АННОТАЦИЯ Cтатья посвящена исследованию объекта Викиданных “Битва”, а также сравнению с объектом “Война”. С помощью SPARQL-запросов, вычисляемых на объектах типа “битва” и “война” в Викиданных, проведено исследование, связанное с географическими координатами. Был получен список всех битв. Были отрисованы карты с указаниями битв и войн, с заполненными и не заполненными данными в поле “coordinate location”. Были получены списки битв и войн, у которых есть поле “location”, но нет поля “coordinate location”. Был построен список битв и войн без точной геопривязки, но c указанием того географического объекта, который связан с военным конфликтом через свойство “location”.

АННОТАЦИЯ Исследуем воздушные суда на основе базы знаний международного проекта Викиданные. С помощью SPARQL-запросов, вычисляемых на объектах типа “Воздушные суда” в Викиданных, решены такие задачи: выведен список всех воздушных судов, построена диаграмма соотношения количества производителей воздушных судов по странам. Выполнена оценка полноты Викиданных по этой теме. Осуществлено заполнение данных при помощи скрипта.

АННОТАЦИЯСтатья посвящена исследованию объекта Викиданных “природоохранная зона”.С помощью SPARQL-запросов были решены следующие задачи: выведен список всех экземпляров объекта “природоохранная зона”, выведен список всех экземпляров объекта “природоохранная зона”, находящихся на территории России, построена столбчатая диаграмма, отображающая динамику изменения количества новых природоохранных зон в России и в мире по десятилетиям, построена пузырьковая диаграмма, отображающая соотношение количества природоохранных зон в разных странах. Также был произведен анализ полноты Викиданных, дополнена информация у 100 экземпляров объекта “природоохранная зона”.

АННОТАЦИЯ Исследуем свойства банков на основе базы знаний международного проекта Викиданные. С помощью SPARQL-запросов, вычисляемых на объектах вида “банк” в Викиданных, далее решены такие задачи: выведен список всех банков мира, получен перечень стран, упорядоченных по числу банков, построен граф банков и их материнских компаний или владельцев. Кроме того, выполнена оценка полноты Викиданных по данной теме. ПРИМЕЧАНИЕ Статья распространяется по лицензии Creative Commons Attribution-ShareAlike. Материалы этой статьи использованы в главе курса Викиверситета “Программирование Викиданных” . Иллюстрации загружены на Викисклад. Над статьёй в 2017 году работали Крижановский А. А., Панфилова О. С.  

INSTANCES OF THE OBJECT BANK Let’s list all banks with the following script, see listing [instbank]. #List of `instances of` "bank" SELECT ?bank ?bankLabel WHERE { ?bank wdt:P31 wd:Q22687. SERVICE wikibase:label { bd:serviceParam wikibase:language "en" } }

АННОТАЦИЯ Данная статья посвящена исследованию объекта Викиданных “Национальный парк”. С помощью SPARQL-запросов, вычисляемых на объектах типа “национальный парк” в Викиданных, решены такие задачи: выведен список всех ныне существующих национальных парков, список национальных парков, упорядоченных по дате создания, диаграмма парков, упорядоченных по количеству за разные годы и по странам мира, а так же карта всех национальых парков, построенная на основе географических координат. Кроме того, сделаны выводы по поводу полноты Викиданных по данной теме.

ПРИМЕЧАНИЕ Статья распространяется по лицензии Creative Commons Attribution-ShareAlike. Материалы этой статьи использованы в главе курса Викиверситета “Программирование Викиданных” . Иллюстрации загружены на Викисклад. Над статьёй в 2017 году работали Крижановский А. А., Азаренкова Е. М.

Статья посвящена исследованию объекта Викиданных — “Университет”. С помощью SPARQL-запросов к Викиданным, решены следующие задачи: построение списка всех университетов, построение пузырьковой диаграммы, показывающей соотношение университетов в разных странах, отображение на карте университетов, расположенных в России. В ходе работы дополнена информация у объектов Викиданных, соответствующих университетам России, сделаны выводы о полноте данных, представленных в Википедии и в Викиданных.

