«Информационные Ресурсы России» №1, 2014

Введение

Реализация современных бизнес-процессов требует аккумуляции и обновления знаний в различных предметных областях. Помимо обеспечения участников бизнес-процессов информацией реального времени, влияющей на принятие оперативных решений, немаловажным является обеспечение эффективного доступа к нормативно-справочной информации (НСИ) промышленного предприятия, необходимой для принятия решений стратегического уровня.

Однако разнородность, количество объектов и процессов, содержащихся в нормативно-справочной информации, описывающей бизнес-процессы промышленного предприятия, затрудняют доступ пользователя к данной информации и требуют от последнего временных и трудозатрат на поиск и изучение множества соответствующих документов. Кроме того, затруднения вызывает семантическая разнородность, заключающаяся в том, что одни и те же процессы и объекты с разных сторон описываются в различных документах. Нормативно-справочные документы: классификаторы материалов, оборудования, регламенты – это стратегический актив компании, который промышленные предприятия используют в процессе постоянного информационного обмена. Различие в версиях данных документов приводит к их многочисленному дублированию на предприятии. В существующих информационных системах необходимость синхронизации фрагментированных баз данных НСИ необоснованно повышает стоимость владения программным обеспечением и снижает эффективность внедрения и использования информационных технологий, возлагая возросшую нагрузку на пользователя данных систем.

Задача повышения эффективности информационных систем промышленных предприятий за счет оперирования формализованными знаниями известна довольно давно. По данной тематике опубликовано и выпущено множество статей и монографий [1,3,4,6,8,10], разработан целый ряд моделей и методов формирования и спроектированных на их основе информационных систем, которые находят широкое применение в различных областях, в том числе в промышленности.

Вместе с тем, несмотря на высокий уровень исследований в этой области, создание информационных систем промышленных предприятий, делающих возможным эффективный (в плане сокращения времени) поиск нормативно-справочной информации предприятия различным категориям пользователей, остаётся сложной, до конца не решённой проблемой. В связи с чем, актуальным становится создание мультипредметных информационных систем [5], способных оперативно предоставлять релевантную ожиданиям разнородных пользователей информацию. Решением данной проблемы является разработка новых технологий автоматического формирования верифицируемой базы знаний НСИ промышленного предприятия, а также технологий адаптации визуального представления данной базы знаний с целью повышения эффективности поиска релевантной ожиданиям пользователей НСИ.

Модель ресурса и категории пользователей

Под информационным ресурсом промышленного предприятия будем понимать коллекцию документов, содержимое которых (контент) оперирует в смысле синтаксиса языка документа некоторым множеством понятий, складывающихся тем или иным образом в логическую систему.

Логическая система образуется заданием на данном множестве понятий различных семантических связей L, определяющих допустимые с точки зрения создателя документа способы взаимной интерпретации понятий из С:

Подобную систему в современной ИТ-науке принято называть онтологией [10]. Назовем систему, описывающую контент информационного ресурса онтологией промышленного предприятия. Обратим внимание, что отношения на множестве понятий онтологии могут быть как симметричными, так и асимметричными. При этом один из концептов, участвующих в двухместном асимметричном отношении, может рассматриваться как атрибут другого.

Ментальная модель человека, использующего информационный ресурс, также может быть представлена в виде логической системы – онтологии пользователя. Данная онтология характеризует взаимосвязь понятий с точки зрения пользователя. Отметим, что (вследствие, вероятно, социальной природы человека) представления различных людей об одной предметной области в целом мало отличаются, что выражается в схожести структур различных пользовательских онтологий. Однако люди, различающиеся по различным признакам, таким, например, как принадлежность к социальным группам, возраст, пол, область профессиональной деятельности и другие, в процессе жизнедеятельности, как правило, оперируют различными фрагментами своих онтологий с разной интенсивностью. Для практического использования в рамках современных информационных систем данные зависимости должны быть формализованы.

Для определенного профессионального сообщества людей имеют место общие представления о некоторых объектах или задачах. Эта общность выражается в схожем ранжировании атрибутов понятий по значимости. При этом наиболее важные для пользователя атрибуты играют роль свойств, идентифицирующих объект. Например, в ментальной модели человека категории «управленец» экземпляр понятия «Карьерный экскаватор» будет идентифицироваться значениями атрибутов, характеризующих производительность и стоимость владения. В то же время для пользователя отдела технического планирования экземпляр этого же понятия идентифицируется атрибутами, описывающими аспекты технического обслуживания – объем и время работ, требования к квалификации персонала и т.п. (рис.1).

В этой связи можно определить на множестве атрибутов понятий отношение порядка, определяющее значимость атрибута для данного пользователя. Тогда некоторое количество наиболее значимых атрибутов (в представлении конкретного человека) будет идентифицировать объект окружающего мира как принадлежащий к тому или иному классу.

