1. Получить терминологические семантические ядра и антиядра ряда авторов, т.е. наиболее характерные и наиболее нехарактерные термины их научного стиля (дискурса). Они же могут быть использованы в качестве ключевых слов к их статьям [38-43].
3. Было проведено сравнение авторов по терминологическим особенностям их научного стиля (дискурса). Результаты сравнения авторов приведены в форме агломеративной дендрограммы, анализируя которую можно сделать обоснованные выводы о сходстве и различии терминологического аспекта научного стиля (дискурса) различных авторов статей по специальности 05.20.01.
5.3 Ограничения и недостатки предложенного решения проблемы и перспективы его развития путем их преодоления этих ограничений и недостатков
Проблема, поставленная в работе, успешно решена, цель достигнута. Однако исходные данные, использованные для ее решения имеют довольно ограниченный объем. Методы АСК-анализа и его программный инструментарий интеллектуальная система «Эйдос» могут быть применены и для решения подобных задач на гораздо больших объемах исходных данных [31-47]. Это планируется сделать в будущих работах.
5.4 Заключение
Данная работа демонстрирует, что математические модели (частные и интегральные критерии), методики численных расчетов (структуры данных и алгоритмы их обработки), экранные формы управления процессами, программный интерфейс ввода текстовых данных в систему «Эйдос» и повышения степени формализации исходных данных от вербализации до нормализованных баз данных (API), экранные формы текстовых и графических выходных форм по результатам решения задач прогнозирования, принятия решений и исследования, программная реализация математических моделей, методик численных расчетов, интерфейса и когнитивной графики в системе «Эйдос» являются адекватным средством для решения поставленной и решаемой в статье проблемы.
Список литературы (References)
1. Corston-Oliver S. H., Mathur S. Linguistically intelligent text compression: пат. 7069207 США. - 2006.
2. Jacobs P. S. Text-based intelligent systems: Current research and practice in information extraction and retrieval. - Psychology Press, 2014.
3. Zantout H., Marir F. Document management systems from current capabilities towards intelligent information retrieval: an overview //International Journal of Information Management. - 1999. - Т. 19. - №. 6. - С. 471-484.
4. Roque A. Towards a computational approach to literary text analysis //Proceedings of the NAACL-HLT 2012 Workshop on Computational Linguistics for Literature. - 2012. - С. 97-104.
5. Ide N. M., Vйronis J. Artificial intelligence and the study of literary narrative //Poetics. - 1990. - Т. 19. - №. 1-2. - С. 37-63.
6. Nissan E. Tools for representing and processing narratives //Encyclopedia of information ethics and security. - IGI Global, 2007. - С. 638-644.
7. Bharti S. K., Babu K. S. Automatic keyword extraction for text summarization: A survey //arXiv preprint arXiv:1704.03242. - 2017.
8. Cercone N., Murchison C. Integrating Artificial Intelligence into literary research: an invitation to discuss design specifications //Computers and the Humanities. - 1985. - С. 235-243.
9. Staсczyk U., Cyran K. A. Machine learning approach to authorship attribution of literary texts //International journal of applied mathematics and informatics. - 2007. - Т. 1. - №. 4. - С. 151-158.
10. Stamatatos E., Fakotakis N., Kokkinakis G. Automatic text categorization in terms of genre and author //Computational linguistics. - 2000. - Т. 26. - №. 4. - С. 471-495.
11. Koppel M., Schler J., Argamon S. Computational methods in authorship attribution //Journal of the American Society for information Science and Technology. - 2009. - Т. 60. - №. 1. - С. 9-26.
12. Zheng R. et al. A framework for authorship identification of online messages: Writing-style features and classification techniques //Journal of the American society for information science and technology. - 2006. - Т. 57. - №. 3. - С. 378-393.
13. Holmes D. I. Authorship attribution //Computers and the Humanities. - 1994. - Т. 28. - №. 2. - С. 87-106.
14. Stamatatos E. Author identification: Using text sampling to handle the class imbalance problem //Information Processing & Management. - 2008. - Т. 44. - №. 2. - С. 790-799.
15. Juola P., Baayen R. H. A controlled-corpus experiment in authorship identification by cross-entropy //Literary and Linguistic Computing. - 2005. - Т. 20. - №. Suppl. - С. 59-67.
16. Calix K. et al. Stylometry for e-mail author identification and authentication //Proceedings of CSIS Research Day, Pace University. - 2008. - С. 1048-1054.
17. Шмид В. Нарратология. -- Москва: Языки славянской культуры, 2003. -- 312 с.
18. Осьмухина О.Ю. Русская литература сквозь призму идентичности: маска как форма авторской репрезентации в прозе XX столетия. -- Саранск: Изд-во Мордовского ун-та, 2009. -- 288 с. -- ISBN 978-57103-2093-8.
19. Кожевникова Н.А. Типы повествования в русской литературе XIX-XX вв. / Н.А. Кожевникова. -- М.: Ин-т русского языка РАН, 1994. - 350 с.
