روش کمی سازی اطلاعات: آماری، معنایی، عملی و ساختاری. اندازه گیری اطلاعات ( نحوی، معنایی، عملی)

همانطور که قبلاً اشاره شد، مفهوم اطلاعات را می توان تحت محدودیت های مختلفی که بر ویژگی های آن اعمال می شود، در نظر گرفت. در سطوح مختلفتوجه. اساساً سه سطح وجود دارد - نحوی، معنایی و عملی. بر این اساس، بر روی هر یک از آنها، برآوردهای متفاوتی برای تعیین میزان اطلاعات استفاده می شود.

بر سطح نحویبرای ارزیابی میزان اطلاعات از روش های احتمالی استفاده می شود که فقط ویژگی های احتمالی اطلاعات را در نظر می گیرند و دیگران را در نظر نمی گیرند (محتوای معنایی، مفید بودن، ارتباط و غیره). در اواسط قرن XX توسعه یافته است. روش‌های ریاضی و به‌ویژه روش‌های احتمالی امکان شکل‌گیری رویکردی برای ارزیابی میزان اطلاعات به عنوان معیاری برای کاهش عدم قطعیت دانش را فراهم کرده‌اند.

این رویکرد که احتمالاتی نیز نامیده می شود، این اصل را فرض می کند که اگر پیامی منجر به کاهش عدم قطعیت دانش ما شود، می توان استدلال کرد که چنین پیامی حاوی اطلاعات است. در این مورد، پیام ها حاوی اطلاعاتی در مورد هر رویدادی است که با احتمالات مختلف قابل تحقق است.

فرمول تعیین مقدار اطلاعات برای رویدادهایی با احتمالات مختلف و دریافت شده از یک منبع اطلاعات گسسته توسط دانشمند آمریکایی سی شانون در سال 1948 ارائه شد. با توجه به این فرمول، مقدار اطلاعات را می توان به صورت زیر تعیین کرد:

جایی که من- مقدار اطلاعات؛ ن- تعداد رویدادهای احتمالی (پیام ها)؛ پی- احتمال رویدادهای فردی (پیام ها).

مقدار اطلاعات تعیین شده با استفاده از فرمول (2.1) فقط یک مقدار مثبت می گیرد. از آنجایی که احتمال رخدادهای فردی کمتر از یک است، بر این اساس، عبارت log 2 یک مقدار منفی است و برای به دست آوردن مقدار مثبت برای مقدار اطلاعات در فرمول (2.1)، یک علامت منفی در مقابل آن وجود دارد. علامت جمع

در صورتی که احتمال وقوع حوادث فردی یکسان بوده و شکل می گیرند گروه کاملرویدادها، یعنی:

سپس فرمول (2.1) به فرمول R. Hartley تبدیل می شود:

در فرمول های (2.1) و (2.2) نسبت بین مقدار اطلاعات منو بر این اساس، احتمال (یا تعداد) رویدادهای فردی با استفاده از لگاریتم بیان می شود.

استفاده از لگاریتم در فرمول های (2.1) و (2.2) را می توان به صورت زیر توضیح داد. برای سادگی استدلال از رابطه (2.2) استفاده می کنیم. ما به ترتیب به استدلال اختصاص می دهیم نمقادیر انتخاب شده، به عنوان مثال، از یک سری اعداد: 1، 2، 4، 8، 16، 32، 64، و غیره. برای تعیین اینکه کدام رویداد نرویدادهای به همان اندازه احتمالی رخ داده است، برای هر تعداد از سری، لازم است به ترتیب عملیات انتخاب از دو رویداد ممکن انجام شود.

بله، در ن= 1 تعداد عملیات 0 خواهد بود (احتمال رخداد 1 است)، با ن= 2، تعداد عملیات برابر با 1 خواهد بود ن= 4 تعداد عملیات 2 خواهد بود، با ن= 8، تعداد عملیات 3 خواهد بود و به همین ترتیب. بنابراین سری اعداد زیر را بدست می آوریم: 0، 1، 2، 3، 4، 5، 6 و غیره که می توان آنها را مطابق با مقادیر تابع در نظر گرفت. مندر رابطه (2.2).

