ПРИЛОЖЕНИЯ
Приложение 1. Список 387 категорий,
упорядоченный по частоте встречаемости
|
Абсолютная частота |
Категории |
|
4567 |
SC:A53-Sports |
|
3373 |
SC:A15-Famous |
|
2577 |
SC:A5-Entertainment |
|
2396 |
SC:A40-Occult Fields |
|
2385 |
SC:B111-Sports:Basketball |
|
2232 |
SC:A55-Art |
|
2223 |
SC:A19-Writers |
|
1813 |
SC:A31-Business |
|
1795 |
SC:B45-Famous:Greatest hits |
|
1613 |
SC:B173-Sports:Football |
|
1480 |
SC:B97-Occult Fields:Astrologer |
|
1256 |
SC:B14-Entertainment:Actor/ Actress |
|
1086 |
SC:B6-Entertainment:Music |
|
1075 |
SC:A99-Financial |
|
1073 |
SC:B48-Famous:Top 5% of Profession |
|
1039 |
SC:A38-Politics |
|
1002 |
SC:A108-Education |
|
974 |
SC:B46-Famous:Awards |
|
913 |
SC:B95-Art:Entertainers |
|
834 |
SC:A70-Work |
|
724 |
SC:B169-Medical:Doctor |
|
697 |
SC:C164-Occult Fields:Astrologer:Pro |
|
636 |
SC:B109-Education:Teacher |
|
619 |
SC:A165-Military |
|
589 |
SC:B61-Art:Musicians |
|
581 |
SC:C7-Entertainment:Music:Vocalist |
|
569 |
SC:B105-Writers:Textbook/ Non-fiction |
|
537 |
SC:B141-Politics:Politicians |
|
534 |
SC:C59-Famous:Greatest hits:Art field |
|
502 |
SC:B41-Occult Fields:UFO sighting |
|
479 |
SC:D8-Entertainment:Music:Vocalist:Rock, Pop, etc. |
|
475 |
SC:B158-Politics:Public office |
|
472 |
SC:B269-Entertainment:Stage |
|
466 |
SC:A120-Science |
|
461 |
SC:C11-Entertainment:Music:Instrumentalist |
|
449 |
SC:B50-Famous:Sports Figures |
|
417 |
SC:B35-Writers:Fiction |
|
411 |
SC:B117-Business:Entertain/Business |
|
404 |
SC:B56-Art:Beauty |
|
400 |
SC:A151-Law |
|
Абсолютная частота |
Категории |
|
397 |
SC:B166-Military:Military service |
|
396 |
SC:A216-Travel |
|
380 |
SC:B20-Writers:Autobiographer |
|
375 |
SC:B293-Writers:Astrology |
|
374 |
SC:B294-Occult Fields:Psychic/ Medium/ Spiritualist |
|
369 |
SC:B100-Financial:Financial success in field |
|
344 |
SC:B32-Business:Business owner |
|
340 |
SC:B124-Science:Biology |
|
336 |
SC:B153-Business:Business executive |
|
323 |
SC:B174-Business:Business/Marketing |
|
322 |
SC:B52-Famous:Historic figure |
|
321 |
SC:B348-Financial:Wealthy |
|
311 |
SC:C125-Science:Biology:Medicine |
|
301 |
SC:B445-Entertainment:TV series/ Soap star |
|
282 |
SC:C119-Business:Entertain/Business:Director |
|
280 |
SC:C479-Famous:Greatest hits:Entertainment field |
|
280 |
SC:B152-Law:Attorney |
|
271 |
SC:B106-Writers:Publisher/ Editor |
|
262 |
SC:C260-Famous:Greatest hits:Writing field |
|
247 |
SC:B80-Art:Fine art artist |
|
240 |
SC:C47-Famous:Awards:Vocational award |
|
237 |
SC:D67-Famous:Greatest hits:Art field:Music field |
|
233 |
SC:B171-Writers:Playwright/ script |
|
232 |
SC:B413-Entertainment:Child performer |
|
225 |
SC:B36-Writers:Poet |
|
219 |
SC:C62-Entertainment:Music:Group/ Duo |
|
219 |
SC:B176-Military:Military career |
|
217 |
SC:B245-Politics:Heads of state |
|
215 |
SC:C75-Entertainment:Music:Composer/ Arranger |
|
214 |
SC:B340-Famous:Royal family |
|
213 |
SC:B33-Writers:Columnist/ journalist |
|
206 |
SC:B163-Famous:Criminal cases |
|
206 |
SC:B228-Education:Engineer |
|
205 |
SC:B96-Entertainment:Comedy |
|
203 |
SC:B359-Business:Entrepreneur |
|
198 |
SC:B102-Entertainment:Dancer |
|
195 |
SC:B84-Art:Art/ Design |
|
194 |
SC:B404-Business:Sex Business |
|
185 |
SC:B283-Famous:Founder/ originator |
|
184 |
SC:D60-Famous:Greatest hits:Art field:Beauty |
|
179 |
SC:B505-Education:Public speaker |
|
178 |
SC:B156-Politics:Activist/ social |
|
177 |
SC:C580-Medical:Doctor:Psychologist |
|
173 |
SC:C296-Famous:Greatest hits:Astrology |
|
169 |
SC:C88-Art:Fine art artist:Painter |
|
165 |
SC:C405-Business:Sex Business:Prostitute/ Pimp |
|
Абсолютная частота |
Категории |
|
164 |
SC:B37-Entertainment:TV host/ Personality |
|
162 |
SC:C78-Famous:Awards:Olympics |
|
162 |
SC:B626-Occult Fields:Out of Body experience |
|
158 |
SC:B238-Business:Clerical/ Secretarial |
|
157 |
SC:C295-Occult Fields:Psychic/ Medium/ Spiritualist:Occult/ Metaphysical |
|
156 |
SC:B39-Politics:Government employee |
|
156 |
SC:B247-Work:Food and Beverage |
|
153 |
SC:C344-Famous:Awards:Oscar |
|
150 |
SC:C110-Education:Teacher:High school teacher |
|
145 |
SC:B602-Work:Travel for work |
|
137 |
SC:C267-Entertainment:Music:Song writer |
|
136 |
SC:C584-Art:Beauty:Sex-symbol |
|
131 |
SC:C57-Art:Beauty:Model |
|
130 |
SC:B16-Famous:News figure |
|
130 |
SC:B464-Work:Maintenance Field |
|
126 |
SC:B338-Sports:Race |
|
126 |
SC:B474-Financial:Rags to riches |
|
125 |
SC:B311-Entertainment:Radio/ D.J./ Announcer |
|
123 |
SC:B440-Travel:Adventurer |
|
122 |
SC:C506-Education:Public speaker:Lecturer |
|
120 |
SC:B347-Financial:Inheritance |
|
119 |
SC:B71-Work:Work in team/ Tandem |
|
118 |
SC:C149-Famous:Greatest hits:Occult field |
|
118 |
SC:B121-Science:Physics |
|
113 |
SC:C63-Entertainment:Music:Conductor |
|
110 |
SC:C306-Famous:Greatest hits:Social field |
|
109 |
SC:D451-Education:Teacher:High school teacher:Professor |
|
107 |
SC:C277-Famous:Awards:Nobel prize |
|
107 |
SC:B249-Work:Building Trades |
|
106 |
SC:D104-Entertainment:Music:Vocalist:Opera |
|
106 |
SC:B313-Business:Economist/ Financier |
|
105 |
SC:C118-Business:Entertain/Business:Producer |
|
104 |
SC:B550-Art:Inventor/Originator |
|
104 |
SC:B308-Work:Job >10 yrs |
|
101 |
SC:B98-Art:Dancers |
|
100 |
SC:C551-Famous:Greatest hits:Science field |
|
100 |
SC:C417-Medical:Doctor:Alternative methods |
|
95 |
SC:D307-Famous:Greatest hits:Social field:Political field |
|
88 |
SC:B486-Travel:Pilot/ military |
|
86 |
SC:C485-Business:Business/Marketing:Commercials |
|
86 |
SC:C595-Military:Military service:WW II |
|
85 |
SC:C334-Art:Beauty:Designer |
|
84 |
SC:B537-Entertainment:News journalist/ Anchor |
|
83 |
SC:B82-Art:Commercial artist |
|
80 |
SC:C157-Politics:Activist/ social:Nazi party |
|
79 |
SC:C170-Medical:Doctor:Psyhotherapist |
|
Абсолютная частота |
Категории |
|
77 |
SC:B239-Occult Fields:Mystical experience |
|
77 |
SC:C1198-Occult Fields:Psychic/ Medium/ Spiritualist:Meditation |
|
77 |
SC:C734-Education:Engineer:Software |
|
76 |
SC:C588-Famous:Awards:Emmy |
|
74 |
SC:B571-Travel:Pilot/ private |
|
73 |
SC:B398-Financial:Invest/ Property |
|
73 |
SC:B664-Financial:Money Through Marriage |
|
72 |
SC:B54-Sports:Baseball |
|
72 |
SC:B781-Law:Police/Security |
|
70 |
SC:C438-Famous:Awards:Sports Championship |
|
70 |
SC:B79-Writers:Philosophy |
|
70 |
SC:B172-Writers:Humor |
|
69 |
SC:B431-Science:Mathematics/ Statistics |
|
65 |
SC:B266-Writers:Magazine/ newsletter |
|
65 |
SC:B559-Writers:Metaphysics |
|
64 |
SC:B723-Financial:Financial loss |
|
62 |
SC:C636-Famous:Awards:Hall of Fame |
|
59 |
SC:D418-Medical:Doctor:Alternative methods:Psychic healer |
|
59 |
SC:B246-Financial:Winnings/ Lottery |
|
57 |
SC:C439-Art:Commercial artist:Graphics, design |
|
55 |
SC:B496-Sports:Boxing |
|
55 |
SC:B384-Science:Chemistry |
|
54 |
SC:C484-Business:Entertain/Business:Production jobs |
|
54 |
SC:C328-Business:Business/Marketing:Sales |
|
54 |
SC:C278-Medical:Doctor:Social worker |
|
54 |
SC:C58-Art:Beauty:Beauty Queen/ King |
|
53 |
SC:C399-Business:Business/Marketing:Real estate |
|
53 |
SC:C122-Science:Physics:Astronomy |
|
53 |
SC:B487-Travel:Astronaut |
|
52 |
SC:C690-Famous:Awards:Pulitzer prize |
|
52 |
SC:B510-Work:Satisfaction/ Loves job |
|
51 |
SC:B107-Writers:Critic |
|
51 |
SC:B648-Financial:Philanthropist |
|
50 |
SC:C362-Famous:Greatest hits:Business field |
|
50 |
SC:D988-Occult Fields:Astrologer:Pro:AFA/NCGR/ISAR member |
|
49 |
SC:B77-Sports:Water sports |
|
49 |
SC:C335-Art:Beauty:Fashion field |
|
48 |
SC:C631-Work:Building Trades:Architect/Designer/ Planner |
|
47 |
SC:B259-Writers:Sci-Fi/ Fantasy/ Horror |
|
47 |
SC:B715-Sports:Field and Track |
|
47 |
SC:B256-Art:Photography |
|
46 |
SC:C339-Sports:Race:Race Bikes |
|
46 |
SC:C453-Sports:Race:Race Cars |
|
46 |
SC:B309-Education:Researcher |
|
45 |
SC:B236-Business:CPA/ Auditor/ Accountant |
|
45 |
SC:B492-Sports:Skating |
|
Абсолютная частота |
Категории |
|
45 |
SC:B115-Financial:Improvident |
|
44 |
SC:C175-Business:Business/Marketing:Public relations |
|
44 |
SC:C81-Art:Fine art artist:Sculpture |
|
44 |
SC:C638-Military:Military career:Officer |
|
44 |
SC:C758-Military:Military career:General |
|
44 |
SC:C603-Work:Food and Beverage:Farmer/ Rancher |
|
44 |
SC:C250-Work:Building Trades:Builder |
|
43 |
SC:D150-Famous:Greatest hits:Occult field:Spiritual field |
|
43 |
SC:D791-Medical:Doctor:Psychologist:Parapsychology |
|
42 |
SC:C717-Famous:Awards:Knighted |
|
42 |
SC:B660-Sports:Tennis |
|
42 |
SC:B168-Education:School/college/university administrator |
|
42 |
SC:B707-Law:Jurist |
|
42 |
SC:B372-Military:Wounded |
|
41 |
SC:C268-Famous:Awards:Tony |
|
41 |
SC:C263-Politics:Heads of state: |
|
40 |
SC:B374-Business:Sports Business |
|
40 |
SC:B279-Politics:Activist/ feminist |
|
39 |
SC:C1038-Education:Teacher:Science |
|
39 |
SC:B625-Travel:Pilot/ commercial |
|
39 |
SC:C407-Work:Food and Beverage:Restaurateur |
|
38 |
SC:C779-Famous:Greatest hits:Military field |
|
38 |
SC:B686-Law:Spy/ Counter agent |
|
37 |
SC:C587-Famous:Awards:Grammy |
|
37 |
SC:B750-Famous:Socialite |
|
37 |
SC:C375-Business:Sports Business:Coach/ Manager/ Owner |
|
36 |
SC:B746-Entertainment:Circus/Mime |
|
36 |
SC:B554-Financial:Bankruptcy |
|
36 |
SC:B337-Travel:Flight attendant |
|
35 |
SC:C254-Business:Business/Marketing:Advertising |
|
35 |
SC:C346-Business:Business/Marketing:Insurance fields |
|
35 |
SC:B315-Financial:Gambling |
|
35 |
SC:C560-Education:Teacher:Astrology |
|
35 |
SC:C684-Education:Teacher:School/College teacher |
|
33 |
SC:B511-Writers:Detective/ Mystery |
|
33 |
SC:C1340-Medical:Doctor:Chiropractor |
|
33 |
SC:C448-Sports:Race:Race Horses |
|
32 |
SC:C725-Entertainment:Music:Producer |
|
32 |
SC:C351-Financial:Wealthy:Millionaire |
|
32 |
SC:C794-Military:Military service:Navy |
|
31 |
SC:C408-Business:Sex Business:Porno Market |
|
31 |
SC:B808-Politics:Activist/ political |
|
31 |
SC:B272-Art:Cartoonist |
|
30 |
SC:C303-Business:Business/Marketing:Stockbroker |
|
30 |
SC:C709-Medical:Doctor:Surgeon |
|
30 |
SC:C803-Education:Engineer:Mechanical |
|
Абсолютная частота |
Категории |
|
29 |
SC:B140-Writers:Biographer |
|
29 |
SC:C1707-Medical:Doctor:Therapist |
|
29 |
SC:B582-Financial:Extreme ups and downs |
|
29 |
SC:B518-Work:Multi-skilled |
|
28 |
SC:B217-Travel:Crew/ Ship, Train, Bus |
|
28 |
SC:C570-Travel:Adventurer:Explorer |
|
28 |
SC:C465-Work:Maintenance Field:Outdoor vocations |
|
27 |
SC:C792-Medical:Doctor:Nutritionist |
|
27 |
SC:D639-Military:Military career:Officer:Combat |
|
26 |
SC:C422-Occult Fields:Psychic/ Medium/ Spiritualist:Tarot reader |
|
26 |
SC:B406-Art:Stage/ Set design |
|
26 |
SC:B569-Science:Geography/Geology/Oceanography |
|
26 |
SC:B361-Work:Many job changes |
|
25 |
SC:D728-Art:Commercial artist:Graphics, design:Illustrator |
|
25 |
SC:C159-Education:Teacher:Art |
|
25 |
SC:C500-Education:Teacher:Music |
|
24 |
SC:C784-Sports:Water sports:Swimming |
|
24 |
SC:B437-Sports:Skiing |
|
24 |
SC:C637-Education:Engineer:Aerospace |
|
24 |
SC:B331-Science:Psychology |
|
23 |
SC:D635-Famous:Greatest hits:Art field:Fashion field |
|
23 |
SC:C382-Medical:Doctor:Dentist/ Dental Tech |
|
23 |
SC:B435-Military:Killed |
|
23 |
SC:B641-Military:Honors |
|
23 |
SC:C654-Work:Food and Beverage:Waiter/ Waitress |
|
22 |
SC:C377-Occult Fields:Astrologer:Student |
|
22 |
SC:C821-Medical:Doctor:Technician |
|
22 |
SC:C1002-Military:Military service:WW I |
|
22 |
SC:C218-Travel:Crew/ Ship, Train, Bus:Sailor |
|
21 |
SC:B628-Science:History |
|
20 |
SC:C683-Occult Fields:Psychic/ Medium/ Spiritualist:Numerologist |
|
20 |
SC:C319-Medical:Doctor:Counselor |
|
20 |
SC:B536-Sports:Golf |
|
20 |
SC:C820-Work:Maintenance Field:Mechanic |
|
19 |
SC:B553-Writers:Parapsychology |
|
19 |
SC:C619-Education:Teacher:Language/English |
|
19 |
SC:C1174-Education:Engineer:Electrical |
|
18 |
SC:B312-Writers:Religion |
|
18 |
SC:C620-Business:Entertain/Business:Manager/ Agent |
|
18 |
SC:E419-Medical:Doctor:Alternative methods:Psychic healer:Religious
healer |
|
18 |
SC:C705-Education:Teacher:Occult teacher |
|
18 |
SC:B416-Travel:Aviation field |
|
18 |
SC:C248-Work:Food and Beverage:Bartender |
|
18 |
SC:C806-Work:Building Trades:Contractor |
|
17 |
SC:C1043-Famous:Awards:Honorary degrees |
|
17 |
SC:D409-Business:Sex Business:Porno Market:Films |
|
Абсолютная частота |
Категории |
|
17 |
SC:B385-Sports:Games – Bridge/ Chess/ Other |
|
17 |
SC:B610-Sports:Fencing |
|
16 |
SC:D1104-Business:Business/Marketing:Commercials:TV |
|
16 |
SC:D627-Financial:Wealthy:Millionaire:Multimillionaire |
|
15 |
SC:C741-Science:Psychology:Anthropology |
|
15 |
SC:C989-Military:Military service:USAF |
|
15 |
SC:C461-Work:Food and Beverage:Chef/ Cook |
|
14 |
SC:D544-Business:Sports Business:Coach/ Manager/ Owner:Coach |
|
14 |
SC:C575-Work:Maintenance Field:Factory work |
|
13 |
SC:B543-Writers:Erotic |
|
13 |
SC:E793-Medical:Doctor:Alternative methods:Psychic
healer:Hypnotherapist |
|
13 |
SC:C809-Work:Maintenance Field:Homemaker |
|
13 |
SC:C943-Work:Maintenance Field:Physical labor |
|
13 |
SC:B1438-Work:Prestige associated with profession |
|
12 |
SC:D258-Famous:Greatest hits:Art field:Photography field |
|
12 |
SC:D401-Business:Business/Marketing:Insurance fields:Agent |
|
12 |
SC:C760-Art:Fine art artist:Secondary |
|
12 |
SC:C783-Education:Teacher:Physical education/Gymnastic/Sport |
|
12 |
SC:D1010-Education:Public speaker:Lecturer:International lecturer |
|
12 |
SC:C629-Science:History:Archeology |
|
12 |
SC:C687-Law:Spy/ Counter agent:CIA |
|
12 |
SC:B368-Work:Work alone/ Singular role |
|
12 |
SC:B533-Work:Loss of job |
|
11 |
SC:E748-Business:Sex Business:Porno Market:Films:Superstar/star |
|
11 |
SC:C421-Occult Fields:Psychic/ Medium/ Spiritualist:Palmist |
|
11 |
SC:B1021-Sports:Gymnastics |
|
11 |
SC:D672-Work:Maintenance Field:Outdoor vocations:Farmer/Rancher |
|
11 |
SC:C802-Work:Maintenance Field:Cleaning service |
|
11 |
SC:B829-Work:Stressful work |
|
10 |
SC:D1211-Occult Fields:Astrologer:Pro:Researcher |
|
10 |
SC:B1155-Sports:Hockey |
|
10 |
SC:C1219-Education:Teacher:Communications |
|
10 |
SC:D1063-Military:Military career:General:Admiral |
|
10 |
SC:C965-Travel:Adventurer:Outstanding expedition |
|
9 |
SC:D807-Medical:Doctor:Alternative methods:Homeopathy |
|
9 |
SC:B1107-Sports:Wrestling |
|
9 |
SC:C1151-Education:Teacher:Medicine |
|
9 |
SC:C229-Education:Engineer:Chemical |
|
9 |
SC:C332-Science:Psychology:Sociology |
|
9 |
SC:B597-Science:Other Science |
|
9 |
SC:C441-Travel:Adventurer:Mountain climber |
|
9 |
SC:B1040-Work:Self-employed |
|
8 |
SC:C668-Famous:Awards:war |
|
8 |
SC:D1547-Business:Business/Marketing:Sales:Cosmetics |
|
8 |
SC:D376-Business:Sports Business:Coach/ Manager/ Owner:Manager |
|
Абсолютная частота |
Категории |
|
8 |
SC:C1229-Occult Fields:Psychic/ Medium/ Spiritualist:Divination/
Prophecy |
|
8 |
SC:D1364-Medical:Doctor:Psychologist:Jungian |
|
8 |
SC:B1071-Sports:Shooting |
|
8 |
SC:D755-Education:Teacher:Occult teacher:Religous |
|
8 |
SC:C983-Education:Engineer:Civil |
|
8 |
SC:B727-Military:POW/ MIA |
|
8 |
SC:C604-Work:Food and Beverage:Alcohol business |
|
8 |
SC:C901-Work:Food and Beverage:Fast-food service |
|
7 |
SC:C310-Medical:Doctor:Neurologist |
|
7 |
SC:C83-Art:Commercial artist:Art collector and consultant |
|
7 |
SC:B762-Education:Librarian |
|
7 |
SC:C782-Science:Biology:Zoology |
|
7 |
SC:B495-Military:Pacifist/ Objector |
|
7 |
SC:B1059-Travel:Hotel/Motel/Resort |
|
7 |
SC:B191-Work:Unemployed >10 yrs |
|
7 |
SC:B223-Work:Dissatisfaction/ Hates job |
|
7 |
SC:C1030-Work:Food and Beverage:Baker/ Confections |
|
7 |
SC:C887-Work:Maintenance Field:Clerk |
|
6 |
SC:D1529-Business:Business/Marketing:Real estate:Agent |
|
6 |
SC:C1298-Occult Fields:Astrologer:Hobby |
