УДК: 614.2

Репкина С.А., Леонов С.А.
ФГУ ЦНИИОИЗ Росздрава, г. Москва.

Methodoloical problems of unification of names and development of indicators classifier.
Repkina S.A., Leonov S.A.
Federal Public Health Institute, Moscow

Ключевые слова: единое информационное пространство, среда общения, идентификация, лингвистика, классификаторы

Key words: single information space, interaction environment, identification, linguistics, classifiers.

Существующие проекты Концепций создания Единого информационного пространства (ЕИП) отрасли ориентированы в основном на развитие информационных технологий и глобальных телекоммуникационных сетей.

Проблема создания единой информационной среды общения, как самостоятельного общесистемного элемента информационного пространства, ориентированного на создание единого информационного ресурса отрасли и новых форм общения в среде пользователей (включая их взаимодействие с ЭВМ), адекватных по уровню своего развития проектируемым техническим средствам информационных технологий, в данных проектах практически не выделяется и не рассматривается [1-6, 12-15].

Понятие Единого информационного пространства многоаспектно. Прежде всего, это создание:

• единого информационного ресурса отрасли в виде единой территориально распределенной информационной платформы;
• мощной фактографической информационно-поисковой системы, обладающей высокой степенью разрешения и способной обеспечить режим прямого доступа к информационным ресурсам в режиме реального времени непосредственно с рабочих мест пользователей;
• автоматического режима обработки информации во всей технологической сети отрасли, оборудованной соответствующими терминалами для поставщиков и потребителей информации;
• автоматизации процесса формирования форм документов (в том числе и первичных), оказавшегося принципиально неосуществимым в рамках действующих информационных технологий;
• предоставления пользователю возможности прямого взаимодействия с электронными носителями информации непосредственно со своего рабочего места, сводя до минимума традиционно существующие приемы работы с бумажными носителями.

Решение этих задач потребует разработки принципиально новых информационных технологии. Действующие технологии до сих пор осуществляют обработку только одной, самой крупной единицы информации – документа. По сути своей они являются технологиями, самого низкого уровня развития, поскольку:

• не обеспечивают стабильности отображения единичного показателя, имеющего широко распространенное применение у пользователей. Сохранение стабильности отображения единицы информации является едва ли не основным условием, позволяющим обеспечить единство информационного пространства и предоставить пользователю принципиально новый набор услуг. Например, возможность поиска отдельных показателей, формирования их динамических рядов, автоматизации процессов формирования документов, в том числе первичных и прочих услуг.

В принципе нестабильность отображения показателя, «упакованного» в формат документа, для этих технологий вполне правомерна, поскольку сам документ, как единица информации, не обладает свойством стабильности. Состав показателей, входящих в него, как правило, отражает текущие интересы пользователей, поэтому наборы показателей и конфигурация форматов документов подвержены постоянно текущим изменениям.

• обладают низкой разрешающей способностью информационного ресурса. Ориентация на них при разработке проектов создания единого информационного пространства отрасли с высоким уровнем единства вряд ли может привести к желаемому результату. Опыт эксплуатации действующих технологий подтверждает, что разрешающая способность информационного ресурса в технологиях, где основным продуктом обработки является документ, находится на самом минимальном уровне, что является едва ли не главной причиной кризисной ситуации в области информатизации отрасли. Применение технологий, ориентированных только на обработку документов было вполне обосновано на начальных этапах развития информационных технологий, когда решалась проблема механизации вычислительных процессов.

В настоящее время, когда требования пользователей возросли и значительно расширились, потребность в повышении уровня разрешающей способности становится все более очевидной. Обеспечить это повышение вполне возможно за счет разработки технологий способных вести обработку двух, равнозначных и взаимосвязанных единиц информации – документов и единичных показателей [11].

Разработка таких технологий – это принципиально новая постановка задачи, направленная на увеличение числа общесистемных элементов в инфраструктуре информационного пространства отрасли, требующая координальных изменений в области организации технологического процесса обработки информации и прикладного программного обеспечения.

В информационном пространстве отрасли предстоит создать принципиально новый механизм, способный обеспечить формирование принципиально новых форм отображения основной единицы информации (единичного показателя) и, соответственно, ориентированный на создание условий повышенной комфортности для человека при наиболее полном использовании возможностей современных технических средств.