ПРИМЕЧАНИЕ Статья распространяется по лицензии Creative Commons Attribution-ShareAlike. Материалы этой статьи использованы в главе курса Викиверситета “Программирование Викиданных”. Иллюстрации загружены на Викисклад. Над статьёй в 2017 году работали Крижановский А. А., Ерофеев И. С.

АННОТАЦИЯ Статья посвящена исследованию наиболее важных свойств объекта Викиданных “Субъекты России”. С помощью SPARQL-запросов были получены данные о количестве экземпляров объекта “Области России”, о количестве всех существующих на данный момент времени субъектов Российской Федерации(рассматривались области России, республики, города федерального значения, края, автономные области, автономные округа, бывшие административно-территориальные единицы), построен граф соседних субъектов РФ и стран, а также нарисована карта, на которой отмечена численность населения отдельных субъектов Российской Федерации. Более того, рассматривалась задача, в которой исследовалась заполненость свойства “shares border with”(граничит с) у каждого экземпляра рассматриваемых объектов. По ходу работы пополнялись поля со свойствами в Викиданных. Читатель познакомится с компьютерной обработкой Викиданных и визуализацией информации о регионах России.

АННОТАЦИЯ Статья посвящена исследованию объекта Викиданных “аниме”. С помощью SPARQL-запросов, вычисляемых на объектах типа “аниме” в Викиданных, решены такие задачи: выведен упорядоченный список сэйю по числу озвученных ими аниме, построена гистограмма по числу сэйю, озвучивших одно и более аниме, построен граф, связывающий сэйю и озвученные ими аниме.

Эта глава посвящена исследованию стран на основе базы знаний международного проекта Викиданные. С помощью SPARQL-запросов, вычисляемых на объектах типа “страна” в Викиданных, получены: выведен список всех ныне существующих стран, перечень стран, упорядоченных по дате создания, список этнохоронимов стран, пузырьковая диаграмма с формами правления стран и граф соседних стран. Кроме того, сделаны отностительно полноты Викиданных по данной теме.

АННОТАЦИЯ 10000 10000 Исследуем свойства языков программирования на основе базы знаний международного проекта Викиданные. С помощью SPARQL-запросов, вычисляемых на объектах типа “язык программирования” в Викиданных, решен ряд задач. Получен перечень всех языков программирования под пермиссивными лицензиями. Построена пузырьковая диаграмма по количеству форматов файлов исходного кода. Построены карты, отображающие месторасположение учебных заведений и компаний, в которых учились или работали люди, связанные с созданием языков программирования. Получен список всех объектно-ориентированных языков программирования. Получен вывод об исчерпывающей полноте Викиданных относительно объектно-ориентированных языков программирования.

_Open data Russia and the analysis of research topics and ages of Russian mathematicians based on Wikidata._ The article consists of two parts. Open data Russia criticism is presented in the first part. A careful and thorough research and analysis based on Open data Russia is impossible now due to the system errors and technical defects in this data set. Thus the research based on Wikidata is presented in the second part of the paper. The most popular research topics of Russian mathematician found with the help of Wikidata.

АННОТАЦИЯ В статье поставлен вопрос формализации понятия синонимии. На основе векторного представления слов в работе предлагается геометрический подход для математического моделирования наборов синонимов (синсетов). Определен такой вычислимый атрибут синсетов, как _внутренность синсета_ (IntS). Введены понятия _ранг_ и _центральность_ слов в синсете, позволяющие определить более значимые, “центральные” слова в синсете. Для ранга и центральности дана математическая формулировка и предложена процедура их вычисления. Для вычислений использованы нейронные модели (Skip-gram, CBOW), созданные программой Т. Миколова word2vec. На примере синсетов Русского Викисловаря построены IntS по нейронным моделям корпусов проекта RusVectores. Результаты, полученные по двум корпусам (Национальный корпус русского языка и новостной корпус), в значительной степени совпадают. Это говорит о некоторой универсальности предлагаемой математической модели. Ключевые слова: синоним, синсет, нейронная сеть, корпусная лингвистика, word2vec, RusVectores, gensim, Русский Викисловарь Keywords: synonym, synset, neural network, corpus linguistics, word2vec, RusVectores, gensim, Russian Wiktionary

