Денежные переводы 

Анализ наилучшего и наиболее эффективного использования объекта оценки. Выбор наиболее эффективного варианта использования объекта недвижимости Задачи на определение наиболее эффективного варианта осуществления капитальных вложений

2. Оценка недвижимости

2.7. Особенности оценки земли

2.7.3. Анализ наилучшего и наиболее эффективного использования земли

При оценке земельного участка следует определить вариант его наилучшего и наиболее эффективного использования, который определяется взаимодействием ряда факторов.

Анализ наилучшего использования включает изучение альтернативных вариантов использования (освоения, застройки) земельного участка и выбор оптимального. При этом учитываются перспективность местоположения, состояние рыночного спроса, стоимость застройки, стабильность предполагаемых доходов и т. п.

Большое значение при оценке стоимости объекта, состоящего из земельного участка и построек, придается анализу наилучшего использования, во-первых, предположительного вакантного земельного участка и, во-вторых, земельного участка с имеющимися улучшениями.

Анализ предположительного вакантного земельного участка является необходимым этапом при определении его стоимости, и он основан на установлении наиболее доходного варианта использования земли.

Анализ земельного участка с имеющимися улучшениями предполагает принятие решения о сносе, модернизации или сохранении имеющихся на земельном участке улучшений в целях обеспечения максимальной доходности объекта.

Вероятное и наиболее доходное использование участка обеспечивает его самую высокую стоимость. Варианты использования должны быть законными, физически допустимыми и экономически эффективными.

Назовем основные факторы, определяющие оптимальное использование земли:

1) местоположение - фактор, оказывающий основное влияние на стоимость земельного участка (учитываются перспективность местоположения, транспортная доступность, характер окружения);

2) рыночный спрос - фактор, отражающий соотношение спроса и предложения на рынке;

3) финансовая обоснованность - способность проекта обеспечить доход от использования земельного участка, который был бы достаточным для возмещения расходов инвесторов и обеспечения получения ожидаемой прибыли;

4) физическая пригодность участка - перспектива создания улучшений - размер, топография, качество грунта, климат, инженерно-геологические и гидрогеологические характеристики участка, существующее зонирование, экологические параметры и т.д.;

5) технологическая обоснованность и физическая осуществимость - анализ соотношения качества, затрат и сроков реализации проекта, вероятность стихийных бедствий, доступность транспорта, возможность подключения к коммунальным удобствам, учет размеров и формы участка, например, размер может быть мал для строительства промышленного объекта;

6) законодательная (юридическая) допустимость - соответствие варианта использования земельного участка действующему законодательству. Выявляется в результате анализа строительных, экологических нормативов, ограничений этажности, наличия временных запретов на строительство в данном месте, сложности в районе исторической городской застройки, возможное изменение нормативных актов, соблюдение правил зонирования, негативные настроения местного населения;

Поскольку оценочная деятельность предполагает определение рыночной стоимости, анализ наиболее эффективного использования выявляет наиболее прибыльный и конкурентоспособный вид использования конкретного объекта собственности.

Стоимостной основой любого объекта недвижимости является стоимость земельного участка. Расположенные на нем здания и сооружения могут быть изменены, однако основные характеристики участка обычно остаются прежними. Вместе с тем доход конкретного участка зависит от эффективности его использования. Инвестор, выбирая земельный участок на конкретном рынке, понимает, что разница в стоимости различных участков объясняется их качественными характеристиками.

Анализ наиболее эффективного использования объекта недвижимости предполагает проведение подробного исследования рыночной ситуации, характеристик оцениваемого объекта, идентификации востребованных рынком вариантов, совместимых с параметрами оцениваемого объекта, расчет доходности каждого варианта и оценку стоимости недвижимости при каждом варианте использования. Таким образом, окончательный вывод о наиболее эффективном использовании может быть сделан только после расчета стоимости.

Наилучшее и наиболее эффективное использование объекта недвижимости представляет вариант использования свободного или застроенного участка земли, который юридически возможен и соответствующим образом оформлен, физически осуществим, обеспечивается соответствующими финансовыми ресурсами и дает максимальную стоимость.

Оптимальное использование участка земли определяется конкурирующими факторами конкретного рынка, к которому принадлежит оцениваемый объект собственности, и не является результатом субъективных домыслов собственника, девелопера или оценщика. Поэтому анализ и выбор наиболее эффективного использования является, по сути, экономическим исследованием рыночных факторов, существенных для оцениваемого объекта.

Вид использования, обеспечивающий наибольшую доходность земли, является наиболее эффективным. В основе всех используемых методов определения стоимости земельного участка с целью выбора наиболее эффективного варианта лежит так называемая техника остатка. Доход от земли рассматривается как остаток между совокупным доходом, генерируемым недвижимостью, и теми суммами дохода, которые обеспечиваются привлечением рабочей силы, капитала, основных средств (функционирующих зданий и сооружений). Стоимость земельного участка, в свою очередь, представляет разницу между суммарной стоимостью всего объекта недвижимости и остаточной стоимостью строений либо затратами на их возведение.

Способ наилучшего использования недвижимости может либо достигаться на основе уже существующих строений, либо предполагать сооружение принципиально новых улучшений, что требует рассмотрения земельного участка как свободного. Исходя из этого оценщики применяют при анализе наилучшего использования недвижимости два приема:

Наиболее эффективное использование участка как незастроенного;

Наиболее эффективное использование участка как застроенного.

Существуют следующие основные причины для определения наиболее эффективного вида использования земли как незастроенной:

1. Выделение в стоимости недвижимости стоимости только земельного участка.

2. Использование метода сопоставимых продаж для оценки застроенной земли.

3. Расчет потери в стоимости из-за внешнего устаревания.

4. Оценка реальной стоимости земли в составе объекта недвижимости, который является неоптимальным для данного участка

Анализ наиболее эффективного использования застроенного участка делают по двум причинам:

1. Идентификация вида использования объекта недвижимости, обеспечивающего наибольший общий доход на вложенный капитал.

2. Выявление на рынке объектов недвижимости одинакового назначения с сопоставимым уровнем эффективности использования.

Рассмотрим различие между наиболее эффективным использованием участка без строений и объекта недвижимости со строениями на примере недвижимости производственного назначения, имеющей токсичные выбросы. Район, в котором расположен анализируемый объект, по своим природным характеристикам осваивается как пригородный жилой массив.

Максимальная эффективность использования участка без строений, с наибольшей вероятностью, будет основана на использовании под жилой коттедж. В данном случае возникнут затраты на снос и утилизацию имеющегося объекта. На практике потенциальный владелец собственности будет осуществлять перезастройку участка только в том случае, если остаточная стоимость построек невелика.

Прием определения наилучшего и наиболее эффективного использования оцениваемой недвижимости как незастроенного земельного участка базируется на допущении, что она не имеет строений, либо может быть освобождена от строений в результате их сноса. В итоге определяются стоимость земли на основе выбора возможных вариантов использования, обеспечивающих доходность недвижимости, и под-

бора параметров объектов недвижимости в соответствии с конкретным назначением.

Вариант использования участка земли как незастроенного имеет две основные разновидности:

1. Использование участка земли для спекуляции, т. е. для продажи его без улучшений инвестору, который впоследствии в соответствии с требованиями рынка или собственными предпочтениями проведет его застройку. Данный вариант применим в случае, когда рынки недвижимости перенасыщены.

2. Застройка земельного участка новыми зданиями и сооружениями, в том числе:

" застройка без промежуточного использования, если рассматривается вариант нового использования, принимаемый рынком на дату анализа;

" застройка с промежуточным использованием предполагает временное сохранение существующего варианта использования, до того момента как новый вариант будет востребован рынком, исходя из прогноза рыночной ситуации; " разделение или объединение земельного участка для достижения наиболее эффективного использования; " застройка участка новыми строениями, аналогичными по назначению и физическим параметрам существующему объекту. Наиболее распространенной ситуацией оценки недвижимости на основе незастроенного участка является его условная незастроен-ность. Это связано с тем, что на анализируемом участке имеется здание, которое влияет на стоимость объекта. В этом случае выбор варианта наиболее эффективного использования участка как незастроенного принимает форму инвестиционного проектирования на стадии принятия решения.

В этом случае оценщику необходимо ответить на ряд вопросов:

1. Как можно использовать земельный участок, если он фактически не застроен или может быть освобожден от существующих построек?

2. Какой тип здания или других строений, обеспечивающих выбранный вариант использования, можно построить на данной земле исходя из ее физических и прочих характеристик и в какие сроки?

3. Следует ли рассматривать существующий вид использования в качестве промежуточного?

Например, если для достижения наиболее эффективного использования земли необходимо провести строительные работы, то оценщику следует определить:

Затраты на снос существующих строений;

Вид наиболее эффективного направления использования объекта недвижимости (офис, гостиница, склад и т.д.), соответствующий текущим рыночным стандартам и включающий элементы по наиболее приемлемым ценам;

Характеристики оптимальных строений, которые должны быть возведены для максимального использования потенциальных характеристик участка (этажность, оптимальная площадь функционального подразделения, число данных подразделений и др.);

Уровень арендной платы и эксплуатационных расходов;

Стоимость сооружаемых зданий с учетом затрат на финансирование.

Прием наиболее эффективного использования земельного участка как застроенного предполагает сохранение на анализируемом участке существующих строений. Вариант использования участка земли как застроенного имеет две основные разновидности:

1. сохранение существующего назначения оцениваемой недвижимости;

2. изменение существующего назначения оцениваемой недвижимости.

В обоих случаях рассматриваются необходимость и возможность:

Сохранения существующего объема и качества предоставляемых недвижимостью услуг;

Проведения строительных работ по реконструкции зданий для повышения их класса и изменения ставок арендной платы;

Проведения строительных работ по расширению площадей за счет дополнительной пристройки или возведению дополнительных этажей;

Уменьшения существующих площадей за счет частичного сноса.

Оценщик, сравнивая существующий вариант использования расположенных на земельном участке построек с оптимальным вариантом здания, должен получить ответ на следующие вопросы:

1. Целесообразно ли продолжать эксплуатировать здание в его нынешнем состоянии?

2. Какой вариант перестройки здания выбрать: реконструкцию, расширение, частичный снос?

3. Каким образом и в какие сроки окупятся расходы?

Наиболее оптимальный вариант использования строений обеспечит максимальную стоимость инвестиционно привлекательной недвижимости с учетом ставки доходности, определяемой в соответствии с риском выбранного варианта. Совершенно очевидно, что риски сохранения существующего способа использования недвижимости и различных вариантов перестройки будут неодинаковы.

В оценочном отчете необходимо отделить наиболее эффективное использование участка как незастроенного от наиболее эффективного использования участка как застроенного. Отчет об оценке должен четко идентифицировать, объяснять и обосновывать цель и заключение по каждому виду использования.

Он основан на анализе рыночных данных о продажах объектов недвижимости при условии, что существующее использование этих объектов соответствует их наилучшему и наиболее эффективному использованию . Считается, что общий коэффициент капитализации, определенный на основе рыночных данных для объекта-аналога, может быть распространен на другие объекты данного сегмента рынка . Для большей достоверности результатов следует рассмотреть несколько объектов-аналогов и выполнить статистическую обработку рыночной информации.  

В оценочной практике следует обратиться к методам оптимального планирования для реализации принципа наилучшего и наиболее эффективного использования собственности.  

Нет необходимости также и в том, чтобы центральная власть контролировала производственные методы предприятий. Фермеры, строители, мебельщики и многие другие производители будут добиваться наилучшей комбинации ресурсов и наиболее эффективной организации производства, поскольку более низкие издержки означают более высокие прибыли. В интересах каждого производителя снижать издержки и повышать качество. Конкуренция практически принуждает их к этому. Производителям с высокими издержками будет трудно выжить на рынке. Потребители, стремящиеся тратить свои деньги с наибольшей выгодой, позаботятся об этом.  

Организовать труд - это значит определить наиболее рациональные формы его разделения и кооперации, выявить наилучшие приемы и методы работы, выбрать наиболее эффективные варианты технологического процесса с наименьшими затратами рабочего времени, оптимальное распределение производственного процесса в пространстве и во времени.  

Выбрать из множества вариантов плана наилучший, обеспечивающий наиболее эффективное использование ресурсов, позволяет метод оптимального планирования . Нахождение оптимального варианта решения конкретной задачи требует использования помимо цифровой быстродействующей вычислительной техники также специальных математических методов , позволяющих кратчайшим путем найти искомое решение. Методы оптимального планирования широко используются на энергопредприятиях при разработке годового плана . С их помощью проводится оптимальное распределение активной электрической нагрузки энергообъединения между совместно работающими электрическими станциями, имеющими различные технические и экономические свойства и использующие различные виды энергоресурсов (см. гл. 10).  

Наиболее распространенным методом оценки вероятного экономического воздействия каждой альтернативы на будущее корпорации является разработка детальных сценариев, в которых предусмотрены три варианта развития событий оптимистический, пессимистический и наиболее вероятный. Если эти сценарии адекватно отображают отношение менеджмента к риску, давление со стороны внешней и внутренней среды , личные интересы высшего руководства, то они являются эффективным инструментом, помогающим менеджеру выбрать стратегическую альтернативу, наилучшим образом способствующую достижению целей корпорации . Но окончательная стратегическая альтернатива должна быть выбрана в результате коллективного обсуждения менеджеров. Существуют различные приемы по организации совещаний по принятию стратегических  

Почему столь сильно изменился менеджмент в течение XX столетия Это произошло в значительной мере вследствие того, что изменилась сама жизнь. В начале века на предприятиях, в коммерческих фирмах, в государственных учреждениях она шла как бы по кругу, повторяя одни и те же условия бизнеса и любой другой деятельности, повторяя однажды найденные методы и приемы управления. В этих условиях наилучшей, наиболее эффективной моделью менеджмента была автократическая.  