Переход на технологии обработки наиболее «мелкой» и наиболее стабильной единицы информации – единичного показателя, освобожденного от «упаковки» (формы документа) и способного самостоятельно перемещаться в информационном пространстве, потребует разработки новых форм идентификации. В том числе, и решения застаревшей проблемы унификации наименований показателей.

В частности, решения сложнейших лингвистических проблем, связанных анализом семантики наименований показателей, их соответствия алгоритмам расчета, систематизации и нормализации различных текстовых форм отображения их на естественном языке пользователя, а также созданием типовых форм идентификации на специальном информационном языке. То есть потребуется создание механизмов формирования текстовых и кодовых идентификаторов, позволяющих проводить машинную обработку показателей и осуществлять общение пользователей с машиной и между собой.

Кроме того, потребуется создание специальных форм организации множества идентификаторов и наименований показателей, прошедших унификацию, представляющих инструмент пользователя, необходимый ему для работы в среде общения. Наиболее вероятно, что таким инструментом должен стать классификатор наименований показателей.

Фактически в рамках новой среды общения предстоит создать:

• специализированный информационный язык фактографического типа значительно приближенный к естественному языку пользователя, включающий в себя единые правила формирования унифицированных и стандартизированных наименований показателей на естественном языке и, соответственно, правила формирования их идентификаторов на этом же формализованном естественном языке (ФЕЯ):
• Отраслевой классификатор технико-экономических и социальных показателей (ОКТЭСП), содержащий постоянно пополняющуюся совокупность унифицированных наименований показателей и стандартных форматов их идентификаторов.

Следует отметить, что проблему создания подобного информационного языка, способного обеспечивать общения пользователя с машиной на языке приближенном к естественному языку, пытались решить еще в период создания первых информационных технологий, в виде «Единой системы классификации и кодирования» (ЕСКК). В свое время в рамках этой системы велись работы по созданию «Общесоюзного классификатора технико-экономических показателей» (ОКТЭСП), который по сути своей представлял синтаксическую часть информационного языка, содержащую правила формирования идентификаторов наименований показателей [8-10].

Вся оставшаяся совокупность самых разнообразных классификаторов и списков унифицированных терминов, входящая в ЕСКК, должна была составить вторую, часть структуры этого языка - морфологическую.

Таким образом, классификатор наименований показателей, созданный с помощью этого языка должен был стать сводом нормализованных наименований показателей отрасли (страны), и механизмом, обеспечивающим:

• объединения всего словарного фонда ЕСКК, разрешенного для применения его в информационном пространстве отрасли;
• формирования идентификаторов и стандартизации в области терминологии;
• функцию контроля над правомерностью использования терминологии в процессе функционирования информационного пространства, поскольку в рамках его происходило формирование поисковых образов для всех единиц информации.

Однако, в силу ряда объективно существовавших тогда причин, роль механизма стандартизации терминологии была отдана классификатору унифицированных форм документов (ОКУД), а разработка ОКТЭСП в виду его невостребованности, была отложена на десятилетия. Это говорит о том, что идея создания ОКТЭСП значительно опережала свое время.

Сегодня необходимость разработки такого классификатора становится все более очевидной, поскольку требования, к регламентации терминологии используемой в условиях формирования Единого информационного пространства отрасли, становятся все более настоятельными [2-3, 12-15].

Экспресс-анализ методических основ разработки ОКТЭСП, разработанных в прошлые годы, показал, что основные принципы построения классификатора, заложенные в те годы, не потеряли своей актуальности и на сегодняшний день.

В данной работе рассматриваются главные аспекты информационного языка, касающиеся формирования его синтаксических и морфологических составляющих, в том числе и формирования его словарного фонда. Основное внимание уделяется:

• унификации наименований технико-экономических и социальных показателей, т.е. унификации текстов прошедших проверку на смысловое соответствие расчетным алгоритмам;
• созданию двух типов идентификаторов (поисковых образов) для наименований показателей, имеющих единую семантическую нагрузку. Один из которых является текстовым, ориентированным на восприятие человеком, второй – кодовым, ориентированным на распознавание его машиной;
• разработки формата структуры ОКТЭСП и системы связи фонда отраслевых классификаторов, представляющих словарный фонд информационного языка, с ОКТЭСП.

