Вы здесь ▸ Экспертиза ▸
Мои публикации
Здесь собраны мои публикации. Точнее, большинство из них. Статьи в журналах и сборниках конференций, доклады, презентации, отчеты, авторские свидетельства и др.
1.
Иванов В.К.
Обучение модели Doc2Vec. Как проверить ее качество? В 2-х частях Электронный ресурс
Сайт «Текстоматика. Исследования и разработки В.К. Иванова» 2025, дата обращения: 26.10.2025.
Аннотация | Ссылки | BibTeX | Метки: autocheck, doc2vec, elib, fSimilarity, gensim, loss, machine learning, векторная модель, документ, искусственный интеллект, качество, машинное обучение, обучение, обучение без учителя, оценка, текст, функция потерь
@online{158_03954381-d669-4b34-a22e-dfdaf9aca5be,
title = {Обучение модели Doc2Vec. Как проверить ее качество? В 2-х частях},
author = {Иванов В.К.},
url = {https://ivkconsulting.ru/качество-обучения-doc2vec},
year = {2025},
date = {2025-02-05},
urldate = {2025-10-26},
publisher = {ivkconsulting.ru},
organization = {Сайт «Текстоматика. Исследования и разработки В.К. Иванова»},
abstract = {<p>Использование модели Doc2Vec для оценки качества резюмирования (или суммаризации, автореферирования) текста дает результаты. Но насколько можно доверять этим результатам? Для того, чтобы проверить это, мы прежде всего должны убедиться в том, что модель обучена так, как надо. Это означает, что мы имеем приемлемые значения показателя качества обучения, которые обеспечиваются наилучшим сочетанием значений гиперпараметров модели. Ниже описываются результаты мини-исследования влияния одного из гиперпараметров – количества итераций (“эпох”) – на качество обучения модели Doc2Vec.</p><p>А для того чтобы проверить качество обученной модели, мы прежде всего должны убедиться в том, что мы имеем приемлемые значения индикатора качества обучения. Описываются результаты исследования эффективности предлагаемого нами индикатора качества обучения — функции потерь при обучении модели.</p>},
keywords = {autocheck, doc2vec, elib, fSimilarity, gensim, loss, machine learning, векторная модель, документ, искусственный интеллект, качество, машинное обучение, обучение, обучение без учителя, оценка, текст, функция потерь},
pubstate = {published},
tppubtype = {online}
}
<p>Использование модели Doc2Vec для оценки качества резюмирования (или суммаризации, автореферирования) текста дает результаты. Но насколько можно доверять этим результатам? Для того, чтобы проверить это, мы прежде всего должны убедиться в том, что модель обучена так, как надо. Это означает, что мы имеем приемлемые значения показателя качества обучения, которые обеспечиваются наилучшим сочетанием значений гиперпараметров модели. Ниже описываются результаты мини-исследования влияния одного из гиперпараметров – количества итераций (“эпох”) – на качество обучения модели Doc2Vec.</p><p>А для того чтобы проверить качество обученной модели, мы прежде всего должны убедиться в том, что мы имеем приемлемые значения индикатора качества обучения. Описываются результаты исследования эффективности предлагаемого нами индикатора качества обучения — функции потерь при обучении модели.</p>
2.
Иванов В.К.
Приложение «Текстоматика» Электронный ресурс
Сайт «Текстоматика. Исследования и разработки В.К. Иванова» 2024, дата обращения: 20.10.2025.
Аннотация | Ссылки | BibTeX | Метки: autocheck, fSimilarity, документ, искусственный интеллект, оценка, продукты, текст, текстоматика
@online{145_5efb2aa2-d36b-4917-8d07-a4059cc20b41,
title = {Приложение «Текстоматика»},
author = {Иванов В.К.},
url = {https://www.ivkconsulting.ru/текстоматика/},
year = {2024},
date = {2024-12-30},
urldate = {2025-10-20},
publisher = {ivkconsulting.ru},
organization = {Сайт «Текстоматика. Исследования и разработки В.К. Иванова»},
abstract = {<p>Приложение для интеллектуальной оценки структуры и содержания текстовых документов. Инструмент текстовых коммуникаций.<br>Доступны различные алгоритмы оценки текстов в одном приложении. Установки на устройство не требуется, нужен только браузер. Поддержка основных текстовых форматов. Настройка числа и типов проверок. Оценка нескольких документов за один раз.<br>Полезно рецензентам, преподавателям, экспертам, редакторам, техническим писателям, исследователям, студентам.</p>},
keywords = {autocheck, fSimilarity, документ, искусственный интеллект, оценка, продукты, текст, текстоматика},
pubstate = {published},
tppubtype = {online}
}
<p>Приложение для интеллектуальной оценки структуры и содержания текстовых документов. Инструмент текстовых коммуникаций.<br>Доступны различные алгоритмы оценки текстов в одном приложении. Установки на устройство не требуется, нужен только браузер. Поддержка основных текстовых форматов. Настройка числа и типов проверок. Оценка нескольких документов за один раз.<br>Полезно рецензентам, преподавателям, экспертам, редакторам, техническим писателям, исследователям, студентам.</p>
3.
