Применение графовых моделей в проектном управлении
Автор: Асанов А.З., Мышкина И.Ю., Грудцына Л.Ю.
Журнал: Онтология проектирования @ontology-of-designing
Рубрика: Инжиниринг онтологий
Статья в выпуске: 2 (48) т.13, 2023 года.
Бесплатный доступ
Исследуется возможность применения графовых моделей в проектном управлении для решения задачи формирования проектной группы и распределения работ проекта между потенциальными исполнителями. Выделены возможные направления применения онтологического моделирования в проектном управлении. Средствами редактора онтологий Protégé реализована онтология проекта. Исследуется возможность построения векторных представлений элементов простых графов и графов знаний в задаче формирования проектной группы. Задачи исследования: построение графовых моделей проектов - простого графа и графа знаний; применение векторных представлений вершин и отношений графовых моделей для решения задачи распределения работ проекта. Рассматривается возможность применения мер семантической близости в онтологии. Новизна предложенного подхода заключается в использовании при формировании проектной группы данных об участниках реализованных проектов, что повышает вероятность успешной реализации проекта. Представление элементов графа в виде числовых векторов позволяет применить к исследованию предметной области методы машинного обучения. Приводится пример решения задачи формирования рабочей группы проекта, в котором осуществлён выбор исполнителей проектной работы. Все расчёты осуществлены средствами языка Python .
Графовая модель, граф знаний, онтология, проект, команда, исполнитель
Короткий адрес: https://sciup.org/170199745
IDR: 170199745 | УДК: 519.711.3 | DOI: 10.18287/2223-9537-2023-13-2-232-242
Application of graph models in project management
The possibility of using graph models in project management to solve the problem of forming a project team and distributing project work among potential performers is investigated. The possible areas of application of ontological modeling in project management are highlighted. The ontology of the project is implemented by means of the Protégé ontology editor. The possibility of constructing vector representations of elements of simple graphs and knowledge graphs in the problem of forming a project team is investigated. The main objectives of the research are: the construction of graph models of projects, a simple graph and a knowledge graph; the use of vector representations of vertices and relationships of graph models to solve the problem of distributing project work. The possibility of applying semantic proximity measures in ontology is analyzed. The novelty of the proposed approach lies in the use of data on participants in completed projects when forming a project team, which increases the chance of successful project implementation. The representation of graph elements in the form of numerical vectors makes it possible to apply machine learning methods to the study of the subject area. An example of solving the problem of forming a project working group is given, in which the executors of the project work are selected. All calculations were carried out using the Python language.
Список литературы Применение графовых моделей в проектном управлении
- Царьков И.Н. Математические модели управления проектами. Москва: ИНФРА-М, 2019. 514 с.
- Асанов А.З., Мышкина И.Ю. Процедура формирования команды исполнителей проекта на основе когнитивных карт и генетических алгоритмов // Проблемы управления и моделирования в сложных системах: труды XXI Международной конференции. Самара : Офорт, 2019. С. 354-358.
- Сукар Л.Э. Вероятностные графовые модели. Принципы и приложения. Москва: ДМК Пресс, 2021. 338 с.
- Уилсон Робин. Введение в теорию графов, 5-е изд. Санкт-Петербург: ООО "Диалектика", 2019. 240 с.
- Кудрявцев Д.В., Беглер А.М., Гаврилова Т.А., Лещева И.А., Кубельский М.В., Тушканова О.Н. Метод коллективной визуальной разработки онтологического графа знаний // Искусственный интеллект и принятие решений. 2019. №1. С. 27-38.
- Крюков К.В., Панкова Л.А., Пронина В.А., Суховеров В.С., Шипилина Л.Б. Меры семантической близости в онтологии // Проблемы управления. 2010. №5. С.2-14.
- Цуканова Н.И. Онтологическая модель представления и организации знаний. Москва: Горячая линия -Телеком, 2015. 272 с.
- Гаврилова T.A., Хорошевский В.Ф. Базы знаний интеллектуальных систем. Санкт-Петербург: Питер, 2020. 384 с.
- Черняховская Л.Р., Малахова А.И. Разработка моделей и методов интеллектуальной поддержки принятия решений на основе онтологии организационного управления программными проектами // Онтология проектирования. 2013. №4. С. 42-52.
- Левенчук A. Системноинженерное мышление. TechlnvestLab, 2 апреля 2015. 305 с. sys-tems_engineering_thinking_2015 .pdf (techinvestlab. ru).
- Zaouga Wiem, Arfa Rabai Latifa Ben, Alalyani Wafa Rashid. Towards an Ontology Based-Approach for Human Resource Management // The 10th International Conference on Ambient Systems, Networks and Technologies (ANT). April 29 - May 2, 2019. Leuven, Belgium. P.417-424.
- Podgorelec V., Grasic B. Implementing Innovative IT Solutions with Semantic Web Technologies // Products and Services; from R&D to Final Solutions. Nov., 2010. DOI: 10.5772/10399.
- Макарова И.В., Хабибуллин Р.Г., Ушенин А.М., Михеева С.А., Карабцев В.С. Компьютер в инженерном образовании: новые возможности в подготовке инженеров для креативной экономики // Инженерное образование. 2016. №20. С.72-79.
- Асанов А.З., Мышкина И.Ю., Грудцына Л.Ю. Прогнозирование востребованности компетенций при корректировке программ обучения с помощью когнитивных моделей // Онтология проектирования. 2019. Т.9. №2 (32). С.203-213. DOI: 10.18287/2223-9537-2019-9-2-203-213.
- Болотова Л.С. Системы искусственного интеллекта: модели и технологии, основанные на знаниях. Москва: Финансы и статистика, 2012. 664 с.
- Флах П. Машинное обучение. Москва: ДМК, 2015. 400 с.
- KG Course 2021. Курс по графам знаний (Knowledge Graphs) и как их готовить в 2021 году. На русском языке. https://migalkin.github.io/kgcourse2021/.
- PerozziB., Al-Rfou R., Skiena S. DeepWalk: Online learning of social representations // KDD '14: Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data mining. August 2014. Pages 701-710. DOI: 10.1145/2623330.2623732.
- Grover Aditya, Leskovec Jure. node2vec: Scalable Feature Learning for Networks // KDD '16: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. August 2016. P.855-864. https://doi.org/10.1145/2939672.2939754.
- Ali M., Berrendorf M., Hoyt C. T., Vermue L., Galkin M., Sharifzadeh S., Fischer A., Tresp V., Lehmann J. Bringing Light Into the Dark:A Large-scale Evaluation of Knowledge GraphEmbedding Models Under a Unified Framework. 2020. DOI: 10.48550/arXiv.2006.13365.
- Jean-Baptiste Lamy. Ontologies with Python Programming OWL 2.0 Ontologies with Python and Owlready2. Apress, 2021. 270 p.
- Yang Bishan, Yih Wen-tau, He Xiaodong, Gao Jianfeng, Deng Li. Embedding Entities and Relations for Learning and Inference in Knowledge Bases // ICLR'15: Proceedings of the 3rd International Conference on Learning Representations. USA. May 7-9, 2015. https://arxiv.org/abs/1412.6575.