Аналитика: методология, технология и организация информационно-аналитической работы

цепочки и идентификаторы объектов, либо классов объектов. Такая модель может быть приведена к наивысшей степени абстракции (концепты предикатов плюс идентификаторы классов) либо детализирована с тем, чтобы обеспечивалась необходимая точность распознавания. Проблема определения множества терминов, обладающих высокой информативностью (обеспечивающих высокую избирательность распознающей системы) зачастую решается эвристическими методами, хотя при условии частой повторяемости феномена словарь может быть сформирован с применением аппарата математической статистики (анализа тех же частотноранговых распределений, но уже для других классов терминов).

Один из вариантов реализации такого подхода — некоторое подобие CRA-карт (см. предыдущий пункт), но построенных в терминах более высокого уровня абстракции. Очевидным недостатком характерного для CRA-карт способа отображения является то, что он указывает лишь на наличие связи (по сути — предиката, выражающего некоторое отношение между идентификаторами объектов и классов объектов). Вероятно, над дугами следовало бы указывать тип отношения (предикат, его выражающий), однако число предикатов может оказаться достаточно большим для того, чтобы их можно было отобразить. Еще один, менее явный, недостаток заключается в том, что эти отношения не развернуты в пространстве- времени. Модель ситуации, отображаемая с помощью CRA-карты (и ее усовершенствованного аналога), не будет обладать избирательностью по отношению к временному аспекту существования системы, и вследствие этого будет иметь исключительно интегральный характер. Перечисленные недостатки не мешают применению таких методов для синтеза словарей, однако, при попытке перенести их на задачи распознавания ситуаций, эти недостатки становятся уже ощутимыми — ведь ситуация — это некоторое состояние, привязанное к «временным координатам».

Какие усовершенствования должны быть внесены в данный или подобный ему метод для того, чтобы он мог быть эффективно использован в системе распознавания ситуаций? Для начала уточним содержание понятия «состояние». С этой целью обратимся к методу аналогии. Рассмотрим простой физический опыт: пусть некая фотокамера на протяжении нескольких периодов колебания фиксирует движение шарика, раскачиваемого на нити. При выборе длительного времени экспозиции кадра на нем запечатлеется лишь трасса, по которой не возможно установить текущую координату шарика (интегральная картина — CRA карта), но позволяет сформулировать заключение о характере процесса и описать его термином «колебание». Если же фотокамера будет последовательно регистрировать положение раскачивающегося шарика на подряд следующих кадрах фотопленки, то мы получим зарегистрированную последовательность мгновенных состояний шарика, описываемых его положением в пространстве (здесь мы можем определить все параметры движения шарика). Но стоит разрезать пленку на кадры и перемешать их, как установить направление движения шарика становится невозможным (мгновенное состояние, вырванное из контекста).

Становится очевидным, что если рассматривать ситуацию, как нечто, что может быть распознано в результате сопоставления эталона с вырванным из контекста мгновенным состоянием системы, то серьезные ошибки распознавания при наличии повторяющихся фаз протекания процесса исключить не представляется возможным.

Что же может быть использовано для устранения отмеченных недостатков? Что связывает текущее состояние с контекстом или предшествующее состояние с последующим? Здесь следует выделить два базовых понятия: «процесс» и «событие».

Событие — это результат завершения процесса приведшего к смене состояния системы. То есть событие не имеет длительности (временной протяженности) — это лишь факт перехода системы из предшествующего состояния в состояние последующее. Событие характеризуется временем наступления, именами или идентификаторами предшествовавшего и результирующего состояний, и может быть отображено на значения «истина» и «ложь», т. е. обладает свойствами, делающими его удобным для использования в системах автоматического распознавания ситуаций. По существу, упоминавшиеся ранее фреймовые модели представления ситуаций строятся именно в терминах событий и состояний.

Использование событий в качестве элементов для построения (и описания правил) системы распознавания ситуаций позволяет связать события с учетом последовательности их наступления (придать модели свойства временной селективности). Такие модели и описания уже пригодны для формирования как интегральных, так и детализированных описаний.

Но сформировать вектор признаков, который мог бы быть использован в сочетании с такой моделью, применяя исключительно статистические методы, невозможно — требуется тщательный анализ системы отношений самого разного плана. Учету должны подлежать отношения переноса энергии, отношения предшествования и следования, пространственные отношения и отношения модальности — в противном случае будут утрачены существенные для интерпретации ситуации нюансы.

В некоторых ситуациях эти отношения могут быть вскрыты на основе формально-логического анализа синтаксических структур различного уровня, однако в большинстве случаев требуется привлечение семантики. В зависимости от характера решаемой задачи к анализу может привлекаться семантика ограниченного подмножества терминов, служащих для выражения специфических отношений, либо семантической атрибуции должен быть подвергнут каждый термин в массиве высказываний. Очевидно, что если при анализе текста не проводится разграничение между оттенками модальности или фазами завершенности действия, то намерение не может быть отличено от действия, возможное — от действительного, а свершившееся от происходящего… и так далее. Чем больше семантических атрибутов распознает система, тем точнее ее выводы.

3. Методика выявления неформальных управляющих структур (центров сил) в регионах России

Предлагаемая вниманию читателей методика представляет собой пример использования системного подхода к решению задач оценки ситуации в регионах Российской Федерации. Методика¹²¹ была разработана членами экспертно-консультативного совета Аналитического центра Государственной Думы Российской Федерации первого созыва (Курносов Ю.В. — руководитель рабочей группы, члены рабочей группы — Веденеев Б.П., Травкин Ю.Е., Харитонов А.С.) в интересах обеспечения руководства регионального и федерального уровней информацией, необходимой для выработки адаптивных стратегических и оперативных решений, направленных на обеспечение экономической безопасности. Однако, методика проведения исследования может быть использована и на более низких уровнях иерархии управления; в этом случае основные отличия будут состоять в повышении степени детализации исходных данных и сокращении интервала времени между измерениями. Методика может быть интегрирована с ранее рассмотренным подходом к анализу системы целей, что позволит осуществлять анализ компонентов коалиционной (корпоративной) целевой установки центра сил, усовершенствовать процесс выработки стратегий противодействия наметившимся деструктивным тенденциям.

Степень неоднородности природно-географических, демографических, национально-культурных показателей, а также показателей, связанных с развитием и ориентацией производственно-хозяйственной инфраструктуры регионов России в сочетании с федеративным устройством российского государства определяют ведущую роль региональной политики. В настоящее время проблема выработки адаптивных решений в сфере региональной политики встала особо остро, поскольку несинхронные и несбалансированные процессы реформирования порождают опасные диспропорции в различных сферах общественного бытия. Ядро региональной политики — экономика, экономическое регулирование развития отношений между регионами и центром. Именно здесь чаще всего и возникают достаточно острые конфликты.

Вследствие диспропорций в ряде регионов (под регионами понимаются субъекты Федерации с учетом ее административного деления) возникают и развиваются локальные социально-политические,