Иванов В.К.
Структурные шаблоны для оценки работ студентов Статья в сборнике
Источник: Актуальные проблемы качества образования в высшей школе, С. 73-80, ТвГТУ, 2023, ISBN: 9785799512927.
Аннотация | Ссылки | BibTeX | Метки: autocheck, criterion, document, evaluation, indicator, structural template, text, verification, документ, индикатор, критерий, оценивание, проверка, структурный шаблон, текст
@inproceedings{nokey,
title = {Структурные шаблоны для оценки работ студентов},
author = {Иванов В.К.},
url = {https://disk.yandex.ru/i/Y7-3GRCREbsO-Q},
isbn = {9785799512927},
year = {2023},
date = {2023-07-31},
urldate = {2023-07-31},
booktitle = {Актуальные проблемы качества образования в высшей школе},
pages = {73-80},
publisher = {ТвГТУ},
abstract = {В статье предлагается и обосновывается подход к оцениванию письменных работ студентов. Отмечаются сложности оценивания, которые имеют как объективный, так и субъективный характер. Формулируются подходы к рационализации состава и использования оценочных критериев, которые создают предпосылки для применения моделей и методов автоматизированной интеллектуальной обработки текстов. Предлагается два класса критериев для проверки содержания и формы представления работы. Для каждого критерия определяются способы проверки, рассчитываемые индикаторы и особенности. В качестве инструмента оценивания дается структурный шаблон, предполагающий декомпозицию текста работы с раздельным оцениванием каждого элемента. Показываются выгоды от разумной формализации методов проверки с помощью структурных шаблонов, включая снижение степени субъективности преподавателей и уменьшение вероятности ошибок при оценивании.
Ivanov V.K. Structural templates for evaluating students' works
The paper suggests and substantiates an approach to the students' written works evaluation. For such works, the evaluation difficulties are noted, which are both objective and subjective in nature. Approaches to the composition and rationalization use of evaluation criteria are formulated. It creates prerequisites for the use of automated intellectual text processing models and methods. Two classes of criteria are proposed to verify the content and form of the work presentation. Verification methods, calculated indicators and features are determined for each criterion. The structural template described in the article can be used as an evaluation tool. It assumes the work text decomposition with a separate evaluation of each element. The benefits of reasonable formalization of verification methods using structural templates are shown. The main thing is to reduce the degree of subjectivity of teachers and reduce the probability of errors in the assessment.},
keywords = {autocheck, criterion, document, evaluation, indicator, structural template, text, verification, документ, индикатор, критерий, оценивание, проверка, структурный шаблон, текст},
pubstate = {published},
tppubtype = {inproceedings}
}
В статье предлагается и обосновывается подход к оцениванию письменных работ студентов. Отмечаются сложности оценивания, которые имеют как объективный, так и субъективный характер. Формулируются подходы к рационализации состава и использования оценочных критериев, которые создают предпосылки для применения моделей и методов автоматизированной интеллектуальной обработки текстов. Предлагается два класса критериев для проверки содержания и формы представления работы. Для каждого критерия определяются способы проверки, рассчитываемые индикаторы и особенности. В качестве инструмента оценивания дается структурный шаблон, предполагающий декомпозицию текста работы с раздельным оцениванием каждого элемента. Показываются выгоды от разумной формализации методов проверки с помощью структурных шаблонов, включая снижение степени субъективности преподавателей и уменьшение вероятности ошибок при оценивании.
