до года (17 клиентов), от
одного года до двух лет (14 клиентов), более двух лет (25 клиентов).
Во время тестирования выяснялись следующие вопросы:
Соответствует ли текущая система автоматизации бизнес-требованиям
клиента?
Соответствует ли текущая система автоматизации пользовательским
требованиям клиента?
Устраивает ли текущая система автоматизации?
Тестирование одного клиента заняло не более получаса. Результаты
тестирования представлены в таблице 5.3.
114
Таблица 5.3. Результаты тестирования клиентов
Показатель
Длительность использования клиентом
ППС1С Всего
до 1 года от 1 до 2 лет более 2 лет
кол-
во %
кол-
во %
кол-
во %
кол-
во %
Общее количество клиентов 17 100 14 100 25 100 56 100
Текущий ППС1С соответствует
бизнес предпочтениям 14 82 12 86 21 84 47 84
Текущий ППС1С не соответствует
бизнес предпочтениям 3 18 2 14 4 16 9 16
Текущий ППС1С соответствует
пользовательским предпочтениям 10 59 11 79 19 76 40 71
Текущий ППС1С не соответствует
пользовательским предпочтениям 7 41 3 21 6 24 16 29
Текущий ППС1С удовлетворяет 11 65 12 86 23 92 46 81
Текущий ППС1С не удовлетворяет 6 35 2 14 2 8 10 19
По данным тестирования сделаны выводы, представленные ниже.
1) Клиенты, недавно использующие ППС1С, иногда сталкиваются с
небольшими трудностями, так как еще не в совершенстве владеют ПП. Как
следствие, завышают предпочтения и высказывают недовольства в адрес ППС1С.
2) Клиенты, использующие ППС1С более 1 года, как правило,
удовлетворены ей. Однако с течением времени у некоторых клиентов возникают
дополнительные предпочтения, которые текущий ПП не может удовлетворить.
3) Клиентов, относящихся к третьей подгруппе, за длительный период
использования ППС1С в основном все устраивает. Однако их предпочтения могут
измениться.
На основе полученных данных выявлено, что:
в 84% случаев на основе методики и модели выбора программных
продуктов программный комплекс рекомендует то решение, которое совпадает с
решением, принятым ранее на основе рекомендаций экспертов;
115
в 71% случаев на основе многокритериальной модели выбора
наилучшего программного продукта программный комплекс рекомендует
используемый ППС1С.
Во втором случае меньший процент объясняется сложностью точной
оценки.
На основе экспертных оценок функциональных возможностей и
пользовательских предпочтений также был проведен ряд экспериментов. Для
проверки адекватности данных, полученных с использованием численного
метода, проведено соотнесение результатов с рекомендациями экспертов.
Эксперимент проводился на одиннадцати программных продуктах системы
«1С:Предприятие 8» из одной области применения (медицина). Множество
входных данных состоит из одиннадцати таблиц экспертных оценок по десяти
функциональным возможностям ПП, а также 11 векторов интегральных оценок.
Каждая таблица содержит оценки пяти экспертов по одному ПП. Одна из таких
таблиц представлена ниже (таблица 5.4).
Таблица 5.4. Оценки программного продукта
Эксперт Функциональная возможность Общая
оценка УП КФ МУ РО УО СУ П ВК РЗП УП
Э1 1 0,75 1 0,75 0,5 0,5 0,75 0,75 0,5 0,5 0,8
Э2 1 0,75 1 0,5 0,75 0,75 0,75 0,75 0,5 0,5 0,7
Э3 1 0,75 1 0,75 0,5 0,5 0,5 1 0,75 0,5 0,85
Э4 1 0,5 0,75 0,75 0,75 0,75 0,75 0,75 0,5 0,5 0,75
Э5 1 0,75 1 0,75 0,75 0,5 0,75 0,5 0,5 0,75 0,65
где УП – учет пациентов, КФ – коечный фонд, МУ – медицинские услуги, РО –
регламентированные отчеты, УО – управленческие отчеты, СУ – складской учет,
П – планирование, ВК – взаиморасчеты с клиентами, РЗП – расчет заработной
платы, УП – управление персоналом.
При извлечении нечеткой меры в империалистическом алгоритме
использовалось 592 страны (решения) и 5 империй (лучших решений). Результаты
извлечения нечеткой меры представлены в таблице 5.5.
116
Таблица 5.5. Нечеткие меры программных продуктов
Показатель ПП1 ПП2 ПП3 ПП4 ПП5 ПП6 ПП7 ПП8 ПП9 ПП10 ПП11
Нечеткая мера 0,89119 0,91705 0,56071 0,55743 0,32565 0,50426 0,83727 0,27791 0,41013 0,32046 0,81047
Ошибка 0,06365 0,06621 0,02248 0,023 0,0161 0,02245 0,09301 0,01625 0,03509 0,03105 0,02032
где ПП1 – «1С:Медицина. Поликлиника», ПП2 – «1С:Медицина. Больница», ПП3
– «1С:Медицина. Больничная аптека», ПП4 – «1С:Медицина. Клиническая
лаборатория» ПП5 – «1С:Медицина. Больничные», ПП6 – «1С:Медицина.
Федеральные регистры», ПП7 – «1С:Розница 8. Аптека», ПП8 – «1С:Кабинет
здоровья образовательного учреждения», ПП9 – «1С:Управление аптечной
сетью», ПП10 – «1С:Паспорт здоровья ребенка», ПП11 – «Аналит:Учет
медицинских услуг».
Метод апробирован на пользователях, уже работающих с программными
продуктами системы «1С:Предприятие 8». Предлагалось сформировать оценки
функциональных возможностей желаемого ПП (таблица 5.6).
По данным требованиям и с использованием полученных нечетких мер
формировались интегральные оценки желаемых ПП. В результате сравнения
интегральных оценок требований пользователей с интегральными оценками ПП
определялся наилучший программный продукт для каждого пользователя
(таблица 5.6).
