«Информатика и ее применения» (Том 11, Выпуск 3, 2017)

Оглавление | Библиография | Об авторах

Аннотации и ключевые слова.

АНАЛОГИ ТЕОРЕМЫ ГЛЕЗЕРА ДЛЯ ОТРИЦАТЕЛЬНЫХ БИНОМИАЛЬНЫХ И ОБОБЩЕННЫХ ГАММА-РАСПРЕДЕЛЕНИЙ И НЕКОТОРЫЕ ИХ ПРИЛОЖЕНИЯ

• B. Ю. Королев Факультет вычислительной математики и кибернетики Московского государственного университета имени М. В. Ломоносова; Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук; Университет Дианьзи города Ханчжоу, Китай, vkorolev@cs.msu.su

Аннотация: Доказано, что отрицательные биномиальные распределения с параметром формы, меньшим единицы, являются смешанными геометрическими распределениями. Смешивающее распределение выписывается в явном виде. Тем самым на дискретный случай перенесен аналогичный результат Л. Гле¬зера, устанавливающий, что гамма-распределения с параметром формы, меньшим единицы, являются смешанными показательными законами. Также доказан аналог теоремы Глезера для обобщенных гамма- распределений (GG-распределений, GeneralizedGammadistributions). Для смешанных биномиальных распределений, связанных с отрицательными биномиальными распределениями с параметром формы, меньшим единицы, рассмотрен случай малой вероятности успеха и доказан аналог теоремы Пуассона.
С помощью представления отрицательных биномиальных распределений в виде смешанных геомет¬рических законов доказаны предельные теоремы для отрицательных биномиальных случайных сумм независимых одинаково распределенных случайных величин (с.в.), в частности аналоги закона больших чисел и центральной предельной теоремы. Рассмотрены случаи как легких, так и тяжелых хвостов. Полу¬чены выражения для моментов предельных распределений. Полученные альтернативные эквивалентные представления предельных законов в виде смесей позволяют получить лучшее понимание механизмов, формирующих смешанные вероятностные (байесовские) модели.

Ключевые слова: отрицательное биномиальное распределение; смешанное геометрическое распределе¬ние; обобщенное гамма-распределение; устойчивое распределение; распределение Лапласа; распреде¬ление Миттаг—Леффлера; распределение Линника; смешанное биномиальное распределение; теорема Пуассона; случайная сумма; закон больших чисел; центральная предельная теорема

СЕГМЕНТИРОВАНИЕ НЕСТАЦИОНАРНЫХ СИГНАЛОВ НА ОСНОВЕ ВЕРОЯТНОСТНЫХ СВОЙСТВ ОКОННОЙ ДИСПЕРСИИ

• М. А. Драницына Московский государственный университет имени М. В. Ломоносова, факультет вычислительной математики и кибернетики; margarita13april@maii.ru
• Т. В. Захарова Московский государственный университет имени М. В. Ломоносова, факультет вычислительной математики и кибернетики; Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук, lsa@cs.msu.ru

Аннотация: Выделение фрагментов регистрируемого сигнала, т. е. его сегментация, является актуальной задачей, в частности для биомедицинской отрасли. Сегментация как этап обработки сигналов, зачастую обязательный, может способствовать интерпретации и классификации регистрируемых данных. Особен¬но сложно сегментировать нестационарные сигналы с малым отношением сигнал/шум. В рамках данной работы основное внимание уделяется изучению шумовой компоненты оконной дисперсии как случайной величины в рассматриваемых моделях. Авторами предложены модели для представления мультикомпо- нентных сигналов, а также исследованы некоторые вероятностные характеристики шумовой компоненты оконной дисперсии сигналов как случайного процесса в представленных моделях. Результаты работы согласуются с установленными эмпирически свойствами шумовой компоненты оконной дисперсии (для миограммы). Полученные результаты планируется использовать в практических задачах сегментирова¬ния сигналов и выделения интервалов с преобладанием тех или иных компонент процесса, а также для прогнозирования поведения сигналов.