دنباله ای از مقادیر عددی که آرگومان می گیرد ن، مجموعه ای است که در ریاضیات به عنوان مجموعه ای از اعداد که یک پیشرفت هندسی را تشکیل می دهند و دنباله مقادیر اعدادی که تابع می گیرد شناخته می شود. من، یک سری خواهد بود که یک پیشرفت حسابی را تشکیل می دهد. بنابراین، لگاریتم در فرمول های (2.1) و (2.2) رابطه بین سری های نشان دهنده پیشرفت های هندسی و حسابی را ایجاد می کند که در ریاضیات کاملاً شناخته شده است.

برای کمیت (تخمین) هر کمیت فیزیکی، باید واحد اندازه گیری را تعیین کرد که در تئوری اندازه گیری به آن می گویند. معیارهای .

همانطور که قبلا ذکر شد، اطلاعات باید قبل از پردازش، انتقال و ذخیره سازی رمزگذاری شوند.

رمزگذاری با استفاده از الفبای خاص (سیستم های نشانه) انجام می شود. در علوم کامپیوتر که به مطالعه فرآیندهای کسب، پردازش، انتقال و ذخیره اطلاعات با استفاده از سیستم های محاسباتی (کامپیوتری) می پردازد، عمدتاً از کدگذاری باینری استفاده می شود که در آن از یک سیستم علامت متشکل از دو کاراکتر 0 و 1 استفاده می شود. در فرمول (2.1) و (2.2) عدد 2 به عنوان پایه لگاریتم استفاده می شود.

مستقر رویکرد احتمالیبرای تعیین میزان اطلاعات، می توان این دو نماد از یک سیستم نشانه دودویی را به عنوان دو رویداد ممکن متفاوت در نظر گرفت، بنابراین به عنوان واحدی از مقدار اطلاعات، آنقدر اطلاعات در نظر گرفته می شود که حاوی پیامی است که عدم قطعیت را کاهش می دهد. دانش به نصف (قبل از دریافت رویدادها، احتمال آنها 0.5 است، پس از به دست آوردن - 1، عدم قطعیت بر این اساس کاهش می یابد: 1 / 0.5 \u003d 2، یعنی 2 برابر). چنین واحد اطلاعاتی بیت نامیده می شود (از کلمه انگلیسی رقم باینری – رقم باینری). بنابراین، به عنوان معیاری برای ارزیابی میزان اطلاعات در سطح نحوی، ارائه شده است رمزگذاری باینری، یک بیت دریافت کرد.

بزرگترین واحد بعدی اندازه گیری مقدار اطلاعات یک بایت است که دنباله ای از هشت بیت است، یعنی:

1 بایت = 2 3 بیت = 8 بیت.

در علوم کامپیوتر، واحدهای اندازه گیری مقدار اطلاعات که مضرب یک بایت هستند نیز به طور گسترده مورد استفاده قرار می گیرند، اما بر خلاف سیستم متریکاندازه گیری ها، که در آن ضریب 10n به عنوان مضربی از چندین واحد استفاده می شود، که در آن n = 3، 6، 9، و غیره، در چندین واحد اندازه گیری مقدار اطلاعات، از ضریب 2n استفاده می شود. این انتخاب با این واقعیت توضیح داده می شود که رایانه اساساً با اعداد نه به صورت اعشاری، بلکه در کار می کند سیستم دودوییحساب کردن

مضرب بایت واحد برای اندازه گیری مقدار اطلاعات به صورت زیر وارد می شود:

1 کیلوبایت (KB) = 210 بایت = 1024 بایت.

1 مگابایت (MB) = 210 کیلوبایت = 1024 کیلوبایت.

1 گیگابایت (گیگابایت) = 210 مگابایت = 1024 مگابایت؛

1 ترابایت (TB) = 210 گیگابایت = 1024 گیگابایت؛

1 پتابایت (PB) = 210 ترابایت = 1024 ترابایت؛

1 اگزابایت (Ebyte) = 210 PB = 1024 PB.