Таблица 5.6. Требования пользователей и результаты выбора
Пользователь Функциональные возможности
Результат УП КФ МУ РО УО СУ П ВК РЗП УП
П1 1 0,5 1 1 0,25 0,5 0,05 0,75 0,5 0,5 ПП9
П2 1 0,75 1 0,75 0,75 0,5 0,25 0,75 0,5 0,5 ПП11
П3 1 1 1 0,75 0,75 0,75 0,05 0,05 0,05 0,05 ПП8
П4 0,5 0,75 0,5 1 0,5 0,05 0,75 0,05 0,75 0,75 ПП4
П5 0,75 0,5 0,75 0,25 0,05 0,05 0,5 0,75 1 1 ПП5
Полученные результаты совпали с рекомендациями экспертов, а также с
реальным выбором пользователей, сделанным ранее.
117
Проведенное тестирование позволяет сделать вывод о том, что веб-
ориентированный программный комплекс способен оказать объективную
поддержку клиенту в вопросе автоматизации деятельности, а разработанные
методика, модели и алгоритмы позволяют повысить оперативность получения
необходимой информации и снизить трудозатраты специалистов без потери
адекватности выбора программных продуктов по сравнению с
неавтоматизированным способом.
Таким образом, основные преимущества использования предложенных
моделей и алгоритмов при выборе ПП: оперативность получения необходимой
информации, снижение трудозатрат специалистов, аналитические возможности.
Разработанный веб-ориентированный программный комплекс внедрен в
ООО «Информационно-технологическая сервисная компания» (Приложение Б) и
успешно используется для оперативного предоставления квалифицированной
рекомендации при выборе программных продуктов системы «1С:Предприятие 8».
Результаты диссертационной работы используются в учебном процессе на
кафедре комплексной информационной безопасности электронно-
вычислительных систем ФГБОУ ВПО «ТУСУР».
Выводы по главе 5
1. Представленные в работе модели и алгоритмы нашли свое применение
для выбора программных продуктов экономического назначения – ПП системы
«1С:Предприятие 8». На основе моделей и алгоритмов предложен инструмент
хранения и обработки знаний – веб-ориентированный программный комплекс.
2. Проведено тестирование веб-ориентированного программного
комплекса на ПП «1С:Предприятие 8». Выявлены основные преимущества
использования предложенных моделей и алгоритмов при выборе ПП:
оперативность получения необходимой информации, снижение трудозатрат
специалистов, аналитические возможности.
118
3. Веб-ориентированный программный комплекс внедрен в ООО
«Информационно-технологическая сервисная компания» и успешно используется
для оперативного предоставления квалифицированной рекомендации при выборе
программных продуктов системы «1С:Предприятие 8» как сотрудниками
компании, так и ее клиентами. Результаты диссертационной работы используются
в учебном процессе на кафедре комплексной информационной безопасности
электронно-вычислительных систем ТУСУР.
119
ЗАКЛЮЧЕНИЕ
В работе решена важная и актуальная научно-практическая задача выбора
наилучшего программного продукта, в результате решения которой предложена
методика, модели, алгоритмы и веб-ориентированный программный комплекс.
Основные научные и практические результаты диссертационной работы состоят в
следующем:
1. Разработана методика построения модели выбора программных
продуктов на основе онтологии, отличающаяся наличием оригинального языка
представления знаний и возможностью приобретения знаний на основе анализа
программной документации. Построенная модель позволяет сократить время,
затрачиваемое на формирование базы знаний по сравнению с
неавтоматизированным способом извлечения знаний.
2. Разработана многокритериальная модель выбора наилучшего
программного продукта по предпочтениям пользователя, отличающаяся
использованием нечеткой меры и применением интеграла Шоке в качестве
оператора агрегации, что позволяет находить наилучшее решение, агрегируя
многие предпочтения пользователя.
3. Разработана модификация численного метода оптимизации нечеткой
меры на основе империалистического алгоритма для выбора наилучшего
программного продукта, позволяющая учитывать разнородные наборы
предпочтений пользователя.
4. Разработана оригинальная архитектура веб-ориентированного
программного комплекса для выбора программных продуктов, реализующая
предложенные модели и алгоритмы. Архитектура позволяет использовать ее в
качестве универсальной для решения задачи выбора программного продукта.
5. Разработан веб-ориентированный программный комплекс и внедрен в
ИТСК, где используется для оперативного предоставления квалифицированной
рекомендации при выборе наилучшего программного продукта системы
120
«1С:Предприятие 8». Результаты диссертационной работы используются в
учебном процессе на кафедре комплексной информационной безопасности
электронно-вычислительных систем ТУСУР.
6. Проведено тестирование веб-ориентированного программного
комплекса. Выявлены такие преимущества использования предложенной
методики, моделей и алгоритмов, как оперативность получения необходимой
информации и снижение трудозатрат специалистов.
121
СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ
БЗ – База знаний
Веб-ПК – Веб-ориентированный программный комплекс
ЕСПД – Единая система программной документации
МЛВ – Машина (механизм) логического вывода
ПП – Программный продукт
ППС1С – Программный продукт системы «1С:Предприятие 8»
СОЗ – Системы, основанные на знаниях
ЭС – Экспертная система
ЯПЗ – Язык представления знаний
N – множество натуральных чисел
R – множество вещественных чисел
d – шкала желательности Харрингтона
Y – шкала частных показателей в функции Харрингтона
x – входная переменная в нечетком выводе
x – вектор значений входных переменных в нечетком выводе
x~ – вектор нечетких множеств входных переменных в нечетком выводе
y – выходная переменная в нечетком выводе
y – вектор значений выходных переменных в нечетком выводе
y~ – вектор нечетких множеств выходных переменных в нечетком выводе
R~
– нечеткое отношение между входной (x) и выходной (y) переменными
A~
– нечеткое значение входной (x) переменной
g – мера множества
µ – нечеткая мера множества
Z – произвольное множество
2Z – множество всех подмножеств множества Z
G, B – произвольные элементы множества 2Z
FM – произвольная монотонная последовательность на Z
122
h – отображение множества Z на единичный интервал [0, 1]
T – множество терминов онтологии, обозначающих объекты и понятия
предметной области
A – множество атрибутов понятий T
R – множество отношений (связей) между терминами T
D – множество, содержащее определения понятий T и отношений R.