Ключевые слова: оконная дисперсия; модель сигнала

ОБУЧАЕМАЯ КЛАССИФИКАЦИЯ НЕПОЛНЫХ КЛИНИЧЕСКИХ ДАННЫХ

• М. П. Кривенко Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук, mkrivenko@ipiran.ru

Аннотация: Рассматриваются вопросы эффективности методов классификации неполных клинических данных. Обучение байесовского классификатора проводится методом максимального правдоподобия (МП) для модели смеси нормальных распределений. Строгий вывод формул, обеспечивающих реали¬зацию шагов EM (expectation-maximization) алгоритма, позволил корректно применять итерационный процесс получения оценок параметров смеси. Для неполных данных предлагаются приемы выбора начальных значений и коррекции вырождающихся ковариационных матриц элементов смеси. Экс¬периментальная часть работы заключалась в анализе зависимости качества классификации от степени пропуска отдельных значений, для этого использовались данные о ферментах, полученные для пациентов с заболеваниями печени. Обработка реальных данных продемонстрировала практически идентичные ошибки классификации при применении простых и сложных методов обработки пропусков в случае невысокой степени случайного пропуска отдельных значений.

Ключевые слова: пропущенные данные; EM-алгоритм; смеси нормальных распределений

КОМПЬЮТЕРНАЯ МОДЕЛЬ СИНЕРГИИ КОЛЛЕКТИВНОГО ПРИНЯТИЯ РЕШЕНИЙ

• И. А. Кириков Калининградский филиал Федерального исследовательского центра «Информатика и управление» Российской академии наук, baltbipiran@mail.ru
• А. В. Колесников Балтийский федеральный университет им. И. Канта; Калининградский филиал Федерального исследовательского центра «Информатика и управление» Российской академии наук, avkolesnikov@yandex.ru
• С. В. Листопад Калининградский филиал Федерального исследовательского центра «Информатика и управление» Российской академии наук, ser-list-post@yandex.ru

Аннотация: Задачи управления сложными социально-техническими системами характеризуются мно¬жеством НЕ-факторов (в смысле А. С. Нариньяни), затрудняющих решение. Традиционно к подобным задачам привлекаются коллективы экспертов под руководством лица, принимающего решения (ЛПР), что позволяет справиться с разнородностью информации и динамичностью проблемной ситуации. По этой же причине для автоматизированного решения сложных задач актуально моделирование кол¬лективных процессов в системах поддержки принятия решений. В статье рассматриваются вопросы моделирования коллективного решения сложных задач и возникающего при этом эффекта синергии, когда интегрированное решение лучше любого решения экспертов, работающих индивидуально.

Ключевые слова: малый коллектив экспертов; синергия; гибридная интеллектуальная многоагентная система

МЕТОДЫ ТЕОРИИ КАТЕГОРИЙ В МОДЕЛЬНО-ОРИЕНТИРОВАННОЙ СИСТЕМНОЙ ИНЖЕНЕРИИ

• C. П. Ковалёв Институт проблем управления им. В. А. Трапезникова Российской академии наук, kovalyov@nm.ru

Аннотация: Предложен математический аппарат на базе теории категорий, который позволяет формально описывать и строго исследовать процедуры применения моделей в инженерной деятельности, составля¬ющие сущность модельно-ориентированной системной инженерии (Model-BasedSystemsEngineering, MBSE). В основе аппарата лежит математическое представление сборочных чертежей (мегамоделей сис¬тем) диаграммами в категориях, объектами которых служат модели, а морфизмы представляют действия по сборке моделей систем из моделей компонентов. Адекватность аппарата обоснована исходя из требо¬ваний стандартов, регламентирующих описание структуры систем, в том числе IEC81346. Предложены и исследованы теоретико-категорные методы решения ряда практических задач сборки систем. Приве¬дены примеры решения таких задач в категориях, представляющих две ключевые области применения MBSE: геометрическое моделирование изделий сложной формы и дискретно-событийное имитационное моделирование поведения технических систем.

Ключевые слова: модельно-ориентированная системная инженерия; мегамодель; теория категорий; копредел

ОБ ЭФФЕКТИВНОСТИ ИЕРАРХИЧЕСКОГО АЛГОРИТМА ПОИСКА ПРИБЛИЖЕННОГО БЛИЖАЙШЕГО СОСЕДА В ЗАДАННОМ НАБОРЕ ИЗОБРАЖЕНИЙ

• М. М. Ланге Федеральный исследовательский центр «Информатика и управление » Российской академии наук, lange_nim@ccas.ru
• С. Н. Ганебных Федеральный исследовательский центр «Информатика и управление» Российской академии наук, sng@ccas.ru
• А. М. Ланге Федеральный исследовательский центр «Информатика и управление» Российской академии наук, lange_am@niail.ru

