RU2717903C1 - Автоматизированная система моделирования изменения содержания информационного пространства - Google Patents
Автоматизированная система моделирования изменения содержания информационного пространства Download PDFInfo
- Publication number
- RU2717903C1 RU2717903C1 RU2019111125A RU2019111125A RU2717903C1 RU 2717903 C1 RU2717903 C1 RU 2717903C1 RU 2019111125 A RU2019111125 A RU 2019111125A RU 2019111125 A RU2019111125 A RU 2019111125A RU 2717903 C1 RU2717903 C1 RU 2717903C1
- Authority
- RU
- Russia
- Prior art keywords
- database
- processor
- grams
- information space
- publication
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Abstract
Изобретение относится к области вычислительной техники. Технический результат заключается в расширении арсенала технических средств. Система содержит: процессор, программную часть, состоящую из сервиса анализа данных, причем, сервис анализа данных содержит меметический процессор, базу запросов, базу данных и API, причем меметический процессор включает в себя четыре модуля: языковой процессор, модуль формирования информационного пространства, модуль прогнозирования, модуль тематической классификации публикации, и когда по API приходит запрос, который передается внешнему серверу и в ответ получает тексты и даты публикаций, полученные данные сохраняются в БД для временного хранения, меметический процессор считывает из БД набор публикаций с одной датой и отправляет текст публикации в языковой процессор, а языковой процессор, который разделяет текст публикации на предложения и определяет связи слов в предложении, как только связи между словами расставлены, языковой процессор формирует последовательности слов, не превосходящие заданной длины n-граммы. 1 ил.
Description
Изобретение относится к специализированным системам вычислительной техники и может быть использовано, в частности, для оценки силы изменения содержания информационного пространства относительно выбранной n-граммы, например, в интеллектуальных поисковых системах, системах обработки языка, системах мониторинга информационного пространства.
Известно техническое решение в виде автоматизированной вычислительной системы для формирования и мониторинга инвестиционных портфелей акций [RU 2630169, C1, G06Q 40/04, 05.09.2017], характеризующейся тем, что содержит не менее одного автоматизированного рабочего места (АРМ) пользователя, включающего шину данных АРМ, к которой подключены вычислительный блок АРМ, содержащий модуль формирования запросов и модуль приема отчетов и сообщений, блок управления, блок хранения данных АРМ, блок отображения информации и блок связи АРМ, и сервер, включающий шину данных, к которой подключены блок хранения данных, содержащий реестр пользователей, базу данных пользовательских расчетных моделей, базу данных критериев отбора акций в портфель, базу данных пользовательских портфелей, базу данных типовых расчетных моделей, базу данных шаблонов отчетов и сообщений, реестр компаний, базу данных «Общие данные», базу данных «Уставной капитал», базу данных «Финансовая отчетность», базу данных «Долговые обязательства», базу данных «Котировки», базу данных «Производственная модель», базу данных «Финансовая модель», базу данных «Производственная деятельность», базу данных «Макроэкономические показатели», базу данных «Отраслевые показатели», базу данных «Курсы валют», базу данных «Стоимости биржевых товаров», базу данных «Дивиденды» и базу данных «Головные и зависимые организации», вычислительный блок, содержащий модуль регистрации пользователей, модуль обработки запросов, модуль сбора финансовых данных, модуль формирования расчетных моделей, модуль формирования отчетов (сообщений), блок расчета стоимости акции, модуль формирования портфелей, модуль расчета доходности портфелей и модуль мониторинга портфелей акций, и блок связи, соединенный с блоками связи АРМ пользователей и источниками финансовых данных.
Недостатком этого технического решения является относительно узкие функциональные возможности, поскольку оно ограничено возможностью использования, преимущественно, для оценки эффективности инвестиционных портфелей акций и не может быть использовано без дополнительных доработок для иных целей, например, для оценки силы изменения содержания информационного пространства относительно выбранной n-граммы.