Человеческому языку присуща неоднозначность. В частности лексическая неоднозначность представлена во всех естественных языках. Например, в английском языке существительное «_plant_» может означать «_зеленое_ _растение_» или «_завод_», аналогично французское слово «_feuille_» может иметь значение «_лист (растения или дерева)_» или «_лист бумаги_». Точное толкование многозначного слова может быть выбрано на основе контекста, в котором оно употребляется и соответственно задача выбора верного значения слова определяется как задача автоматического назначения наиболее подходящего для пользователя толкования данного слова в пределах контекста . Лексическая многозначность (полисемия) — это фундаментальное свойство естественных языков: каждое слово может иметь более одного значения. Разрешение лексической многозначности (англ. word sense disambiguation или WSD) — задача определения смысла (значения) слова, которое принимается в определенном контексте . В данном исследовании рассматривается метод построения лексических цепочек. Данный метод подразумевает, что у отрывков из разговорного или письменного текста есть свойство единства. Синтаксические и лексические средства могут использоваться, чтобы создать ощущение связности между предложениями, явление, известное как текстовая связность. Из всех средств связи лексическая связность, вероятно, наиболее поддающаяся автоматической идентификации. Лексическая связность возникает, когда слова связаны семантически, например в отношениях повторения между термином и синонимом. Формирование лексической цепочки – это процесс соединения семантически связанных слов . В статье с целью реферирования текста строится модель в виде лексических цепочек. Реферирование включает четыре этапа: оригинальный текст делится на блоки (сегменты), строятся лексические цепочки, определяются сильные цепочки, извлекаются важные предложения. Суть метода заключается в объединении разных частей текста в одно целое, в то, что имеет общее значение (смысл). В данной статье объединяются различные слова в тексте с целью нахождения общего значения между ними. Таким образом, происходит избавление от лексической многозначности. В статье описывается два способа формирования лексической связности: - Лексическая связность повторений (reiteration category) достигается повтором слов, использованием синонимов и гипонимов; - Лексическая связность словосочетаний (collocation category) определена для слов, которые часто употребляются вместе, то есть встречаются в одних и тех же контекстах; Слова и фразы, между которыми существует лексическая связность, представляют собой лексическую цепочку (lexical chains). Метод лексических цепочек основан на анализе совместной встречаемости слов и лексических связей между словами. Достоинство лексических цепочек состоит в том, что их не сложно распознать и построить. Метод построения лексических цепочек включает шаги: 1. Выбирается набор слов-кандидатов (существительные и составные существительные). Это кандидаты на включение в цепочки; 2. Строится список всех значений для каждого слова-кандидата (по данным словаря); 3. Для каждого значения каждого слова-кандидата находится связь для каждого слова во всех уже построенных цепочках (слово в цепочке имеет строго определённое значение, задаваемые другими словами в той же цепочке); 4. Слово-кандидат добавляется в цепочки со словами, в которых найдена связь. Смысловая неоднозначность устраняется, то есть в цепочку добавляется не просто слово, а его конкретное значение; Для иллюстрации метода приведем пример на отрывке текста, представленного ниже, и определим, какие значения будут выбраны для слов «_любовь_» и «_дом_». Первым существительным в тексте является слово «_любовь_», исходя из данных Русского Викисловаря, у него есть семь различных значений : 1. ЧУВСТВО глубокой привязанности к кому-либо, чему-либо; Материнская любовь; Любовь к другу; цит. Люблю ОТЧИЗНУ я, но странною любовью! Не победит её рассудок мой. [М. Ю. Лермонтов, «Родина», 1841 г.]; 2. ЧУВСТВО расположения, симпатии к кому-либо; 3. ЧУВСТВО горячей сердечной склонности, влечение к другому человеку; 4. чья-то о человеке, внушающем ЧУВСТВО любви (в предыдущем значении); 5. любовные отношения; 6. внутреннее стремление, влечение, склонность, тяготение к чему-либо; 7. пристрастие к чему-либо, предпочтение чего-либо; Наличие нескольких значений разбивает пространство цепочек на несколько множеств интерпретаций, в каждой из которых используются разные значения слова «любовь». Четыре первых значения слова «_любовь_» связаны со словом «_чувство_» и только в первом значении «_любовь_» (цит. Люблю отчизну я, но странною любовью! Не победит её рассудок мой. [М. Ю. Лермонтов, «Родина», 1841 г.]) связана со словом «_Родина_», отсюда получаем две интерпретации (Рис.1). ЛЮБОВЬ к РОДИНЕ – одно из самых мощных, возвышенных ЧУВСТВ. Она в полной МЕРЕ проявилась в братской ПОДДЕРЖКЕ ЖИТЕЛЕЙ Крыма и Севастополя, когда они твердо решили вернуться в свой родной ДОМ. (В. В. Путин)

