Научная деятельность

Целью дипломной работы была разработка информационной системы оценки и прогнозирования стоимости недвижимости. В ходе работы был проведен анализ существующего положения в отрасли, доказывающий необходимость данной разработки.

В рамках дипломной работы был рассмотрен сам процесс оценки стоимости и предложен принципиально новый подход, увеличивающий производительность оценщика.

Оценка - трудоемкий процесс, который включает в себя три подхода: затратный, доходный и сравнительный. Чтобы получить реальную стоимость объекта недвижимости, оценщик должен применять все три подхода, что в свою очередь отнимает много времени. Самым трудоемким по объему оказывается сравнительный подход, потому что оценщик должен вручную искать наиболее похожие объекты недвижимости с оцениваемым. В данной дипломной работе реализован принципиально новый метод сравнительного подхода. Он основывается на алгоритме K-взвешенных ближайших соседей, который обеспечивает автоматический поиск аналогов, которые наиболее схожи с оцениваемым и на этой основе выводится средняя стоимость оцениваемого объекта. Таким образом, достигается автоматизация сравнительного подхода и оценки стоимости недвижимости в целом.

В процессе реализации была выбрана архитектура клиент-сервер, причем основные функции бизнес-логики реализовываются на сервере. Трехуровневая архитектура имеет ряд преимуществ, например: безопасность, надежность и производительность.

Программное обеспечение разрабатывалось на языке С# с использованием среды разработки Microsoft Visual Studio 2010. Было приведено подробное описание функционала информационной системы.

Целью выпускной квалификационной работы бакалавра являлась разработка структуры данных, применимой в сфере контекстного моделирования, и позволяющей, при минимальных затратах памяти, обеспечить быстрый доступ к востребованным данным. Востребованность данных невозможно определить количественно, поэтому для определения более часто используемых элементов использовалось понятие веса, который равен количеству операций поиска, совершенных в отношении этого элемента. Также целью работы являлось реализация разработанной структуры данных, анализ её эффективности по сравнению с существующими и визуализация её построения и выполнения операций над ней.

Для написания программы, реализующей структуру, использовались язык C++ и системы разработки CodeBloks и MS Visual Studio. Для создания визуализации были использованы язык программирования Python и инструмент создания 3d визуализации Ubigraph.

В результате, в работе «Разработка и реализация алгоритма создания и балансировки двоичного дерева поиска со взвешенными узлами» были рассмотрены различные структуры данных, исследованы методы балансировки двоичных деревьев поиска, такие как балансировка по длине, балансировка по весу, балансировка по количеству узлов, а так же разработан собственный критерий балансировки по весу.

Данный критерий позволил создать самобалансирующуюся структуру данных, сокращающую время доступа к часто использующимся элементам и реализующую ассоциативный массив. В таком случае, вес является значением, ассоциированным с ключом.

Также в ходе работы были реализованы такие структуры как BST, декартово дерево и TKOL, для возможности их построения на одних и тех же входных данных и последующего анализа эффективности. Кроме того, структура TKOL была визуализирована, что позволило не только наглядно увидеть сбалансированность дерева по весу, но также проследить все этапы его построения.

На данном этапе структура данных TKOL позволяет осуществлять быстрый поиск элементов, а так же их добавление. Балансировка по весу не является оптимальной, но тем не менее существенно сокращает время доступа к элементам по сравнению с несбалансированным BST.

Генетическое программирование – это методика машинного обучения, прототипом которой является биологическая эволюция. Генетическое программирование используется для автоматического создания программ с определенными параметрами.

В дипломной работе метод генетического программирования применялся для построения алгоритма игры крестики-нолики.

Генетическое программирование является эволюционным алгоритмом, особями которого являются «программы». «Программа» должна быть закодирована в таком виде, что бы легко было автоматически вносить случайные изменения (мутации) и объединять две программы в одну (скрещивание). Поэтому «программу» представляют в виде дерева, в узлах которого будут находиться функции, а каждый лист будет представлять собой операнд.

«Программы» можно заставить эволюционировать, принудив их состязаться между собой. Несмотря на то, что игра очень проста, в ней сталкиваются интересы двух участников, и поэтому на ее примере хорошо видны конкурентные аспекты эволюции.

Если «программа» хорошо эволюционировала, то ее будет обыграть достаточно сложно или даже невозможно. Но иногда получаются не очень сильные «программы», поскольку все изменения абсолютно случайны и могут давать как положительный, так и отрицательный результат.

Среди пользователей интернета пользуется высокой популярностью использование закладок, которые упрощают доступ к необходимой информации. Закладка – избранная, любимая интернет-ссылка в браузере или выбранное место (позиция) в тексте.

В браузерах Firefox и Opera закладки хранятся в специальном файле и вызываются через меню Закладки (Bookmarks). В Internet Explorer закладки хранятся в виде ярлыков в специальной папке Избранное (Favorites) и вызываются через одноимённое меню.

Такие способы безусловно удобны, если мы оперируем некоторым небольшим количеством ссылок, однако у многих пользователей таких закладок копится очень большое количество, доступ к необходимой информации затрудняется, становится очевидно, что их необходимо упорядочить, а именно классифицировать по категориям. Выбирать вручную к какой категории отнести закладку становится крайне трудоемко, поэтому необходимо автоматизировать этот процесс. В результате выполнения данной дипломной работы получен инструмент, который минимизирует участие пользователя в классифицировании страницы по тематическим категориям.

