Диссертация (1137055), страница 3
Текст из файла (страница 3)
Один из них использует таксономию предметнойобласти. Уровень результатов оценивается в соответствии с рангами тех понятийтаксономии, которые возникли или были существенно преобразованы благодаряэтим результатам. Другие два – по уровню цитируемости и по уровнюавторитетности. Для агрегирования отдельных критериев внутри этих подходовиспользуется предлагаемый метод многокритериальной линейной стратификации.Для того, чтобы сравнить все три подхода, используется выборка 30 специалистовв области анализа данных и машинного обучения из разных стран.
В качестветаксономиипредметнойобластииспользуетсясоответствующуючастьмногоуровневой классификации компьютерных наук, разработанной всемирнойАссоциацией вычислительных машин в 2012 г. несколько модифицированная,чтобы точнее отобразить результаты, полученные учеными из выборки.13Исследуемый метод позволяет получить агрегированные критерии по всем тремаспектам.В четвертой главе описываются комплексы программ, реализующиеметоды формирования стратификации, схему генерации синтетических страт, атакже эксперименты для сравнения методов стратификации и ранжирования.Программы написаны в среде Matlab и организованы в виде набора инструментов(toolbox) по аналогии со встроенными пакетами для научных и математическихвычислений. В главе описываются особенности реализации функций, приводятсяпримеры их использования, а так же блок-схемы функции генерациисинтетических данных и скрипта выполнения экспериментов.
Посколькупрограммныйкодимеетсявоткрытомдоступе,библиотекаметодовстратификации может быть свободно использована и служить полезныминструментарием исследователя или аналитика для решения прикладных задачпринятия решений, ранжирования и стратификации.В заключении описаны основные результаты работы:1.Предложена математическая модель многокритериальной линейнойстратификации.2.Разработанчисленныйметодформированиямногокритериальнойлинейной 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 обучения ианализа данных, привели к согласованным результатам.7.Методикомплексыпрограммбылиприоритезации базовых станций в компании ПАО «МТС».примененыдлязадачи14Основные 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.
Orlov M.A. A concept of multicriteria stratification: a definition and solution /М.А. Orlov, B.G. Mirkin // Procedia Computer Science. – 2014. – Vol. 31. – P. 273-280. –0,75 п.л. (личный вклад автора – 0,5 п.л.).2. Orlov M.A. Three aspects of the research impact by a scientist: measurementmethods and an empirical evaluation / М.А. Orlov, B.G. Mirkin // Optimization, Control,and Applications in the Information Age. – Springer International Publishing, 2015.
– P.233-259. – 0,8 п.л. – (личный вклад автора – 0,5 п.л.).Публикациивведущихнаучныхрецензируемыхжурналах,рекомендованных ВАК Министерства образования и науки РФ:1. Орлов М.А. Алгоритм формирования многокритериальной стратификации //Бизнес-информатика. – 2014. – №. 4 (30). – С. 24-35. – 0.77 п.
л.Другие публикации:1.ОрловМ.А.Методымногокритериальнойстратификациииихэкспериментальное сравнение. WP7/2013/03. / М.А. Орлов, Б.Г.Миркин // М.: Изд.Дом Высшей школы экономики. – 2013. – 32 c. – 1,9 п.л. (личный вклад автора – 0,7п.л.).2. Orlov M.A. Research Impact: level of results, citation, merit. WP7/2014/09.
/Mirkin B.G., Orlov M.A // М.: Изд. дом Высшей школы экономики. – 2014. – 40 p. – 2,4п.л. (личный вклад автора – 0,9 п.л.).3. Orlov M. Qualitative Judgement of Research Impact: Domain Taxonomy as aFundamental Framework for Judgement of the Quality of Research / F. Murtagh, M. Orlov,B. Mirkin // arXiv preprint arXiv:1607.03200. – 2016. – 22 p.
– 0,9 п.л. (личный вкладавтора – 0,3 п.л.).15Глава 1. Разработка модели многокритериальной линейной стратификацииВэтойглаведаётсяобщееописаниепроблемыавтоматизациимногокритериальной стратификации. Приводится обзор основных методовранжирования, на основе которых может быть получена стратификация. Методыстратификации систематизируются в зависимости от способа агрегированиякритериев.