20. Корман Б.О. Итоги и перспективы изучения проблемы автора / Б.О. Корман // Страницы истории русской литературы / Под ред. Д.Ф. Маркова. М.: Наука, 1971. - С. 199-207.
21. Бахтин М.М. Проблемы творчества Достоевского/ М.М. Бахтин // Бахтин М.М. Собр. соч.: в 7 т. М.: Русские словари; Языки славянской культуры, 2002. - Т.6. - С. 5-300.
22. Лотман Ю.М. Текст в тексте / Ю.М. Лотман // Лотман Ю.М. Избр. ст.: в 3 т. Таллинн: Александра, 1992. - Т. 1. - С. 148-160.
23. Тюпа В. И. Категория интриги в современной нарратологии // Питання літературознавства. - 2013. - № 87. - С. 64-76.
24. Андрей Боген. „Черт на блюдце“: Введение в историческую нарратологию. Saarbrьcken: Lambert Academic Publishing 2016.
25. Глазков А. Из реальности в текст и обратно: очерк прагматики нарративного текста. - М.: ДеЛибри, 2018.
26. Калмыкова Е. С., Мергенталер Э. Нарратив в психотерапии: рассказы пациентов о личной истории (часть II) // Журнал практической психологии и психоанализа, № 2, 2002 г.
27. Карабаева А. Г. Нарратив в науке и образовании // Инновации и образование: Сборник материалов конференции. Серия «Symposium», вып. 29. -- СПб.: Санкт-Петербургское философское общество, 2003. -- С. 89--96.
28. Можейко М. А. Нарратив // История философии. Энциклопедия / А. А. Грицанов. -- Мн.: Интерпрессервис; Книжный Дом, 2002.
29. Брокмейер Й., Харре Р. Нарратив: проблемы и обещания одной альтернативной парадигмы
30. Алексанян Е.А. Новации нарратива XX века (Les innovations du style narratif du XX siиcle) (франц) // Сб. «Традиции и новаторства в обществе и культуре». -- Вена, 2005.
31. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). - Краснодар: КубГАУ. 2002. - 605 с. http://elibrary.ru/item.asp?id=18632909
32. Луценко Е.В. Метризация измерительных шкал различных типов и совместная сопоставимая количественная обработка разнородных факторов в системно-когнитивном анализе и системе «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №08(092). С. 859 - 883. - IDA [article ID]: 0921308058. - Режим доступа: http://ej.kubagro.ru/2013/08/pdf/58.pdf, 1,562 у.п.л.
33. Луценко Е.В. Метод когнитивной кластеризации или кластеризация на основе знаний (кластеризация в системно-когнитивном анализе и интеллектуальной системе «Эйдос») / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №07(071). С. 528 - 576. - Шифр Информрегистра: 0421100012\0253, IDA [article ID]: 0711107040. - Режим доступа: http://ej.kubagro.ru/2011/07/pdf/40.pdf, 3,062 у.п.л.
34. Луценко Е.В. Количественный автоматизированный SWOT- и PEST-анализ средствами АСК-анализа и интеллектуальной системы «Эйдос-Х++» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2014. - №07(101). С. 1367 - 1409. - IDA [article ID]: 1011407090. - Режим доступа: http://ej.kubagro.ru/2014/07/pdf/90.pdf, 2,688 у.п.л.
35. Луценко, Е.В. Инвариантное относительно объемов данных нечеткое мультиклассовое обобщение F-меры достоверности моделей Ван Ризбергена в АСК-анализе и системе «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2017. - №02(126). С. 1 - 32. - IDA [article ID]: 1261702001. - Режим доступа: http://ej.kubagro.ru/2017/02/pdf/01.pdf, 2 у.п.л.
36. Луценко, Е.В. Открытая масштабируемая интерактивная интеллектуальная on-line среда для обучения и научных исследований на базе АСК-анализа и системы «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2017. - №06(130). С. 1 - 55. - IDA [article ID]: 1301706001. - Режим доступа: http://ej.kubagro.ru/2017/06/pdf/01.pdf, 3,438 у.п.л. (http://lc.kubagro.ru/aidos/Presentation_Aidos-online.pdf)
37. Луценко Е.В., Открытая масштабируемая интерактивная интеллектуальная on-line среда «Эйдос» («Эйдос-online»). Свид. РосПатента РФ на программу для ЭВМ, Заявка № 2017618053 от 07.08.2017, Гос.рег.№ 2017661153, зарегистр. 04.10.2017. - Режим доступа: http://lc.kubagro.ru/aidos/2017661153.jpg, 2 у.п.л.
38. Луценко Е.В. Системная теория информации и нелокальные интерпретируемые нейронные сети прямого счета / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2003. - №01(001). С. 79 - 91. - IDA [article ID]: 0010301011. - Режим доступа: http://ej.kubagro.ru/2003/01/pdf/11.pdf, 0,812 у.п.л.
