Автореферат (Разработка модели и метода линейной многокритериальной стратификации), страница 3
Описание файла
Файл "Автореферат" внутри архива находится в папке "Разработка модели и метода линейной многокритериальной стратификации". PDF-файл из архива "Разработка модели и метода линейной многокритериальной стратификации", который расположен в категории "". Всё это находится в предмете "технические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве НИУ ВШЭ. Не смотря на прямую связь этого архива с НИУ ВШЭ, его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата технических наук.
Просмотр PDF-файла онлайн
Текст 3 страницы из PDF
В результате получим окончательное значение ранга 3–0.3–0.04=2.66.Основные шаги для оценки таксономического ранга ученого:1) Зафиксировать предметную область.2) Найти или сформировать подходящую таксономию.3) Провести выборку ученых.4) Для каждого ученого из выборки отобразить основные результаты натаксономию предметной области.5) Вычислить таксономический ранг.В качестве предметной области рассматривается область анализа данных,включающая в себя майнинг данных (data mining) и машинное обучение.Таксономия анализа данных получена из классификации компьютерных наукВсемирной Ассоциации Вычислительных Машин ACM CCS 2012. Верхние уровнирелевантных разделов этой таксономии указаны в таблице 4.18Таблица 4.
Верхние уровни таксономии анализа данных согласно ACM CCS 2012Индекс Название предмета1.Theory of computation1.1.Theory and algorithms for application domains2.Mathematics of computing2.1.Probability and Statistics3.Information Systems3.1.Data management systems3.2.Information systems applications3.3.World Wide Web3.4.Informational Retrieval4.Human-centered computing4.1.Visualization5.Computing methodologies5.1.Artificial intelligence5.2.Machine learningВыборка специалистов по анализу данных формировалась на основе сайтаGoogle Scholar, поскольку на нем можно получить необходимую информацию какоб основных публикациях, так и показателях цитируемости. Выборка строиласьтаким образом, чтобы примерно учесть вклад отдельных стран.
Большую частьсоставляют ученые из Соединенных Штатов Америки, оставшуюся часть выборкисоставляютученыеизАвстралии,Европейскогосоюза,Канады,России,Великобритании и др. Таким образом, в выборку были отобраны 30 известныхученых в области анализа данных и машинного обучения из перечисленных стран,по которым в полном объеме были данные и по цитированию, и по показателямавторитетности.Для сбора характеристик цитируемости был выбран ресурс Google Scholar,на котором были собраны следующие метрики:- Общее число цитирований работ ученого (C).- Число работ, процитированных минимум 10 раз (I10).- Индекс Хирша: число работ h, получивших как минимум h цитирований.Так получилось, что в нашем распоряжении оказались данные поцитируемости за два периода времени: июль 2013 и сентябрь 2014.
Это позволило19еще раз проверить стабильность стратификации, получаемой алгоритмом ЛинСтрат,на реальных данных.Из резюме, имеющихся в открытом доступе, для специалистов из выборкибыли собраны:- Число успешно подготовленных аспирантов (PhD).-Числонаучныхжурналов,вкоторыхонбылглавнымилиассоциированным редактором в любое время или членом ред. коллегии на моментсбора данных (EB).- Число конференций, в которых учёный принимал участие в качествеодного из руководителей оргкомитета или программного комитета.Получены следующие результаты с применением метода линейноймногокритериальной стратификации:1. С помощью алгоритма ЛинСтрат были найдены 3 страты по критериямцитирования.
Полученные веса критериев (на данных 2014 года) оказались: 0.5 дляI10, 0.5 для числа цитирований (С) и 0 для индекса Хирша (H), что соответствуетпредставлениям авторитетных специалистов.2. Полученастратификациина3стратыпоавторитетности.Вкомбинированный критерий число подготовленных аспирантов PhD вошло с весом0.22, организация конференций CO с весом 0.10 и участие в редакции журналов свесом 0.69, что также соответствует представлениям авторитетных специалистов.Таблица 6.
Парные коэффициенты корреляции Пирсона между критериями Ccn,Mcn, Trn, а также коэффициенты корреляции Спирмена между ранжированиямисоответствующими критериям Cs, Ms, TsКомбинированные критерииСтратификацииCcnMcnCsMsTr-0.12-0.04Ts-0.12-0.02Ccn0.31Cs0.2520Была проанализирована связь между критериями цитируемости (Ccn),авторитетности (Mcn), и таксономическим рангом (Trn). Для этого были рассчитаныкоэффициенты корреляции Пирсона, а также для сравнения коэффициенты ранговойкорреляции Спирмена между ранжированиями по этим критериям Cs, Ms, Ts.Результаты представлены в таблице 6.Как видно, все три аспекта оказались не коррелированными, заисключением небольшой положительной корреляции между цитируемостью иавторитетностью, которая, вероятно, отражает то, что оба критерия включаютпопулярность ученого.В главе 4 описывается библиотека прикладных программ, реализующаяалгоритмы стратификации, схему генерации синтетических данных, а такжескриптыдляпроведениявычислительныхэкспериментовповерификацииалгоритма ЛинСтрат и сравнению его с другими алгоритмами.
