Ту хабаршысы

● Техникалыќ єылымдар 

 

ЌазЎТУ хабаршысы №5 2014  

 

37

организационный и технологический [2, 3]. Технологический подход в один ряд с организационными 

мерами ставит применение информационных технологий.  

Для управления знаниями вуза в качестве основы используется методология On-To-Knowledge 

[4],  ориентированная  на  процесс.  Методология  разработки  и  сопровождения  СУЗ  основана  на 

процессе  и  мета  процессе  работы  со  знаниями  (Knowledge  Meta  Process  и  Knowledge  Process).  В 

основе  мета  процесса  работы  со  знаниями  (Knowledge  Meta  Process)  лежит  разработка  онтологии, 

состоящая  из  следующих  шагов:  изучение  осуществимости  проекта,  начало,  уточнение,  оценка, 

поддержка и эволюция. 

Онтология  является  связующим  звеном/(связующим  элементом)  объектов  знаний  и 

соединительным  мостом  между  различными  шагами  процессов  преобразования  знаний  (Knowledge 

Processes).  Разработка  онтологии  является  важным  аспектом  при  сопровождении  решения  по 

управлению  знаниями  (УЗ-решения).  Разработка  и  развёртывание  приложений  по  управлению 

знаниями учитывает требования “Knowledge Process” и рассматривает такие процессы/вопросы как:  

- мета процесс работы со знаниями (Knowledge Meta Process). 

-  инженерию  разработки  программного  обеспечения  (разработка  и  проектирование 

программного обеспечения - Software engineering) 

- корпоративную культуру организации. 

Процесс работы  со  знаниями (Knowledge  Process)  нацелен на  использование  УЗ-решений,  т.е. 

после  того,  как  приложения  по  УЗ  будут  полностью  реализованы  и  внедрены  в  организации, 

выполняется  цикл  преобразования  знаний.  Цикл  преобразования  знаний  состоит  из  следующих 

шагов: создание, накопление, поиск и доступ, использование. Цикл преобразования научных знаний 

приведен на рисунке 1. 

 

 

 

Рис. 1. Цикл преобразования  научных знаний 

 

Основные  функции  управления  научными  знаниями  (УНЗ)  вуза  согласуются  с  функциями, 

определёнными в [5], и подразделяются на аналитические, интеграционные и создание новых знаний. 

К аналитическим функциям УНЗ относятся: 

- поиск знания в потоке информации, фильтрация информации; 

-  идентификация  и  классификация  по  определённым  критериям  существующих  знаний, 

формирование научного профиля сотрудников и мониторинг развития научных школ вуза. 

Интеграционная функция УНЗ обеспечивает: 

-  внесение  классифицированных  знаний  в  корпоративную  память  и  оценка  их  интеграции  с 

реализацией образовательных программ; 

-  извлечение  знаний  из  корпоративной  памяти,  путём  обмена  знаниями  между 

подразделениями,  различными  уровнями  управления,  а  также  обмена  экспертными  знаниями  и 

опытом сотрудников; 

-  обеспечение  доступности  знаний  при  принятии  управленческих  решений,  поиске  и 

генерировании идей, обучении. 

Функция  создания  новых  знаний  обеспечивает  фиксирование  явных  и  неявных  знаний  в  базе 

научных знаний вуза. Внедрение СУНЗ вуза или её компонент позволит:  

● Технические науки 

 

                                                    

№5 2014 Вестник КазНТУ  

          

38 

-  получать  нужную  информацию  в  нужном  месте  в  нужном  формате  своевременно  и  с 

минимальными затратами усилий; 

- уменьшить количество ошибок сотрудников и увеличить качество принимаемых решений; 

- улучшить коммуникации, снизить информационные потери и искажения;  

- стимулировать обмен знаниями, лучшими практиками и наработками. 

Разработанная  модель  технологического  подхода  управления  знаниями  на  основе  выше 

указанной методологии  приведена на рисунке 2.  

Внедрение  управления  знаниями  и  связанных  с  ним  процессов  разработки  и  сопровождения 

СУЗ  в  организации,  обычно,  предполагает  работу  с  неструктурированными  информационными 

ресурсами.  Процесс  создания  включает  в  себя  генерацию  неявных  и  явных  знаний  научного 

сообщества вуза.  

