Интернет охватывает на данный момент уже более 200 млн. пользователей во всем мире. Количество информации в Интернет стремительно растет. Вместе с тем информация эта многократно повторяется. Например, погоду в Москве можно узнать как минимум на шести тысячах серверов. В ситуации, когда информацию можно получить массой различных способов, на первое место выходит уже не сама информация, а способ ее получения, удобство или неудобство, стоимость и иные параметры.

Один из способов качественного роста интернет-ресурса – персонификация, то есть динамическое подстраивание внешнего вида и информационного наполнения веб-сайта под нужды, вкусы и предпочтения конкретного посетителя.

Необходимость в создании системы персонификации обуславливается несколькими причинами:

Во-первых, это обострение конкурентной борьбы веб-сайтов с целью привлечения и удержания пользователей, что в свою очередь должно стимулировать качественный рост серверов, появление новых услуг.

Во-вторых, это существенное снижение эффективности массовой рекламы. Обычные баннеры и другие традиционные средства интернет-рекламы уже не решают возложенных на них задач.

Учитывая перспективы системы персонификации, уже сейчас возникает необходимость создания данной системы. От этого выигрывают все: пользователь получит более удобный сайт, владелец сайта – лояльность пользователя, а рекламодатель – возможность индивидуального подхода к своим клиентам.

Концепция и позиционирование

Фактически, персонификация информационного наполнения Интернета началась достаточно давно – с того момента, как веб-программистам пришла в голову идея размещать на своих сайтах форму регистрации пользователей и предоставлять заполнившим ее людям дополнительные индивидуальные услуги. Но с тех пор прошло уже несколько лет, и персонификация стала гораздо большим, чем просто регистрацией на сайте.

Возникшие с началом применения технологий персонификации изменения в основном сводятся к возросшему удобству работы с сайтом. Пользоваться им приятней, действия становятся более эффективными, внешний вид сайта радует глаз. А значит, посетитель со значительно большей вероятностью зайдет на этот сайт и в следующий раз, а не сбежит к конкурентам.

Но удобство, обретенное посетителем, не идет ни в какое сравнение с перспективами, открывающимися перед владельцем сайта, который получает огромное количество дополнительной информации о своих посетителях, что может изрядно помочь ему в планировании стратегии дальнейшего развития сайта. Ведь клиента, как и врага, надо знать в лицо.

Владелец продвинутого интернет-магазина на основе анализа совершенных покупок может делать выводы об интересах пользователя. Если тот покупал все книги по программированию на языке Perl, то при появлении новой книги на эту тему ее будет вполне резонно ему порекомендовать. Статистические данные о предпочтениях отдельных пользователей могут помочь владельцу сайта планировать закупки, рассчитывать предположительный спрос на совершенно новые, еще не продавшиеся на сайте товары, делать выводы о благонадежности и платежеспособности покупателей и принимать те или иные бизнес-решения.

Зарегистрированный пользователь персонифицированного сервера новостей имеет возможность заполнить анкету по интересам и получать только те новости, которые ему интересны. Это становится все более актуальным в связи с постоянно растущими объемами информации – читать все сообщения любого более или менее серьезного агентства новостей затруднительно, так как на это уйдет слишком много времени. А владелец сайта получит ценнейшую статистику относительно того, какие темы интересуют его пользователей.

Несмотря на столь захватывающие перспективы, у технологий персонификации существуют и недостатки. Первый и, по-видимому, самый главный из них – существенные ограничения приватности пользователей, связанные с утечкой контекстной информации из-за злоупотреблений или по недосмотру владельцев сайта.

В частности, для того чтобы ваш информационный портал мог подготовить для посетителя подборку новостей, последний должен сообщить подробные сведения о своих интересах. Но в общем-то, никто не может гарантировать, что завтра полученная информация не станет доступна всей вашей партнерской сети, а послезавтра один из сайтов этой сети не взломают злобные хакеры и не узнают, какие результаты ваши клиенты получили во вчерашнем психологическом тестировании, какие книги и на какую сумму покупали в интернет-магазинах, а заодно и номера их кредитных карточек.

Методы сбора информации о пользователе

Существующие методы сбора информации о пользователе можно условно разделить на два поколения. К первому поколению относятся методы активного профилирования (Active profiling), предполагающие непосредственное участие пользователя (чаще всего оно выражается в указании в анкете личных сведений – интересов, предпочтений, желаемого внешнего вида сайта).

