ИНТЕЛЛЕКТУАЛЬНАЯ РЕКОМЕНДАТЕЛЬНАЯ СИСТЕМА ДЛЯ ПРОСТРАНСТВЕННОГО АНАЛИЗА
Аннотация
Работа посвящена анализу механизмов формирования рекомендаций и оценки реак-
ции на них в интерактивном режиме работы пользователя с геоинформационной систе-
мой. Одной из важных областей применения рекомендательных систем является поиск и
принятие решений в пространственных ситуациях. Особенностью данного класса задач
является неопределенность постановки задач и неоднозначность оценивания решений.
Пользователи зачастую сталкиваются с проблемами, которые не имеют четкой форму-
лировки. Стремление их разрешить потребует не только выбора направления поиска ре-
шения, но и нахождения адекватной последовательности задач с четко оформленными
входными и выходными данными. Рекомендации в таких случаях призваны в диалоге с поль-
зователем-аналитиком планировать стратегию поиска решений. В настоящей работе
исследуется интеллектуальная рекомендательная система, использующая опыт диалого-
вого взаимодействия в процессе изучения проблемы. Предлагается модель адаптации к
ментальному образу проблемы, который строит пользователь, с учетом уровней его си-
туационной осведомленности и когнитивной нагрузки. Особенность модели в использова-
нии визуальных картографических объектов, являющихся индикаторами состояния мен-
тального образа. Рекомендация представляется набором объектов, которые внедряются в
область картографического анализа. Тем самым неявно индуцируется определенное смы-
словое направление повышения ситуационной осведомленности. Предлагается критерий
удовлетворенности рекомендациями. Приводится диаграмма состояний рекомендатель-
ной системы, описывающая подбор адекватного решаемой проблеме контекста. Под кон-
текстом понимается информационный объект, способный предоставлять программные
функции и данные для решения задач ограниченного класса. Последовательность контек-
стов в сеансе анализа рассматривается как прецедент опыта. Для возможных цепочек
контекстов предложены показатели тренда, тенденции и ритма. Через данные показате-
ли оценивается степень смысловой близости прецедентов текущему ходу поиска решения.
Их использование позволит повысить скорость адаптации.
Литература
predpochteniyakh mental'nogo vs voploshchennogo rezhimov resheniya myslitel'nykh zadach
[Stable individual differences in preferences of mental vs embodied modes of solving mental
tasks], Kognitivnaya nauka v Moskve: novye issledovaniya: Mater. konferentsii, Moskva,
23–24 iyunya 2021 goda [Cognitive Science in Moscow: New research: Conference Proceedings,
Moscow, June 23-24, 202], ed. by E.V. Pechenkovoy, M.V. Falikman, A.Ya. Koyfman.
Moscow: BukiVedi, Institut prakticheskoy psikhologii i psikhoanaliza, 2021, pp. 255-260.
2. Spiridonov V.F. Psikhologiya myshleniya. Reshenie zadach i problem: ucheb. posobie [Psychology
of thinking. Solving problems and problems: a textbook]. 2nd ed. Moscow: Izd-vo
Yurayt, 2019.
3. Dr Michael J de Smith, Prof Michael F Goodchild, Prof Paul A Longley & Associates. Geospatial
Analysis A Comprehensive Guide to Principles Techniques and Software Tools. – 6th
ed., 2018, UK.
4. Haifa Tamiminia, Bahram Salehi, Masoud Mahdianpari, Lindi Quackenbush, Sarina Adeli,
Brian Brisco. Google Earth Engine for geo-big data applications: A meta-analysis and systematic
review, ISPRS Journal of Photogrammetry and Remote Sensing, 2020, Vol. 164, pp. 152-
170. Available at: https://doi.org/10.1016/j.isprsjprs.2020.04.001.
5. Haoxuan Wang, Yuna Ni, Ling Sun, Yuanyuan Chen, Ting Xu, Xiaohui Chen, Weihua Su,
Zhiguang Zhou. Hierarchical visualization of geographical areal data with spatial attribute association,
Visual Informatics, 2021, Vol. 5, Issue 3, pp. 82-91. Available at:
https://doi.org/10.1016/j.visinf.2021.09.001.
6. Michael F. Goodchild. Spatial Thinking and the GIS User Interface, Procedia - Social and Behavioral
Sciences, 2011, Vol. 21, pp. 3-9. Available at: https://doi.org/10.1016/j.sbspro.2011.07.002.
7. Muhammad Nazrul Islam, Harry Bouwman. Towards user–intuitive web interface sign design
and evaluation: A semiotic framework, International Journal of Human-Computer Studies,
2016, Vol. 86, pp. 121-137. Available at: https://doi.org/10.1016/j.ijhcs.2015.10.003.