Ivanov V.K. Structural templates for evaluating students' works
The paper suggests and substantiates an approach to the students' written works evaluation. For such works, the evaluation difficulties are noted, which are both objective and subjective in nature. Approaches to the composition and rationalization use of evaluation criteria are formulated. It creates prerequisites for the use of automated intellectual text processing models and methods. Two classes of criteria are proposed to verify the content and form of the work presentation. Verification methods, calculated indicators and features are determined for each criterion. The structural template described in the article can be used as an evaluation tool. It assumes the work text decomposition with a separate evaluation of each element. The benefits of reasonable formalization of verification methods using structural templates are shown. The main thing is to reduce the degree of subjectivity of teachers and reduce the probability of errors in the assessment.
Ivanov V.K. Structural templates for evaluating students' works
The paper suggests and substantiates an approach to the students' written works evaluation. For such works, the evaluation difficulties are noted, which are both objective and subjective in nature. Approaches to the composition and rationalization use of evaluation criteria are formulated. It creates prerequisites for the use of automated intellectual text processing models and methods. Two classes of criteria are proposed to verify the content and form of the work presentation. Verification methods, calculated indicators and features are determined for each criterion. The structural template described in the article can be used as an evaluation tool. It assumes the work text decomposition with a separate evaluation of each element. The benefits of reasonable formalization of verification methods using structural templates are shown. The main thing is to reduce the degree of subjectivity of teachers and reduce the probability of errors in the assessment.
4.
Иванов В.К.
Интеллектуализация оценки сходства и уникальности текстовых документов при их экспертизе Статья в сборнике
Источник: Саморазвивающаяся среда технического вуза: научные исследования и экспериментальные разработки, С. 135-141, ТвГТУ, 2023, ISBN: 9785799512835.
Аннотация | Ссылки | BibTeX | Метки: artificial intelligence, assessment, autocheck, document, neural network, test, thoroughness, uniqueness, документ, искусственный интеллект, нейронная сеть, обстоятельность, оценивание, текст, уникальность
@inproceedings{nokey,
title = {Интеллектуализация оценки сходства и уникальности текстовых документов при их экспертизе},
author = {Иванов В.К.},
url = {https://disk.yandex.ru/i/bLTQh6wLF8kLQA},
isbn = {9785799512835},
year = {2023},
date = {2023-07-31},
urldate = {2023-07-31},
booktitle = {Саморазвивающаяся среда технического вуза: научные исследования и экспериментальные разработки},
pages = {135-141},
publisher = {ТвГТУ},
abstract = {В статье обосновано применение интеллектуальных методов семантического анализа содержания и качества текстовых документов. Отмечено, что профессиональная экспертиза таких документов является важной составляющей деятельности квалифицированных специалистов как на предприятиях, так и в образовательных учреждениях, готовящих кадры для предприятий. Показано применение разрабатываемого семантического анализатора содержания текстов. Описана сущность некоторых ключевых проверяемых характеристик текстов, таких как обстоятельность и уникальность, показано их сходство и различие. Обращено внимание на некоторые технологии оценки уникальности и сходства текстов. Указаны особенности применения современных моделей интеллектуального семантического анализа текстовой информации. Предложен вариант программной реализации такого анализа. Отмечены границы применения предлагаемых методов.
V.K. Ivanov. Intellectual assessment of the text documents similarity and uniqueness during their expertise
The article substantiates and describes the use of intelligent methods of the semantic content analysis and quality assessment of text documents. It is noted that the professional examination of such documents is an important component of the qualified specialists activities both at the enterprise and in educational institutions that prepare capable personnel for the enterprises. The developed semantic analyzer application of the texts content is shown. The essence of some key verifiable text characteristics, such as thoroughness and uniqueness including their similarity and difference is described. The attention is drawn to some technologies for assessing the texts uniqueness and similarity. The features of the modern models application of the intelligent textual information semantic analysis are indicated. The software implementation of such an analysis is proposed. The limits of the proposed methods application are marked. Keywords: artificial intelligence, test, document, assessment, thoroughness, uniqueness, neural network.},
keywords = {artificial intelligence, assessment, autocheck, document, neural network, test, thoroughness, uniqueness, документ, искусственный интеллект, нейронная сеть, обстоятельность, оценивание, текст, уникальность},
pubstate = {published},
tppubtype = {inproceedings}
}
В статье обосновано применение интеллектуальных методов семантического анализа содержания и качества текстовых документов. Отмечено, что профессиональная экспертиза таких документов является важной составляющей деятельности квалифицированных специалистов как на предприятиях, так и в образовательных учреждениях, готовящих кадры для предприятий. Показано применение разрабатываемого семантического анализатора содержания текстов. Описана сущность некоторых ключевых проверяемых характеристик текстов, таких как обстоятельность и уникальность, показано их сходство и различие. Обращено внимание на некоторые технологии оценки уникальности и сходства текстов. Указаны особенности применения современных моделей интеллектуального семантического анализа текстовой информации. Предложен вариант программной реализации такого анализа. Отмечены границы применения предлагаемых методов.