|
6 |
SC:C1589-Medical:Doctor:Pediatrician |
|
6 |
SC:D951-Education:Teacher:Art:Dance |
|
6 |
SC:D1105-Education:Teacher:Science:Physics |
|
6 |
SC:D1180-Education:Teacher:Science:History |
|
6 |
SC:D507-Education:Public speaker:Lecturer:Astrology lecturer |
|
6 |
SC:C1053-Science:Biology:Botany |
|
6 |
SC:C1024-Science:History:Paleontology |
|
6 |
SC:D759-Military:Military career:General:Field Marshal |
|
6 |
SC:C685-Travel:Adventurer:Sailor |
|
5 |
SC:C1361-Famous:Awards:Writing awards |
|
5 |
SC:D817-Occult Fields:Astrologer:Pro:Data collector |
|
5 |
SC:C992-Medical:Doctor:Pharmacist |
|
5 |
SC:B591-Sports:Weightlifting |
|
5 |
SC:B795-Sports:Bullfighting |
|
5 |
SC:D1115-Education:Teacher:Science:Math |
|
5 |
SC:B1295-Law:Fire department |
|
5 |
SC:B1172-Travel:Travel agent |
|
5 |
SC:C1034-Work:Maintenance Field:Repair service |
|
5 |
SC:C1055-Work:Maintenance Field:Handy man |
|
5 |
SC:C1355-Work:Maintenance Field:Animal trainer |
|
4 |
SC:D304-Business:Business/Marketing:Stockbroker:Market analyst |
|
4 |
SC:D1403-Business:Business/Marketing:Sales:Cars |
|
4 |
SC:E1072-Medical:Doctor:Alternative methods:Psychic
healer:Bioenergetics, Zen, Yoga |
|
4 |
SC:C614-Medical:Doctor:Veterinarian |
|
4 |
SC:C449-Sports:Water sports:Sailing |
|
Абсолютная частота |
Категории |
|
4 |
SC:C642-Art:Fine art artist:Exhibited |
|
4 |
SC:C657-Art:Commercial artist:Pro |
|
4 |
SC:C1132-Art:Commercial artist:Potter |
|
4 |
SC:C688-Education:Teacher:Law |
|
4 |
SC:C1257-Education:Teacher:Coach |
|
4 |
SC:C1262-Education:Teacher:Special Ed |
|
4 |
SC:C1434-Education:Teacher:Adult Education |
|
4 |
SC:C975-Travel:Adventurer:Truck driver |
|
4 |
SC:C1113-Travel:Adventurer:Frontiersman |
|
4 |
SC:C488-Work:Maintenance Field:Translator |
|
4 |
SC:B1368-Work:Hazardous work |
|
3 |
SC:C1234-Famous:Awards: |
|
3 |
SC:C1350-Occult Fields:Psychic/ Medium/ Spiritualist:Graphologist |
|
3 |
SC:D1524-Medical:Doctor:Alternative methods:Acupuncture |
|
3 |
SC:B1330-Sports:Martial Arts |
|
3 |
SC:D1246-Education:Teacher:Science:Philosophy |
|
3 |
SC:D1256-Education:Teacher:Science:Computer science |
|
3 |
SC:D1414-Education:Teacher:Science:Psychology |
|
3 |
SC:C1130-Education:Teacher:Nursing |
|
3 |
SC:E508-Education:Public speaker:Lecturer:Astrology lecturer:Speaker
at AFA conventions |
|
3 |
SC:C1486-Education:Public speaker:Brilliant orator |
|
3 |
SC:B1023-Law:Court reporter |
|
3 |
SC:C1033-Travel:Crew/ Ship, Train, Bus:Bus driver |
|
3 |
SC:C1070-Travel:Crew/ Ship, Train, Bus:Taxi driver |
|
3 |
SC:C1363-Work:Food and Beverage:Host/ Maitre d' |
|
3 |
SC:D773-Work:Maintenance Field:Outdoor vocations:Logger |
|
3 |
SC:C1014-Work:Maintenance Field:Welder/Electrotechnic |
Приложение 2. 184 категории первого
класса,
упорядоченные по частоте встречаемости
|
Категория |
Абсолютная частота |
Параметр сходства |
|
SC:A53-Sports |
4567 |
61,06 |
|
SC:A15-Famous |
3372 |
-16,945 |
|
SC:A5-Entertainment |
2577 |
9,545 |
|
SC:A40-Occult Fields |
2396 |
1,694 |
|
SC:B111-Sports:Basketball |
2385 |
66,584 |
|
SC:A19-Writers |
2222 |
-1,255 |
|
SC:A31-Business |
1813 |
13,252 |
|
SC:B45-Famous:Greatest hits |
1794 |
-4,091 |
|
SC:B173-Sports:Football |
1613 |
77,513 |
|
SC:B97-Occult Fields:Astrologer |
1480 |
8,173 |
|
Категория |
Абсолютная частота |
Параметр сходства |
|
SC:B6-Entertainment:Music |
1086 |
0,563 |
|
SC:A99-Financial |
1075 |
0,017 |
|
SC:B48-Famous:Top 5% of Profession |
1073 |
-5,363 |
|
SC:A38-Politics |
1039 |
-1,875 |
|
SC:A108-Education |
1002 |
3,024 |
|
SC:B46-Famous:Awards |
973 |
1,755 |
|
SC:B95-Art:Entertainers |
913 |
9,409 |
|
SC:A70-Work |
834 |
9,579 |
|
SC:B169-Medical:Doctor |
724 |
9,452 |
|
SC:C164-Occult Fields:Astrologer:Pro |
697 |
6,052 |
|
SC:B109-Education:Teacher |
636 |
0,43 |
|
SC:A165-Military |
619 |
4,799 |
|
SC:B61-Art:Musicians |
589 |
3,793 |
|
SC:C7-Entertainment:Music:Vocalist |
581 |
6,601 |
|
SC:B105-Writers:Textbook/ Non-fiction |
569 |
0,875 |
|
SC:B141-Politics:Politicians |
536 |
4,38 |
|
SC:B41-Occult Fields:UFO sighting |
502 |
27,02 |
|
SC:B158-Politics:Public office |
475 |
0,729 |
|
SC:B269-Entertainment:Stage |
472 |
10,773 |
|
SC:A120-Science |
466 |
1,999 |
|
SC:C11-Entertainment:Music:Instrumental |
461 |
1,12 |
|
SC:B50-Famous:Sports Figures |
449 |
9,487 |
|
SC:B35-Writers:Fiction |
417 |
4,348 |
|
SC:B117-Business:Entertain/Business |
411 |
13,464 |
|
SC:B56-Art:Beauty |
404 |
10,142 |
|
SC:A151-Law |
400 |
-0,842 |
|
SC:B166-Military:Military service |
397 |
7,64 |
|
SC:A216-Travel |
396 |
7,842 |
|
SC:B20-Writers:Autobiographer |
380 |
4,843 |
|
SC:B293-Writers:Astrology |
375 |
6,791 |
|
SC:B294-Occult Fields:Psychic/ Medium/ |
374 |
12,497 |
|
SC:B100-Financial:Financial success in |
369 |
10,4 |
|
SC:B32-Business:Business owner |
344 |
10,016 |
|
SC:B124-Science:Biology |
340 |
3,995 |
|
SC:B153-Business:Business executive |
336 |
7,268 |
|
SC:B174-Business:Business/Marketing |
323 |
10,837 |
|
SC:B52-Famous:Historic figure |
322 |
-0,923 |
|
SC:B348-Financial:Wealthy |
321 |
5,964 |
|
Категория |
Абсолютная частота |
Параметр сходства |
|
SC:C125-Science:Biology:Medicine |
311 |
1,98 |
|
SC:B445-Entertainment:TV series/ Soap s |
301 |
12,471 |
|
SC:C119-Business:Entertain/Business:Dir |
282 |
6,105 |
|
SC:B152-Law:Attorney |
280 |
-0,644 |
|
SC:C479-Famous:Greatest hits:Entertainm |
280 |
4,539 |
|
SC:B106-Writers:Publisher/ Editor |
271 |
-0,929 |
|
SC:C260-Famous:Greatest hits:Writing fi |
262 |
1,779 |
|
SC:C47-Famous:Awards:Vocational award |
240 |
4,917 |
|
SC:B171-Writers:Playwright/ script |
233 |
1,828 |
|
SC:B413-Entertainment:Child performer |
232 |
6,825 |
|
SC:B36-Writers:Poet |
225 |
6,878 |
|
SC:C62-Entertainment:Music:Group/ Duo |
219 |
9,425 |
|
SC:B245-Politics:Heads of state |
217 |
7,988 |
|
SC:C75-Entertainment:Music:Composer/ Ar |
215 |
7,171 |
|
SC:B340-Famous:Royal family |
214 |
-3,105 |
|
SC:B33-Writers:Columnist/ journalist |
213 |
2,31 |
|
SC:B163-Famous:Criminal cases |
206 |
7,251 |
|
SC:B228-Education:Engineer |
206 |
10,763 |
|
SC:B96-Entertainment:Comedy |
205 |
7,213 |
|
SC:B359-Business:Entrepreneur |
203 |
5,475 |
|
SC:B102-Entertainment:Dancer |
198 |
13,139 |
|
SC:B404-Business:Sex Business |
194 |
44,538 |
|
SC:B283-Famous:Founder/ originator |
185 |
10,274 |
|
SC:B505-Education:Public speaker |
179 |
-0,067 |
|
SC:B156-Politics:Activist/ social |
178 |
8,28 |
|
SC:C580-Medical:Doctor:Psychologist |
177 |
10,164 |
|
SC:C296-Famous:Greatest hits:Astrology |
173 |
1,915 |
|
SC:C88-Art:Fine art artist:Painter |
169 |
7,531 |
|
SC:C405-Business:Sex Business:Prostitut |
165 |
48,612 |
|
SC:B37-Entertainment:TV host/ Personali |
164 |
9,129 |
|
SC:B626-Occult Fields:Out of Body exper |
162 |
60,572 |
|
SC:C78-Famous:Awards:Olympics |
162 |
7,05 |
|
SC:B238-Business:Clerical/ Secretarial |
158 |
19,036 |
|
SC:C295-Occult Fields:Psychic/ Medium/ |
157 |
5,415 |
|
SC:B247-Work:Food and Beverage |
156 |
9,005 |
|
SC:B39-Politics:Government employee |
156 |
3,592 |
|
SC:C110-Education:Teacher:High school t |
150 |
1,967 |
|
SC:B602-Work:Travel for work |
145 |
5,494 |
|
Категория |
Абсолютная частота |
Параметр сходства |
|
SC:C584-Art:Beauty:Sex-symbol |
136 |
3,531 |
|
SC:C57-Art:Beauty:Model |
131 |
8,878 |
|
SC:B16-Famous:News figure |
130 |
2,341 |
|
SC:B464-Work:Maintenance Field |
130 |
5,957 |
|
SC:B338-Sports:Race |
126 |
11,628 |
|
SC:B474-Financial:Rags to riches |
126 |
3,979 |
|
SC:B311-Entertainment:Radio/ D.J./ Anno |
125 |
4,786 |
|
SC:B440-Travel:Adventurer |
123 |
6,665 |
|
SC:B347-Financial:Inheritance |
120 |
5,619 |
|
SC:B71-Work:Work in team/ Tandem |
119 |
9,936 |
|
SC:B121-Science:Physics |
118 |
4,416 |
|
SC:C149-Famous:Greatest hits:Occult fie |
118 |
2,834 |
|
SC:C63-Entertainment:Music:Conductor |
113 |
5,116 |
|
SC:C277-Famous:Awards:Nobel prize |
107 |
4,922 |
|
SC:B313-Business:Economist/ Financier |
106 |
3,835 |
|
SC:D104-Entertainment:Music:Vocalist:Op |
106 |
8,103 |
|
SC:C118-Business:Entertain/Business:Pro |
105 |
6,854 |
|
SC:B550-Art:Inventor/Originator |
104 |
3,646 |
|
SC:B98-Art:Dancers |
101 |
7,593 |
|
SC:C551-Famous:Greatest hits:Science fi |
100 |
0,684 |
|
SC:C595-Military:Military service:WW II |
86 |
8,341 |
|
SC:C334-Art:Beauty:Designer |
85 |
12,498 |
|
SC:B537-Entertainment:News journalist/ |
84 |
11,989 |
|
SC:B82-Art:Commercial artist |
83 |
6,393 |
|
SC:C157-Politics:Activist/ social:Nazi |
80 |
10,843 |
|
SC:C170-Medical:Doctor:Psyhotherapist |
79 |
39,617 |
|
SC:B239-Occult Fields:Mystical experien |
77 |
6,038 |
|
SC:C1198-Occult Fields:Psychic/ Medium/ |
77 |
47,683 |
|
SC:C734-Education:Engineer:Software |
77 |
10,889 |
|
SC:B571-Travel:Pilot/ private |
74 |
11,351 |
|
SC:B664-Financial:Money Through Marriag |
73 |
13,569 |
|
SC:B54-Sports:Baseball |
72 |
16,967 |
|
SC:B781-Law:Police/Security |
72 |
8,279 |
|
SC:B172-Writers:Humor |
70 |
8,536 |
|
SC:B79-Writers:Philosophy |
70 |
7,897 |
|
SC:C438-Famous:Awards:Sports Championsh |
70 |
6,368 |
|
SC:B431-Science:Mathematics/ Statistics |
69 |
3,942 |
|
SC:B266-Writers:Magazine/ newsletter |
65 |
8,046 |
|
Категория |
Абсолютная частота |
Параметр сходства |
|
SC:B559-Writers:Metaphysics |
65 |
10,519 |
|
SC:B723-Financial:Financial loss |
64 |
6,983 |
|
SC:C636-Famous:Awards:Hall of Fame |
62 |
2,732 |
|
SC:B246-Financial:Winnings/ Lottery |
59 |
17,445 |
|
SC:D418-Medical:Doctor:Alternative meth |
59 |
6,344 |
|
SC:B384-Science:Chemistry |
55 |
4,012 |
|
SC:B496-Sports:Boxing |
55 |
18,701 |
|
SC:C278-Medical:Doctor:Social worker |
54 |
5,054 |
|
SC:C328-Business:Business/Marketing:Sal |
54 |
12,194 |
|
SC:C58-Art:Beauty:Beauty Queen/ King |
54 |
9,065 |
|
SC:C122-Science:Physics:Astronomy |
53 |
4,284 |
|
SC:C399-Business:Business/Marketing:Rea |
53 |
12,729 |
|
SC:B510-Work:Satisfaction/ Loves job |
52 |
7,51 |
|
SC:B107-Writers:Critic |
51 |
10,991 |
|
SC:B648-Financial:Philanthropist |
51 |
5,447 |
|
SC:D988-Occult Fields:Astrologer:Pro:AF |
50 |
16,544 |
|
SC:B77-Sports:Water sports |
49 |
11,116 |
|
SC:C335-Art:Beauty:Fashion field |
49 |
6,427 |
|
SC:C631-Work:Building Trades:Architect/ |
48 |
13,597 |
|
SC:B256-Art:Photography |
47 |
17,045 |
|
SC:B259-Writers:Sci-Fi/ Fantasy/ Horror |
47 |
14,761 |
|
SC:B715-Sports:Field and Track |
47 |
17,433 |
|
SC:B309-Education:Researcher |
46 |
5,454 |
|
SC:C339-Sports:Race:Race Bikes |
46 |
12,84 |
|
SC:C453-Sports:Race:Race Cars |
46 |
8,199 |
|
SC:B115-Financial:Improvident |
45 |
10,7 |
|
SC:B236-Business:CPA/ Auditor/ Accounta |
45 |
26,465 |
|
SC:B492-Sports:Skating |
45 |
17,096 |
|
SC:C175-Business:Business/Marketing:Pub |
44 |
11,623 |
|
SC:C250-Work:Building Trades:Builder |
44 |
15,169 |
|
SC:C603-Work:Food and Beverage:Farmer/ |
44 |
2,774 |
|
SC:C81-Art:Fine art artist:Sculpture |
44 |
11,602 |
|
SC:B168-Education:School/college/univer |
42 |
7,815 |
|
SC:B707-Law:Jurist |
42 |
4,486 |
|
SC:C717-Famous:Awards:Knighted |
42 |
6,396 |
|
SC:C268-Famous:Awards:Tony |
41 |
8,735 |
|
SC:B279-Politics:Activist/ feminist |
40 |
13,269 |
|
SC:B374-Business:Sports Business |
40 |
16,361 |
|
Категория |
Абсолютная частота |
Параметр сходства |
|
SC:C1038-Education:Teacher:Science |
39 |
8,492 |
|
SC:C779-Famous:Greatest hits:Military f |
38 |
7,858 |
|
SC:C375-Business:Sports Business:Coach/ |
37 |
10,901 |
|
SC:B554-Financial:Bankruptcy |
36 |
10,233 |
|
SC:B746-Entertainment:Circus/Mime |
36 |
11,052 |
|
SC:B315-Financial:Gambling |
35 |
14,266 |
|
SC:C254-Business:Business/Marketing:Adv |
35 |
12,024 |
|
SC:B511-Writers:Detective/ Mystery |
33 |
14,608 |
|
SC:C1340-Medical:Doctor:Chiropractor |
33 |
45,495 |
|
SC:C794-Military:Military service:Navy |
32 |
4,405 |
|
SC:B272-Art:Cartoonist |
31 |
18,339 |
|
SC:C408-Business:Sex Business:Porno Mar |
31 |
5,497 |
|
SC:C303-Business:Business/Marketing:Sto |
30 |
16,141 |
|
SC:C709-Medical:Doctor:Surgeon |
30 |
16,326 |
|
SC:B140-Writers:Biographer |
29 |
11,536 |
|
SC:B518-Work:Multi-skilled |
29 |
6,166 |
|
SC:B217-Travel:Crew/ Ship, Train, Bus |
28 |
16,698 |
|
SC:C792-Medical:Doctor:Nutritionist |
27 |
13,212 |
|
SC:B406-Art:Stage/ Set design |
26 |
24,514 |
|
SC:C422-Occult Fields:Psychic/ Medium/ |
26 |
18,923 |
|
SC:B437-Sports:Skiing |
24 |
20,817 |
|
SC:B435-Military:Killed |
23 |
13,223 |
Приложение 3. Список 203 категорий
второго класса,
упорядоченных по частоте встречаемости
|
частота |
Категория |
Параметр сходства |
|
2232 |
SC:A55-Art |
2,303 |
|
1256 |
SC:B14-Entertainment:Actor/
Actress |
3,629 |
|
534 |
SC:C59-Famous:Greatest
hits:Art field |
3,65 |
|
479 |
SC:D8-Entertainment:Music:Vocalist:Rock,
Pop, etc. |
5,523 |
|
247 |
SC:B80-Art:Fine
art artist |
6,855 |
|
237 |
SC:D67-Famous:Greatest
hits:Art field:Music field |
6,256 |
|
219 |
SC:B176-Military:Military
career |
8,111 |
|
195 |
SC:B84-Art:Art/
Design |
7,161 |
|
184 |
SC:D60-Famous:Greatest
hits:Art field:Beauty |
7,649 |
|
Абсолютная частота |
Категория |
Параметр сходства |
|
153 |
SC:C344-Famous:Awards:Oscar |
9,158 |
|
137 |
SC:C267-Entertainment:Music:Song
writer |
10,057 |
|
122 |
SC:C506-Education:Public
speaker:Lecturer |
9,088 |
|
110 |
SC:C306-Famous:Greatest
hits:Social field |
10,186 |
|
109 |
SC:D451-Education:Teacher:High
school teacher:Professor |
9,1 |
|
107 |
SC:B249-Work:Building
Trades |
10,454 |
|
104 |
SC:B308-Work:Job
>10 yrs |
10,708 |
|
100 |
SC:C417-Medical:Doctor:Alternative
methods |
10,869 |
|
95 |
SC:D307-Famous:Greatest
hits:Social field:Political field |
10,432 |
|
88 |
SC:B486-Travel:Pilot/
military |
12,831 |
|
86 |
SC:C485-Business:Business/Marketing:Commercials |
11,194 |
|
76 |
SC:C588-Famous:Awards:Emmy |
12,811 |
|
73 |
SC:B398-Financial:Invest/
Property |
14,121 |
|
57 |
SC:C439-Art:Commercial
artist:Graphics, design |
15,606 |
|
54 |
SC:C484-Business:Entertain/Business:Production
jobs |
19,582 |
|
53 |
SC:B487-Travel:Astronaut |
21,454 |
|
52 |
SC:C690-Famous:Awards:Pulitzer
prize |
18,231 |
|
50 |
SC:C362-Famous:Greatest
hits:Business field |
16,385 |
|
44 |
SC:C638-Military:Military
career:Officer |
19,671 |
|
44 |
SC:C758-Military:Military
career:General |
21,698 |
|
43 |
SC:D150-Famous:Greatest
hits:Occult field:Spiritual field |
18,411 |
|
43 |
SC:D791-Medical:Doctor:Psychologist:Parapsychology |
20,583 |
|
42 |
SC:B372-Military:Wounded |
21,815 |
|
42 |
SC:B660-Sports:Tennis |
20,346 |
|
41 |
SC:C263-Politics:Heads
of state: |
19,802 |
|
39 |
SC:B625-Travel:Pilot/
commercial |
23,24 |
|
39 |
SC:C407-Work:Food
and Beverage:Restaurateur |
23,248 |
|
38 |
SC:B686-Law:Spy/
Counter agent |
23,09 |
|
37 |
SC:B750-Famous:Socialite |
23,413 |
|
37 |
SC:C587-Famous:Awards:Grammy |
23,461 |
|
36 |
SC:B337-Travel:Flight
attendant |
27,818 |
|
35 |
SC:C346-Business:Business/Marketing:Insurance
fields |
24,07 |
|
35 |
SC:C560-Education:Teacher:Astrology |
22,291 |
|
35 |
SC:C684-Education:Teacher:School/College
teacher |
22,535 |
|
33 |
SC:C448-Sports:Race:Race
Horses |
24,206 |
|
32 |
SC:C351-Financial:Wealthy:Millionaire |
23,477 |
|
32 |
SC:C725-Entertainment:Music:Producer |
25,829 |
|
Абсолютная частота |
Категория |
Параметр сходства |
|
31 |
SC:B808-Politics:Activist/
political |
24,213 |
|
30 |
SC:C803-Education:Engineer:Mechanical |
23,321 |
|
29 |
SC:B582-Financial:Extreme
ups and downs |
25,611 |
|
29 |
SC:C1707-Medical:Doctor:Therapist |
35,205 |
|
28 |
SC:C465-Work:Maintenance
Field:Outdoor vocations |
24,964 |
|
28 |
SC:C570-Travel:Adventurer:Explorer |
24,656 |
|
27 |
SC:D639-Military:Military
career:Officer:Combat |
23,55 |
|
26 |
SC:B361-Work:Many
job changes |
27,308 |
|
26 |
SC:B569-Science:Geography/Geology/Oceanography |
27,758 |
|
25 |
SC:C159-Education:Teacher:Art |
28,574 |
|
25 |
SC:C500-Education:Teacher:Music |
27,795 |
|
25 |
SC:D728-Art:Commercial
artist:Graphics, design:Illustrator |
24,056 |
|
24 |
SC:B331-Science:Psychology |