Кроме того, известно техническое решение в виде системы эконометрического анализа инвестиционной стратегии [RU 2012140927, A, G06Q 40/04, 10.04.2014], характеризующейся тем, что содержит процессор и память, которая поддерживает связь с процессором и в которой хранятся подаваемые процессором команды: получения запроса анализа инвестиционной стратегии, установления объема агрегирования записей данных транзакций по карте с целью анализа инвестиционной стратегии, агрегирования записей данных транзакций по карте с целью анализа инвестиционной стратегии в соответствии с заданным объемом, вычисления прогнозирующего уравнения регрессии с использованием агрегированных записей данных транзакций по карте, вычисления прогноза расходов на покупки в розницу заданной категории затрат с использованием прогнозирующего уравнения регрессии, генерирования отчета об анализе хозяйственной деятельности на основании вычисленного прогноза, и предоставление отчета об анализе хозяйственной деятельности в ответ на полученный отчет об анализе инвестиционной стратегии.
Особенностью системы является то, что, в ее памяти дополнительно хранятся команды генерирования анонимных данных транзакций по карте путем извлечения опознавательных признаков из агрегированных данных транзакций, команды установления грифов секретности записей данных транзакций согласно категории затрат, соответствующей записи данных транзакций, и фильтрации релевантных записей данных транзакций с целью анализа инвестиционной стратегии на основании установленных грифов секретности записей данных транзакций; команды генерирования отчета об анализе хозяйственной деятельности в соответствии с требованиями пользователя, инициирования инвестиционного решения на основании прогноза расходов на покупки в розницу в заданной категории затрат, генерирования источника данных с использованием прогноза расходов на покупки в розницу, и использования генерированного источника данных.
Недостатком этого технического решения также является относительно узкие функциональные возможности, поскольку оно не позволяет учитывать интересы всех участников проекта, что снижает точность, достоверность и надежность получаемых оценок, например, при оценке силы изменения информационного пространства относительно выбранной n-граммы.
Известно также устройство [RU 63567, U1, G06F 17/10, G06F 19/00, 27.05.2007], содержащее управляемую часть, включающую устройство ввода данных, устройство приема данных о характеристиках объекта, устройство промежуточного хранения и обработки данных и устройство вывода данных, управляемая часть соединена с сервером, содержащим блок описания процесса производства и реализации продукции, блок описания макроэкономического окружения объекта, устройство формирования затрат, устройство описания потребности в источниках финансирования, устройство описания активов и пассивов, блок расчета себестоимости производимой продукции, блок учета налоговых платежей и устройство формирования отчетов, при этом выход блока описания макроэкономического окружения связан с входами блока описания процесса производства и реализации продукции, устройства описания потребности в источниках финансирования, устройства формирования затрат и устройства формирования отчетов, выход блока описания процесса производства и реализации продукции связан с входами устройства формирования затрат, устройства описания активов и пассивов объекта, блока расчета себестоимости производимой продукции и блока учета налоговых платежей, выход устройства формирования затрат связан с входами устройства описания активов и пассивов, блока расчета себестоимости производимой продукции, блока учета налоговых платежей и устройства формирования отчетов, выход блока учета налоговых платежей связан с входами блока расчета себестоимости производимой продукции и устройства формирования отчетов, выход блока расчета себестоимости производимой продукции связан с входом устройства формирования отчетов, выход устройства описания потребности в источниках финансирования связан с входом устройства описания потребности в источниках финансирования и устройства формирования отчетов.
Особенностью этого технического решения является то, что блок формирования активов и пассивов включает в себя, по крайней мере, блок учета оборотных активов, блок описания вне оборотных активов и блок краткосрочных пассивов, блок формирования отчетов содержит блоки расчета основных финансовых показателей, показателей эффективности функционирования объекта, показателей основных форм бухгалтерской отчетности, расчетных и аналитических таблиц, расчета стоимости бизнеса и средневзвешенной стоимости капитала, блок определения потребности и источников финансирования содержит блок формирования сводной ведомости выплат по кредиту, блок определения потребности в финансировании, блок описания лизинговых операций, а блок формирования затрат содержит блок описания затрат, блок расчета расходов на заработную плату, блок прочих доходов и расходов.