Проблема размещения, преследуя цель найти наиболее экономичный вариант управления материальным потоком , связывает производителей и потребителей наилучшим с точки зрения экономических показателей образом. В данной главе рассматриваются особенности проблемы размещения и подхода к ее решению в сфере производства и сервиса, соответствующие стратегии управления , методы оценки значений переменных, используемых при анализе размещения, и методики, облегчающие поиск наиболее Эффективного варианта размещения. Выбирая свое местоположение, компания совершает долговременные затраты и обеспечивает длительный доход как результат деятельности на выбранном месте. Поэтому размещение влияет и на распределение (на схему распределительной сети). Построение распределительной системы начинается с размещения производства , а далее рассматриваются места размещения производственных складов, складов оптовой торговли относительно сети магазинов розничной торговли , выбирается система доставки, т. е. определяется транспортная сеть и решается целый ряд других вопросов в рамках распределительной логистики.  

При определении места наиболее эффективного выполнения данной работы вы должны работать в тесном контакте с группой по разработке технологии производства (в небольших фирмах при маршрутизации процесса обращаются за советом к поставщикам оборудования или к специальным консультантам). Инженеры по разработке технологии производства знакомы в совершенстве с новейшими методами производства и оборудованием их основная задача состоит в усовершенствовании методов производства и разработке новых технологических процессов . Более того,. инженеры-конструкторы часто советуются с инженерами-технологами при разработке спецификаций изделий, что дает возможность инженерам-технологам заранее ознакомиться с новыми видами изделий и быть в курсе того, как они должны быть наилучшим образом сконструированы. С инженерами-технологами следует посоветоваться всегда, когда решаются вопросы, связанные с применением специальных инструментов , контрольно-измерительных приборов и систем контроля производства.  

Таким образом, инжиниринг можно определить как совокупность интеллектуальных видов деятельности , имеющей своей конечной целью получение наилучших (оптимальных) результатов от капиталовложений или иных затрат, связанных с реализацией проектов различного назначения за счет наиболее рационального подбора и эффективного использования финансовых ресурсов в их единстве и взаимосвязи, а также методов организации и управления, на основе передовых научно-технических достижений и с учетом конкретных условий и проектов.  

Все более широкое применение в практике В. (з.) Jr. находят математич. методы (см.Математические метали в промышленно-экономических исследованиях), в частности линейное программирование , к-рое позволяет находить оптимальное решение задач по наиболее эффективному использованию имеющихся ресурсов, наилучшему распределению производственных заданий и т. п., исходя из установленных экономич. критериев и нек-рых ограничивающих условий. Все шире применяются также корреляционный анализ и другие методы математич. статистики для решения технико-экономич. вопросов планирования работы предприятий.  

В процессе коммунистич. строительства П. э. с. так же, как и отраслевые экономич. науки, обобщает новые явления в экономич. жизни сов. общества, разрабатывает нар.-хоз. проблемы, решение к-рых способствует строительству коммунизма. Экономич. наука направляет свое внимание на изыскание путей наиболее эффективного использования в народном хозяйстве материальных и трудовых ресурсов , наилучших методов планирования и организации промышленного и сельскохозяйственного производства, на разработку принципов рационального размещения производительных сил и технико-экономических проблем строительства коммунизма (Программа КПСС).  

Перечисленные требования будут выполнены лишь тогда, когда будет обеспечена научная организация труда (НОТ) счетных работников. В понятие НОТ включаются подбор соответствующего инвентаря и оборудование рабочего места создание наилучших условий работы, организация наиболее эффективной структуры бухгалтерии повышение производительности труда , сокращение численности персонала и улучшение использования рабочего времени путем централизации и автоматизации учета и повышения квалификации работников учета увязка бухгалтерского учета с оперативным и устранение дублирования разработка оптимальной системы сбора и обработки первичной информации при менение передовых форм и методов учета моральное и материальное стимулирование работников учета, совершенствование нормирования и оплаты труда бухгалтеров. Внедрение НОТ счетных работников обеспечит точность и своевременность бухгалтерского учета , повысит и углубит экономический анализ использования денежных, материальных и трудовых ресурсов.  

В работе проблема распознавания, заключающаяся в нахождении рабочего алфавита классов, рабочего словаря признаков, описания классов на языке признаков, оптимального состава комплекса технических средств системы распознавания, которые при наилучшем решающем правиле обеспечивают наиболее эффективное решение задачи распознавания, в условиях наличия ограничений на используемые ресурсы для создания комплекса технических средств , сформулирована в виде оптимизационной задачи и приведен метод ее решения, основанный на математическом моделировании.  

Международный инжиниринг - деятельность по предоставлению комплекса услуг производственного , коммерческого и научно-технического характера, оказываемых как специализированными инженерно-консультационными фирмами, так и промышленными, строительными и другими компаниями. Инжиниринг можно определить как совокупность интеллектуальных видов деятельности , имеющих своей конечной целью получение наилучших результатов от капиталовложений или иных затрат, связанных с реализацией проектов различного назначения, за счет наиболее рационального подбора и эффективного использования материальных, трудовых, технологических и финансовых ресурсов в их единстве и взаимосвязи, а также методов организации и управления, на основе передовых научно-технических достижений и с учетом конкретных условий и факторов реализации проектов.  

Используя централизованный интерфейс, бренд-менеджеры и специалисты по продвижению имеют постоянный доступ ко всем маркетинговым и рекламным кампаниям , календарю планируемых акций по продвижению. Во время процесса планирования менеджеры могут просматривать и анализировать эффективность осуществленных кампаний, определять наиболее успешные методы продвижения конкретных продуктов, а также находить сочетания факторов, которые наилучшим образом способствуют росту продаж, - эта информация поможет им при планировании будущих кампаний.  

Конкуренция управляет корыстными мотивами предприятий и поставщиков ресурсов таким образом, чтобы стимулировать заинтересованность общества в эффективном использовании редких ресурсов. Интересам общества отвечает использование редких ресурсов с наименьшими издержками, т. е. наиболее эффективными методами. Именно личная выгода, поощряемая и направляемая конкурентной рыночной системой , стимулирует надлежащее реагирование на признанные изменения в потребностях общества . Предприятия, стремящиеся получать более высокую прибыль, с одной стороны, и поставщики ресурсов, добивающиеся большего денежного вознаграждения за них, - с другой, сговариваются между собой об осуществлении тех самых изменений в распределении ресурсов , а следовательно, и в структуре продукции , которые в данное время требует общество. Конкуренция контролирует или направляет мотив личной выгоды таким образом что он автоматически и непроизвольно способствует наилучшему обеспечению интересов общества. В конечном итоге концепция невидимой руки заключается в том, что фирмы максимизируют прибыль только в том случае, если общественный продукт получает общественное признание.  

Теория ФСА предполагает также использование на творческом этапе методов коллективного творчества, направленных на генерирование новых идей и предложений (некоторые из них будут рассмотрены ниже). Все идеи, выдвинутые на этом этапе, систематизируются по анализируемым функциям. В результате коллективного обсуждения вырабатывается несколько вариантов новых технических решений реализации функций. В ряде случаев на основе наиболее эффективных предложений строят теоретический вариант изделия , наилучшим образом реализующего комплекс функций. С ним сравнивают все другие варианты. Для такого сравнения используется положительно-отрицательная матрица (табл. 8.2).  

Большая трудоемкость расчетов, связанная с реализацией обоих принципов, приводит к необходимости использования методов математического моделирования . Здесь возможны два пути. Один путь заключается в выборе наилучших проектных вариантов с помощью общей экономико-математической модели , учитывающей одновременно все требования системного подхода. Однако большая размерность и сложность такой модели делают ее практически нереализуемой. Поэтому наиболее правильным является другой путь, состоящий в расчетах сравнительной экономической эффективности по системе моделей . В связи с этим в работе и предлагается многоуровневая система взаимосвязанных экономико-математических моделей . Каждый уровень этой системы привязан определенным этапам технической подготовки.  

Наиболее сложным и нуждающимся в качественной постановке работы является уровень хозрасчетного подразделения АРМ бухгалтера, на котором формируется первичный учет . Не будем останавливаться на необходимости достоверности первичного учета на промышленном предприятии . Укажем только, что основу реализации требований внутреннего хозрасчета как основного метода управления деятельностью структурных подразделений объединений и предприятий составляет правильная организация первичного учета . Именно на стадии сбора и регистрации исходных данных о хозяйственных операциях , т. е. в низовом уровне - хозрасчетном подразделении, должны быть созданы наилучшие условия для получения правдивой учетной информации , выявлены отклонения от установленных нормативов и их виновники для последовательной реализации принципов эффективного функционирования.  

Для оценки НИР и ОКР, не имеющих аналогов, используется такжг селективный метод прогнозирования и перспективного пла-ниронания (СМИ). Он основан на системном подходе , в результате чего решения частных задач , например улучшения отдельных параметров машин, выполняются таким образом, чтобы спо собствовать в наилучшей мере достижению генеральной цели При этом методе используются элементы ряда известных эксперт-но-оценочных систем, таких, как Патерн, Дельфи, сетевое планирование и управление, а также экономико-математические методы . СМП позволяет, в частности, выбрать из нескольких возможных вариантов решения задачи оптимальный с учетом вероятности ее реализации, затрат, эффективности, времени выполнения разработки, установить наиболее эффективные области ее применения. Селективный метод прогнозирования и управления включает ряд этапов, важнейшие из которых следующие состав-  

Перейдем теперь к вопросу о способах проведения исследований на основе

Наилучшее и наиболее эффективное использование объекта не-движимости представляет вариант использования свободного или застроенного участка земли, который юридически возможен и соответствующим образом оформлен, физически осуществим, обеспечи-вается соответствующими финансовыми ресурсами и дает макси-мальную стоимость.

Обычно анализ наиболее эффективного использования прово-дится по нескольким альтернативным вариантам и включает следую-щие направления:

Рыночный анализ;

Анализ реализуемости варианта;

Анализ наиболее эффективного использования.

Рыночный анализ предполагает определение спроса на варианты использования, альтернативные существующему, в целях изучения спроса и предложения, емкости рынка, динамики ставок арендной платы и т.д. по каждому варианту.

Анализ осуществимости предполагает расчет базовых составляю-щих стоимости: потока доходов и ставок капитализации для опреде-ления стоимости с учетом переменных параметров каждого юриди-чески обоснованного и физически осуществимого варианта.

Анализ наиболее эффективного использования предполагает раз-работку детального плана реализации каждого варианта с рассмотре-нием конкретных участников рынка, сроков осуществления проекта, источников финансирования для выбора варианта, обеспечивающе-го максимальную продуктивность оцениваемого объекта.

Критерии анализа наиболее эффективного использования:

Юридическая допустимость;

Физическая осуществимость;

Финансовая обеспеченность;

Максимальная продуктивность.

Проверка юридической допустимости каждого рассматриваемого варианта использования осуществляется во всех случаях в первую очередь. На выбор наиболее эффективного использования недвижимости может оказать влияние наличие долгосрочных договоров аренды. В течение остаточного срока аренды использование объекта зависит от условий договора аренды. Если наиболее эффективный вариант ис-пользования объекта сдерживается наличием договора аренды, это следует отразить в отчете об оценке.

Пример. Если объект ограничен договором аренды земли, срок которого истекает более чем через 12 лет, то, возможно, нет эконо-мической целесообразности в строительстве нового здания, у кото-рого экономический срок службы составляет 40 лет.

Пример. Строительство зданий определенной этажности, проти-вопожарные разрывы, требования инсоляции .

Физическая осуществимость. Критерии физической осуществимости — размер, форма, район, ди-зайн, состояние грунта и подъездные пути к участку, а также риск стихийных бедствий (таких, как наводнение или землетрясение) — влияют на предполагаемый вариант использования земли.


Финансовая обеспеченность. Вариант считается финансово приемлемым, ес-ли он обеспечивает доход от эксплуатации, равный или превышаю-щий объем эксплуатационных затрат, расходы на финансирование и требуемую схему возврата капитала. Если вид использования не предполагает получения регулярного дохода от эксплуатации, то в ходе анализа отбираются те варианты, которые создают недвижимость, по стоимости равную или превы-шающую издержки на строительство или реконструкцию объекта для этого нового вида использования. Оценщик должен сравнить прирост капитала или доход от использования недвижимости с по-несенными капитальными расходами. Если доход ниже расходов или превышает их лишь незначительно, такой вид использования при-знается невыполнимым в финансовом отношении.

Для оценки видов использования, приносящих регулярный доход от эксплуатации, по каждому из них оценщик рассчитывает общий чистый операционный доход, индивидуальную ставку дохода на ин-вестированный капитал, сумму дохода, относимую к земле. Если чистый доход соответствует необходимой доходности инвестиций и обеспечивает требуемую доходность земельного участка, этот вид ис-пользования является выполнимым в финансовом отношении.

Максимальная продуктивность — это наибольшая стоимость зе-мельного участка как такового, независимо от того, является он сво-бодным (фактически или условно) или застроенным. Таким обра-зом, реализация данного критерия предполагает из всех юридически разрешенных, физически реализуемых и обеспечивающих положи-тельную величину дохода вариантов выбор того вида использования, который обеспечивает максимальную стоимость основы недвижи-мости — земельного участка.

Максимальная продуктивность земельного участка определяется путем соотнесения суммы его дохода со ставкой капитализации, тре-буемой рынком для данного вида использования. Вид использования, обеспечивающий наибольшую доходность земли, является наиболее эффективным. В основе всех используе-мых методов определения стоимости земельного участка с целью вы-бора наиболее эффективного варианта лежит так называемая техни-ка остатка.

