Архив статей журнала
В статье предложены структурные решения, связанные с построением системы управления инвестированием многообъектной организационной системы и ее детализации для принятия управленческих решений на стадиях формирования и реализации программы развития. Показано, что структуризация процесса управления определяется особенностями ряда составляющих: информационного обеспечения, требований управляющего центра, механизмами экспертного оценивания, необходимостью балансировки инвестиций на стадии формирования программы развития и ребалансировки - на стадии реализации. Интеллектуальная поддержка принятия управленческих решений осуществляется с использованием мониторинговой информации, прогностического и оптимизационного моделирования. Обоснована последовательность процедур в рамках структурной схемы управления процессом балансировки инвестиций при формировании программы развития многообъектной организационной системы. Указаны процедуры, которые требуют для своей реализации привлечения экспертных оценок. Рассмотрен переход к оптимизационному моделированию на основе трансформации требований управляющего центра в формализованное описание экстремальных и граничных требований. Возможности структуризации управления процессом ребалансировки инвестиций при реализации программы развития многообъектной организационной системы определены исходя из наличия информационных ресурсов, позволяющих сформировать временные ряды показателей эффективности и на этой основе обучить прогностические модели. Охарактеризованы задачи и методы оптимизации процесса принятия управленческих решений с использованием прогностических моделей.
В статье показаны возможности применения семантического анализа постов пользователей социальной сети ВКонтакте для мониторинга и прогнозирования депрессии. Подчеркивается серьезность проблемы депрессии, ее негативное влияние на здоровье и социум, а также актуальность ранней диагностики и помощи. В работе также обоснована необходимость и перспективы анализа данных русскоязычных социальных сетей для предотвращения развития депрессии у пользователей. В статье предложен подход, который позволяет проводить анализ текстовых данных и использовать логистическую регрессию для классификации пользователей по наличию депрессии. Результаты исследования показывают высокую точность модели с использованием логистической регрессии, что представляет потенциал для автоматизации процессов выявления и поддержки пользователей, страдающих депрессией по данным пользовательской информации в социальных сетях. Также приводится значимость данного метода, его практическая полезность для персонализированных интервенций, преимущества и перспективы развития, включая использование нейросетевых методов и анализ динамики данных. Несмотря на достигнутые результаты, отмечается необходимость дальнейшей работы над моделью, включая изучение других методов машинного обучения и учет изменений в психическом состоянии пользователя со временем. Развитие методов прогнозирования депрессии на основе данных социальных сетей, предложенных в статье, является важным направлением, способным принести значительный вклад в области психологии, здравоохранения и информационных технологий.