Труды КНЦ (Технические науки) 2/2022(13).

Введение В настоящее время промышленность переходит на новую ступень развития [1]. Цифровизация и внедрение технологий моделирования производственных процессов требуют пересмотра прежних подходов к организации управления. Сложность протекающих в промышленности процессов увеличивается, и всё более важным фактором становятся эффективные управленческие решения. Некоторые вопросы информационно-аналитического обеспечения управления ППК как сложной междисциплинарной области фундаментальных и прикладных исследований освещены в работах [2-4]. При решении задач по управлению ППК лицу, ответственному за принятие решений (ЛПР), необходимо учитывать ряд факторов, оказывающих существенное влияние на объекты управления. Поскольку ППК является сложной пространственно распределённой системой, учёт всех особенностей объекта управления требует наличия квалифицированных специалистов. Дополнительные сложности возникают из-за природно-климатических особенностей [5]. В связи с этим широкое распространение получили системы поддержки принятия решений (СППР). Данный инструмент позволяет облегчить принятие управленческих решений, помогает учесть различные факторы, связанные с потенциальным решением. В процессе управления сложными пространственно распределёнными системами решаются разноплановые задачи, поэтому разработка СППР, которая в автоматизированном режиме формирует адаптивный картографический интерфейс, учитывающий специфику задачи и потребности пользователя, является актуальной задачей. Для СППР характерно, что в них поступают данные из различных источников. При этом эти данные, как правило, являются разнородными и поступают в систему в неформализованном виде, что повышает когнитивную нагрузку на ЛПР [6]. Одним из способов снижения такого типа нагрузки является визуализация. Получаемые данные представляют в виде наглядного изображения, картографического интерфейса, на котором отображены данные по текущей задаче. В зависимости от задачи объёмы необходимых данных могут различаться, поэтому нет необходимости использовать для визуализации весь массив имеющихся данных. Учёт особенностей пользователей СППР является одним из способов повышения эффективности взаимодействия с системой, что, в свою очередь, позволяет более быстро принимать эффективные решения за счёт получения репрезентативного представления информации. В рамках данной работы предложен модуль формирования профилей пользователей для СППР в области управления ППК, который интегрируется в структуру обобщенной архитектуры СППР и позволяет реализовать адаптивный подход к визуализации пространственной информации. Геоданные выбраны в качестве объекта визуализации, поскольку на сегодняшний день в большинстве документов, используемых в процессе принятия решений, в том или ином виде содержится географическая привязка [7]. Материалы и методы Информация, которая необходима для принятия решений, зачастую представлена в виде текстовых документов на естественном языке. Поэтому для принятия решений, связанных с управлением пространственно распределенными объектами, к которым относится ППК, необходимо осуществлять лексико-синтаксический анализ текстов с целью выявления в них пространственных данных. В данной работе мы используем подход Named Entity Recognitin (NER) — распознавание именованных сущностей [8]. В рамках предыдущего этапа исследования были предложены технологии лексико-синтаксического анализа текстов на естественном языке, позволяющие учитывать контекст решаемой пользователем задачи [9, 10]. В частности, для извлечения пространственных данных из текстов предлагается использовать возможности Томита-парсера, анализирующего тексты на основе правил (rule-based approach) [11, 12]. Базовый набор правил в виде контекстно-свободных грамматик для решения задачи NER был предложен в одной из предыдущих работ [10]. При разработке обобщённой архитектуры СППР для задач в области управления ППК используются методы системного анализа, функционально-целевого анализа. Для получения пространственных координат геообъектов, выявленных при анализе текстов, используются методы обратного геокодирования Труды Кольского научного центра РАН. Серия: Технические науки. 2022. Т. 13, № 2. С. 59-65. Transactions of the Kola Science Centre of RAS. Series: Engineering Sciences. 2022. Vol. 13, No. 2. P. 59-65. © Пилецкий Б. М., Вицентий А. В., 2022 60