Текстовый анализ

Лексическая близость и устойчивость сопоставлений

Модель TF-IDF построена по фиксированному корпусу из 137 документов. Первичная спецификация использует отдельные слова и двухсловные сочетания, логарифмическое преобразование частоты, сглаженную обратную частоту документа и L2-нормировку. Число признаков ограничено 20 тысячами. Перед расчётом нормализованы регистр, буква «ё» и пробелы, исключены служебные слова. Пары сравниваются по косинусной близости нормированных векторов. Величина коэффициента зависит от состава корпуса, его жанров и процедуры подготовки текста. При изменении корпуса численные значения не следует непосредственно сравнивать без повторного расчёта по согласованной спецификации. с. 86 исходного отчёта

Внутри четырёх профилей федеральных паспортов имеются шесть уникальных пар. Наибольшая близость выявлена между «Управлением рынком труда» и «Образованием для рынка труда»: 0,205. Следуют пары Л1–Л3 с величиной 0,145 и Л2–Л3 с величиной 0,139. Сходство направления «Человек труда» с остальными профилями находится в интервале от 0,073 до 0,105. Матрица согласуется с различием содержания: инфраструктура и прогнозирование, образовательные переходы, активные услуги и поддержка, символическое признание профессий. Небольшое сходство текстов совместимо с их функциональным дополнением. Высокое сходство также может отражать общую терминологию или повторение формулировок. Попарное сопоставление федеральных профилей показано на рисунке 13. с. 86 исходного отчёта

Интерпретация матрицы как измерителя ведомственной координации была бы чрезмерной. Координация предполагает согласованные сроки, передачу информации, совместные решения и ответственность за конечный результат. Лексическая модель обнаруживает сходство употребляемых выражений. Разные по словарю документы способны описывать согласованные последовательные этапы, а близкие тексты могут повторять общую задачу без практического взаимодействия исполнителей. Для «Кадров» особенно важно проверить фактическую передачу прогноза потребности в образовательный заказ, связь карьерного сопровождения с вакансиями работодателей и использование результатов обучения в конкретных трудовых отношениях. Эти вопросы требуют сведений о процессах исполнения. с. 87 исходного отчёта

Для межпроектного сопоставления использованы усреднённые нормированные векторы электронных паспортов каждого проекта с последующей нормировкой среднего. Такой способ ограничивает доминирование более длинного документа, но сохраняет влияние выбора источников. Для «Кадров» объединяются национальный профиль и четыре федеральных. Ближайшими оказываются «Молодёжь и дети» с коэффициентом 0,257, «Экономика данных» с коэффициентом 0,205 и «Эффективная и конкурентная экономика» с коэффициентом 0,186. Тематическое пересечение связано с квалификацией и образованием, информационными системами, работодателями и производственной потребностью. Результат задаёт направления совместного предметного анализа национальных проектов. с. 88 исходного отчёта

Проверка чувствительности выполнена с использованием русского Snowball-стемминга. Он сводит родственные словоформы к усечённым основам, но не является лемматизацией. Для трёх ближайших проектов коэффициенты возрастают соответственно до 0,300, 0,252 и 0,226. Состав и порядок этой тройки сохраняются. Устойчивость ближайших соседей снижает вероятность того, что основной вывод обусловлен исключительно разницей окончаний слов. Она не устраняет зависимость результата от выбранных документов, процедур очистки, исключения служебной лексики и использования отдельных слов вместе с двухсловными сочетаниями. Чувствительность межпроектного сопоставления к стеммингу отражена на рисунке 14. с. 88 исходного отчёта

Сопоставление с проектом «Семья» имеет отдельный статус. Его профиль основан на архивном паспорте, тогда как профили десяти других проектов представлены структурированными электронными публикациями. Коэффициенты для пары «Семья» – «Кадры» составляют 0,048 в первичной спецификации и 0,067 после стемминга. Из-за различия жанров они помещены в отдельную справочную строку. Делать вывод о слабой связи кадровой и семейной политики на этом основании нельзя. Условия совмещения оплачиваемой занятости и ухода, транспортная доступность работы, режим рабочего времени и доходы семей требуют содержательного анализа, который не сводится к частоте совпадающих слов. с. 89 исходного отчёта

Практическая ценность межпроектного анализа заключается в выявлении участков, на которых необходимо согласовать наблюдение жизненных и трудовых переходов. С «Молодёжью и детьми» таким участком является движение от обучения к устойчивой занятости, включая качество первого рабочего места. С цифровым направлением связаны полнота данных о вакансиях, качество подбора и доступность электронных услуг. С экономическим направлением пересечение возникает при сопоставлении спроса работодателей, производительности и кадровых ограничений предприятий. Совместный анализ должен иметь общий объект наблюдения и согласованные определения. Повторное включение одного человека или одного мероприятия в разные проектные отчёты следует учитывать отдельно от действительного дополнительного результата. с. 90 исходного отчёта

Все результаты проекта имеют структурный маршрут к федеральным показателям. Полная редакция паспорта «Управление рынком труда» дополнительно содержит десять прямых связей. Основные ограничения интерпретации связаны с неоднозначным указанием целевых показателей во вторичных публикациях, различиями редакций, недостаточностью паспортных весов для причинной оценки и чувствительностью словарной классификации к предметной области. Для совершенствования проекта необходимы прослеживаемость изменений, проверяемые промежуточные результаты и наблюдение устойчивых трудовых траекторий. Фактический общественный эффект требует самостоятельной эмпирической оценки. с. 90 исходного отчёта