Предикатные модели, методы и технология обработки процессных знаний в информационных системах

Abstract

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.06 – информационные технологии. – Харьковский национальный университет радиоэлектроники Министерства образования и науки Украины, Харьков, 2016. Цель диссертационного исследования – разработка моделей процессных знаний на основе анализа лог-файлов с использованием аппарата АКП и реляционных сетей, а также технологий Process Mining и вывода знаний на прецедентах, способных повысить эффективность решения задач анализа темпоральных знаний в интеллектуальных системах. Проведен анализ существующих методов интеллектуального анализа процессов и метода получения решений, основанного на прецедентах. Исследованы основные особенности и структурные элементы процессной модели знаний. Показано, что преимущества данной модели связаны с возможностями конфигурирования, а также иерархического представления процесса. Показаны преимущества аппарата АКП как средства выделения структуры процессной модели знаний. Показана актуальность разработки средств моделирования процессных знаний в ИС. Результаты иссертационной работы практически применены в Центральной клинической больнице Укрзализныци г. Харькова при разработке программно-алгоритмической части и наполнении базы знаний программно-аппаратного комплекса автоматизированной медицинской диагностики заболеваний. Теоретические результаты диссертации были использованы в учебном процессе на кафедре интеллектуальных компьютерных систем НТУ «ХПИ» и на кафедре программной инженерии ХНУРЭ.

Thesis for a candidate degree in technical sciences, specialty 05.13.06 – Information Technologies – Kharkiv National University of Radio Electronics of the Ministry of Education and Science of Ukraine, Kharkiv, 2016. Improved predicate model metric in the space of precedents, which, unlike the existing ones, allows practical test of its existence with the help of conditions and the introduction of the Euclidean metric in the space of linearized attributes. For the first time developed a method for estimating the proximity of precedents based on the tabulation attributes scales and the attribution of weights based on the functional dependence of the weights of the attributes of precedents that can significantly improve the accuracy of estimates of the proximity of precedents by taking into account the weight of the real growth of the attributes in their critical bands. It has continued to develop a technique of constructing a predicate hierarchical model of process knowledge in the form of a relational metanet, which is based on the model of "data-information-knowledge-meta-knowledge." The hierarchical structure simplifies the configuration process model and complements its implicit connections. Improved methods of hierarchical model configuration process knowledge based on the analysis of log files, which, unlike the existing ones, has the form of a hierarchical system of binary predicates that define the behavior of the logic of the process. The method includes tuning a subject area, which increases the efficiency of Process Mining techniques.