واحدهای اندازه گیری مقدار اطلاعات که در نام آنها پیشوندهای "کیلو"، "مگا" و غیره وجود دارد، از نظر تئوری اندازه گیری صحیح نیست، زیرا این پیشوندها در سیستم متریک استفاده می شوند. از معیارهایی که در آن ضریب به عنوان مضربی از چندین واحد 10 n استفاده می شود که در آن n = 3، 6، 9 و غیره استفاده می شود. برای رفع این نادرستی، یک سازمان بین المللی کمیسیون بین المللی الکتروتکنیکیکه استانداردهایی را برای صنعت فناوری الکترونیک ایجاد می کند، تعدادی پیشوند جدید برای واحدهای اندازه گیری مقدار اطلاعات تصویب کرده است: kibi (kibi)، mebi (mebi)، gibi (gibi)، tebi (tebi)، پتی (peti). )، exbi (exbi). با این حال، نام‌گذاری‌های قدیمی برای واحدهای اندازه‌گیری مقدار اطلاعات هنوز مورد استفاده قرار می‌گیرد و زمان می‌برد تا نام‌های جدید به طور گسترده مورد استفاده قرار گیرند.

رویکرد احتمالی نیز در تعیین مقدار اطلاعات ارائه شده با استفاده از سیستم های نشانه استفاده می شود. اگر نمادهای الفبا را مجموعه ای از پیام های ممکن N در نظر بگیریم، آنگاه مقدار اطلاعاتی که یک کاراکتر از الفبا حمل می کند را می توان با فرمول (2.1) تعیین کرد. با ظاهر احتمالی هر یک از حروف الفبا در متن پیام، می توان از فرمول (2.2) برای تعیین میزان اطلاعات استفاده کرد.

مقدار اطلاعاتی که یک کاراکتر از حروف الفبا حمل می کند، هر چه بیشتر باشد، کاراکترهای بیشتری در این الفبا گنجانده شده است. به تعداد کاراکترهای موجود در الفبا، کاردینالیته الفبا می گویند. مقدار اطلاعات (حجم اطلاعات) موجود در یک پیام رمزگذاری شده با استفاده از یک سیستم علامت و حاوی تعداد معینی کاراکتر (نماد) با استفاده از فرمول تعیین می شود:

جایی که V- حجم اطلاعات پیام؛ من= log 2 N، حجم اطلاعات یک نماد (علامت); به- تعداد نمادها (شخصیت ها) در پیام؛ ن– قدرت الفبا (تعداد کاراکترهای الفبا).

اطلاعات - چیست؟ بر چه اساسی است؟ چه اهدافی را دنبال می کند و چه وظایفی را انجام می دهد؟ ما در مورد همه اینها در چارچوب این مقاله صحبت خواهیم کرد.

اطلاعات کلی

در چه مواردی از روش معنایی سنجش اطلاعات استفاده می شود؟ از ماهیت اطلاعات استفاده می شود، طرف محتوای پیام دریافتی مورد توجه است - اینها نشانه هایی برای استفاده از آن است. اما ابتدا اجازه دهید توضیحی درباره چیستی آن ارائه دهیم. لازم به ذکر است که روش معنایی سنجش اطلاعات یک رویکرد رسمی دشوار است که هنوز به طور کامل شکل نگرفته است. برای اندازه گیری میزان معنی در داده های دریافت شده استفاده می شود. به عبارت دیگر، چه مقدار اطلاعات از اطلاعات دریافتی برای این امر ضروری است این مورد. این رویکرد برای تعیین محتوای اطلاعات دریافتی استفاده می شود. و اگر در مورد روش معنایی اندازه گیری اطلاعات صحبت می کنیم، از مفهوم اصطلاحنامه استفاده می کنیم که به طور جدایی ناپذیری با موضوع مورد بررسی پیوند دارد. چه چیزی را نشان می دهد؟

