DOI: 10.14489/vkit.2022.06.pp.029-039

Коновалов В. А.
ИСПОЛЬЗОВАНИЕ АЛГОРИТМОВ МАРКОВА ДЛЯ ИССЛЕДОВАНИЯ l-ПУСТОТ В БОЛЬШИХ ДАННЫХ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ СИСТЕМ. Часть 1
(с. 29-39)

Аннотация. Рассмотрена синтезированная N-схема алгоритма Маркова в целях замены его известной γ-схемы в задаче противодействия отмыванию доходов и финансирования терроризма в рамках выполнения требований 115-ФЗ при анализе сделок, имеющих запутанный, необычный характер или не имеющих очевидного экономического смысла либо очевидной законной цели. Исследованию подвергаются l-пустоты больших данных социально-экономических систем. В N-схеме при помощи номеров-типов w в алфавите M = litj/abdgckm определяются l-пустоты. Алфавит M представлен как формальная грамматика языка N-схемы алгоритма Маркова, состоящая из терминальных litj и нетерминальных abdgckm символов. Синтезируется метод заполнения базы данных искусственного интеллекта (AnwM f type K БД для l-пустот простого квадратного цикла и неполного эйлерова цикла в целях проведения независимого опыта по проверке N-схемы алгоритма Маркова. Даны примеры заполнения базы данных искусственного интеллекта для -пустот. Предложено представить -пустоты больших данных социально-экономических систем в виде диаграммы вхождений слов в алфавите Маркова A и проанализировать их с использованием N-схемы алгоритма Маркова. Приведены результаты анализа l-пустоты простого квадратного цикла с неоднородными (гетерогенными) данными, ее локально lh-заключительных вхождений, а также в условиях невозможности верификации морфизмов по времени. Исследование методов применения хэширования совместно с N-схемой алгоритма Маркова в целях определения для такового наиболее подходящей хэш-функции и алгоритма ее реализации – перспективная научная задача. Целесообразен синтез специализированного контейнера данных с использованием хэш-функций и хэш-таблиц для N-схемы алгоритма Маркова.

Ключевые слова:  классификатор; большие данные; отмывание доходов; Марков; теория категорий; социально-экономическая система; искусственный интеллект.

Konovalov V. A.
THE USE OF MARKOV ALGORITHMS FOR THE STUDY OF l-VOIDS IN BIG DATA OF SOCIO-ECONOMIC SYSTEMS. Part 1
(pp. 29-39)

Abstract. A synthesized N-scheme of the Markov algorithm is considered, which can be replaced by his wellknown γ-scheme. Using the N-scheme of the Markov algorithm, the properties of l-voids of big data of socio-economic systems are investigated as an element of the typology of the risk of money laundering. In the N-scheme, the numbers-types w in the alphabet M = litj/abdgckm of words in the Markov alphabet A that make up the l-voids are determined. The alphabet M is considered as a formal grammar consisting of terminal litj and non-terminal abdgckm symbols. Examples of l-voids in the form of a simple square cycle and an incomplete Euler cycle are considered. Examples of filling in the artificial intelligence database for l-voids are given in order to conduct an independent experiment on checking the N-scheme of the Markov algorithm. It is proposed to represent l-voids of big data of socio-economic systems in the form of a diagram of occurrences of words in the Markov alphabet А and subject them to analysis. The analysis of occurrence diagrams is proposed to be carried out using the N-scheme of the Markov algorithm. In addition, we present the results of the analysis of the l-voids of a simple square cycle with heterogeneous data, as well as the analysis of its locally lh-final occurrences and under conditions where it is impossible to verify morphisms in time. It is concluded that the study of methods for applying hashing in conjunction with the N-scheme of the Markov algorithm, in order to determine the most appropriate hash function and algorithm for its implementation, is a promising scientific task. It is expedient to synthesize a specialized data container using hash functions and hash tables for the N-scheme of the Markov algorithm. It is indicated that for verification, it is possible to implement the N-scheme of the Markov algorithm using hash functions and hash tables known in modern programming languages.

Keywords: Сlassifier; Big data; Money laundering; Markov; Category theory; Socio-economic system; Artificial intelligence.