28,415 |
|
24 |
SC:C637-Education:Engineer:Aerospace |
26,285 |
|
24 |
SC:C784-Sports:Water
sports:Swimming |
28,993 |
|
23 |
SC:B641-Military:Honors |
27,594 |
|
23 |
SC:C382-Medical:Doctor:Dentist/
Dental Tech |
30,256 |
|
23 |
SC:C654-Work:Food
and Beverage:Waiter/ Waitress |
29,368 |
|
23 |
SC:D635-Famous:Greatest
hits:Art field:Fashion field |
25,813 |
|
22 |
SC:C1002-Military:Military
service:WW I |
32,449 |
|
22 |
SC:C218-Travel:Crew/
Ship, Train, Bus:Sailor |
29,546 |
|
22 |
SC:C377-Occult
Fields:Astrologer:Student |
31,444 |
|
22 |
SC:C821-Medical:Doctor:Technician |
30,191 |
|
21 |
SC:B628-Science:History |
30,599 |
|
20 |
SC:B536-Sports:Golf |
32,325 |
|
20 |
SC:C319-Medical:Doctor:Counselor |
30,604 |
|
20 |
SC:C683-Occult
Fields:Psychic/ Medium/ Spiritualist:Numerologist |
31,485 |
|
20 |
SC:C820-Work:Maintenance
Field:Mechanic |
30,361 |
|
19 |
SC:B553-Writers:Parapsychology |
33,86 |
|
19 |
SC:C1174-Education:Engineer:Electrical |
33,407 |
|
19 |
SC:C619-Education:Teacher:Language/English |
35,764 |
|
18 |
SC:B312-Writers:Religion |
32,98 |
|
18 |
SC:B416-Travel:Aviation
field |
34,756 |
|
18 |
SC:C248-Work:Food
and Beverage:Bartender |
33,475 |
|
18 |
SC:C620-Business:Entertain/Business:Manager/
Agent |
32,345 |
|
18 |
SC:C705-Education:Teacher:Occult
teacher |
35,053 |
|
Абсолютная частота |
Категория |
Параметр сходства |
|
18 |
SC:C806-Work:Building
Trades:Contractor |
34,639 |
|
18 |
SC:E419-Medical:Doctor:Alternative
methods:Psychic healer:Religious healer |
31,84 |
|
17 |
SC:B385-Sports:Games
– Bridge/ Chess/ Other |
35,075 |
|
17 |
SC:B610-Sports:Fencing |
36,851 |
|
17 |
SC:C1043-Famous:Awards:Honorary
degrees |
33,782 |
|
17 |
SC:D409-Business:Sex
Business:Porno Market:Films |
34,099 |
|
16 |
SC:D1104-Business:Business/Marketing:Commercials:TV |
34,371 |
|
16 |
SC:D627-Financial:Wealthy:Millionaire:Multimillionaire |
35,232 |
|
15 |
SC:C461-Work:Food
and Beverage:Chef/ Cook |
38,968 |
|
15 |
SC:C741-Science:Psychology:Anthropology |
35,444 |
|
15 |
SC:C989-Military:Military
service:USAF |
35,135 |
|
14 |
SC:C575-Work:Maintenance
Field:Factory work |
37,398 |
|
14 |
SC:D544-Business:Sports
Business:Coach/ Manager/ Owner:Coach |
37,29 |
|
13 |
SC:B1438-Work:Prestige
associated with profession |
39,876 |
|
13 |
SC:B543-Writers:Erotic |
36,443 |
|
13 |
SC:C809-Work:Maintenance
Field:Homemaker |
43,535 |
|
13 |
SC:C943-Work:Maintenance
Field:Physical labor |
39,096 |
|
13 |
SC:E793-Medical:Doctor:Alternative
methods:Psychic healer:Hypnotherapist |
36,938 |
|
12 |
SC:B368-Work:Work
alone/ Singular role |
38,788 |
|
12 |
SC:B533-Work:Loss
of job |
42,119 |
|
12 |
SC:C629-Science:History:Archeology |
38,645 |
|
12 |
SC:C687-Law:Spy/
Counter agent:CIA |
37,3 |
|
12 |
SC:C760-Art:Fine
art artist:Secondary |
41,71 |
|
12 |
SC:C783-Education:Teacher:Physical
education/Gymnastic/Sport |
40,93 |
|
12 |
SC:D1010-Education:Public
speaker:Lecturer:International lecturer |
38,247 |
|
12 |
SC:D258-Famous:Greatest
hits:Art field:Photography field |
36,07 |
|
12 |
SC:D401-Business:Business/Marketing:Insurance
fields:Agent |
42,25 |
|
11 |
SC:B1021-Sports:Gymnastics |
45,503 |
|
11 |
SC:B829-Work:Stressful
work |
40,195 |
|
11 |
SC:C421-Occult
Fields:Psychic/ Medium/ Spiritualist:Palmist |
43,624 |
|
11 |
SC:C802-Work:Maintenance
Field:Cleaning service |
44,981 |
|
11 |
SC:D672-Work:Maintenance
Field:Outdoor vocations:Farmer/Rancher |
38,469 |
|
Абсолютная частота |
Категория |
Параметр сходства |
|
11 |
SC:E748-Business:Sex
Business:Porno Market:Films:Superstar/star |
43,132 |
|
10 |
SC:B1155-Sports:Hockey |
46,686 |
|
10 |
SC:C1219-Education:Teacher:Communications |
46,212 |
|
10 |
SC:C965-Travel:Adventurer:Outstanding
expedition |
45,421 |
|
10 |
SC:D1063-Military:Military
career:General:Admiral |
43,372 |
|
10 |
SC:D1211-Occult
Fields:Astrologer:Pro:Researcher |
46,525 |
|
9 |
SC:B1040-Work:Self-employed |
49,178 |
|
9 |
SC:B1107-Sports:Wrestling |
51,317 |
|
9 |
SC:B597-Science:Other
Science |
46,387 |
|
9 |
SC:C1151-Education:Teacher:Medicine |
48,512 |
|
9 |
SC:C229-Education:Engineer:Chemical |
50,112 |
|
9 |
SC:C332-Science:Psychology:Sociology |
45,853 |
|
9 |
SC:C441-Travel:Adventurer:Mountain
climber |
48,931 |
|
9 |
SC:D807-Medical:Doctor:Alternative
methods:Homeopathy |
46,232 |
|
8 |
SC:B1071-Sports:Shooting |
53,247 |
|
8 |
SC:B727-Military:POW/
MIA |
51,777 |
|
8 |
SC:C1229-Occult
Fields:Psychic/ Medium/ Spiritualist:Divination/ Prophecy |
51,202 |
|
8 |
SC:C604-Work:Food
and Beverage:Alcohol business |
48,304 |
|
8 |
SC:C668-Famous:Awards:war |
48,715 |
|
8 |
SC:C901-Work:Food
and Beverage:Fast-food service |
52,18 |
|
8 |
SC:C983-Education:Engineer:Civil |
48,31 |
|
8 |
SC:D1364-Medical:Doctor:Psychologist:Jungian |
52,014 |
|
8 |
SC:D1547-Business:Business/Marketing:Sales:Cosmetics |
53,938 |
|
8 |
SC:D376-Business:Sports
Business:Coach/ Manager/ Owner:Manager |
47,153 |
|
8 |
SC:D755-Education:Teacher:Occult
teacher:Religous |
56,121 |
|
7 |
SC:B1059-Travel:Hotel/Motel/Resort |
55,372 |
|
7 |
SC:B191-Work:Unemployed
>10 yrs |
55,931 |
|
7 |
SC:B223-Work:Dissatisfaction/
Hates job |
54,104 |
|
7 |
SC:B495-Military:Pacifist/
Objector |
53,455 |
|
7 |
SC:B762-Education:Librarian |
56,983 |
|
7 |
SC:C1030-Work:Food
and Beverage:Baker/ Confections |
55,898 |
|
7 |
SC:C310-Medical:Doctor:Neurologist |
58,529 |
|
7 |
SC:C782-Science:Biology:Zoology |
52,839 |
|
7 |
SC:C83-Art:Commercial
artist:Art collector and consultant |
50,301 |
|
Абсолютная частота |
Категория |
Параметр сходства |
|
7 |
SC:C887-Work:Maintenance
Field:Clerk |
54,441 |
|
6 |
SC:C1024-Science:History:Paleontology |
60,424 |
|
6 |
SC:C1053-Science:Biology:Botany |
60,725 |
|
6 |
SC:C1298-Occult
Fields:Astrologer:Hobby |
60,866 |
|
6 |
SC:C1589-Medical:Doctor:Pediatrician |
60,264 |
|
6 |
SC:C685-Travel:Adventurer:Sailor |
51,055 |
|
6 |
SC:D1105-Education:Teacher:Science:Physics |
57,329 |
|
6 |
SC:D1180-Education:Teacher:Science:History |
57,29 |
|
6 |
SC:D1529-Business:Business/Marketing:Real
estate:Agent |
59,012 |
|
6 |
SC:D507-Education:Public
speaker:Lecturer:Astrology lecturer |
54,198 |
|
6 |
SC:D759-Military:Military
career:General:Field Marshal |
58,001 |
|
6 |
SC:D951-Education:Teacher:Art:Dance |
56,144 |
|
5 |
SC:B1172-Travel:Travel
agent |
68,757 |
|
5 |
SC:B1295-Law:Fire
department |
67,229 |
|
5 |
SC:B591-Sports:Weightlifting |
64,289 |
|
5 |
SC:B795-Sports:Bullfighting |
65,421 |
|
5 |
SC:C1034-Work:Maintenance
Field:Repair service |
63,72 |
|
5 |
SC:C1055-Work:Maintenance
Field:Handy man |
62,64 |
|
5 |
SC:C1355-Work:Maintenance
Field:Animal trainer |
67,175 |
|
5 |
SC:C1361-Famous:Awards:Writing
awards |
65,929 |
|
5 |
SC:C992-Medical:Doctor:Pharmacist |
62,859 |
|
5 |
SC:D1115-Education:Teacher:Science:Math |
63,783 |
|
5 |
SC:D817-Occult
Fields:Astrologer:Pro:Data collector |
66,378 |
|
4 |
SC:B1368-Work:Hazardous
work |
79,057 |
|
4 |
SC:C1113-Travel:Adventurer:Frontiersman |
69,171 |
|
4 |
SC:C1132-Art:Commercial
artist:Potter |
71,388 |
|
4 |
SC:C1257-Education:Teacher:Coach |
76,057 |
|
4 |
SC:C1262-Education:Teacher:Special
Ed |
73,722 |
|
4 |
SC:C1434-Education:Teacher:Adult
Education |
77,007 |
|
4 |
SC:C449-Sports:Water
sports:Sailing |
63,465 |
|
4 |
SC:C488-Work:Maintenance
Field:Translator |
66,346 |
|
4 |
SC:C614-Medical:Doctor:Veterinarian |
72,721 |
|
4 |
SC:C642-Art:Fine
art artist:Exhibited |
72,862 |
|
4 |
SC:C657-Art:Commercial
artist:Pro |
71,628 |
|
4 |
SC:C688-Education:Teacher:Law |
77,367 |
|
4 |
SC:C975-Travel:Adventurer:Truck
driver |
61,485 |
|
4 |
SC:D1403-Business:Business/Marketing:Sales:Cars |
78,914 |
|
Абсолютная частота |
Категория |
Параметр сходства |
|
4 |
SC:D304-Business:Business/Marketing:Stockbroker:Market
analyst |
68,859 |
|
4 |
SC:E1072-Medical:Doctor:Alternative
methods:Psychic healer:Bioenergetics, Zen, Yoga |
69,119 |
|
3 |
SC:B1023-Law:Court
reporter |
86,724 |
|
3 |
SC:B1330-Sports:Martial
Arts |
85,584 |
|
3 |
SC:C1014-Work:Maintenance
Field:Welder/Electrotechnic |
85,657 |
|
3 |
SC:C1033-Travel:Crew/
Ship, Train, Bus:Bus driver |
81,25 |
|
3 |
SC:C1070-Travel:Crew/
Ship, Train, Bus:Taxi driver |
85,967 |
|
3 |
SC:C1130-Education:Teacher:Nursing |
85,135 |
|
3 |
SC:C1234-Famous:Awards: |
85,512 |
|
3 |
SC:C1350-Occult
Fields:Psychic/ Medium/ Spiritualist:Graphologist |
86,642 |
|
3 |
SC:C1363-Work:Food
and Beverage:Host/ Maitre d' |
87,471 |
|
3 |
SC:C1486-Education:Public
speaker:Brilliant orator |
86,079 |
|
3 |
SC:D1246-Education:Teacher:Science:Philosophy |
85,142 |
|
3 |
SC:D1256-Education:Teacher:Science:Computer
science |
87,215 |
|
3 |
SC:D1414-Education:Teacher:Science:Psychology |
81,323 |
|
3 |
SC:D1524-Medical:Doctor:Alternative
methods:Acupuncture |
84,1 |
|
3 |
SC:D773-Work:Maintenance
Field:Outdoor vocations:Logger |
70,72 |
|
3 |
SC:E508-Education:Public
speaker:Lecturer:Astrology lecturer:Speaker at AFA conventions |
73,083 |
Приложение 4. Категории первого и третьего
класса, упорядоченные по частоте встречаемости
|
частота |
Параметр сходства |
NAME |
|
2910 |
5,681 |
SC:A42-Medical |
|
2675 |
18,526 |
SC:A354-Social Life |
|
2442 |
7,527 |
SC:A92-Birth |
|
2360 |
8,529 |
SC:B329-Sexuality:Sexual
perversions |
|
2083 |
8,909 |
SC:A25-Personality |
|
1996 |
-3,167 |
SC:A68-Childhood |
|
1807 |
6,455 |
SC:C330-Sexuality:Sexual
perversions:Homosexual male |
|
1754 |
10,533 |
SC:A29-Parenting |
|
1417 |
7,021 |
SC:B210-Relationship:Term
long >15 Yrs |
|
Абсолютная частота |
Параметр сходства |
NAME |
|
1343 |
13,982 |
SC:A9-Relationship |
|
1163 |
11,265 |
SC:B261-Personality:Truthful/
Liar |
|
1159 |
8,497 |
SC:B18-Criminal
Perpetrator:Homicide involvement |
|
1007 |
31,435 |
SC:A23-Psychological |
|
922 |
5,986 |
SC:B720-Social
Life:Outdoors |
|
780 |
3,524 |
SC:A17-Criminal Perpetrator |
|
742 |
12,232 |
SC:A65-Mind |
|
737 |
3,15 |
SC:B692-Personality:Night
Owl/ Early Bird |
|
724 |
9,364 |
SC:B169-Medical:Doctor |
|
707 |
49,613 |
SC:A138-Religion |
|
681 |
22,629 |
SC:B154-Death:Long
life >80 yrs |
|
680 |
9,349 |
SC:B132-Birth:Unusual
circumstances |
|
657 |
5,478 |
SC:C1467-Death:Accidental:Guillotine |
|
636 |
6,767 |
SC:B12-Relationship:Age
difference >15 yrs |
|
625 |
7,262 |
SC:B130-Death:Illness/
Disease |
|
526 |
11,384 |
SC:B410-Personality:Changed
name |
|
503 |
2,505 |
SC:A323-Sexuality |
|
490 |
29,172 |
SC:B207-Medical:Cancer |
|
481 |
32,969 |
SC:B240-Birth:Short
labor <3 hrs |
|
471 |
2,151 |
SC:B284-Childhood:Family
trauma |
|
458 |
1,647 |
SC:B89-Childhood:Siblings |
|
449 |
12,202 |
SC:B211-Mind:Child
prodigy |
|
407 |
11,083 |
SC:B93-Birth:Twin,
triplet, etc. |
|
384 |
11,539 |
SC:B142-Parenting:>3 Kids |
|
362 |
25,389 |
SC:C609-Sexuality:Sexual
perversions:Lesbian |
|
360 |
9,154 |
SC:B184-Birth:Premature |
|
359 |
18,426 |
SC:C177-Death:Long
life >80 yrs:Age 80-85 |
|
356 |
5,432 |
SC:C747-Death:Suicide:Jumped |
|
349 |
15,254 |
SC:B333-Mind:High
I.Q./ Mensa level |
|
347 |
7,09 |
SC:C386-Medical:Illness:Aids |
|
347 |
6,129 |
SC:C387-Death:Illness/
Disease:Aids |
|
334 |
8,843 |
SC:B43-Medical:Surgery |
|
307 |
4,928 |
SC:C761-Childhood:Birth
order:Youngest |
|
302 |
14,722 |
SC:B336-Religion:Ecclesiastics/
western |
|
299 |
19,609 |
SC:A3-Criminal Victim |
|
292 |
7,817 |
SC:C947-Medical:Cancer:Bone |
|
282 |
17,987 |
SC:B1126-Religion:Atheist |
|
275 |
20,771 |
SC:B221-Birth:Defects,
Handicaps |
|
268 |
6,405 |
SC:B192-Death:Short
Life <29 Yrs |
|
Абсолютная частота |
Параметр сходства |
NAME |
|
267 |
37,446 |
SC:C457-Psychological:Alcohol
Abuse:Rehab AA |
|
263 |
10,248 |
SC:C66-Personality:Body:Gorgeous |
|
260 |
13,551 |
SC:B4-Criminal Victim:Rape/
Sex crime victim |
|
249 |
1,161 |
SC:B493-Personality:Temperamental |
|
246 |
9,609 |
SC:C730-Medical:Illness:Deaf/
Hearing loss |
|
242 |
9,451 |
SC:B206-Relationship:Widowed |
|
230 |
9,852 |
SC:C167-Parenting:1-3
Kids:Three |
|
229 |
2,134 |
SC:C285-Childhood:Family
trauma:Siblings died |
|
216 |
4,943 |
SC:B281-Childhood:Birth
order |
|
213 |
42,988 |
SC:B395-Religion:12
step group |
|
210 |
30,673 |
SC:B135-Death:Accidental |
|
209 |
8,332 |
SC:B324-Sexuality:Extremes
in quantity |
|
204 |
4,244 |
SC:B366-Personality:Extraordinary
Talents |
|
202 |
9,568 |
SC:C271-Birth:Late
birth:Fetal hibernation |
|
197 |
6,893 |
SC:B21-Relationship:Number
of marriages |
|
195 |
21,453 |
SC:C264-Death:Long
life >80 yrs:Age 86-90 |
|
187 |
8,323 |
SC:B30-Parenting:Noted
kids |
|
178 |
13,497 |
SC:B314-Criminal
Perpetrator:Theif |
|
177 |
15,902 |
SC:C580-Medical:Doctor:Psychologist |
|
175 |
13,66 |
SC:C540-Childhood:Family
noted:Both parents |
|
172 |
13,837 |
SC:C1311-Childhood:Family
trauma:Terror victim |
|
170 |
16,414 |
SC:C1281-Childhood:Family
trauma:Illness |
|
166 |
10,342 |
SC:C220-Medical:Illness:Bad
heart |
|
162 |
10,091 |
SC:C499-Relationship:Number
of divorces:One |
|
156 |
30,565 |
SC:B178-Birth:Cesarean |
|
152 |
14,485 |
SC:C276-Death:Illness/
Disease:Cancer |
|
152 |
12,301 |
SC:C278-Medical:Doctor:Social
worker |
|
151 |
6,374 |
SC:B13-Relationship:Noted
partner |
|
147 |
4,918 |
SC:B137-Personality:Principled
strongly |
|
144 |
10,338 |
SC:C1609-Birth:Twin,
triplet, etc.:Quads |
|
142 |
9,263 |
SC:B287-Childhood:Parent,
Single or Step |
|
139 |
17,419 |
SC:B101-Psychological:Eating
Disorder |
|
139 |
8,732 |
SC:C205-Personality:Body:Hair |
|
137 |
14,083 |
SC:B126-Medical:Accidents |
|
136 |
16,314 |
SC:B547-Criminal
Perpetrator:Homicide single |
|
134 |
13,881 |
SC:C143-Parenting:>3
Kids:Four |
|
133 |
19,765 |
SC:B204-Relationship:Extramarital
affairs |
|
133 |
6,758 |
SC:B214-Parenting:Trouble/
Trauma |
|
|
|
|
|
Абсолютная частота |
Параметр сходства |
NAME |
|
131 |
6,941 |
SC:D513-Childhood:Family
trauma:Siblings died:Dad died |
|
130 |
8,297 |
SC:B144-Criminal
Perpetrator:Civil/ Political |
|
129 |
20,318 |
SC:C566-Religion:Ecclesiastics/
western:Priest |
|
129 |
6,959 |
SC:B147-Childhood:Family
large |
|
124 |
11,599 |
SC:C224-Personality:Body:Other
body |
|
122 |
28,089 |
SC:B577-Sexuality:Celibacy/
Minimal |
|
120 |
37,965 |
SC:B450-Mind:Extensive
education |
|
120 |
7,621 |
SC:C391-Sexuality:Sexual
perversions:Bi-Sexual |
|
119 |
6,061 |
SC:C316-Childhood:Parent,
Single or Step:Adopted |
|
117 |
8,714 |
SC:C350-Childhood:Advantaged:Wealthy
family |
|
109 |
10,924 |
SC:B529-Parenting:Foster |
|
109 |
9,901 |
SC:B455-Criminal
Perpetrator:Homicide serial |
|
108 |
25,082 |
SC:C241-Death:Long
life >80 yrs:Age 91-99 |
|
108 |
9,106 |
SC:B530-Parenting:Step,
or Adopted Kids |
|
108 |
7,342 |
SC:B424-Relationship:Very
happily married |
|
107 |
18,686 |
SC:B189-Medical:Illness |
|
105 |
25,144 |
SC:B866-Birth:Stillborn |
|
105 |
6,714 |
SC:B468-Relationship:Domestic
violence |
|
104 |
9,521 |
SC:C193-Death:Short
Life <29 Yrs:Age 18-25 |
|
103 |
9,294 |
SC:C420-Parenting:1-3
Kids:One daughter |
|
102 |
18,887 |
SC:C704-Death:Suicide:Gunshot |
|
101 |
10,926 |
SC:C491-Parenting:>3
Kids:Five |
|
100 |
15,66 |
SC:C417-Medical:Doctor:Alternative
methods |
|
100 |
7,292 |
SC:C291-Childhood:Advantaged:Family
supportive |
|
98 |
7,536 |
SC:C396-Childhood:Siblings:Two |
|
97 |
8,54 |
SC:B301-Personality:Aggressive/
brash |
|
95 |
34,862 |
SC:C1327-Birth:Infant
mortality:SIDS |
|
95 |
12,746 |
SC:C539-Parenting:1-3
Kids:One son |
|
95 |
5,759 |
SC:C534-Childhood:Family
trauma:Parent absent |
|
91 |
10,758 |
SC:C456-Relationship:Number
of marriages:Four |
|
89 |
8,778 |
SC:B442-Mind:Low
I.Q. |
|
86 |
5,091 |
SC:C365-Sexuality:Extremes
in quantity:Many lovers |
|
85 |
13,012 |
SC:C476-Medical:Illness:Nurse/
Nurse's Aids |
|
82 |
9,01 |
SC:B589-Relationship:Notable
relationship |
|
81 |
13,912 |
SC:C454-Childhood:Family
noted:Mom |
|
80 |
17,215 |
SC:B274-Relationship:Stress
chronic/ Misery |
|
80 |
8,916 |
SC:B526-Relationship:Cohabitation
>3 yrs |
|
79 |
38,512 |
SC:C1707-Medical:Doctor:Therapist |