V.K. Ivanov. Intellectual assessment of the text documents similarity and uniqueness during their expertise
The article substantiates and describes the use of intelligent methods of the semantic content analysis and quality assessment of text documents. It is noted that the professional examination of such documents is an important component of the qualified specialists activities both at the enterprise and in educational institutions that prepare capable personnel for the enterprises. The developed semantic analyzer application of the texts content is shown. The essence of some key verifiable text characteristics, such as thoroughness and uniqueness including their similarity and difference is described. The attention is drawn to some technologies for assessing the texts uniqueness and similarity. The features of the modern models application of the intelligent textual information semantic analysis are indicated. The software implementation of such an analysis is proposed. The limits of the proposed methods application are marked. Keywords: artificial intelligence, test, document, assessment, thoroughness, uniqueness, neural network.
V.K. Ivanov. Intellectual assessment of the text documents similarity and uniqueness during their expertise
The article substantiates and describes the use of intelligent methods of the semantic content analysis and quality assessment of text documents. It is noted that the professional examination of such documents is an important component of the qualified specialists activities both at the enterprise and in educational institutions that prepare capable personnel for the enterprises. The developed semantic analyzer application of the texts content is shown. The essence of some key verifiable text characteristics, such as thoroughness and uniqueness including their similarity and difference is described. The attention is drawn to some technologies for assessing the texts uniqueness and similarity. The features of the modern models application of the intelligent textual information semantic analysis are indicated. The software implementation of such an analysis is proposed. The limits of the proposed methods application are marked. Keywords: artificial intelligence, test, document, assessment, thoroughness, uniqueness, neural network.
5.
Иванов В.К., Мальков А.А.
Метод адаптивной кластеризации текстовых документов Статья в журнале
Источник: Программные продукты, системы и алгоритмы, № 2, 2015.
Аннотация | Ссылки | BibTeX | Метки: data centre, документ, карта Кохонена, кластеризация, нейронная сеть, нечеткий алгоритм, поиск
@article{nokey,
title = {Метод адаптивной кластеризации текстовых документов},
author = {Иванов В.К. and Мальков А.А.},
editor = {data centre, документ, карта Кохонена, кластеризация, нейронная сеть, нечеткий алгоритм, поиск},
url = {https://disk.yandex.ru/i/kDjDIT0aue7RWA
https://swsys-web.ru/en/method-of-adaptive-clustering-text-documents.html
https://disk.yandex.ru/i/4oRqeSS2Xv3NFg},
doi = {10.15827/2311-6749.15.158},
year = {2015},
date = {2015-06-30},
urldate = {2015-06-30},
journal = {Программные продукты, системы и алгоритмы},
number = {2},
abstract = {В статье предложен метод адаптивной кластеризации текстовых документов – результатов работы поисковой системы. Реализация метода предполагает, что для настройки параметров кластеризации должна использоваться не только информацию, полученную от пользователя, но и полученную в результате поиска документов. Идея заключается в использовании нечеткого алгоритма кластеризации Гюстафсона-Кесселя. Для решения задачи определения количества кластеров при инициализацииалгоритма предлагается использовать самоорганизующиеся карты Кохонена с динамически изменяемыми размерами. Приведено описание используемых алгоритмов и положительные результаты апробации метода на модельной задаче об ирисах Фишера. Показано, что на основе предложенного решения может быть построен список рубрик, объединяющих семантически связанные источники информации.},
keywords = {data centre, документ, карта Кохонена, кластеризация, нейронная сеть, нечеткий алгоритм, поиск},
pubstate = {published},
tppubtype = {article}
}
В статье предложен метод адаптивной кластеризации текстовых документов – результатов работы поисковой системы. Реализация метода предполагает, что для настройки параметров кластеризации должна использоваться не только информацию, полученную от пользователя, но и полученную в результате поиска документов. Идея заключается в использовании нечеткого алгоритма кластеризации Гюстафсона-Кесселя. Для решения задачи определения количества кластеров при инициализацииалгоритма предлагается использовать самоорганизующиеся карты Кохонена с динамически изменяемыми размерами. Приведено описание используемых алгоритмов и положительные результаты апробации метода на модельной задаче об ирисах Фишера. Показано, что на основе предложенного решения может быть построен список рубрик, объединяющих семантически связанные источники информации.