Доход от земли рассматривается как остаток между сово-купным доходом, генерируемым недвижимостью, и теми суммами дохода, которые обеспечиваются привлечением рабочей силы, капи-тала, основных средств (функционирующих зданий и сооружений). Стоимость земельного участка, в свою очередь, представляет разни-цу между суммарной стоимостью всего объекта недвижимости и ос-таточной стоимостью строений либо затратами на их возведение.

Способ наилучшего использования недвижимости может либо достигаться на основе уже существующих строений, либо предпола-гать сооружение принципиально новых улучшений, что требует рас-смотрения земельного участка как свободного.

Исходя из этого оценщики применяют при анализе наилучшего использования не-движимости два приема:

- наиболее эффективное использование участка как незастроен-ного;

- наиболее эффективное использование участка как застроенного.

Прием определения наилучшего и наиболее эффективного использо-вания оцениваемой недвижимости как незастроенного земельного уча-стка базируется на допущении, что она не имеет строений, либо мо-жет быть освобождена от строений в результате их сноса. В итоге оп-ределяются стоимость земли на основе выбора возможных вариантов использования, обеспечивающих доходность недвижимости, и под бора параметров объектов недвижимости в соответствии с конкрет-ным назначением.

Вариант использования участка земли как незастроенного имеет две основные разновидности:

Использование участка земли для спекуляции, т. е. для прода-жи его без улучшений инвестору, который впоследствии в соот-ветствии с требованиями рынка или собственными предпочте-ниями проведет его застройку. Данный вариант применим в
случае, когда рынки недвижимости перенасыщены.

Застройка земельного участка новыми зданиями и сооружениями, в том числе:

- застройка без промежуточного использования, если рас-сматривается вариант нового использования, принимаемый рынком на дату анализа;

- застройка с промежуточным использованием предполагает временное сохранение существующего варианта использо-вания, до того момента как новый вариант будет востребо-ван рынком, исходя из прогноза рыночной ситуации;

- разделение или объединение земельного участка для дости-жения наиболее эффективного использования;

- застройка участка новыми строениями, аналогичными по назначению и физическим параметрам существующему объ-екту.

Прием наиболее эффективного использования земельного участка как застроенного предполагает сохранение на анализируемом участке существующих строений.

Вариант использования участка земли как застроенного имеет две основные разновидности:

- сохранение существующего назначения оцениваемой недви-жимости;

- изменение существующего назначения оцениваемой недвижи-мости.

Оценка максимальной продуктивности в за-висимости от оценки коэффициента капитализации, проводится с использованием следующих методов.

Первый метод: Земельный участок рассматривается как незаст-роенный, коэффициенты капитализации для земли и строений раз-личны.

1. Определение стоимости застройки условно свободного земель-ного участка зданиями и сооружениями определенного назна-чения, с учетом рыночного спроса и предложения.

Внесение поправок с учетом коэффициента загрузки и потерь при сборе платежей.

Определение возможности получения и величины прочих до-ходов.

6. Расчет эксплуатационных расходов.

7. Расчет резерва затрат капитального характера.

8. Расчет чистого операционного дохода.

9. Расчет коэффициента капитализации для зданий.

10. Оценка дохода, приносимого построенными зданиями и со-оружениями.

11. Расчет дохода, относимого к земле.

12. Расчет коэффициента капитализации для земельного участка.

13. Оценка стоимости земельного участка методом капитализа-ции дохода, приносимого землей.

Второй метод : Земельный участок рассматривается как незаст-роенный, коэффициенты капитализации для зданий и земли одина-ковы.

Определение стоимости застройки условно свободного земель-ного участка зданиями и сооружениями, определенного назна-чения с учетом рыночного спроса и предложения.

Расчет потенциального валового дохода.

Внесение поправок с учетом коэффициента загрузки и потерь при сборе платежей и величины прочих доходов.

Оценка действительного валового дохода.

Расчет эксплуатационных расходов и резерва затрат капиталь-ного характера.

Расчет общего чистого операционного дохода.

Расчет общего коэффициента капитализации для оцениваемой недвижимости.

Оценка недвижимости методом капитализации чистого опера-ционного дохода, приносимого недвижимостью.

Оценка стоимости земельного участка дохода как разницы между расчетной стоимостью недвижимости и затратами на улучшения.

Третий метод : Земельный участок рассматривается как незастро-енный, и известна рыночная цена продажи недвижимости предпола-гаемого назначения:

1. Определяется рыночная стоимость готового объекта недвижи-мости конкретного назначения, которую можно построить на анализируемом земельном участке.

2. Рассчитывается стоимость строительства, включая прибыль девелопера.

3. Оценивается стоимость земельного участка как разница между
ценой продажи объекта недвижимости и совокупными затратами.

Четвертый метод : Земельный участок рассматривается как за-строенный, строения требуют проведения некоторых улучшений:

Определение общего коэффициента капитализации.

Расчет затрат на усовершенствование объекта.

Расчет прироста стоимости недвижимости с учетом произве-денных улучшений.

Пятый метод: Земельный участок рассматривается как застроен-ный, не требующий перестройки:

Расчет чистого операционного дохода, приносимого недвижи-мостью.

1. Определение общего коэффициента капитализации.

Оценка стоимости недвижимости методом капитализации чис-того операционного дохода.

Выявленные особенности объектов недвижимости и развития рыночной ситуации могут потребовать нестандартных видов использования.

Обособленные виды использования

Как правило, наиболее эффективные варианты использования анализируемой недвижимости не отличаются от использования ана-логичных объектов. Однако в силу необычности или уникальности оцениваемого объекта его наиболее эффективный вид использова-ния может отличаться.

Промежуточные виды использования

Если вариант наиболее эффективного использования недвижи-мости основывается на изменениях рыночной ситуации в будущем и, следовательно, может быть осуществим через какое-то время, сло-жившийся на дату оценки вариант использования рассматривается как промежуточный. Промежуточный вид использования, которое может измениться через некоторое время, можно также идентифи-цировать как наиболее эффективный вариант для данного периода.

Юридически противоречивые виды использования

Если фактическое использова-ние объекта, разрешенное законом, не соответствует нормам, дейст-вующим в районе его расположения. Обычно это следствие измене-ния или возникновения новых норм зонирования.

Виды использования, не относящиеся к наиболее эффективным

На практике реально существующая застройка может не соответ-ствовать наиболее эффективному способу использования участков, на которых она расположена. Изменение ситуации может требовать как изменения существующего назначения недвижимости, так и его сохранения, но на качественно иной основе, требующей определен-ных капитальных затрат.

Многопрофильные виды использования

Так, крупное здание может предусматривать жилые помещения, офисы, магазины, сервисные центры и т. д. Аналогично на земель-ном участке можно построить жилье, торговый и развлекательный центры и другие объекты инфраструктуры.

Виды использования специального назначения

Например, наиболее эффективное использование завода, выпус-кающего оборудование для тяжелого машиностроения, вероятно, бу-дет продолжение выпуска данного оборудования, а наиболее эффек-тивным использованием зернового элеватора, вероятно, будет сохра-нение его дальнейшего использования в качестве элеватора.

Спекулятивные виды использования

Находящийся в собственности земельный участок, предназна-ченный для продажи в будущем, рассматривается как спекулятив-ный инвестиционный инструмент.

Избыточная и лишняя площадь участка

Застроенные участки могут иметь избыточную площадь, не требуе-мую текущим использованием зданий. Незастроенные участки могут иметь площадь, которая не требуется для основного наиболее эф-фективного использования. Наиболее эффективным способом ис-пользования избыточных площадей участка может стать застройка дополнительными зданиями или сохранение их незастроенными.

В определенных случаях дополнительная площадь, не нужная для имеющихся зданий и не подлежащая отделению от объекта и прода-же, представляет собой лишнюю площадь.

Оценка стоимости недвижимости доходным подходом

Основные понятия

Принцип ожидания

Оценка рыночной стоимости с использованием доходного подхо-да основана на преобразовании доходов, которые, как ожидается, оцениваемый актив будет генерировать в процессе оставшейся эко-номической жизни в стоимость. С теоретической точки зрения ис-точник дохода может быть любым: аренда, продажа, дивиденды, прибыль. Главное, чтобы он был продуктом оцениваемого актива. С помощью этого подхода возможна и целесообразна оценка тех ак-тивов, которые используются или могут использоваться в интересах извлечения дохода (недвижимость, акции, облигации, векселя, не-материальные активы и т.п.).

Основные принципы оценки доходного актива — принцип ожи-дания и принцип замещения. Принцип ожидания для данного под-хода является основным методообразующим принципом. Он гласит, что стоимость К актива определяется нынешней (сегодняшней, теку-щей) ценностью (PV — от англ. present value) всех его будущих дохо-дов I: , где к — период владения активом.

Чем выше доходный потенциал оцениваемого актива, тем выше его стоимость. При этом анализ доходов должен осуществляться на протяжении всей оставшейся экономической жизни актива при усло-вии его использования в течение этого периода наиболее эффектив-ным образом.

В соответствии с принципом замещения максимальная стоимость Fактива не должна превышать наименьшей цены Va, по которой мо-жет быть приобретен другой аналогичный актив с эквивалентной до-ходностью: , где т — количество аналогов. Дан-ный принцип является аналогом экономического принципа альтер-нативности инвестиций.

В рамках доходного подхода различают метод прямой капитали-зации и метод капитализации доходов по норме отдачи на капитал (рис. 3.1). В основе этих методов лежит анализ и оценка чистого опе-рационного дохода и коэффициента капитализации или дисконти-рования.

При прямой капитализации осуществляется оценка чистого опе-рационного дохода первого года использования актива при условии, что он находится в стадии генерации типичных доходов, и оценка коэффициента капитализации для преобразования дохода в текущую стоимость, а в методе капитализации по норме отдачи на капитал — прогноз чистого операционного дохода в процессе использования актива, включая чистый доход от реверсии в конце прогнозного пе-риода, оценку коэффициента дисконтирования и определение сум-мы текущих стоимостей этих доходов.

Рисунок 3.1 - Классификация методов оценки по доходу.

Отличаются эти методы способами анализа и построения потока доходов и коэффициентов их преобразования в текущую стоимость. В методе прямой капитализации для оценки рыночной стоимости чистый доход первого года от использования актива делится на ко-эффициент капитализации, полученный на основе анализа данных о коэффициентах капитализации доходов активов, аналогичных оце-ниваемому активу. При этом нет необходимости оценивать тенден-цию изменения дохода во времени, а при оценке коэффициента ка-питализации — учитывать отдельно его составляющие: норму отдачи на капитал и норму его возврата.

Предполагается, что учет тенден-ций всех составляющих оцениваемого актива заложен в рыночных данных. Необходимо отметить, что метод прямой капитализации применим для оценки действующих активов, используемых наибо-лее эффективным образом и не требующих на дату оценки больших по длительности капиталовложений в ремонт или реконструкцию. При оценке же методом капитализации по норме отдачи на капитал отдельно учитывается тенденция изменения чистого дохода во вре-мени и анализируются отдельно все составляющие коэффициента капитализации.

Метод прямой капитализации — метод оценки рыночной стои-мости доходного актива, основанный на прямом преобразовании наиболее типичного дохода первого года в стоимость путем деления его на коэффициент капитализации, полученный на основе анализа рыночных данных о соотношениях дохода к стоимости активов, ана-логичных оцениваемому.

Метод капитализации по норме отдачи на капитал — метод оценки рыночной стоимости доходного актива, основанный на преобразова-нии всех денежных потоков, которые он генерирует в процессе остав-шейся экономической жизни, в стоимость путем дисконтирования их на дату оценки с использованием нормы отдачи на капитал, извлекае-мой из рынка альтернативных по уровню рисков инвестиций.

Метод капитализации по норме отдачи на капитал, в свою оче-редь, может иметь с формальной (математической) точки зрения две разновидности: метод анализа дисконтированных денежных потоков (ДЦП-анализ) и метод капитализации по расчетным моделям.

Метод анализа дисконтированных денежных потоков — метод ка-питализации по норме отдачи на капитал, при котором для оценки рыночной стоимости с использованием в качестве ставки дисконти-рования нормы отдачи на капитал отдельно дисконтируются с по-следующим суммированием денежные потоки каждого года эксплу-атации оцениваемого актива, включая денежный поток от его пере-продажи в конце периода владения.

Метод капитализации по расчетным моделям — метод капитализа-ции по норме отдачи на капитал, при котором для оценки рыночной стоимости наиболее типичный доход первого года преобразуется в стоимость с использованием формализованных расчетных моделей дохода и стоимости, полученных на основе анализа тенденций их из-менения в будущем.

Чистый операционный доход, который генериру-ет актив, является разностью действительного валового дохода и операционных расходов.

Вобщем случае в соответствии с принципом ожидания математи-ческое выражение для оценки рыночной стоимости актива с ис-пользованием доходного подхода имеет следующий вид:

где V o — оценка рыночной стоимости, q — текущий номер периода, I q — чистый операционный доход q-то периода, Y— норма отдачи на капитал (ставка дисконтирования доходов), V P — денежный поток от реверсии, к — номер последнего периода владения (При оценке объекта недвижимости в качестве периода владения рассматривается прогнозный период.)

В объекте недвижимости неамортизируемой частью является зе-мельный участок, а амортизируемой — улучшение земельного участ-ка. Земельный участок как часть поверхности Земли не подвержен износу, т.е. с экономической точки зрения земельный участок следу-ет рассматривать как бесконечный (неистощимый) источник дохода, стоимость которого со временем может только возрастать. Улучше-ния же имеют конечный срок экономической жизни — период вре-мени, в течение которого сумма доходов, которые генерирует объект, превышает сумму расходов на его эксплуатацию К амортизируемому активу следует также отнести инвестиции, направленные на приобретение права аренды актива в течение конечного промежутка времени.