S = {s1, s2, …, si} – множество программных продуктов (альтернатив)
BP = {bp1, bp2, …, bpl} – бизнес предпочтения si
FP = {fp1, fp2, …, fpj} – пользовательские предпочтения si
SS = {s1(BP), …, sν(BP)}, (SS ⊆ S) – множество программных продуктов,
выбранных по бизнес предпочтениям BP
Osa – онтология предметной области
Odoc – онтология программной документации
Rs = {rs1, rs2, …, rsρ} – множество правил на оригинальном языке представления
знаний.
rs’ρ – конструкция правила rsρ по онтологии Osa
Tdoc – программная документация в виде текстового документа
Bdoc = {bd1, bd2, …, bdβ} – множество структурных блоков текстового документа
Vdoc = {vd1, vd2, …, vdγ} – множество фактов, извлеченных из Tdoc
KW = {kw1, kw2, …, kwr} – множество ключевых слов
PT’ – множество наименований функциональных возможностей (PT ⊆ KW)
FP’ – множество извлеченных из Tdoc функциональных возможностей (FP’ ⊆ FP)
k – количество экспертов
F = || fijk|| – трехмерная матрица вида продукт-атрибут-эксперт
Mik – экспертные оценки функциональных возможностей для каждого si
µ(M(ik)) – нечеткая мера выражает значимость каждого подмножества атрибутов и
определяется для каждого si и эксперта k
iy – интегральная оценка программного продукта si по интегралу Шоке
Y = || yk || – вектор обобщенных интегральных оценок
yk – интегральная оценка программного продукта si
123
e – значение ошибки
FP – вектор предпочтений пользователя
yp – интегральная оценка предпочтений пользователя
RFS = {rf1, rf2, …, rfs} – правила в нечетком выводе
µFS(x) – функция принадлежности
μ’(yk) – функция принадлежности терма, который является значением выходной
переменной yk
Min и Мах – левая и правая точки интервала нечеткого множества
с – стоимость страны
Npop – количество стран – количество решений
Nimp – наиболее сильные страны (империалисты) – решения с меньшей ошибкой
(локальные оптимумы)
Ncol – остальные страны (колонии) – остальные решения
C – нормализованная стоимость империалиста (относительно самого лучшего)
p – сила империалиста
NC – количество колоний в империи
TC – стоимость империи
NTC – нормализованная стоимость империи
Pp – сила империи
124
СПИСОК ЛИТЕРАТУРЫ
1. Аверкин А.Н. Толковый словарь по искусственному интеллекту / Авт.-сост.
А.Н. Аверкин, М.Г. Гаазе-Рапопорт, Д.А. Поспелов. – М.: Радио и связь,
1992. – 256 с.
2. Адуева Т.В. Продукционная система выбора программных продуктов
системы «1С:Предприятие 8» / Т.В. Адуева, А.В. Ахаев, И.А. Ходашинский //
Бизнес-информатика. – 2012. – №1(19). – С. 55-61.
3. Азгальдов Г.Г. Экспертные методы в оценке качества товаров / Г.Г.
Азгальдов, Э.П. Райхман. – М.: Экономика, 1974. – 151 с.
4. Артемьева И.Л. Интеллектуальная система, основанная на многоуровневой
онтологии химии / И.Л. Артемьева, Н.В. Рештаненко // Программные
продукты и системы. – 2008. – № 1. [Электронный ресурс]. – Режим доступа:
http://www.swsys.ru/index.php?page=article&id=113.
5. Ахаев А.В. Классификация программных продуктов «1С:Предприятие 8» /
А.В. Ахаев // Научная сессия ТУСУР 2011: Материалы докладов
Всероссийской научно-технической конференции студентов, аспирантов и
молодых ученых. – Томск: В-Спектр, 2011. – ч.2. – С. 165-168.
6. Ахаев А.В. Язык описания базы знаний продукционной системы выбора
конфигураций программных продуктов «1С:Предприятие 8» / А.В. Ахаев //
Молодежь и современные информационные технологии: Сборник трудов IX
Всероссийской научно-практической конференции студентов, аспирантов и
молодых ученых. – Томск: СПБ Графикс, 2011. – ч.1. – С. 260-261.
7. Ахаев А.В. Модуль приобретения знаний из «1С»-инфописем с
использованием онтологического подхода / А.В. Ахаев // Современные
техника и технологии: сборник трудов XVIII Международной научно-
практической конференции студентов, аспирантов и молодых ученых. –
Томск: Изд-во ТПУ, 2012. – т.2. – С. 267-268.
8. Ахаев А.В. Использование онтологического подхода для приобретения
125
знаний из «1С»-инфописьма / А.В. Ахаев // Материалы 50-й Международной
научной студенческой конференции «Студент и научно-технический
прогресс»: Информационные технологии. – Новосибирск, 2012. – С. 187.
9. Ахаев А.В. Структура продукционной системы выбора программных
продуктов системы «1С:Предприятие 8» / А.В. Ахаев // Научная сессия
ТУСУР 2012: Материалы Всероссийской научно-технической конференции
студентов, аспирантов и молодых ученых. – Томск: В-Спектр, 2012. – ч.3. –
С. 9-11.
10. Ахаев А.В. Оценивание функционального наполнения программных
продуктов системы «1С:Предприятие 8» на основе нечеткого вывода с
использованием шкалы Харрингтона / А.В. Ахаев // Электронные средства и
системы управления: Материалы докладов Международной научно-
практической конференции. – Томск: В-Спектр, 2012. – ч.1. – С. 136-140.
