Scientific and analytical journal «Vestnik Saint-Petersburg university of State fire service of EMERCOM of Russia» Scientific and analytical journal «Vestnik Saint-Petersburg university of State fire service of EMERCOM of Russia» Научно-аналитический журнал "Вестник Санкт-Петербургского университета ГПС МЧС России" 2218-130X 65966 ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ INFORMATICS, COMPUTER ENGINEERING AND CONTROL ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ ARCHITECTURE OF THE INFORMATION SYSTEM FOR THE ANALYSIS OF PATTERNS IN INFORMATION FLOWS АРХИТЕКТУРА ИНФОРМАЦИОННОЙ СИСТЕМЫ АНАЛИЗА ЗАКОНОМЕРНОСТЕЙ В ИНФОРМАЦИОННЫХ ПОТОКАХ Самарин Максим Александрович Samarin Maxim A. samarin2024@list.ru https://orcid.org/0000-0002-4607-7519 Максимов Александр Викторович Maksimov Alexander V. he1nze@mail.ru

кандидат технических наук;

candidate of technical sciences;

 Санкт-Петербургский университет ГПС МЧС России Saint Petersburg university of State fire service of EMERCOM of Russia Санкт-Петербургский университет ГПС МЧС России Санкт-Петербург Россия Saint-Petersburg university of State fire service of EMERCOM of Russia Saint-Petersburg Russian Federation 07 07 2023 07 07 2023 2023 2 177 185 12 05 2023 29 05 2023 https://journals.igps.ru/en/nauka/article/65966/view

В последнее время значительно увеличилась роль различного рода социальных сетей как источника массива разнородных данных, в том числе при возникновении происшествий и чрезвычайных ситуаций. Анализ всего массива таких гетерогенных данных, аккумулирующихся в социальных сетях, позволяет на его основе принимать управленческие решения и вырабатывать сценарии превентивных действий спасательных служб при возникновении происшествий. Это требует разработки специализированной информационной системы, направленной на решение данной задачи. В настоящей статье предложена оригинальная архитектура данной информационной системы, на основе которой в дальнейшем планируется реализация программного продукта.

Recently, the role of various kinds of social networks has significantly increased as a source of an array of heterogeneous data, including in the event of incidents and emergencies. Analysis of the entire array of such heterogeneous data accumulated in social networks makes it possible to make managerial decisions on its basis and develop scenarios for preventive actions by rescue services in the event of an accident. This requires the development of a specialized information system aimed at solving this problem. This paper proposes the original architecture of this information system, on the basis of which the implementation of the software product is planned in the future.

 большие данные чрезвычайная ситуация программное средство коэффициенты и индикаторы структуризация big data emergency software tool coefficients and indicators structuring