Относительно узкие функциональные возможности являются недостатком и этого технического решения, поскольку без дополнительных доработок оно не может быть использовано, например, для выявления и прогнозирования наиболее актуальных тем в информационном пространстве.
Таким образом, известные технические решения, являются функционально ограниченными, что сужает арсенал технических средств, используемых для решения рассматриваемых задач. Следовательно, очевидна целесообразность разработки технических средств для выявления и прогнозирования наиболее актуальных тем в информационном пространстве, для нахождения аномальных изменений в информационном пространстве, а так же для более точного определения оптимального времи для переобучения языковых моделей, что позволить повысить точность и надежность интеллектуальных поисковых систем, систем обработки языка, систем мониторинга информационного пространства.
Требуемый технический результат заключается в выявлении и прогнозировании наиболее актуальных тем в информационном пространстве, в более точном нахождении аномальных изменений в информационном пространстве и в определении оптимального времени для переобучения языковых моделей.
Поставленная задача решается, а требуемый технический результат достигается тем, что, в системе, содержащей процессор с памятью RAM, с жесткими дисками, с сетевой картой, с видеокартой, с операционной системой и с программной частью, которая в свою очередь состоит из: сервиса анализа данных, состоящего из меметического процессора, базы данных запросов, базы данных и API. Меметический процессор, включает 4 модуля – языковой процессор, модуль формирования информационного пространства, модуля прогнозирования, модуль тематической классификации публикации.
На чертежах представлены (раздел чертежи):
на фиг. 1 – функциональная схема автоматизированной системы моделирования изменения содержания информационного пространства.
Автоматизированная система моделирования изменения содержания информационного пространства состоит из: процессора 1, программной части, представляющей собой сервис анализа данных 2, в который входит меметический процессор 3, база запросов 4, базы данных 5 и API 6. Меметический процессор 3 включает в себя: языковой процессор 7, модуль формирования информационного пространства 9, модуля прогнозирования 10, модуль тематической классификации публикации 11.
По API 6 приходит запрос, который передается внешнему серверу и в ответ получает тексты и даты публикаций, полученные данные сохраняются в базу данных 4 (далее по тексту БД 4) для временного хранения, меметический процессор 3 (далее по тексту МП) считывает из БД 4 набор публикаций с одной датой и отправляет текст публикации в языковой процессор 7, далее языковой процессор 7, который разделяет текст публикации на предложения и определяет связи слов в предложении, как только связи между словами расставлены языковой процессор 7 формирует последовательности слов, не превосходящие заданной длины n (n-граммы), и полученный результат МП 3 сохраняет в БД 5 в виде шаблона - n-грамма, количество её копии и дата (определяемой по дате публикации, в которой она была обнаружена), затем МП 3 выбирает из БД 5 n-граммы с одной датой, определяемой по дате публикации, формирует не менее трех групп n-грамм, образованных для трех последовательных моментов времени и сформированные группы, передаются в модуль формирования информационного пространства 8, где из n-грамм выделяются мем-граммы (m-граммы) – повторяющиеся во времени n-граммы, далее считается количество n-грамм, а выявленные m-граммы МП 3 сохраняются в БД 5, затем МП 3 выбирает из БД 5 набор данных, содержащий m-граммы с количеством копий и на три последовательные даты, набор данных для m-грамм подается в модуль прогнозирования 9, где производится прогноз количество копий для каждой m-граммы в следующий момент времени. Основной характеристикой мем-граммы является сила информационного воздействия (далее по тексту СИВ) данной m-граммы на информационное пространство, оказываемая внешним по отношению к информационному пространству субъектом. СИВ учитывает скорость изменения числа копий m-граммы за квази-время и рассчитывается по следующей формуле (См. вставку из текста 1 – раздел чертежи).