Таким образом, доход I q (от англ. слова — Income) некоторого q-то года можно разбить на две составляющие:

где — доход на инвестиции (доход на капитал) и — доход для возврата первоначальных инвестиций (доход для возврата капитала).

Доход на инвестиции q-то года, в свою очередь, можно разде-лить также на две составляющие: доход на инвестиции, равные рыночной стоимости улучшений в начале q-то года, и доход на инвестиции, равные рыночной стоимости земельного участка в этом же году:

Норма отдачи на капитал, инвестированный в землю, равна нор-ме отдачи на капитал, инвестированный в улучшения: Y L = Y B = Y.

Следовательно, доход на капитал можно представить в виде про-изведения стоимости этого капитала на единую норму отдачи:

- от улучшений

Из (6.1.2) следует, что доход на капитал, относимый к улуч-шениям, и текущая рыночная стоимость связаны между собой прямо пропорциональной зависимостью 1 . При этом доход по-зиционирован в конце года, а стоимость улучшений — в конце предыдущего года или в начале текущего. Улучшения из-за естественного износа теряют свою стоимость. Следовательно, до-ход, связанный с улучшениями, также является убывающей функ-цией времени.

Для объектов, требующих опреде-ленных капитальных вложений на их улучшение (свободный земель-ный участок, «недострой», реконструируемый объект т.п.), первона-чальные инвестиции с экономической точки зрения следует определить как сумму невозмещенных инвестиций V HU т.е. будущую стоимость потока капиталовложений (расходов) на создание объекта как источника доходов или, что то же самое, аккумулированную к да-те эксплуатации доходного актива по некоторой норме процента сум-му затрат на его создание


Владельцы патента RU 2543315:

Изобретение относится к вычислительной технике, может быть реализовано на современных быстродействующих ЭВМ и использовано, например, при отборе эффективных вариантов в поисковых, рекомендательных системах, системах поддержки принятия решений, сетях Интернет, системах автоматической классификации пакетов данных, и в других смежных областях. Реализация заявляемого изобретения может включать в себя хранение информации на физических носителях, магнитных дисках, сетевых хранилищах информации, ее обработку на ЭВМ и предоставление полученного набора эффективных вариантов конечному пользователю в любом доступном для него виде.

Перед изложением изобретения для удобства и однозначного понимания целесообразно привести расшифровки и определения используемых далее обозначений и/или терминов.

Поисковая система - компьютерная программа, предназначенная для поиска информации в сети Интернет. Поиск производится на основании сформированного пользователем произвольного текстового запроса. Результаты поиска представляются пользователю отсортированными в соответствии с определенной характеристикой релевантности запросу. Примерами поисковых систем являются Bing, Google, Yahoo, Yandex.

Рекомендательная система - компьютерная программа, выбирающая из всего набора предъявленных альтернатив (вариантов) те, которые могут быть наиболее интересны конкретному пользователю, на основании ряда характеристик, например, введенного пользователем запроса в поисковой системе. Следует отметить, что в большинстве случаев рекомендательные системы представляют результат либо в виде набора рекомендованных вариантов, либо в виде ранжирования всех или части предъявленных вариантов. Таким образом, способы обработки и преобразования информации в рамках рекомендательных систем работают в смежных сферах, таких как, например, задача оценки эффективности деятельности предприятий, и др.

Принцип суперпозиции (в рассматриваемом контексте, в отличие от известного принципа суперпозиции в физике) заключается в последовательном исключении вариантов из исходного множества с использованием процедур, которые на каждом этапе исключения могут быть различными. Пример процедур приведен в приложении 1. На первом этапе исключение производится из всего исходного множества вариантов, на втором этапе входным множеством являются эффективные варианты, выделенные на первом этапе, и т.д.

Эффективными ("хорошими") элементами (вариантами) называют те элементы, которые являются наилучшими, наиболее предпочтительными, наиболее полезными по заданным параметрам для решения конкретных задач, в которых необходимо произвести ранжирование вариантов, и для удовлетворения информационных потребностей пользователей (людей, специалистов, агентов).

Неэффективными ("плохими") элементами (вариантами) называют те элементы, которые заведомо никогда (ни при каких обстоятельствах) не могут быть использованы для решения конкретных задач, так как для их решения существуют более предпочтительные варианты.

Значение эффективности, с помощью которого происходит построение правил отбора и ранжирования вариантов, задается экспертным путем.

Большинство поисковых систем имеют средства хранения и обработки данных, содержащие такие оценки эффективности (релевантности) для больших представительных наборов запросов и результатов поиска по этим запросам. В таких средствах запрос и результаты поиска по нему (варианты) представлены своими наборами критериев и оценкой релевантности результатов поиска, выставленной экспертами.

Существуют различные формальные критерии оценки релевантности поискового элемента поисковому запросу, заданные конструктивно (как, например, частота употребления слова в тексте или критерий TF-IDF, представляющий собой частоту употребления слов запроса в тексте с учетом степени важности каждого слова). Отметим, что такие формальные критерии являются скорее алгоритмами, по которым существующие поисковые системы собственно производят поиск, чем независимыми критериями, оценивающими результаты этого поиска. Оценки, подсчитанные такими формальными критериями, пока еще могут сильно отличаться от оценок релевантности, выставленных экспертами.

На данный момент известны три основных способа, с помощью которых происходит отбор и ранжирование вариантов.

Известен способ выбора и ранжирования вариантов, который заключается в том, что каждому варианту присваивается абсолютная оценка степени "важности", используя значения по нескольким критериям. Наиболее распространенным способом является построение регрессии.

Кроме того, для ранжирования вариантов может быть использован метод классификации McRank, суть которого заключается в вычислении для каждой пары "запрос-документ" так называемой "ожидаемой релевантности" как функции от вероятностей принадлежности к классам релевантности, полученных в результате классификации. В результате вычисления "ожидаемой релевантности" ранжирование пары "запрос-документ" в рамках каждого запроса происходит по убыванию "ожидаемой релевантности" (Л.Пинг, К.Дж.С.Берджес, К.By - McRank: Обучение ранжированию с использованием многофакторного анализа и градиентного ускорения перебора. НИПС. Карран ассошиэйтс.2007 - ).

Известен способ выбора альтернатив, который заключается в попарном сравнении двух вариантов с целью выявления лучшего из них. На основе формирования таких отношений происходит построение порядка, с помощью которого происходит выбор вариантов.

Примером известного способа является метод опорных векторов, который заключается в переводе исходных векторов в пространство более высокой размерности и поиске разделяющих гиперплоскостей с максимальным зазором в этом пространстве (К.Кортес, Вапник В.Н., Метод опорных векторов, Журнал "Machine Learning", 20, 1995 - [С.Cortes, Vapnik V.N.; "Support-Vector Networks", Machine Learning, 20, 1995]), а также другие методы, такие как:

RankNet (поисковая система Microsoft Bing, К.Дж.С.Берджес, Т.Шейкд и др. "Обучение ранжированию с использованием градиентного спуска", ИСМЛ, 2005: 89-96 - ), суть которого заключается в использовании «нейронной сети» и вероятностной функции стоимости для ранжирования результатов поиска,

RankBoost (Й.Фреунд, Р.Иер, Р.Е.Шапаэ и Й.Сингер. Эффективный алгоритм ускорения перебора для комбинированных предпочтений, Журнал "Machine Learning Research", 4:933-969, 2003 - ), в основе которого лежит процедура последовательного построения композиции алгоритмов машинного обучения для классификации пар документов.

FRank (М.Тсаи, Т.-Я.Лью и др. Frank: Метод ранжирования с использованием функции потери точности, СИГИР 2007 - [М.Tsai, T.-Y.Liu, et al. FRank: A Ranking Method with Fidelity Loss, SIGIR 2007]), являющийся модификацией метода RankNet, однако в качестве функции стоимости вместо значений энтропии используется функция точности распределений, и другие.

Известен способ выбора альтернатив, который заключается в списочном сравнении вариантов. При этом фильтрация всего множества альтернатив выполняется согласно заданным правилам.

Примерами этого способа могут служить:

1. Метод построения деревьев, минимизация штрафной функции ListNet, в котором вводится вероятностное пространство на множестве перестановок. Функция энтропии на введенном пространстве используется как функция потерь. (Чже Цао, Тао Кин, Тай-Янь Лю, Мин-Фенг Тсаи и Ханг Ли. Обучение ранжированию: От попарного к списочному подходу, 2007 - ),

2. Метод списочного сравнения вариантов RankCosine, который использует функцию потерь, основанной на сходстве косинуса угла между проранжированным списком и исходным списком обучающей выборки, для ранжирования результатов поиска (Т.Кин, Х.-Д.Чжанг, М.-Ф.Тсаи, Д.-С.Ванг, Т.-Я.Лью, X.Ли: Запросо-зависимые функции потерь для информационного поиска. Журнал "Inf. Process. Manage". 44(2): 838-855, 2008 - [Т.Qin, X.-D.Zhang, M.-F.Tsai, D.-S.Wang, T.-Y.Liu, H.Li: Query-level loss functions for information retrieval. Inf. Process. Manage. 44(2): 838-855, 2008)],

3. Метод ранжирования AdaRank, в котором для построения ранжирующей функции используется алгоритм машинного обучения AdaBoost, производящий построение линейной комбинации классификаторов для улучшения работы ранжирующей модели. (Ю.Ху, X.Ли. AdaRank: алгоритм ускоренного перебора для информационного поиска. СИГИР 2007 - ),

4. Метод ранжирования SoftRank, суть которого заключается в прямой оптимизации негладких метрик ранжирования, (Майке Тэйлор, Джон Гуйвер, Стивен Робертсон, Том Минка. SoftRank: Оптимизация негладких метрик, 2008 - ) и другие.

Все эти методы показывают достаточно высокую точность в своих узкоспециальных областях.

Недостатками известных способов отбора вариантов являются:

Использование сложных процедур отбора в работе с большими объемами данных, что ведет к значительному возрастанию вычислительной сложности;

Невысокая точность при отборе и ранжировании вариантов с использованием большого числа критериев или/и при наличии большого числа вариантов.

Как правило, на больших объемах данных используется способ поиска по деревьям решений. Он заключается в построении последовательности пороговых процедур, с помощью которых осуществляется выбор вариантов.

Недостатком способа поиска по деревьям решений является низкая достоверность результатов, так как выбор пороговых процедур в качестве способа отбора и ранжирования вариантов не всегда обоснован (эффективен). Кроме того, для отбора или ранжирования вариантов может быть одновременно использован не один критерий, а целая группа (их комбинация), что не учитывается в методе поиска по деревьям решений. Зачастую произвести отбор или ранжирование всего списка вариантов по какому-то одному критерию (нескольким критериям) невозможно. В связи с этим для ранжирования вариантов с высокой точностью необходимо выполнить построение большого количества таких деревьев, а результаты их работы необходимо агрегировать.

Известны способы по патенту РФ №2435212 «Сбор данных о пользовательском поведении при веб-поиске для повышения релевантности поиска», патенту РФ №2443015 «Функции ранжирования, использующие модифицированный байесовский классификатор запросов с инкрементным обновлением», по патенту РФ №2367997 «Усовершенствованные системы и способы ранжирования документов на основании структурно взаимосвязанной информации», которые заключаются в сборе дополнительной информации, а именно в использовании байесовского классификатора, сборе информации о поведении пользователей, информации о структурных взаимосвязях документов, с помощью которой осуществляется отбор и ранжирование вариантов. Недостатком известных способов является усложнение существующих методов отбора и ранжирования вариантов за счет добавления новых критериев.

Наиболее близким по технической сущности и достигаемому результату является способ вычисления временного веса для результата поиска, который заключается в том, что идентифицируют пользовательское событие, соответствующее результату поиска, причем пользовательское событие имеет начальное время события, время окончания события и длительность события; определяют текущее время и определяют временной вес для этого результата поиска на основании временной близости текущего времени к пользовательскому событию. В способе предполагается, что временной вес изменяется со временем, увеличивается экспоненциально по мере того, как текущее время приближается к начальному времени события, является постоянным в течение длительности события, достигает пика в момент времени в течение длительности события и уменьшается экспоненциально, когда текущее время удаляется от времени окончания события. Способ предназначен для поиска информации в сети Интернет с использованием временного веса для ранжирования результатов поиска. (Патент РФ №2435213, МПК G06F 17/30, опубл. 27.11.2011 г.).

Недостатком известного способа, как и аналогичных существующих технологий поиска по запросу в сети Интернет, является то, что в них, как правило, применяются "грубые" алгоритмы выбора и ранжирования, т.е. алгоритмы с линейной вычислительной сложностью О(n), где n - число вариантов. Как правило, эта сложность достигается тем, что разработанные правила выбора и ранжирования упрощаются (точнее говоря, огрубляются), чтобы обеспечить приемлемый уровень сложности. При этом результат, достигаемый с помощью таких способов, получается более низкого качества.

Техническая задача, на решение которой направлено заявляемое изобретение, состоит в создании нового способа для более качественного отбора и ранжирования эффективных вариантов, обеспечивающего высокую скорость отбора и высокую точность результатов.

