Введение
Для обеспечения информационной поддержки принятия решений при наличии локальных распределенных информационных баз, созданных для различных приложений, часто возникает необходимость использовать обобщенную информацию, т.е. обеспечить совместное использование данных различных баз. Интеграция данных может быть обеспечена на физическом, логическом, семантическом уровнях. В статье рассматривается семантический уровень интеграции данных, при котором осуществляется поддержка представления данных с учетом их семантических свойств в контексте единой онтологии предметной области [4].
Объединение информации достигается путем построения онтологий по отдельным БД с последующим созданием общей для них онтологии. Создаваемое, таким образом, единое информационное пространство должно позволять объединять информацию из различных баз данных и проводить поиск информации.
В настоящее время вопросам применения методов интеграции и поиска информации для обеспечения поддержки управленческих решений на основе онтологии посвящены работы российских и зарубежных ученых Гавриловой Т.А., Егошиной А.А., Загорулько Ю.А., Норенкова И.П., Пальчунова Д.Е., Смирнова С.В., Щербак С.С., Bianchini D., Gruber T. R., Medche A., Stumme G. и др. Авторами также рассматривались вопросы обеспечения информационной поддержки на основе онтологии [1, 2, 5-9].
В статье организация информационной поддержки принятия решений рассмотрена на примере задачи управления образовательным маршрутом.
Постановка задачи
Рассмотрим случай, когда информационную поддержку можно обеспечить путем использования нескольких локальных распределенных БД. Решение рассмотрено на примере организации информационной поддержки принятия решений при управлении образовательным маршрутом (ОМ). В рамках решения задач при формировании ОМ [1, 10] необходимо формировать документы с использованием следующих БД: «Приемная комиссия», «Деканат», «Выпускники/Alumni», обеспечивающих хранение информации:
- БД «Приемная комиссия»: об абитуриентах (ФИО абитуриента, номер паспорта, телефон, адрес, предыдущее место учебы); о местах учебы абитуриентов (название места учебы, присвоенная степень/специальность, дата поступления, дата окончания); о результатах вступительных испытаний (предмет, абитуриент, дата, оценка); о предметах для вступительных испытаний (название испытания);
- БД «Деканат»: о студентах (ФИО, адрес, телефон, студенческий номер, номер паспорта, название учебной группы); хранить информацию об учебной группе (название группы, специальность, по которой обучается группа); о специальностях на факультете (код специальности, название специальности); хранить информацию об успеваемости студентов (какой студент сдал экзамен, какой экзамен был сдан, полученная оценка); о предметах, преподающихся на факультете (название предмета);
- БД «Выпускники/Alumni»: о выпускниках (ФИО выпускника, студенческий номер, адрес, телефон, е-mail, место работы, место учебы); о месте работы выпускника (название организации, дата устройства на работу, занимаемая должность); о месте учебы (факультет, дата поступления, дата окончания, название группы, специальность); о специальностях института (код специальности, название специальности).
Необходимо обеспечить информационную поддержку путем формирования ответа на сложный запрос с использованием предложенных локальных баз данных. При этом поиск информации должен проводиться в едином информационном пространстве.
В традиционных клиент-серверных приложениях в процессе организации БД возникают сложности при объединении нескольких БД для получения из них запрашиваемой информации (найденная информация не всегда будет полностью соответствовать запрашиваемой пользователем информации или будет обилие дублирующейся, ненужной информации). Устранить этот недостаток возможно путем построения онтологии по БД.
Построение онтологии – весьма трудоемкий и сложный процесс, для которого необходим квалифицированный специалист и эксперты в предметной области. Многие же организации не могут позволить такие расходы. Поэтому актуальной задачей становится автоматизированное построение онтологий по БД.
Для обеспечения информационной поддержки в этом случае необходимо решить несколько задач: подготовить БД; унифицировать информацию, содержащуюся в различных БД; объединить полученную унифицированную информацию в единое информационное пространство; обеспечить возможность поиска информации в едином информационном пространстве с последующим выводом в виде, удобном для пользователя.
Таким образом, необходимо разработать программное обеспечение для создания базы знаний в виде онтологии по БД; присоединения информации, относящейся к запросу, из других БД; присоединения новых БД; вывод информации в виде, удобном для пользователя, и которое должно быть кроссплатформенным.
Известные подходы к решению задачи
Для решения поставленной задачи существует два различных подхода, обеспечивающих организацию: «объединенной БД» путем внесения информации из распределенных (различающихся по содержанию) БД в одну БД и предоставление к ней доступа; «объединенных онтологий» путем создания по отдельным БД баз знаний в виде онтологий и объединений их в одну глобальную онтологию.