Накопление  знаний  –  это  сложный  по  составу  работ  процесс  в  цикле  преобразования  знаний 

[6]. Этап получения знаний включает в себя: 

- получение знаний путем анализа документов (Text Mining) и баз данных (Data Mining); 

- аннотирование/формирование метаданных; 

- извлечение неявных знаний сотрудников; 

- структурирование/классификацию; 

- формирование организационной памяти, интеграция и хранение знаний. 

 

 

 

Рис. 2. Модель технологического подхода к управлению знаниями 

 

Накопление знаний включает в себя: онтологию как концептуальную структуру для описания 

ресурсов знаний и совокупность методов для формирования базы научных знаний вуза;  

Распределение  знаний  заключается  в  предоставлении  пользователям  возможностей 

семантического  поиска  и  навигации.  Обмен  с  неявными  знаниями,  предназначенный  для 

коммуникации научного сообщества и формирования новых знаний. Участниками обмена неявными 

знаниями могут быть отдельные сотрудники,  отдельные научные группы; 

Использование  знаний  предполагает,  что  доступное  знание  используется  сотрудниками  вуза 

для выполнения своей работы более результативно и эффективно, вновь созданное знание влияет как 

на научную, так и на образовательную деятельность. 

Информационная модель научной деятельности вуза 

Онтология,  выступая  общим  языком  в  управлении  знаниями,  представляет  концептуальную 

модель  предметной  области  в  виде  системы  понятий,  их  свойств  и  отношений.  Информационную 

модель  знаний  вуза  можно  описать  как  онтологию  научной  деятельности,  которая  описывает 

основные  понятия  научной  деятельности  вуза,  такие  как  организационная  структура,  субъекты, 

объекты  научных  школ  и  исследований,  информационные  ресурсы,  разделы  наук  и  пр.  [7].  В 

онтологии  научной  деятельности  в  классе  «Научные  направления»  подклассы  соответствуют 

● Техникалыќ єылымдар 

 

ЌазЎТУ хабаршысы №5 2014  

 

39

основным  научным  направлениям  вуза.  Подклассы  состоят  из  класс,  которые  соответствуют 

рубрикам классификатора областей знаний [ГРНТИ]. Применение онтологий в СУЗ позволяет: 

-  интегрировать  информацию,  распределённую  по  различным  хранилищам  документов,  базам 

данных и знаний; 

- обобщить и систематизировать имеющуюся информацию, выступив в качестве метамодели; 

-  использовать  автоматизированный  логический  вывод  для  улучшения  результатов  поиска, 

получения новых знаний и анализ информации; 

- использовать более эффективные механизмы получения, визуализации и поиска знаний. 

Компонент «Интеллектуальные ресурсы вуза» в общей структуре СУЗ определяет человеческие и 

структурные  ресурсы,  которым  соответствует  формализованный  человеческий  и  инновационный 

капитал вуза. Источниками ресурсов научных знаний являются: электронная версия научного журнала 

вуза, электронная версия материалов конференции, библиографическая база «Ирбис». 

Процедура обработки информационных ресурсов вуза и формирования научных профилей. 

Этапы  обработки  информационных  ресурсов  вуза.  Ниже  приведены  основные  этапы 

обработки  информационных  ресурсов  вуза  с  целью  формирования  научных  школ  и  научных 

направлений вуза. 

Этап  1  -  извлечение  терминологических  коллокаций.  В  качестве  метода  для  выявления 

коллокации используется метод критерий 

2

x

 Пирсона [8]; 

Этап  2  -  выбор  признаков.  В  качестве  метода  для  оценки  важности  терминов,  выбран    метод 

взаимной информации (Mutual Information) [9, 10]. 

Этап  3  -  классификация  текстов  по  научным  направлениям,  для  классификации  текстов 

используется метод k ближайших соседей (kNN) [9, 10, 11]. 

Работа  с  текстовыми  файлами  корпуса  для  выполнения  статистических  расчётов  требует 

предварительно выполнить следующие действия: 

- файлы различного формата (pdf, doc, .docx) в корпусе перевести в txt формат; 

- удалить все переносы слов; 

-  провести  лемматизацию  (lemmatization)  текстов  всех  файлов  корпуса,  удалить  все  знаки 

препинания, перевести все заглавные (uppercase) буквы в строчные буквы (lowercase). 

