КОНЦЕПЦИЯ ФОРМИРОВАНИЯ СТРУКТУРЫ ЦИФРОВОГО ДВОЙНИКА ДЛЯ УЧЕТА ЗНАЧИМОСТИ ПРИОБРЕТАЕМОЙ ЛИТЕРАТУРЫ В СИСТЕМЕ КОМПЛЕКТОВАНИЯ БИБЛИОТЕЧНОГО ФОНДА УНИВЕРСИТЕТА

Аннотация

Сфера высшего образования, включая библиотечные процессы, на сегодняшний день функционирует при тесном взаимодействии с информационными системами, среди которых особо результативными представляются информационные системы, построенные на технологии искусственного интеллекта. Реализуемый университетом учебный процесс и научные изыскания находятся в прямой зависимости от качественных и количественных характеристик процесса комплектования книжного фонда. В связи с этим актуальным является возможный способ применения цифрового двойника, основанного на технологии искусственного интеллекта, как инструмента интеллектуального управления при составлении заказа литературы для университета путем ранжирования заказываемых изданий по показателям содержательной значимости, на основе принципов информационной равноценности и неравноценности значимых ссылок. Цель исследования. Обсуждаются структуры предлагаемого цифрового двойника, примеры вычисления рейтингов изданий, предложенных издательствами к покупке. Материалы и методы. Проанализированы принципы информационной равноценности, согласно которым все значимые ссылки обладают одинаковой информативной значимостью, и информационной неравноценности, содержание которых заключается в назначении информационного веса, вычисляемого на основе индексов цитирования авторов ссылающегося издания, каждой ссылке, выполненной сотрудниками университета. Результаты. Разработаны модели нейронных сетей, приводящие в исполнение цифровой двойник и предоставляющие возможность определения значимости литературы, представленной к приобретению, которые планируется рассматривать в качестве основных в процессе реализации интеллектуальной системы формирования заказа литературы, характеризующиеся оптимальными показателями. Предлагается использование алгоритма обучения с учителем, где входящей информацией является обучающий спектр данных, которые нейронная сеть получает, а затем распознает зависимости и корректно реагирует на поступающий тестовый набор данных. После полного обучения нейронной сети учителя планируется отключить, что предоставит возможность нейронной сети работать самостоятельно. Заключение. Функциональные возможности разработанных абстрактных моделей нейронных сетей могут быть расширены на предмет учета рейтинговых, качественных (по тематике публикаций), количественных (по наименованиям и видам изданий, стоимости заказа с доставкой и др.) показателей, а также определения количества экземпляров заказываемых изданий.