Материал: 2047

Внимание! Если размещение файла нарушает Ваши авторские права, то обязательно сообщите нам

1

 

 

Пока дерево правил

 

 

выбрано

 

 

Перейти к корневому узлу

 

 

дерева правил

 

 

Пока узел дерева не

 

 

является листом

 

 

Итоговый набор

 

СЗП, определяющий

нет

 

СПП КЗ

Нет

 

 

 

Конец

БД

Заголовок правила

Нет

 

выполняется

нет

 

Перейти к дочернему узлу

 

дерева по ветке False

Перейти к дочернему узлу

 

 

дерева по ветке True

 

 

Выполнить тело правила

Сохранить

выбранного узла дерева

промежуточные

 

результаты

Есть дочерний узел

определения СПП

Нет

 

 

нет

Перейти к следующему

Перейти к дочернему узлу

дереву правил

дерева

 

 

Рис. 3.7. Схема алгоритма автоматизированного

формирования анкеты КЗ (окончание)

 

70

Нет

Нет

Да

Рис. 3.8. Схема алгоритма автоматизированного формирования анкеты КЗ

71

Таким образом, алгоритм извлечения и структурирования знаний, отражающих субъективное кредитное поведение заемщика, учитывает требования предметной области и отличительные особенности данных, полученных в результате ассоциативного эксперимента, свободного от навязывания стимулов респонденту (что приводит к наличию противоречий). Алгоритм базируется на актуальном анализе данных, представленных в форме графовой модели типологии КЗ с применением БП древовидной структуры, позволяет автоматизировать процесс идентификации и интерпретации типологии КЗ с целью автоматизированного формирования анкеты КЗ. Причем, предложенные решения учитывают возможность разрешения противоречий по умолчанию или действиями, согласно плану активного вмешательства ЛПР. Алгоритм предусматривает предварительную проверку достижимости результата (формирования СПП) согласно правилам ЛПР, что позволяет уйти от перебора данных, полученных в ходе эксперимента. Алгоритм является универсальным, не привязан к конкретному типу исследований, его можно использовать для широкого круга социальных, социально-экономических исследований.

72

Глава 4. РАЗРАБОТКА МЕТОДА ПОСТРОЕНИЯ МОДЕЛИ ЗНАНИЙ НА ОСНОВЕ ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ

В четвертой главе для решения задачи оценки рисков на основании оценки субъективного кредитного поведения определен подход к методу оценки рисков, адаптирован и модифицирован метод ЛВмоделирования в целях построения модели знаний (МЗ), отражающих риски, связанные с субъективным кредитным поведением. На основе сформированной анкеты КЗ определено представление данных (классификация логических переменных), имеющих различное качественное представление в дихотомической шкале в терминологии ЛВмоделирования для построения МЗ, отражающих субъективное кредитное поведение. Предложены два метода оценки рисков на основе оценки субъективного кредитного поведения: метод на основе расчета рангового коэффициента корреляции Спирмена между типовым СПП m-й группы и индивидуальным СПП s-го соискателя и метод интервальной оценки рисков.

4.1. Определение подхода к решению задачи оценки рисков

Следующим этапом разработки интеллектуальной системы является разработка блока приобретения знаний и построение БЗ на основе сформированной анкеты КЗ, то есть решение задач диагностики субъективного кредитного поведения и прогнозирования рисков, связанных с ним.

На основе анализа литературы (глава 2) обоснованно выбраны методы приобретения знаний, построение БЗ и принятия решений, лежащие в основе модуля, решающего задачу оценки рисков розничного кредитования, которые ориентированы на аналитика с использованием методов психосемантики.

В результате проведения ассоциативного эксперимента и анализа данных получены СЗП, которые являются словами-стимулами для определения субъективного отношения к действию «кредит» [22].

На основе изученного материала [59, 137] для оценки рисков, связанных с субъективным кредитным поведением, базовым методом, отвечающим данной предметной области, выбран метод многомерного шкалирования.

Метод многомерного шкалирования – «система методических приемов и способов сбора и обработки психологической, социально-

73

психологической и социологической информации для получения объективных данных о скрытых или явных закономерностях поведения (функционирования) сложных, многомерных объектов» [59].

За последние годы в социологии и психологии активно развиваются методические приемы многомерного шкалирования для изучения субъективного опыта человека и построения субъективных пространственных моделей на основе данных прямых и косвенных числовых оценок, которые даются субъектом определенным сторонам воспринимаемых им объектов или событий. Специфика метода многомерного шкалирования определяется следующими основными постулатами, предположениями и допущениями. Постулируется, что субъективные проявления есть не что иное, как отражение состояния объективных процессов и явлений в сознании человека. Предполагается, во-первых, что в процессе жизнедеятельности у субъекта формируется определенный жизненный опыт в виде понятий, представлений, мнений, установок, знаний, на основе которых происходит оценка различного рода явлений и процессов. Предполагается, вовторых, что у каждого субъекта на базе его психологического образа окружающей действительности формируется определенное, объективно обусловленное пространство восприятия, в котором субъективно фиксируются различные предметы и явления по принципам схожести или различия. Третьим фундаментальным предположением для многомерного шкалирования является наличие определенной зависимости между оценками сходства и различия объектов в пространстве восприятия. Считается, что при субъективной оценке различного рода объектов окружающей действительности, субъект одновременно пользуется несколькими мерами, принимает в расчет не один, а целый набор признаков этих объектов. Задаваемая им оценка какого-либо из объектов есть интегрированное решение, которое часто просто не поддается словесному описанию самого оценивающего. Такого типа данные можно получить, предлагая, например, респондентам оценить сходство между объектами. Подобное положение исключает возможное влияние мнений и установок исследователя на характер ответов, даваемых респондентом. Помимо этого сама процедура многомерного шкалирования снижает возможные мотивационные влияния самого обследуемого на характер даваемых ответов, так как ему практически трудно определить значимость того или иного своего суждения для конечного вывода о нем, как о личности.

74

Источник: https://studfile.net/preview/16408104/