اصطلاحنامه

من می خواهم یک مقدمه کوچک و یک سوال در مورد روش معنایی اندازه گیری اطلاعات را پاسخ دهم. چه کسی وارد آن شد؟ بنیانگذار سایبرنتیک، نوربرت وینر، استفاده از این روش را پیشنهاد کرد، اما به طور قابل توجهی تحت تأثیر هموطن ما A. Yu. Schrader توسعه یافت. چه نامی برای اشاره به مجموع اطلاعاتی که گیرنده اطلاعات دارد استفاده می شود. اگر اصطلاحنامه را با محتوای پیام دریافت شده مرتبط کنیم، می‌توانیم بفهمیم که چقدر عدم قطعیت را کاهش داده است. من می خواهم یک اشتباه را اصلاح کنم که اغلب تحت تأثیر آن قرار می گیرد تعداد زیادی ازاز مردم. بنابراین، آنها معتقدند که روش معنایی اندازه گیری اطلاعات توسط کلود شانون معرفی شده است. دقیقاً مشخص نیست که این تصور غلط چگونه به وجود آمده است، اما این نظر نادرست است. کلود شانون روشی آماری برای اندازه گیری اطلاعات معرفی کرد که «وارث» آن معنایی تلقی می شود.

رویکرد گرافیکی برای تعیین میزان اطلاعات معنایی در پیام دریافتی

چرا باید چیزی بکشید؟ روش اندازه گیری معنایی از این فرصت برای ارائه بصری سودمندی داده ها در قالب ارقام به راحتی استفاده می کند. این در عمل به چه معناست؟ برای توضیح وضعیت امور، یک وابستگی در قالب یک نمودار رسم می شود. اگر کاربر در مورد ماهیت پیام دریافت شده (برابر صفر) اطلاعی نداشته باشد، حجم اطلاعات معناییبرابر با همان مقدار خواهد بود. آیا امکان یافتن مقدار بهینه وجود دارد؟ آره! این نام اصطلاحنامه است که در آن میزان اطلاعات معنایی حداکثر است. بیایید به یک مثال کوچک نگاه کنیم. فرض کنید یک کاربر پیامی را دریافت کرده است که به یک زبان خارجی ناآشنا نوشته شده است، یا شخصی می تواند آنچه را که در آنجا نوشته شده است بخواند، اما این دیگر برای او خبری نیست، زیرا همه اینها مشخص است. در چنین مواردی گفته می شود که پیام حاوی اطلاعات معنایی صفر است.

توسعه تاریخی

احتمالاً باید کمی بالاتر در این مورد بحث می شد، اما برای رسیدن به این موضوع دیر نیست. در ابتدا روش معنایی اندازه گیری اطلاعات توسط رالف هارتلی در سال 1928 معرفی شد. قبلاً ذکر شد که از کلود شانون اغلب به عنوان بنیانگذار یاد می شود. چرا چنین سردرگمی وجود داشته است؟ واقعیت این است که اگرچه روش معنایی اندازه گیری اطلاعات توسط رالف هارتلی در سال 1928 معرفی شد، اما این کلود شانون و وارن ویور بودند که در سال 1948 آن را تعمیم دادند. پس از آن، بنیانگذار سایبرنتیک، نوربرت وینر، ایده روش اصطلاحنامه را شکل داد، که بیشترین شناخت را در قالب اندازه گیری توسعه یافته توسط یو. آی اشنایدر دریافت کرد. لازم به ذکر است که برای درک این موضوع لازم است سطح بالادانش

بهره وری

روش اصطلاحنامه در عمل به ما چه می دهد؟ این تایید واقعی این تز است که اطلاعات دارای خاصیتی به عنوان نسبیت است. لازم به ذکر است که ارزش نسبی (یا ذهنی) دارد. به منظور ارزیابی عینی اطلاعات علمی، مفهوم اصطلاحنامه جهانی معرفی شد. درجه تغییر آن نشان دهنده اهمیت دانشی است که بشریت دریافت می کند. در عین حال، نمی توان دقیقاً گفت که چه نتیجه نهایی (یا متوسط) را می توان از اطلاعات به دست آورد. برای مثال کامپیوترها را در نظر بگیریم. فناوری رایانه بر اساس فناوری لامپ و وضعیت بیت هر عنصر ساختاری ایجاد شد و در ابتدا برای انجام محاسبات مورد استفاده قرار گرفت. اکنون تقریباً هر فردی چیزی دارد که بر اساس این فناوری کار می کند: رادیو، تلفن، کامپیوتر، تلویزیون، لپ تاپ. زوج یخچال های مدرن، اجاق گازها و دستشویی ها حاوی مقداری لوازم الکترونیکی هستند که عملکرد آنها بر اساس اطلاعاتی در مورد تسهیل استفاده از این وسایل خانگی توسط شخص است.

