МОДЕЛИРОВАНИЕ СОЦИАЛЬНО- ПОЛИТИЧЕСКИХ СТРУКТУР МЕТОДОМ РАСПОЗНАВАНИЯ ОБРАЗОВ: ПАРТИИ И ИХ ОРИЕНТАЦИИ Павлютенкова М.Ю.

План лекции 1. Общая постановка проблемы 2. Формализация проблемы 3. Информационная модель проблемы 4. Границы применимости модели

ОБЩАЯ ПОСТАНОВКА ПРОБЛЕМЫ ШАГ 1.

Общая постановка проблемы Одной из проблем, с которыми приходится сталкиваться политологу, является проблема классификации. Процессы, происходящие в той или иной социальной общности, трудно понять без выявления составляющих ее основных социальных групп. При выборах по партийным спискам прогнозировать состав будущего парламента невозможно, не зная всего спектра политических ориентаций и соотношения сил наиболее влиятельных партий и политических коалиций. В парламенте возникает проблема оптимального объединения депутатских групп во фракции и коалиции, блокирования по тем или иным вопросам, прогноза результата голосования.

Общая постановка проблемы В изменчивой общественной среде не бывает раз и навсегда заданных структур. Ее элементы непрерывно видоизменяются, делятся, сливаются, исчезают и нарождаются вновь. В каждой новой ситуации может возникать новая совокупность элементов, решающим образом влияющих на политическое развитие. Каждая задача требует выявления адекватной ей совокупности. Потребность эта особенно велика в переломные моменты, в условиях повышенного динамизма социальных процессов. Актуальным становится их исследование в системно- структурном аспекте.

Общая постановка проблемы Обратная задача: классификация показателей, характеризующих совокупность элементов исследуемого объекта. Какие показатели и как тесно коррелируют между собой? Из каких компонентов состоят определяющие факторы политического развития и каким образом они сгруппированы в конкретной ситуации? Ответив на эти вопросы, можно выявить и те решающие точки, воздействие на которые дает возможность изменять характер и направление политического процесса.

ФОРМАЛИЗАЦИЯ ПРОБЛЕМЫ ШАГ 2.

Формализация проблемы Получить заранее не заданную, «ненасильственную» структуру взаимосвязей между субъектами политики, классифицировать их ориентации по данным социологических исследований можно с помощью алгоритмов «самообучения ЭВМ» – одного из основных методов теории распознавания образов. Полученная в результате модель дает возможность наглядного представления переработанной информации. Классификация исследуемых объектов всегда начинается со сведения полученной информации в таблицу, позволяющую сопоставить характеризующие их показатели.

МАТРИЦА (ТАБЛИЦА) ПАРТ ИИ j\i П О К А З А Т Е Л И

Формализация проблемы Теперь каждый объект может быть изображен точкой или вектором в m-мерном пространстве, где m – число показателей. Эта точка как бы аккумулирует в себе все значения признаков – координат данного вектора. Точнее говоря, ее положение в m-мерном пространстве однозначно определяется всеми значениями показателей (координатами вектора), характеризующими данный объект. Эту точку (конец вектора) можно назвать образом данного объекта, его моделью.

Формализация проблемы Если измеренные значения этих показателей имеются у каждого объекта, то совокупность образов объектов в пространстве показателей можно представить себе как некое облако точек (нечто вроде созвездия). Полученные таким путем точки (образы) отделены от других точек определенными расстояниями в m – мерном пространстве. Измерив теперь эти расстояния, можно получить числовое выражение близости (отдаленности) соответствующих объектов по совокупности показателей. Возникнут «сгущения» и «разрежения» образов.

Формализация проблемы Существуют алгоритмы, позволяющие выделить эти «сгущения» и «разрежения». При этом компьютер как бы самостоятельно разбивает исходное множество объектов на заранее не заданные группы (классы, таксоны). Алгоритмы такого типа называются алгоритмами «самообучения» или алгоритмами автоматической классификации. Существует свыше 300 алгоритмов такого рода.

Формализация проблемы Для наших целей недостаточно разбить исходное множество образов на группы. Необходимо также получить структуру взаимосвязей между этими образами и выявить иерархию полученных разбиений (объединить классы в типы). Алгоритм структурной таксономии позволяет выделить группы наибольшей близости («взаимного притяжения») и наибольшей отдаленности («взаимного отталкивания») между образами, выстроить кратчайший незамкнутый путь между ними, разбить этот путь на участки, определив тем самым границы между таксонами.

Формализация проблемы Наш алгоритм позволяет получить не только «сгущения» и «разрежения» образов, но и структуру взаимосвязей между ними. В итоге возникает «дерево взаимосвязей» – граф, вершины которого соответствуют образам, а ребра – связям (расстояниям, мерам близости в пространстве показателей) между ними. Вершинам графа соответствуют исследуемые объекты.

Таким образом получается иерархия разбиений исходного множества образов. В тех случаях, когда разбиений на группы не получается вообще (т.е. все образы составляют один таксон), информативна сама структура взаимосвязей между образами.

Обратная задача Тот же самый алгоритм «самообучения» позволит получить заранее не заданные группы показателей (ориентаций и др.) и структуру взаимосвязей между ними. Теперь показатели образуют в пространстве объектов «созвездия», «облака точек». Показатели станут исследуемыми объектами, а объекты – их показателями. Теперь «вывернем наизнанку» поставленную проблему.

ИНФОРМАЦИОННАЯ МОДЕЛЬ ПРОБЛЕМЫ Шаг 3.

Концептуальная модель задачи По матрицам методом «самообучения» выстраиваются пути максимальных и минимальных связей. В результате возникают таблицы (матрицы) корреляций между объектами по показателям и между показателями по объектам. Введенная информация обрабатывается компьютерной программой. Для классификации использованы те же партии (объекты) и характеризующие их показатели (признаки), что и в предыдущей модели.

ГРАНИЦЫ ПРИМЕНИМОСТИ Шаг 4.

Границы применимости

Метод не требует никаких априорных гипотез о характере статистических распределений. Это неклассический подход. Когда речь идет об ориентациях и т.д., естественно рассчитывать матрицы корреляций. В других случаях можно использовать разные метрики мер близости (евклидовы, например). Это достоинство подхода, т.к. число способов и приемов классификации в реальной действительности поистине безбрежно.

Литература 1. Вапник В.Н. Задача обучения распознаванию образов. – М., Загоруйко Н.Г. Методы распознавания и их применение. – М., Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. – М., Леванский В.А. Моделирование в социально-правовых исследованиях. – М., Леванский В.А., Бажанова Е.Ю. Общественные предпочтения // Народный депутат. – 3. – Компьютерное моделирование социально- политических процессов. // Под общ. ред. О.Ф. Шаброва. – М., Интерпракс, – Электронный ресурс -