39. Луценко Е.В. Проблемы и перспективы теории и методологии научного познания и автоматизированный системно-когнитивный анализ как автоматизированный метод научного познания, обеспечивающий содержательное феноменологическое моделирование / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2017. - №03(127). С. 1 - 60. - IDA [article ID]: 1271703001. - Режим доступа: http://ej.kubagro.ru/2017/03/pdf/01.pdf, 3,75 у.п.л.
40. Луценко Е.В. Синтез семантических ядер научных специальностей ВАК РФ и автоматическая классификации статей по научным специальностям с применением АСК-анализа и интеллектуальной системы «Эйдос» (на примере Научного журнала КубГАУ и его научных специальностей: механизации, агрономии и ветеринарии) / Е.В. Луценко, Н.В. Андрафанова, Н.В. Потапова // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2019. - №01(145). С. 31 - 102. - IDA [article ID]: 1451901033. - Режим доступа: http://ej.kubagro.ru/2019/01/pdf/33.pdf, 4,5 у.п.л.
41. Луценко Е.В. Формирование семантического ядра ветеринарии путем Автоматизированного системно-когнитивного анализа паспортов научных специальностей ВАК РФ и автоматическая классификация текстов по направлениям науки / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2018. - №10(144). С. 44 - 102. - IDA [article ID]: 1441810033. - Режим доступа: http://ej.kubagro.ru/2018/10/pdf/33.pdf, 3,688 у.п.л.
42. Луценко Е.В. Интеллектуальная привязка некорректных ссылок к литературным источникам в библиографических базах данных с применением АСК-анализа и системы «Эйдос» (на примере Российского индекса научного цитирования - РИНЦ) / Е.В. Луценко, В.А. Глухов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2017. - №01(125). С. 1 - 65. - IDA [article ID]: 1251701001. - Режим доступа: http://ej.kubagro.ru/2017/01/pdf/01.pdf, 4,062 у.п.л.
43. Луценко Е.В. Применение АСК-анализа и интеллектуальной системы "Эйдос" для решения в общем виде задачи идентификации литературных источников и авторов по стандартным, нестандартным и некорректным библиографическим описаниям / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2014. - №09(103). С. 498 - 544. - IDA [article ID]: 1031409032. - Режим доступа: http://ej.kubagro.ru/2014/09/pdf/32.pdf, 2,938 у.п.л.
44. Луценко Е.В. АСК-анализ проблематики статей Научного журнала КубГАУ в динамике / Е.В. Луценко, В.И. Лойко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2014. - №06(100). С. 109 - 145. - IDA [article ID]: 1001406007. - Режим доступа: http://ej.kubagro.ru/2014/06/pdf/07.pdf, 2,312 у.п.л.
45. Луценко Е.В. Атрибуция анонимных и псевдонимных текстов в системно-когнитивном анализе / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2004. - №03(005). С. 44 - 64. - IDA [article ID]: 0050403003. - Режим доступа: http://ej.kubagro.ru/2004/03/pdf/03.pdf, 1,312 у.п.л.
46. Луценко Е.В. Атрибуция текстов, как обобщенная задача идентификации и прогнозирования / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2003. - №02(002). С. 146 - 164. - IDA [article ID]: 0020302013. - Режим доступа: http://ej.kubagro.ru/2003/02/pdf/13.pdf, 1,188 у.п.л.
47. Lutsenko D.S., Lutsenko E.V. INTELLECTUAL ATTRIBUTION of LITERARY TEXTS (finding the dates of the text, determining authorship and genre on the example of Russian literature of the XIX and XX centuries), July 2020, DOI: 10.13140/RG.2.2.15349.81122, License CC BY-SA 4.0, 9 p. Access mode: https://www.researchgate.net/publication/343214991_INTELLECTUAL_ATTRIBUTION_of_LITERARY_TEXTS_finding_the_dates_of_the_text_determining_authorship_and_genre_on_the_example_of_Russian_literature_of_the_XIX_and_XX_centuries?channel=doi&linkId=5f1c96afa6fdcc9626b37dfb&showFulltext=true
48. Орлов А.И., Луценко Е.В. Системная нечеткая интервальная математика. Монография (научное издание). - Краснодар, КубГАУ. 2014. - 600 с. ISBN 978-5-94672-757-0. http://elibrary.ru/item.asp?id=21358220
References
1. Corston-Oliver S. H., Mathur S. Linguistically intelligent text compression: pat. 7069207 SShA. - 2006.
2. Jacobs P. S. Text-based intelligent systems: Current research and practice in information extraction and retrieval. - Psychology Press, 2014.
3. Zantout H., Marir F. Document management systems from current capabilities towards intelligent information retrieval: an overview //International Journal of Information Management. - 1999. - T. 19. - №. 6. - S. 471-484.
4. Roque A. Towards a computational approach to literary text analysis //Proceedings of the NAACL-HLT 2012 Workshop on Computational Linguistics for Literature. - 2012. - S. 97-104.