Лингвистическая экспертиза

6.2 Методика TF–IDF и косинусного сходства

Текстовое сопоставление используется как инструмент поиска близких формулировок. Оно основано на очищенных профилях целей, задач, результатов и показателей. Из профилей исключены повторяющиеся организационные реквизиты и бюджетные таблицы, чтобы объём финансовых строк либо повторение должностей не определяли сходство. Национальный и девять федеральных паспортов содержат в таких профилях 12 479 слов. Словарь весов построен на фиксированном корпусе из 137 документов, что позволяет сравнивать отличительность терминов на общей основе. с. 93 исходного отчёта

Использованы отдельные слова и пары последовательных слов, не более 20 000 признаков, минимальная частота присутствия в одном документе и исключение признаков, встречающихся более чем в 98% документов. Частота слова преобразуется логарифмически; обратная документная частота сглаживается. До нормирования вес термина определяется следующей формулой. [128] с. 93 исходного отчёта

Здесь f — частота термина t в документе d, N — число документов, df — число документов, содержащих термин. Для отсутствующего термина вес равен нулю. После расчёта вектор каждого документа нормируется по евклидовой длине. Поэтому часто встречающееся внутри одного документа, но не повсеместное словосочетание может получить больший вес, чем общая управленческая формула. с. 93 исходного отчёта

Косинусное сходство вычисляется как скалярное произведение векторов, делённое на произведение их длин. В рассматриваемом неотрицательном пространстве близость к единице означает сходную структуру взвешенных терминов. Значение 0,30 не означает совпадение 30% смысла, 30-процентную вероятность связи или вклад одного проекта в другой. Метод не распознаёт автоматически причинность, юридическую эквивалентность и различие между намерением и достигнутым результатом. с. 94 исходного отчёта

В национальном паспорте наиболее отличительны сочетания, связанные с информационными технологиями, использованием данных, официальной статистикой и предоставлением массовых социально значимых услуг. Лидирующие веса находятся приблизительно в диапазоне 0,075–0,087. Их близость и наличие частично перекрывающихся сочетаний показывают выраженность соответствующей лексики, но не позволяют ранжировать общественную важность направлений. Например, отдельное слово и содержащая его биграмма могут занимать соседние позиции, не представляя двух самостоятельных целей. с. 94 исходного отчёта

6.3 Внутрипроектная специализация и тематические акценты

Наибольшее попарное лексическое сходство среди десяти выбранных паспортов наблюдается между национальным проектом и Ц4 «Цифровое государственное управление»: 0,317. Национальный паспорт также близок к Ц7 «Инфраструктура кибербезопасности» — 0,253, Ц2 «Цифровые платформы в отраслях социальной сферы» — 0,211 и Ц5 «Отечественные решения» — 0,205. Меньшая величина для Ц6 «Прикладные исследования и перспективные разработки» — 0,111 — отражает специализированный словарь исследовательского направления и не является оценкой его полезности. [130] с. 95 исходного отчёта

Матрица обнаруживает одновременно общее управленческое ядро и специализированные технологические направления. Такую конфигурацию следует использовать для постановки вопросов о передаче результата. Для исследовательского направления необходимы явные переходы от технического достижения к применению; для кадрового — от обучения к использованию компетенций; для инфраструктурного — от созданного объекта к доступной услуге. Низкая лексическая близость может объясняться корректной специализацией, а высокая — повторением общих формулировок. Ни один вариант не позволяет обойти содержательную проверку. с. 96 исходного отчёта

Словарный тематический анализ дополняет TF–IDF. В совокупности десяти профилей тема цифровой среды и данных даёт 45,12 совпадения на 1000 слов, управления и оценки — 12,82, науки и инноваций — 10,18, образования и молодёжи — 9,22. Значения рассчитаны через суммарное число совпадений и общий объём профилей, поэтому большие документы имеют больший вклад в общий профиль. На рисунке дополнительно показана нормированная частота внутри каждого паспорта. с. 97 исходного отчёта