|
Абсолютная частота |
Параметр сходства |
NAME |
|
79 |
8,728 |
SC:C527-Parenting:1-3
Kids:One |
|
79 |
7,662 |
SC:B502-Criminal
Perpetrator:Homicide many at once |
|
78 |
33,088 |
SC:B1557-Personality:Disasters |
|
78 |
28,843 |
SC:C155-Death:Long
life >80 yrs:Age >100 |
|
78 |
11,612 |
SC:C632-Childhood:Family
trauma:Parents separated |
|
77 |
22,298 |
SC:C74-Relationship:Number
of marriages:Two |
|
76 |
17,92 |
SC:B799-Criminal
Perpetrator:Executed |
|
76 |
13,776 |
SC:B321-Criminal
Perpetrator:Social crime/ delinquent |
|
73 |
19,326 |
SC:B209-Relationship:Trauma |
|
72 |
14,274 |
SC:C190-Medical:Illness:Blind/
Vision loss |
|
71 |
16,319 |
SC:C234-Medical:Accidents:Plane |
|
71 |
15,316 |
SC:B403-Death:Suicide |
|
69 |
14,866 |
SC:B298-Personality:Vulnerable/sensitive |
|
68 |
13,494 |
SC:B752-Personality:Gracious/
sociable |
|
67 |
11,235 |
SC:C265-Parenting:>3
Kids:Six |
|
66 |
14,087 |
SC:C196-Childhood:Siblings:Three |
|
65 |
20,606 |
SC:C1006-Death:Suicide:Drug
overdose |
|
65 |
11,44 |
SC:B213-Parenting:No
kids |
|
64 |
15,347 |
SC:B388-Psychological:Depression |
|
64 |
12,632 |
SC:B305-Criminal
Perpetrator:Prison sentence |
|
63 |
16,428 |
SC:C289-Childhood:Family
noted:Brother |
|
63 |
15,015 |
SC:C1272-Medical:Illness:Multiple
Sclerosis |
|
61 |
16,242 |
SC:B273-Personality:Humorous,
Witty |
|
61 |
15,396 |
SC:B471-Personality:Idealist |
|
61 |
13,372 |
SC:C436-Death:Short
Life <29 Yrs:Age 26-29 |
|
59 |
12,12 |
SC:B425-Social
Life:Family |
|
55 |
32,256 |
SC:C1239-Birth:Defects,
Handicaps:Down's Syndrome |
|
55 |
15,887 |
SC:C145-Medical:Accidents:Stroke |
|
54 |
18,024 |
SC:C411-Medical:Illness:Pneumonia |
|
54 |
13,976 |
SC:B432-Mind:Exceptional
mind |
|
54 |
16,473 |
SC:B357-Social
Life:Sports |
|
53 |
37,612 |
SC:B179-Birth:Test
tube baby |
|
49 |
17,16 |
SC:B469-Social
Life:Other Social Life |
|
47 |
26,276 |
SC:C208-Medical:Cancer:Breast |
|
47 |
18,706 |
SC:B116-Criminal
Perpetrator:Lawsuit instigated |
|
46 |
22,692 |
SC:B26-Personality:Body |
|
46 |
24,217 |
SC:C644-Medical:Cancer:Lung |
|
46 |
18,813 |
SC:B113-Criminal
Victim:Lawsuit sued |
|
45 |
17,789 |
SC:B503-Relationship:Divorce
bitter |
|
Абсолютная частота |
Параметр сходства |
NAME |
|
43 |
22,056 |
SC:C302-Parenting:1-3
Kids:Two daughters |
|
42 |
17,776 |
SC:B677-Social
Life:Animals, pets |
|
42 |
19,167 |
SC:B322-Criminal
Victim:Kidnapping victim |
|
41 |
28,05 |
SC:B24-Psychological:Alcohol
Abuse |
|
41 |
27,926 |
SC:C1324-Birth:Twin,
triplet, etc.:Triplets |
|
36 |
24,873 |
SC:D1125-Religion:Ecclesiastics/
western:Priest:monk/nun |
|
36 |
22,41 |
SC:B383-Psychological:Phobias |
|
34 |
23,845 |
SC:B1046-Sexuality:Voyeur |
|
33 |
42,966 |
SC:C1340-Medical:Doctor:Chiropractor |
|
33 |
32,997 |
SC:C127-Medical:Accidents:Heart
attack |
|
30 |
24,022 |
SC:C709-Medical:Doctor:Surgeon |
|
29 |
62,869 |
SC:C170-Medical:Doctor:Psyhotherapist |
|
29 |
22,969 |
SC:B546-Psychological:Bi-Polar
Disorder |
|
28 |
28,816 |
SC:B703-Criminal
Perpetrator:Terrorist |
|
16 |
36,693 |
SC:C1042-Medical:Cancer: |
|
14 |
49,563 |
SC:B112-Psychological:Drug
Abuse |
Приложение 5. Категории второго класса,
упорядоченные по величине параметра сходства
|
Параметр сходства |
NAME |
Абсолютная частота |
|
86,218 |
SC:B1112-Personality:Diplomatic |
5 |
|
77,782 |
SC:C161-Death:Accidental:Burned |
5 |
|
77,756 |
SC:C1184-Personality:Truthful/ Liar:Lied about her
age |
5 |
|
77,721 |
SC:D187-Medical:Accidents:Injuries:Head |
5 |
|
73,328 |
SC:C182-Medical:Accidents:Shot |
5 |
|
72,76 |
SC:C1654-Birth:Twin, triplet, etc.:Sextuplets |
13 |
|
70,142 |
SC:B10-Relationship:Term short <3 Yrs |
6 |
|
69,857 |
SC:C1589-Medical:Doctor:Pediatrician |
6 |
|
69,268 |
SC:C131-Death:Illness/ Disease:Heart attack |
6 |
|
68,691 |
SC:C310-Medical:Doctor:Neurologist |
7 |
|
68,053 |
SC:C596-Birth:Defects, Handicaps:Anencaphalic |
7 |
|
67,753 |
SC:D1011-Childhood:Siblings:One:twin |
6 |
|
67,507 |
SC:B694-Religion:Orthodox |
6 |
|
67,496 |
SC:D1351-Personality:Body:Hair:Dark |
6 |
|
67,475 |
SC:C1122-Personality:Extraordinary Talents:For
Diplomacy |
5 |
|
67,348 |
SC:C128-Medical:Accidents:Heart terminal |
7 |
|
66,763 |
SC:C846-Birth:Difficult birth:Forceps |
6 |
|
Параметр сходства |
NAME |
Абсолютная частота |
|
66,299 |
SC:C1522-Medical:Illness:Mononucleosis |
7 |
|
65,599 |
SC:C1217-Personality:Truthful/ Liar:Honest |
6 |
|
65,274 |
SC:C90-Childhood:Siblings:One |
6 |
|
65,101 |
SC:C194-Death:Accidental:Drowned |
6 |
|
65,1 |
SC:C1259-Personality:Cheerful/ Easygoing:Easygoing |
6 |
|
64,736 |
SC:C678-Social Life:Animals, pets:Cats |
6 |
|
63,62 |
SC:D1364-Medical:Doctor:Psychologist:Jungian |
8 |
|
63,39 |
SC:D816-Childhood:Siblings:Two:One brother and one
sister |
7 |
|
63,381 |
SC:C393-Medical:Illness:Hemophelia |
6 |
|
63,224 |
SC:B521-Psychological:Anxiety Disorder |
6 |
|
63,183 |
SC:C786-Medical:Illness:Lung problems |
6 |
|
62,908 |
SC:C94-Birth:Twin, triplet, etc.:Twins |
7 |
|
62,674 |
SC:C973-Parenting:>3 Kids:Four sons |
7 |
|
61,877 |
SC:C195-Medical:Accidents:Many |
7 |
|
61,355 |
SC:C599-Social Life:Friends:Notable friends |
6 |
|
60,936 |
SC:D963-Personality:Body:Handedness:Left |
5 |
|
60,231 |
SC:C1075-Medical:Illness:Stomach problems |
8 |
|
59,857 |
SC:C227-Medical:Accidents:Burned |
7 |
|
59,7 |
SC:C275-Medical:Cancer:Terminal |
7 |
|
59,434 |
SC:C1193-Death:Suicide:Drowned |
8 |
|
58,839 |
SC:B270-Birth:Late birth |
8 |
|
57,416 |
SC:C1328-Social Life:Outdoors:Sportsman |
8 |
|
56,929 |
SC:C615-Medical:Accidents:Fell |
7 |
|
56,453 |
SC:B944-Personality:Optimist |
9 |
|
56,363 |
SC:B997-Personality:Courageous |
9 |
|
56,33 |
SC:C1078-Medical:Cancer:Cervix |
9 |
|
56,202 |
SC:C605-Parenting:Step, or Adopted Kids:Four |
6 |
|
56,121 |
SC:C721-Social Life:Outdoors:Fishing |
6 |
|
56,115 |
SC:C962-Childhood:Advantaged:Well traveled |
6 |
|
55,782 |
SC:C352-Death:Accidental:Plane |
8 |
|
55,615 |
SC:C974-Sexuality:Sexual perversions:Pedophile |
6 |
|
55,615 |
SC:D1015-Childhood:Family
trauma:Alcohol/Drug:Parents alcoholic |
6 |
|
54,806 |
SC:C697-Childhood:Birth order:Seventh born |
7 |
|
54,797 |
SC:D807-Medical:Doctor:Alternative
methods:Homeopathy |
9 |
|
54,75 |
SC:D557-Sexuality:Sexual perversions:Sexual
abuser:Child sex abuser |
8 |
|
54,651 |
SC:C775-Childhood:Family noted:Aristocracy |
8 |
|
54,61 |
SC:B714-Personality:Extrovert |
9 |
|
54,416 |
SC:C915-Birth:Unusual circumstances:Born in the car |
11 |
|
54,318 |
SC:C483-Personality:Loved by all:Well liked |
7 |
|
54,092 |
SC:C1161-Personality:Cheerful/ Easygoing:Cheerful |
10 |
|
54,084 |
SC:C689-Medical:Cancer:Brain |
9 |
|
53,914 |
SC:C699-Birth:Defects, Handicaps:Autistic |
10 |
|
53,848 |
SC:C774-Social Life:Hobbies, games:Fine art, a
painter |
6 |
|
53,45 |
SC:D1142-Childhood:Family trauma:Siblings died:Son
killed or died |
8 |
|
53,137 |
SC:C459-Childhood:Family trauma:Insane/Shizofrenia |
9 |
|
Параметр сходства |
NAME |
Абсолютная частота |
|
53,039 |
SC:C1613-Birth:Twin, triplet, etc.:Quints |
10 |
|
52,888 |
SC:C578-Sexuality:Celibacy/ Minimal:Virgin |
6 |
|
52,723 |
SC:C813-Medical:Illness:Delicate |
8 |
|
52,64 |
SC:C622-Death:Suicide:Cult ritual |
7 |
|
52,483 |
SC:C1215-Medical:Illness:Headaches |
9 |
|
51,858 |
SC:D523-Sexuality:Sexual perversions:Sexual
abuser:Incest perpetrator |
7 |
|
51,567 |
SC:B428-Social Life:Hobbies, games |
10 |
|
51,379 |
SC:C44-Medical:Surgery:Heart |
9 |
|
51,181 |
SC:B952-Personality:Persistent |
11 |
|
51,138 |
SC:C369-Personality:Extraordinary Talents:For Public
poise |
5 |
|
51,05 |
SC:C1004-Sexuality:Sexual perversions:Exhibitionism |
11 |
|
50,996 |
SC:B576-Sexuality:Sexual dysfunction |
10 |
|
50,899 |
SC:B515-Personality:Creative |
10 |
|
50,606 |
SC:C1106-Death:Accidental:Beheaded |
9 |
|
50,537 |
SC:C1216-Death:Suicide:Stabbed |
12 |
|
50,379 |
SC:C325-Sexuality:Extremes in quantity:Very sexually
active |
8 |
|
49,782 |
SC:B788-Personality:Fiery |
11 |
|
49,75 |
SC:C280-Childhood:Siblings:Eight |
8 |
|
49,661 |
SC:C146-Relationship:Number of marriages:One |
10 |
|
49,428 |
SC:C1058-Death:Suicide:Hanged |
11 |
|
48,688 |
SC:C702-Social Life:Animals, pets:Dogs |
10 |
|
48,675 |
SC:B1111-Psychological:Stutter, Tics |
12 |
|
48,542 |
SC:C825-Medical:Illness:Nerves/Neuralgia |
12 |
|
48,466 |
SC:B665-Personality:Opportunist |
11 |
|
48,216 |
SC:B940-Social Life:Misfit |
11 |
|
48,026 |
SC:C950-Personality:Extraordinary Talents:For
Eye-hand coordination |
9 |
|
47,679 |
SC:C831-Medical:Illness:Alzheimers |
14 |
|
47,519 |
SC:C691-Personality:Extraordinary Talents:For
Imagination |
12 |
|
47,433 |
SC:B34-Relationship:Interracial |
11 |
|
47,289 |
SC:B509-Personality:Erudite |
10 |
|
47,129 |
SC:D103-Personality:Body:Race:Mixed race |
5 |
|
47,115 |
SC:C719-Social Life:Sports:Tennis |
10 |
|
46,997 |
SC:C1067-Relationship:Number of divorces:Four |
10 |
|
46,979 |
SC:B600-Relationship:Divorce friendly |
11 |
|
46,821 |
SC:B364-Personality:Acquisitive |
12 |
|
46,7 |
SC:C640-Social Life:Sports:Golf |
9 |
|
46,586 |
SC:B767-Personality:Introvert |
12 |
|
46,581 |
SC:C594-Personality:Extraordinary Talents:For
Motivating/Selling |
11 |
|
46,581 |
SC:B765-Religion:Jewish |
13 |
|
46,413 |
SC:C581-Religion:Ecclesiastics/ western:Mormon |
11 |
|
46,356 |
SC:D1322-Personality:Body:Hair:Black |
10 |
|
46,015 |
SC:C939-Medical:Cancer:Stomach |
13 |
|
45,984 |
SC:D1103-Childhood:Siblings:Seven:Seven sisters |
8 |
|
45,316 |
SC:C463-Social Life:Groups:Metaphysical,
astrological groups |
8 |
|
45,288 |
SC:C497-Parenting:>3 Kids:Eight |
12 |
|
Параметр сходства |
NAME |
Абсолютная частота |
|
45,067 |
SC:C972-Childhood:Advantaged:Good memories |
9 |
|
45,061 |
SC:C1614-Parenting:1-3 Kids:Two sons and one
daughter |
16 |
|
44,939 |
SC:C426-Social Life:Family:Family oriented |
8 |
|
44,902 |
SC:C770-Childhood:Family noted:Granddad |
15 |
|
44,88 |
SC:C753-Childhood:Family noted:Kin |
14 |
|
44,627 |
SC:C1395-Death:Suicide:Gassed |
15 |
|
44,617 |
SC:C1194-Personality:Bigot:Racist |
14 |
|
44,14 |
SC:C1127-Sexuality:Celibacy/ Minimal:Priest |
13 |
|
44,138 |
SC:C430-Personality:Extraordinary Talents:For
Numbers |
12 |
|
43,981 |
SC:B482-Personality:Loved by all |
15 |
|
43,936 |
SC:B647-Personality:Independent |
13 |
|
43,644 |
SC:C978-Medical:Cancer:Throat |
13 |
|
43,569 |
SC:C1016-Medical:Illness:Bladder/ Bowel |
14 |
|
43,523 |
SC:C1065-Medical:Cancer:Uterus |
15 |
|
43,261 |
SC:E793-Medical:Doctor:Alternative methods:Psychic
healer:Hypnotherapist |
13 |
|
43,067 |
SC:C616-Parenting:Step, or Adopted Kids:Three |
9 |
|
43,067 |
SC:C1123-Childhood:Siblings:Six |
14 |
|
43,049 |
SC:B819-Criminal Victim:Terrorism victim |
18 |
|
42,841 |
SC:C356-Social Life:Friends:Sociable |
10 |
|
42,73 |
SC:C326-Birth:Unusual circumstances:Abandoned |
19 |
|
42,644 |
SC:D197-Childhood:Siblings:Three:Three brothers |
13 |
|
42,582 |
SC:E999-Parenting:Step, or Adopted Kids:One:One
daughter:Adopted daughter |
11 |
|
41,975 |
SC:C985-Childhood:Birth order:Sixth born |
8 |
|
41,621 |
SC:C1558-Personality:Disasters:Crashes |
18 |
|
41,501 |
SC:D567-Religion:Ecclesiastics/
western:Priest:Saint/ Stigmatist |
13 |
|
41,301 |
SC:C651-Childhood:Birth order:Fourth born |
12 |
|
41,154 |
SC:D1008-Childhood:Siblings:Two:Two sisters |
20 |
|
41,014 |
SC:D742-Personality:Body:Race:Hispanic |
13 |
|
40,979 |
SC:C297-Medical:Illness:Handicapped |
18 |
|
40,838 |
SC:C1698-Death:Suicide:Subway |
19 |
|
40,784 |
SC:C556-Medical:Cancer:Liver |
14 |
|
40,658 |
SC:C22-Relationship:Number of marriages:Three |
16 |
|
40,59 |
SC:C601-Social Life:Sports:Racing |
13 |
|
40,566 |
SC:B520-Personality:Perfectionist |
16 |
|
40,507 |
SC:B733-Religion:Hinduist/Buddhist |
17 |
|
40,495 |
SC:B971-Personality:Cheerful/ Easygoing |
18 |
|
39,981 |
SC:C233-Death:Short Life <29 Yrs:< 1 year |
17 |
|
39,981 |
SC:C693-Death:Suicide:Poisoned |
16 |
|
39,793 |
SC:C680-Medical:Illness:Emphysema |
15 |
|
39,612 |
SC:B548-Criminal Victim:Financial crime victim |
19 |
|
39,579 |
SC:C970-Medical:Cancer:Lymphoma |
18 |
|
39,262 |
SC:B255-Relationship:Distant marriage |
18 |
|
39,154 |
SC:B162-Criminal Perpetrator:Homicide by order |
21 |
|
Параметр сходства |
NAME |
Абсолютная частота |
|
39,136 |
SC:C561-Medical:Accidents:Broke |
17 |
|
39,071 |
SC:B525-Personality:Pessimist |
18 |
|
39,049 |
SC:B998-Personality:Disciplined |
16 |
|
38,827 |
SC:E706-Parenting:Step, or Adopted Kids:One:One
son:One adopted son |
9 |
|
38,74 |
SC:C968-Sexuality:Sexual perversions:Transvestite |
16 |
|
38,684 |
SC:D397-Childhood:Siblings:Two:Two brothers |
19 |
|
38,365 |
SC:D427-Personality:Body:Race:Asian |
15 |
|
38,252 |
SC:C818-Sexuality:Sexual perversions:Sodomy |
12 |
|
38,227 |
SC:D740-Childhood:Family trauma:Alcohol/Drug:Dad an
alcoholic |
12 |
|
38,199 |
SC:C811-Birth:Difficult birth:Breech |
17 |
|
38,179 |
SC:C611-Childhood:Family trauma:Abuse of law or
moral |
16 |
|
37,993 |
SC:C76-Childhood:Family noted:Dad |
14 |
|
37,977 |
SC:C776-Parenting:1-3 Kids:Three sons |
17 |
|
37,861 |
SC:E419-Medical:Doctor:Alternative methods:Psychic
healer:Religious healer |
18 |
|
37,748 |
SC:C722-Personality:Extraordinary Talents:For Verbal
skills |
12 |
|
37,188 |
SC:C549-Personality:Extraordinary Talents:For
Abstract thought |
16 |
|
36,821 |
SC:B764-Personality:Shy |
20 |
|
36,654 |
SC:C423-Medical:Illness:Epilepsy |
18 |
|
36,599 |
SC:C710-Medical:Illness:Liver problems |
21 |
|
36,503 |
SC:C1587-Birth:Defects, Handicaps:Spina Bifida |
23 |
|
36,218 |
SC:C446-Medical:Cancer:Prostate |
17 |
|
36,132 |
SC:C695-Sexuality:Celibacy/ Minimal:Minimal |
15 |
|
36,126 |
SC:D738-Personality:Body:Diet unusual:Vegetarian |
17 |
|
35,953 |
SC:C763-Sexuality:Sado-masochism:Sadist |
14 |
|
35,794 |
SC:B745-Personality:Private |
19 |
|
35,671 |
SC:C319-Medical:Doctor:Counselor |
20 |
|
35,521 |
SC:B772-Criminal Perpetrator:Kidnapper |
21 |
|
35,463 |
SC:D645-Parenting:Step, or Adopted Kids:Two:Two
step-kids |
9 |
|
34,624 |
SC:C481-Parenting:1-3 Kids:Three daughters |
20 |
|
34,277 |
SC:B572-Sexuality:Transsexual M-to-F |
25 |
|
34,237 |
SC:C562-Medical:Illness:Kidney problems |
19 |
|
34,196 |
SC:C201-Medical:Accidents:Fall |
22 |
|
34,158 |
SC:C821-Medical:Doctor:Technician |
22 |
|
34,124 |
SC:C494-Medical:Illness:Parkinson's |
18 |
|
34,104 |
SC:B514-Relationship:Sexual chemisty |
21 |
|
34,098 |
SC:B466-Personality:Bigot |
25 |
|
33,965 |
SC:C1028-Childhood:Disadvantaged:Neglect |
18 |
|
33,935 |
SC:C232-Parenting:1-3 Kids:One son and one daughter |
22 |
|
33,646 |
SC:B994-Personality:Difficult/ mean spirited |
24 |
|
33,49 |
SC:C979-Personality:Extraordinary Talents:For Gross
motor control |
19 |
|
33,469 |
SC:C382-Medical:Doctor:Dentist/ Dental Tech |
23 |
|
33,283 |
SC:C472-Childhood:Family noted:Sister |
24 |
|
33,071 |
SC:C231-Medical:Accidents:Drowned |
25 |
|
Параметр сходства |
NAME |
Абсолютная частота |
|
32,975 |
SC:C653-Mind:Child prodigy:Music/Piano |
24 |
|
32,795 |
SC:D286-Childhood:Family trauma:Siblings died:Mom
killed |
14 |
|
32,671 |
SC:C792-Medical:Doctor:Nutritionist |
27 |
|
32,606 |
SC:B462-Social Life:Groups |
25 |
|
32,48 |
SC:D363-Childhood:Family trauma:Siblings died:Parents
killed |
19 |
|
32,418 |
SC:B545-Criminal Victim:Concentration camp |
30 |
|
32,398 |
SC:D737-Personality:Body:Handedness:Right |
27 |
|
32,045 |
SC:B592-Personality:Active |
24 |
|
32,03 |
SC:B574-Psychological:Dyslexia |
26 |
|
31,905 |
SC:B658-Personality:Mystical |
26 |
|
31,774 |
SC:D800-Parenting:Step, or Adopted Kids:One:One
daughter |
19 |
|
31,612 |
SC:C353-Parenting:>3 Kids:Seven |
23 |
|
31,394 |
SC:C768-Childhood:Advantaged:good education |
16 |
|
31,351 |
SC:C504-Personality:Body:Aerobic exercise |
23 |
|
31,34 |
SC:C299-Personality:Body:Diet unusual |
25 |
|
31,205 |
SC:C478-Personality:Extraordinary Talents:For
Creativity |
20 |
|
31,187 |
SC:C555-Personality:Body:Body builder |