Процессы унификации наименований показателей, формирования их идентификаторов и установление связи с классификаторами Отраслевого фонда классификаторов – это один непрерывный процесс, поэтому описание используемых методов будет излагаться одновременно.

Объектом унификации является наименование показателя.

Показатель, в общепринятом понимании, есть ни что иное, как отображения любого свойства объекта средствами естественного языка (ЕЯ). Структурно он состоит из двух компонент. Первой компонентой является наименование показателя, несущее смысловое описание свойства объекта и имеющее текстовую форму отображения. Второй, мера этого свойства, которая заключена в смысловом содержании наименования показателя. Обычно – это либо цифра, либо логическое выражение.

Предлагаемый метод унификации показателей и формирования идентификаторов основан на структурировании наименований показателей, на отдельные элементы – морфемы и унификации их в структурах родственных им морфем, т. е. классификаторах. Поскольку все искусственные языки по своей природе, являются знаковыми и формализованными, то в дальнейшем в рамках искусственного языка все морфемы естественного языка, прошедшие унификацию, будут обозначены как «элементы – признаки» или просто «признаки».

Затем из унифицированных признаков с помощью специальных алгоритмов формируются идентификаторы, основное отличие которых от наименований показателей, состоит в том, что выделенные морфемы будут заменены унифицированными терминами – признаками. А все многообразие синтаксических отношений, существующее между морфемами, как членами предложений, составленных в соответствии с нормами ЕЯ, будет заменено одним логическим отношением, отражающим порядок их «следования» в идентификаторе наименования показателя. Основы такого метода структурирования наименований показателей были заложены еще в период становления первых информационных технологий. В частности, из состава наименований показателей был выделен ряд признаков, с помощью которых, и по сей день, осуществляется коммуникация информационных потоков, а также агрегирование (дезагрегирование) информации при прохождении ее по разным уровням структуры отрасли. В основном это признаки, которые в большей своей части принято располагать в «шапках» форм документов. Они были востребованы первой технологией и, соответственно, унифицированы, классифицированы и организованы в систему Общесоюзных и отраслевых классификаторов.

Однако, значительная часть морфем, при помощи которых составляются описания свойств объекта, в силу прекращения работ по созданию ОКТЭСП, процессу унификации и нормализации не подвергалась. Именно эта часть морфем в настоящее время представляет наибольший интерес, поскольку связана с решением застаревшей проблемы нормализации естественного языка, т. е. очищением терминологии, используемой в отрасли от синонимии (омонимии), терминов и профессиональных жаргонов, искажающих смысловое содержание основных единиц информации. Ее решение является одним из немаловажных факторов, способствующих формированию единства информационного пространства отрасли и, соответственно, увеличению разрешающей способности его информационного ресурса.

Главные принципы унификации наименований показателей:

• использование приема сегментирования текста на элементы-признаки;
• использование критерия семантической (смысловой) близости (КСБ) показателей и критерия однородности синтаксических структур (КОСС) всех унифицируемых текстов;
• классификация и унификация текстов на основе метода таксономии;
• формирования кодовой записи унифицированных текстов на основе использования топологии графа "дерево";
• применение свойства открытых множеств, позволяющего менять размеры и состав множеств.

Первым критерием унификации должен быть критерий семантической (смысловой) близости (КСБ) наименований показателей. Он позволяет объединить близкие по смысловому содержанию наименования в семейства, а внутри них провести сопоставительный анализ между членами каждого семейства на их уникальность (неповторимость). КСБ дает возможность одновременно установить тождество (соответствие) между наименованием показателя и его смысловым содержанием. Последняя процедура связана с анализом расчетных алгоритмов и методик измерения (расчета) показателей. Формально основной классификационный признак выражается дескриптором - одно, два слова естественного языка, смысловое значение которых на самом высоком уровне обобщения с достаточной степенью однозначности отражает вложенный в них экономический смысл. Например, "потребность", "численность", "производительность" и т. д. По наличию дескриптора в наименовании показателя можно судить о принадлежности последнего к тому или иному семейству. Он же является именем всего семейства показателей (Рис.1).