11. Ахаев А.В. Web-ориентированная экспертная система выбора программных
продуктов / А.В. Ахаев // Наука. Технологии. Инновации: материалы Всерос.
науч. конф. студентов, аспирантов и молодых ученых. – Новосибирск: Изд-во
НГТУ, 2012. – ч.3. – С. 263–266.
12. Ахаев А.В. Разработка web-ориентированной экспертной системы для
выбора программных продуктов на примере «1С:Предприятие 8» / А.В.
Ахаев // Современные техника и технологии: сборник трудов XIX
Международной научно-практической конференции студентов, аспирантов и
молодых ученых. – Томск: Изд-во ТПУ, 2013. – т.2. – С. 206-207.
13. Ахаев А.В. Методы и системы выбора наилучшего объекта / А.В. Ахаев //
Научная сессия ТУСУР 2013: Материалы Всероссийской научно-
технической конференции студентов, аспирантов и молодых ученых. –
Томск: В-Спектр, 2013. – ч.4. – С. 9-11.
14. Ахаев А.В. Web-ориентированная экспертная система для выбора
программных продуктов системы «1С:Предприятие 8» / А.В. Ахаев, И.А.
Ходашинский // Вычислительный интеллект (результаты, проблемы,
перспективы): Материалы 2-й международной научно-технической
126
конференции. – Черкассы, Украина: Маклаут, 2013. – С. 144-145.
15. Ахаев А.В. Алгоритмы и программные средства построения web-
ориентированных экспертных систем выбора программных продуктов на
примере «1С:Предприятие 8» / А.В. Ахаев // XVIII Байкальская
Всероссийская конференция с международным участием «Информационные
и математические технологии в науке и управлении». Иркутск, 2013. – С. 78-
84.
16. Ахаев А.В. Алгоритм оценивания функционального наполнения
программных продуктов на основе нечеткого логического вывода / А.В.
Ахаев // Доклады Томского государственного университета систем
управления и радиоэлектроники. – 2013. – №2(28). – С. 169-174.
17. Ахаев А.В. Онтологический подход к извлечению знаний из
информационных писем о программных продуктах системы
«1С:Предприятие 8» / А.В. Ахаев, И.А. Ходашинский // Материалы
Всероссийской конференции с международным участием «Знания –
Онтологии – Теории» (ЗОНТ-2013). – Новосибирск: ИМ СО РАН, 2013. – Т.1.
– С. 26-31.
18. Ахаев А.В. Формирование базы знаний экспертной системы на основе
онтологии с использованием оригинального языка представления знаний /
А.В. Ахаев, И.А. Ходашинский // Электронные средства и системы
управления: Материалы докладов Международной научно-практической
конференции. – Томск: В-Спектр, 2013. – ч.2. – С. 3-7.
19. Ахаев А.В., Алгоритмы и программные средства построения экспертных
систем выбора программных продуктов на примере «1С:Предприятие 8» /
А.В. Ахаев, И.А. Ходашинский // Информатика и системы управления. –
2013. – №4(38). – С. 70-79.
20. Ахаев А.В. Алгоритм выбора программного продукта на основе интеграла
Шоке // Научная сессия ТУСУР 2014: Материалы Всероссийской научно-
технической конференции студентов, аспирантов и молодых ученых. –
Томск: В-Спектр, 2014. – ч.3. – С.15-17.
127
21. Ахаев А.В. Метод выбора программного продукта на основе интеграла Шоке
и империалистического алгоритма / А.В. Ахаев, И.А. Ходашинский, А.Е.
Анфилофьев // Доклады Томского государственного университета систем
управления и радиоэлектроники. – 2014. – №2(32) – С. 224-229.
22. Батыршин И.З. Нечеткие гибридные системы. Теория и практика / И.З.
Батыршин, А.О. Недосекин, А.А. Стецко. – М.: Физматлит, 2007. – 208 с.
23. Блюмин С. Л. Математические проблемы искусственного интеллекта:
регулярность по Дж. фон Нейману в линейной и «линейной» алгебрах //
Системы управления и информационные технологии. – 2003. – № 1 – 2 (12). –
С. 90-94.
24. Брукинг А. Экспертные системы. Принципы работы и примеры. / А. Брукинг,
П. Джонс, Ф. Кокс и др.: Под ред. Р. Форсайта. – М.: Радио и связь, 1987. –
224 с.
25. Васильев И.А. Методы и инструментальные средства построения
семантических WEB-порталов: дис. … канд.техн.наук: 05.13.11 / Васильев
Иван Анатольевич. – Томск, 2005. – 190 с.
26. Волохов В.М. Онтологическая модель предметной области информационной
системы поддержки инновационных разработок институтов РАН / В.М.
Волохов, А.И. Прохоров, Е.С. Амосова // Информационные ресурсы России.
– 2011. – №3. – С. 27-32.
27. Гаврилова Т.А. Базы знаний интеллектуальных систем / Т.А. Гаврилова, Ф.В.
Хорошевский. – СПб.: Питер, 2001. – 384 с.
28. Гаврилова Т.А. Онтологический подход к управлению знаниями при
разработке корпоративных информационных систем / Т.А. Гаврилова //
Новости искусственного интеллекта. – 2003. – №2. – С. 24-30.
29. Гаврилова Т.А. Интеллектуальные технологии в менеджменте / Т.А.
Гаврилова, Д.И. Муромцев. – СПб: Изд-во С.-Петерб.ун-та, 2007. – 487 с.
30. Гладун А.Я. Онтологии в корпоративных системах Часть I / А.Я. Гладун,
Ю.В. Рогушина // Корпоративные системы. – 2006. – № 1. – С. 41-47.