Корпус  документов  для  обработки  (для  обучения  классификаторов)  собран  из  статей, 

опубликованных  в  журнале  «Физика  твёрдого  тела»  по  различным  направлениям,  учредителями 

которого  являются:  Российская  Академия  Наук,  отделение  Общей  Физики  и  Астрономии  РАН, 

физико-технический  институт  им.  А.Ф.Иоффе  РАН  [12].  Детальное  описание  каждого  этапа 

обработки описаны в следующих разделах.  

Извлечение  коллокаций    и  выбор  признаков  для  классификации  научных  текстов. 

Множество  терминологических  коллокаций,  выделяемое  на  заданной  коллекции  научных  текстов, 

характеризует  узкую  предметную  область  (темы  и  подтемы)  этой  коллекции.  Для  автоматического 

извлечения  терминологических  коллокаций  из  научных  текстов  используется  интерфейс  свободно 

распространяемой  Java-библиотеки  LingPipe  [8].  Массив  полученных  коллокаций  ранжируется  в 

порядке  значимости,  где  последовательность  лексем  являются  зависимыми.  Значимость  коллокаций 

вычисляется на основе статистики независимости Пирсона. Чем выше значение величины значимости 

коллокаций, тем меньше вероятность того, что последовательности лексем являются независимыми.  

Основная  модификация  метода,  основанного  на  статистическом  подходе,  заключается  в 

предварительном  использовании  морфологических  шаблонов  фильтров  [13].  Для  документов  на 

русском языке это морфологические шаблоны фильтров следующего вида: 

[сущ.+прил.(р.п.)+сущ.(р.п.)] 

[прил.+прил.+сущ.] 

[прил.+сущ.+сущ.(р.п.)] 

[сущ.+сущ.(р.п.)+сущ.(р.п.)] 

[прил.+сущ.] 

[прич.+сущ.] 

[сущ.+сущ.(р.п.)] 

[сущ.+сущ.)] 

В  соответствии  с  [13]  при  описании  шаблона  используются  следующие  сокращения:  сущ.  – 

существительное, прил. – прилагательное, р.п. – родительный падеж.  

● Технические науки 

 

                                                    

№5 2014 Вестник КазНТУ  

          

40 

Для  получения  списка  доминантных  терминов  с  помощью  критерия 

2

x

  необходимо  решить 

следующие задачи: 

- извлечение коллокаций с вычисленным коэффициентом значимости; 

- определение для каждого слова в n-грамме морфологических характеристик; 

- удаление стоп-слов и отбор словосочетаний, которые удовлетворяют шаблонам; 

- сохранение словосочетаний в таблице базы данных. 

Полученные  таким  образом  термины-кандидаты  формируют  список  n-грамм  (биграммы, 

триграммы).  Однословные  термины  извлекаются  на  основе  комбинации  частоты  и  обратной 

документной частоты термина 

c

t

Idf

Tf

,



. Вес однословного термина расчитывается по формуле: 

 

)

1

(

log

,

,

t

c

t

df

N

c

t

tf

Idf

Tf







 

 

где 

c

t

tf ,

 – частота термина в коллекции класса  c ; 

t

df

 – количество документов коллекции класса  c , 

содержащих термин; 

N

- количество документов в коллекции. 

Сформированный список терминов с весами 

c

t

Idf

Tf

,



 ранжируется, с помощью определенного 

порогового значения отбирается часть терминов, которые далее записываются в таблицу базы данных. 

Для  биграммы  и  триграммы  были  заданы  следуюшие  ограничения:  минимальная  частота 

биграммы - 10, минимальная частота триграммы - 15.  

Дальнейшим  этапом  формирования  предметного  словаря  является  выбор  признаков  для 

исключения терминов-шумов. Выбор признаков способствует повышению эффективности обучения 

классификатора  за  счет  уменьшения  размера  лексикона  и  точности  классификации.  Для  каждого 

класса  c   вычисляется  мера  полезности 

)

,

( c

t

A

  каждого  термина  из  лексикона  и  выбирается 

N

 

терминов,  имеющих  наибольшее  значение 

)

,

( c

t

A

.  Все  другие  термины  отбрасываются  и  в 

классификации  не  участвуют.  Для  удаления  неинформативных  терминов  в  работе  выбран  метод 

взаимной  информаций.  Мера  взаимной  информации  оценивает,  сколько  информации  о  классе  в 

теоретико-информационном  смысле  содержит  термин.  Вычисляется  мера  полезности 

)

,

(

c

t

MI

k

  и 

выбирается 

k

 терминов с наибольшими значениями этой меры.  