25 |
|
30,8 |
SC:C186-Medical:Accidents:Injuries |
27 |
|
30,515 |
SC:C443-Medical:Surgery:STD/ Sexually transmitted |
24 |
|
30,402 |
SC:C447-Parenting:>3 Kids:Nine |
24 |
|
30,286 |
SC:C185-Medical:Surgery:Amputation |
25 |
|
30,273 |
SC:D1032-Personality:Body:Hair:Brown |
25 |
|
29,969 |
SC:C565-Personality:Extraordinary Talents:For
Leadership |
20 |
|
29,933 |
SC:B810-Birth:Difficult birth |
30 |
|
29,79 |
SC:B662-Personality:Personality robust |
28 |
|
29,695 |
SC:C160-Medical:Accidents:Car |
35 |
|
29,672 |
SC:D586-Parenting:Step, or Adopted Kids:One:One son |
17 |
|
29,592 |
SC:C480-Medical:Illness:Polio |
26 |
|
29,522 |
SC:B489-Criminal Victim:Homicide victim |
26 |
|
29,192 |
SC:B467-Psychological:Psychotic Episode |
31 |
|
29,079 |
SC:D1029-Birth:Twin, triplet, etc.:Twins:Conjoined
twins |
29 |
|
28,865 |
SC:D532-Parenting:Step, or Adopted Kids:Two:Two
adopted kids |
19 |
|
28,784 |
SC:B202-Personality:Other Personality |
34 |
|
28,741 |
SC:D402-Childhood:Family trauma:Siblings
died:Brother killed or died |
23 |
|
28,705 |
SC:C739-Childhood:Family trauma:Alcohol/Drug |
21 |
|
28,588 |
SC:D28-Personality:Body:Race:Anglo |
31 |
|
28,583 |
SC:D966-Childhood:Family trauma:Parent absent:Family
distant |
19 |
|
28,345 |
SC:C564-Relationship:Number of divorces:Three |
24 |
|
28,135 |
SC:C490-Medical:Illness:Allergies |
34 |
|
27,761 |
SC:C212-Mind:Child prodigy:High I.Q. |
29 |
|
27,75 |
SC:C618-Parenting:>3 Kids:Many |
30 |
|
27,728 |
SC:B667-Parenting:Twins, triplets, etc. |
33 |
|
27,705 |
SC:B796-Relationship:Compatible marriage |
35 |
|
27,605 |
SC:C814-Childhood:Siblings:Five |
28 |
|
27,593 |
SC:D379-Childhood:Disadvantaged:Poverty:Poor family |
23 |
|
Параметр сходства |
NAME |
Абсолютная частота |
|
27,503 |
SC:B253-Religion:Cult follower |
34 |
|
27,435 |
SC:D349-Childhood:Family trauma:Siblings died:Dad
killed |
29 |
|
27,408 |
SC:C318-Childhood:Disadvantaged:Sexual abuse
(outside of family) |
27 |
|
27,31 |
SC:C736-Personality:Body:Handedness |
38 |
|
27,043 |
SC:B751-Personality:Communicative |
31 |
|
27,025 |
SC:C199-Medical:Illness:Paralysis |
37 |
|
27,012 |
SC:C552-Relationship:Number of marriages:Six or more |
31 |
|
26,845 |
SC:C787-Childhood:Siblings:Only child |
29 |
|
26,664 |
SC:C242-Medical:Illness:Diabetes/ Hypoglycemia |
34 |
|
26,656 |
SC:B252-Personality:Charismatic |
43 |
|
26,647 |
SC:C756-Medical:Illness:Tuberculosis |
34 |
|
26,481 |
SC:C673-Personality:Extraordinary Talents:For Music |
29 |
|
26,345 |
SC:B355-Social Life:Friends |
34 |
|
26,305 |
SC:C984-Childhood:Birth order:Third born |
28 |
|
25,986 |
SC:C414-Relationship:Number of marriages:Five |
37 |
|
25,919 |
SC:C389-Sexuality:Extremes in quantity:Promiscuous |
29 |
|
25,873 |
SC:C219-Death:Short Life <29 Yrs:Age 1-10 |
41 |
|
25,784 |
SC:C136-Death:Accidental:Unusual |
35 |
|
25,733 |
SC:B558-Criminal Perpetrator:Rapist/ Sex crime |
42 |
|
25,392 |
SC:B771-Criminal Victim:Missing person |
42 |
|
25,221 |
SC:C73-Parenting:1-3 Kids:Two |
31 |
|
25,173 |
SC:D791-Medical:Doctor:Psychologist:Parapsychology |
43 |
|
25,157 |
SC:C380-Medical:Cancer:Leukemia |
36 |
|
25,095 |
SC:C215-Death:Short Life <29 Yrs:Age 11-17 |
44 |
|
24,989 |
SC:C696-Childhood:Siblings:Seven |
26 |
|
24,889 |
SC:C650-Childhood:Siblings:Four |
32 |
|
24,772 |
SC:C262-Personality:Truthful/ Liar:Liar |
32 |
|
24,694 |
SC:C320-Childhood:Disadvantaged:Incest |
45 |
|
24,545 |
SC:C681-Religion:Ecclesiastics/ western:Catholic |
35 |
|
24,349 |
SC:B729-Personality:Ambitious |
42 |
|
24,289 |
SC:B69-Childhood:Family noted |
43 |
|
24,212 |
SC:C613-Personality:Extraordinary Talents:For
Languages |
32 |
|
23,927 |
SC:B183-Birth:Infant mortality |
41 |
|
23,739 |
SC:B72-Parenting:1-3
Kids |
35 |
|
23,666 |
SC:B392-Relationship:Partner same sex |
44 |
|
23,567 |
SC:B656-Sexuality:Sado-masochism |
45 |
|
23,521 |
SC:D51-Personality:Body:Race:Black |
36 |
|
23,52 |
SC:B251-Criminal Victim:Assault/ |
44 |
|
23,253 |
SC:B666-Parenting:Circumstances difficult |
43 |
|
23,195 |
SC:D1056-Personality:Body:Hair:Red |
40 |
|
22,562 |
SC:C531-Parenting:Step, or Adopted Kids:Two |
37 |
|
22,137 |
SC:B345-Parenting:Neglectful |
53 |
|
21,977 |
SC:B498-Relationship:Number of divorces |
48 |
|
21,559 |
SC:B669-Criminal Perpetrator:Assault/ |
49 |
|
21,388 |
SC:C148-Childhood:Family large:9 and more kids |
49 |
|
Параметр сходства |
NAME |
Абсолютная частота |
|
21,377 |
SC:B360-Personality:Hard worker |
49 |
|
21,141 |
SC:C292-Medical:Accidents:Fatal |
46 |
|
20,868 |
SC:C257-Medical:Illness:Bones |
45 |
|
20,743 |
SC:B712-Religion:Metaphysical |
55 |
|
20,569 |
SC:C226-Death:Accidental:Car |
48 |
|
20,51 |
SC:C412-Personality:Body:Constitution strong |
59 |
|
20,009 |
SC:C230-Parenting:1-3 Kids:Two sons |
53 |
|
19,932 |
SC:D661-Childhood:Family trauma:Siblings died:Mom died |
46 |
|
19,744 |
SC:C522-Sexuality:Sexual perversions:Sexual abuser |
55 |
|
19,694 |
SC:C27-Personality:Body:Race |
54 |
|
19,465 |
SC:D460-Childhood:Siblings:One:One sister |
55 |
|
19,432 |
SC:B139-Religion:Spiritual Leader/ Guru |
58 |
|
19,263 |
SC:C585-Parenting:Step, or Adopted Kids:One |
47 |
|
19,228 |
SC:C370-Childhood:Birth order:Second born |
49 |
|
19,129 |
SC:B568-Mind:Limited education |
49 |
|
19,039 |
SC:B541-Parenting:Miscarriage/Abortions |
51 |
|
18,953 |
SC:B237-Psychological:Nervous Breakdown |
63 |
|
18,909 |
SC:D418-Medical:Doctor:Alternative methods:Psychic
healer |
59 |
|
18,716 |
SC:B542-Personality:Eccentric |
61 |
|
18,659 |
SC:C528-Relationship:Number of divorces:Two |
55 |
|
18,289 |
SC:C378-Childhood:Disadvantaged:Poverty |
57 |
|
17,757 |
SC:C475-Relationship:Number of marriages:Never |
56 |
|
17,436 |
SC:D633-Childhood:Family trauma:Parents
separated:Parents divorced |
65 |
|
17,237 |
SC:C516-Childhood:Disadvantaged:Physical/ Verbal
abuse |
61 |
|
17,233 |
SC:D649-Personality:Body:Hair:Blonde |
61 |
|
16,49 |
SC:C643-Psychological:Drug Abuse:Rehab |
69 |
|
16,436 |
SC:D91-Childhood:Siblings:One:One brother |
58 |
|
15,827 |
SC:B458-Criminal Perpetrator:Drug business |
76 |
|
13,445 |
SC:C371-Childhood:Family large:5-8 kids |
74 |
|
13,126 |
SC:C682-Childhood:Disadvantaged:Bad memories |
71 |
|
12,947 |
SC:C341-Childhood:Birth order:First born |
83 |
|
11,742 |
SC:C343-Childhood:Advantaged:Royal family or
aristocraty |
85 |
|
11,529 |
SC:B524-Psychological:Schizophrenia |
95 |
|
10,67 |
SC:C634-Childhood:Advantaged:Family political |
112 |
|
10,507 |
SC:C909-Birth:Defects, Handicaps:Dwarf |
139 |
|
8,29 |
SC:B317-Childhood:Disadvantaged |
246 |
|
5,834 |
SC:B290-Childhood:Advantaged |
435 |
|
-0,304 |
SC:A129-Death |
2168 |
Приложение 6. Artificial intelligence
system
for identification of social categories
of natives based on astronomical parameters
Eugene Lutsenko –
Dr.Sc.(Econ.), Dr.Sc.(Tech.), Prof.
Alexander Trunev –
Dr.Sc.(Phys.-Math.), Ph.D
Director,
A&E Trounev IT Consulting,
The cognitive
simulation of AstroDatabank records by using the Artificial Intelligence System
– AIDOS, is reviewed in this paper. The technology of simulation is described
and the mostly important results are discussed.
Keywords: SEMANTIC
INFORMATION MODELS, ASTRODATABANK, ASTRONOMICAL AND SOCIOLOGICAL DATABASES,
NEURON-NET TRAINING, NUMERICAL EXPERIMENT.
Introduction
New method of identification
of a birth chat based on system-cognitive analysis and on the advanced
information theory [1] was developed recently [2–3]. This method differs from
the normal astrological models so that the birth chat is not interpreted, but
it is identified by using a number of attributes and categories, by comparing
with the astrological database [4–5], which includes a description of the many
key events in real life of real persons. As a result of the identification each
person receives a customized description contains classes and categories of
events, indicating the likelihood of their implementation. In this research not used any astrological
interpretation or any astrological rules. Statistical patterns and the
correlation revealed in the data processing of the artificial intelligence
system by comparing birth charts and biography. Test examples demonstrate the
effectiveness of the system for the recognition of certain classes of entities.
Input Databases
The main source of
astrological database prepared for the artificial intelligence system
simulation is the original (first version) Lois Rodden's AstroDatabank [4] and
AstroDatabank v. 4.0 [5]. These databases contain biography of famous and
ordinary people so that all the categories and events of life are classified
and ordered.
Data imported from
AstroDatabank v. 4.0 were converted into a DBF4 format database. Only 9897
records have been utilized including 5 categories shown below with
corresponding number of records:
Table 1: Four classes, 5
categories and related number of records
|
KOD_OBJ |
NAME |
ABS |
|
1 |
Politics, Science |
1876 |
|
2 |
Medical: Physician |
347 |
|
3 |
Sports |
6032 |
|
4 |
Psychological |
1642 |
Note, 184 records
are repeated among 9897 since they related to 2, 3 or 4 categories listed
above. Records were cooperated in four
classes as shown in Table 1. Every record has 23 active numerical cells consist
of coordinates of celestial bodies, Ascendant and Midhaven at the moment of
birth and in the place of birth, i.e.:
-
Longitude (degree) of the Sun, the Moon, Mercury,
Venus, Mars, Jupiter, Saturn, Uranus,
-
Declination (degree) of the Sun, the Moon, Mercury,
Venus, Mars, Jupiter, Saturn, Uranus,
From this database
were derived two databases to study a declination effect on the similarity
parameter:
1. Database1 with 23
active numerical cells in every of 9897 records as described above but all
Declination parameters were adapted to the longitude interval (0; 360) by using
formula: Declination1 = (Declination +30)*6.
2. Database0 with 23
active numerical cells in every of 9897 records as described above, but all
Declination parameters were recalculated as follows: Declination0 = Declination
*0, also for all records we put Ascendant= Midhaven =0, therefore only Longitude
of the Sun, the Moon, Mercury, Venus, Mars, Jupiter, Saturn, Uranus, Neptune,
Pluto and North Node have been utilized in this database.
After this minor
adaptation all 23 cells have one scale and format, therefore they could be
analyzed in the same manner as well as the declination parameter effect on the
simulated outcomes could be studied.
The data imported
from original Lois Rodden's AstroDatabank were converted into the Borland
JDataStore format databases. Then, the data were sorted using SQL queries and
special functions written in Java. Only
20007 records related to 1931 categories and events have been utilized in this
research. For these records were calculated coordinates of celestial bodies
(latitude and longitude in degrees, and the distance in astronomical
units). 12 cusps of astrological houses
in the Placidus system were calculated for records with the exact time of
birth. The ephemeredes following celestial bodies and points were established:
the Sun, the Moon, Mercury, Venus, Mars, Jupiter, Saturn, Uranus,
1. Database A of 20007 records related to 500
representative categories (category represented in the database at least 26
times).
2. Database B of 15007
records related to 500 representative categories – training data set.
3. Database C of 5000
records which are not used in the Database B (but used in the Database A) –
recognized data set.
4. Database D of 20007 records related to 240
unrepresentative categories (number of records related to category higher than
2 and less than 25) – low frequency limit.
5. Database E of 20007 records related to 870 categories
(number of records related to any category higher than 2) – mostly complete
database.
6. Database F of 20007
records related to 37 categories (number of records related to any category
higher than 1000) – higher frequency limit.
7. Database F1 of
20007 records related to 100 categories (number of records related to any
category higher than 174).
8. Database G of 20007
records related to 4 categories listed below in Table 2, b. In this database
8150 records are not involved in a simulation.
Table 2: Four classes, four categories and related number of
records in a case of Database G
|
KOD_OBJ |
NAME |
ABS |
|
1 |
Famous |
3373 |
|
2 |
Medical |
2910 |
|
3 |
Sports |
4567 |
|
4 |
Psychological |
1007 |
Note 20007 records are related
to the original (first version) Lois Rodden's
AstroDatabank [4] and AstroDatabank v. 4.0 [5] as well. The difference between these databases is
that latest version updated with more than 5000 records, and it is a reason why
the same category SPORT has different records in Table 1 and 2.
The Model
and the Artificial Intelligence System – AIDOS
As well know there
are several ways to decompose Zodiac circle in a process of analyzing a birth
chart:
-
day and night houses partition – 2 sectors;
-
Cardinal signs, fixed and mutable signs – 3 multiply
connected sectors.
-
squares – 4 sectors;
-
partition based on element of fire, earth, air and
water – 4х3 sectors;
-
zodiac signs – 12 sectors;
-
decants – 36 sectors;
-
terms – 60 sectors;
-
Degree – 360 sectors.
Decomposition
combinations such as those listed above seem to resemble algorithms of grid
simulation widely used in a modern science, in which condensation of the grid
helps improve convergence in solving the task. We utilized this method in order
to perform packet recognition of 9897 or 20,007 records exported from
AstroDatabank and presented as DBF4 format databases. In order to do this
a solution founded based on data from 172 grids of various dimensions, containing
2, 3, 4, ., 173 sectors consequently (it is a limit for this task at the moment).
Thus the net entropy effect could be established during this simulation with
the system of artificial intelligence AIDOS [2].
Standard AIDOS package includes 7 subsystems
and 85 programmable applications organized in a block structure – see Table 3.
Generally speaking it is a neuron-net computer
application running under Windows XP in MS-DOS mode, designed with CLIPPER
5.01, Tools-II and BiGraph 3.01, provided the following objectives:
1.
Synthesis and adaptation of
the semantic data model.
2. Identification and forecasting.
3.
Precise analysis of the semantic data model.
Table 3: Generalized Structure of the Universal Cognitive
Analytical System AIDOS, v. 12.03.2008
|
Subsystem |
Mode |
Function |
Operation |
|
|
1. Formalization |
1. The
classification scale and graduation |
|||
|
2. Descriptive scale (and graduation)
|
||||
|
3. Graduation descriptive scales
(signs) |
||||
|
4. Hierarchical systems levels |
1. Levels of classes |
|||
|
2. Levels of signs |
||||
|
5. Software interfaces
for importing data |
1. Import
data from TXT files-standard DOS-text |
|||
|
2. Import
data from DBF files (Standard Prof. A. N. Lebedev) |
||||
|
3. Imports
from transposed DBF files (Standard Prof. A. N. Lebedev) |
||||
|
4. Generation
scales and training set RND model |
||||
|
5. Generation
scales and training sample for the numerical study |
||||
|
6. DBF-matrix
transposition of baseline data |
||||
|
7.Import data
from DBF files (Standard E. Lebedev) |
||||
|
6. Postal Service to INS |
1. Exchange grade |
|||
|
2. Exchange of generalized signs |
||||
|
3. Exchange of primary signs |
||||
|
7. Printing questionnaire |
||||
|
2. Synthesis SIM |
1. Writing-adjustment training set |
|||
|
2. Management of training sample |
1. Parametric
objects for processing job |
|||
|
2. Statistical parameters, hand
sample |
||||
|
3. Auto
sample of training set |
||||
|
3. Synthesis
of semantic data model SIM |
1. The
calculation of the absolute frequency matrix |
|||
|
2. Excluding artifacts (robust procedure)
|
||||
|
3.
