Вы здесь ▸ Обсуждение ▸
Мои публикации
Публикации: статьи в журналах и сборниках конференций, доклады, презентации, отчеты, авторские свидетельства.
Иванов В.К., Думина Д.С., Семенов Н.А.
Определение весовых коэффициентов для аддитивной фитнес-функции генетического алгоритма Journal Article
In: Программные продукты и системы (Software & Systems), vol. 33, no. 1, pp. 47-53, 2020, ISSN: 0236-235X.
Abstract | Links | BibTeX | Altmetric | Метки: innovation index, аддитивный критерий, весовой коэффициент, генетический алгоритм, поисковый запрос, релевантность, фитнес-функция, хранилище данных
@article{V.K.Ivanov10,
title = {Определение весовых коэффициентов для аддитивной фитнес-функции генетического алгоритма},
author = {Иванов В.К. and Думина Д.С. and Семенов Н.А.},
url = {https://disk.yandex.ru/i/-5Uw771oZAt7cA},
doi = {10.15827/0236-235X.129.047-053},
issn = {0236-235X},
year = {2020},
date = {2020-00-01},
urldate = {2020-00-01},
journal = {Программные продукты и системы (Software & Systems)},
volume = {33},
number = {1},
pages = {47-53},
publisher = {Программные продукты и системы (Software & Systems)},
abstract = {Представлено возможное решение задачи выбора способа аналитического определения весовых коэффициентов для аддитивной фитнес-функции генетического алгоритма. Этот алгоритм является основой эволюционного процесса, формирующего в поисковой системе устойчивую и эффективную популяцию запросов для получения высокорелевантных результатов. Приведено формальное описание фитнес-функции алгоритма, которая представляет собой взвешенную сумму трех неоднородных критериев.
Подробно описаны выбранные способы аналитического определения весовых коэффициентов, при этом отмечается невозможность использования методов экспертных оценок. Рассмотрена методика проведения исследований. Описывается исходный набор данных, в том числе диапазоны данных, принятые для вычисления весовых коэффициентов различными способами. Порядок вычислений проиллюстрирован примерами. Результаты исследований, показанные в графической форме, наглядно демонстрируют поведение фитнес-функции при работе генетического алгоритма с использованием различных вариантов весовых коэффициентов.
Анализ результатов позволяет сделать вывод о предпочтительности расчета весовых коэффициентов фитнес-функции данной популяции запросов, выполненного с использованием результатов всех запросов этой популяции. Вывод базируется на наличии последовательных улучшений популяций запросов, характерных для корректной работы генетических алгоритмов, а также на очевидном обнаружении в ходе экспериментов локальных и глобального максимумов фитнес-функции. При использовании других способов расчета весовых коэффициентов подобного не наблюдается. Способ определения весовых коэффициентов для аддитивного критерия оптимальности может повысить качество работы генетического алгоритма для формирования эффективных поисковых запросов. В частности, повышается вероятность быстрого обнаружения локальных экстремумов фитнес-функции, которые на заданной области ее определения могут стать оптимальным решением. },
keywords = {innovation index, аддитивный критерий, весовой коэффициент, генетический алгоритм, поисковый запрос, релевантность, фитнес-функция, хранилище данных},
pubstate = {published},
tppubtype = {article}
}
Подробно описаны выбранные способы аналитического определения весовых коэффициентов, при этом отмечается невозможность использования методов экспертных оценок. Рассмотрена методика проведения исследований. Описывается исходный набор данных, в том числе диапазоны данных, принятые для вычисления весовых коэффициентов различными способами. Порядок вычислений проиллюстрирован примерами. Результаты исследований, показанные в графической форме, наглядно демонстрируют поведение фитнес-функции при работе генетического алгоритма с использованием различных вариантов весовых коэффициентов.
Анализ результатов позволяет сделать вывод о предпочтительности расчета весовых коэффициентов фитнес-функции данной популяции запросов, выполненного с использованием результатов всех запросов этой популяции. Вывод базируется на наличии последовательных улучшений популяций запросов, характерных для корректной работы генетических алгоритмов, а также на очевидном обнаружении в ходе экспериментов локальных и глобального максимумов фитнес-функции. При использовании других способов расчета весовых коэффициентов подобного не наблюдается. Способ определения весовых коэффициентов для аддитивного критерия оптимальности может повысить качество работы генетического алгоритма для формирования эффективных поисковых запросов. В частности, повышается вероятность быстрого обнаружения локальных экстремумов фитнес-функции, которые на заданной области ее определения могут стать оптимальным решением.
Иванов В.К., Думина Д.С., Семенов Н.А.
К вопросу о реализации генетического алгоритма для решения задач поиска тематической информации в интернете Proceedings Article
In: Международный научно-технический конгресс «Интеллектуальные системы и информационные технологии - 2020». «IS&IT’20». Труды конгресса. Секция 1 «Эволюционное моделирование», pp. 17-28, Таганрог, 2020, ISBN: 978-56-0436-899-2.
Abstract | Links | BibTeX | Метки: additive function, fitness function, genetic algorithm, relevance, search query, weight factor, аддитивный критерий, весовой коэффициент, генетический алгоритм, поисковый запрос, релевантность, фитнес-функция
@inproceedings{V.K.Ivanov13,
title = {К вопросу о реализации генетического алгоритма для решения задач поиска тематической информации в интернете},
author = {Иванов В.К. and Думина Д.С. and Семенов Н.А.},
url = {https://disk.yandex.ru/i/wYjDcfkpmMg4Zw},
isbn = {978-56-0436-899-2},
year = {2020},
date = {2020-00-01},
urldate = {2020-00-01},
booktitle = {Международный научно-технический конгресс «Интеллектуальные системы и информационные технологии - 2020». «IS&IT’20». Труды конгресса. Секция 1 «Эволюционное моделирование»},
volume = {1},
pages = {17-28},
publisher = {Таганрог},
abstract = {В статье представлено возможное решение задачи выбора способа аналитического определения весовых коэффициентов для аддитивной фитнес-функции генетического алгоритма. Этот генетический алгоритм является основой эволюционного процесса, формирующего в поисковой системе устойчивую и эффективную популяцию запросов для получения высоко релевантных результатов. Приведено формальное описание фитнес-функции алгоритма, которая представляет собой взвешенную сумму трех неоднородных критериев.