8. Singh, Pradeep & Dutta Pramanik, Pijush & Dey, Avick & Choudhury, Prasenjit. Recommender
Systems: An Overview, Research Trends, and Future Directions, International Journal
of Business and Systems Research, 2021,Vol. 15, pp 14-52.
9. María del Carmen Rodríguez-Hernández, Sergio Ilarri. AI-based mobile context-aware recommender
systems from an information management perspective: Progress and directions, Knowledge-Based Systems,
2021, Vol. 215, 106740. Available at: https://doi.org/10.1016/j.knosys.2021.106740.
10. Shaina Raza, Chen Ding. Progress in context-aware recommender systems – An overview, Computer
Science Review, 2019, Vol. 31, pp. 84-97. Available at: https://doi.org/10.1016/j.cosrev.2019.01.001.
11. Jose Aguilar, Marxjhony Jerez, Taniana Rodríguez. CAMeOnto: Context awareness meta
ontology modeling, Applied Computing and Informatics, 2018, Vol. 14, pp. 202-213.
12. Saurabh Sharma, Harish Kumar Shakya, Venkatadri Marriboyina. A location based novel recommender
framework of user interest through data categorization, Materials Today: Proceedings, 2021,
Vol. 47, Part 19, pp. 7155-7161. Available at: https://doi.org/10.1016/j.matpr.2021.06.325.
13. Myung Jin Choi, Antonio Torralba, Alan S. Willsky. Context models and out-of-context objects,
Pattern Recognition Letters, 2012, Vol. 33, pp. 853-862.
14. Geir Solskinnsbakk, Jon Atle Gulla. Combining ontological profiles with context in information
retrieval, Data & Knowledge Engineering, 2010, Vol. 69, pp. 251-260.
15. Xuan Lv, Nora M. El-Gohary. Enhanced context-based document relevance assessment and
ranking for improved information retrieval to support environmental decision making, Advanced
Engineering Informatics, 2016, Vol. 30, pp. 737-750.
16. Moshe Unger, Ariel Bar, Bracha Shapira, Lior Rokach. Towards latent context-aware recommendation
systems, Knowledge-Based Systems, 2016, Vol. 104, pp. 165-178.
17. Bin Xia, Zhen Ni, Tao Li, Qianmu Li, Qifeng Zhou. VRer: Context-Based Venue Recommendation
using embedded space ranking SVM in location-based social network, Expert Systems
With Applications, 2017, Vol. 83, pp. 18-29.
18. Cioara T., Anghel I., Salomie I., Dinsoreanu M., Copil G., Moldovan D. A self-adapting algorithm
for context aware systems, in: Roedunet International Conference (RoEduNet), 2010 9th,
2010, pp. 374-379.
19. Kwon O., Yoo K., & Suh E. UbiDSS: A proactive intelligent decision support system as an
expert system deploying ubiquitous computing technologies, Expert Systems with Applications,
2005, Vol. 28 (1), pp. 149-161.
20. Quintana-Amate S., Bermell-Garcia P., Tiwari A., & Turner C.J. A new knowledge sourcing
framework for knowledge-based engineering: An aerospace industry case study, Computers &
Industrial Engineering, 2017, Vol. 104, pp. 35-50.
21. Ivens Portugal, Paulo Alencar, Donald Cowan. The use of machine learning algorithms in
recommender systems: A systematic review, Expert Systems with Applications, 2018, Vol. 97,
pp. 205-227. Available at: https://doi.org/10.1016/j.eswa.2017.12.020.
22. Zofie Cimburova, Meta Berghauser Pont. Location matters. A systematic review of spatial
contextual factors mediating ecosystem services of urban trees, Ecosystem Services, 2021, Vol.
50, pp. 101296.
23. Feng Liang, Honglong Chen, Kai Lin, Junjian Li, Zhe Li, Huansheng Xue, Vladimir Shakhov, Hannan
Bin Liaqat. Route recommendation based on temporal–spatial metric, Computers & Electrical Engineering,
2022, Vol. 97, 107549. Available at: https://doi.org/10.1016/j.compeleceng.2021.107549.
24. Yuan Guo, Bing Zhang, Sun Y., Jiang K., Wu K. Machine learning based feature selection and
knowledge reasoning for CBR system under big data, Pattern Recognition, 2021, Vol. 112,
107805. Available at: https://doi.org/10.1016/j.patcog.2020.107805.
25. Hart S.G., Staveland L.E. Development of NASA-TLX (task load index): results of empirical and
theoretical research / Hancock P.A., Meshkati N. (Eds.), Advances in psychology, Human mental
workload, Vol. 52. North-Holland, 1988, pp. 139-183. 10.1016/S0166-4115(08)62386-9.