6.
Иванов В.К., Мескин П.И.
Реализация генетического алгоритма для эффективного документального тематического поиска Статья в журнале
Источник: Программные продукты и системы, № 4, С. 125-134, 2014, (Иванов В.К., Мескин П.И. Реализация генетического алгоритма для эффективного документального тематического поиска // Программные продукты и системы. – Тверь : Центрпрограммсистем, 2014. - № 4 (108). – С. 125-134.).
Аннотация | Ссылки | BibTeX | Метки: data centre, innovation index, генетический алгоритм, документ, мутация, поисковый запрос, популяция, приспособленность, ранжирование, релевантность, скрещивание, тематический поиск, фильтрация.
@article{104_a408fb2e-ad74-43be-ba98-fad95d412d90,
title = {Реализация генетического алгоритма для эффективного документального тематического поиска},
author = {Иванов В.К. and Мескин П.И.},
url = {https://disk.yandex.ru/i/ofhqSdQhLPe9_A},
doi = {10.15827/0236-235X.108},
year = {2014},
date = {2014-12-30},
urldate = {2025-01-22},
journal = {Программные продукты и системы},
number = {4},
pages = {125-134},
publisher = {Тверь: Центрпрограммсистем},
abstract = {<p>Качество документального тематического поиска, то есть поиска документов, содержащих координированную информацию в заданном тематическом сегменте, не всегда удовлетворительно. Несмотря на наличие мощных поисковых систем для информационных ресурсов Интернета или для специализированных БД, процесс поиска остается трудоемким и слабо поддерживается программно и методологически.</p><p>В настоящей статье описывается программная реализация генетического алгоритма для выявления и отбора наиболее релевантных результатов, полученных в ходе последовательно выполняемых операций тематического поиска. При этом моделируется эволюционный процесс, который формирует устойчивую и эффективную популяцию поисковых запросов, образует поисковый образ документов или семантическое ядро, создает релевантные множества искомых документов, позволяет автоматически классифицировать результаты поиска. В статье обсуждаются особенности тематического поиска, обосновывается применение генетического алгоритма, описываются аргументы целевой функции, рассматриваются основные шаги и параметры алгоритма. Отмечается, что целевая функция, или критерий качества поиска, определяется позицией документа в списках результатов, построенных поисковой системой при выполнении максимального числа различных запросов, и семантической близостью к поисковому образу документов заданной тематики. Достаточно подробно описана программная реализация: основные объектные модели, пользовательский интерфейс, основная библиотека алгоритма, модули морфологического анализа, семантического анализа сходства текстов, поиска, управления БД, управления метаданными. Приводятся сведения о составе классов модулей и их компонентов.</p><p>В заключение отмечается, что реализованный генетический алгоритм является одним из элементов ПО разрабатываемой интеллектуальной системы информационной поддержки инноваций в науке и образовании. Он играет важную роль в обеспечении адаптивности функционирования поисковых механизмов, а разработанное ПО алгоритма создает достаточно широкий базис для дальнейших исследований и разработок.</p>},
note = {Иванов В.К., Мескин П.И. Реализация генетического алгоритма для эффективного документального тематического поиска // Программные продукты и системы. – Тверь : Центрпрограммсистем, 2014. - № 4 (108). – С. 125-134.},
keywords = {data centre, innovation index, генетический алгоритм, документ, мутация, поисковый запрос, популяция, приспособленность, ранжирование, релевантность, скрещивание, тематический поиск, фильтрация.},
pubstate = {published},
tppubtype = {article}
}
<p>Качество документального тематического поиска, то есть поиска документов, содержащих координированную информацию в заданном тематическом сегменте, не всегда удовлетворительно. Несмотря на наличие мощных поисковых систем для информационных ресурсов Интернета или для специализированных БД, процесс поиска остается трудоемким и слабо поддерживается программно и методологически.</p><p>В настоящей статье описывается программная реализация генетического алгоритма для выявления и отбора наиболее релевантных результатов, полученных в ходе последовательно выполняемых операций тематического поиска. При этом моделируется эволюционный процесс, который формирует устойчивую и эффективную популяцию поисковых запросов, образует поисковый образ документов или семантическое ядро, создает релевантные множества искомых документов, позволяет автоматически классифицировать результаты поиска. В статье обсуждаются особенности тематического поиска, обосновывается применение генетического алгоритма, описываются аргументы целевой функции, рассматриваются основные шаги и параметры алгоритма. Отмечается, что целевая функция, или критерий качества поиска, определяется позицией документа в списках результатов, построенных поисковой системой при выполнении максимального числа различных запросов, и семантической близостью к поисковому образу документов заданной тематики. Достаточно подробно описана программная реализация: основные объектные модели, пользовательский интерфейс, основная библиотека алгоритма, модули морфологического анализа, семантического анализа сходства текстов, поиска, управления БД, управления метаданными. Приводятся сведения о составе классов модулей и их компонентов.</p><p>В заключение отмечается, что реализованный генетический алгоритм является одним из элементов ПО разрабатываемой интеллектуальной системы информационной поддержки инноваций в науке и образовании. Он играет важную роль в обеспечении адаптивности функционирования поисковых механизмов, а разработанное ПО алгоритма создает достаточно широкий базис для дальнейших исследований и разработок.</p>
7.