Приводятся примерывызовов функций стратификации и генерации. Программы написаны в среде Matlabи организованы в виде набора инструментов.Описываютсяфункции,реализующиеметодыстратификациииранжирования, рассматриваются особенности их реализации.
Описывается функция,выполняющая генерацию синтетических данных. Структура этой функциипредставлена в виде блок схемы на рисунке 3.Описан скрипт для проведения экспериментов на синтетических данных.Скрипт выполняет следующие шаги:1) Установка параметров работы алгоритмов и генерации данных.2) Установка расписания эксперимента, т.
е. какие из экспериментоввыполнять.3) Тест 1. Валидация алгоритма на синтетических данных со случайносгенерированными весами (раздел 2.3.1).4) Тест 2. Варьирование толщины (зашумленности) страт и весов (раздел2.3.6).5) Тест 3. Варьирование интенсивности страт и весов (раздел 2.3.4).216) Тест 4. Варьирование размаха страт и весов (раздел 2.3.5).7) Тест 5. Варьирование размерности данных (раздел 2.3.2).8) Тест 6. Варьирование размера выборки (2.3.3).Рисунок 3.
Блок-схема генератора синтетических данныхДляреализацийсравненияметодовповычислительнойстратификациибылиэффективностипроведеныпрограммныхвычислительныеэксперименты. Для эксперимента формировалась выборки с помощью генераторастратифицированных данных, все параметры страт фиксировались, при этом22варьировались размер и размерность сгенерированной выборки и замерялось времяработы каждого алгоритма в секундах. Результаты записаны в таблице 7.Таблица 7. Результаты экспериментов по сравнению вычислительнойэффективности программных реализаций алгоритмов. Длительность работы всекундахРазмерностьM=5M =10M= 20M = 50МетодLSQLSBCLWOARPSLSQLSBCLWOARPSLSQLSBCLWOARPSLSQLSBCLWOARPSN=1008.31±0.576.18±0.120.01±0.003.01±0.330.01±0.000.04±0.0111.62±0.346.17±0.080.01±0.002.30±0.110.01±0.000.37±0.0013.42±0.196.10±0.100.01±0.001.55±0.130.00±0.000.04±0.0028.03±0.575.71±0.200.01±0.001.90±0.070.01±0.000.04±0.00Размер выборкиN=500N=1000N=50009.61±0.8611.64±0.64 11.59±0.6116.45±0.34 32.10±0.910.03±0.000.08±0.001 1.37±0.0320.01±0.000.02±0.060.14±0.021.01±0.044.58±0.3213.01±1.56 13.69±0.67 13.46±0.0718.23±2.41 31.33±1.790.04±0.010.14±0.012.54±0.020.01±0.000.02±0.0010.12±0.021.06±0.384.15±0.1815.26±1.01 16.78±1.40 15.78±0.2217.38±1.65 32.37±3.590.08±0.010.27±0.014.91±0.020.01±0.000.02±0.000.09±0.021.02±0.094.50±0.3227.20±1.12 26.35±1.46 26.44±0.6314.61±1.14 23.57±0.630.17±0.020.58±0.0312.08±0.030.01±0.000.01±0.000.06±0.011.12±0.094.20±0.26-N=1000012.45±0.415.52±0.110.28±0.0315.10±0.0610.00±0.050.22±0.0217.96±0.4319.70±0.030.17±0.0133.75±2.3852.01±2.670.12±0.01-Как видно из таблицы, наиболее вычислительно эффективным являетсяметод AR, показавший высокую производительность как при увеличенииразмерности, так и при и увеличении размера выборки.
При этом стоит отметить,что разработанный метод ЛинСтрат является масштабируемым по размеру выборки.23В заключении описаны основные результаты работы:1) Предложена математическая модель многокритериальной линейнойстратификации.2) Разработан численный метод формирования многокритериальнойлинейной стратификации.3) Разработан метод генерации линейных стратифицированных данных.4) Разработан комплекс программ для численного решения задачистратификации, генерации синтетических данных и проведения вычислительныхэкспериментов.5) Модель, метод и комплекс программ верифицированы на синтетическихи реальных данных.6) Метод и комплекс программ, примененные для оценки разных аспектовнаучного вклада на выборке ведущих специалистов в области машинного обученияи анализа данных, привели к согласованным результатам.7) Метод и комплекс программ применены для решения задачиприоритизации базовых станций в компании ПАО «МТС».Основные результаты диссертационного исследования опубликованы в 6работах общим объемом 7,5 п.л.; личный вклад автора составляет 3,7 п.л.Работы, опубликованные автором в рецензируемых научных изданиях,входящихвмеждународныереферативныебазыданныхисистемыцитирования (Web of Science, Scopus Web of Science, Scopus Astrophysics, DataSystem, PubMed, MathSciNet, zbMATH, Chemical Abstracts, Springer, Agris, GeoRef):1.