Thaduri A. Railway Assets: A Potential Domain for Big Data Analytics // Procedia Computer Science. 2015. Vol. 53. P. 457-467. Thaduri A. Railway Assets: A Potential Domain for Big Data Analytics // Procedia Computer Science. 2015. Vol. 53. P. 457-467. Рабинович А.Е., Август А.В. Применение технологии Big Data в сфере железнодорожного сообщения // Оригинальные исследования. 2021. Т. 11. С. 155-161. Rabinovich A.E., Avgust A.V. Primenenie tekhnologii Big Data v sfere zheleznodorozhnogo soobshcheniya // Original'nye issledovaniya. 2021. T. 11. S. 155-161. Сбоев А.Г. Нейросетевое моделирование и машинное обучение на основе экспериментальных и наблюдательных данных: дис. … д-ра физ.-мат. наук. М., 2021. 389 с. Sboev A.G. Nejrosetevoe modelirovanie i mashinnoe obuchenie na osnove eksperimental'nyh i nablyudatel'nyh dannyh: dis. … d-ra fiz.-mat. nauk. M., 2021. 389 s. Вострых А.В. Когнитивная модель описания пользователей информационных систем, используемых в МЧС России // Природные и техногенные риски (физико-математические и прикладные аспекты). 2022. № 2 (42). С. 47-57. Vostryh A.V. Kognitivnaya model' opisaniya pol'zovatelej informacionnyh sistem, ispol'zuemyh v MCHS Rossii // Prirodnye i tekhnogennye riski (fiziko-matematicheskie i prikladnye aspekty). 2022. № 2 (42). S. 47-57. Вострых А.В. Метод оценки эффективности графических пользовательских интерфейсов программных продуктов // Приборы и системы. Управление, контроль, диагностика. 2022. № 10. С. 19-28. Vostryh A.V. Metod ocenki effektivnosti graficheskih pol'zovatel'skih interfejsov programmnyh produktov // Pribory i sistemy. Upravlenie, kontrol', diagnostika. 2022. № 10. S. 19-28. Еременко К. Работа с данными в любой сфере. Как выйти на новый уровень, используя аналитику. М.: Альпина Паблишер, 2019. 304 с. Eremenko K. Rabota s dannymi v lyuboj sfere. Kak vyjti na novyj uroven', ispol'zuya analitiku. M.: Al'pina Pablisher, 2019. 304 s. Стивенс-Давидовиц С. Все лгут. Поисковики, Big Data и Интернет знают о вас все. М.: Эксмо, 2018. 384 с. Stivens-Davidovic S. Vse lgut. Poiskoviki, Big Data i Internet znayut o vas vse. M.: Eksmo, 2018. 384 s. Максимов А.В., Матвеев А.В. Перспективы применения искусственного интеллекта в анализе больших данных социальных сетей при возникновении чрезвычайных ситуаций // Сервис безопасности в России: опыт, проблемы, перспективы. Современные методы и технологии предупреждения и профилактики возникновения чрезвычайных ситуаций: материалы XI Всерос. науч.-практ. конф. 2019. С. 284-286. Maksimov A.V., Matveev A.V. Perspektivy primeneniya iskusstvennogo intellekta v analize bol'shih dannyh social'nyh setej pri vozniknovenii chrezvychajnyh situacij// Servis bezopasnosti v Rossii: opyt, problemy, perspektivy. Sovremennye metody i tekhnologii preduprezhdeniya i profilaktiki vozniknoveniya chrezvychajnyh situacij: materialy XI Vseros. nauch.-prakt. konf. 2019. S. 284-286. Максимов А.В., Матвеев А.В. Перспективы использования коллективных знаний при реагировании на чрезвычайные ситуации // Науч.-аналит. журн. «Вестник С.-Петерб. ун-та ГПС МЧС России». 2019. № 4. С. 89-97. EDN QPBTLA. Maksimov A.V., Matveev A.V. Perspektivy ispol'zovaniya kollektivnyh znanij pri reagirovanii na chrezvychajnye situacii // Nauch.-analit. zhurn. «Vestnik S.-Peterb.un-ta GPS MCHS Rossii». 2019. № 4. S. 89-97. EDN QPBTLA. Гудовских Д.В. Анализ эмотивности текстов на основе психолингвистических маркеров с определением морфологических свойств // Вестник ВГУ. Сер.: Лингвистика и межкультурная коммуникация. 2015. № 3. С. 92-97. Gudovskih D.V. Analiz emotivnosti tekstov na osnove psiholingvisticheskih markerov s opredeleniem morfologicheskih svojstv // Vestnik VGU. Ser.: Lingvistika i mezhkul'turnaya kommunikaciya. 2015. № 3. S. 92-97. Pang B., Lee L. Opinion mining and sentiment analysis // Foundations and Trendsin Information Retrieval. 2008. Vol. 2. № 1/2. P. 543-561. Pang B., Lee L. Opinion mining and sentiment analysis // Foundations and Trendsin Information Retrieval. 2008. Vol. 2. № 1/2. P. 543-561. Леонтьев А.А. Основы психолингвистики. М.: СМЫСЛ, 1997. 287 с. Leont'ev A.A. Osnovy psiholingvistiki. M.: SMYSL, 1997. 287 s. Sadegh M. Opinion mining and sentiment analysis: A survey // International Journal of Computers & Technology 2.3. 2012. P. 171-178. Sadegh M. Opinion mining and sentiment analysis: A survey // International Journal of Computers & Technology 2.3. 2012. P. 171-178. Beigi G. An overview of sentiment analysis in social media and its applications in disaster relief // Sentiment analysis and ontology engineering. Springer. 2016. P. 313-340. Beigi G. An overview of sentiment analysis in social media and its applications in disaster relief // Sentiment analysis and ontology engineering. - Springer. 2016. pp. 313-340. Mika V.M., Graziotin D., Kuutila M. The evolution of sentiment analysis - A review of research topics, venues, and top cited papers // Computer Science Review 27. 2018. P. 16-32. Mika V.M., Graziotin D., Kuutila M. The evolution of sentiment analysis - A review of research topics, venues, and top cited papers // Computer Science Review 27. 2018. P. 16-32. Mikolov T. Distributed representations of words and phrases and their compositionality // Advances in neural information processing systems. 2013. P. 3111-3119. Mikolov T. Distributed representations of words and phrases and their compositionality // Advances in neural information processing systems. 2013. P. 3111-3119. Wei X. Low-Resource cross-Domain product review sentiment classification based on a CNN with an auxiliary large-Scale corpus // Algorithms. 2017. Т. 10. № 3. P. 81. Wei X. Low-Resource cross-Domain product review sentiment classification based on a CNN with an auxiliary large-Scale corpus // Algorithms. 2017. T. 10. № 3. P. 81. McAuley J. Inferring networks of substitutable and complementary products. In Proceedings of the International Conference on Knowledge Discovery and Data Mining (KDD’15). Sydney, Australia. 2015. P. 178-183. McAuley J. Inferring networks of substitutable and complementary products. In Proceedings of the International Conference on Knowledge Discovery and Data Mining (KDD’15). Sydney, Australia. 2015. P. 178-183.