Иванов В.К., Миронов В.И.
Особенности анализа сходства документов в различных контекстах заимствования при подготовке текстовых материалов Статья в сборнике
Источник: Оценка качества высшего профессионального образования с учетом требований ФГОС и профессиональных стандартов : материалы докладов заоч. науч.-практ. конференции. - Тверь, 2013, С. 19-26, Тверь: ТвГТУ, 2013, (Иванов В.К., Миронов В.И. Особенности анализа сходства документов в различных контекстах заимствования при подготовке текстовых материалов // Оценка качества высшего профессионального образования с учетом требований ФГОС и профессиональных стандартов : материалы докладов заоч. науч.-практ. конференции. - Тверь, 2013. - С. 19-26.).
Аннотация | Ссылки | BibTeX | Метки: data centre, education, fSimilarity, документ, заимствование, плагиат, сходство, текст, учебная работа
@inproceedings{112_1b559897-ecd0-451a-ba56-0c852faef109,
title = {Особенности анализа сходства документов в различных контекстах заимствования при подготовке текстовых материалов},
author = {Иванов В.К. and Миронов В.И.},
url = {https://disk.yandex.ru/i/XKKgmlv6Z8Q1ew},
year = {2013},
date = {2013-12-30},
urldate = {2025-01-24},
booktitle = {Оценка качества высшего профессионального образования с учетом требований ФГОС и профессиональных стандартов : материалы докладов заоч. науч.-практ. конференции. - Тверь, 2013},
pages = {19-26},
publisher = {Тверь: ТвГТУ},
abstract = {<p>Плагиат (от лат. plagio - похищаю) – это умышленное присвоение авторства на чужое произведение литературы, науки, искусства, изобретение или</p><p>рационализаторское предложение (полностью или частично). В этом и в других похожих определениях так или иначе основное значение придается присвоению авторства материала. Постоянно и довольно часто поднимается вопрос о противодействии плагиату и плагиаторам в научных публикациях и квалификационных работах. В целом считается, что наличие признаков плагиата, незаконных или неправильно оформленных заимствований контента негативно сказывается на качестве публикуемых научных, учебных, художественных и других материалов.</p><p>В настоящей статье мы попытались сформулировать собственное видение этой проблемы применительно к образовательным технологиям, а точнее – к заимствованиям в студенческих работах и обеспечению их уникальности. В частности, рассматриваются основные контексты заимствования материалов или их частей: типология работ, объекты авторских прав, методологический аспект, среда студенческого коллектива. Также в статье кратко описывается инструментарий, используемый авторами для предотвращения подобных нежелательных явлений, и подводятся некоторые предварительные итоги его применения.</p>},
note = {Иванов В.К., Миронов В.И. Особенности анализа сходства документов в различных контекстах заимствования при подготовке текстовых материалов // Оценка качества высшего профессионального образования с учетом требований ФГОС и профессиональных стандартов : материалы докладов заоч. науч.-практ. конференции. - Тверь, 2013. - С. 19-26.},
keywords = {data centre, education, fSimilarity, документ, заимствование, плагиат, сходство, текст, учебная работа},
pubstate = {published},
tppubtype = {inproceedings}
}
<p>Плагиат (от лат. plagio - похищаю) – это умышленное присвоение авторства на чужое произведение литературы, науки, искусства, изобретение или</p><p>рационализаторское предложение (полностью или частично). В этом и в других похожих определениях так или иначе основное значение придается присвоению авторства материала. Постоянно и довольно часто поднимается вопрос о противодействии плагиату и плагиаторам в научных публикациях и квалификационных работах. В целом считается, что наличие признаков плагиата, незаконных или неправильно оформленных заимствований контента негативно сказывается на качестве публикуемых научных, учебных, художественных и других материалов.</p><p>В настоящей статье мы попытались сформулировать собственное видение этой проблемы применительно к образовательным технологиям, а точнее – к заимствованиям в студенческих работах и обеспечению их уникальности. В частности, рассматриваются основные контексты заимствования материалов или их частей: типология работ, объекты авторских прав, методологический аспект, среда студенческого коллектива. Также в статье кратко описывается инструментарий, используемый авторами для предотвращения подобных нежелательных явлений, и подводятся некоторые предварительные итоги его применения.</p>
8.
