Материал: 2047
Рис. 6.2. Диаграмма развертывания, где «кредитоспособность.exe» - запускаемый модуль клиентского приложения для кредитного инспектора, «Credits.mdb» - серверная часть приложения с базой данных, реализованная в MS SQL
Server 2005
Всоответствии с функциональной схемой ИСППР (см. рис. 6.1) БД имеет структуру, представленную на рис. 6.3.
Разработка и хранение БП выполнено с учетом реализации интеллектуальной системы средствами систем управления базами данных (СУБД). Выбор средства реализации разрабатываемой интеллектуальной системы обусловлен областью ее применения и наличием встроенных средств оптимизации обработки данных и управления ими.
Виспользуемой в данной работе СУБД MS SQL Server 2005 реализован встроенный планировщик и оптимизатор запросов, то есть при первом запуске запроса с учетом логики операторов определяется
исохраняется план выполнения запроса с минимальной стоимостью. При последующем выполнении запросов происходит обращение к готовому плану и выполняется программа. Аналогичными функциональными преимуществами обладает СУБД Oracle, соответственно все решения и алгоритмы могут быть перенесены и реализованы в Oracle Database 9i или более поздние версии.
БД содержит данные для анализа, а также полученные в результате анализа: ТБД ассоциаций респондентов, ТБД справочник рес-
115
пондентов, ТБД справочник ассоциаций (все полученные в ходе ассоциативного эксперимента ассоциации), ТБД справочник групп, ТБД СЗП (характерные ассоциации или полученные в результате анализа СЗП), ТБД наборы СЗП, описание структур представлено в табл.
П.4.1, П.4.2, П.4.3, П.4.4, П.4.5, П.4.6, П.4.7, П.4.8, П.4.9.
БД средств управления, БЗ решенных задач по принятию решений, в соответствии с назначением блока извлечения и структурирования знаний, содержит в себе разработанную базу правил, отвечающую разработанному алгоритму анализа данных: ТБД правила, ТБД деревья правил, ТБД правила аналитика (правила, отвечающие плану активного воздействия аналитика), ТБД наборы правил аналитика, ТБД группы правил, описание структур представлено в табл. П.4.10,
П.4.11, П.4.12, П.4.13, П.4.14.
Блок приобретения знаний и построения МЗ направлен на фор-
мирование обучающей выборки, определение характеристик обучающей выборки, актуализацию обучающей выборки. Работа этого блока предполагает не только создание единожды МЗ, в основе которой лежат методы ЛВ-моделирования, но и ее актуализацию после оценки свершившегося факта – «вернул»/«не вернул» кредит КЗ.
Процесс заполнения шаблона-маски представлен серией алгоритмов: алгоритм генерации групп, алгоритм генерации структуры шаблона-маски, алгоритм заполнения шаблона-маски данными о СЗП (их коды и градации), алгоритм заполнения шаблона-маски частотами встречаемости СЗП.
Так как при первичной установке СППР необходимо подготовить шаблон-маску частот встречаемости и нужно гарантировать соответствие описания групп по их характеристикам в системе, то заполнение таблицы выполняется автоматически путем запуска алгоритма «Генерация социально-демографических групп», который берет за основу полученную типологию КЗ по результатам работы блока извлечения и структурирования знаний.
Далее запускается процесс генерации структуры шаблона-маски. Структура данного шаблона зависит от того, каким образом сформировались социально-демографические группы. Поэтому в ИСППР он генерируется в процессе начального формирования обучающей выборки, а при установке системы отсутствует.
116
Рис. 6.3. Структура данных для определения СПП
Следующим этапом является процесс предварительного заполнения шаблона-маски кодами СЗП и весами. Порядок заполнения зависит от того, какими СЗП заполнена таблица «Справочник СЗП». Так как все они должны быть представлены в шаблоне, то после установки системы и заполнения справочников должны быть выполнены процедуры, алгоритмы которых представлены на рис. П.2.1-П.2.3.
117
Впроцессе работы системы при проведении дополнительных исследований могут появиться новые СЗП и, соответственно, новые варианты анкет для соискателей. Чтобы учесть эту особенность в ИСППР к таблице «Справочник СЗП» привязан триггер на добавление записи, который проверяет, уникален ли вновь добавляемое СЗП, если да, то он сохраняется в таблице и автоматически в таблицу «Шаблон-маска частот встречаемости» добавляется семь новых записей с кодом добавляемого СЗП и вариантами значений его веса (значимости). Если СЗП не прошел проверку на уникальность, то автоматически происходит откат добавленной записи в таблице «Справочник СЗП».
Последним в серии алгоритмов будет алгоритм заполнения шаб- лона-маски самими частотами встречаемости СЗП.
На основе обучающей выборки определяются суммарные показатели выбора каждой градации каждого СЗП представителями групп КЗ. При актуализации данных запускается аналогичный алгоритм, который отличается тем, что исключается обход по всем группам КЗ,
ана вход алгоритма подается список тех КЗ, информация о которых переносится в обучающую выборку.
Алгоритм определения оценок каждого КЗ по векторам отличий реализован на основе описанной в пятой главе методики обучения модели с использованием (4.5).
Алгоритм определения статистических характеристик, а именно, выборочного среднего и стандартного отклонения выборочного среднего для каждой группы работает по (4.11) и (4.12).
Всоответствии с функциональной схемой ИСППР (см. рис. 6.1) БД имеет структуру, представленную на рис. 6.4.
Рассматриваемый блок служит для хранения МЗ, и соответственно взаимодействуют с БД, содержащей ТБД, которые отражают соци- ально-демографические признаки, структуру анкет, результаты анкетирования, вектора отличий и статистические характеристики групп КЗ (ТБД справочник соискателей, ТБД кредитный договор, ТБД результаты анкетирования, ТБД справочник социальнодемографических групп, справочник СЗП, ТБД шаблон-маска, ТБД структуры анкет, ТБД справочник виды анкет). Описание их струк-
тур представлено в табл. П.4.15, П.4.16, П.4.17, П.4.18, П.4.19, П.4.20, П.4.21, П.4.22.
118
Рис. 6.4. Схема базы данных для формирования обучающей выборки, определения характеристик обучающей выборки, актуализации обучающей выборки, а также для организации хранения МЗ
и правил поддержки принятия решений
119