Один из видов активной персонификации – персонификация, основанная на правилах (rules-based profiling). В этом случае заранее определяются варианты поведения сервера в зависимости от действий пользователя. Одним из них может быть правило, согласно которому клиенту интернет-магазина, покупающему МРЗ-плейер, рекомендуется купить к нему и диски. Недостаток такого подхода заключается в том, что разработчики системы должны заранее представлять, как отреагируют пользователи на такие предложения.

Более сложное и новое направление в технологиях персонификации – пассивные методы составления портрета пользователя (Passive profiling). Они могут включать в себя:

• анализ адресов сайтов, с которых пришел пользователь (referrers), получение географической информации по IP-адресу, сбор сведений о конфигурации компьютера пользователя;
• исследование маршрутов перемещения пользователя по сайту, анализ тематики разделов, которые он наиболее часто посещает на сайте, и страниц, которые он читает, обнаружение точек входа на сайт и ухода с него;
• статистическую обработку сведений о совершенных покупках и подписках пользователя, анализ критериев поиска и сообщений, которые пишет пользователь;
• анализ откликов пользователя на рекламные сообщения.

И в том и в другом случае информация о посетителе сайта и о его действиях записывается в базу данных, которая в дальнейшем используется для настройки контента под пользователя.

Чтобы применить собранные о пользователе данные, когда он в следующий раз заходит на сайт, необходимо сначала его идентифицировать.

Для идентификации пользователя чаще всего используются следующие методы:

• ввод логина и пароля (при пересылке используются средства шифрования);
• cookies;
• определение IP-адреса пользователя;
• использование персональных сертификатов;
• комбинированные методы.

На основе данных, получаемых в результате применения тех или иных методов сбора контекстной информации, создается так называемый профиль пользователя, объединяющий полученные персональные сведения. Профиль может включать в себя не только очевидные моменты, например, личные данные, географическое местоположение и список интересов, но и более тонкие вещи, такие как психологические характеристики и вероятная мотивация действий.

Последнее – одно из наиболее интересных направлений в технологиях персонификации. Мотивация посетителя (упрощенно – это ответы на вопросы “зачем” и “почему” применительно к каждому действию пользователя в Интернете) не может быть выявлена в результате наблюдения. Построение мотивационного портрета – чрезвычайно сложный и наукоемкий процесс, и существующие в этой области разработки носят скорее научный, нежели коммерческий характер. Тем не менее, спрос на алгоритмы составления такого портрета чрезвычайно велик, ведь с его помощью можно достаточно точно предсказать реакцию пользователя на любую информацию, рекламу или товар, даже неизвестные заранее. Попытки использования психологических характеристик клиентов в системах персонификации существуют (www.iqrate.com/), но пока далеки от совершенства.

В несовершенстве технологий и заключается основной недостаток персонификации сайтов с точки зрения пользователя. Навязчивое предложение каких-либо товаров, информационных элементов или услуг, неверно определенных системой персонификации как представляющих интерес для посетителя, вызовет только чувство раздражения и желание уйти на другой сайт. Поэтому на сервере должна существовать возможность отказаться от любых индивидуальных предложений со стороны системы.

Основные преимущества системы персонификации

Список преимуществ от использования системы персонификации следующий:

1. Гораздо более плотный, по сравнению с обычными сайтами, контакт с каждым посетителем. Достигается за счет выдачи потенциально интересующей информации в доступной форме, внутренней рекламы и оптимизации навигации. Как следствие – повышение лояльности пользователя к сайту и компании в целом;
2. Неограниченные возможности по развитию и совершенствованию работы с посетителями и группами посетителей. Персонификация – гибкая и масштабируемая система;
3. Дополнительный сервис. Если три года назад при создании интернет-проекта в блоке “Конкуренция” обычно значилось “конкурентов нет”, то сейчас выявление конкурентов – одна из первоочередных задач; большинство ниш в Сети уже занято. В этой конкурентной борьбе между сайтами успеха добивается тот, кто предоставляет своим клиентам максимум сервиса;
4. Оптимизация рекламных кампаний. Помимо использования подробной статистики об аудитории и ее поведению на сайте, система персонификации позволяет организовать различную реакцию на новых посетителей с определенных рекламных площадок и правильно взаимодействовать с ними. Изучив вкусы и запросы конкретного потребителя, рекламодатель получает средства предложить тому именно то, что ему нужно, и по возможности наиболее доступным и удобным для него способом;
5. Экономическая выгода. Эффективность работы сайта, имеющего систему персонификации, в несколько раз выше, чем в случае с обычным сайтом.