Предлагается модель линейной многокритериальной стратификации ирассматриваются некоторые ее свойства. Формулируется оптимизационная задачаполучения линейной стратификации, наилучшим образом аппроксимирующейданные в пространстве критериев. Производится сравнение агрегированныхкритериев, получаемых методом линейной стратификации и популярнымметодом главных компонент.1.1.Методы многокритериального ранжирования и способы ихприменения для автоматической стратификацииПри принятии решений и выборе одной из нескольких альтернатив частоприходитсяупорядочиватьпредставитьситуации,ввариантыкоторыхпонасмногиминтересуеткритериям.неНесложностолькополноеупорядочивание вариантов, сколько разбиение вариантов на фиксированное числоклассов, упорядоченных относительно друг друга.
При этом порядок классовопределяет ранги входящих в них объектов. Все объекты из одного классаявляются объектами одного ранга. Особенно такая структура актуальна приранжировании большого числа вариантов. В такой ситуации зачастую удобнее неискать полное ранжирования, а выделять, например, группы «лучших»,«средних» и «плохих» вариантов. Проблему автоматического ранжированиявариантов по многим критериям при заданном относительно небольшом числерангов, будем называть проблемой многокритериальной стратификации.Ранжированию объектов с заданным числом рангов в литературе неуделяется внимание. Обычно строят полное упорядочивание рассматриваемых16вариантов и лишь потом присваивают объектам ранги, на основе некоторогоэвристическогоправила.Например,распространеннойпрактикойприранжировании научных журналов является разбиение множества журналов наквартили и присвоение объектам первой квартили ранга 1, второй квартили ранга2 и так далее.
Или присваивают ранг 1 первым 20%, ранг 2 следующим 30%, аоставшимся – ранг 3, как принято в ABC-классификации, в маркетинге. Поэтомубудем рассматривать методы ранжирования и их возможные модификации дляполучения необходимого количества страт. При заданном интегральном критерииразбиение на фиксированное число страт легко найти, например, применениемодномерной процедуры к-средних к интегральному критерию. Это позволяетвключить в рассмотрение и методы упорядоченного ранжирования.Методы многокритериальной стратификации можно условно разделить натри группы, исходя из лежащих в их основе методов ранжирования:1.Ранжирование по одному агрегированному критерию, являющемусялинейной сверткой критериев [14, 15, 16]. В основе метода лежит постулат о том,что уменьшение одного критерия может быть «погашено» увеличением другогокритерия («замещение») [17].
При этом коэффициенты замещения критериевявляются постоянными (не зависят от объектов).2.Ранжированиенаосновеиндивидуальныхкритериевпутемиспользования соответствующего отношения многомерного упорядочения. Приэтом индивидуальные критерии рассматриваются как несравнимые, так чтонельзя заместить один другим.3.В эту группу мы включаем методы, где критерии могут замещатьсядруг другом, но коэффициенты замещения не постоянны, а зависят отсравниваемых объектов, так что общий критерий является нелинейнойкомбинацией частных критериев.Первый класс методов составляют всевозможные процедуры назначениявесовых коэффициентов как с участием экспертов, так и автоматически.Например, веса критериев могут быть получены путём вычисления рангаобъектов. Применительно к ранжированию конференций и авторов публикаций17этот подход был разработан в статье [18].
Другим примером линейного метода,является метод согласования экспертных оценок [19], в этом подходе начальныеоценки ранжирований и весов задаются экспертно, а затем эти оценкикорректируются таким образом, чтобы полученные веса и ранжирования былисогласованы друг с другом.Ко второму типу можно отнести ряд методов теории коллективного выбора[20, 21], которые позволяют упорядочивать варианты, используя ранжирования поотдельным критериям.К третьему типу относятся, например, методы, разработанные в статьях [8,9] применительно к задаче разделения ресурсов фирмы на группы по степениважности (ABC-анализ), весовые коэффициенты здесь находятся из решениязадачи линейной оптимизации. Хотя ранг объекта в данном случае вычисляетсяпутем линейной свертки с весами, но для каждого объекта набор весовиндивидуален, т.е.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