Трудности в определении понятия синонима, влекущие к неоднозначности в понимании этого термина, приводят к необходимости введения некоторой формализации, которая позволила бы дать количественные характеристики для описания соотношений между словами. В докладе предложен подход к математическому моделированию понятия синсета (набора синонимов).

Академическое ранжирование  — процесс построения рейтинга высших учебных заведений на основе учёта различных факторов. Ранжирование проводится университетами, журналами, правительством, независимыми экспертами. При большом количестве ранжируемых университетов количество национальных вузов, вошедших в число лучших вузов мира, становится важным показателем, характеризующим систему высшего образования . В мире существует достаточно большое число рейтингов вузов. Рейтинги создаются для повышения конкуренции, как между отдельными вузами, так и между национальными системами высшего образования. При составлении каждого рейтинга исследовательская группа использует собственную методологию  — за основу берутся различные критерии, их сочетания и методы сбора информации. Для существующих рейтингов такие термины как «качество образования», «уровень научных исследований», «академическая репутация» могут иметь различное значение. Международные рейтинги университетов задают стандарты современного университета, которым пытаются следовать многие вузы, и пытаются влиять на исследователей. Однако далеко не всеми исследователями университетские рейтинги оцениваются позитивно . На сегодняшний день не существует «идеального» рейтинга, то есть такого рейтинга, который сможет охватить все существующие вузы, будет обладать прозрачной методикой и все будут довольны результатами ранжирования. Составители рейтингов преследуют определенные цели и ориентируются на целевую аудиторию при составлении рейтингов. Так в одном рейтинге отдельный вуз может занимать лидирующие места, а в другом занимать позицию далеко не в первом десятке. Не представляется возможным равняться сразу на всех. Ключевым фактором, влияющим на величину рейтинга, является наличие (или отсутствие) того или иного показателя. Поэтому при ранжировании любой перечень учитываемых показателей должен опираться на научную основу . Основной целью исследования является построение нового рейтинга по данным из Википедии и сравнение нового рейтинга с существующими путем вычисления метрики «ошибка расстояния» (error distance). К наиболее известным моделям глобальных рейтингов относят : - академический рейтинг университетов мира (ARWU, Academic Ranking of World Universities),   - международный рейтинг университетов британского издания Times Higher Education (THE),   - вебометричеcкий рейтинг испанской лаборатории Cybermetrics (Webometrics). Целью работы является сравнение существующих глобальных университетских рейтингов путем вычисления «ошибки расстояния» и проверка устойчивости данного метода путем перестановках объектов (в данном случае вузов) внутри списка (рейтинга).