Calculation information matrix SIM-1 and converting into executable information
matrix |
||||
|
4. The
calculation of conditional interest distributions SIM-1 and SIM-2 |
||||
|
5. Automatic execution regimes
1-2-3-4 |
||||
|
6 . Measurement
of convergence and stability model |
1. Convergence and sustainability SIM
|
|||
|
2. Dependence
validity of the model training set |
||||
|
7.
Calculation information matrix SIM-2 and converting into executable information
matrix |
||||
|
4. Postal
Service to educational information |
||||
|
3. Optimizing SIM |
1. Formation
of the classes orthonormal basis |
|||
|
2. Excluding
signs of a low selective force |
||||
|
3. Removing
classes and attributes for which insufficient data |
||||
|
4. Divisions
on the part of the typical and atypical |
||||
|
5. Generation
of associated signs and convert a training sample |
||||
|
4. Transcribing |
1. Writing-adjustment recognizable
sample |
|||
|
2. Batch recognition |
||||
|
3. The withdrawal
of recognition results |
1. Cut: an
object – a lot of classes |
|||
|
2. Cut: one
class – many sites |
||||
|
4. Postal Service recognizable sample
|
||||
|
5.
Construction of the functions of influence |
||||
|
6. Decoding
combinations recognizable signs in the sample |
||||
|
5. Typology |
1. Typological analysis classes
recognition |
1. Information (rank) portraits
(classes) |
||
|
2. Classes
cluster and constructive analysis |
1. The
calculation of similarity matrix of classes images |
|||
|
2. Generation
of clusters and constructs classes |
||||
|
3. Viewing and
printing cluster, and constructs |
||||
|
4. Automatic execution modes: 1,2,3 |
||||
|
5. Conclusion
2D semantic networks classes |
||||
|
3. Cognitive charts of classes |
||||
|
2. Typological
analysis of the primary signs |
1.
Information (rank) portraits of signs |
|||
|
2. Signs cluster
and constructive analysis |
1. The
calculation of similarity matrix of signs images |
|||
|
2. Generation
of clusters and constructs signs |
||||
|
3. Viewing
and printing cluster, and constructs |
||||
|
4. Automatic execution modes: 1,2,3 |
||||
|
5. Conclusion
2d semantic networks signs |
||||
|
3. Cognitive signs of charts |
||||
|
6. Semantic-Cognitive analysis of model SIM |
1. Estimation
of the objects completion reliability |
|||
|
2. The
measurement of the adequacy of semantic data model |
||||
|
3. Measuring
independence classes and signs |
||||
|
4. Viewing
profiles classes and signs |
||||
|
5. Graphic
display of non-local neurons |
||||
|
6. Displaying
subsets of the neural network |
||||
|
7. Classical
and Integral cognitive maps |
||||
|
7. Service |
1. Generation Databases (dumping) |
1. All database |
||
|
2. NSI |
1. All databases NSI |
|||
|
2. Classes DB |
||||
|
3. Initial signs DB |
||||
|
4. Generalized signs DB |
||||
|
3. Training sample |
||||
|
4. Recognized sample |
||||
|
5. Statistics Database |
||||
|
2. Reload index all databases |
||||
|
3. Print database absolute frequencies
|
||||
|
4. Printing
conditional interest distributions Databases SIM-1 and SIM-2 |
||||
|
5. Printing
information of SIM-1 and SIM-2 Databases |
||||
|
6.
Descriptive Intelligent Information Retrieval System |
||||
|
7. Copying
the major SIM databases |
||||
|
8. Convert
SIM-1 into executable information matrix |
||||
|
9. Convert
SIM-2 into executable information matrix |
||||
The cognitive
simulation of AstroDatabank records including the neuron-net
training and recognition was realized for any grid of fixed dimension N=2, 3,
4…, 173 sectors. Thus there are many models – M2, M3, M4… M173 corresponding to
the number of sectors in a given partition of Zodiac. For every model could be
established own catalog (they are numbered simply as 002, 003, 004 …) and a
copy of the system AIDOS. To manage the
input parameters and outcomes of all models a special system has been designed
[3], which would be implemented
"collectives decisive rules» i. e., would the ability to automatically
generate a number of models that would form one coherent system, which called
"multi-model". This system consists of few programmable
applications which allow setup any combination of models; run the neuron-net
training and recognition for all models,
organize and summarize the results
of the identification of the respondents in different models for a set of
categories.
Main Results
The technology of
simulation described in papers [6–8]. In fact the system AIDOS operates with
Object Code like numbers in a left column in Tables 1, 2. Astronomical
parameters also have own code called "scale or graduation code", for
instance, in a case of model M3 we have 23 main scales and 69=23*3 graduations;
six of them shown below:
|
Code |
Name of scale |
|
1 |
SUNLON-[3]: {0.000, 120.000} |
|
2 |
SUNLON-[3]: {120.000, 240.000} |
|
3 |
SUNLON-[3]: {240.000, 360.000} |
|
4 |
MOONLON-[3]: {0.000, 120.000} |
|
5 |
MOONLON-[3]: {120.000, 240.000} |
|
6 |
MOONLON-[3]: {240.000, 360.000} |
If any record in a training database shows
a longitude of the Sun belongs to the interval (0.000, 120.000) then a
frequency of the corresponding code 1 increases on a unit. Therefore a
frequency of scales in the training database could be calculated and the
frequency matrix and the information matrix could be established. For example,
in a case of model M2 trained with Database F, a fragment of the frequency
matrix and a fragment of the information matrix are shown in Table 4 and 5
consequently:
Table 4: The frequency matrix
(fragment) in a case of model M2 trained with Database F (frequency is given in
absolute value) [7]
|
Code of scale |
Code of category |
|||||||||||
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
|
|
1 |
6744 |
2623 |
2281 |
2201 |
1671 |
1477 |
1378 |
1271 |
1222 |
1201 |
1230 |
1208 |
|
2 |
6896 |
2502 |
2286 |
2270 |
1702 |
1433 |
1297 |
1306 |
1220 |
1195 |
1155 |
1152 |
|
3 |
6786 |
2539 |
2325 |
2187 |
1689 |
1445 |
1330 |
1273 |
1207 |
1211 |
1218 |
1177 |
|
4 |
6854 |
2586 |
2242 |
2284 |
1684 |
1465 |
1345 |
1304 |
1235 |
1185 |
1167 |
1183 |
|
5 |
6261 |
2401 |
2070 |
2039 |
1561 |
1343 |
1307 |
1185 |
1125 |
1086 |
1134 |
1156 |
|
6 |
7379 |
2724 |
2497 |
2432 |
1812 |
1567 |
1368 |
1392 |
1317 |
1310 |
1251 |
1204 |
|
7 |
6907 |
2688 |
2332 |
2274 |
1735 |
1510 |
1422 |
1301 |
1263 |
1193 |
1232 |
1263 |
|
8 |
6733 |
2437 |
2235 |
2197 |
1638 |
1400 |
1253 |
1276 |
1179 |
1203 |
1153 |
1097 |
|
9 |
7137 |
2760 |
2443 |
2344 |
1754 |
1500 |
1454 |
1341 |
1269 |
1223 |
1330 |
1279 |
|
10 |
6503 |
2365 |
2124 |
2127 |
1619 |
1410 |
1221 |
1236 |
1173 |
1173 |
1055 |
1081 |
Actually an
information counted in the system with 8 decimal places, but in Table 5 it
shown with 2 decimal position (*100)
only. A positive or negative value of information in a cell ij in Table 5 means that category j has a positive or negative
correlation with scale i.
Table 5: The information matrix
(fragment) in a case of model M2 trained with Database F (information given in
Bit*100) [7]
|
Code of scale |
Code
of category |
|||||||||||
|
1
|
2
|
3
|
4
|
5
|
6
|
7
|
8
|
9
|
10
|
11
|
12
|
|
|
1 |
3
|
-1 |
17
|
-2 |
-3 |
-0 |
-3 |
-3 |
-3 |
-3 |
22
|
-4 |
|
2 |
4
|
-3 |
17
|
-0 |
-3 |
-1 |
-5 |
-2 |
-3 |
-3 |
20
|
-5 |
|
3 |
3
|
-2 |
18
|
-2 |
-3 |
-1 |
-4 |
-3 |
-3 |
-3 |
22
|
-4 |
|
4 |
3
|
-2 |
16
|
-0 |
-3 |
-1 |
-4 |
-2 |
-2 |
-4 |
20
|
-5 |
|
5 |
3
|
-2 |
16
|
-2 |
-3 |
-1 |
-2 |
-3 |
-3 |
-4 |
22
|
-2 |
|
6 |
3
|
-3 |
17
|
-1 |
-3 |
-1 |
-6 |
-2 |
-2 |
-3 |
20
|
-6 |
|
7 |
3
|
-1 |
17
|
-1 |
-3 |
-1 |
-3 |
-3 |
-2 |
-4 |
21
|
-3 |
|
8 |
4
|
-3 |
17
|
-1 |
-3 |
-1 |
-5 |
-2 |
-3 |
-2 |
21
|
-6 |
|
9 |
3
|
-1 |
17
|
-1 |
-3 |
-2 |
-3 |
-3 |
-3 |
-4 |
23
|
-3 |
|
10 |
3
|
-3 |
16
|
-1 |
-3 |
-0 |
-5 |
-2 |
-2 |
-2 |
19
|
-6 |
When a training of
the neuron-net for every model is finished, then packet recognition could be
run. It starts from definition of recognized sample records number. In a case
of Database0, Database1 or Database G with 4 classes only a reasonable number
could be N=400 or 100 per class. The trained computer neuron-net has a reaction
on any input data which are similar to the training sample. Therefore every
record from N could be analyzed and four possible reactions on it could be
measured:
-
Record with number n from N belongs to the category number
m and it’s true, the correlation
parameter of the record number n
with the category number m is BTnm;
-
Record with number n from N not belongs to the category number
m and it’s true, the correlation
parameter is Tnm;
-
Record with number n from N belongs to the category number
m and it’s false, the correlation
parameter is BFnm;
-
Record with number n from N not belongs to the category number
m and it’s false , the correlation
parameter is Fnm;
Thus the effective
artificial intelligence system should be designed in a way to minimize a false
prediction and to maximize a true prediction. For the best understanding of the
packet recognition results a special form of the similarity parameter has been
proposed as follows [7]:
.
With this
definition the similarity parameter changes from -100 % up to 100 %, like a
statistical correlation parameter. If Sm=0,
it means that the category number m is
not recognized well even if BTnm =0.95
for every true record and it looks like a very good result. From the
other side if Sm=0.5, it
is really a good result even if BTnm =0.5
for every true record, but it means that there are no false records and
every true record been recognized. Let
conduct few experiments to recognize several categories.
EXPERIMENT 1
In the first
experiment the multi-model of 22 models including M2, M3, M4, M5, M6, M7, M8,
M9, M10, M11, M12, M13, M14, M15, M18, M20, M24, M48, M72, M90, M96, M150 was
setup and then 22 models were trained with Database1 of 9897 records. As result
an information image (portrait) of every class has been simulated. Similarity
parameters of classes 1–4 (series 1–4) from Table 1 versus the arc of partition
(degree) in a case of packet recognition 100 records/class are shown in Figure
1. The number of records effect on the similarity parameter shown in Figure 2,
where data for the maximum of the similarity parameter are plotted.
|
Class |
NAME |
ABS |
|
1 |
Politics, Science |
1876 |
|
2 |
Medical: Physician |
347 |
|
3 |
Sports |
6032 |
|
4 |
Psychological |
1642 |
In the first
experiment the best result obtained for the category "Medical: Physician"
– S= 45.908 % in a case of model M90 and for 100 records/class. Reducing a
number of records/class it is possible to increase a similarity parameter of the category "Medical: Physician"
up to
EXPERIMENT
2
In the second
experiment all simulations of the first experiment have been repeated with Database
G of 20007 records – see Figures 3–4. In
this experiment the best recognized category is "Sport" with S=
|
Class |
NAME |
ABS |
|
1 |
Famous |
3373 |
|
2 |
Medical |
2910 |
|
3 |
Sports |
4567 |
|
4 |
Psychological |
1007 |
EXPERIMENT
3
In the third
experiment the multi-model of 6 models including M2, M3, M4, M12, M90, and M150 was established and trained with Database0
(9897 records). Similarity parameters of classes 1–4 (series 1–4) from Table 1
versus the arc of partition (degree) in a case of packet recognition 100
records/class are shown in Figure 5. There is a big difference in the final
results for two databases – Database1 and Database0 (see Figure 1 and Figure
5); even they have identical number of records, but different number of scales
– 23 (longitude and declination of 10 planets, longitude of North Node, Ascendant and MC) and 11 (longitude of 10 planets and North
Node only) consequently. In this
experiment the best result was found for the category "Medical:
Physician" – S= 50.634 % in a case of model M150, and it is comparable
with data shown in Figure 1. For the
category "Sport" the best result is S=5.915 % in a case of model M3,
and it is much less than S=28.935 % found for this category in a case of
Database1 and model M3 – see Figure 1.
|
Class |
NAME |
ABS |
|
1 |
Politics, Science |
1876 |
|
2 |
Medical: Physician |
347 |
|
3 |
Sports |
6032 |
|
4 |
Psychological |
1642 |
EXPERIMENT 4
In the fourth experiment the multi-model of 172 models including M2, M3, M4, …, M172, and M173 was established and trained with Database
F (20007 records) [7]. With this model it is possible to run a precise
simulation for those categories which been decomposed in several subcategories
or classes. For instance, the similarity parameter of the category "Sports"
decomposed in three classes (see Table 6) shown in Figures 6a, 6b versus arc of
partition and number of sectors of zodiac circle partition consequently. The best result S= 85.864 found for the
subcategory "Sports: Football" in a case of model M3.
Table 6: The category "Sports" decomposed in three
classes and related numbers of records. Database F
|
Class |
NAME |
ABS |
|
1 |
Sports |
4567 |
|
2 |
Sports: Football |
1613 |
|
3 |
Sports: Basketball |
2385 |
EXPERIMENT 5
In this experiment the multi-model of 15 models including
M2,M3,M4,M5,M6,M7, M8,M9,M10,M11,M12,M13,M14,M15,M24 was established and
trained with Database F1 (20007 records). The similarity parameter of the
category "Psychological" decomposed in four classes – see Table 7,
shown in Figure 7. The best result S=
57.244 found for the subcategory "Psychological: Alcohol Abuse: Rehab AA"
in a case of model M12. Note that subcategories mostly showed better results in
recognition than a main category.
Table 7: The category "Psychological" decomposed in
four classes and related numbers of records. Database F1
|
Class |
NAME |
ABS |
|
1 |
Psychological |
1007 |
|
2 |
Psychological:Drug Abuse |
282 |
|
3 |
Psychological:Alcohol Abuse |
481 |
|
4 |
Psychological:Alcohol
Abuse:Rehab AA |
267 |
EXPERIMENT 6
In this experiment the model
M12 only has been setup and trained with Database B of 15007 records. Then all
records from Database C have been utilized for recognition. In result the
number of the true recognized records was determined as Ntrue=3435
or 68.7 % of 5000 records [6]. To compare this result with some background data
the stochastic Database of 5000 records has been generated (all the active sell
numbers taken from a random set) the same size and format as Database C, and
recognized, finally a maximum of the similarity parameter has been established
as Smax=1.206 % [6]. Therefore a value of the
similarity parameter which is higher than 1.206 * 2.5 = 3.015
% should be considered as a certain value with 95 % probability.
This criterion was taken into account in the simulation with records of Database
C.
EXPERIMENT 7
In seven experiment
the multi-model of 4 models including M3, M4, M12 and M90 was setup and trained
with Database D of 20007 records related
to 240 unrepresentative categories (number of records related to category
higher than 2 and less than 25). The similarity parameter of 240 categories
versus the number of records related to every category in Database D in a case
of the model M90 shown (together with a trend line) in Figure 8. These data
illustrate the low frequency trend in a case of the recognition, when the
number of records for any category is not statistically representative.
EXPERIMENT
8
In this experiment the multi-model of 16 models including
M2,M3,M4,M5,M6,M7, M8,M9,M10,M11,M12,M24,M36,M48,M60 and M72 was established
and trained with Database E (20007 records and 870 categories). The similarity
parameter of 870 categories versus the number of records related to every
category in Database E in a case of the model M72 shown (together with a trend
line) in Figure 9 (there is a double logarithmic scale performed). The trend
line in this case has the same slope like in Figure 8 therefore it could be a
common correlation for 20007 records utilized in both databases – D and E. The similarity parameter of the category "Medical" and several
subcategories (see Table 8) are shown in Figure 10. The best result S=65.109 found for the
subcategory "Medical: Doctor: Therapist" in a case of model M3.
Table 8: Category "Medical", subcategories and
related number of records
|
Medical:Doctor:Therapist |
29 |
|
Medical:Doctor:Psyhotherapist |
79 |
|
Medical:Doctor:Chiropractor |
33 |
|
Medical:Doctor:Social worker |
54 |
|
Medical |
2910 |
EXPERIMENT 9
In this experiment
a multi-model of 10 models including
M3,M4,M5,M6,M9, M12,M15,M18,M20,M24 was trained with Database A of 500
representative categories (category represented in the database at least 26
times). The similarity parameter of the
category "Death: Long life >80 yrs", and several subcategories (see Table 9) are shown in Figure
10. The best result S=27.504 found for
the subcategory "Age 89" in a case of model M4. Note that all
subcategories data shown in Figure 11 have synchronic behavior versus the arc
of partition.
.
Table 9: Category "Death: Long life >80 yrs",
subcategories and related number of records
|
Age 80 |
37 |
|
Age 81 |
50 |
|
Age 83 |
42 |
|
Age 84 |
31 |
|
Age 85 |
36 |
|
Age 88 |
39 |
|
Age 89 |
32 |
Net entropy effect
on the similarity parameter
The similarity parameter of
500 categories versus the number of records related to every category in
Database A in a case of the model M4 shown (together with a trend line) in
Figure 12a. These data look like chaotically dispersed points. There is a
dramatic difference between data in Figures 9 and Figure 12. It should be noted
that both databases A and E have same numbers of records per category but there
are different numbers of scales which depend on number of sectors. Therefore it
is possible to increase a correlation by increasing number of scales see Figure
12b. It calls the net entropy effect.
In Figure 12c the average
similarity parameter of 37 categories versus number of sectors is shown [7].
These data could be approximated by the logarithmic function – a solid line in
Figure 12c. The function of entropy (or
information) also depends on the number of elements as a logarithmic function
[1]. Thus the average similarity parameter is a linear function of the net
entropy (or information as well). Nevertheless some categories better
recognized at the small number of sectors – see Figure 6b for instance.
Discussion
Several databases have been
tested with the artificial intelligence system AIDOS to found out the
astronomical parameters effect on the social categories of natives. The data of
the multi-model simulations shown in Figures 1–10 demonstrate a regular respond
of the similarity parameter on variations of the number of records per class or
category as well as on the arc of zodiac cycle partition. Therefore the astronomical
parameters effect on the social categories of natives could be investigated and
determined as it has been performed above.
An information portrait is the
main astronomical characteristic of any category. For instance, the category "Sports"
in a case of Database F1 and model M12 could be characterized as follows (only
62 scales of 276 are shown):
|
Scales |
Information,
Bit |
|
PLUTOLON-[12]:
{150.000, 180.000}. |
0.832 |
|
URANUSLON-[12]:
{150.000, 180.000}. |
0.815 |
|
NEPTUNELON-[12]:
{210.000, 240.000}. |
0.808 |
|
URANUSLON-[12]:
{120.000, 150.000}. |
0.529 |
|
SATURNLON-[12]:
{330.000, 360.000}. |
0.480 |
|
SATURNLON-[12]:
{0.000, 30.000}. |
0.448 |
|
URANUSLON-[12]:
{180.000, 210.000}. |
0.433 |
|
NODELON-[12]:
{0.000, 30.000}. |
0.371 |
|
SATURNLON-[12]:
{300.000, 330.000}. |
0.362 |
|
NODELON-[12]:
{30.000, 60.000}. |
0.338 |
|
JUPITERLON-[12]:
{120.000, 150.000}. |
0.324 |
|
NODELON-[12]:
{90.000, 120.000}. |
0.324 |
|
NODELON-[12]:
{60.000, 90.000}. |
0.323 |
|
SATURNLON-[12]:
{270.000, 300.000}. |
0.304 |
|
MARSLON-[12]:
{150.000, 180.000}. |
0.299 |
|
JUPITERLON-[12]:
{150.000, 180.000}. |
0.298 |
|
NODELON-[12]:
{120.000, 150.000}. |
0.291 |
|
MERCURYLON-[12]:
{180.000, 210.000}. |
0.288 |
|
MOONLON-[12]: {120.000,
150.000}. |
0.279 |
|
MARSLON-[12]:
{90.000, 120.000}. |
0.279 |
|
VENUSLON-[12]:
{210.000, 240.000}. |
0.277 |
|
JUPITERLON-[12]:
{180.000, 210.000}. |
0.272 |
|
JUPITERLON-[12]:
{30.000, 60.000}. |
0.272 |
|
SUNLON-[12]:
{210.000, 240.000}. |
0.270 |
|
JUPITERLON-[12]:
{60.000, 90.000}. |
0.261 |
|
MARSLON-[12]:
{120.000, 150.000}. |
0.260 |
|
SUNLON-[12]:
{150.000, 180.000}. |
0.255 |
|
VENUSLON-[12]:
{0.000, 30.000}. |
0.253 |
|
MOONLON-[12]:
{270.000, 300.000}. |
0.253 |
|
SUNLON-[12]:
{120.000, 150.000}. |
0.247 |
|
JUPITERLON-[12]:
{0.000, 30.000}. |
0.247 |
|
MERCURYLON-[12]:
{120.000, 150.000}. |
0.246 |
|
VENUSLON-[12]:
{180.000, 210.000}. |
0.246 |
|
VENUSLON-[12]:
{60.000, 90.000}. |
0.245 |
|
SUNLON-[12]:
{0.000, 30.000}. |
0.245 |
|
MERCURYLON-[12]:
{60.000, 90.000}. |
0.244 |
|
JUPITERLON-[12]:
{90.000, 120.000}. |
0.244 |
|
MARSLON-[12]:
{240.000, 270.000}. |
0.243 |
|
VENUSLON-[12]:
{120.000, 150.000}. |
0.241 |
|
MOONLON-[12]:
{0.000, 30.000}. |
0.238 |
|
MERCURYLON-[12]:
{330.000, 360.000}. |
0.238 |
|
MOONLON-[12]:
{60.000, 90.000}. |
0.238 |
|
VENUSLON-[12]:
{150.000, 180.000}. |
0.233 |
|
MERCURYLON-[12]:
{300.000, 330.000}. |
0.232 |
|
MERCURYLON-[12]:
{150.000, 180.000}. |
0.231 |
|
SUNLON-[12]:
{330.000, 360.000}. |
0.231 |
|
MOONLON-[12]:
{150.000, 180.000}. |
0.224 |
|
NEPTUNELON-[12]:
{180.000, 210.000}. |
0.222 |
|
MARSLON-[12]:
{180.000, 210.000}. |
0.221 |
|
NODELON-[12]: {150.000,
180.000}. |
0.221 |
|
MOONLON-[12]:
{90.000, 120.000}. |
0.221 |
|
MOONLON-[12]:
{330.000, 360.000}. |
0.218 |
|
MOONLON-[12]:
{240.000, 270.000}. |
0.218 |
|
VENUSLON-[12]:
{330.000, 360.000}. |
0.217 |
|
SUNLON-[12]:
{240.000, 270.000}. |
0.216 |
|
MERCURYLON-[12]:
{240.000, 270.000}. |
0.215 |
|
SUNLON-[12]:
{180.000, 210.000}. |
0.214 |
|
MARSLON-[12]:
{330.000, 360.000}. |
0.214 |
|
MERCURYLON-[12]:
{270.000, 300.000}. |
0.213 |
|
VENUSLON-[12]:
{300.000, 330.000}. |
0.211 |
|
SUNLON-[12]:
{90.000, 120.000}. |
0.210 |
|
MARSLON-[12]:
{210.000, 240.000}. |
0.209 |
It is impossible to derive any
simple suggestion like "category Sports depends on the Pluto or Mars
position" from this portrait only. Generally speaking any information
portrait depends on the utilized model and database. Nevertheless it gives some
ideas about predominate scales in the information portrait of the category
Sport. Note that every scale contributes a portion of information which
actually utilized for recognition.