31. Глибовец Н.Н. Интеллектуализация экспертных систем с помощью
128
онтологий / Н.Н. Глибовец, Д.С. Красиков // Problems of computer
intellectualization. Kyiv – Sofia. – 2012. – С. 84-90.
32. Гончаров Д.И. Введение в конфигурирование в системе «1С:Предприятие
8». Основные объекты / Д.И. Гончаров. – М.: 1С-Паблишинг, 2007. – 147 с.
33. Девятков В. В. Нечеткая конечно-автоматная модель интеллектуального
мультимодального интерфейса / В. В. Девятков, А. Н. Алфимцев // Проблемы
управления. – 2011. – № 2. – С. 69–77.
34. Дементьева Т.А. Методы оценки уровня инновационного потенциала
персонала на промышленных предприятиях / Т.А. Дементьева // Экономика
промышленности. – 2009. – № 3. – С. 125–129.
35. Джарратано Д. Экспертные системы: принципы разработки и
программирования, 4-е издание.: Пер . с англ. / Д. Джарратано, Г. Райлт. –
М.: ООО «И.Д. Вильямс», 2007. – 1152 с.
36. Добров Б.В. Лингвистическая онтология по естественным наукам и
технологиям: основные принципы разработки и текущее состояние / Б.В.
Добров, Н.В. Лукашевич // Десятая национальная конференция по
искусственному интеллекту с международным участием (Обнинск, 25-28
сентября 2006 г.) – М.: Физматлит, 2006. – С.489-497.
37. Добров Б.В. Онтологии и тезаурусы: модели, инструменты, приложения:
Учебное пособие / Б.В. Добров, В. В. Иванов, Н. В. Лукашевич, В. Д.
Соловьев – М.: БИНОМ. Лаборатория знаний, 2009. – 173 с.
38. ГОСТ 19.402-78. Описание программы. – Введ. 01.01.1980. – 2 с. – Группа
Т55.
39. Загорулько Ю.А. Онтологии и их практическое применение в системах,
основанных на знаниях / Ю.А. Загорулько, Г.Б. Загорулько // Знания-
Онтологии-Теории (ЗОНТ-2011) 3-5 октября 2011 г., Новосибирск, 2011. – т.
1. – С. 132-141.
40. Заде Л.А. Понятие лингвистической переменной и его применение к
принятию приближенных значений / Л.А. Заде. – М.: Мир, 1976. – 168 с.
41. Зырянова Т.В. Моделирование учетного процесса в условиях автоматизации /
129
Т.В. Зырянова, Ж.Р. Скребкова // Все для бухгалтера. – 2007. – № 23.
42. Исмагилов И.И. Принятие решений при количественных и качественных
критериях описания альтернатив / И.И. Исмагилов // Исследования по
информатике. – 2003. – № 6. – С. 21-28.
43. ГОСТ Р ИСО/МЭК 12119-2000. Информационная технология. Пакеты
программ. Требования к качеству и тестирование. – Введ. 01.01.2002. – 19 с.
44. Кини Р.Л. Принятие решений при многих критериях: предпочтения и
замещения / Р.Л. Кини, X. Райфа – пер. с англ. под ред. И.Ф. Шахнова. – М.:
Радио и связь, 1981. – 560 с.
45. Кини Р.Л. Размещение энергетических объектов: выбор решений / Р.Л. Кини
– пер. с англ. под ред. Ю.И. Корякина. М.: Энергоатомиздат, 1983. – 319 с.
46. Ланин В.В. Мультиагентая система для интеллектуального анализа
документов / В.В. Ланин // International Book Series «Information Science &
Computing», Sofia, ITHEA. – 2008. – № 4. – P. 166-172.
47. Лапшин В.А. Онтологии в компьютерных системах / В.А. Лапшин. – М.:
Научный мир, 2010. – 222 с.
48. Ларичев О.И. Теория и методы принятия решений, а также хроника событий
в Волшебных странах: Учебник / О.И. Ларичев. – М.: Логос, 2000. – 296 с.
49. Ларичев О.И. Свойства методов принятия решений в многокритериальных
задачах индивидуального выбора / О.И. Ларичев // Автоматика и
телемеханика. – 2002. –№ 2. – С. 146–158.
50. Ларичев О.И. Поддержка выбора лучшего объекта на основе независимости
критериев по предпочтениям и транзитивности / О.И. Ларичев, В.М.
Афанасьев, Н.В. Чугунов // Новости искусственного интеллекта. – 2003. –
№4. – С 12-19.
51. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH /
А.В. Леоненков. – СПб.: БХВ-Петербург, 2003. – 736 с.
52. Лойко В.И. Количественные модели и методики оценки рисков в
агропромышленных интегрированных производственных системах / В.И.
Лойко, Н.В. Ефанова // Научный журнал КубГАУ. – 2008. – №40.
130
53. Люгер Д. Ф. Искусственный интеллект: стратегии и методы решения
сложных проблем / Д. Ф. Люгер. – 4-е издание.: Пер. с англ. - М.: «Вильямс»,
2003. – 864 с.
54. Мальцева С.В. Применение онтологических моделей для решения задач
идентификации и мониторинга предметных областей / С.В. Мальцева //
Бизнес-информатика. – 2008. – №3. – С.18-24.
55. Массель Л. В. Интеллектуальные вычисления в исследованиях направлений
развития энергетики / Л. В. Массель, А. Г. Массель // Известия ТПУ. – 2012.
№5. – С.135-140.
56. Митичкин С.А. Разработка в системе «1С:Предприятие 8» / С.А. Митичкин. –
М.: 1С-Паблишинг, 2003. – 413 с.
57. Митрофанова О.А. Онтологии как системы хранения знаний / О.А.
Митрофанова, Н.С. Константинова // Всероссийский конкурсный отбор
обзорно-аналитических статей по приоритетному направлению
«Информационно-телекоммуникационные системы», 2008. – 54 с.