Что дает система персонификации своему владельцу? Она позволяет направленно влиять на определенный сектор посетителей сайта. Это дает возможность наиболее эффективно нацеливать на нужную аудиторию:

• внутреннюю рекламу;
• вспомогательные сообщения (советы, помощь, подсказки);
• предложения товаров и услуг, потенциально интересные посетителям;
• новости определенной тематики;
• информацию о промо-акциях, скидках, презентациях;
• сведения для узкого круга клиентов (спецпредложения, скидки).

Система персонификации помогает добиться адекватного восприятия информации любым посетителем. С помощью данной технологии можно адаптировать под пользователя любую информацию (текстовую, графическую, мульмедийную).

Система персонификации не распыляет усилия разработчиков и владельцев интернет-проекта на тех, кому данные товары и услуги малоинтересны, а мобилизует ресурсы для индивидуального удовлетворения потребностей. Система не только предоставляет информацию, но и адресует ее в первую очередь тем, кто в ней нуждается.

Что дает система персонификации посетителям? Данная технология делает нахождение пользователя на сайте комфортным. Это заключается в:

• Удобстве использования. В процессе работы с каждым посетителем система персонификации учитывает множество его характеристик и адекватно реагирует на их изменения. Располагая информацией о пользователе, данная система в состоянии выделить и сделать акцент на потенциально интересной информации и даже предугадать последующие действия пользователя;
• Доступная форма подачи информации. Система персонификации обладает возможностью генерировать варианты документов, ориентированных на различные целевые группы пользователей. Таким образом удается максимально эффективно донести любую информацию до заинтересованных посетителей;
• Экономия времени. Она достигается за счет того, что внимание пользователя акцентируется на потенциально нужной для него информации. Кроме того, на информационно насыщенных сайтах оптимизируется навигация и активизируются дополнительные возможности. Таким образом, практически полностью ликвидируются трудности в нахождении искомых данных. Самое нужное легче найти среди нужного.

Уже через несколько лет коммерческие веб-сайты, не учитывающие потребности посетителей, будут настолько же непопулярны у пользователей как сегодня сайты с непродуманным интерфейсом и дизайном.

Только владелец системы персонификации может быть уверен, что его представительство в Интернете работает, а не представляет из себя одну из миллионов рекламных листовок, лежащих перед потенциальным клиентом.

Разработка процесса персонификации

Работа в World Wide Web построена по принципу “запрос – ответ”. Пользователь запрашивает у веб-сервера информацию, находящуюся по определенному адресу, сервер возвращает соответствующий запросу документ, если такой существует. Задача системы персонификации – вмешаться в этот процесс и изменить передаваемую сервером информацию в соответствии с профилем пользователя. Обработка клиентского запроса проходит в несколько этапов.

Первый этап заключается в аутентификации пользователя. Система персонификации определяет, кто именно отправил запрос к веб-серверу, и устанавливает соответствие между этим сеансом связи и профилем пользователя из базы данных сервера, если профиль уже был составлен. В противном случае создается новая запись.

Далее осуществляется сборка соответствующей запросу веб-страницы. На этом этапе сервер пытается реализовать предпочтения пользователя в конкретные детали оформления и содержания. И только после этого сформированная страница отправляется пользователю.

Этапы процесса персонификации:

Сбор данных о пользователе (агрегирование)

Персонификация начинается со сбора данных о пользователе, получаемых из различных источниках. Эти данные могут включать в себя информацию о покупках, сделанных пользователем через веб, и о действиях, связанных с просмотром информации.

Данные можно разделить на два типа: фактические данные (кто такой пользователь) и данные о транзакциях (что пользователь делает).

Ядром для построения корпоративного портала может служить система корпоративного документооборота.

Данные CRM – это данные системы CRM (Customer Relationship Management). CRM является идеологией ведения бизнеса, направленной на повышение эффективности взаимодействия с клиентами с целью предложения каждому клиенту уникального продукта или услуги.

CRM-приложения позволяют компании отслеживать историю развития взаимоотношений с заказчиками, настраивать портал под требования клиента (например, выдавать пользователю ассортимент товаров или список информации, основываясь на прошлых обращениях), координировать многосторонние связи с постоянными клиентами и централизованно управлять продажами через Интернет. Основной функцией CRM является “удержание” клиента, что становится первостепенной задачей для любого бизнеса (по мнению экспертов, “удержание” 5% покупателей дает прирост прибыли на 25-125%).