Аннотация: Исследуется эффективность иерархического алгоритма поиска в заданном наборе изобра¬жений близкого представителя к предъявляемому изображению с негарантированной погрешностью относительно ближайшего соседа. Алгоритм использует пространство квадропирамидальных представ¬лений изображений и стратегию направленного поиска на последовательных уровнях представления с нарастающим разрешением. Эффективность алгоритма исследуется в терминах эмпирического распре¬деления погрешностей поиска и вычислительной сложности относительно сложности полного перебора. Приводятся эмпирические распределения погрешностей и оценки вычислительной сложности алгоритма для двух приложений: поиска в наборе изображений рукописных цифр из базы данных MNISTи коор¬динатной привязки зашумленных изображений к аэрокосмической карте местности из сетевого сервиса GoogleMaps.

Ключевые слова: изображение; квадропирамидальное представление; цифровая карта; ближайший сосед; приближенный ближайший сосед; погрешность поиска; эмпирическое распределение; вычислительная сложность

ПОВЫШЕНИЕ КАЧЕСТВА КЛАССИФИКАЦИИ В ЗАДАЧЕ ОБНАРУЖЕНИЯ ВНУТРЕННЕГО ПЛАГИАТА

• И. О. Молибог Центр энергетических систем, Сколковский институт науки и технологий; Московский физико-технический институт, i.molybog@skoltech.ru
• А. П. Мотренко Московский физико-технический институт, anastasiya.motrenko@phystech.edu
• В. В. Стрижов Вычислительный центр им. А. А. Дородницына Федерального исследовательского центра «Информатика и управление» Российской академии наук, strijov@phystech.edu

Аннотация: Исследуется задача классификации объектов в многомерных пространствах. Для снижения размерности задачи предлагается модификация алгоритма t-SNE(англ.t-distributedStochasticNeighborEmbedding), в которой при обучении используется информация о разметке, не возникает необходимости заново обучать алгоритм при добавлении новых данных, а также предусмотрена параллельная реализация. Предлагаемый алгоритм решает задачу внутреннего плагиата, в которой признаками являются частот¬ные словесные профили сегментов текста. Показано, что качество классификации после применения алгоритма выше, чем без него или с другими алгоритмами.

Ключевые слова: анализ данных; снижение размерности; нелинейные методы снижения размерности; обучение многообразий; обнаружение внутреннего плагиата

ОПРЕДЕЛЕНИЕ ЗАИМСТВОВАНИЙ В ТЕКСТЕ БЕЗ УКАЗАНИЯ ИСТОЧНИКА

• К. Ф. Сафин Московский физико-технический институт; ЗАО «Анти-плагиат», kamil.safln@phystech.edu
• М. П. Кузнецов ООО «Форексис», mikhail.kuznecov@phystech.edu
• М. В. Кузнецова Московский физико-технический институт; ЗАО «Анти-плагиат», kuznetsova@ap-team.ru

Аннотация: Для задачи поиска заимствований в тексте существуют два подхода: обнаружение «внешних» и «внутренних» заимствований. При поиске внешних заимствований известен корпус, из которого возможны заимствования. При поиске внутренних заимствований исследуемый текст анализируется изолированно, т. е. возможные источники заимствований неизвестны. Данная работа посвящена поиску внутренних заимствований в тексте. Предполагается, что большая часть текста написана одним автором. Необходимо выделить участки текста, написанные другим автором, если таковые имеются. В работе пред¬лагается алгоритм, строящий статистику сегментов текста, по которой определяется факт зависимости. Эксперимент проводится на коллекции конкурса PAN-2011.

