4. Понятие «Шкалирование».

Разумной деятельности человека свойственно стремление к упорядоченности. Мы пытаемся как-то систематизировать, «разложить по полочкам» те явления, события, факты, а точнее - информационные единицы, с которыми мы имеем дело. Для этой цели мы используем разного рода шкалы. Это могут быть строгие метрические шкалы, такие как шкала упорядочения персонала по возрасту, профессиям; шкала показателей тесноты связи между изучаемыми показателями (например, шкала Чеддока); бальная оценка уровня менеджмента на предприятиях концерна и т.д. Но это могут быть и «размытые шкалы», такие естественные в нашем языке. Вот как мы оцениваем частоту появления какого-то события: Никогда, Чрезвычайно редко, Очень редко, Редко, Редко, но не очень, Не часто - не редко, Часто, но не слишком, Часто, Очень часто, Почти всегда, Всегда. Или степень формализации проблемы: структурированная, слабо структурированная, не структурированная. А еще есть так называемые «оппозиционные шкалы» типа Рентабельное – Убыточное (о предприятии или продукции), Лидер рынка - Отстающий, Высокая – Низкая (о прибыли или доходе) и т.п. Сюда же относится и знакомое всем нам Мы - Они.

Отображая отношения и связи реального мира, база знаний должна уметь отразить и это свойство человеческого мышления.

5. Понятие «Погружение в пространство с «семантической метрикой».

В нашем сознании это пространство образуют понятия, факты, явления, близкие по своему смыслу (семантике). Все зависит от конкретной типовой ситуации, но мы все-таки отметим этот факт: точки каждого кластера образуют совокупности понятий, семантически близких между собой. Таково свойство нашего мышления. Типовая ситуация - ядро, вокруг которого группируется информация.

В какое пространство (чаще говорят - кластер) мы поместим понятие «Цель»? Это может быть «Желаемый результат» или «Ориентир, или «Количественный показатель», или «Качественный показатель. Все зависит от ситуации.

Но есть и другой принцип образования кластеров. Выбор того или иного понятия из множества ему близких подчиняется у человека еще и частоте появления. На просьбу назвать показатель эффективности деятельности предприятия многие (большинство) ответят: рентабельность; на просьбу назвать социально-экономический объект - чаще всего – организация (предприятие, фирма).

Таким образом, имеются, по крайней мере, две системы оценки близости информационных единиц. Одна опирается на их ситуативную близость, а другая - на частоту появления тех или иных понятий в типовых ситуациях.

(Разработана довольно стройная теория моделирования образования ситуационных кластеров. Но не будем сейчас вдаваться в подробности. Следует отметить лишь то, что метод погружения в пространство с семантической метрикой, будучи, хотя и приближенно, реализованным в базе знаний, существенно повышает ее «интеллектуальный уровень»).

Примечание к пункту 5.

(«Семантический» значит «с учетом смысла слов». Семантическая метрика. На множестве информационных единиц в некоторых случаях полезно задавать отношение, характеризующее ситуационную близость информационных единиц, т.е. силу ассоциативной связи между информационными единицами. Его можно было бы назвать отношением релевантности для информационных единиц. Такое отношение дает возможность выделять в информационной базе некоторые типовые ситуации (например, "покупка", "регулирование движения на перекрестке"). Отношение релевантности при работе с информационными единицами позволяет находить знания, близкие к уже найденным.

Релева́нтность (лат. relevo — поднимать, облегчать) в информационном поиске — семантическое соответствие поискового запроса и поискового образа документа. В более общем смысле, одно из наиболее близких понятию качества «релевантности» — «адекватность», то есть не только оценка степени соответствия, но и степени практической применимости результата, а также степени социальной применимости варианта решения задачи).