CRM – это система (набор взаимосвязанных компонентов), входными элементами которой, в первую очередь, являются все данные, связанные с клиентом компании, а выходными – информация, которая влияет на поведение компании в целом или на поведение ее отдельных элементов. Проще говоря, CRM-система – это набор приложений, которые позволяют, во-первых, собирать информацию о клиенте, во-вторых, ее хранить и обрабатывать, в третьих, делать определенные выводы на базе этой информации, экспортировать ее в другие приложения или просто при необходимости предоставлять эту информацию в удобном виде.

Данные ERP – это данные системы ERP (Enterprise Resource Planning). Система ERP представляет собой набор интегрированных приложений, которые в едином информационном пространстве поддерживают все основные аспекты управленческой деятельности предприятия. Среди них можно назвать планирование ресурсов для производства товаров и услуг, оперативное управление производственным планом, виды учета и анализа результатов экономической деятельности.

После того, как данные собраны, их необходимо подготовить, отфильтровать и записать в хранилище данных.

Использование хранилищ данных

Хранилище данных (Data warehouses) представляет собой процесс сбора, отсеивания и предварительной обработки данных с целью предоставления результирующей информации пользователям для статистического анализа.

Основные требования к хранилищам данных следующие:

• поддержка высокой скорости получения данных из хранилища;
• поддержка внутренней непротиворечивости данных;
• возможность получения и сравнения так называемых срезов данных;
• наличие удобных утилит просмотра данных в хранилище;
• полнота и достоверность хранимых данных;
• поддержка качественного процесса пополнения данных.

Оперативная аналитическая обработка данных (OLAP)

Системы поддержки принятия решений обычно обладают средствами предоставления пользователю агрегатных данных для различных выборок из исходного набора в удобном для восприятия и анализа виде. Как правило, такие агрегатные функции образуют многомерный набор данных (называемый гиперкубом или метакубом), оси которого содержат параметры, а ячейки – зависящие от них агрегатные данные. Вдоль каждой оси данные могут быть организованы в виде иерархии, представляющей различные уровни их детализации. Благодаря такой модели данных пользователи могут формулировать сложные запросы, генерировать отчеты, получать подмножества данных.

OLAP-функциональность может быть реализована различными способами, начиная с простейших средств анализа данных в офисных приложениях и заканчивая распределенными аналитическими системами, основанными на серверных продуктах (например, параллельные процессы, разновидности архитектуры “клиент-сервер”).

Создание профилей пользователей

Основная задача в разработке приложений персонификации – создание точных и полных профилей пользователей на основе собранных данных.

Процесс формирования профиля состоит из двух этапов: выявления правила и его проверка.

На первом этапе (добыча данных) генерируются правила для каждого пользователя на основе данных о его транзакциях. Затем осуществляется проверка. После проверки система помещает принятые правила в профиль соответствующего пользователя.

Проверка правил

Методы добычи данных часто порождают огромное количество правил, многие из которых, хотя и приемлемы с точки зрения статистики, тривиальны, ложны или не актуальны для рассматриваемого приложения. В силу этого, требование проверки выявленных правил крайне важно.

Один из способов проверить выявленные правила – предоставить эксперту по соответствующей предметной области возможность проанализировать их и решить, насколько хорошо они представляют реальное поведение пользователей. Эксперт одобряет одни правила и отвергает другие; принятые правила формируют поведенческие профили.

Важным моментом при решении задачи проверки правил является масштабируемость. В приложениях персонификации число пользователей может оказаться крайне велико. К примеру, в приложении обработки кредитных карт число пользователей измеряется миллионами. Если для каждого в среднем было выявлено 100 правил, то общее число правил в данном приложении составит сотни миллионов. Ни один эксперт просто не в состоянии проверить поочередно все эти правила.

Для решения данной задачи в системе персонификации используются операторы проверки, которые позволяют эксперту проанализировать огромные массивы правил за небольшое время. Проверка правил – процесс итерационный, позволяющий эксперту последовательно применять различные операторы, используя каждый из них для групповой проверки.

Проверка правил, в отличие от их выявления, выполняется не для каждого пользователя, а для всех вместе. Эксперт обычно анализирует множество похожих или даже идентичных правил, установленных для различных пользователей. В начале этапа 2 система объединяет правила всех пользователей в один набор и помечает каждое правило идентификатором того посетителя, к которому оно относится. После проверки система помещает принятые правила в профиль соответствующего пользователя.