Ключевые слова: обработка естественного языка; детектирование внутренних заимствований; поиск выбросов в статистике

ПСИХОЛИНГВИСТИЧЕСКИЙ АНАЛИЗ РУССКОЯЗЫЧНЫХ ТЕКСТОВЫХ СООБЩЕНИЙ НА ОСНОВЕ ИХ ФОНОСЕМАНТИЧЕСКИХ СТАТИСТИЧЕСКИХ ХАРАКТЕРИСТИК

• А. С. Сигов Московский технологический университет (МИРЭА), assigov@yandex.ru
• Д. А. Акимов Московский технологический университет (МИРЭА), akimov_d@miTea.ru
• Д. О. Жуков Московский технологический университет (МИРЭА), zhukovdm@yandex.ru
• Е. Г. Андрианова Московский технологический университет (МИРЭА), dtghmflysq@gmaii.com
• В. Е. Сачков Московский технологический университет (МИРЭА), megawatto@mail.ru
• В. К. Раев Московский технологический университет (МИРЭА), raev@mirea.ru

Аннотация: Рассматривается проблема идентификации типа акцентуации паттерна поведения вирту¬ального субъекта в сети Интернет и социальных сетях на основе статистического анализа текстов, что позволяет сформулировать гипотезу о структурных свойствах его коммуникаций и позволяет построить матрицу вероятностей для отношений между виртуальными масками субъектов. Тексты пользователей рассматриваются как сложные семантико-синтаксические образования, обладающие рядом психолин¬гвистических характеристик. К их числу относятся цельность, а также смысловая направленность сообщения. Кроме того, в тексте, рассматриваемом как продукт речевой деятельности, обладающий большой степенью семантической вариативности, определяемой его темпоральными и сонарными ха¬рактеристиками, проявляется невербальный характер поведения сетевых субъектов — виртуальных масок и роботизированных агентов. Практическая значимость предлагаемого решения для психолингвистиче¬ского анализа строится на возрастающем значении развития системы условных знаков, в данном случае условных языков е-коммуникации, для порождения, в свою очередь, управляющих кластеров, регулиру¬ющих социальное поведение виртуальных субъектов в Сети. Это предположение строится на гипотезе Кеннета Айверса, в соответствии с которой чем лучше развита система условных знаков, тем больше возможностей она дает для создания новых алгоритмов.

Ключевые слова: психолингвистические характеристики; невербальное поведение; виртуальные маски; процесс мышления; семантический смысл; лингвистический релятивизм

ВЕРОЯТНОСТНАЯ МОДЕЛЬ СОВМЕСТНОГО ИСПОЛЬЗОВАНИЯ РЕСУРСОВ БЕСПРОВОДНОЙ СЕТИ С АДАПТИВНЫМ УПРАВЛЕНИЕМ МОЩНОСТЬЮ

• И. А. Гудкова Российский университет дружбы народов; Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук, gudkovaja@rudn.university
• С. Я. Шоргин Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук, sshorgm@ipiran.ru

Аннотация: Развивающиеся беспроводные сети последующего поколения (nextgenerationnetwork, NGN) предполагают новые приложения и услуги как для обычных пользователей, так и для устройств меж¬машинного взаимодействия (machine-to-machine, M2M). Решение проблемы увеличения требований к пропускной способности сети и недостаточности спектра радиочастот, в частности в случае умных го¬родов, может быть достигнуто посредством концепции совместного использования радиочастот (licensedsharedaccess, LSA). Авторы предлагают математическую модель совместного использования ресурсов с адаптивным управлением мощностью. Заложенный в ней алгоритм позволит избежать интерференции M2M-устройств с владельцем спектра, в том числе благодаря тому, что учитывает пространственное расположение устройств и их сессионную активность.

Ключевые слова: беспроводная сеть; умный город; межмашинное взаимодействие; совместное исполь¬зование радиочастот; адаптивное управление мощностью; случайный процесс; рекуррентный алгоритм; вероятность блокировки; вероятность прерывания обслуживания; среднее число устройств

СИСТЕМА МАССОВОГО ОБСЛУЖИВАНИЯ С ОГРАНИЧЕННЫМИ РЕСУРСАМИ И СИГНАЛАМИ ДЛЯ АНАЛИЗА ПОКАЗАТЕЛЕЙ ЭФФЕКТИВНОСТИ БЕСПРОВОДНЫХ СЕТЕЙ

• К. Е. Самуйлов Российский университет дружбы народов; Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук, samouylov_ke@rudn.university
• Э. С. Сопин Российский университет дружбы народов; Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук, sopin_es@rudn.university
• С. Я. Шоргин Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук, sshorgm@ipiran.ru

Аннотация: Рассматривается многолинейная система массового обслуживания (СМО) с ресурсами огра-ниченного объема. Поступающая заявка занимает не только прибор, но и некоторый объем ресурсов на все время обслуживания. Помимо потока заявок на систему поступает поток сигналов, при поступлении которых заявки заново разыгрывают объем занимаемых ресурсов. Рассматриваемая система массового обслуживания позволяет описывать функционирование беспроводной сети с учетом перемещения поль¬зователей в течение периода жизни пользовательской сессии. Исследуются две модели перемещения пользователей. В первой пользователи перемещаются независимо друг от друга; следовательно, в соот¬ветствующей математической модели поступление сигнала изменяет занимаемый объем ресурсов только одной заявки. Во второй модели пользователи перемещаются совместно, поэтому занимаемый объем ресурсов меняется одновременно у всех заявок.