Выбор дескрипторов носит вероятностный характер, т.е. выделение его осуществляется так же, как в информационно-поисковых системах библиотечного (дескрипторного) типа.

В практике формирования семейства показателей довольно часты случаи, когда в одном наименовании можно выделить несколько дескрипторов. Например, "Остатки товарной продукции на конец ... года в ценах ... по предприятию ... в единицах измерения ...". Здесь дескрипторов три - "Остатки", "товарная продукция" и "продукция". Таким образом, одно наименование может входить в неограниченное множество семейств и, соответственно, в каждом из них проходить унификацию. На наш взгляд, многократная унификация является желательной, поскольку от этого только повышается ее качество.

Вторыми критерием, положенным в основу методики сопоставительного анализа членов одного семейства показателей, является критерий однородности синтаксических структур (КОСС) показателей одного семейства. Он позволяет установить и зафиксировать единый для данного семейства порядок расположения признаков (морфем) в наименованиях показателей одного семейства (Рис. 1).

Этот момент весьма важен, поскольку отражает процедуру замены синтаксиса ЕЯ синтаксисом формализованного языка и, соответственно переход наименования показателя в его текстовой идентификатор.

Применение КОСС дает возможность отказаться от правил фиксации синтаксических отношений между членами предложений, свойственных текстам ЕЯ, поскольку ранжированный текст косвенно содержит в себе эти отношения. Ранжировка текста осуществляется достаточно легко, поскольку синтаксический строй наименований не отличается большим разнообразием.

Для целей унификации синтаксических структур применен широко известный в практике метод таксономии. В данной предметной области он позволяет осуществить сопоставление и унификацию текстов, как целостной структуры через сопоставление его частей, т. е. его элементов-признаков, без нарушения семантической (смысловой) и синтаксической целостности исходного текста. Последнее обстоятельство весьма важно для построения классификаторов, формирующих словарный фонд информационного языка, т. е. его морфологическую часть. Поскольку каждый признак, участвующий в формировании каждого текстового идентификатора, помимо процедуры унификации в рамках своего семейства должен пройти дополнительную унификацию в списках родственных ему терминов, т. е. классификаторах.

Таким образом, для проведения сопоставительного анализа наименований одного семейства необходимо:

• нормализовать классифицируемые тексты, т.е. ранжировать расположение слов в каждом унифицированном тексте по единому для данного семейства порядку;
• условно расчленить (сегментировать) эти тексты на отдельные элементы-признаки;
• связать каждый элемент-признак с соответствующим классификатором ТЭИ или списком унифицированных терминов, совокупность которых отождествляется с принятой в стране Единой системой классификации в кодировании (ЕСКК)). и зарегистрировать их в соответвующих классификаторах или списках унифицированных терминов.;
• сопоставить между собой все тексты одного семейства по составу (набору) элементов-признаков и порядку их следования (расположения). В результате проведения процедуры сопоставления тексты, полностью совпадающие по набору и порядку следования, считаются идентичными и регистрируются как одно наименование. Тексты, отличающиеся друг от друга, регистрируются как уникальные.

Соблюдение принципа открытого множества при разработке метода унификации, ориентировано на создание открытой системы показателей, способной к постоянно текущему обновлению состава показателей в информационном ресурсе информационного пространства отрасли.

Формирование структуры кодовых идентификаторов является логическим завершением процесса унификации наименований показателей. В основу метода формирования положен принцип регистрации элементов-признаков с использованием топологии графа "дерево".

Кодовая запись в данном случае несет информацию о месте расположения унифицированного наименования в системе унификации. Она получается сжатой (в пределах 9-12 десятичных знаков) и постоянной по своей длине.

Структуру графа составляют: «корень» графа и зоны его" прямых" и "обращенных" ветвей (рис. 2).

Узлами графа условно обозначены элементы-признаки (i, r ,..q), на которые сегментированы наименования показателей.

Среди элементов- признаков выделяется главный признак. На поле графа он обозначен, как «корень» графа. В структуре классификатора его понятие отождествляется с понятием рубрики, поскольку он выполняет функцию объединения множества семантически близких показателей в одно семейство. В структуре кодовой записи он является старшим идентификационным признаком и именем целого семейства показателей.

