ГОСТ Р 57272.7—2016
Скользящие средние — статистика, используемая для анализа данных, представляющая собой
выборочные средние по фиксированному количеству наблюдений, в которых при последующем
вычислении исключают более ранние наблюдения и добавляют более поздние. Быстрые скользящие
средние — средние, определенные за период времени, который считают для данной ситуации
коротким, медленные — за период времени, который считают для данной ситуации достаточно
продолжительным.
Критичность измеряют, если текущие взгляды на соответствующую проблему или ситуацию под
вержены значительным изменениям. Выдаваемые оценки критичности лежат в диапазоне от 0 до 1.
Наибольшая критичностьсоответствуетнаибольшему объемутвитовза исследуемый периодипродол
жающемуся возрастанию тренда.
5.3 Метод S-RDI
Метод S-RDI (Semantic Risk Distance Index) применяют для анализа и визуализации данных.
Анализ данных основан на поиске подобия оценок, вычисленных при совпадении свойств, а также
семантическогоподобия текстов. Цель анализа — поиск сходства между хорошо известными и хорошо
управляемыми сценариями риска и сценариями риска, связанного с введением новыхтехнологий.
Метод выбора ключевых слов и ключевых фраз, основанный на связях и сходстве между ними,
относится к методам семантической кластеризации. Метод S-RDI определяет семантическое подобие
между ключевыми словами, подаваемых на вход, а результаты вычислений отображает графически.
Значимость узла в сети пропорциональна центральности собственного вектора (например, алгоритм
поиска Google — PageRank дает оценку значимости узла). Значимость узла показана при помощи цве
товой индикации(более насыщенному цвету соответствует болеевысокая значимость).Толщина ребра
графасети указываетна степеньподобия. На рисунке2 представленпример визуализациианализасети с
помощью метода S-RDI.
АЗ
О
С4
D4
D3
• С2
62
• С5
Рисунок 2 — Визуализация анализа сети при помощи S-RDI
П р и м е ч а н и е — Имена узлов сети на рисунке 2 состоят из буквы латинского алфавита и цифры.
МетодS-RDI предназначендляанализа ивизуализациисходств ивзаимосвязейсредиоченьболь
шого количества элементов, допускающих возможность текстовогоописания. Например, он применим,
когда при анализетысячдокументов, содержащихописаниеразличныхновых рисков, возникаютзадачи
ю