Не менее важной проблемой могут стать страницы, которые содержат информацию, подходящую под несколько категорий одновременно. Необходимо, чтобы программа отслеживала такие ситуации и предлагала варианты решения. Например, отнести ее к одной из предложенных категорий или к нескольким.

На сегодняшний день сервисы по управлению закладками имеют большую популярность, однако инструмент, классифицирующий закладки, основываясь на встроенный обученный классификатор, еще не используется ни в одном из известных сервисов. Все они основываются на определении категории самими пользователями, что, по сути, относится к ручной классификации, а автоматизация заключается лишь при повторном использовании своих или чужих меток для конкретной страницы.

В ходе выполнения дипломной работы были исследованы различные методы классификации, после чего был выбран метод Фишера, на основе которого был построен классификатор. Необходимым этапом было также изучение сохранения результатов обучения в базе данных и ее дальнейшее взаимодействие с расширением, которое также было создано в рамках дипломной работы.

Не менее трудоемкой частью было осуществление взаимодействия инструментов разработки, а именно, были использованы языки программирования Python и Javascript, база данных SQLite, среда для разработки Mozilla Firefox, инструменты Mozilla – Addon-SDK и cfx. Дальнейшими возможностями усовершенствования инструмента может быть использование другого метода классификации, например, наивной классификации Байеса, а также увеличение скорости выполнения классификации.

Одним из базовых способов манипулирования данными реляционной модели является реляционная алгебра. Алгебра обладает большой выразительной мощностью. Очень сложные запросы к базе данных могут быть выражены с помощью одного выражения реляционной алгебры. Однако для управления данными БД используется не сама алгебра, а используются реляционно полные языки. Тем не менее, знание алгебраических основ реляционной модели полезно на практике, поскольку помогает лучше понять принципы работы реляционных СУБД. Приложение с возможностью проверки результатов запросов поможет в практической подготовке специалистов по БД. А язык SQL - основной используемый язык работы с БД - преобразуется в ядре СУБД в набор операций над данными, аналогичный операциям РА.

Процесс трансляции состоит из нескольких этапов.

1) Лексический анализ - на данном этапе входная последовательность разбивается на литеры языка.

2) Синтаксический анализ - на данном этапе транслятор выявляет и проверяет конструкции входного языка. Для реализации анализатора использовался алгоритм распознавателя на основе грамматик операторного предшествования.

3) Подготовка к генерации кода - на данном этапе транслятор проводит преобразование выявленных конструкций к наиболее удобной форме для генерации кода.

4) Генерация кода - этот этап занимается переводом выявленных конструкций входного языка на логически идентичные последовательности выходного языка. Для удобства генерации на этот этап был перемещен семантический анализ сигнатур таблиц.

Также был добавлен вспомогательный этап, отвечающий за анализ введенных пользователем таблиц. Для реализации анализатора таблиц использовался алгоритм распознавателя на основе рекурсивного спуска.

Программный продукт был реализован в двух интерфейсах: графический интерфейс для одиночной работы и консольный интерфейс для возможности дальнейшего внедрения в другие проекты. Приложение с графическим интерфейсом позволяет взаимодействовать с данными из базы данных, получая наглядный результат.

Количество текстов, производимых людьми, растет вместе с тем, как растет вовлеченность человечества в социальные сети и прочие аспекты всемирной паутины, стимулирующие к производству текстового контента. Многие организации, осуществляющие коммерческую деятельность в интернете, могут получить выгоду из анализа настроения пользователей, их мнений и суждений. При этом количество текста, подлежащего анализу, может быть чрезвычайно велико и требовать автоматизированных методов. В особенности остро стоит проблема с русским языком, поскольку наработок в этой области существенно меньше, чем в случае с английским языком.

Анализ тональности текста представляет собой класс методов контекстного анализа лингвистических текстов для автоматизированного определения эмоциональной окраски в тексте, то есть эмоционального отношения автора к объектам, о которых идет речь в тексте.

Анализировать тональность можно вручную или использовать автоматизированный анализ. Нас интересует второй способ, для этого необходимо обучить компьютер.

Корпус - это информационно-справочная система, в которой собраны тексты на различных языках. Такие корпуса существуют у большинства стран и могут быть различны по полноте и уровню научной обработки текстов. Корпуса должны содержать разметку текстов (метатекстовая, морфологическая, синтаксическая, акцентная, семантическая).

Синтаксический анализатор предложений или парсер – это программа, преобразующая входной текст в структурированный формат, граф. Популярные парсеры:

- Stanford Parser. Хоть он не работает с русским языком, он очень популярен для анализа английского языка. Стенфордский парсер основан на школе Хомского, то есть предложения разбиваются на составляющие, до тех пор, пока не дойдем до узлов.

- Dependency parser. Суть этого метода – соединить между собой зависимые слова, в этом методе в отличии от Stanford Parser нет узлов, и слова соединяются на прямую. В центре фразы чаще всего стоит глагол, не важно, явный он или подразумевающийся. Далее от глагола задаются вопросы для присоединения сущностей.

Целью выпускной квалификационной бакалаврской работы было создание собственного анализатора тональности текста на естественном языке.