Иванов В.К., Борисов С. Ю.
Совершенствование методов поиска научного знания как фактор развития современной науки Статья в журнале
Источник: Инновации в науке, № 25, С. 52-56, 2013, (Иванов В.К., Борисов С.Ю. Совершенствование методов поиска научного знания как фактор развития современной науки // Инновации в науке. - Новосибирск, 2013. - № 25. - С. 52-56.).
Аннотация | Ссылки | BibTeX | Метки: data centre, document, filtering, genetic algorithm, ranking, relevancy, similarity measure, vector model, векторная модель, генетический алгоритм, документ, качество поиска, метрика близости, ранжирование, релевантность, фильтрация
@article{113_fb400dfa-83a3-4e12-a895-d30a826b1f71,
title = {Совершенствование методов поиска научного знания как фактор развития современной науки},
author = {Иванов В.К. and Борисов С. Ю.},
url = {https://disk.yandex.ru/i/l4somu1n-gj3ww
https://disk.yandex.ru/i/6BXMzZYh7FK6lw},
year = {2013},
date = {2013-12-30},
urldate = {2013-12-30},
journal = {Инновации в науке},
number = {25},
pages = {52-56},
publisher = {Новосибирск: СибАК},
abstract = {<p>В настоящей статье представлены промежуточные результаты патентных исследований в рамках проекта РФФИ «Интеллектуальная распределенная система информационной поддержки инноваций в науке и образовании» (договор № НК13-07-0034213, руководитель проекта – Иванов В.К.). В начале статьи приводится подтверждение актуальности предмета исследования – совершенствования методов поиска и синтеза научного знания, далее делается обзор основных результатов, достигнутых, на данный момент, коллективом исследователей. В конце приводятся основные насущные задачи и перспективы дальнейшего развития исследований.</p><p>This article presents the interim results of patent research in the framework of RFBR "Intelligent Distributed Information Management System for Innovation in Science and Education" (contract number NK13-07-0034213, project manager –Ivanov V.K.). In the beginning of the article is a confirmation of the relevance of the research subject – improving the methods of search and synthesis of scientific knowledge, then reviews the main results achieved by a team of researchers for the moment. At the end there are main pressing challenges and prospects for the further development of research.</p><p> </p>},
note = {Иванов В.К., Борисов С.Ю. Совершенствование методов поиска научного знания как фактор развития современной науки // Инновации в науке. - Новосибирск, 2013. - № 25. - С. 52-56.},
keywords = {data centre, document, filtering, genetic algorithm, ranking, relevancy, similarity measure, vector model, векторная модель, генетический алгоритм, документ, качество поиска, метрика близости, ранжирование, релевантность, фильтрация},
pubstate = {published},
tppubtype = {article}
}
<p>В настоящей статье представлены промежуточные результаты патентных исследований в рамках проекта РФФИ «Интеллектуальная распределенная система информационной поддержки инноваций в науке и образовании» (договор № НК13-07-0034213, руководитель проекта – Иванов В.К.). В начале статьи приводится подтверждение актуальности предмета исследования – совершенствования методов поиска и синтеза научного знания, далее делается обзор основных результатов, достигнутых, на данный момент, коллективом исследователей. В конце приводятся основные насущные задачи и перспективы дальнейшего развития исследований.</p><p>This article presents the interim results of patent research in the framework of RFBR "Intelligent Distributed Information Management System for Innovation in Science and Education" (contract number NK13-07-0034213, project manager –Ivanov V.K.). In the beginning of the article is a confirmation of the relevance of the research subject – improving the methods of search and synthesis of scientific knowledge, then reviews the main results achieved by a team of researchers for the moment. At the end there are main pressing challenges and prospects for the further development of research.</p><p> </p>
9.