V.K. Ivanov, D.S. Dumina, N.A. Semenov. On the Impletmentation of a Genetic Algorithm for Solving Problems of Searching for Thematic Information on the Internet
A possible solution to the problem of choosing a method for the weight factors analytical determination for the genetic algorithm additive fitness function is presented. This genetic algorithm is the evolutionary process basis, which forms a stable and effective queries population in the search engine to obtain highly relevant results. A fitness function formal description, which is a weighted sum of three heterogeneous criteria is given.},
keywords = {additive function, fitness function, genetic algorithm, relevance, search query, weight factor, аддитивный критерий, весовой коэффициент, генетический алгоритм, поисковый запрос, релевантность, фитнес-функция},
pubstate = {published},
tppubtype = {inproceedings}
}
V.K. Ivanov, D.S. Dumina, N.A. Semenov. On the Impletmentation of a Genetic Algorithm for Solving Problems of Searching for Thematic Information on the Internet
A possible solution to the problem of choosing a method for the weight factors analytical determination for the genetic algorithm additive fitness function is presented. This genetic algorithm is the evolutionary process basis, which forms a stable and effective queries population in the search engine to obtain highly relevant results. A fitness function formal description, which is a weighted sum of three heterogeneous criteria is given.
Иванов В.К., Виноградова Н.В.
Современные методы автоматизированного извлечения ключевых слов из текста Journal Article
In: Информационные ресурсы России, no. 4, pp. 13-18, 2016, ISSN: 0204-3653.
Abstract | Links | BibTeX | Метки: data centre, keyword, method, relevance, search, selection, semantics, spectral, statistical, text, word-combination, выделение, гибридный, ключевое слово, лингвистика, метод, поиск, релевантность, семантика, словосочетание, спектральный, статистический, текст
@article{nokey,
title = {Современные методы автоматизированного извлечения ключевых слов из текста},
author = {Иванов В.К. and Виноградова Н.В.},
editor = {ключевое слово, метод, выделение, текст, семантика, гибридный, лингвистика, словосочетание, спектральный, статистический, поиск, релевантность, keyword, method, selection, text, semantics, hybrid, linguistics, word-combination, spectral, statistical, search, relevance, data centre},
url = {https://disk.yandex.ru/i/Zi2TSkY7hI89uA},
issn = {0204-3653},
year = {2016},
date = {2016-12-31},
urldate = {2016-12-31},
journal = {Информационные ресурсы России},
number = {4},
pages = {13-18},
publisher = {Москва},
abstract = {Cтатья посвящена актуальной на сегодняшний день проблеме – методам автоматизированного извлечения ключевых слов из текста. В статье представлен аналитический обзор материалов по этой тематике. Особенностью обзора является широкое использование для анализа работ российских авторов, изданных за последнее время, что должно показать текущий уровень отечественных исследований и помочь определить потенциальные точки их дальнейшего развития. В статье классифицированы основные методы автоматизированного извлечения ключевых слов, выделены их особенности, определены применимость, описаны достоинства и недостатки. Дается систематизированный обзор исследований и разработок, основанных на лингвистических, статистических, спектральных и гибридных методах. Статья может быть полезна разработчикам информационно-поисковых систем, специалистам в области оптимизации поисковых процедур, исследователям технологий информационного поиска, патентоведам, работникам библиотечной сферы.
Vinogradova N.V., Ivanov V.K. Modern methods of automated extraction of keywords from text
The article is devoted to the up to date problem, namely the methods of automated extraction of keywords from a text. The article presents the analytical review on the problem. The speciality of a review is a wide range of works by Russian authors published lately that can indicate the current level of home investigations and help to define the further development potentials. The authors made an effort to classify the basic methods of the automated extraction of keywords, to emphasize their features, to define their potential for use, to specify strengths and shortcomings. The systemization review of the R&D based on linguistic, statistical, spectral and hybrid methods is conducted. The article may be beneficial to the information storage and retrieval system developers, experts in search procedure optimization, explorers of information search technologies, patent specialists, workers of libraries.},
keywords = {data centre, keyword, method, relevance, search, selection, semantics, spectral, statistical, text, word-combination, выделение, гибридный, ключевое слово, лингвистика, метод, поиск, релевантность, семантика, словосочетание, спектральный, статистический, текст},
pubstate = {published},
tppubtype = {article}
}
Vinogradova N.V., Ivanov V.K. Modern methods of automated extraction of keywords from text
The article is devoted to the up to date problem, namely the methods of automated extraction of keywords from a text. The article presents the analytical review on the problem. The speciality of a review is a wide range of works by Russian authors published lately that can indicate the current level of home investigations and help to define the further development potentials. The authors made an effort to classify the basic methods of the automated extraction of keywords, to emphasize their features, to define their potential for use, to specify strengths and shortcomings. The systemization review of the R&D based on linguistic, statistical, spectral and hybrid methods is conducted. The article may be beneficial to the information storage and retrieval system developers, experts in search procedure optimization, explorers of information search technologies, patent specialists, workers of libraries.