Ключевые слова: ограниченные ресурсы; сигнал; система массового обслуживания; беспроводная сеть; сети связи 4-го поколения

REVISITING JOINT STATIONARY DISTRIBUTION IN TWO FINITE CAPACITY QUEUES OPERATING IN PARALLEL

• L. Meykhanadzhyan School No. 281 of Moscow, 7 Raduzhnaya Str. Moscow 129344, Russian Federation
• S. Matyushenko Peoples’ Friendship University of Russia (RUDN University), 6 Miklukho-Maklaya Str., Moscow 117198, Russian Federation
• D. Pyatkina Peoples’ Friendship University of Russia (RUDN University), 6 Miklukho-Maklaya Str., Moscow 117198, Russian Federation
• R. Razumchik Peoples’ Friendship University of Russia (RUDN University), 6 Miklukho-Maklaya Str., Moscow 117198, Russian Federation; Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences; 44-2 Vavilova Str., Moscow 119333, Russian Federation

СОВМЕСТНОЕ СТАЦИОНАРНОЕ РАСПРЕДЕЛЕНИЕ ЧИСЛА ЗАЯВОК В СИСТЕМЕ С ДВУМЯ ОЧЕРЕДЯМИ КОНЕЧНОЙ ЕМКОСТИ И ОБЩИМ ВХОДЯЩИМ ПОТОКОМ

• Л. А. Мейханаджян Школа № 281 города Москвы
• С. И. Матюшенко Российский университет дружбы народов
• Д. А. Пяткина Российский университет дружбы народов
• Р. В. Разумчик Российский университет дружбы народов; Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук

Аннотация: Рассматривается система массового обслуживания с входящим пуассоновским потоком и дву¬мя приборами, являющаяся одним из простых вариантов fork-систем. Перед каждым прибором имеется накопитель конечной емкости. При поступлении в систему новой заявки создается ее копия и далее в каждую из очередей поступает по одной заявке. Если в момент поступления заявки накопитель ока¬зывается полностью заполненным, заявка теряется и в систему не возвращается. Времена обслуживания заявок на приборах имеют экспоненциальное распределение с различными параметрами. Хорошо из¬вестно, что подобные системы с трудом поддаются аналитическому анализу. В работе предлагается метод нахождения вероятности блокировки, а также совместного стационарного распределения числа заявок в накопителях, основанный на методе производящих функций и использующий некоторые результаты теории специальных функций.

Ключевые слова: система массового обслуживания; fork-система; две очереди; конечная емкость; стационарное распределение

ON PARALLELIZATION OF ASYMPTOTICALLY OPTIMAL DUALIZATION ALGORITHMS

• E. V. Djukova Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation; M.V. Lomonosov Moscow State University, M.V. Lomonosov Moscow State University, 1-52 Leninskiye Gory, GSP-1, Moscow 119991, Russian Federation
• A. G. Nikiforov Technische University of Munich, 21 Arcisstrasse, Munich 80333, Germany
• P. A. Prokofyev Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation

О РАСПАРАЛЛЕЛИВАНИИ АСИМПТОТИЧЕСКИ ОПТИМАЛЬНЫХ АЛГОРИТМОВ ДУАЛИЗАЦИИ

• Е. В. Дюкова Федеральный исследовательский центр «Информатика и управление» Российской академии наук; Московский государственный университет им. М. В. Ломоносова
• А. Г. Никифоров Технический университет Мюнхена, г. Мюнхен, Германия
• П. А. Прокофьев Федеральный исследовательский центр «Информатика и управление» Российской академии наук