Иванов В.К.
Основные шаги генетического алгоритма фильтрации результатов тематического поиска документов Статья в журнале
Источник: Инновации в науке, № 25, С. 8-15, 2013, (Иванов В.К. Основные шаги генетического алгоритма фильтрации результатов тематического поиска документов // Инновации в науке. - Новосибирск, 2013. - № 25. - С. 8-15.).
Аннотация | Ссылки | BibTeX | Метки: crossover, data centre, document, filtering, fitness, fSimilarity, genetic algorithm, mutation, population, query, ranking, relevancy, selection, text, генетический алгоритм, документ, запрос, мутация, поиск, популяция, приспособленность, ранжирование, релевантность, селекция, скрещивание, текст, фильтрация
@article{116_fd15ddc8-0ae3-4679-9d11-8af3e1c8fec0,
title = {Основные шаги генетического алгоритма фильтрации результатов тематического поиска документов},
author = {Иванов В.К.},
url = {https://disk.yandex.ru/i/gr5TGukMtXsKAg
https://disk.yandex.ru/i/9p9Y3AD-w68G3g
https://disk.yandex.ru/i/fxv_UjTjAl2TYg},
year = {2013},
date = {2013-12-30},
urldate = {2013-12-30},
journal = {Инновации в науке},
number = {25},
pages = {8-15},
publisher = {Новосибирск: СибАК},
abstract = {<p>В статье представлены основные особенности предложенного автором подхода к организации поисковых запросов и фильтрации результатов поиска документов, основанного на использовании идей генетических алгоритмов. Описываются основные шаги модифицированного генетического алгоритма, предлагаются решения, учитывающие специфику поисковых процедур. Обсуждаемый подход является частью исследований проекта интеллектуальной системы информационной поддержки инноваций в науке и образовании.</p><p>The article represents the main features of the proposed approach to organization of search queries and filtering of documents search results. This approach based on the genetic algorithms and describes the main steps of the modified genetic algorithm, proposed solutions, tailored to the search procedures. The considered algorithm is one of the elements of an intelligent system of information support of innovation in science and education.</p><p> </p>},
note = {Иванов В.К. Основные шаги генетического алгоритма фильтрации результатов тематического поиска документов // Инновации в науке. - Новосибирск, 2013. - № 25. - С. 8-15.},
keywords = {crossover, data centre, document, filtering, fitness, fSimilarity, genetic algorithm, mutation, population, query, ranking, relevancy, selection, text, генетический алгоритм, документ, запрос, мутация, поиск, популяция, приспособленность, ранжирование, релевантность, селекция, скрещивание, текст, фильтрация},
pubstate = {published},
tppubtype = {article}
}
<p>В статье представлены основные особенности предложенного автором подхода к организации поисковых запросов и фильтрации результатов поиска документов, основанного на использовании идей генетических алгоритмов. Описываются основные шаги модифицированного генетического алгоритма, предлагаются решения, учитывающие специфику поисковых процедур. Обсуждаемый подход является частью исследований проекта интеллектуальной системы информационной поддержки инноваций в науке и образовании.</p><p>The article represents the main features of the proposed approach to organization of search queries and filtering of documents search results. This approach based on the genetic algorithms and describes the main steps of the modified genetic algorithm, proposed solutions, tailored to the search procedures. The considered algorithm is one of the elements of an intelligent system of information support of innovation in science and education.</p><p> </p>
Я подготовил довольно много печатных материалов. И, готовя к публикации очередной материал, я каждый раз помнил основное правило — публиковать результаты работы. Не писал текст для того, чтобы написать статью или отчет. Поэтому мне трудно найти свои работу, которая вызывала бы у меня чувство неловкости.
Также отмечу, что писал и сейчас пишу довольно медленно. Для серьезных статей хорошо, если получается одна страница в день. Многократно правлю текст, пытаясь точнее передать свою мысль. Не всегда удаётся, но стараюсь. И, как правило, начинаю с плана предполагаемых структуры и содержания. Помогает.
Результаты см. выше.