| Тип паттерна | Паттерн |
| А1 | интеграция бизнес-процессных моделей и ERP-систем |
| А2 | управление стоимостью проекта |
| А3 | блочно-иерархический подход для построения базы знаний |
| А4 | использование эволюционных алгоритмов для решения NP-трудной задачи |
| А5 | синхронизация в управлении хаотическими системами |
| А6 | способ обоснования решения задачи коммивояжера |
Структуры паттернов, определяемые составами ролей и типами учитываемых отношений, могут различаться в разных решаемых задачах. Для задач принятия решений целесообразно использовать два варианта структур ПтП: первый вариант служит для именования проблемы, второй – для выделения прецедентов принятия решений в документах, посвященных определенной проблеме.
Варианты структур паттернов. Первый вариант структуры ПтП характеризуется ролями С1-С4 и отношениями А1-А6, представленными выше. Извлечение документов, относящихся к исследуемой проблеме, из имеющейся документальной базы знаний заключается в поиске документов, в которых число паттернов заданных типов превышает некоторое пороговое значение.
Выделение перспективных документов, потенциально содержащих аналоги искомых решений, из множества документов, найденных на основе первого варианта, выполняется с использованием второго варианта структуры ПтП. Для второго варианта необходимы паттерны, их слоты и распределение концептов по кластерам, соответствующие задаче поиска решений. В экспериментах с упомянутым выше корпусом документов использовались паттерны Е1=(D2, D1), E2=(D3, D2, D1), где слоты имеют следующие наборы значений:
- D1: вариант, альтернатива, метод, методика, решение, подход, способ, конструкция, критерий;
- D2: множество, совокупность, набор, выбор, сравнение, сопоставление, принятие, новый, оригинальный, предпочтительный;
- D3: предложение, представление, описание, разработка, оценка.
Ниже приведены примеры фраз, выделенных с помощью предлагаемого подхода из текстов используемого набора научно-технических статей:
Поставлена задача выбора эффективных вариантов моделей разработки программного обеспечения, которая сводится к задаче гипервекторного ранжирования.
Формирование целей и стратегий их реализации является одной из важнейших составляющих процедуры принятия управленческих решений.
Предлагается новый подход к обработке многомерных данных на основе использования меры однородности
Данный метод основан на парных сравнениях альтернативных вариантов по различным критериям с использованием шкалы оценивания и последующим ранжированием набора альтернатив по всем критериям и целям.
Составлена многоэкстремальная целевая функция, позволяющая провести сравнение эффективности полученных конструкций генетического алгоритма
В результате проведенных исследований выполнен также анализ и обоснование выбора базовых методов для решения СЛАУ.
Предлагается новый подход к обработке многомерных данных на основе использования меры однородности
Предложен новый подход к решению указанных проблем и описана разработанная технология быстрого вычисления характеристик сложных технических объектов.
Множество технических решений получается путем подбора различных комбинаций конструктивных элементов так, чтобы получить из них наборы, выполняющие все специфицированные функции.
Система «Поиск прецедентов» и ее применение. Для каждого документа в БЗ предварительно выполняются процедуры выделения основ слов, удаления стоп-слов и выделения в обработанном таким образом тексте терминов, совпадающих с терминами используемой предметной онтологии. Определяются имеющиеся в текстах сложные концепты, принимаемые в качестве метаданных, образующих сокращенные аннотации документов. Поддержка принятия решения заключается в предоставляемой ЛПР возможности вызвать по любому найденному сложному концепту очередного документа фразу (заданное число обрамляющих слов, предложение или абзац), являющуюся контекстом данного концепта. Совокупность таких фраз является расширенной аннотацией документа
Поиск решения в системе начинается с задания запроса, например, в виде формулировки проблемы в форме перечней простых концептов из предъявляемых пользователю списков терминов используемой онтологии отдельно по каждому кластеру. Выполняется сопоставление концептов запроса с элементами метаданных документов, .причем со всеми возможными их представлениями с учетом отраженной в онтологии синонимии. Для релевантных запросу документов выполняется поиск паттернов, указывающих на возможное описание прецедента. Система выдает ЛПР перечень отобранных релевантных документов вместе с метаданными на предмет дальнейшего неавтоматического анализа.
Другими словами, система обращает внимание ЛПР на те документы и места в документе, которые потенциально содержат информацию об интересующей пользователя проблеме и прецеденте ее решения. Располагая такой информацией, ЛПР может вызвать для просмотра весь документ или игнорировать его.
Заключение. Предложенный метод поддержки принятия проектных решений основан на ролевой кластеризации онтологий. При реализации метода предварительно выполняется автоматическое извлечение знаний из документов коллекции в виде сокращенной аннотации - совокупности сложных концептов. Поиск решений включает шаги выделения системой документов, метаданные которых соответствуют запросу, анализа пользователем сложных концептов найденных документов путем раскрытия сокращенной аннотации в расширенную и вызова полного текста только тех документов, которые по результатам такого анализа оказались перспективными.
Список литературы
1. Xu K., Muñoz-AvilaH. CaBMA: Case-Based Project Management Assistant. // In: proceedings of the Innovative Applications of Artificial Intelligence Conference on Artificial Intelligence (IAAI-04). Springer, 2004, pp 931-936.
2. Гамма Э., Влиссидес Дж., Джонсон Р., Хелм Р. Приемы объектно-ориентированного проектирования. – СПб: Питер, 2007, 368 с.
3. Ларман К. Применение UML и шаблонов проектирования. Введение в объектно-ориентированный анализ и проектирование. – М.: Вильямс, 2006. – 736 с.
4. Tichy W.F. A Catalogue of General-Purpose Software Design Patterns. - http://www.laputan.org/pub/patterns/tichy/catalogue.pdf
5. Справочник. Паттерны проектирования. - http://www.design-pattern.ru/patterns/page-controller.html
6. Nunez E.J., Lake L.W., Gilbert R.B., Srinivasan S., Yang F., Kroncke M.W.. Towards an Ontology Driven EOR Decision Support System. - http://www.w3.org/2008/11/ogws-papers/nunez.pdf
7. Steel J., Iannella R., Lam H.. Using Ontologies for Decision Support in Resource Messaging. // Proceedings of the 5th International ISCRAM Conference. F. Fiedrich and B. Van de Walle, eds. Washington, USA, 2008, pp 276-284.
8. Ceccaroni L., Cortes U., Sanchez-Marre M., OntoWEDSS: an Ontology-Underpinned Decision-Support Systemfor Wastewater Management. // In: International Environmental Modelling and Software Society Conference, Lugano, Switzerland, 2002, pp 432-437.
9. Zheng Y. MEMS Design Synthesis Based on Hybrid Evolutionary Computation. - PhD thesis, University of California, 2006.
10. GangemiA. Ontology Design Patterns for Semantic Web Content. // In Proceedings of ISWC 2005, Springer, 2005, pp 262-276.
11. Maskardi V., Corde V., Rosso P. A Comparison of Upper Ontologies. //Technical report DISI-TR-06-21. - www.disi.unige.it/person/MascardiV/Download/DISI-TR-06-21.pdf
12. WeKnowIt. Prototypical Knowledge Management Methodology - http://www.weknowit.eu/sites/default/files/D5.2.1.pdf
13. Норенков И.П. Документальные базы знаний на основе онтологий // Информационные технологии, 2011, N 2, с. 11-16