Поставленная техническая задача решается тем, что согласно предложенному изобретению способ отбора и ранжирования эффективных вариантов по первому варианту реализации заключается в том, что предварительно формируют критерии оценки релевантности варианта поисковому запросу и задают конечное число вариантов или набор процедур выбора и ранжирования вариантов и последовательность их выполнения для отбора вариантов, оцениваемых как наиболее эффективные, осуществляют оценку каждого из вариантов по релевантности критериям поискового запроса, на основании которой ранжируют варианты путем присвоения ранга каждому из них из условия соответствия наибольшему числу критериев в порядке их убывания; последовательно осуществляют отбор и ранжирование вариантов по методу суперпозиции по меньшей мере в два этапа, если количество вариантов в оставшейся группе вариантов соответствует предварительно заданному конечному числу вариантов для отбора или использованы все заданные процедуры выбора, отбор вариантов и их ранжирование прекращают и варианты из отобранной группы оценивают как наиболее эффективные, если количество вариантов в оставшейся группе вариантов не соответствует предварительно заданному конечному числу вариантов для отбора, отбор вариантов и их ранжирование продолжают, при этом отбор вариантов, их ранжирование и исключение осуществляют до момента, пока не будет достигнуто заданное число вариантов или пока не будут использованы все заданные процедуры выбора и отобранную группу вариантов оценивают как наиболее эффективную.

Заявляемый способ по первому варианту реализации характеризуется следующими дополнительными существенными признаками:

На втором и последующих этапах формируют критерии оценки поискового запроса, на основании которых ранжируют варианты и осуществляют отбор вариантов из оставшегося обработанного па предыдущем этапе массива по методу суперпозиции с использованием методов, вычислительная сложность которых не ниже квадратичной O(n 2) и исключают следующую группу вариантов с меньшим рангом.

Поставленная техническая задача решается тем, что согласно предложенному изобретению способ отбора и ранжирования эффективных вариантов по второму варианту реализации заключается в том, что предварительно формируют критерии оценки релевантности варианта поисковому запросу и задают конечное число вариантов для отбора, оцениваемых как наиболее эффективные, осуществляют оценку каждого из вариантов по релевантности критериям поискового запроса, на основании которой ранжируют варианты путем присвоения ранга каждому из них из условия соответствия наибольшему числу критериев в порядке их убывания; последовательно осуществляют отбор и ранжирование вариантов по методу суперпозиции по меньшей мере в два этапа, если количество вариантов в оставшейся группе вариантов соответствует предварительно заданному конечному числу вариантов для отбора, отбор вариантов и их ранжирование прекращают и варианты из отобранной группы оценивают как наиболее эффективные, если количество вариантов в оставшейся группе вариантов не соответствует предварительно заданному конечному числу вариантов для отбора, отбор вариантов и их ранжирование продолжают, при этом отбор вариантов, их ранжирование и исключение осуществляют до момента, пока не будет достигнуто заданное число вариантов, отобранную группу вариантов оценивают как наиболее эффективную.

Заявляемый способ по второму варианту реализации характеризуется следующими дополнительными существенными признаками:

На первом этапе осуществляют отбор вариантов при наличии их большого числа по методу суперпозиции с использованием методов выбора и ранжирования, характеризующихся линейной вычислительной сложностью O(n), и исключают группу вариантов, которые имеют самый низкий ранг;

На втором и последующих этапах формируют критерии оценки поискового запроса, на основании которых ранжируют варианты и осуществляют отбор вариантов из оставшегося обработанного на предыдущем этапе массива по методу суперпозиции с использованием методов, вычислительная сложность которых не ниже квадратичной O(n 2) и исключают следующую группу вариантов с меньшим рангом;

в способе дополнительно задают набор процедур выбора и ранжирования вариантов и последовательность их выполнения.

Поставленная техническая задача решается тем, что согласно предложенному изобретению, способ отбора и ранжирования эффективных вариантов по третьему варианту реализации заключается в том, что предварительно формируют критерии оценки релевантности варианта поисковому запросу и задают набор процедур выбора и ранжирования вариантов и последовательность их выполнения для отбора вариантов, оцениваемых как наиболее эффективные, осуществляют оценку каждого из вариантов по релевантности критериям поискового запроса, на основании которой ранжируют варианты путем присвоения ранга каждому из них из условия соответствия наибольшему числу критериев в порядке их убывания; последовательно осуществляют отбор и ранжирование вариантов по методу суперпозиции, по меньшей мере, в два этапа, отбор вариантов, их ранжирование и исключение осуществляют до момента, пока не будут использованы все заданные процедуры выбора и отобранную группу вариантов оценивают как наиболее эффективную.

Заявляемый способ но третьему варианту реализации характеризуется следующими дополнительными существенными признаками:

На первом этапе осуществляют отбор вариантов при наличии их большого числа по методу суперпозиции с использованием методов выбора и ранжирования, характеризующихся линейной вычислительной сложностью O(n), и исключают группу вариантов, которые имеют самый низкий ранг

На втором и последующих этапах формируют критерии оценки поискового запроса, на основании которых ранжируют варианты и осуществляют отбор вариантов из оставшегося обработанного на предыдущем этапе массива по методу суперпозиции с использованием методов, вычислительная сложность которых не ниже квадратичной 0(п2) и исключают следующую группу вариантов с меньшим рангом.

Дополнительно задают конечное число вариантов для отбора, оцениваемых как наиболее эффективные;

Для отбора наиболее эффективной группы вариантов задают дополнительные методы выбора и ранжирования и последовательность их выполнения и повторно осуществляют отбор и ранжирование.

Технический результат, достижение которого обеспечивается реализацией всей заявляемой совокупности существенных признаков способа, состоит в повышении скорости и точности (достоверности) отбора эффективных вариантов в поисковых, рекомендательных системах за счет возможности, используя принцип суперпозиции, регулировать сложность процедур выявления эффективных вариантов.

Сущность изобретения поясняется фиг.1, на которой представлена схема последовательности операций при осуществлении заявляемого способа, где:

1 - исходный набор вариантов (множество различных вариантов);

2 - процедура исключения неэффективных объектов на первом этапе с использованием приближенных методов;

3 - набор вариантов, оставшихся после первого этапа отбора;

4 - отсечение неэффективных вариантов с помощью процедур исключения;

5 - последовательное применение процедур исключения неэффективных объектов с использованием приближенных методов;

6 - подмножество вариантов, не содержащее неэффективные варианты;

7 - операция ранжирования полученной на шаге 6 группы вариантов с использованием как приближенных, так и точных методов;

8 - операция присвоения всем неэффективным вариантам самого низкого ранга и добавление этих вариантов в итоговый список после ранжированных вариантов;

9 - предоставление итоговой упорядоченной группы вариантов конечному потребителю;

10 - группы неэффективных вариантов, отсеченных с использованием последовательной суперпозиции процедур исключения.

Предложенный способ основан на методе суперпозиции, который заключается в последовательном исключении предыдущих вариантов с помощью некоторых процедур, которые на каждом этапе исключения могут быть различными.

Заявляемый способ осуществляется следующим образом (фиг.1).

Существует или формируется большой набор вариантов 1, в котором могут находиться неэффективные варианты.

Термин «большой набор вариантов (поисковых элементов)» рассматривается в рамках концепции «Большие данные» (Big Data), появившейся в связи с развитием информационных технологий и включающей в себя подходы к обработке огромных объемов разнородной информации.

Под большим набором вариантов (поисковых элементов) в рамках этой концепции понимается структурированный или неструктурированный набор данных огромного объема и значительного многообразия.

Для того чтобы исключить неэффективные варианты и отобрать наиболее эффективные варианты предварительно формируют критерии оценки релевантности варианта (поискового элемента) поисковому запросу и, при необходимости, задают конечное число вариантов (поисковых элементов) для отбора, оцениваемых как наиболее эффективные (как максимально соответствующие критериям оценки релевантности поисковому запросу). Далее осуществляют оценку каждого из вариантов (поисковых элементов) по релевантности критериям поискового запроса, на основании которой ранжируют варианты (поисковые элементы) путем присвоения ранга каждому из них из условия соответствия наибольшему числу критериев в порядке их убывания. Отбор и ранжирование вариантов (поисковых элементов) осуществляют последовательно по методу суперпозиции по меньшей мере в два этапа.

Способ может быть определен иначе - может быть задан набор используемых методов выбора и ранжирования и последовательность их применения.

На первом этапе осуществляют отбор вариантов из большого числа (поз.2 фиг.1) по методу суперпозиции с использованием методов выбора и ранжирования, характеризующихся линейной вычислительной сложностью O(n).

Для данной операции могут быть использованы известные методы, характеризующиеся линейной вычислительной сложностью O(n), такие как, например, правило относительного большинства, правило Борда, правило надпорогового выбора и другие. Наиболее полный список правил выбора приведен в Приложении 1.

В результате формируют две группы вариантов: группу вариантов 10, имеющих самый низкий ранг, и группу вариантов 3, подлежащих дальнейшему анализу.

Группу вариантов 10, которые имеют самый низкий ранг, исключают (поз.4 фиг.1).

На следующем этапе формируют критерии оценки поискового запроса, на основании которых ранжируют варианты. Отбор вариантов из оставшегося обработанного массива осуществляют по методу суперпозиции (поз.5 фиг.1) с использованием методов, вычислительная сложность которых не ниже квадратичной O(n 2).

Для данной операции могут быть использованы известные методы, вычислительная сложность которых не ниже квадратичной O(n 2), такие, как, например, минимальное недоминируемое множество, правило Ричелсона или правила, основанные на построении мажоритарной или турнирной матрицы (см. Приложение 1).

Отбор вариантов и их ранжирование прекращают и варианты (поисковые элементы) из отобранной группы оценивают как наиболее эффективные или перспективные, когда будут выполнены все используемые (заданные) методы выбора и ранжирования или если количество вариантов в оставшейся группе вариантов соответствует предварительно заданному конечному числу вариантов (поисковых элементов) для отбора. Отбор вариантов и их ранжирование может быть осуществлено повторно с помощью задания дополнительных способов выбора и ранжирования, а также последовательности их выполнения.

В ином случае отбор и ранжирование продолжают осуществлять, как описано выше (поз.7 и 8 фиг.1). То есть группу вариантов 6 ранжируют с использованием операций ранжирования 7, при необходимости можно добавлять (поз.8 фиг.1) к ней варианты из группы неэффективных вариантов 10. Отбор вариантов (поисковых элементов), их ранжирование и исключение осуществляют (поз.9 фиг.1) до момента, пока не будет достигнуто заданное число вариантов (поисковых элементов) или пока не будут выполнены все используемые (заданные) методы выбора и ранжирования, а отобранную группу вариантов 9 (поисковых элементов) оценивают как наиболее эффективные (перспективные). Таким образом, происходит отбор и ранжирование эффективных вариантов, их ранжирование и предоставление этих вариантов конечному потребителю.

Суперпозиционный подход используется тогда, когда нельзя однозначно определить по одному критерию, какие варианты являются эффективными, а какие нет. Отличительной особенностью способа является возможность выявлять при наличии большого числа критериев из большого числа вариантов те варианты, которые являются эффективными, а также возможность регулировать вычислительную сложность предложенного способа. Заявляемый способ позволяет перейти от сложных механизмов выявления эффективных вариантов к составным, которые представляют собой комбинацию или суперпозицию более простых процедур. Результаты выполнения предыдущих этапов отбора и ранжирования обрабатывают на следующих этапах способа.

Кроме того, в заявляемом способе для ранжирования вариантов может быть одновременно использован не один критерий, а целая группа критериев (их комбинация), что не учитывается, например, в известном методе поиска по деревьям решений, который использует простейшие пороговые процедуры, выбор которых не всегда обоснован.

В отличие от известных методов метод суперпозиции является достаточно гибким и позволяет варьировать число этапов в способе отбора.

В суперпозиционном подходе исключается возможность потерять эффективные варианты в случае использования приближенных методов. После последовательной композиции этапов исключения происходит отбор и ранжирование оставшихся вариантов. Все неэффективные варианты, которые были исключены до процедуры ранжирования, будут иметь низший (наихудший) ранг и будут выбираться (предлагаться) для решения задач в самую последнюю очередь.

Под приближенными методами, которые используются для сокращения числа вариантов с высокой скоростью, понимаются правила выбора и ранжирования с линейной вычислительной сложностью O(n). Такие правила (методы) должны использовать (считывать) значения параметров каждого варианта (альтернативы) только такое число раз к, которое не зависит от числа вариантов (альтернатив) n, и значительно меньше, чем n.В самом быстром (идеальном) случае для правила со сложностью О(n), каждый вариант используется только один раз. Правило имеет возможность определить, эффективен вариант или нет, основываясь только на данных одного этого варианта, не сравнивая его с каждым из остальных вариантов. Например, для правила отбрасывания неэффективных вариантов, со значениями "ниже среднего", по какому- либо параметру (по которому значения чем выше, тем лучше), требуется считать значение каждого варианта только 2 раза: первый раз, чтобы подсчитать среднее, и второй раз, чтобы определить, выше или ниже значение этого варианта, чем среднее. Это правило относится к правилам с линейной вычислительной сложностью O(n).

Таким образом, использование методов выбора и ранжирования, характеризующихся линейной вычислительной сложностью O(n) обеспечивает значительное повышение скорости отбора эффективных вариантов в поисковых, рекомендательных системах.

Однако изначально на всем объеме вариантов достаточно затруднительно использовать тонкие (точные) методы в силу наличия большого количества вариантов. При применении приближенных процедур отсечения неэффективных вариантов количество различных вариантов уменьшается, что, в конце концов, приводит к возможности использовать более тонкие методы для отбора и ранжирования оставшихся вариантов.