Расширенное представление процесса построения профилей:

Базовый алгоритм процесса проверки правил

Вход: Множество всех выявленных правил Rall
Выход: Взаимно непересекающиеся множества правил
Racc, Rej, Runv, такие, что Rall = Racc U Rej U Runv
(1) Runv := Rall, Racc := 0, Rrej := 0
(2) While (not Terinate Validation Process()) begin
(3) Эксперт выбирает оператор проверки из набора имеющихся операторов проверки.
(4) Этот оператор применяется к Runv. Результат: непересекающиеся множества Oacc и Orej
(5) Runv := Runv – Oacc – Orej, Racc := Racc U Oacc, Rej := Rej U Orej
(6) End.

В результате применения каждого оператора проверки некоторые правила принимаются, а другие отвергаются до тех пор, пока не выполнено условие Terinate Validation Process, то есть пока не закончится процесс принятия правил. Эксперт может определить условия прекращения процесса проверки по-разному. Например, процесс проверки продолжается до тех пор, пока не будет проверена некоторая заранее определенная доля всех правил (например, 95%).

Все правила, выявленные на этапе 1 (множество Rall), считаются непроверенными. Эксперт выбирает различные операторы проверки и применяет их последовательно к множеству непроверенных правил. После применения каждого оператора проверки определенные правила принимаются (множество Oacc), а другие отвергаются (Orej). Затем эксперт применяет следующий оператор проверки к множеству правил, оставшемуся непроверенным (Runv).

После процесса проверки множество всех выявленных правил (Rall) разделяется на три взаимно непересекающихся множества: принятые правила (Racc), отвергнутые правила (Rrej) и, возможно, оставшиеся непроверенными правила (Runv). В конце этапа 2 все принятые правила размещаются в поведенческих профилях соответствующих пользователей.

Операторы проверки

Предусмотрено несколько операторов проверки, которые можно использовать для анализа большого числа правил.

Группировка правил на основе сходства

Этот оператор помещает в группу похожие правила в соответствии с критериями сходства, определенными экспертом. В итоге эксперт может анализировать группы правил, а не отдельные правила одно за другим, и может принимать или отвергать сразу все правила в группе.

Фильтрация правил по шаблонам

Этот оператор фильтрует правила, которые соответствуют шаблонам, определенным экспертом. Эксперт указывает шаблоны принятия и отказа от правил. Естественно, правила, которые соответствуют шаблону принятия, принимаются, а правила, которые соответствуют шаблону отказа – отвергаются. Правила, которые не соответствуют шаблонам, остаются непроверенными.

Удаление избыточных правил

Этот оператор удаляет правила, которые могут быть выведены из других – обычно более общих – правил и фактов. Другими словами, он удаляет правила, которые сами по себе не несут новой информации о поведении пользователя.

Помимо перечисленных трех операторов, есть и другие операторы проверки, например, визуализации, статистического анализа и просмотра. Оператор визуализации позволяет эксперту анализировать подмножества непроверенных правил в таких визуальных представлениях, как гистограммы и секторные диаграммы. Оператор статистического анализа вычисляет разнообразные статистические характеристики непроверенных правил. Оператор просмотра позволяет эксперту анализировать отдельные правила или группы правил, непосредственно просматривая их на экране.

Согласование

Система персонификации должна согласовывать информационное наполнение и услуги с предпочтениями конкретных пользователей. Это согласование требует применения различных подходов. Чтобы дать персонифицированные рекомендации, системы подготовки рекомендаций используют такие технологии, как фильтрация на основе информационного наполнения и совместная фильтрация. Системы, опирающиеся на информационное наполнение, рекомендуют элементы, аналогичные тем, которым пользователь отдавал предпочтение в прошлом. Системы совместной фильтрации рекомендуют элементы, которые ранее выбирали другие пользователи со схожими вкусами и предпочтениями.

Доставка и представление

Компании, работающие в области электронной коммерции, предоставляют пользователям персонифицированную информацию разными способами. В соответствии с одной из классификаций методов доставки, они подразделяются на:

• принудительные (push);
• по запросу (pull);
• пассивные (passive).

Методы принудительной доставки обращаются к пользователю, который в данный момент времени не работает с системой, например, посылая ему сообщение по электронной почте.

Методы доставки по запросу уведомляют пользователей о наличии персонифицированной информации, но отображают эту информацию только тогда, когда пользователь формулирует соответствующий запрос.

Пассивные методы доставки отображают персонифицированную информацию в контексте приложения электронной коммерции. Например, когда пользователь обращается на веб-сайт за конкретным продуктом, он также видит рекомендации по другим, связанным с ним продуктам. Система может представлять персонифицированную информацию в различной форме: в повествовательном изложении, в виде списка, упорядоченного по релевантности, или с помощью разных видов визуализации.