Рис.2 Общий вид графа «дерево».

Индексы t, г, n... и т.д., показанные на графе, являются условными обозначениями имен классификаторов или списков унифицированных терминов, в которых расположены значения этих признаков. Например, имена предприятий в классификаторе предприятий, или наименование единиц измерения в классификаторе единиц измерения и т.д. Количество значений признаков в каждом классификаторе может быть практически неограниченным. При формировании идентификаторов показателей вместо признака, обозначающего имя классификатора, может быть поставлено любое значение, взятое из этого классификатора.

Понятие зоны "обращенных" ветвей графа в структуре классификатора отождествляется с понятием подрубрик, поскольку элементы-признаки этой зоны, взятые вместе с корнем, распределяют (классифицируют) множество (семейство) показателей на подмножества и становятся именами соответствующих подмножеств.

Например, Уточненная потребность; Заявленная потребность; Неудовлетворенная потребность и т. д.

Зона "прямых" ветвей состоит из множества наборов элементов-признаков. Каждый набор является частью унифицированного шаблона идентификатора наименования, в котором зафиксирована структура унифицированного наименования показателя в соответствии с правилами информационного языка.

Число элементов-признаков, включаемых в ветви обоих зон графа, их разнообразие и последовательность практически не ограничены, т.е. на поле графа может быть введено любое наименование показателя любого уровня обобщения и любого количества показателей. Что является проявлением принципа открытости выбранного метода унификации.

При формировании ветвей графа необходимо выдерживать первоначальную ранжировку элементов-признаков, т.е. привязывая синтаксическую структуру текста к топологии графа, нельзя нарушать смыслового содержания фразы путем перемены мест расположения признаков.

Процедуры унификации и регистрации (кодирования) осуществляются практически одновременно.

Смысл унификации заключается в сопоставлении ветвей графа одного семейства, т.е. сопоставлению синтаксических структур записей наименований показателей. Наложение осуществляется последовательно по зонам графа, для чего предварительно аналитическая запись условно расчленяется на три части. В зонах не должно быть дублирующих ветвей, каждая ветвь графа должна быть, с одной стороны, уникальной, с другой - общей для многих наименований одного семейства. Уникальные ветви графа нумеруются. Нумерация в каждой зоне независимая, порядковая и начинается с единицы. Кодирование унифицированных текстов (идентификаторов) производится путем объединения порядковых номеров соответственно корня, "обращенных" и "прямых" ветвей графа (рис. 3).

Схема расположения группировок кода* классификатора на поле графа "дерево" приведена на рис. 4.

Все группировки кода являются фасетами, емкость которых по предварительной оценке составляет 3 десятичных знака. Три первые группировки указывают на место расположения наименования в системе унификации, четвертая предназначена для учета тех наименований, которые необходимо представить фактографическим текстом, т.е. единичным наименованием показателя

Использование в предлагаемой методике графа "дерево" для целей унификации и кодирования позволяет получать в составе каждого семейства унифицированные шаблоны для идентификаторов единичных наименований показателей. Подстановкой в шаблоны различных значений признаков из ряда классификаторов, зафиксированных в этих шаблонах, можно будет получать неограниченное множество стандартных идентификаторов единичных наименований показателей.

Особенностью предложенной методики является то, что выбранная в ней схема унификации и формирования текстовых и кодовых идентификаторов позволяет достигнуть максимально возможного уровня унификации.

Классификатор ОКТЭСП, составленный по изложенной выше методике должен представлять совокупность унифицированных шаблонов текстовых и кодовых идентификаторов, с помощью которых любой пользователь информационного пространства отрасли может составить унифицированный текстовой идентификатор необходимого ему показателя.

Как эксплуатационный инструмент пользователя, он должен быть машиноориентированным документом, пользование которым возможно только с терминала пользователя, причем только на формализованном естественном языке.

В структуре базы, где хранится тело классификатора, должна быть создана система адресной связи с теми численными значениями, которые хранятся в текущих базах данных, и, соответственно, с документами, если численные значения показателей хранятся или перемещаются в информационном пространстве упакованными в их формат.