В результате обработки запроса в ответ по API отправляются данные, содержащие: тексты публикации, даты публикаций, категорию публикации, m-граммы, присутствующие в публикации, СИВ на m-граммы, n-граммы публикации. Таким образом, в предложенной полезной модели достигается требуемый технический результат, заключающийся в выявлении и прогнозировании наиболее актуальных тем в информационном пространстве, в более точном нахождении аномальных изменений в информационном пространстве и в определении оптимального времени для переобучения языковых моделей, в частности, для оценки силы изменения информационного пространства относительно выбранной мем-граммы, например, в интеллектуальных поисковых системах, системах обработки языка, системах мониторинга информационного пространства.
Claims (1)
- Автоматизированная система моделирования изменения содержания информационного пространства, содержащая процессор, программную часть, состоящую из сервиса анализа данных, отличающаяся тем, что сервис анализа данных содержит меметический процессор, базу запросов, базу данных и API, причем меметический процессор включает в себя четыре модуля: языковой процессор, модуль формирования информационного пространства, модуль прогнозирования, модуль тематической классификации публикации, и когда по API приходит запрос, который передается внешнему серверу и в ответ получает тексты и даты публикаций, полученные данные сохраняются в БД для временного хранения, меметический процессор (далее по тексту МП) считывает из БД набор публикаций с одной датой и отправляет текст публикации в языковой процессор, а языковой процессор, который разделяет текст публикации на предложения и определяет связи слов в предложении, как только связи между словами расставлены, языковой процессор формирует последовательности слов, не превосходящие заданной длины n (n-граммы), и полученный результат МП сохраняет в БД в виде шаблона - n-грамма, количество её копии и дата (определяемой по дате публикации, в которой она была обнаружена), затем МП выбирает из БД n-граммы с одной датой, определяемой по дате публикации, формирует не менее трех групп n-грамм, образованных для трех последовательных моментов времени, и сформированные группы передаются в модуль формирования информационного пространства, где из n-грамм выделяются мем-граммы (m-граммы) - повторяющиеся во времени n-граммы, далее считается количество n-грамм, а выявленные m-граммы МП сохраняются в БД, затем МП выбирает из БД набор данных, содержащий m-граммы с количеством копий и на три последовательные даты, набор данных для m-грамм подается в модуль прогнозирования, где производится прогноз количества копий для каждой m-граммы в следующий момент времени, причем основной характеристикой мем-граммы является сила информационного воздействия (далее по тексту СИВ) данной m-граммы на информационное пространство, оказываемая внешним по отношению к информационному пространству субъектом.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2019111125A RU2717903C1 (ru) | 2019-04-14 | 2019-04-14 | Автоматизированная система моделирования изменения содержания информационного пространства |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2019111125A RU2717903C1 (ru) | 2019-04-14 | 2019-04-14 | Автоматизированная система моделирования изменения содержания информационного пространства |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2717903C1 true RU2717903C1 (ru) | 2020-03-26 |
Family
ID=69943101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2019111125A RU2717903C1 (ru) | 2019-04-14 | 2019-04-14 | Автоматизированная система моделирования изменения содержания информационного пространства |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2717903C1 (ru) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837712A (zh) * | 2021-08-10 | 2021-12-24 | 中国海洋石油集团有限公司 | 一种大型陆地液化天然气生产工艺模块划分与布置方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6321205B1 (en) * | 1995-10-03 | 2001-11-20 | Value Miner, Inc. | Method of and system for modeling and analyzing business improvement programs |
RU63567U1 (ru) * | 2005-12-29 | 2007-05-27 | Комитет финансов Санкт-Петербурга | Информационно-аналитическая система оценки инвестиций |
