Discrete and Continuous Models and Applied Computational ScienceDiscrete and Continuous Models and Applied Computational ScienceDiscrete and Continuous Models and Applied Computational Science2658-46702658-7149Peoples' Friendship University of Russia named after Patrice Lumumba (RUDN University)15583ArticlesСтатьиOne Method of Analysis for Large Sets of Partly Deterministic DataОб одном методе анализа больших массивов структур с частичнодетерминированными свойствами объектовLipkinA AЛипкинА АОтделение интеллектуальных систем в гуманитарной сфере; Российский государственный гуманитарный университет; Russian State University of HumanitiesОтделение интеллектуальных систем в гуманитарной сфере; Российский государственный гуманитарный университет-Russian State University of HumanitiesРоссийский государственный гуманитарный университет150620082NO2 (2008)№2 (2008)192920032017Copyright ©; 2008, Липкин А.А.2008Липкин А.А.http://creativecommons.org/licenses/by/4.0https://journals.rudn.ru/miph/article/view/15583JSM-method of automatic hypothesis generation is one of the most promising methods in Data Mining. The goal of this method is the following: from the given facts database as a starting point make suggestions on the cause of an object possessing or not possessing some properties. This method was introduced by V.K. Finn [1]. Searching for causal-investigatory regularities in pharmacology and analysis of complicated compounds and protein formations in chemistry might serve an example of its usage. The author suggests another approach, different from the canonical one, in this article. That is set-theoretic approach. ДСМ-метод автоматического порождения гипотез - это один из наиболее перспективных методов Интеллектуального анализа данных (ИАД, Data Mining). Цель данного метода состоит в том, чтобы на основании имеющейся базы фактов сделать предположения о причинах наличия или отсутствия определённых свойств (целевые свойства) у объекта. Этот метод предложил В. К. Финн [1]. Примером задач, решаемых ДСМ-методом, может служить выявление причинно-следственных закономерностей вида структура-активность в фармакологии, анализ сложных химических соединений и белковых структур в химии. В данной статье автор предлагает отличный от канонического подход к описанию ДСМ-метода - теоретико-множественный подход. интеллектуальный анализ данныхИАДДСМ-методэкспертные системы1.Финн В. К. Базы данных с неполной информацией и новый метод автоматического порождения гипотез // Диалоговые и фактографические системы информационного обеспечения. - М., 1981.2.Милль Д. С. Система логики силлогистической и индуктивной. - М.: Книжное дело, 1900.3.Финн В.К. О возможностях формализации правдоподобных рассуждений средствами многозначных логик // Всесоюзный симпозиум по логике и методологии науки. - Киев: Наукова думка, 1976.4.Финн В.К. О машинно-ориентированной формализации правдоподобных рассуждений в стиле Ф. Бэкона-Д.С. Милля // Семиотика и информатика. - Вып. 20. - 1983.5.Применение ДСМ-метода порождения гипотез для прогноза противоопухолевой активности и токсичности соединений, принадлежащих к различным классам химических соединений / Е.С. Панкратова, В.Г. Ивашко, В.Г. Блинова, Д.В. Попов // Экспертные системы: состояние и перспективы / Под ред. Д.А. Поспелова. - М.: Наука, 1989.6.Аншаков О.М. Об одной интерпретации ДСМ-метода автоматического порождения гипотез // НТИ, сер 2., № 1-2. - М.: ВИНИТИ РАН, 1999.7.Объедков С.А. Алгоритмические аспекты ДСМ-метода и формального анализа понятий. - М.: РГГУ, 1999.8.Виноградов Д.В. Несимметричный ДСМ-метод с учетом контекста // Пятая национальная конференция с международным участием «Искусственный интеллект-96». - Казань: 1996. - КИИ-96: Сб. науч. тр.: В 3 т.- Казань : Ассоц. искусств. интеллекта, 1996.