Все формы документов, имеющие право хождения в отрасли должны составляться с помощью технических средств и с использованием идентификаторов показателей или их шаблонов, размещенных в классификаторе ОКТЭСП, для чего должен быть создан специальный механизм (программа) машинного формирования форм документов, позволяющего пользователю их создавать.

Пользователю должна быть предоставлена возможность самостоятельно отбора текстовых идентификаторов для необходимой ему совокупности показателей и размещать их в соответствующие форматы документов, а также придавать, сформированной форме документа статус любой значимости, исходя из приоритета решаемых им задач. Любая форма документа, составленная в соответствии с этим требованием, будет являться унифицированной.

Классификатор ОКТЭСП и вся инфраструктура, возникающая вокруг него, по сути своей являются новым общесистемным элементом информационного пространства отрасли, имя которому – «среда общения пользователя». Появление этого элемента означает смену поколений в информационных технологиях и начало становления Единого информационного пространства отрасли.

1. Венедиктов Д.Д., Гасников В.К., Кузнецов В.П., Радзиевский Г.П., Столбов А.П. Современная концепция построения единой информационной системы здравоохранения //Врач и информационные технологии. – 2008. - №2. – С. 17-23.
2. Единое информационное пространство здравоохранения может функционировать только на основе технологически грамотно построенных систем управления учрежденческого уровня. Интервью с директором Исслед. центра мед. информатики ИПС РАН Я.И.Гулиевым. //Врач и информ. технологии. – 2007. - №2. – С. 4 - 9.
3. Интервью с профессионалом. Нужно сформировать новое мышление у управленцев системы здравоохранения о важности достоверной информации, касающейся охраны здоровья граждан. Беседа с Чечириным Г.И.// Врач и информационные технологии. – 2008. - № 6. – С. 14-18.
4. Комаров Г.А. О концепции развития здравоохранения Российской Федерации на ближайшую перспективу //Здравоохранение.- 2008.- №3.- С. 155 – 160.
5. Концепция информатизации Федерального агенства по здравоохранению и социальному развитию //Врач и информационные технологии. – 2005. - №5. – С. 4-12.
6. Концепция информатизации системы обязательного медицинского страхования на 2008 – 2010 годы. // Врач и информационные технологии. – 2008. - № 3. – С. 8-45.
7. Мазитова Н.Н., Берхеева З.М., Шакирова Л.В.Применение системного подхода к диагностике профессиональных заболеваний органов дыхания //Общественное здоровье и здравоохранение. – 2009. - № 1. – С. 25 - 30.
8. Общесоюзный классификатор. Технико-экономические показатели. Методические указания. ЦСУ СССР. Госстандарт СССР. – М.: Издательство стандартов. 1975.
9. Общесоюзный классификатор технико-экономических и социальных показателей (ОКТЭСП). М.: ЦСУ СССР, 1980.
10. Репкина С.А. Вопросы построения отраслевого классификатора технико-экономических показателей. //Электронная техника. Серия экономика и системы управления. – 1983. - 3(48). – С.15-20.
11. Репкина С.А., Леонов С.А. К вопросу создания отраслевого классификатора наименований социально-экономических и медико-экономических показателей (ОКСЭП) и его роли в информационных технологиях второго поколения в системе здравоохранения //Врач и информационные технологии. – 2008. - № 6. – С.36 - 44.
12. Столбов А.П. Информатизация здравоохранения, новые реформы – старые проблемы //Врач и информационные технологии. – 2007. - №2. – С. 4 – 9.
13. Тавровский В.М. «Единое пространство» и бритва Оккама //Врач и информационные технологии. – 2008. - № 5. – С. 75 - 77.
14. Тишук Е.А. К вопросу о перспективах развития информатизации в здравоохранении и медицинской науке. //Врач и информационные технологии. – 2005. - № 5. – С.13 - 17.
15. Экономическая политика. Стратегия и тактика. Стандарты информационных и нанотехнологий (проблемы и решения). Беседа с директором Института радиотехники и радиоэлектроники РАН академиком Ю. Гуляевым.//Проблемы теории и практики управления. – 2008.- № 10.- С. 8 -.16.

Добавить комментарий

Пожалуйста оставляйте комментарии только по теме. Вы можете оставить свой комментарий любым браузером кроме Internet Explorer старше 6.0
Имя:
E-mail
Комментарий:
Код:*