Результаты  применения  метода  взаимной  информации  для  выбора  признаков,  полученных  на 

предыдущем этапе, приведены в таблице 3. В таблице 3 указаны неинформативные слова с высоким 

критическим  значением 

2

x

  (такие  как:  окончательный  редакция),  а  также  информативные  слова  с 

более низким значением 

2

x

 (сверхпроводящий свойство, сверхпроводящий параметр). 

 

Таблица-3. Сопоставление показателей взаимной информации и 

2

x

 терминов для области 

знаний «Физика твёрдого тела» 

 

Термины 

Критическое значение 

2

x  

Значение MI 

окончательный редакция 

40462,68 

0,093 

точка зрение 

23093,13 

0,100 

сверхпроводящий гранула 

15534,01 

1,000 

межкристаллитный граница 

14328,13 

1,000 

первый очередь 

13659,12 

0,212 

высокотемпературный 

сверхпроводник 

11518,91 

1,000 

сверхпроводящий переход 

6566,12 

1,000 

фазовый превращение 

4703,25 

1,000 

объект исследование 

4413,52 

0,415 

объемный доля 

3584,50 

0,263 

обсуждение результат 

3196,66 

0,553 

настоящий время 

3175,12 

0,263 

тройной сплав 

2434,56 

1,000 

металлический проводимость 

2288,77 

1,000 

указанный выше 

2243,87 

0,652 

аморфный пленка 

1910,57 

1,000 

● Техникалыќ єылымдар 

 

ЌазЎТУ хабаршысы №5 2014  

 

41

Продолжение таблицы-3 

 

максимальный значение 

1832,25 

0,049 

система уравнение 

744,95 

0,000 

 

сверхпроводящий состояние 

665,31 

1,000 

электронный спектр 

460,36 

1,000 

сверхпроводящий свойство 

256,72 

1,000 

сверхпроводящий параметр 

144,78 

1,000 

 

Как  иллюстрирует  таблица  3  некоторые  термины  с  невысокими  показателями 

2

x

 

(сверхпроводящий  параметр  и  сверхпроводящий  свойство)  имеют  высокое  значение  MI.  На  данном 

этапе  необходимо  выполнить  выбор  информативных  терминов  с  учетом  показателя  взаимной 

информации    MI  ,  которые  отбираются  в  предметный  словарь  и  используются  затем  для 

классификации текста. 

Формирования  научного  профиля  на  основе  классификаций  информационных  ресурсов 

по  научным  направлениям.  Для  классификации  научных  ресурсов  используется -  классификация. 

Задача  классификации  в  машинном  обучении  -  это  задача  отнесения  объекта  к  одному  из  заранее 

определенных классов на основании его формализованных признаков. 

Метод 

kNN

  (метод  k  ближайших  соседей)  –  модель  векторной  классификации,  когда  –

классификатор 

)

(d

j



 возвращает либо метку класса 

j

c

 , либо метку класса 

j

c

, т.е. 

}

,

{

)

(

j

j

j

c

c

d





, где 

d

  –  тестируемый  документ.  Параметр  k    в  методе 

kNN

  часто  выбирается  на  основании  опыта  или 

знаний о решаемой задаче классификации.  

В  результате  обработки  научных  ресурсов  вуза  формируется  профили    документов.  Профиль 

документа определяется как вектор всех его релевантных тем онтологии [14]: 

)

3

(

)

,...,

(

)

(

1

d

c

d

R

R

d

PD



 

где: 

d

c

R

  -  релевантные  темы  документа 

d

.  Соответственно  научный  профиль  сотрудника 

определяется как профиль всех его публикаций: 

)

4

(

)

,...,

(

)

(

1

da

i

da

R

R

a

PD



 

где, 

da

i

R

  -  все  документы  автора.  Завершающим  шагом  классификации  текстов  является 

формирование  семантического  профиля  документа  посредством  создания  индивидов  класса 

«Информационные ресурсы» онтологии научной деятельности. 

Классификатор написан на языке Java, для обработки текста дополнительно используется набор 

инструментов таких как: LingPipe и Apache Lucene (свободные Java библиотеки для обработки текста 

и высокоскоростного полнотекстового поиска). 

В качестве лемматизатора используется библиотека russianmorphology, которая расширяет 

функционал Apache Lucene. Результатами классификации являются ранжированные классы k 

ближайших соседей, параметр k равен 5 

жүктеу/скачать 15,98 Mb.

Достарыңызбен бөлісу: