diff --git a/tex/20-scenarios.tex b/tex/20-scenarios.tex index 2dbe3e09b9ba2a5d46c7e95d98a30b7528f44c0d..e5a023be9ca56ca708a3b352ab3527c82fd15153 100644 --- a/tex/20-scenarios.tex +++ b/tex/20-scenarios.tex @@ -1,8 +1,17 @@ -\chapter{Сценарии обеспечения мобильности жителей умного города} +\chapter{Анализ взаимодействия жителей с системой умного города} \label{cha:scenarios} +\section{Метод анализа истории взаимодействия жителей с системой умного города} -\section{Веб-сервисы для обеспечения мобильности} +Цель метода: Повышение точности рекомендаций сервисов умного города для выделенных групп жителей умного города в разных контекстах. +Этапы: +Осуществляется построение тематических моделей для открытых сообщений жителя в сервисах умного города (отзывов о местах из Google Knowledge Graph и открытых сообщений в социальных сетях). Темы в тематической модели соответствуют интересам жителей умного города. +По истории использования сервисов умного города оценивается частота и длительность пользования ими, а также эмоциональный отклик при возможности анализа лица пользователя в момент использования сервиса. +Производится анализ контекста в котором находился пользователь при использовании сервисов умного города. +Устанавливается связь использования определённых сервисов для выделенных групп пользователей в разных контекстах. + + +\section{Обзор веб-сервисов для обеспечения мобильности жителя умного города} %Данная таблица с сервисами нуждается в доработке. Может возникнет у кого желание добавить или исправить информацию: \href{https://docs.google.com/spreadsheets/d/1gDwR-yBikjn86ZC4NdTVFnh1TchUhp2XsGX3H74VAcI/edit?usp=sharing}{Google Documents}. @@ -185,7 +194,7 @@ \subsection*{\textbf{Сервис обнаружения и распознава %\emph{Возможная корреляция с контекстом:} -\section{Описание сценариев обеспечения мобильности} +\section{Описание сценариев обеспечения мобильности жителя умного города} \subsection*{\textbf{}} \noindent\emph{Сценарий:} Человек ожидает поблизости остановки (автобусной/трамвайной) транспорт до дома, до работы и т. д. и хотел бы узнать оставшееся время ожидания. Удобное предоставление этой информации особенно актуально в зимнее время, когда изучать карты с движением транспорта diff --git a/tex/30-digital_identity.tex b/tex/30-digital_identity.tex index 0d51264f44dd968cf9449ae9ad048f6cd38e2652..0aabc869d5e082e9a77963db0e83670a3655557e 100644 --- a/tex/30-digital_identity.tex +++ b/tex/30-digital_identity.tex @@ -180,32 +180,29 @@ \section{Кластерный анализ цифровых личностей Выбор применения данного алгоритма исходит из ознакомления с его применением к схожей задаче. В корпоративной системе поддержки принятия решений для банков, именуемой Banksealer\cite{Carminati15}, данный алгоритм применяется для кластеризации пользователей банка в соответствии с их манерой трат. Другими словами, пользователи, чьё поведение схоже, более вероятно оказываются в одном кластере. Если быть более точным, в рамках решения Banksealer используется модификация исходного алгоритма, о которой речь пойдет далее. -Модификация алгоритма DBSCAN, для простоты именуемая далее итеративной, была предложена как решение проблемы, когда в результате кластеризации получается один большой кластер и несколько маленьких. Для более -равномерной кластеризации, предлагается итеративно, на каждом шаге, брать самый большой кластер и применять к нему исходный алгоритм, а затем объединять результат, сохраняя малые кластеры как есть, с каждым -шагом постепенно уменьшат радиус поиска соседей. Условием останова является локальная максимизация качества кластеризации, что может быть измерено множеством подходов. В нашей версии, был использован индекс -Дэвиса-Болдина (Davies-Bouldin index)\cite{Davies79}. Чем меньше значение индекса, тем выше качество кластеризации. +Модификация алгоритма DBSCAN, для простоты именуемая далее итеративной, была предложена как решение проблемы, когда в результате кластеризации получается один большой кластер и несколько маленьких. Для более равномерной кластеризации, предлагается итеративно, на каждом шаге, брать самый большой кластер и применять к нему исходный алгоритм, а затем объединять результат, сохраняя малые кластеры как есть, с каждым шагом постепенно уменьшат радиус поиска соседей. Условием останова является локальная максимизация качества кластеризации, что может быть измерено множеством подходов. В нашей версии, был использован индекс Дэвиса-Болдина (Davies-Bouldin index)\cite{Davies79}. Чем меньше значение индекса, тем выше качество кластеризации. \section{Классификация жителей умного города на основе параметров цифровой личности} Цифровые личности жителей умного города обладают большим количеством параметров, -на основе которых можно представить жителя, смоделировать и предсказывать его поведение. -Возможность учета предроложительного поведения цифровой личности позволит оптимизировать протекающие в городе бизнес-процессы, -что может повлечь последующий экономический рост, и улучшить использование существующей инфраструктуры. +на основе которых можно представить жителя, смоделировать и предсказывать его интересы. +Возможность учета интересов и потребностей, записанных в цифровой личности позволит оптимизировать протекающие в городе бизнес-процессы, +что обеспечивает персонализацию существующих сервисов у умном городе и улучшить использование существующей инфраструктуры. Одним из вариантов анализа цифровых личностей является выявление групп личностей с похожими характеристиками. Выявление групп жителей умного города может позволить упростить работу с поступающим большим объемом данных, путем объединения профилей и последующим их анализом. -Выяснение общих предпочтений у групп пользователей также позволит более точно прогнозировать их дальнейшее поведение. -Полученные группы предпочтений можно использовать во внутренних сервисах умного города для общего улучшения качества обслуживания жителей. +Выяснение общих предпочтений у групп пользователей также позволит определить закономерность проявления интереса житеелй к сервисами умного города. +Полученные группы предпочтений можно использовать во внутренних сервисах умного города для общего улучшения качества рекомендации сервисов умного города его жителям. Данную задачу можно решить при помощи использования машинного обучения~\cite{Badri_2019, Chen_2019}, -в частности при помощи классификации с использованием нейронных сетей. -Данный вид сетей был использован в связи возможностью использования большого количества параметров с разными типами и размерностью. -Также нейронные сети позволяют быстро и точно классифицировать новых жителей умного города на основе обученной модели. -Существующие инструменты по созданию нейронных сетей позволяют адаптировать разнообразные параметры цифровой личности -к использованию в классификации, а также ускорить общее время построения работающей модели. -В качестве исходных предполагается использовать данные кластерного анализа цифровых личностей. -Полученные нейронные классификационные модели обладают необходимой точностью для использования в сервисах умного города. +в частности при помощи классификации с использованием нейронных сетей. Использование нейронной сети для решения подобной задачи обладает преимуществом работы с данными, обладающими высокой вариативностью, что характерно для многих параметров цифровой личности жителя умного города. +Классифицирующая нейронная сеть была использована в связи возможностью использования большого количества параметров для классифиакции с разными типами и размерностью. +Также нейронные сети позволяют быстро и с приемлемой точностью классифицировать новых жителей умного города на основе обученной модели. +Существующие инструменты по созданию нейронных сетей позволяют адаптировать разнообразные параметры цифровой личности к использованию в классификации, а также ускорить общее время построения работающей модели. + +В качестве исходных данных для обучения о оценки работы нейронной сети предполагается использовать данные кластерного анализа цифровых личностей. Этим накладывается ограничение наструктуру нейронной сети, которая должна иметь количество входных и выходных нейронов равное количеству рассматриваемых параметров цифровой личнсти и количеству определенных классов соответственно. + %%% Local Variables: %%% mode: latex diff --git a/tex/40-service_analysis.tex b/tex/40-service_analysis.tex index d485013bc21c8811c05cf2c2aaac0ad663ffbadf..8f2f43d0753547833baae89c6d0fc66cab000567 100644 --- a/tex/40-service_analysis.tex +++ b/tex/40-service_analysis.tex @@ -1,4 +1,4 @@ -\chapter{Анализ сервисов на основе описания и ключевых слов} +\chapter{Метод подбора семантических сервисов с учетом предпочтений жителя умного города и семантического анализа запросов} \label{cha:service_analysis} \section{Семантический анализ запросов пользователя} @@ -40,6 +40,7 @@ \section{Семантический анализ запросов пользов \section{Представление сервисов в формате WSDL} + \section{Рекомендация сервисов на основе коллаборативной фильтрации в группе пользователей с учетом контекста} Один из аспектов задачи обеспечения мобильности жителей умного города заключается в удобном и своевременном предоставлении им необходимой информации и сервисов в различных жизненных ситуациях. diff --git a/tex/50-implementation.tex b/tex/50-implementation.tex index 836e432ef4ce04ec1fba015cb7fab06ceeee6346..f95bb5fa5e409f359a92db9ec760090a712b1f88 100644 --- a/tex/50-implementation.tex +++ b/tex/50-implementation.tex @@ -731,25 +731,7 @@ \subsection{Анализ эмоционального состояния в за производится на основе статистических данных о результатах демонстрации данного ролика представителям данной демографической группы. При холодном старте предполагается, что результат от демонстрации ролика совпадает с желаемым эмоциональным состоянием пользователя. -\subsection{Подбор персонала в организацию} - -Сервис реализован в рамках системы управления компетенциями, так как в ней имеются возможности профилирования организаций и работников, -а также формализованы компетенции работников. -Backend реализован с использованием Java и фреймворка Spring\footnote{https://spring.io/}. Интерфейс сервиса представлен на рисунке~\ref{fig:cmpt_1}. - -% cmpt_1 - -\begin{figure}[htb] - \centering - \includegraphics[width=\textwidth, keepaspectratio]{inc/img/cmpt_1} - \caption{Интерфейс настройки предпочтений организации} - \label{fig:cmpt_1} -\end{figure} - -Организация представлена в системе в виде профиля, содержащего информацию о ней, а также компетенции, которыми организация владеет. -Компетенция представляет собой совокупность навыка и уровня владения. -Профили работников также содержат информацию о работнике и его профессиональные компетенции. -Помимо этого, профиль работника содержит информацию о профессиональном опыте, которая используется при подборе персонала. +\subsection{ Метод подбора персонала в организацию} Подбор персонала происходит на основе обязательных и дополнительных требований к компетенциям работников, а также дополнительных критериев, таких как образование и опыт работы. Данные предпочтения можно задавать перед поиском, при этом для удобства пользования они заполняются автоматически с возможностью изменения @@ -776,6 +758,24 @@ \subsection{Подбор персонала в организацию} \label{fig:cmpt_2} \end{figure} +Сервис реализован в рамках системы управления компетенциями, так как в ней имеются возможности профилирования организаций и работников, +а также формализованы компетенции работников. +Backend реализован с использованием Java и фреймворка Spring\footnote{https://spring.io/}. Интерфейс сервиса представлен на рисунке~\ref{fig:cmpt_1}. + +% cmpt_1 + +\begin{figure}[htb] + \centering + \includegraphics[width=\textwidth, keepaspectratio]{inc/img/cmpt_1} + \caption{Интерфейс настройки предпочтений организации} + \label{fig:cmpt_1} +\end{figure} + +Организация представлена в системе в виде профиля, содержащего информацию о ней, а также компетенции, которыми организация владеет. +Компетенция представляет собой совокупность навыка и уровня владения. +Профили работников также содержат информацию о работнике и его профессиональные компетенции. +Помимо этого, профиль работника содержит информацию о профессиональном опыте, которая используется при подборе персонала. + Страница результатов подбора персонала содержит требования и критерии, на основе которых проводился отбор, а также ранжированный список работников. Для каждого работника указывается ссылка на его профиль, те его компетенции и критерии, которые учитывались при отборе и ранжировании, и стоимость его работы. Таким образом, есть возможность оценить подобранных работников и сравнить их между собой. @@ -785,8 +785,6 @@ \subsection{Подбор персонала в организацию} При добавлении в систему 50 000 сгенерированных профилей, каждый из которых обладал 10-15 случайными компетенциями, среднее время работы сервиса составило чуть более 5 секунд. Таким образом, данный сервис можно применять в крупных системах с большим количеством пользователей без серьёзных временных затрат. -\section{Примеры работы прототипа и оценка точности используемых методов машинного обучения} - %%% Local Variables: %%% mode: latex %%% TeX-master: "rpz" diff --git a/tex/90-appendix1.tex b/tex/90-appendix1.tex index 751b665e7a8a6b6a7e6482f843ad7769e345bd32..02ff9c2bceda66be62093b331e53c53f4e645e41 100644 --- a/tex/90-appendix1.tex +++ b/tex/90-appendix1.tex @@ -3,10 +3,15 @@ \chapter{Приложение А. Публикации по результата К настоящему времени по результатам НИР опубликовано 5 работ в изданиях, индексируемых Web Of Science / SCOPUS. Список работ приведен ниже. Копии первых страниц опубликованных работ приведены в Приложении Б. -\begin{figure} -\centering -\caption{Еще одна картинка, ничем не лучше предыдущей. Но надо же как-то заполнить место.} -\end{figure} +\begin{enumerate} + \item Mikhailov S., Kashevnik A. An Ontology for Service Semantic Interoperability in the Smartphone-Based Tourist Trip Planning System. Proceedings of the 23rd Conference of Open Innovations Association FRUCT, Bologna, 13-16 November 2018. P. 239–245 ISSN: 2305-7254. (Scopus, WoS). DOI: 10.23919/FRUCT.2018.8588027 + \item Petrov M., Kashevnik A. Expert Group Formation for Task Performing: Competence-Based Method and Implementation . Proceedings of the 23rd Conference of Open Innovations Association FRUCT, Bologna, 13-16 November 2018, P. 315–320. ISSN: 2305-7254 (Scopus, WoS). DOI: 10.23919/FRUCT.2018.8588099 + \item Teslya N., Ryabchikov I. Mikhailov S. Forming of Smart City Resident Digital Identity Based On the City Sources Analysis. IEEE BlackSeaCom 2019. IEEE Xplore DL (Scopus)(В печати) + \item Smirnov A., Kashevnik A., Mikhailov S., Shilov N., Orlova D., Gusikhin O., Martinez H. Context-Driven Tourist Trip Planning Support System: An Approach and OpenStreetMap-Based Attraction Database Formation. IF\&GIS 2019, LNG\&C, Springer (Scopus) (В печати). + \item Teslya N. Ryabchikov I., Lipkin E. The concept of the deviant behavior detection system via surveillance cameras. In: Misra S. et al. (eds) Computational Science and Its Applications – ICCSA 2019. ICCSA 2019. Lecture Notes in Computer Science, vol 11624. Springer, Cham, pp 169-183. +\end{enumerate} + + %%% Local Variables: %%% mode: latex diff --git a/tex/91-appendix2.tex b/tex/91-appendix2.tex index a281a86f87e197e4c732d7f3bb21e3bba82e167e..cd1653feae53053809b796e8ada9489af46bb116 100644 --- a/tex/91-appendix2.tex +++ b/tex/91-appendix2.tex @@ -1,12 +1,13 @@ \chapter{Приложение Б. Копии первых страниц опубликованных и принятых к публикации работ} \label{cha:appendix2} -К настоящему времени по результатам НИР опубликовано 5 работ в изданиях, индексируемых Web Of Science / SCOPUS. Список работ приведен ниже. Копии первых страниц опубликованных работ приведены в Приложении Б. - -\begin{figure} -\centering -\caption{Еще одна картинка, ничем не лучше предыдущей. Но надо же как-то заполнить место.} -\end{figure} +\begin{enumerate} + \item Mikhailov S., Kashevnik A. An Ontology for Service Semantic Interoperability in the Smartphone-Based Tourist Trip Planning System. Proceedings of the 23rd Conference of Open Innovations Association FRUCT, Bologna, 13-16 November 2018. P. 239–245 ISSN: 2305-7254. (Scopus, WoS). DOI: 10.23919/FRUCT.2018.8588027 + \item Petrov M., Kashevnik A. Expert Group Formation for Task Performing: Competence-Based Method and Implementation . Proceedings of the 23rd Conference of Open Innovations Association FRUCT, Bologna, 13-16 November 2018, P. 315–320. ISSN: 2305-7254 (Scopus, WoS). DOI: 10.23919/FRUCT.2018.8588099 + \item Teslya N., Ryabchikov I. Mikhailov S. Forming of Smart City Resident Digital Identity Based On the City Sources Analysis. IEEE BlackSeaCom 2019. IEEE Xplore DL (Scopus)(В печати) + \item Smirnov A., Kashevnik A., Mikhailov S., Shilov N., Orlova D., Gusikhin O., Martinez H. Context-Driven Tourist Trip Planning Support System: An Approach and OpenStreetMap-Based Attraction Database Formation. IF\&GIS 2019, LNG\&C, Springer (Scopus) (В печати). + \item Teslya N. Ryabchikov I., Lipkin E. The concept of the deviant behavior detection system via surveillance cameras. In: Misra S. et al. (eds) Computational Science and Its Applications – ICCSA 2019. ICCSA 2019. Lecture Notes in Computer Science, vol 11624. Springer, Cham, pp 169-183. +\end{enumerate} %%% Local Variables: %%% mode: latex diff --git a/tex/94-appendix5.tex b/tex/94-appendix5.tex index 24074d7994ababdfa6c5ec4f4e0bb5a1349bdc8e..bc1807308c3eb4ba663b91a7b27e670b5eaf6ff1 100644 --- a/tex/94-appendix5.tex +++ b/tex/94-appendix5.tex @@ -1,4 +1,4 @@ -\chapter{Приложение Д. Участие в конференции профессорско-преподавательского состава 2019} +\chapter{Приложение Д. Участие в XLVIII научной и учебно-методической конференции Университета ИТМО} \label{cha:appendix5} \begin{enumerate}