В случае объединения баз данных унификация информации происходит средствами программы-мастера, который переводит информацию из дочерней БД в родительскую БД и сохраняет ее. Т.е. объединение информации в единое информационное пространство обеспечивается сведением информации из различных дочерних БД в одну большую родительскую БД. Поиск информации осуществляется посредством СУБД родительской БД. Вывод пользователю осуществляется за счет программы клиента, подключенной к родительской БД. Недостатками при использовании данного подхода являются: сложный и не всегда возможный механизм унификации информации, содержащейся в дочерних БД для загрузки в родительскую; необходимость выделения сервера для родительской БД; достаточно высокая вероятность отказа всей системы из-за проблем на сервере с родительской БД; невысокая оперативность обновления информации в родительской БД после изменения информации, содержащейся в дочерних БД. Преимуществом такого подхода является достаточно высокая скорость поиска информации в родительской БД.
При объединении онтологий унификация информации происходит средствами программы-агента, который переводит информацию из дочерней БД в онтологию. Объединение информации в единое информационное пространство обеспечивается объединением отдельных онтологий в глобальную онтологию. Поиск информации осуществляется с использованием системы логического вывода. Вывод пользователю осуществляется за счет программы клиента, подключенного к системе управления агентами. Достоинствами такого подхода являются: достаточно простой и всегда осуществимый механизм унификации информации в виде онтологии; отсутствие угрозы потери информации, содержащейся в глобальной онтологии, так как она хранится в распределенном виде у программ агентов; достаточно высокая оперативность обновления информации в глобальной онтологии, так как агентам нет необходимости синхронизироваться с родительской БД; возможность нахождения информации напрямую за счет использования при поиске механизма логического вывода. К недостаткам можно отнести большее время поиска информации.
Основываясь на приведенных выше соображениях, используется модель «глобальная онтология» для создания единого информационного пространства.
Моделирование
Для приложений онтологии используются как источники данных, предназначенные для более эффективной обработки сложной и разнообразной информации. Модель онтологии O={Т, R, F} представлена множеством концептов предметной области Т, множеством отношений между концептами R, функциями интерпретации, заданными на сущностях и/или отношениях онтологии F [3].
Организации информационной поддержки принятия решений при управлении образовательным маршрутом, как указано выше, осуществляется в рамках следующих БД: «Приемная комиссия», «Деканат» (рис. 1), «Выпускники/Alumni», и предназначена для персонала кафедры, деканата, международного отдела или отдела по организации академической мобильности. Принимая во внимание территориальную распределенность информационных баз при решении задач информационной поддержки принятия решений, особенно важным представляется такой аспект информационной поддержки, как автоматизированный поиск.
Рис. 1. Логическая модель БД «Деканат»
Рассмотрим семантический уровень интеграции данных. Объединение информации достигается путем построения онтологий по отдельным БД (рис. 2) и последующим созданием общей для них онтологии. Создаваемое единое информационное пространство должно позволять объединять информацию из различных БД и проводить поиск информации.
Рис. 2. Сетевая модель онтологии
Связывание данных из разных источников обеспечивается посредством способности языка описания онтологий OWL выражать онтологическую информацию об индивидах. Работа с информацией, содержащейся в общей онтологии (рис. 3), включает предоставление к ней доступа, поиска и вывода запрашиваемой информации пользователю. Объединение информации в онтологию из различных таблиц в БД достигается за счет использования SWRL правил. Фрагмент набора правил, используемых для этой цели, приведен в таблице 1.
Программный комплекс для реализации информационных процессов
В основу разработки программного комплекса положен объектно-ориентированный подход. Комплекс программ, включающий программные средства «пользовательский агент» и «агент баз данных», позволяет вести интегрированный поиск по БД университета: «Приемная комиссия», «Деканат», «Выпускники». Дополнительно возможно оперативное подключение к работающей системе новых БД и пользователей.
Рис. 3. Сетевая модель индивида из онтологии
Программный комплекс разработан для работы в «многоагентной» архитектуре. «Пользовательский агент» ориентирован на осуществление поиска информации в БД приемной комиссии, деканата и выпускников (рис. 4); объединение найденной информации в различных БД по индивидам; сохранении найденной информации для дальнейшего поиска, в том числе в виде HTML-страниц.
Рис. 4. Пользовательский интерфейс агента пользователя
«Агент баз данных» ориентирован на подключение к заданной БД для получения информации под указанным пользователем и паролем; сохранении информации из БД в виде онтологии (табл. 1); опубликовании информации для поиска; обработке запросов от пользовательских агентов.