Аннотация: Основной целью работы является разработка и реализация подхода к построению эффек¬тивных параллельных алгоритмов для труднорешаемых перечислительных задач и демонстрация этого подхода на примере одной из центральных перечислительных задач — задачи дуализации. Из известных алгоритмов дуализации наиболее быстрыми являются асимптотически оптимальные алгоритмы. Эти алгоритмы имеют теоретическое обоснование эффективности «в среднем». Поскольку число решений дуализации растет экспоненциально с ростом размера входа, актуальным является использование па¬раллельных вычислений. В статье предложена статическая схема распараллеливания асимптотически оптимальных алгоритмов дуализации и осуществлено ее тестирование. Проведена статистическая об¬работка экспериментов с целью определения вида распределения случайной величины, определяющей объемы подзадач. Выявлены условия, при которых схема демонстрирует ускорение, близкое к макси¬мальному, и достаточно равномерную загрузку процессоров.

Ключевые слова: дискретная перечислительная задача; дуализация; асимптотически оптимальный алго¬ритм; неприводимое покрытие булевой матрицы; алгоритмы с полиномиальной задержкой; параллель-ный алгоритм дуализации

STATISTICAL DATA AS INFORMATION SOURCE FOR LINGUISTIC ANALYSIS OF RUSSIAN CONNECTORS

• O. Inkova Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation
• N. Popkova Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation

СТАТИСТИЧЕСКИЕ ДАННЫЕ КАК ИНФОРМАЦИОННАЯ ОСНОВА ЛИНГВИСТИЧЕСКОГО АНАЛИЗА КОННЕКТОРОВ РУССКОГО ЯЗЫКА

• О. Ю. Инькова Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук
• Н. А. Попкова Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук

Аннотация: Целью статьи является описание статистических данных, которые получены с помощью надкорпусной базы данных (НБД) коннекторов для лингвистического анализа их формальных и функ¬циональных свойств. До настоящего времени эти свойства описывались, как правило, с применением семантического анализа; корпусные данные, если и привлекались, то без их статистической обработки. Именно программно генерируемая и верифицируемая статистическая информация, полученная на осно¬ве корпусов текстов, может служить одним из надежных параметров лингвистического анализа языковых единиц, в том числе коннекторов. Описаны виды получаемой с помощью НБД статистики и возмож¬ности ее использования для собственно лингвистического анализа на примере языковой единицы только, отличающейся своей полифункциональностью, а также способностью входить в качестве составляющей в значительное число многокомпонентных и двухместных коннекторов.

Ключевые слова: аннотирование коннекторов; корпусная лингвистика; надкорпусные базы данных; параллельные тексты; статистические данные

INDICATOR EVALUATION OF PROCESSES OF KNOWLEDGE TRANSFER FROM SCIENCE TO TECHNOLOGY

• I. M. Zatsman Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation
• G. V. Lukyanov Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation
• V. A. Minin Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation
• V. A. Havanskov Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation
• S. K. Shubnikov Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation

ИНДИКАТОРНОЕ ОЦЕНИВАНИЕ ПРОЦЕССОВ ПЕРЕНОСА ЗНАНИЙ ИЗ ОБЛАСТИ НАУЧНЫХ ИССЛЕДОВАНИЙ В СФЕРУ ТЕХНОЛОГИЧЕСКОГО РАЗВИТИЯ

• И. М. Зацман Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук
• Г. В. Лукьянов Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук
• В. А. Минин Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук
• В. А. Хавансков Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук
• С. К. Шубников Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук

Аннотация: Данная работа посвящена индикаторному оцениванию информационных связей науки и технологий. Индикаторы связей определяются как число или матрица числовых значений, которые характеризуют интенсивность и различные аспекты процесса переноса знаний из разных областей иссле¬дований в сферу технологий. Дано описание первичных информационных ресурсов, используемых для определения значений этих индикаторов, включая полнотекстовые описания изобретений. Приводится описание вторичных информационных ресурсов, генерируемых в процессе обработки полнотекстовых описаний, включая информацию о ссылках на научные публикации, цитируемые в описаниях. Исходные и вторичные ресурсы использовались при создании и апробации информационной модели индикаторного оценивания связей науки и технологий. На ее основе были определены значения интегральных и тема-тических индикаторов интенсивности переноса научных знаний в сферу разработки информационных технологий.

Ключевые слова: информационные взаимосвязи науки и технологий; цитирование научных работ; интенсивность процесса переноса знаний; индикаторное оценивание; информационные технологии