58. Муромцев Д.И. Анализ вариантов интеграции продукционных экспертных
систем и OWL-онтологий / Д.И. Муромцев, М.А. Колчин. // XVIII
Всероссийская научно-методическая конференция «Телематика-2011». –
2011. – С. 283.
59. Нечеткие множества в моделях управления и искусственного интелекта /
А.Н. Аверкин, И.З. Батыршин, А.Ф. Блишун, Б.В. Силаев, Б.Н. Тарасов. Под
ред. Д.А. Поспелова. – М.: Наука, 1986. – 312 с.
60. Нуралиев С. Платформа «1С:Предприятие» как средство разработки бизнес-
приложений / С. Нуралиев // «PC Magazine/RE». – 2006. – № 11.
[Электронный ресурс] – Режим доступа:
http://www.pcmag.ru/solutions/detail.php?ID=5949&phrase_id=113018.
61. Овдей О.М. Обзор инструментов инженерии онтологий / О.М. Овдей, Г.Ю.
Проскудина // Электронные библиотеки. – 2004. – т.7, №4. – С. 3-19.
62. Классификатор видов деятельности [Электронный ресурс]. – Режим доступа:
http://www.okvad.ru.
131
63. Онлайн-мегамаркет OZON.ru [Электронный ресурс]. – Режим доступа:
http://www.ozon.ru.
64. Онтологический подход к построению базы знаний «Сверхтвердые
материалы» / В.Н. Кулаковский, А.А. Лебедева, К.З. Гордашник, Е.М.
Чистяков, И.В. Скворцов // Искусственный интеллект. – 2008. – №4. – С. 91-
102.
65. Осипов Г.С. Работы исследовательского центра искусственного интеллекта /
Г.С. Осипов // Труды международной конференции «Программные системы:
теория и приложения», Переславль-Залесский, М.: Физматлит, 2004. – т. 1. –
С. 117-126.
66. Официальный сайт системы программ «1С:Предприятие 8» [Электронный
ресурс]. – Режим доступа: http://www.v8.1c.ru.
67. Официальный сайт фирмы «1С» [Электронный ресурс]. – Режим доступа:
http://www.1c.ru.
68. Палагин А.В. Системно-онтологический анализ предметной области / А.В.
Палагин, Н.Г. Петренко // УСиМ. – 2009. – № 4. – с.3-14.
69. Пальчунов Д.Е. Решение задачи поиска информации на основе онтологий /
Д.Е. Пальчунов // Бизнес-информатика. – 2008. – №1. – С.3-13.
70. Пичкалев А.В. Обобщенная функция желательности Харрингтона для
сравнительного ана-лиза технических средств / А.В. Пичкалев //
Исследования наукограда. – 2012. – № 1. – С. 25–28.
71. Подиновский В.В. Парето-оптимальные решения многокритериальных задач
/ В.В. Подиновский, В.Д. Ногин. – М.: Наука. Главная редакция физико-
математической литературы, 1982. – 256 с.
72. Подиновский В. В. Количественная важность критериев и аддитивные
функции ценности / В.В. Подиновский // Журнал вычислительной
математики и математической физики. – 2013. – т.53, № 1. – С. 133-142.
73. Подиновский В.В. Метод взвешенной суммы критериев в анализе
многокритериальных решений: pro et contra / В.В. Подиновский, М.А.
Потапов // Бизнес-информатика. – 2013. – №3. – С. 41-48.
132
74. Поиск сотового телефона по параметрам [Электронный ресурс] – Режим
доступа: http://www.sotovik.ru/es.
75. Попов Э.В. Экспертные системы: Решение неформализованных задач в
диалоге с ЭВМ / Э.В. Попов. – М.: Наука, 1987. – 288 с.
76. Попов Э.В. Корпоративные системы управления знаниями / Э.В. Попов //
Новости искусственного интеллекта. – 2001. – № 1. – С. 14-25.
77. Разработка технической документации [Электронный ресурс]. – Режим
доступа: http://www.philosoft.ru/software.zhtml.
78. Райзберг Б.А. Современный экономический словарь / Б.А. Райзберг, Л.Ш.
Лозовский, Е.Б. Стародубцева. – 5-е изд., перераб. и доп. – М.: ИНФРА-М,
2006. – 495 с.
79. Рассел С. Искусственный интеллект: современный подход / С. Рассел, П.
Норвиг. – 2-е изд..: пер. с англ. – М.: Издательский дом «Вильямс», 2006. –
1408 с.
80. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы
/ Д. Рутковская, М. Пилиньский, Л. Рутковский. – М.: Горячая линия –
Телеком, 2006. – 452 с.
81. Рыбина Г.В. Методы и инструментальные средства разработки веб-
ориентированных интегрированных экспертных систем / Г.В. Рыбина, К.В.
Сикан, Л.С. Степанов // Программные продукты и системы. – 2008. – № 2.
[Электронный ресурс]. – Режим доступа:
http://www.swsys.ru/index.php?page=article&id=736.
82. Саати Т.Л. Принятие решений. Метод анализа иерархий / Т.Л. Саати. – пер. с
англ. – М.: Радио и связь, 1993. – 320 с.
83. Сакулин С.А. К вопросу о практическом применении нечетких мер и
интеграла Шоке / С.А. Сакулин, А.Н. Алфимцев // Вестник МГТУ им. Н.Э.
Баумана. Сер. «Приборостроение». – 2012. – С. 55-63.
84. Свид. о государственной регистрации программы для ЭВМ №2013611467.
Ахаев А.В., Ходашинский И.А., Подсистема оценивания функционального
наполнения программных продуктов. Зарег. в Реестре программ для ЭВМ 21
133
января 2013 г.
85. Свид. о государственной регистрации программы для ЭВМ №2013660254.
Ахаев А.В., Ходашинский И.А., Подсистема приобретения знаний о
программных продуктах. Зарег. в Реестре программ для ЭВМ 29 октября
2013 г.