Словарные темы пересекаются, а отдельное слово может иметь несколько контекстов. Поэтому частоты не складываются до 100% и не описывают распределение бюджета, трудозатрат либо общественной пользы. Нулевое совпадение означает отсутствие заданного словарного признака в очищенном профиле. Оно не удостоверяет отсутствия соответствующего содержания в полном документе или практике реализации. Особенно осторожно следует читать названия широких тем, объединяющих разнородные термины: они служат навигации по тексту, после которой требуется обращение к конкретной формулировке. с. 97 исходного отчёта

6.4 Проверка лексических кандидатов связи

Для каждого результата отобрано не более трёх наиболее близких показателей того же национального проекта при косинусном сходстве не ниже 0,10. Получены 150 кандидатов, охватывающих 68 результатов и 46 карточек показателей. У 22 результатов кандидатов выше установленного порога нет. Порог определяет объём последующей экспертной проверки; он не был установлен как граница истинной причинной связи. Отсутствие кандидата может объясняться иной терминологией, сложным косвенным механизмом или особенностями текстового профиля. с. 98 исходного отчёта

Наиболее близкая пара — наличие средств выведения для запуска космических аппаратов и число функционирующих аппаратов низкоорбитальной группировки; косинус равен 0,610. Содержательно это связь обеспечивающего условия с последующим результатом. Для её подтверждения нужны запуск, достижение рабочей орбиты, ввод и функционирование. Пара «создание группировки — число функционирующих аппаратов» имеет коэффициент 0,543 и находится ближе к непосредственному результату, однако также требует различать создание и эксплуатационную готовность. [134] с. 99 исходного отчёта

В направлении кибербезопасности функционирование автоматизированной системы обеспечения безопасности близко к скорости обработки трафика: 0,478. Здесь текст хорошо выявляет связь системы с её технической характеристикой. Но последующая связь со снижением ущерба остаётся отдельной гипотезой, зависящей от состава угроз, качества обнаружения и действий после сигнала. В государственном управлении близость развития информационных систем к числу внедрений — 0,422 — подтверждает прежде всего организационно-технический уровень результата. [135] с. 99 исходного отчёта

Фрагмент графа для отечественных решений показывает девять фактически отобранных связей между тремя мероприятиями и тремя инвестиционными показателями. Диапазон коэффициентов составляет 0,105⁠–⁠0,345. Общая лексика разработки и внедрения ИТ-решений сближает эти мероприятия даже с показателем инвестиций в квантовые и телекоммуникационные технологии. Такая связь может быть содержательно правильной только при совпадении предмета конкретной поддержки. Само текстовое сходство этого не устанавливает. Граф тем самым полезен и для поиска возможных связей, и для выявления потенциальных ложных соответствий. [137] с. 100 исходного отчёта

6.5 Межпроектное взаимодействие

Межпроектное сопоставление построено по средним нормированным векторам структурированных паспортов каждого проекта с последующим нормированием среднего профиля. Наиболее близки к «Экономике данных» проекты «Эффективная и конкурентная экономика» — 0,302 и «Молодёжь и дети» — 0,300. Далее следуют «Кадры» — 0,205, «Продолжительная и активная жизнь» — 0,201 и «Инфраструктура для жизни» — 0,194. Профиль «Семьи» не включён в сопоставимый рисунок, поскольку представлен документом другого жанра; его коэффициент не используется для ранжирования. с. 101 исходного отчёта

Проверка с русским стеммингом, то есть приведением словоформ к основе, повышает абсолютные коэффициенты. Для «Эффективной и конкурентной экономики» получено 0,337, для «Молодёжи и детей» — 0,336, для «Кадров» — 0,252. Близость первых двух проектов сохраняется, но разность между ними мала и не имеет самостоятельного управленческого смысла. Устойчивым результатом является наличие общего тематического пространства, а не точное место в порядке коэффициентов. с. 102 исходного отчёта

Содержательно межпроектные связи предлагается оформлять через совместные процессы. Для экономического проекта это применение отечественных решений и данных в производстве; для образования — цифровая среда и компетенции; для кадров — обучение и спрос на квалификацию; для здравоохранения — качество цифрового взаимодействия в конкретной услуге. Каждый процесс должен иметь общий результат, разграничение расходов и ответственных, а также правило устранения двойного счёта. Лексический анализ помогает определить направления такой проверки, но согласование ресурсов и эффектов требует самостоятельных административных и статистических данных. с. 102 исходного отчёта