Кластеризация и многоступенчатый семантический анализ научных текстов

На сегодняшний день многие проблемы компетентностного подхода остаются не решенными как в методологическом и методическом плане, так и в плане организации деятельности и создания соответствующих технологий. Для формирования научно-исследовательских компетенций университета соответствующие сведения о проектах, научных работах и специализации сотрудников университета необходимо собирать и обрабатывать, что в современных условиях при большом разнообразии научных направлений и количестве отдельных работ и проектов требует создания специализированной информационной системы. Задача выявления компетенций сотрудников научной организации может быть решена путем кластеризации текстов их научных работ.

Постановка задачи

Известно, что перед высшей профессиональной школой сегодня поставлена задача подготовки выпускников к проведению научных исследований, что в терминах компетентностного подхода звучит как формирование научно-исследовательской компетентности.

На сегодняшний день многие проблемы компетентностного подхода остаются не решенными как в методологическом и методическом плане, так и в плане организации деятельности и создания соответствующих технологий. Научно-исследовательские компетенции университета в первую очередь определяются составом его сотрудников, преподавателями и научными работниками, которые могут осуществлять различные научно-исследовательские работы на должном уровне. Поэтому научно-исследовательские компетенции университета, по-видимому, следует и можно определять по тем проектам и научно-исследовательским работам, которые осуществляет университет с учетом общей квалификации его научного персонала (образования и специализации сотрудников). При этом профессиональная направленность этих компетенций так или иначе связана с известными научными специальностями научных сотрудников. Для формирования научно-исследовательских компетенций университета соответствующие сведения о проектах, научных работах и специализации сотрудников университета необходимо собирать и обрабатывать, что в современных условиях при большом разнообразии научных направлений и количестве отдельных работ и проектов требует создания специализированной информационной системы.

Цель работы по созданию веб-ресурса для формирования научно-исследовательских компетенций заключалась в разработке компьютерной информационной системы для определения научно-исследовательских компетенций МГППУ и планирования научной деятельности высшего учебного заведения с функциями частичной автоматизации формирования описаний научно-исследовательских компетенций.

Задачи проекта включали: анализ вопросов формализации описаний научно-исследовательских компетенций; определение функциональных требований к ИС и составление технического задания на разработку ИС; синтаксический и семантический анализ структуры и алгоритмизация отношений между составляющими научно-исследовательских компетенций; разработка механизмов реляционной базы данных научной специализации и научно-исследовательских работ и проектов университета; синтаксический и семантический анализ структуры и алгоритмизация отношений между составляющими научно-исследовательских компетенций; разработка механизмов реляционной базы данных научной специализации и научно-исследовательских работ и проектов университета; разработка алгоритмов автоматизации формирования описаний научно-исследовательских компетенций.

Такая информационная система может обеспечить систематизацию, упорядочение и автоматизацию сведений о научно-исследовательских компетенциях университета и упрощение работы с этой информацией, даст возможность лучше координировать и планировать дальнейшую научно-исследовательскую деятельность университета и осуществлять экспертизу постановки новых научных задач, позволит провести рекламу и продвижение проектов университета. Это в результате может дать университету необходимые конкурентные преимущества на рынке. В настоящее время стандартных информационных систем такого типа на рынке не существует, что делает проект по разработке информационной системы «научно-исследовательские компетенции университета» актуальным.

Техническая реализация

Программная реализация информационной системы представляет из себя веб-ресурс, хранящийся на сервере МГППУ. В качестве приложения-сервера используется широко распространенное приложение Apache. Система написана с использованием языков: PHP, JavaScript, CSS, HTML. В качестве приложения базы данных используется приложение MySQL. Так как разрабатываемый веб-ресурс является информационной системой сложной структуры, то для разработки используется фреймворк Laravel, включающий в себя фреймворк Symfony.

В качестве языка представления шаблонов графических HTML элементов в системе используется язык Twig. Гибкое и эффективное взаимодействие с базой данных совершается с использованием библиотеки Eloquent. Вся передача данных внутри системы и от сервера к клиентскому приложению производится на языке структуризации данных JSON. В целом архитектура приложения создана на шаблоне проектирования MVC (Model View Controller).

Шаблон проектирования MVC предполагает разделение данных приложения, пользовательского интерфейса и управляющей логики на три отдельных компонента: Модель, Представление и Контроллер – таким образом, что модификация каждого компонента может осуществляться независимо. Такой систематизированный подход позволяет в достаточной степени и с наилучшей эффективностью использовать концепцию объектно-ориентированного программирования, основанную на представлении программы в виде совокупности объектов, каждый из которых является экземпляром определённого класса, а классы образуют иерархию наследования.

Математическая модель

Задача выявления компетенций сотрудников научной организации может быть решена путем кластеризации текстов их научных работ. При этом необходимо учитывать наличие у сотрудников утвержденной научной квалификации и их распределение по научным специальностям соответствующей номенклатуры. Наиболее простой вариант решения задачи сводится к формализованному представлению текстов с последующей оценкой их семантической близости. Связь представлений текстов и научных специальностей представляется матрицей в метрике TF-IDF.

Предлагаемый подход предполагает вычисление оценок согласованности документов с ключевыми фрагментами описаний научных специальностей. Размерность пространства, в котором представлены эти тексты, понижается с помощью сингулярного разложения матриц в метрике TF-IDF. Это обеспечивает понижение размерности задачи и удаление несущественной информации. Последующее многомерное шкалирование позволяет получить представления научных текстов в пространстве малой размерности, что является исходными данными для последующей кластеризации. Сингулярное разложение матрицы, связывающей сотрудников и кластеры научных текстов, с последующим многомерным шкалированием позволяет выполнить кластеризацию носителей компетенций.

1.           Андреев А.В., Митрофанова О.А., Соколов К.В. Введение в формальную семантику. СПб.: СПбГУ. РИО. Филол. фак., 2014. 88 с.