86. Система Ontogrid для автоматизации процессов построения онтологий
предметных областей / Н. Г. Загоруйко, В. Д. Гусев, А. В. Завертайлов, С. П.
Ковалев, А. М. Налетов, Н. В. Саломатина // Автометрия. – 2005. – т. 41. №5.
– С. 13-25.
87. Советов Б.Я. Представление знаний в информационных системах: учебник
для вузов / Б. Я. Советов, В. В. Цехановский, В. Д. Чертовской. – М.:
Академия, 2011. – 144 с.
88. Технология анализа и поиска текстовой информации [Электронный ресурс].
– Режим доступа http://rco.ru.
89. Технология создания распределённых информационно-вычислительных
ресурсов СО РАН / О.Л. Жижимов, А.М. Федотов, Л.Б. Чубаров, Ю.И.
Шокин // Тр. Первой международной конференции САИТ. 12-16 сентября
2005 г., Переславль-Залесский. «Системный анализ и информационные
технологии». – 2005. т. 2 – С. 161-165.
90. Тузовский А.Ф. Системы управления знаниями (методы и технологии) / А.Ф.
Тузовский, С.В. Чириков, В.З. Ямпольский. – под общ. ред. В.З.
Ямпольского. – Томск: Изд-во НТЛ, 2005. – 260 с.
91. Тузовский А.Ф. Формирование семантических метаданных для объектов
системы управления знаниями. / А.Ф. Тузовский // Известия Томского
политехнического университета. – 2007. – т.310, №3. – С. 108-112.
92. Уэно Х. Представление и использование знаний: Пер. с япон. / Х. Уэно [и
др.], ред.: Х. Уэно, М. Исидзука, ред. пер.: Н. Г. Волков, пер.: И. А. Иванов. –
М.: Мир, 1989. – 220 с.
93. Харитонов С.А. Информационные системы бухгалтерского учета: Учебное
пособие / С.А. Харитонов, Д.В. Чистов, Е.Л. Шуремов. – М.: ФОРУМ:
134
ИНФРА-М, 2007. – 160 с.
94. Хейес-Рот Ф. Построение экспертных систем: Пер. с англ. / Ф. Хейес-Рот, Д.
Уотерман, Д. Ленат. – М.: Мир, 1987. – 441 с.
95. Ходашинский И.А. Методы искусственного интеллекта, базы знаний,
экспертные системы: Учебное пособие / И.А. Ходашинский. – Томск:
ТУСУР, 2002. – 138 с.
96. Ходашинский И.А. Формально-логический метод и аппроксимация Мамдани
в нечетком оценивании величин / И.А. Ходашинский // Автометрия. – 2006. –
№ 1. – С. 55–67.
97. Ходашинский И.А. Идентификация нечетких систем / И.А. Ходашинский //
Проблемы управления. – 2009. – № 4. – С. 15–23.
98. Чень Ч. Математическая логика и автоматическое доказательство теорем / Ч.
Чень, Р. Ли. М.: Наука, 1983. – 360 с.
99. Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику:
Нечеткая кластеризация / С.Д. Штовба. – 2002. [Электронный ресурс]. –
Режим доступа: http://matlab.exponenta.ru.
100. Экспертная система подбора товаров для сайта «Эльдорадо» [Электронный
ресурс]. – Режим доступа: http://www.shoppingonline.ru/e-
commerce/content_21.html.
101. Aiding decisions with multiple criteria: essays in honor of Bernard Roy / D.
Bouyssou, E. Jacquet-Lagreze, P. Perny, R. Slowinski, D. Vanderpooten, P.
Vincke. Springer, 2002. – 558 p.
102. An expert system development tool for non AI experts / B. Ruiz-Mezcua, A.
Garcia-Crespo, J. L. Lopez-Cuadrado, I. Gonzalez-Carrasco // Expert Systems with
Applications: An International Journal, 2011. – V.38, N.1. – P. 597-609.
103. Atashpaz-Gargari E. Imperialist Competitive Algorithm: An Algorithm for
Optimization Inspired by Imperialistic Competition / E. Atashpaz-Gargari, C.
Lucas // IEEE Congress on Evolutionary Computation. – 2007. – P 4661-4667.
104. Azadeh A. A robust decision-making methodology for evaluation and selection of
simulation software package / A. Azadeh, S. N. Shirkouhi, K. Rezaie //
135
International Journal of Advanced Manufacturing Technology. – 2010. – V. 47. –
P. 381-393.
105. Choquet G. Theory of capacities // Annales de l’Institut Fourier. – 1953. – N.5. –
Р. 131–295.
106. Detyniecki M. Mathematical Aggregation Operators and their Application to
Video Querying: Thesis for the degree Docteur de l’Universite. – Paris, 2000. –
185 р.
107. Dunstan N. Generating domain-specific web-based expert systems / N. Dunstan //
Expert Systems with Applications: An International Journal archive, 2008. – V.35,
N.3. – P. 686-690.
108. Filev D. Algortihms for Real-Time Clustering and Generation of Rules from Data /
D. Filev, P. Angelov. In: J. V. de Oliveira and W. Pedrycz (Eds.) Advances in
Fuzzy Clustering and Its Applications, John Wiley and Sons, New York, 2007. – P.
353-370.
109. Grabisch M. The application of fuzzy integrals in multicriteria decision making //
European Journal of Operation Research. – 1996. – Nо. 89. – Р. 445–456.
110. Grabisch M. Fuzzy aggregation of numerical preferences / M. Grabisch, S.
Orlovski, R. Yager // Handbook of Fuzzy Sets Series / R. Slowinski (ed),
Dordrecht:Kluwer Academic. – 1998. – Vol. 4. – Р. 31–68.
111. Gruber T.R. The role of common ontology in achieving sharable, reusable
knowledge bases / T.R. Gruber, J.A. Allien, R. Fikes, E. Sandewell – eds. Morgan
Kaufmann // Principles of knowledge representation and reasoning proceedings of
the second international conference. – 1991. – P. 601-602.