Рис.1. Идентифицирующие атрибуты понятия «Карьерный экскаватор» для различных категорий пользователей



Модель навигационного интерфейса

Пользовательский интерфейс ресурса имеет две основных составляющих – это внешнее оформление (дизайн) и навигационная структура. Если качество первого компонента является исключительно субъективной категорией и вряд ли может быть оценено формально, то для оценки качества навигационной структуры ресурса можно использовать степень ее соответствия ментальной модели пользователя. При этом должна рассматриваться семантика навигационной структуры (семантическая структура интерфейса). Чем более схожими являются семантическая структура интерфейса и ментальная модель пользователя, тем более удобным и понятным для конечного пользователя будет интерфейс. Последний в этом случае будет способен «предугадывать» образ мыслей пользователя и визуализировать фрагмент понятийной системы ожидаемым для него способом. Будем далее именовать меру соответствия семантической структуры интерфейса ментальной модели пользователя когнитивностью интерфейса. Далее рассматривается формализованное описание навигационной структуры и основанная на нем, требующая оптимизации, количественная оценка когнитивности пользовательского интерфейса.

Итак, пользовательский интерфейс представляет собой пару, где I – множество информационных элементов; s – навигационная структура.

Навигационная структура определяет иерархию групп информационных элементов (ИЭ) или доступных для пользователя действий. При этом на каждом уровне иерархии исходное множество информационных элементов (будем полагать, что доступное пользователю действие является частным случаем ИЭ) делится на подмножества в соответствии с одним или несколькими классификационными признаками. В качестве классификационных признаков используются атрибуты понятий предметной области. Очевидно, что при использовании на одном уровне навигационной структуры нескольких признаков, полученные множества ИЭ, могут пересекаться. Введем следующие обозначения:

Рост объемов информации, обрабатываемой современными информационными системами, обуславливает необходимость развития технологий оперативного доступа в ней. Одним из путей решения данной проблемы является построение адаптивных пользовательских интерфейсов, способных предоставить пользователю необходимый функционал для оперирования большими массивами данных в соответствии с его информационными потребностями. В данной работе рассмотрена технология построения адаптивных интерфейсов мультипредметных информационных систем на основе оценки качества интерфейса как меры соответствия навигационной структуры ментальной модели пользователя.

Литература:
1. Acker L., Porter B. Extracting viewpoints from knowledge bases/ The 12th National Conference on Artificial Intelligence. – 1994. – P. 547-552.
2. Averbukh, V.L. Toward formal definition of conception adequacy in visualization/ IEEE Symposium on Visual Languages, The Isle of Capri, Italy. – 1997. – P. 46-47.
3. Гаврилова Т.А., Гулякина Н.В. Визуальные методы работы со знаниями: попытка обзора // ИИ и принятие решений. – 2008. - № 1. – С. 19-33.
4. Гаврилова Т.А., Гулякина Н.В., Голенков В.В. Технология проектирования интеллектуальных систем // Информационные системы и технологии (IST’2009): материалы V Междунар. конф.-форума в 2-х ч. Ч. 2 – Минск: А.Н.Вараксин, 2009. – C.93-96.
5. Диковицкий В.В., Ломов П. А., Сепеда-Эррера Р. Р., Шишаев М. Г. Современные методы создания мультипредметных веб-ресурсов на базе визуализации и обработки формализованной семантики // Вестник Кольского научного центра РАН. – 2011. – № 3. С.63-73.
6. Когаловский М.Р. Перспективные технологии информационных систем / М.Р. Когаловский. – М.: Компания АйТи, 2003. – 288 с.
7. Кучуганов В. Н. Элементы теории ассоциативной семантики // Управление большими системами / Сборник трудов. Выпуск 40: М.: ИПУ РАН, 2012. – 328 с. – С. 30-48.
8. Тузовский А. Ф. Разработка систем управления знаниями на основе единой онтологической базы знаний // Известия ТПУ. – 2007. – № 2.
9. Осипов Г.С., Выборнова О. Е., Завьялова О.С., Смирнов И.В., Тихомиров И.А. Методика оценки эффективности систем информационного поиска // Сборник трудов VI международной конференции Интеллектуальный Анализ Информации ИАИ'2006, г. Киев. – C. 214-227.
10. Смирнов А.В. Онтологии в системах искусственного интеллекта: способы построения и организации / А. В. Смирнов, М. П. Пашкин, Н. Г. Шилов, Т. В. Левашова // Новости искусственного интеллекта. — 2002. — №1. – С.3-13.
11. Шишаев М.Г., Ломов П.А., Диковицкий В.В. Использование концепции «user as an expert» в разработке мультипредметных веб-ресурсов, основанных на онтологиях // Труды Института системного анализа РАН: Прикладные проблемы управления макросистемами. – 2012. – Т. 62. – С.40-47.