Под тонкими (точными) методами, которые используются при наличии небольшого числа вариантов, понимаются правила выбора и ранжирования, вычислительная сложность которых зависит исключительно от количества раз использования каждого варианта. Существует правила, использующие попарные "расстояния" между вариантами (альтернативами), в специальных шкалах. Такие правила должны для каждого варианта перебрать все остальные варианты, т.е. произвести (n умножить на n) действий, вычислительная сложность здесь квадратичная. Существуют также правила, сравнивающие каждый вариант со всевозможными наборами остальных вариантов, чтобы более точно определить позицию данного варианта по отношению к остальным. Вычислительная сложность таких правил еще выше. Можно сказать, что правила со сложностями, начиная с квадратичной O(n 2), не могут применяться на полном наборе вариантов (исчисляемых миллионами) при решении задачи поиска и ранжирования в сети Интернет, и в сходных задачах в других сферах деятельности, так как вычислительная сложность этих правил сильно зависит от количества имеющихся в наборе вариантов.

Таким образом, использованием методов, вычислительная сложность которых не ниже квадратичной O(n 2) обеспечивает значительное повышение точности (достоверности) отбора эффективных вариантов в поисковых, рекомендательных системах.

Преимуществом способа является также то, что появляется возможность регулировать вычислительную сложность процедуры выявления эффективных вариантов. Это значит, что если на большом объеме данных применение некоторых процедур требовало огромных вычислительных ресурсов, то после последовательного исключения вариантов те же процедуры на оставшемся подмножестве могут работать достаточно быстро. Другими словами, установив некоторый предел по количеству вычислительных ресурсов, используемых на выполнение способа, можно установить количество стадий, с помощью которых можно произвести отсечение заведомо неэффективных вариантов с использованием быстрых приближенных методов, после выполнения которых можно использовать достаточно трудоемкие процедуры, выявляющих эффективные варианты с достаточно высокой точностью. В этом и заключается управление вычислительной сложностью способа.

Заявляемый способ может быть также применен в задаче обучения ранжированию, то есть задаче выбора вариантов с заранее известными оценками их полезности по критериям. Способ позволяет формировать по заранее известной степени полезности (эффективности) одних вариантов правила их отбора и ранжирования (набор применяемых методов выбора и ранжирования, а также последовательность их применения), в соответствии с которым может быть произведен отбор и ранжирование других вариантов, о степени полезности (эффективности) которых ничего не известно.

Заявляемый способ может быть осуществлен с использованием известных аппаратных и программных средств. Реализация заявляемого способа включает:

1. Сбор и хранение данных/

2. Обработка данных, отбор и ранжирование вариантов.

3. Предоставление результатов пользователю.

Сбор и хранение данных. На данной стадии происходит сбор и хранение необходимой информации о существующих вариантах. Информация о вариантах может собираться из существующих источников данных, например, из различных существующих информационных систем, веб-сайтов, веб-сервисов, других серверов данных, файлов на ЭВМ, т.е. из всех источников, хранящих информацию о вариантах в пригодном для дальнейшей обработки формате. Сбор данных может быть произведен с использованием существующих программных средств, производящих извлечение данных из внешних источников (например, ETL-системы или средства сбора содержимого веб-страниц в сети Интернет), или реализован на ЭВМ с использованием любого языка программирования, в частности, языка программирования C, C++, C#, Java, Python, PHP и многих других. Хранение информации может осуществляться как на сервере или группе серверов с использованием существующих платформ, осуществляющих хранение данных, так и на любом носителе информации, с которого возможно производить дальнейшее чтение имеющейся информации. Также хранение информации может осуществляться непосредственно в оперативной памяти ЭВМ в случае, когда нет необходимости производить постоянное хранение информации.

Обработка данных, включающая согласно заявляемому способу отбор и ранжирования вариантов с использованием приближенных и точных методов, реализуется с использованием ЭВМ, которая производит ранжирование вариантов и выявление наиболее эффективных из них. Этап обработки данных может быть произведен как на сервере, так и на самой ЭВМ пользователя.

После выполнения этапа обработки данных полученные результаты предоставляются конечному пользователю в любом пригодном для него формате. Результаты выполнения могут храниться на сервере, других носителях информации, с которых возможно производить ее дальнейшее чтение, либо могут быть предоставлены на экран ЭВМ пользователя напрямую с использованием веб-браузера или любого другого программного средства, с помощью которого осуществляется просмотр информации.

Примеры осуществления способа.

Задача поиска релевантных страниц в сети Интернет с отбором и ранжированием на основе принципа суперпозиции

Задача поиска релевантных страниц в сети Интернет, ранжирование на основе идеи суперпозиции может реализовываться следующим образом. Сначала быстрыми (приближенными) методами исключают заведомо нерелевантные страницы. Этими нерелевантными страницами могут быть, например, те страницы, которые не принадлежат заданной тематике, содержат спам, вирусы, рекламу, нежелательный для пользователя контент, фишинг (интернет-мошенничество) и другое. Затем на оставшемся значительно меньшем наборе страниц применяются более тонкие (точные) методы ранжирования, требующие, однако, больших вычислительных ресурсов (медленные). Упомянутые выше нерелевантные страницы никогда не могут быть релевантными запросу пользователя, а это значит, что их использование в более трудоемких методах избыточно и просто не нужно. В данном примере суперпозиция некоторого набора быстрых, но приближенных методов (применяемых для отсечения только самых нерелевантных страниц) и некоторого набора точных методов (применяемых для окончательного ранжирования не большого числа альтернатив) дает выигрыш в скорости и точности (релевантности) окончательного ранжирования. В частности, для нерелевантных страниц нет необходимости проводить детальное ранжирование, достаточно им всем присвоить один и тот же ранг (последнее место в ранжировании).

Таблица 1
Сравнение точной процедуры выбора (Правила Парето) и четырехшагового способа, основанного на идее суперпозиции
№ Количество слов из запроса в заголовке документа Количество слов из запроса во всем документе Булева модель (наличие всех слов запроса в документе) Правило Парето Модель суперпозиции
Этап 1. Надпорог овый выбор по заголовку Этап 2. Надпороговый выбор по документу Этап 3. Надпороговый выбор по булевой модели Этап 4. Парето
1 1 6 1 0 1 1 1 0
2 2 10 1 1 1 1 1 1
3 4 7 0 0 1 1 0 0
4 0 3 1 0 0 0 0 0
5 3 9 1 1 1 1 1 1
6 4 8 1 1 1 1 1 1
7 1 1 0 0 1 1 0 0
8 0 0 0 0 0 0 0 0
9 1 0 0 0 1 0 0 0
10 0 0 0 0 0 0 0 0
11 0 0 0 0 0 0 0 0
12 0 0 0 0 0 0 0 0
13 0 0 0 0 0 0 0 0
14 0 0 0 0 0 0 0 0
15 0 2 0 0 1 0 0 0
16 0 0 0 0 0 0 0 0
17 0 1 0 0 0 0 0 0
18 0 0 0 0 0 0 0 0
19 0 0 0 0 0 0 0 0
20 0 0 0 0 0 0 0 0
21 0 0 0 0 0 0 0 0
22 0 0 0 0 0 0 0 0
23 0 1 0 0 0 0 0 0
24 0 0 0 0 0 0 0 0
25 0 0 0 0 0 0 0 0
26 0 0 0 0 0 0 0 0
27 0 0 0 0 0 0 0 0
28 0 0 0 0 0 0 0 0
29 0 1 0 0 0 0 0 0

В таблице 1 приведен простейший пример использования двух способов выбора вариантов - правила Парето и четырехшагового способа отбора, основанного на идее суперпозиции. В задаче необходимо определить, какие из вариантов являются наиболее релевантными (подходящими) введенному запросу пользователя. Каждый вариант оценивается по трем критериям: количество слов из запроса в заголовке документа, количество слов из запроса во всем документе, булева модель (наличие всех слов запроса в документе). В примере выбор производится из 29 вариантов.

В случае, если использовать обычное правило Парето, то релевантными документами будут являться документы №2, 5, 6. При использовании правила Парето каждый вариант должен быть сопоставлен со всеми остальными вариантами, т.е. каждый из 29 вариантов должен быть сопоставлен друг с другом. Это означает, что чем больше вариантов находится в выборке, тем больше вычислительная сложность этого правила, что ведет к необходимости использования более простых (приближенных) правил выбора.

Однако правило Парето может быть применено, если использовать способ отбора и ранжирования эффективных вариантов, основанный на идее суперпозиции. В таблице 1 приведен способ отбора в четыре этапа, который заключается в последовательном применении трех надпороговых правил, после чего применяется правило Парето.

На первом этапе происходит исключение всех вариантов (документов), в заголовке которых не находится ни одного слова из запроса. Таким образом, число вариантов сокращается с 29 до 8.

На втором этапе происходит исключение тех вариантов, у которых в основной части документа не было найдено ни одного слова из запроса. Тогда число вариантов сокращается с 8 до 6. После этого выбираются только те документы, в которых находятся все слова из запроса. В результате число вариантов сокращается до 4. После этого осуществляют применение правила Парето по оставшимся вариантам, и в итоговый выбор входит только 3 варианта (документа) - №2, 5, 6.

В данном примере результаты обоих способов совпадают. Однако вычислительная сложность правила Парето значительно выше. Поэтому в случае, если число вариантов небольшое, выбор способа отбора и ранжирования не принципиален (не имеет значения). Однако в условиях, когда число вариантов достигает нескольких миллионов, необходимо использовать второй способ, основанный на идее суперпозиции, т.к. он позволяет комбинировать простые и сложные правила выбора, что уменьшает вычислительную сложность способа.

В ряде моделей для представления наиболее интересного и востребованного предложения участникам социальных сетей необходимо сегментировать группы пользователей по их общим интересам или по интенсивности обмена информацией между ними. В этом случае, например, пороговое отсечение по правилу "не более одного контакта за последний год" (для определенного набора товаров и услуг) позволяет сразу сузить число вариантов внутри группы до уровня, приемлемого для более сложных алгоритмов. Разумеется, наличие более одного контакта за год не подразумевает общность интересов пользователей, т.е. отсекаются заведомо неэффективные варианты группировки (сегментации) участников социальных сетей по их интересам, с одновременным и резким снижением объема группы.

Таким образом, представленный способ позволяет с высокой точностью производить отбор и ранжирование вариантов, особенно при наличии большого количества вариантов, характеризуемых большим набором показателей, так как он позволяет производить комбинирование приближенных и точных процедур.

Заявляемый способ может быть использован при отборе эффективных вариантов в поисковых, рекомендательных системах, системах поддержки принятия решений, сетях Интернет, системах автоматической классификации пакетов данных и в других смежных областях.

Кроме того, изобретение может быть использовано при решении задачи обучения ранжированию, то есть задаче выбора вариантов с заранее известными оценками их полезности по критериям, например, при оценке эффективности работы предприятий, торговых точек и других объектов в смежных областях.

Приложение 1. Список правил выбора, приведенных в работе Ф.Т.Алескерова, Э. Курбанова "О степени манипулируемости правил коллективного выбора", Автоматика и телемеханика, 1998, №10, 134-146.

1. Правило относительного большинства (Plurality rule)

В выбор входят альтернативы, которые являются лучшими для наибольшего числа критериев, т.е.

т.е. означает число критериев, у которых альтернатива a стоит не ниже q-го места в их упорядочении. Таким образом, если q=1, тогда a - это лучшая альтернатива для критерия i; если q=2, тогда a - либо первая, либо вторая наилучшая альтернатива, и т.д. Число q будем называть уровнем процедуры.

т.е. выбираются альтернативы, которые находятся среди q лучших для максимального числа критериев.

Данное правило для выбора имеет линейную вычислительную сложность, для ранжирования вычислительная сложность правила зависит от значения q. При q<

3. Пороговое правило (Threshold rule)

Пусть ν 1 (x) - число критериев, для которых альтернатива x является наихудшей в их упорядочениях, ν 2 (x) - число критериев, для которых альтернатива x является второй наихудшей, и так далее, ν m (x) - число критериев, для которых альтернатива x является наилучшей. Затем альтернативы упорядочиваются лексикографически. Говорят, что альтернатива x V - доминирует альтернативу y если ν 1 (x)< ν 1 (y) или, если существует k≤m такое, что ν i (x)= ν i (y), i=1, …, k-1, и ν k (x)< k (y). Другими словами, в первую очередь сравниваются количества последних мест в упорядочениях для каждой альтернативы, в случае, когда они равны, идет сравнение количества предпоследних мест, и так далее. Выбором являются альтернативы, недоминируемые по V.

Данное правило для выбора и ранжирования имеет линейную вычислительную сложность.

4. Правило Борда (Borda rule)

Каждой альтернативе x∈A ставится в соответствие число r i (x , P →) равное мощности множества альтернатив, худших, чем x в критерии P i ∈ P → , то есть r i (x , P →) = | L i (x) | = | { b ∈ A: x P i b } | . Сумма данных значений для i∈N называется рангом Борда для альтернативы x,

В выбор входят альтернативы с максимальным рангом

5. Процедура Блэка

Если существует победитель Кондорсе, то он объявляется коллективным выбором, иначе используется правило Борда.

6. Процедура Кумбса.

Исключается вариант, который считают худшим максимальное число избирателей. Затем профиль сужается до нового множества X и процедура продолжается до тех пор, пока не останутся только неисключаемые варианты. Отметим здесь разницу между правилом Кумбса и системой передачи голосов. В правиле Кумбса вычеркиваются худшие варианты, в то время как в системе передачи голосов вычеркиваются варианты, лучшие для минимального числа избирателей.

Данное правило для выбора и ранжирования имеет линейную вычислительную сложность.

7. Процедура Хара

Для каждой альтернативы подсчитывается количество первых мест в упорядочениях по критериям. Далее из голосования выбывают альтернативы с наименьшим количеством первых мест.Процедура повторяется, пока выбор остается непустым.

Данное правило для выбора и ранжирования имеет линейную вычислительную сложность.

8. Обратное правило относительного большинства

В выбор входят альтернативы, которые являются худшими для наименьшего числа критериев.

Данное правило для выбора и ранжирования имеет линейную вычислительную сложность.