112. Guarino N. Formal Ontology and Information Systems / N. Guarino // Formal
Ontology in Information Systems: (Frontiers in Artificial Intelligence and
Applications): proceedings. – Amsterdam: IOS Press / Ohmsha, 1998. – P. 3-15.
113. Horrocks I. A proposal for an OWL rules language / I. Horrocks, P.F. Patel-
Schneider // In Proc. of the 13th international conference on World Wide Web
(WWW 2004), 2004. – P. 723-731.
114. Huntington D. Web-based expert systems are on the way: Java-Based Web
136
Delivery / D. Huntington // PC AI. – 2000. – V.14, N.6. – P. 34-36.
115. Karaarslan N. An application for modular capability-based ERP software selection
using AHP method / N. Karaarslan, E. Gundogar // International Journal of
Advanced Manufacturing Technology. – 2009. – V. 42. – P. 1025-1033.
116. Meyer P. On the use of the Choquet integral with fuzzy numbers in multiple
criteria decision support / P. Meyer, M. Roubens // Fuzzy Sets and Systems. –
2006. – V. 157. – P. 927–938.
117. Minsky M. L. A framework for representing knowledge / M. L. Minsky. – In
Winston P. H. (Ed.) // The Psychology of Computer Vision. – New York:
McGraw-Hill, 1975. – P. 211-277.
118. Nirenburg S. Ontological semantics / S. Nirenburg, V. Raskin, Cambridge, MA:
MITPress, 2004.
119. Noy N.F. Ontology development 101: A guide to creating your first ontology /
N.F. Noy, D.L. McGuinness // Stanford Knowledge Systems Laboratory Technical
Report KSL-01-05 and Stanford Medical Informatics Technical Report SMI-2001-
0880, 2001. – 23 р.
120. Ontology editor survey results [Электронный ресурс]. – Режим доступа:
http://www.xml.com/2002/11/06/Ontology_Editor_Survey.html.
121. Pasrija V. Assessment of Software Quality: Choquet Integral Approach / V.
Pasrija, S. Kumar, P. R. Srivastava // Procedia Technology. – 2012. – V. 6. – P.
153–162.
122. Product Information Expert System goes on-line at Atochem North America
[Электронный ресурс]. – Режим доступа:
http://www.xpertrule.com/pages/case_ato.htm.
123. Protégé [Электронный ресурс]. – Режим доступа: protege.stanford.edu.
124. Roy B. Comparison of two decision-aid models applied to a nuclear power plant
siting example / B. Roy, D. Bouyssou // Eur. J. Oper. Res., 1986. – V.25. – P. 200-
215.
125. Saaty T.L. Relative measurement and its generalization in decision making why
pairwise comparisons are central in mathematics for the measurement of intangible
137
factors the analytic hierarchy/network process / T.L. Saaty // RACSAM (Review
of the Royal Spanish Academy of Sciences, Series A, Mathematics). – 2008. –
V.102. – P. 251-318/
126. Smirlis Y. G. Data envelopment analysis models to support the selection of vehicle
routing software for city logistics operations / Y. G. Smirlis, V. Zeimpekis, G.
Kaimakamis // Operational Research. 2012. –V. 12. – P. 399-420.
127. Sugeno M. Theory of fuzzy integrals and its applications: Ph.D. Thesis. – Tokyo. –
1974. – 237 р.
128. Tan C. Intuitionistic fuzzy Choquet integral operator for multi-criteria decision
making / C. Tan, X. Chen // Expert Systems with Applications. – 2010. – V. 37. –
P. 149–157.
129. Tokyo Nissan Computer Systems – an intelligent «Car Selection System»
[Электронный ресурс]. – Режим доступа:
http://www.xpertrule.com/pages/case_nis.htm.
130. Trausan-Matu. Framework for an Ontology-Based Information System for
Competence Management / Trausan-Matu, A. Stefan // Economy Informatics. –
2008. – N.1-4. – P. 105.
131. Villaverde J. Supporting the discovery and labeling of non-taxonomic relationships
in ontology learning / J. Villaverde, A. Persson, D. Godoy, A. Amandi // Expert
Systems with Applications. – 2009. – N.36. – P. 10288–10294.
132. Wang X. A Hybrid Algorithm to Extract Fuzzy Measures for Software Quality
Assessment / X. Wang, M. Ceberio, S. Virani, A. Garcia, J. Cummins // Journal of
Uncertain Systems. – 2013. – V.7, No.3. – P. 219–237.
133. Wee L.K.A. A generic information extraction architecture for financial
applications / L.K.A. Wee, L.C. Tong, C.L. Tan // Expert Systems with
Applications. – 1999. – N.16. – P. 343-356.
134. World Wide Web Consortium (W3C) [Электронный ресурс]. – Режим доступа:
http://w3.org.
135. Yager R.R. On ranking fuzzy numbers using valuations / R.R. Yager, D. Filev //
International J. of Intelligent Systems. – 1999. – V.14, N.12. – P. 1249-1268.
138
136. Yang H. Measuring Software Product Quality with ISO Standards Base on Fuzzy
Logic Technique //Affective Computing and Intelligent Interaction, AISC 137. –
Berlin: Springer-Verlag, 2012. P. 59–67.
137. Zadeh L.А. Fuzzy sets / L.А. Zadeh // Inform. and Control. – 1965. – V.8 N.3. –
P. 338-353.
138. Zadeh L.А. Fuzzy logic = Computing with words / L.А. Zadeh // IEEE
Transactions on Fuzzy Systems. – 1996. – V.4, N.2. – P. 103-111.
139
ПРИЛОЖЕНИЕ А
Свидетельства о регистрации программ для ЭВМ
140
141
ПРИЛОЖЕНИЕ Б
Акты внедрения
142