Every recognized record has
own similarity portrait, for example, the portrait of the record for Bush,
George Walker could be presented as follows:
|
Bush, George Walker |
|
|
Category |
Similarity parameter, % |
|
SC:B795-Sports:Bullfighting. |
63 |
|
SC:C1070-Travel:Crew/
Ship, Train, Bus: Taxi driver. |
63 |
|
SC:C619-Education:Teacher:Language/English. |
56 |
|
SC:C604-Work:Food and
Beverage: Alcohol business. |
47 |
|
SC:C1340-Medical:Doctor:Chiropractor. |
46 |
|
SC:D1256-Education:Teacher:Science:Computer
science. |
45 |
|
SC:C382-Medical:Doctor:Dentist/
Dental Tech. |
45 |
|
SC:B236-Business:CPA/
Auditor/ Accountant. |
42 |
|
SC:B1023-Law:Court
reporter. |
37 |
|
SC:C421-Occult Fields:
Psychic/ Medium/ Spiritualist: Palmist. |
37 |
|
SC:C614-Medical:Doctor:Veterinarian. |
36 |
|
SC:C603-Work:Food and
Beverage: Farmer/ Rancher. |
36 |
|
SC:D1529-Business:Business/Marketing:Real
estate: Agent. |
31 |
|
SC:C901-Work:Food and
Beverage: Fast-food service. |
31 |
|
SC:C620-Business:Entertain/Business:Manager/
Agent. |
30 |
|
SC:D1246-Education:Teacher:Science:Philosophy. |
30 |
|
SC:C887-Work:Maintenance
Field: Clerk. |
29 |
|
SC:C461-Work:Food and
Beverage: Chef/ Cook. |
29 |
|
SC:C570-Travel:Adventurer:Explorer. |
29 |
|
SC:C62-Entertainment:Music:Group/
Duo. |
28 |
|
SC:B169-Medical:Doctor. |
27 |
|
SC:C422-Occult Fields:
Psychic/ Medium/ Spiritualist: Tarot reader. |
27 |
|
SC:C551-Famous:Greatest
hits: Science field. |
26 |
|
SC:A99-Financial. |
26 |
|
SC:C575-Work:Maintenance
Field: Factory work. |
26 |
|
SC:C782-Science:Biology:Zoology. |
26 |
|
SC:C1257-Education:Teacher:Coach. |
24 |
|
SC:C267-Entertainment:Music:Song
writer. |
24 |
|
SC:C1038-Education:Teacher:Science. |
24 |
|
SC:D791-Medical:Doctor:Psychologist:Parapsychology. |
24 |
|
SC:B628-Science:History. |
24 |
|
SC:C1002-Military:Military
service. |
23 |
|
SC:B32-Business:Business
owner. |
23 |
|
SC:D104-Entertainment:Music:Vocalist:Opera. |
22 |
|
SC:C263-Politics:Heads
of state: |
22 |
|
SC:B413-Entertainment:Child
performer. |
22 |
|
SC:B626-Occult Fields:
Out of Body experience. |
21 |
|
SC:C375-Business:Sports
Business: Coach/ Manager/ Owner. |
21 |
In
this table the similarity parameter of the category "
References
1. E.V.
Lutsenko Conceptual principles of the system (emergent) information theory
& its application for the cognitive modelling of the active objects
(entities). 2002 IEEE International Conference on Artificial Intelligence
System (ICAIS 2002). – Computer society, IEEE,
2. Patent
2003610986,
3.
Patent 2008610097, Russia, System for
Typification and Identification of the Social Status of Respondents Based on
the Astronomical Data at the Time of Birth – "AIDOS-ASTRO" / E.V. Lutsenko,
A.P. Trunev, V.N. Shashin; Application № 2007613722, January 9,2008.
4.
Lois Rodden’s AstroDatabank/www.astrodatabank.com
5.
Richard Smoot. AstroDatabank, v.
4.00. Quick Start Guide.
6. E.V.
Lutsenko, A.P. Trunev, V.N. Shashin. Typification and Identification of the Social Status of
Respondents Based on the Astronomical Data at the Time of Birth. Scientific Journal of the Kuban State Agricultural University, No25 (1), 2007.
7. E.V.
Lutsenko, A.P. Trunev. AST and Spectral Analysis of the Personal Information Using
the Semantic Information Multi-Models. Scientific Journal of
the Kuban State Agricultural University, No35 (1), 2008.
8. E.V.
Lutsenko, A.P. Trunev. Increasing of the Personal Information Spectral Analysis
Adequateness by AST Dividing on Typical and Untypical Parts. Scientific Journal of the Kuban State Agricultural University, No36 (2), 2008.
Приложение 7. Alexander P. Trunev. The influence of the gravitational potential of celestial bodies on the
rate of radioactive decay of the atomic nuclei
The seasonal variations of the radioactive decay rate have been reported
by several researches groups /1-3/. In the article /3/ is discovered the
dependence of the rate of radioactive decay on the number of astrophysical
factors, including daily, 27 day and annual periods. The authors /4/ via the
comparison of the rate of the beta decay of 32Si /1/ and rate of the
alpha decay of 226Ra /2/ proved that the relative rate for these two
processes correlate between themselves and with the Earth-Sun distance. They
assume that the Sun generates the unknown scalar field (or even two), which
influences the rate of radioactive decay.
Meanwhile analogous seasonal
dependence was obtained for the electric inductance and the resistance with the
measurement in the thermostat according to bridge schema in the experiments /5/
- see Figures 1-
Here R0=2.69
K ohms; L0=151.64 mH, 
- the mass of
electron, 
- the Boltzmann constant, T - absolute temperature, 
- the potential of gravitational field,
(1) 
- Gravitational
constant, 
- the mass of celestial
body and distance to it respectively.
Let us examine the application of the theory /7/ to the rate of radioactive
decay.
As it is known atomic nucleus consists of protons and neutrons - particles,
which possess half-integral spin. Such particles are subordinated the
Fermi-Dirac statistics; therefore the nucleus of heavy elements in a certain
approximation can be considered as the system of fermions /8/. The fundamental
characteristic of this system is the Fermi energy, which can be calculated
using the average energy, which falls to one nucleon:
(2) 
Here A is the total number of
nucleons in the volume of nucleus, E - total energy of all nucleons.
Note, there is a difference in the electric charge of proton and neutron (+e
and 0 respectively), and also they have a different mass (938.271998 and
939.565530 MeV respectively) therefore they are not identical particles as it
assumed in the Fermi-Dirac distribution law (see ref. /8/ for instance).
Nevertheless some average characteristics of nucleons in the volume of nucleus
could be calculated like for identical nucleons. For example, the nuclear spin
is half-integer if A is odd and
integer if A is even. It means that
spins of protons and neutrons are strong correlated in the volume of nucleus
like in a case of identical particles.
In the external gravitational field general energy of particles changes
to the value
(3) 
Where ma - average mass of nucleons in the
nucleus,
With the fixed number of particles the change in the total energy leads,
accordingly (2), to the change of the Fermi energy scale, i.e.
(4) 
The number of fermions per unit energy range is given by the Fermi-Dirac
distribution law:
(5) 
where h is the Planck constant, V – the volume of nucleus, 
- some constant
calculated below.
At the upper level with 
we find from the equation (5):
(6) 
If the energy level of Fermi experiences fluctuations in accordance with
(4), then we have at the upper level:
(7) 
Subtracting from this equation expression (6), we find the change in the
density of the distribution function at the level 
, correlated with
the presence of nucleons in the external field:
(8)
Let us note that if energy of nucleon exceeds the energy level of Fermi,
this nucleon can change its state, for example by mode of decay to the proton,
the electron and the antineutrino (beta decay) or even leave nucleus in the
composition of alpha particle (alpha decay). Whatever there was the mechanism
of radioactive decay, a change in the number of atoms in the course of time is
described by the equation:
Here 
- decay constant. According to ref. /1-4/, the decay
constant has periodic fluctuations correlated with the daily, 27 day and annual
periods. In order to characterize these periodic fluctuations, authors
/4/ proposed to investigate relative decay rate:
where 
is the average value of decay constant, i.e.,
time-independent constant. As it was established /4/, relative decay rate of 32Si
correlates with the relative decay rate of 226Ra, and in both cases
relative decay rate depends on the Earth-Sun distance. In order to explain this
effect let us be turned to the equation (8), according to which a change of the
number of excited nucleons in the external gravitational field can be
characterized by two complexes:
(9) 
The first of these complexes characterizes the relative contribution of
a change in a level of the Fermi energy into seasonal variations in the decay
rate, the second complex characterizes the statistical effects, caused by the
motion of nucleons.
Thus the relative effect of seasonal variations in the relative decay
rate can be presented in the form:
(10) 
where f is the universal dimensionless function.
Generally speaking, for the nuclei the parameters K1, K2
coincide with an accuracy to constant; therefore with the simulation of the
effect of gravity it is possible to select one of them, for example, K2
as for as in
the case of seasonal variations in the resistance and inductance (see ref. /7/). In the case of radioactive
decay the function in the right part of the equation (10) is, apparently,
nonlinear, since in the report /4/ was discovered the phase shift between the
data on the relative decay rate and the distance. This means that the
predominant influence on the rate of radioactive decay renders the parameter
The gravitational potential of the Sun periodically changes inversely
proportional to the Earth-Sun distance and it gives the main contribution to
the gravitational potential of the celestial bodies of the solar system;
therefore in the paper /4/ was discovered precisely the effect, connected with
the influence of the Earth-Sun distance. In this case the authors /4/ used for
finding the correlation a square of distance, assuming that one of the reasons
for a change in the rate of radioactive decay can be a change in the neutrino
flux.
The gravitational potential of the Sun has seasonal variations, with
amplitude of about 0.0167 from the average value (about 8.87826 .108 m2/s2).
Thus, the amplitude of the seasonal variations of the gravitational potential
of the Sun composes of 1.482669 .107
m2/s2. The second largest contribution is own gravitational field of the Earth,
which also changes very weakly. Planets periodically moving because of the
motion of the Earth and the proper motion; therefore their total potential
varies near the average value - 210631.0031 m2/s2,
calculated during the period of 100 years, since September 27, 1971., the
contribution of planets is 100 times less, and the contribution of the Moon is
1000 times less (note that for the tidal forces there are others numbers).
The typical value of Fermi energy for the atomic nuclei is 35-38 MeV,
but the average value of the mass of nucleon it does not exceed the mass of the
neutron of, i.e., 939,5731 MeV. Calculating the parameter K1, we find that its value is
approximately 2.5 .10-7.
From the other side, the parameter K2 even in the case of conduction electrons
varies within the limits of 0,3276-0,3387 (see /7/). However, in the case of
nucleons, taking into account the fact that the ratio of the mass of proton to
the mass of electron composes 1836.15152, this parameter can be more than one.
If the temperature of nucleons inside the nucleus is proportional to ambient
temperature, then for the nucleons the parameter
The disturbance of the density of the distribution function (8) generates
the proportional disturbance of the density of nucleons. Since the scale of
energy in this task corresponds to the Fermi energy level, the disturbance of
density can be represented in the form
(11) 
where a is numerical coefficient.
The disturbance of the density of nucleons produces a proportional
change in the decay probability, thus a relative change in the decay constant
is described by the linear equation:
(12) 
Let us assume in the equation of the radioactive
decay 
and let us
integrate it with respect to the time, as a result we have:
(13) 
Finally, calculating relative decay rate, we find:
(14) 
According to given /4/ the back-and-forth amplitude of relative decay
rate is identical for 32Si and 226Ra is about
0,003. Hence it is possible to make for the temperature of nucleons in the
nuclei of these isotopes:
(15) 
,
i.e., 
eV.
Unknown numerical coefficient was established according to the data of
the seasonal variations of resistance and inductance (see ref. /7/):
a=3.5246 for resistance data and a=2.6368 for inductance data.
Let us note the similarity of the task about the influence of
gravitation on the rate of radioactive decay and task about the influence of
gravitation on the conductivity, which was examined in our paper /7/. In these
tasks we discus the behavior of the system of fermions in the external fields.
Therefore, on the basis of this analogy, it is possible to utilize the value of
numerical coefficient a for evaluating the temperature of nucleons in
the nucleus, therefore we find that its value varies from 1.5 106 to
2 106 oK.
In conclusion let us give the formula for the relative decay rate, convenient
for experimental studies. For this let us simplify the right side of the
expression (14), in which let us hold only gravitational potential of the Sun,
then we obtain:
(16) 
here M, R - mass of the Sun and distance to it
respectively.
Separate attention deserves the
question of why gravitational potential has an effect on the system of
fermions, although, it would seem, the forces, which act on it, are balanced.
It must be noted, that the potential of gravitational field in the
nonrelativistic approximation is described by
Finally note this theory makes it
possible to predict existence of 12 year cycle of fluctuations of radioactive
decay rate, caused by the motion of Jupiter, of 27 day cycle caused by the motion
of the Moon and other cycles, corresponding to the motion of the planets of the
solar system.
References
1. D. E. Alburger, G.
Harbottle, and E. F. Norton, Earth and Planet. Sci. Lett. 78, 168 (1986).
2.
H. Siegert, H. Schrader, and U. Sch¨otzig, Appl. Radiat. Isot. 49, 1397 (1998).
3. S.E. Shnoll,
T.A. Zenchenko et al “Regular variation of the fine
structure of statistical distributions as a consequence
of cosmophysical agents”/ UFN, 43,
p. 205 (2000), http://ufn.ru/en/articles/2000/2/
4. Jere
H. Jenkins, Ephraim Of fischbach, John B. Buncher, John T. Gruenwald, Dennis E.
Krause, and Joshua J. Mattes. Evidence of for Of correlations Of between Of
nuclear Of decay Of rates and Earth-Sun Of distance/of arXiv: 0808.3283v1 [the
astro- pH] of 25 Aug 2008, http://arxiv.org/abs/0808.3283v1
5. Tatiana
Chernoglazova, Igor Degtarev. Temporary laws governing the change in the
electrical and magnetic properties of materials and their connection with the
Earth seismic activity/ Chaos and Correlation.
No 6, April 30, 2007. http://trounev.com/Chaos/No6/TCH4/TCH4.htm
6.
Alexander P. Trunev. On the influence
of the celestial bodies of the solar system on the electrical and magnetic
properties of the materials/ Chaos and Correlation. No 6, April 30, 2007. http://trounev.com/Chaos/No6/CR/CR6.htm
7.
Alexander P. Trunev. On the
dependence of conductivity and magnetization of materials on the gravitational
potential of the solar system/ Chaos and Correlation. No 7, May 31, 2007. http://trounev.com/Chaos/No7/CR7/CR7.htm
8. Marcelo
Alonso, Edward J. Finn.
Приложение 8. Краткий
толковый словарь
терминов по астросоциотипологии
и системно-когнитивному анализу
В данном небольшом толковом
словаре мы ни в коей мере не претендуем на его полноту и исчерпывающий характер
(да это и вряд ли возможно) и приводим лишь определения тех терминов, которые введены
авторами данной монографии, а также тех, у которых авторами изменены или
модифицированы формулировки.
Астропризнак
– это астрономический признак на момент рождения, т.е. факт попадания положения
планеты в определенный сектор, размер которого задается в семантической
информационной модели.
Астросоциотип
– обобщенная социальная категория, полученная путем многопараметрической
типизации, т.е. обобщения образов конкретных респондентов, относящихся к
определенным социальным категориям и характеризующихся определенными наборами
астропризнаков.
Астросоциотипология – раздел астросоциологии,
новое научное направление, использующее технологии искусственного интеллекта
для выявления и научного исследования зависимостей между астропризнаками респондентов и их принадлежностью к определенным астросоциотипам, а также использованием
знания этих зависимостей для решения задач идентификации, прогнозирования и
поддержки принятия решений (выработки научно-обоснованных рекомендаций по
управлению).
В настоящее время в астросоциотипологии
используется лишь один метод искусственного интеллекта – автоматизированный
системно-когнитивный анализ (АСК-анализ),
но в будущем количество этих методов увеличится, что обеспечит как повышение
качества и достоверности получаемых результатов, за счет взаимного
подтверждения результатов, полученных разными независимыми друг от друга
методами, так и расширит сам круг этих результатов.
Частная семантическая информационная модель (СИМ) – модель СК-анализа с одной матрицей абсолютных
частот и одной матрицей информативностей.
Мультимодель
– система частных семантических информационных моделей (СИМ), в общем случае отличающихся
друг от друга наборами классификационных и описательных шкал и градаций.
Смысл использования
мультимоделей состоит в том, что как обосновано в теории коллективов решающих правил и показывают результаты проведенных численных
экспериментов достоверность идентификации по различным классам отличается в
различных моделях, т.е. одни классы лучше (более достоверно) распознаются в одних
частных моделях, а другие в других. Поэтому возникла идея идентифицировать
респондентов с каждым классом в той частной модели, в которой идентификация с
ним наиболее достоверна (алгоритм скоростного
распознавания в мультимодели с использованием априорной информации). Разработаны
и реализованы в системе "Эйдос-астра" и другие алгоритмы голосования частных моделей в мультимоделях. В
астросоциотипологии исследованы сотни частных моделей, отличающихся градациями описательных шкал, т.е. количеством
секторов, на которые делится большой круг небесной сферы. Применение
мультимоделей позволило повысить среднюю достоверность идентификации примерно
на 20%. Логотип астросоциотипологии,
приведенный на обложке монографии, является наглядным изображением одной из наиболее
эффективных из исследованных авторами мультимоделей.
Принятие решения есть действие над множеством альтернатив, в результате которого
исходное множество альтернатив сужается. Это действие называется "выбор".
Экспертная система (ЭС) – это программа, которая в определенных отношениях
заменяет эксперта или группу экспертов в той или иной предметной области.
Клавиатурный почерк – система индивидуальных особенностей начертаний и динамики
воспроизведения букв, слов и предложений на клавиатуре.
Система, оснащенная интеллектуальным интерфейсом – это система, способная вести себя по-разному в
зависимости от результатов идентификации пользователя, его профессионального
уровня и текущего психофизиологического состояния.
Аутентификация
– это проверка, действительно ли пользователь является тем, за кого себя
выдает. При этом пользователь должен предварительно сообщить о себе
идентификационную информацию: свое имя и пароль, соответствующий названному
имени.
Идентификация
– это установление его личности.
Почерк – это
система индивидуальных особенностей начертания и динамики воспроизведения
букв, слов и предложений вручную различными людьми или на различных устройствах
печати.
Система с биологической обратной связью (БОС) – это система, поведение которой зависит от психофизиологического
(биологического) состояния пользователя.
Система с семантическим резонансом – это система, поведение которой зависит от состояния
сознания пользователя и его психологической реакции на смысловые стимулы, в
т.ч. неосознаваемые.
Виртуальная реальность (ВР) – модельная трехмерная (3D) окружающая среда,
создаваемая компьютерными средствами и реалистично реагирующая на
взаимодействие с пользователями.
Эффект присутствия – это создаваемая для пользователя иллюзия его присутствия в смоделированной компьютером среде, при этом создается
полное впечатление "присутствия" в виртуальной среде, очень сходное с
ощущением присутствия в обычном "реальном" мире.