9. Первое правило Копланда

Для каждой альтернативы считаются два показателя: сумма количеств альтернатив, которые хуже заданной по каждому критерию, и сумма количеств альтернатив, которые лучше заданной по каждому критерию. В коллективный выбор входят альтернативы с наибольшей разностью этих двух показателей.

Данное правило для выбора имеет линейную вычислительную сложность, для ранжирования вычислительная сложность правила сильно зависит от входных данных и в худшем случае является квадратичной.

10. Обратная процедура Борда (с передачей голосов)

Для каждой альтернативы подсчитывается ранг Борда. Далее альтернатива с наименьшим рангом выбывает. Ранги Борда пересчитываются для множества альтернатив без выбывшей альтернативы. Процедура повторяется, пока выбор непустой.

Для выбора вычислительная сложность правила в худшем случае квадратичная. Для ранжирования вычислительная сложность правила не ниже квадратичной.

11. Правило Нансона

Подсчитывается ранг Борда для всех вариантов. Затем подсчитывается средняя оценка Борда и исключаются только те варианты x, для которых оценка Борда ниже средней. Затем строится множество X=A\{x}, и процедура применяется к суженному профилю /X. Процедура продолжается до тех пор, пока не останутся только неисключаемые варианты. Для выбора вычислительная сложность правила в худшем случае квадратичная. Для ранжирования вычислительная сложность правила не ниже квадратичной.

12. Минимальное доминирующее множество

Множество альтернатив Q является доминирующим тогда и только тогда, когда любая альтернатива из Q доминирует любую альтернативу вне Q по мажоритарному отношению.

Доминирующее множество является минимальным, если ни одно из его собственных подмножеств не является доминирующим. Коллективным выбором является минимальное доминирующее множество, если таковое существует одно, или их объединение, если таковых несколько. Данное правило для выбора и ранжирования имеет вычислительную сложность не ниже квадратичной.

13. Минимальное недоминируемое множество

Множество альтернатив Q является недоминируемым тогда и только тогда, когда не существует альтернативы вне Q, которая доминирует какую-либо альтернативу из множества Q.

Недоминируемое множество является минимальным, если ни одно из его собственных подмножеств не является недоминируемым. Коллективным выбором является минимальное недоминируемое множество, если таковое существует одно, или их объединение, если таковых несколько. Данное правило для выбора и ранжирования имеет вычислительную сложность не ниже квадратичной.

14. Минимальное слабоустойчивое множество

Множество альтернатив Q является слабоустойчивым тогда и только тогда, когда из существования альтернативы у вне Q, доминирующей альтернативу x из Q, следует существование альтернативы z из Q такой, что z доминирует У-

Слабоустойчивое множество является минимальным, если ни одно из его собственных подмножеств не является слабоустойчивым. Коллективным выбором является минимальное слабоустойчивое множество, если таковое существует одно, или их объединение, если таковых несколько.

Данное правило для выбора и ранжирования имеет вычислительную сложность не ниже квадратичной.

75. Правило Фишберна

Построим новое бинарное отношение у, в котором х доминирует у тогда и только тогда, когда верхний контур альтернативы х является собственным подмножеством верхнего контура альтернативы у.

Коллективным выбором будет набор альтернатив, недоминируемых по отношению у.

Данное правило для выбора и ранжирования имеет вычислительную сложность не ниже квадратичной.

16. Непокрытое множество I.

Построим новое бинарное отношение 5, в котором x доминирует у тогда и только тогда, когда нижний контур альтернативы у является собственным подмножеством нижнего контура альтернативы x.

Коллективным выбором будет набор альтернатив, недоминируемых по отношению 8.

Данное правило для выбора и ранжирования имеет вычислительную сложность не ниже квадратичной.

17. Непокрытое множество II

Альтернатива x B - доминирует альтернативу y, если x доминирует y по мажоритарному отношению и верхний контур альтернативы x является подмножеством верхнего контура альтернативы y. В коллективный выбор входят альтернативы, недоминируемые по отношению B. Данное правило для выбора и ранжирования имеет вычислительную сложность не ниже квадратичной.

18. Правило Ричелсона

Строится новое бинарное отношение σ, в котором x доминирует y тогда и только тогда, когда

Нижний контур y является подмножеством нижнего контура x

Верхний контур x является подмножеством верхнего контура y

В одном из двух указанных выше случаев вхождение происходит как «собственное подмножество»

В коллективный выбор входят недоминируемые по о альтернативы.

Данное правило для выбора и ранжирования имеет вычислительную сложность не ниже квадратичной.

19. Первое правило Копланда

В коллективный выбор входят альтернативы с максимальной разницей мощностей нижнего контура и верхнего контура.

Данное правило для выбора и ранжирования имеет вычислительную сложность не ниже квадратичной.

20. Второе правило Копланда

В коллективный выбор входят альтернативы с максимальной мощностью нижнего контура.

Данное правило для выбора и ранжирования имеет вычислительную сложность не ниже квадратичной.

21. Третье правило Копланда

В коллективный выбор входят альтернативы с минимальной мощностью верхнего контура.

Данное правило для выбора и ранжирования имеет вычислительную сложность не ниже квадратичной.

22. Двухступенчатое правило относительного большинства

Сначала используется правило простого большинства (т.е. выбирается вариант, получивший больше 50% голосов - первых мест - в упорядочениях избирателей). Если такой вариант найден, то процедура останавливается. Если же такого варианта нет, то выбираются два варианта, набравшие больше голосов, чем другие варианты (если их больше двух, то берутся два с наименьшими номерами). Затем, считая что мнения избирателей относительно этих вариантов (при вычеркивании остальных) не изменяются, вновь применяем правило простого большинства/голосов - уже на двухэлементном множестве.

Поскольку индивидуальные мнения представляются в виде линейных порядков, всегда (при нечетном числе избирателей) существует единственный вариант-победитель.

Данное правило для выбора и ранжирования имеет линейную вычислительную сложность.

Сначала используется правило простого большинства (т.е. выбирается вариант, получивший больше 50% голосов). Если такой вариант найден, то процедура останавливается. Если же такого варианта нет, то из списка вычеркивается вариант x, набравший минимальное количество голосов.

Затем процедура вновь применяется к множеству X=A\{x и профилю /X Данное правило для выбора и ранжирования имеет линейную вычислительную сложность.

24. Процедура Янга

Если для профиля существует победитель Кондорсе, то он выбирается, и процедура на этом останавливается. Если же такого варианта нет, то рассматриваются всевозможные коалиции, на которых существуют частичные победители Кондорсе. Далее определяется функция u(x) как мощность максимальной коалиции, в которой x является победителем Кондорсе.

Тогда выбираются варианты с максимальным значением ux:

Данное правило для выбора и ранжирования имеет вычислительную сложность не ниже квадратичной.

25. Процедура Симпсона (максиминная процедура)

Построим матрицу S + такую, что ∀a , b∈X, S + =(n(a,b)), где

n(a, b)=card{i∈N|aP i b}, n(a,a)=+ ∞.

Данное правило для выбора и ранжирования имеет вычислительную сложность не ниже квадратичной.

26. Минимаксная процедура

Построим матрицу S - такую, что ∀a ,b∈X, S + =(n(a,b)), n(a,a)=-∞.

Коллективный выбор определяется как

Данное правило для выбора и ранжирования имеет вычислительную сложность не ниже квадратичной.

27. Сильное q-паретовское правило простого большинства

Пусть f(P → ;i;q)={X∈A-||card(D ↓ i(x))≤q} определяет q+1 вариантов от максимального и ниже в линейном порядке P i . Пусть ℑ={I⊂N-||card(I)=) (Где функция [χ] означает минимальное целое число, большее или равное x) есть семейство коалиций простого большинства. Введем функцию выбирающую вариант, который находится среди верхних вариантов для каждого избирателя хотя бы в одной коалиции простого большинства, и начнем с q=0. Если при q=0 такого варианта нет, то заново просматривается выбор по коалициям простого большинства при q, увеличенном на единицу (т.е. гири q=1) и т.д., до тех пор, пока выбор будет не пуст. Из этого непустого множества выбирается вариант с наименьшим номером, который принимается в качестве коллективного выбора.

Данное правило для выбора и ранжирования имеет экспоненциальную вычислительную сложность.

28. Сильное q-паретовское правило относительного большинства

Это правило аналогично правилу 26, с тем дополнением, что если выбраны несколько вариантов, то для каждого из них подсчитывается число выбравших его коалиций. Затем выбираются варианты с максимальным значением этого показателя.

Выбираются варианты с максимальным значением этого показателя. Данное правило для выбора и ранжирования имеет экспоненциальную вычислительную сложность.

29. Сильнейшее q-паретовское правило простого большинства

Введем функцию

C (A) = ∩ I ∈ ℑ f (P → ; I ; q)

где f (P → ; I ; q) = { χ ∈ A − | | c a r d (∩ ↓ i (x) ]) ≤ q } ,   c a r d (I) = [ n / 2 ] - функция, выбирающая вариант, парето-оптимальный в каждой коалиции простого большинства, и начнем с q=0. Если таких элементов нет, то рассматривается случай q=1, q=2, и т.д., пока выбор будет не пуст.Из этого непустого множества выбирается вариант с наименьшим номером, который и принимается в качестве коллективного выбора. Данное правило для выбора и ранжирования имеет экспоненциальную вычислительную сложность.

30. Правило надпорогового выбора

Пусть на множестве A задан критерий φ(x), φ:A→R 1 , а на множестве 2 A задана функция порога V: 2 А →R 1 , сопоставляющая каждому набору Хе2А пороговый уровень V(X).

Правило надпорогового выбора представлено в виде следующего выражения:

n ¯ s t: y ∈ C (X) ⇔ (y ∈ X & ϕ (y) ≥ V (X)) .

Данное правило для выбора имеет линейную вычислительную сложность, для ранжирования вычислительная сложность зависит входных данных, в худшем случае не выше квадратичной.

1. Способ отбора и ранжирования эффективных вариантов результатов поиска, заключающийся в том, что предварительно формируют критерии оценки релевантности варианта результатов поиска поисковому запросу и задают конечное число вариантов результатов поиска или набор процедур выбора и ранжирования вариантов результатов поиска и последовательность их выполнения для отбора вариантов результатов поиска, оцениваемых как наиболее эффективные, осуществляют оценку каждого из вариантов результатов поиска по релевантности критериям поискового запроса, на основании которой ранжируют варианты результатов поиска путем присвоения ранга каждому из них из условия соответствия наибольшему числу критериев в порядке их убывания; последовательно осуществляют отбор и ранжирование вариантов результатов поиска по методу суперпозиции по меньшей мере в два этапа, если количество вариантов результатов поиска в оставшейся группе вариантов результатов поиска соответствует предварительно заданному конечному числу вариантов результатов поиска для отбора или использованы все заданные процедуры выбора, отбор вариантов результатов поиска и их ранжирование прекращают и варианты результатов поиска из отобранной группы оценивают как наиболее эффективные, если количество вариантов результатов поиска в оставшейся группе вариантов результатов поиска не соответствует предварительно заданному конечному числу вариантов результатов поиска для отбора, отбор вариантов результатов поиска и их ранжирование продолжают, при этом отбор вариантов результатов поиска, их ранжирование и исключение осуществляют до момента, пока не будет достигнуто заданное число вариантов результатов поиска или пока не будут использованы все заданные процедуры выбора и отобранную группу вариантов оценивают как наиболее эффективную.

2. Способ по п. 1, отличающийся тем, что на первом этапе осуществляют отбор вариантов результатов поиска при наличии их большого числа по методу суперпозиции с использованием методов выбора и ранжирования, характеризующихся линейной вычислительной сложностью О(n), и исключают группу вариантов результатов поиска, которые имеют самый низкий ранг.

3. Способ по п. 1, отличающийся тем, что на втором и последующих этапах формируют критерии оценки поискового запроса, на основании которых ранжируют варианты результатов поиска и осуществляют отбор вариантов результатов поиска из оставшегося обработанного на предыдущем этапе массива по методу суперпозиции с использованием методов, вычислительная сложность которых не ниже квадратичной O(n 2) и исключают следующую группу вариантов результатов поиска с меньшим рангом.

4. Способ отбора и ранжирования эффективных вариантов результатов поиска, заключающийся в том, что предварительно формируют критерии оценки релевантности варианта результатов поиска поисковому запросу и задают конечное число вариантов результатов поиска для отбора, оцениваемых как наиболее эффективные, осуществляют оценку каждого из вариантов результатов поиска по релевантности критериям поискового запроса, на основании которой ранжируют варианты результатов поиска путем присвоения ранга каждому из них из условия соответствия наибольшему числу критериев в порядке их убывания; последовательно осуществляют отбор и ранжирование вариантов результатов поиска по методу суперпозиции по меньшей мере в два этапа, если количество вариантов результатов поиска в оставшейся группе вариантов результатов поиска соответствует предварительно заданному конечному числу вариантов результатов поиска для отбора, отбор вариантов результатов поиска и их ранжирование прекращают и варианты результатов поиска из отобранной группы оценивают как наиболее эффективные, если количество вариантов результатов поиска в оставшейся группе вариантов результатов поиска не соответствует предварительно заданному конечному числу вариантов результатов поиска для отбора, отбор вариантов результатов поиска и их ранжирование продолжают, при этом отбор вариантов результатов поиска, их ранжирование и исключение осуществляют до момента, пока не будет достигнуто заданное число вариантов результатов поиска, отобранную группу вариантов результатов поиска оценивают как наиболее эффективную.

5. Способ по п. 4, отличающийся тем, что на первом этапе осуществляют отбор вариантов результатов поиска при наличии их большого числа по методу суперпозиции с использованием методов выбора и ранжирования, характеризующихся линейной вычислительной сложностью О(n), и исключают группу вариантов результатов поиска, которые имеют самый низкий ранг.

