МЕТОД ОБРОБКИ НЕСТРУКТУРОВАНОЇ ІНФОРМАЦІЇ НА ВЕБ-РЕСУРСАХ

Volume 67, Issue 4, 2022, pages 106-115

DOI: http://doi.org/10.34229/2786-6505-2022-4-8

Завантажити статтю

Трофимчук Олександр МиколайовичІнститут телекомунікацій і глобального інформаційного простору НАН України, м. Київ, itgis@nas.gov.ua

Кряжич Ольга ОлександрівнаІнститут телекомунікацій і глобального інформаційного простору НАН України, м. Київ; Тернопільський національний технічний університет імені Івана Пулюя, economconsult@gmail.com


Abstract

З часом стає складно знайти інформацію в мережі Інтернет, яка зацікавила раніше, навіть якщо відомо, на якому ресурсі вона була розміщена. Пошук відбувається за заданими параметрами, якщо інформація, що знаходиться на ресурсі, є структурованою та систематизованою. Якщо ж це не так, пошук значно ускладнюється, часто й уповільнюється, через що користувач перериває сесію пошуку та оновлює параметри вибору. Тому багато інфор­мації, що знаходиться в мережі, не потрапляє до результатів запитів користувачів. Задачею цієї статті є представлення методу обробки обсягу неструктурованої неперервної, дискретизованої, регулярної та випадкової
інформації на веб-ресурсах у вигляді чітко структурованого набору розподілених даних. У роботі аналізується можливість формування масиву інформації як кількості точок — джерел інформації. У цьому випадку для реалізації процесу структуризації найбільш універсальним є адаптивний алгоритм, який додаватиме нові точки — джерела інформації для її обробки веб-сервісом або для пошуку в масивах неструктурованої та слабо систематизованої інформації в залежності від розподілу вхідних даних. Зокрема, пропонується Z-перетворення, оскільки методи Z-апроксимації початково базуються на адаптивних алгоритмах, здатних змінювати свої функціональні особливості та при цьому надавати змінну точність обчислень. Особливістю вирішення поставленої задачі є приведення неперервної, дискретизованої, регулярної та випадкової інформації з її обробкою в цьому процесі до необхідного формату, що математично можна описати окремими функціями, які й використовуватимуться в алгоритмах обробки. Зазначене може бути використане для розробки веб-сервісів обробки інфор­мації для довідкових, пошукових, рекомендаційних систем та платформ дистанційного навчання, а також для вдосконалення алгоритмів обробки та відображення інформації для прикладного програмного забезпечення роботи браузерів.


REFERENCES

  1. «Characterization of Specifications». Characterization of proposed standards. IETF. January 2014. sec. 3. DOI:10.17487/RFC7127. RFC 7127. Retrieved March 11, 2016.
  2. Ashmanov I., Ivanov A. Optimizatsiya i prodvizhenie saitov v poiskovikh sistemakh. SpB. : Piter. 2011. 464 p., s il. ISBN: 978-5-496-00312-4.
  3. Bellman R., Zade L. Prinyatie reshenii v rasplivchatikh usloviyakh / Voprosi analiza i protseduri prinyatiya reshenii. M. : Mir, 1976. P. 172–215.
  4. Novie slova i znacheniya. Slovar-spravochnik po materialam pressi i literaturi 90-kh godov XX veka. SPb. : Dmitrii Bulanin, 2014. 1360 p. ISBN 978-5-86007-637-2.
  5. Pospelov D.A. Situatsionnoe upravlenie: teoriya i praktika. M. : Nauka, 1986. 288 p.
  6. Tesler G.S. Novaya kibernetika. K. : Logos, 2004. 404 p.
  7. Shennon K. Raboti po teorii informatsii i kibernetike. M. : Inostrannaya literatura, 1963. 832 p.
  8. Entsiklopediya kibernetiki: v 2 t. / Pod. red. V.M. Glushkova i dr. K. : Glavnaya redaktsiya ukrainskoi sovetskoi entsiklopedii, 1974. 1228 p.
  9. Trofymchuk O.M., Kriazhych O.O. Alhorytm opysu yaruzhnykh tsilovykh funktsii / Oleksandr Mykolaiovych Trofymchuk, Olha Oleksandrivna Kriazhych. Shtuchnyi intelekt : naukovyi zhurnal Instytutu problem shtuchnoho intelektu MON Ukrainy i NAN Ukrainy. K. 2015. N 1-2 (67-68). P. 190–199.
  10. Trofymchuk O.M., Kriazhych O.O. Aproksymatsiia funktsii dlia stvorennia alhorytmu opysu peresichenoi mistsevosti / Oleksandr Mykolaiovych Trofymchuk, Olha Oleksandrivna Kriazhych. Systemni doslidzhennia ta informatsiini tekhnolohii. 2016. N 1. P. 134–141.
  11. Rabiner L., Gould B. Teoriya i primenenie tsifrovoi obrabotki signalov. M. : Mir, 1978. 848 p.
  12. Anthony Zaknich (25 April 2005). Principles of Adaptive Filters and Self-learning Systems. Springer Science & Business Media. ISBN 978-1-85233-984-5.
  13.  Chumachenko I.V., Kosenko V.V. Optimizatsiya algoritmicheskogo obespecheniya v zadachakh preobrazovaniya informatsii. Sistemi obrobki іnformatsії. Kh. : NANU, PANM, KhVU. 2002. Vip. 1(17). P. 248–252.
  14. Kosenko V.V., Mozhaiev O.O., Haidarov S.Iu. Metodyka optymizatsii alhorytmiv. Systemy obrobky informatsii. Kh. : NANU, PANM, KhVU. 2004. Vyp. 4. P. 114-117.
  15. Akho, Alfred, V., Khopkroft, Dzhon, Ulman, Dzheffri, D. Strukturi dannikh i algoritmi.
    Izdatelskii dom «Vilyams», 2000. 384 p. ISBN 5-8459-0122-7 (rus.) / ISBN 0-201-00023-7 (angl.).
  16. Tesler G.S. Adaptivnie approksimatsii i iterativnie protsessi. Matematуchnі mashуnу і sуstemу. 2004. N 2. P. 22–41.