Система виртуальной реальности (ВР) – это система, обеспечивающая:
– генерацию полиперцептивной модели
реальности в соответствии с математической моделью этой реальности,
реализованной в программной системе;
– погружение пользователя в модель
реальности путем подачи на все или основные его перцептивные каналы –
органы восприятия, программно-управляемых по величине и содержанию воздействий:
зрительного, слухового, тактильного, термического, вкусового и обонятельного и
других;
– управление системой путем использования виртуального "образа Я" пользователя и
виртуальных органов управления
системой (интерфейса), на которые он воздействует, представляющие собой зависящую от пользователя часть модели
реальности;
– реалистичную реакцию моделируемой реальности на виртуальное
воздействие и управление со стороны пользователя;
– разрыв отождествления
пользователя со своим "Образом Я" из обычной реальности (деперсонализация), и отождествление
себя с "виртуальным образом Я", генерируемым системой виртуальной реальности
(модификация
сознания и самосознания пользователя);
– эффект присутствия
пользователя в моделируемой реальности в своем "виртуальном образе
Я", т.е. эффект личного участия
пользователя в наблюдаемых виртуальных событиях;
– положительные результаты
применения критериев реальности, т.е. функциональную замкнутость и
самодостаточность виртуальной реальности, вследствие чего никакими действиями внутри виртуальной реальности, осуществляемыми над
ее объектами, в т.ч. объектами виртуального интерфейса, с помощью своего
виртуального тела, невозможно установить, "истинная" эта реальность
или виртуальная.
Критерий реальности – это самосогласованность реальности, т.е. получение одной и той же информации
качественно различными способами и по различным каналом связи (принцип наблюдаемости):
– согласованность
реальности самой с собой во времени;
–
согласованность и взаимное подтверждение информации от различных органов
восприятия, которые обычно реагируют на различные формы материи и часто
являются парными (зрение, слух, обоняние) и расположенными в различных точках пространства.
Принцип эквивалентности виртуальной и истинной реальности: виртуальная система отсчета, локализованная в
полнофункциональной виртуальной реальности полностью физически эквивалентна
физической системе отсчета, локализованной в "истинной реальности",
т.е. никакими действиями внутри виртуальной реальности, осуществляемыми над ее
объектами, в т.ч. объектами виртуального интерфейса, с помощью своего
виртуального тела, невозможно установить, "истинная" эта реальность
или виртуальная (Луценко Е.В., 2004).
Взвешивание данных или ремонт обучающей выборки – это операция, в результате которой частное
распределение объектов по классам в обучающей выборке максимально, на сколько
это возможно, приближается либо к частотному распределению генеральной
совокупности (если оно известно из независимых источников), либо к
равномерному.
Обобщение –
это операция формирования обобщенных образов классов на основе описаний
конкретных объектов, входящих в обучающую выборку.
Распознавание
– это операция сравнения и определения степени сходства образа данного
конкретного объекта с образами других конкретных объектов или с обобщенными
образами классов, в результате которой формируется рейтинг объектов или классов
по убыванию сходства с распознаваемым объектом.
Обучение с учителем – это процесс формирования обобщенных образов классов, на основе
обучающей выборки, содержащей характеристики конкретных объектов как в
описательных, так и в классификационных шкалах и градациях.
Шкала – это
способ классификации объектов по наименованиям или степени выраженности
некоторого свойства. Понятие шкалы тесно связано с ключевым понятием
когнитивной психологии: понятием конструкта, более того, практически является
синонимом или формальным аналогом этого понятия.
Градация –
это положение на шкале (или интервал, диапазон), соответствующее наименованию
или определенной степени выраженности свойства.
Обучение без учителя или самообучение – это процесс формирования обобщенных образов
классов, на основе обучающей выборки, содержащей характеристики конкретных
объектов, причем только в описательных шкалах и градациях.
Верификация модели – это операция установления степени ее адекватности (валидности) путем
сравнения результатов идентификации конкретных объектов с их фактической
принадлежностью к обобщенным образам классов.
Адаптация
модели – это количественное уточнение модели, не требующее изменения
классификационных и описательных шкал и градаций, а лишь объема обучающей
выборки.
Синтез (или повторный синтез – пересинтез) модели – качественное уточнение модели, путем учета в модели
объектов и факторов, ранее не входящих ни в обучающую выборку, ни в генеральную
совокупность, по отношению к которой данная обучающая выборка репрезентативна.
Кластеризация
– это операция автоматической классификации, в ходе которой объекты объединяются в группы (кластеры) таким
образом, что внутри групп различия между объектами минимальны, а между группами
– максимальны. При этом в ходе кластеризации не только определяется состав
кластеров, но и сам их набор и границы.
Системный анализ – современный метод теоретического познания и программно-целевого
управления, в котором объект управления рассматривается как система.
Система –
представляет собой совокупность элементов
различных уровней иерархии (подсистемы), связанных
между собой каналами взаимодействия, объединенных в единое структурно-функциональное
целое, обеспечивающее им преимущества в достижении общей цели системы и целей подсистем за счет системного эффекта.
Системный (эмерджентный) эффект – наличие у системы качественно новых, эмерджентных свойств, которые не сводятся к сумме свойств ее частей.
Эмерджентность свойств – так как все свойства есть свойства тех или иных
систем, то можно предположить, что все свойства без исключения имеют
эмерджентную природу, т.е. любое свойство основано на уровне Реальности этим
свойством не обладающим. Например, свойство "быть соленым " основано
на свойствах Na и Cl, по отдельности этим свойством ни в коей мере не
обладающими[1].
Уровень системности – степень отличия свойств
системы от суммы свойств ее частей.
Диалектика: структура-свойство-отношение – подсистемы различных уровней иерархии могут
рассматриваться с внешней точки зрения как неделимое целое, не имеющее частей,
т.е. элемент, обладающий свойством
вступать во взаимодействие с другими элементами, а с внутренней точки зрения –
как имеющие структуру, состоящую из
элементов более низкого уровня иерархии, объединенных определенными видами взаимосвязей. Сам канал взаимодействия
может рассматриваться как отношение
элементов, которые с помощью него взаимодействуют, или как система, обладающая
определенной структурой, включающая
среду передачи и объекты, перемещающиеся в этой среде и переносящие субстанцию
взаимодействия, например: вещество, стоимость, энергию или информацию.
Системно-когнитивный анализ (СК-анализ) – системный анализ, структурированный по базовым
когнитивным операциям.
Автоматизированный системно-когнитивный анализ
(АСК-анализ) – автоматизированный
СК-анализ, т.е. системный анализ, автоматизированный путем структурирования по
базовым когнитивным операциям системного анализа (БКОСА) и включающий: формализуемую когнитивную концепцию,
математическую модель, методику численных расчетов и реализующий их программный
инструментарий, в качестве которого в настоящее время выступает универсальная
когнитивная аналитическая система "Эйдос". АСК-анализ предложен в
2002 году Е.В.Луценко.
Компоненты АСК-анализа:
– формализуемая когнитивная
концепция и следующий из нее когнитивный конфигуратор;
– теоретические основы,
методология, технология и методика СК-анализа;
– математическая модель
СК-анализа, основанная на системном обобщении семантической меры
целесообразности информации А. Харкевича;
– методика численных
расчетов, в универсальной форме реализующая математическую модель СК-анализа,
включающая иерархическую структуру данных и 24 детальных алгоритма
10 БКОСА;
– специальное
инструментальное программное обеспечение, реализующее математическую модель и
численный метод СК-анализа – Универсальная когнитивная аналитическая система
"Эйдос";
– методика, технология и
результаты синтеза рефлексивных АСУ активными объектами на основе АСК-анализа.
Этапы АСК-анализа –
1) когнитивная
структуризация предметной области;
2) формализация предметной
области (конструирование классификационных и описательных шкал и градаций);
3) подготовка обучающей
выборки (ввод данных мониторинга в базу прецедентов);
4) синтез семантической
информационной модели (СИМ);
5) оптимизация СИМ;
6) проверка адекватности
СИМ (измерение внутренней и внешней, дифференциальной и интегральной
валидности);
7) системно-когнитивный анализ
СИМ, исследование моделируемого объекта путем исследования его модели:
– решение задач
идентификации и прогнозирования;
– генерация информационных
портретов классов и факторов, т.е. решение обратной задачи прогнозирования,
поддержка принятия решений по управлению (результаты отображаются в графической
форме двухмерных и трехмерных профилей классов и факторов);
– кластерно-конструктивный
анализ классов и факторов (результаты отображаются в форме семантических сетей
классов и факторов);
– содержательное сравнение
классов и факторов (результаты отображаются в форме когнитивных диаграмм
классов и факторов);
– изучение системы
детерминации состояний моделируемого объекта, нелокальные нейроны и
интерпретируемые нейронные сети;
– построение классических
когнитивных моделей (когнитивных карт).
– построение интегральных
когнитивных моделей (интегральных когнитивных карт).
Математическая модель АСК-анализа основана на системной теории информации (СТИ).
Системная теория информации (СТИ) – Отличия СТИ от классической теории информации
Больцмана-Найквиста-Хартли-Шеннона обусловлены отличиями понятия "система" от понятия "множество". СТИ рассматривает в
качестве элементов не только первичные элементы множества, но и элементы,
представляющие собой подсистемы различных уровней иерархии, образующиеся за
счет взаимодействия первичных элементов,
а также учитывает понятие цели. В
рамках СТИ предложено системное обобщение семантической меры информации
Харкевича, которое удовлетворяет принципу соответствия с мерой Хартли в детерминистском
случае, как и мера Шеннона в случае равновероятных событий, чем преодолена
несогласованность семантической теории информации и классической теории
информации Шеннона. Так как данная мера учитывает понятие цели, то она является
количественной мерой знаний. В рамках СТИ предложены гипотезы "О
возрастании эмерджентности", следующие из нее: "О природе сложности
системы", и "О видах системной информации".
Гипотеза "О возрастания эмерджености": "Чем больше элементов в системе, тем большую
долю содержащейся в ней информации составляет информация, содержащаяся во
взаимосвязях ее элементов".
Гипотеза "О природе сложности системы": сложность системы определяется количеством
содержащейся в ней информации.
Гипотеза "О видах системной информации": системная информация включает две составляющие:
– зависящую от количества
элементов системы;
– зависящую как от
количества элементов системы, так и от сложности взаимосвязей между ними.
Методика численных расчетов АСК-анализа включает: структуры входных данных (формализация
предметной области), промежуточных и выходных данных, а также алгоритмы БКОСА.
Программный инструментарий АСК-анализа – универсальная когнитивная аналитическая система
"Эйдос".
Базовые когнитивные операции системного анализа (БКОСА) – когнитивные операции, образующие когнитивный конфигуратор.
Когнитивный конфигуратор – минимальный полный набор познавательных
(когнитивных от: "cognition" – "познание", англ.) операций,
к которым сводятся различные процессы познания, в т.ч. системный анализ, как метод
познания. В формализуемой когнитивной
концепции выявлено 10 таких операций, каждая из которых достаточно
элементарна для формализации и программной реализации: 1) присвоение имен; 2)
восприятие; 3) обобщение (синтез, индукция); 4) абстрагирование; 5) оценка
адекватности модели; 6) сравнение, идентификация и прогнозирование; 7) дедукция
и абдукция; 8) классификация и генерация конструктов; 9) содержательное
сравнение; 10) планирование и принятие решений об управлении.
Формализуемая когнитивная концепция – когнитивная концепция, предложенная с целью
разработки СК-анализа. Из данной концепции выводятся структура когнитивного
конфигуратора, система базовых когнитивных операций и обобщенная схема
системного анализа, структурированного до уровня базовых когнитивных операций
(СК-анализ).
Рассматривает процесс
познания, как многоуровневую иерархическую систему обработки информации в
которой когнитивные структуры каждого уровня являются результатом интеграции
структур предыдущего уровня. На 1-м уровне этой системы находятся дискретные
элементы потока чувственного восприятия, которые на 2-м уровне интегрируются в
чувственный образ конкретного объекта. Те, в свою очередь, на 3-м уровне
интегрируются в обобщенные образы классов и факторов, образующие на 4-м уровне
кластеры, а на 5-м конструкты. Система конструктов на 6-м уровне образуют
текущую парадигму реальности (т.е. человек познает мир путем синтеза и
применения конструктов). На 7-м же уровне обнаруживается, что текущая парадигма
не единственно-возможная.
Ключевым для когнитивной
концепции является понятие факта, под
которым понимается соответствие дискретного и интегрального элементов познания
(т.е. элементов разных уровней интеграции-иерархии), обнаруженное на опыте. Факт рассматривается как квант смысла, что является основой для его
формализации. Таким образом, происхождение смысла связывается со своего рода
"разностью потенциалов", существующей между смежными уровнями
интеграции-иерархии обработки информации в процессах познания. Между когнитивными
структурами разных уровней иерархии существует отношение "дискретное –
интегральное". Именно это служит основой формализации смысла.
АСК-анализ в экономике – новый математический и инструментальный метод
экономики, характеризующийся универсальной непараметрической математической
моделью, основанной на системной теории информации, наличием методики численных
расчетов и программного инструментария (система "Эйдос").
Адекватность модели
– это ее способность правильно
идентифицировать объекты. Понятие адекватности имеет свою
структуру, включающую понятия внутренней и
внешней, дифференциальной и интегральной валидности ("валидность" и переводится как "правильность").
Внутренняя валидность – способность модели правильно идентифицировать
объекты, входящие в обучающую выборку.
Внешняя валидность – способность модели верно идентифицировать объекты, не входящие в
обучающую выборку, но относящиеся к генеральной совокупности, по отношению к
которой она репрезентативна.
Интегральная валидность – это валидность, средневзвешенная по всей обучающей
выборке.
Дифференциальная валидность – это способность правильно идентифицировать
отдельные классы.
Инструментарий СК-анализа – универсальная когнитивная аналитическая система
"Эйдос".
Показатели
валидности:
– идентифицировано верно –
это количество объектов обучающей выборки, которые идентифицированы как классы,
к которым они действительно относятся;
– идентифицировано ошибочно
– это количество объектов обучающей выборки, которые идентифицированы как
классы, к которым они в действительности не относятся (ошибка идентификации);
– неидентифицировано верно
– это количество объектов обучающей выборки, которые неидентифицированы как
классы, к которым они действительно не относятся;
– неидентифицировано ошибочно
– это количество объектов обучающей выборки, которые неидентифицированы как
классы, к которым они в действительности относятся (ошибка неидентфикации).
Идентификация
– количественная оценка степени сходства конкретного объекта или его состояния
с классом по признакам, которые относятся к тому же моменту времени, что и состояние.
Прогнозирование
– количественная оценка степени сходства конкретного объекта или его состояния
с классом по признакам, причем признаки относятся к более раннему времени, чем
состояние.
Информационный портрет класса – это список факторов, ранжированных в порядке
убывания силы их влияния на переход объекта управления в состояние,
соответствующее данному классу. Информационный портрет класса отражает систему
его детерминации. Генерация информационного портрета класса представляет собой
решение обратной задачи прогнозирования, т.к. при прогнозировании по системе
факторов определяется спектр наиболее вероятных будущих состояний объекта
управления, в которые он может перейти под влиянием данной системы факторов, а
в информационном портрете мы наоборот, по заданному будущему состоянию объекта
управления определяем систему факторов, детерминирующих это состояние, т.е.
вызывающих переход объекта управления в это состояние. В начале информационного
портрета класса идут факторы, оказывающие положительное влияние на переход
объекта управления в заданное состояние, затем факторы, не оказывающие на это
существенного влияния, и далее – факторы, препятствующие переходу объекта
управления в это состояние (в порядке возрастания силы препятствования). Информационные
портреты классов могут быть от отфильтрованы
по диапазону факторов, т.е. мы можем отобразить влияние на переход объекта
управления в данное состояние не всех отраженных в модели факторов, а только
тех, коды которых попадают в определенный диапазон, например, относящиеся к
определенным описательным шкалам.
Информационный (семантический) портрет фактора – это список классов, ранжированный в порядке
убывания силы влияния данного фактора на переход объекта управления в состояния,
соответствующие данным классам. Информационный портрет фактора называется также
его семантическим портретом, т.к. в
соответствии с концепцией смысла системно-когнитивного анализа, являющейся
обобщением концепции смысла Шенка-Абельсона, смысл фактора состоит в том, какие будущие состояния объекта управления
он детерминирует. Сначала в этом списке идут состояния объекта управления,
на переход в которые данный фактор оказывает наибольшее влияние, затем
состояния, на которые данный фактор не оказывает существенного влияния, и далее
состояния – переходу в которые данный фактор препятствует. Информационные
портреты факторов могут быть от отфильтрованы
по диапазону классов, т.е. мы можем отобразить влияние данного фактора на
переход объекта управления не во все возможные будущие состояния, а только в состояния,
коды которых попадают в определенный диапазон, например, относящиеся к определенным
классификационным шкалам.
Функция влияния
представляет собой график зависимости вероятностей перехода объекта управления
в будущие состояния под влиянием различных значений некоторого фактора. Если
взять несколько информационных портретов факторов, соответствующих градациям
одной описательной шкалы, отфильтровать их по диапазону градаций некоторой классификационной
шкалы и взять из каждого информационного портрета по одному состоянию, на
переход в которое объекта управления данная градация фактора оказывает
наибольшее влияние, то мы и получим зависимость, отражающую вероятность
перехода объекта управления в будущие состояния под влиянием различных значений
некоторого фактора, т.е. функцию влияния. Функции влияния являются наиболее
развитым средством изучения причинно-следственных зависимостей в моделируемой
предметной области, предоставляемым системой "Эйдос". Необходимо отметить,
что на вид функций влияния математической моделью СК-анализа не накладывается
никаких ограничений, в частности, они могут быть и нелинейные.
Двухмерные и трехмерные профили классов и факторов – это графические диаграммы, отображающие силу и
направление влияния различных факторов на переход объекта управления в различные
состояния. Профилем класса называется
графическое отображение столбца матрицы информативностей, соответствующего
данному классу. Профилем признака
(фактора) называется графическое отображение строки матрицы информативностей,
соответствующего данному признаку. Информативности
факторов означают силу и направление влияния данного фактора на переход
системы в состояние, соответствующее данному классу.
Кластерно-конструктивный анализ – это математический метод анализа данных,
обеспечивающий: выявление классов, наиболее сходных по системе их детерминации
и объединение их в кластеры; выявление кластеров классов, наиболее сильно
отличающиеся по системе их детерминации и построение из них полюсов конструктов
классов, при этом остальные кластеры включаются в конструкты в качестве
промежуточных между полюсами; выявление факторов, наиболее сходных по
детерминируемым ими классам и объединение их в кластеры; выявление кластеров
факторов, наиболее сильно отличающиеся по детерминируемым ими классам и построение
из них полюсов конструктов факторов, при этом остальные кластеры включаются в
конструкты в качестве промежуточных между полюсами.
Состояния объекта
управления, соответствующие классам, включенным в один кластер, могут быть
достигнуты одновременно, т.е. являются совместимыми
(коалиционными) по детерминирующим их факторам. Состояния объекта
управления, соответствующие классам, образующим полюса конструкта, не могут
быть достигнуты одновременно, т.е. являются противоположными по детерминирующим
их факторам (антагонистическими).
Факторы, включенные в один
кластер, оказывают сходное влияние на поведение объекта управления и могут, при
необходимости, быть использованы для замены друг друга. Факторы, образующие
полюса конструкта, оказывают противоположное влияние на поведение объекта управления.
Кластерно-конструктивный анализ классов позволяет сравнить их по сходству системы
детерминации и отобразить эту информацию в наглядной графической форме
семантической сети классов.
Кластерно-конструктивный анализ факторов позволяет сравнить факторы по сходству их влияния на
переход объекта в будущие состояния и отобразить эту информацию в наглядной
графической форме семантической сети факторов.
Когнитивные диаграммы классов (факторов) – это графические диаграммы, позволяющие отобразить в
чем конкретно состоит сходство и различие любых двух классов (или любых двух
факторов), т.е. детально увидеть структуру каждой линии связи в семантической
сети. Когнитивные диаграммы представляет собой графическое изображение обобщенного
коэффициента корреляции профилей классов (или факторов), при этом каждая линия,
вносящая вклад в сходство или различие соответствует одному слагаемому, ее цвет
– знаку, а толщина – модулю этого слагаемого.
Нелокальные нейроны и интерпретируемые нейронные сети позволяют в наглядной форме отобразить систему
детерминации будущих состояний. Нелокальный
нейрон представляет собой будущее состояние объекта управления с
изображением наиболее сильно влияющих на него факторов с указанием силы и
направления (способствует-препятствует) их влияния. Нейронная сеть представляет
собой совокупность взаимосвязанных нейронов. В классических нейронных сетях
связь между нейронами осуществляется по входным и выходным сигналам, а в
нелокальных нейронных сетях – на основе общего информационного поля,
реализуемого семантической информационной моделью. Система "Эйдос"
обеспечивает построение любого подмножества многослойной нейронной сети с заданными
или выбираемыми по заданным критериям рецепторами и нейронами, связанными друг
с другом связями любого уровня опосредованности.
Классические когнитивные карты являются графической формой представления фрагментов
СИМ, объединяющей достоинства таких форм, как нейроны и семантические сети
факторов. Классическая когнитивная карта представляет собой нейрон,
соответствующий некоторому состоянию объекта управления с рецепторами, каждый
из которых соответствует фактору в определенной степени способствующему или
препятствующему переходу объекта в это состояние. Рецепторы соединены связями
как с нейроном, так и друг с другом. Связи рецепторов с нейроном отражают силу
и направление влияния факторов, а связи рецепторов друг с другом, отображаемые
в форме семантической сети факторов, – сходство и различие между рецепторами по
характеру их влияния на объект управления. Таким образом, классическая
когнитивная карта представляет собой нейрон с семантической сетью факторов, изображенные
на одной диаграмме.
Обобщенные когнитивные карты позволяют объединить в одной графической форме
семантические сети классов и факторов, объединенных нейронной сетью. Если
объединить несколько классических когнитивных карт на одной диаграмме и изобразить
на ней также связи между нейронами в форме семантической сети классов, то
получим обобщенную (интегральную) когнитивную карту. Система "Эйдос"
обеспечивает построение любого подмножества многоуровневой семантической информационной
модели с заданными или выбираемыми по заданным критериям рецепторами и
нейронами, связанными друг с другом связями любого уровня опосредованности в
форме классических и обобщенных когнитивных карт. В частности, в системе полуавтоматически
формируется задание на генерацию подмножеств обобщенной когнитивной карты.