6. Способ по п. 4, отличающийся тем, что на втором и последующих этапах формируют критерии оценки поискового запроса, на основании которых ранжируют варианты результатов поиска и осуществляют отбор вариантов результатов поиска из оставшегося обработанного на предыдущем этапе массива по методу суперпозиции с использованием методов, вычислительная сложность которых не ниже квадратичной O(n 2) и исключают следующую группу вариантов результатов поиска с меньшим рангом.

7. Способ по п. 4, отличающийся тем, что дополнительно задают набор процедур выбора и ранжирования вариантов результатов поиска и последовательность их выполнения.

8. Способ отбора и ранжирования эффективных вариантов результатов поиска, заключающийся в том, что предварительно формируют критерии оценки релевантности варианта результатов поиска поисковому запросу и задают набор процедур выбора и ранжирования вариантов результатов поиска и последовательность их выполнения для отбора вариантов результатов поиска, оцениваемых как наиболее эффективные, осуществляют оценку каждого из вариантов результатов поиска по релевантности критериям поискового запроса, на основании которой ранжируют варианты результатов поиска путем присвоения ранга каждому из них из условия соответствия наибольшему числу критериев в порядке их убывания; последовательно осуществляют отбор и ранжирование вариантов результатов поиска по методу суперпозиции по меньшей мере в два этапа, отбор вариантов результатов поиска, их ранжирование и исключение осуществляют до момента, пока не будут использованы все заданные процедуры выбора и отобранную группу вариантов результатов поиска оценивают как наиболее эффективную.

9. Способ по п. 8, отличающийся тем, что на первом этапе осуществляют отбор вариантов результатов поиска при наличии их большого числа по методу суперпозиции с использованием методов выбора и ранжирования, характеризующихся линейной вычислительной сложностью О(n), и исключают группу вариантов результатов поиска, которые имеют самый низкий ранг.

10. Способ по п. 8, отличающийся тем, что на втором и последующих этапах формируют критерии оценки поискового запроса, на основании которых ранжируют варианты результатов поиска и осуществляют отбор вариантов результатов поиска из оставшегося обработанного на предыдущем этапе массива по методу суперпозиции с использованием методов, вычислительная сложность которых не ниже квадратичной O(n 2) и исключают следующую группу вариантов результатов поиска с меньшим рангом.

11. Способ по п. 8, отличающийся тем, что дополнительно задают конечное число вариантов результатов поиска для отбора, оцениваемых как наиболее эффективные.

12. Способ по п. 8, отличающийся тем, что для отбора наиболее эффективной группы вариантов результатов поиска задают дополнительные методы выбора и ранжирования и последовательность их выполнения и повторно осуществляют отбор и ранжирование.

Похожие патенты:

Изобретение относится к способу идентификации и классификации объекта. Технический результат - осуществление более быстрой идентификации и классификации объектов за счет предварительного задания N базовых классов, упорядоченных N-мерным вектором V.

Изобретение относится к решениям в области обработки массивов данных, в частности к решениям в области обработки структурированных массивов данных, содержащих текст на естественном языке. Техническим результатом является формирование логически, грамматически и орфографически верной структуры данных, обеспечивающей быструю и удобную навигацию по элементам структуры. В способе преобразования структурированного массива данных, содержащего текст на естественном языке, формируют (101) первую структуру данных структурированного массива данных из итоговой структуры данных структурированного массива данных. Формируют (102) базу данных логических связей логических разделов элементов первой структуры данных. Формируют (103) вторую структуру данных структурированного массива данных. Формируют (104) базу данных семантических частей логических разделов элементов второй структуры данных. Формируют (105) грамматически и орфографически верные семантические части логических разделов элементов второй структуры данных путем лингвистических преобразований над упомянутыми семантическими частями. Формируют (106) итоговую структуру данных структурированного массива данных. 4 н. и 13 з.п. ф-лы, 15 ил., 3 табл.

Изобретение относится к компьютерной технике, а именно к системам обработки информации, полученной из социальной сети. Техническим результатом является обеспечение улучшенной фильтрации данных, полученных из социальной сети, в соответствии с конкретным набором параметров пользователя. Предложен способ отображения изображений карт с отображением соответствующих устройств пользователей. Способ включает в себя этап, на котором осуществляют идентификацию географического района, представляющего интерес. Далее, согласно способу, получают доступ к информации о местоположении множества пользователей исходя из местоположения множества устройств пользователей, соответственно ассоциируемых с множеством пользователей. А также получают доступ к информации социальной сети, содержащей метаданные, относящиеся соответственно к каждому пользователю из множества пользователей. Кроме того, осуществляют фильтрацию метаданных, чтобы различать подмножества множества пользователей, и отображают изображения карты местности, соответствующей географическому району, представляющему интерес. 3 н. и 6 з.п. ф-лы, 7 ил.

Изобретение относится к средствам управления данными. Технический результат заключается в уменьшении времени обработки элементов данных. Обнаруживают элемент данных. Классифицируют элемент данных с использованием одного или более свойств, связанных с элементом данных, для формирования связанного с ним набора свойств классификации, причем эти одно или более свойств включают в себя имеющиеся свойства классификации, связанные с элементом данных, при этом элемент данных классифицируется одним или более компонентами классификации. Агрегируют наборы свойств классификации, когда элемент данных классифицируется двумя или более компонентами классификации. Применяют политику к элементу данных на основе по меньшей мере одного из набора свойств классификации и агрегированных наборов свойств классификации. 3 н. и 17 з.п. ф-лы, 6 ил., 1 табл.

Изобретение относится к определению семантики для местоположений на основе пользовательских данных, таких как действия пользователя и/или связи пользователя. Технический результат состоит в способности идентифицировать и различать различные контексты, которые применяются для одного и того же местоположения для конкретного пользователя. Для этого пользовательские данные захватываются и анализируются для идентификации ключевых слов, включая местоположения. Данные местоположения, описывающие местоположения, получают и ассоциируют с пользователем и ключевыми словами. Ассоциации представляют пользовательский контекст для местоположений. Ассоциации используются для доставки услуг и/или продуктов пользователю в разное время, например когда пользователь приближается или входит в конкретное местоположение. 2 н. и 13 з.п. ф-лы, 5 ил.

Изобретение относится к области управления базами данных, а именно к приложениям базы данных для выполнения некоторых функций относительно базы данных. Технический результат заключается в обеспечении пользователям без копии клиентской прикладной программы базы данных получать доступ и использовать приложение базы данных посредством браузера всемирной паутины (“Web”) и локальной или глобальной сети. Технический результат достигается за счет серверной прикладной программы базы данных, которая обеспечивается таким образом, что она сконфигурирована для предоставления программируемого интерфейса в приложение базы данных посредством унифицированных указателей ресурса (URL) служб базы данных. URL служб базы данных, используемый приложением базы данных, может быть обновлен программно выполнением программного кода в или под управлением серверной прикладной программы базы данных. Также описывается макродействие для использования совместно с серверным приложением базы данных, которое предоставляет функциональные возможности для отображения объекта базы данных, такого как форма или отчет локально в Web-браузере. 2 н. и 17 з.п. ф-лы, 8 ил.

Изобретение относится к компьютерной технике, а именно к системам интеллектуальных автоматизированных помощников. Техническим результатом является повышение точности представления пользователю релевантной информации за счет выявления намерения пользователя исходя из текстовой строки и имени отправителя, обособленного от пользователя. Предложен способ функционирования интеллектуального автоматизированного помощника. Способ выполняется в электронном устройстве, содержащем процессор и память, в которой сохранены инструкции, исполняемые процессором. Процессор исполняет инструкции, на которых принимают пользовательский запрос, включающий речевой ввод, принятый от пользователя. Извлекают информацию об имени отправителя из передачи, принятой в электронном устройстве до приема речевого ввода. При этом данная передача принята от отправителя, являющегося обособленным от упомянутого пользователя. Выявляют намерение пользователя, исходя из упомянутой текстовой строки и имени отправителя. 3 н. и 12 з.п. ф-лы, 50 ил., 5 табл.

Изобретение относится к вычислительной технике. Технический результат заключается в уменьшении некачественных отчетов в базе данных. Система для хранения варианта отчета содержит базу данных отчетов, выполненную с возможностью хранения и предоставления отчетов; средство пользовательского ввода в компьютере, выполненное с возможностью создания и редактирования отчета, причем вариант отчета не хранится в базе данных отчетов; базу данных запросов, выполненную с возможностью хранения и предоставления запросов, причем запросы подходят для поиска в базе данных отчетов; аппаратное поисковое устройство, выполненное с возможностью извлечения одного или более запросов из базы данных запросов; извлечения варианта отчета из средства пользовательского ввода; исполнения одного или более запросов по варианту отчета для определения релевантности варианта отчета, причем релевантность характеризует, будет ли извлечен вариант отчета из базы данных отчетов при исполнении одного или более запросов; сравнения релевантности с заранее заданным пороговым значением внесения в базу данных отчетов; добавления варианта отчета в базу данных отчетов, если релевантность превышает заранее заданное пороговое значение внесения в базу данных отчетов; и хранения варианта отчета в базе данных отчетов, если релевантность превышает заранее заданное значение. 4 н. и 11 з.п. ф-лы, 3 ил.

Изобретение относится к области систем управления базами данных (СУБД). Техническим результатом является обеспечение автоматического формирования реляционного описания синтаксиса команды на основе метаописания синтаксиса команды. В способе формирования реляционного описания синтаксиса команды на основе метаописания синтаксиса команды идентифицируют 110 метаописание синтаксиса команды. Идентифицируют 120 элементы метаописания и присваивают каждому элементу уникальный идентификатор (ID), причем ID присваивается в порядке очередности расположения элементов в метаописании. Формируют 130 таблицу, содержащую все элементы, причем каждый элемент содержится в одной колонке таблицы на разных строках таблицы. Идентифицируют 140 открывающие структурные элементы и закрывающие структурные элементы среди элементов, содержащихся в таблице, и генерируют двунаправленные связи между соответствующими открывающими и закрывающими структурными элементами. Генерируют 150 однонаправленные иерархические связи между открывающими элементами и соответствующим открывающим элементом, находящимся на предыдущем уровне вложенности, причем генерирование упомянутых связей осуществляется для каждого открывающего элемента, находящегося на любом из уровней, кроме первого уровня. 4 н. и 13 з.п. ф-лы, 15 ил.

Изобретение относится к компьютерной технике, а именно к поисковым системам в сети Интернет. Техническим результатом является минимизация вычислительных издержек за счет генерации предлагаемого терма запроса в реальном времени на основании оперативного контента. Предложен реализуемый компьютером способ предоставления оперативного контента. Способ содержит этапы, на которых принимают частичный терм запроса от пользователя, на основе частичного терма запроса генерируют предлагаемый терм запроса, который включает в себя частичный терм запроса. А также, согласно способу, в ответ на генерирование предлагаемого терма запроса инициируют поиск оперативного контента стороннего поставщика контента для получения по существу оперативного контента, который относится к предлагаемому терму запроса. Получение оперативного контента включает в себя выполнение поисковой машиной поиска оперативного контента после генерирования предлагаемого терма запроса. 4 н. и 16 з.п. ф-лы, 12 ил.

Изобретение относится к области объединения источников информации, касающихся индивидуумов и коммерческих организаций, к которым индивидуумы принадлежат или принадлежали. Техническим результатом является построение точного профессионального профиля индивидуума. Способ включает в себя: прием первой записи, которая содержит личные данные индивидуума, наименование фирмы и роль индивидуума в фирме; установление соответствия между первой записью и данными, которые обеспечивают уникальный идентификатор фирмы для упомянутой фирмы, установление соответствия между первой записью и данными, которые обеспечивают уникальный идентификатор индивидуума для индивидуума; добавление к первой записи уникального идентификатора фирмы, уникального идентификатора индивидуума и уникального идентификатора роли для роли индивидуума в фирме; установление соответствия между первой записью и второй записью на основе уникального идентификатора фирмы, уникального идентификатора индивидуума и уникального идентификатора роли и объединение первой и второй записей в результирующую запись. 3 н. и 9 з.п. ф-лы, 4 ил., 1 табл.

Изобретение относится к компьютерной технике. Технический результат - высокая скорость отбора и точность результатов поиска. Способ отбора и ранжирования эффективных вариантов результатов поиска, заключающийся в том, что предварительно формируют критерии оценки релевантности варианта результатов поиска поисковому запросу и задают конечное число вариантов результатов поиска или набор процедур выбора и ранжирования вариантов результатов поиска и последовательность их выполнения для отбора вариантов результатов поиска, оцениваемых как наиболее эффективные, осуществляют оценку каждого из вариантов результатов поиска по релевантности критериям поискового запроса, на основании которой ранжируют варианты результатов поиска путем присвоения ранга каждому из них из условия соответствия наибольшему числу критериев в порядке их убывания; последовательно осуществляют отбор и ранжирование вариантов результатов поиска по методу суперпозиции, по меньшей мере, в два этапа, если количество вариантов результатов поиска в оставшейся группе вариантов результатов поиска соответствует предварительно заданному конечному числу вариантов результатов поиска для отбора или использованы все заданные процедуры выбора, отбор вариантов результатов поиска и их ранжирование прекращают и варианты результатов поиска из отобранной группы оценивают как наиболее эффективные, если количество вариантов результатов поиска в оставшейся группе вариантов результатов поиска не соответствует предварительно заданному конечному числу вариантов результатов поиска для отбора, отбор вариантов результатов поиска и их ранжирование продолжают. 3 н. и 9 з.п. ф-лы, 1 ил.