Определение реакции пользователей

Компании могут использовать различные “электронные параметры” для оценки эффективности технологий персонификации. Например, компания, занимающаяся электронной коммерцией, может определить, стали ли пользователи больше времени проводить на веб-сайте и, как следствие, тратить больше денег, появились ли у компании новые посетители благодаря персонифицированным службам, а также увеличивается ли число постоянных клиентов среди пользователей.

Спецификация процесса персонификации информационного портала

Рассмотрим спецификацию процесса персонификации в портале в виде временной раскрашенной сети Петри. Разработанная сеть Петри для данного процесса в портале представлена в приложении Б.

Опишем данную сеть. Заметим, что для мест Res, Pers__Res и Pers_Data функция цвета равна типу (ID,Data), для места DB_Req_Data – типу ID,Rеq), а для мест UserSettings – обоим типам. Функция охраны равна true для всех переходов. Начальная разметка содержит только маркеры цвета типа (ID,Data) в месте Res, при этом невозможно появление двух маркеров одного цвета. Появление маркеров в месте Res активизирует сеть, и это место сливается с подобным местом в родительской сети. Мы можем получить информацию о клиенте, используя компонент Id_client. Переход Gather считывает информацию о клиенте и составляет запрос для получения представления о личных настройках пользователя. То есть, получив на входе маркер цвета (ID, Data) (функция выражения для дуги от Res в Gather) переход преобразует информацию и на выходе место UserSеttings получает один маркер цвета (ID,Req). Кроме того, маркер полученного цвета (ID,Data) возвращается в место Res. Далее активизируется переход DB_Req, который посылает запрос к базе данных пользователей, при этом информация, заложенная и Req части цвета, модифицируется для удобства работы с базой данных. Таким образом, функция выражений для дуги от UserSettings в DB_Req равна (ID,Req), а для дуги из DB_Req в DB_Req_Data – (TD,Reqr).

Переход DB_Res также работает с базой данных, он моделирует обращение к базе данных и получение информации о личных настройках и предпочтениях пользователя. В сети это означает удаление маркера цвета (ID,Reqr) из места DB_Req_Data и передачу маркера цвета (ID.Data) в место UserSettings. Если пользователь не сохранял свои личные настройки, то переход DB_Res возвратит настройки по умолчанию. Наличие маркера цвета (ID,Data) в выше упомянутых местах позволяет сработать переходу Presentator (такое ограничение определяется выражением входных дуг данного перехода, которое для входной дуги равно (ID,Data), а для выходной – (ID,Data)). Этот переход, получив информацию о клиенте суммирует ее и получает информационный паспорт клиента.

Теперь в действие вступает переход Generator, он преобразует информацию из Res в соответствии с полученным паспортом клиента и отправляет итог в место Pers_Res, To есть, выполнение этого перехода производит удаление маркера цвета (ID,Data) из места Res и маркера цвета (ID,Data) из места Pers_Data и по окончании своей работы помещает маркер цвета (ID,Data) в место Pers_Res. Для всех уже описанных переходов временной интервал определен как [0,LifeTime]. Как и ранее, LifeTime – это время ожидания ответа.

Чтобы смоделировать реальные ограничения работы компоненты персонификации, вновь используем дополнительные переходы-таймеры, временные интервалы которых равны [LifeTime, ), что означает задержку срабатывания этих переходов, равную времени ожидания ответа. В случае выполнения такого перехода задержавшаяся информация удаляется, а в качестве ответа отправляется сообщение о разрыве соединения (маркеры цвета (ID,Data)). To есть, функция выражения для выходных дуг переходов-таймеров равна (ID,Data), а функция выражений дуг для входных дуг по отношению к переходам-таймерам Timer_Res, Timer_Pers_Data и Timer_Pers_Res имеет вид (ID,Daia), к переходу-таймеру Timer_UserSettings – (ID,*), а к DB_ReqData – (ID,Req).

Построенная сеть обладает свойством ограниченности при условии ограниченности входной позиции Res. Интуитивно это можно объяснить тем, что любой переход при срабатывании поменяет в любое свое выходное место только один маркер, и, кроме того, в любой момент времени активен лишь один переход. Свойство квазиживости для построенной сети следует из того факта, что при любой неконечной достижимой маркировки хотя бы один переход может сработать (например, это может быть переход-таймер).

 

Все заметки вебмастера →