RU2012140927A (ru) * | 2010-03-01 | 2014-04-10 | Виза Интернешнл Сервис Ассосиэйшн | Устройства, способы и системы экономического анализа инвестиционной стратегии |
RU2630169C1 (ru) * | 2016-04-22 | 2017-09-05 | Общество с ограниченной ответственностью "МЗ" | Автоматизированная вычислительная система для формирования и мониторинга инвестиционных портфелей акций |
-
2019
- 2019-04-14 RU RU2019111125A patent/RU2717903C1/ru active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6321205B1 (en) * | 1995-10-03 | 2001-11-20 | Value Miner, Inc. | Method of and system for modeling and analyzing business improvement programs |
RU63567U1 (ru) * | 2005-12-29 | 2007-05-27 | Комитет финансов Санкт-Петербурга | Информационно-аналитическая система оценки инвестиций |
RU2012140927A (ru) * | 2010-03-01 | 2014-04-10 | Виза Интернешнл Сервис Ассосиэйшн | Устройства, способы и системы экономического анализа инвестиционной стратегии |
RU2630169C1 (ru) * | 2016-04-22 | 2017-09-05 | Общество с ограниченной ответственностью "МЗ" | Автоматизированная вычислительная система для формирования и мониторинга инвестиционных портфелей акций |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837712A (zh) * | 2021-08-10 | 2021-12-24 | 中国海洋石油集团有限公司 | 一种大型陆地液化天然气生产工艺模块划分与布置方法 |
CN113837712B (zh) * | 2021-08-10 | 2023-08-22 | 中国海洋石油集团有限公司 | 一种大型陆地液化天然气生产工艺模块划分与布置方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zamore et al. | Credit risk research: Review and agenda | |
US20200167869A1 (en) | Real-time predictive analytics engine | |
Gupta et al. | The value of operating cash flow in modelling credit risk for SMEs | |
Pál et al. | Financing constraints and firms’ cash policy in the euro area | |
CN111401777B (zh) | 企业风险的评估方法、装置、终端设备及存储介质 | |
CN103154991A (zh) | 信用风险采集 | |
Behr et al. | Default patterns in seven EU countries: A random forest approach | |
Trichilli et al. | Googling investor’s sentiment: powerful measure in conventional and Islamic MENA financial markets | |
Metghalchi et al. | Return predictability and market efficiency: Evidence from the Bulgarian stock market | |
Myšková et al. | The effect of managerial sentiment on market-to-book ratio | |
Aleksanyan et al. | Searching for value relevance of book value and earnings: a case of premium versus discount firms | |
Brédart et al. | Human resources and corporate failure prediction modeling: Evidence from Belgium | |
Barone-Adesi et al. | Estimating the joint tail risk under the filtered historical simulation: An application to the CCP’s default and waterfall fund | |
Bartoloni et al. | Financial performance in manufacturing firms: a comparison between parametric and non-parametric approaches | |
Zhang et al. | Novel modelling strategies for high-frequency stock trading data | |
Krishna | Big Data in risk management | |
Kwak et al. | Bankruptcy prediction for Japanese firms: using multiple criteria linear programming data mining approach | |
RU2717903C1 (ru) | Автоматизированная система моделирования изменения содержания информационного пространства | |
Dinh et al. | Effect of Interest Rate Subsidies on Firm Performance and Investment Behavior during Economic Recession: Evidence from V ietnam | |
RU2630169C1 (ru) | Автоматизированная вычислительная система для формирования и мониторинга инвестиционных портфелей акций | |
Dlaskova et al. | Valuation of intangible assets according to Czech accounting standards and IFRS in the context of explanatory power of financial statements | |
Galasso et al. | Does access to finance improve productivity? The case of Italian manufacturing | |
Niknya et al. | Financial distress prediction of Tehran Stock Exchange companies using support vector machine | |
Yu | Big Data Analytics and Discrete Choice Model for Enterprise Credit Risk Early Warning Algorithm | |
Ahmed et al. | Short-term and long-term interest rate spread’s dynamics to risk and the yield curve |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PD4A | Correction of name of patent owner | ||
QB4A | Licence on use of patent |
Free format text: LICENCE FORMERLY AGREED ON 20201028 Effective date: 20201028 |
|
QB4A | Licence on use of patent |
Free format text: LICENCE FORMERLY AGREED ON 20210607 Effective date: 20210607 |
|
PD4A | Correction of name of patent owner |