Таблица 1
Фрагмент таблицы правил объединения информации в онтологию
|
Правило |
Описание |
|
(?B "+SecondKey+" ?X) (?A "+PrimaryKey+" ?X) → (?B "+strURI+"/connected"+" ?A) |
Если внешний ключ индивида В совпадает со значением первичного ключа индивида А, то добавляем индивиду В свойство http:// … /connected. |
|
(?individB http:// … /connected ?individA) (?individA ?propertyA ?valueA) (?propertyA rdfs:label 'YES') → (?individB ?propertyA ?valueA) |
Присоединяет индивиду В свойства индивида А. Если они связаны свойством http:// … /connected и свойства индивида А помечены, как разрешенные для присоединения. |
|
(?individA http:// … /connected2 ?valueA) → (?individA http:// … /connected2 ?individA) |
Добавляет дополнительное свойство к ответам. Необходимо для углубления поиска у данного агента. |
Используемая при разработке программного комплекса среда JADE предоставляет набор инструментов, выполняющих управление агентным приложением и его отладку. Для каждого типа агентов прописываются свои сценарии (табл. 2, 3).
Таблица 2
Фрагмент таблицы сценария работы пользовательского агента
|
Условие |
Действие |
|
Запуск |
Запускается окно пользователя; запрашивается список доступных агентов БД; выбирается основной агент БД, отмечается основная БД; заполняет список дополнительных БД, заносятся прочие найденные агенты БД. |
|
Отправка запроса на поиск |
Создается и отправляется сообщение на поиск основному агенту БД. |
|
Отправка запроса на углубление поиска |
Создается и отправляется сообщение на углубленный поиск информации по индивиду. Получатель – агент, от которого была получена информация с возможностью углубления поиска. |
|
Отправка запроса на расширение поиска |
Создается и отправляется сообщение на расширение поиска по индивиду. В получатели выбираются агенты выбранные пользователем в списке дополнительных БД. |
Таблица 3
Фрагмент таблицы сценария работы агента БД
|
Условие |
Действие |
|
Первый запуск |
Подключается к БД; создается файл настройки агента с расширением *.conf; завершение работы агента. |
|
Повторный запуск |
Подключается к базе данных; создается онтология согласно настройкам произведенным в файле *.conf; создаются правила работы агента; регистрируется в «Желтых страницах». |
|
Получение сообщения с запросом на поиск |
Создание и выполнение запроса на SPARQL к онтологии; создание ответного сообщения агенту; преобразование результатов запроса в строку и добавление к телу ответного сообщения. Передача сообщения приславшему агенту. |
|
Завершение работы |
Сохранение онтологии БД на жесткий диск в файле с расширением *.xml; сохранение правил работы агента на жесткий диск в файлах с расширением *.rules; отмена регистрации агента в «Желтых страницах»; завершение работы агента. |
Поиск информации в онтологиях проводится с использованием специализированного языка запросов SPARQL, который используется для представления запросов к разнообразным источникам данных.
Для разработки кросплатформенного программного комплекса использован объектно-ориентированный интерпретируемый язык программирования JAVA, поддерживающий разработку многоагентных приложений.
Разработанный программный комплекс является клиент-серверным приложением, и поэтому временные характеристики его работы зависят от загруженности сети, сервера и т.д. Время выполнения поискового запроса составляет около 1 сек. Разработанный комплекс имеет дружественный интерфейс и своевременно обеспечивает пользователя полной, актуальной информацией.
Заключение
Использование семантического уровня интеграции данных, при котором объединение информации достигается путем построения онтологий по отдельным БД с последующим созданием общей онтологии, позволяет объединять информацию из различных БД. Поиск информации осуществляется с использованием системы логического вывода. Вывод пользователю осуществляется через интерфейс за счет программы клиента, подключенного к системе управления агентами. Разработанный программный комплекс позволяет пользователю получить своевременно полную и актуальную информацию.
Результаты, приведенные в статье, частично поддержаны грантами РФФИ 12-07-00377-а «Алгоритмическое и программное обеспечение поддержки принятия решений в задачах управления сложными социально-экономическими системами при наличии слабо структурированных данных», 13-07-00273-а «Интеллектуальная поддержка принятия решений в задачах ситуационного управления сложными социально-экономическими системами» и темой 8.1224.2011 «Разработка инструментальных средств поддержки принятия решений для различных видов управленческой деятельности в промышленности в условиях слабоструктурированной информации на основе технологий распределенного искусственного интеллекта».
Рецензенты:
Миронов В.В., д.т.н., профессор кафедры автоматизированных систем управления, Уфимский государственный авиационный технический университет, г. Уфа.
Картак В.М., д.ф.м.н., заведующий кафедрой прикладной информатики, Башкирский государственный педагогический университет им. М. Акмуллы, г. Уфа.
Библиографическая ссылка
Юсупова Н.И., Сметанина О.Н., Ясинецкий С.П., Климова А.В. МОДЕЛИ И ПРОГРАММНЫЙ КОМПЛЕКС ДЛЯ РЕАЛИЗАЦИИ ИНФОРМАЦИОННОГО ПОИСКА ПРИ ПОДДЕРЖКЕ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ // Современные проблемы науки и образования. – 2014. – № 1. ;URL: https://science-education.ru/ru/article/view?id=11955 (дата обращения: 17.04.2024).