رویکرد علمی

روش معنایی اندازه گیری اطلاعات در کجا مطالعه می شود؟ انفورماتیک علمی است که به جنبه های مختلف این موضوع می پردازد. ویژگی چیست؟ این روش مبتنی بر استفاده از سیستم "درست/نادرست" یا سیستم بیت "یک/صفر" است. هنگامی که اطلاعات خاصی می رسد، به بلوک های جداگانه تقسیم می شود که مانند واحدهای گفتاری نامگذاری می شوند: کلمات، هجاها و موارد مشابه. هر بلوک مقدار خاصی را دریافت می کند. بیایید به یک مثال کوچک نگاه کنیم. دو دوست کنار هم ایستاده اند. یکی با این جمله رو به دومی می کند: "فردا یک روز تعطیل داریم." زمانی که روزهای استراحت - همه می دانند. بنابراین مقدار این اطلاعات صفر است. اما اگر دومی بگوید که فردا کار می‌کند، برای اولی شگفت‌انگیز خواهد بود. در واقع، در این مورد، ممکن است معلوم شود که نقشه هایی که یک نفر ساخته است، مثلاً به بولینگ برود یا داخل کارگاه کند، نقض می شود. هر قسمت از مثال توصیف شده را می توان با استفاده از یک و صفر توصیف کرد.

عملیات با مفاهیم

اما چه چیز دیگری غیر از اصطلاحنامه استفاده می شود؟ برای درک روش معنایی اندازه گیری اطلاعات چه چیز دیگری باید بدانید؟ مفاهیم اساسی که می توان بیشتر مورد مطالعه قرار داد، سیستم های نشانه هستند. آنها به عنوان ابزاری برای بیان معنا درک می شوند، مانند قواعد تفسیر علائم یا ترکیب آنها. بیایید به مثال دیگری از علوم کامپیوتر نگاه کنیم. کامپیوترها با صفر و یک شرطی کار می کنند. اصولاً کم است ولتاژ بالا، که به اجزای تکنیک تغذیه می شود. علاوه بر این، آنها این واحدها و صفرها را بدون انتها و لبه منتقل می کنند. چگونه فناوری می تواند بین آنها تمایز قائل شود؟ پاسخ به این پیدا شد - وقفه. هنگامی که همین اطلاعات منتقل می شود، بلوک های مختلفی مانند کلمات، عبارات و معانی فردی به دست می آید. در گفتار شفاهی انسان، مکث نیز برای تجزیه داده ها به بلوک های جداگانه استفاده می شود. آنها آنقدر نامرئی هستند که بیشتر آنها را روی "ماشین" متوجه می شویم. در یک نامه، نقطه و ویرگول برای این منظور استفاده می شود.

ویژگی های خاص

اجازه دهید به مبحث ویژگی هایی که روش معنایی اندازه گیری اطلاعات دارد نیز بپردازیم. ما قبلاً می دانیم که این نام رویکرد خاصی است که اهمیت اطلاعات را ارزیابی می کند. آیا می توانیم بگوییم که داده هایی که از این طریق ارزیابی می شوند عینی خواهند بود؟ نه، این درست نیست. اطلاعات ذهنی است. بیایید به مثال یک مدرسه نگاهی بیندازیم. یک دانش آموز ممتاز وجود دارد که از برنامه مصوب جلوتر است و یک دانش آموز متوسط که آنچه را که در کلاس ارائه می شود مطالعه می کند. برای اولین بار، بیشتر اطلاعاتی که او در مدرسه دریافت می کند چندان مورد توجه نخواهد بود، زیرا او قبلاً این را می داند و برای اولین بار نمی شنود / نمی خواند. بنابراین، در سطح ذهنی، برای او ارزش چندانی نخواهد داشت (شاید به دلیل اظهارات فردی معلم که در هنگام ارائه موضوع خود متوجه آن شده است). در حالی که دهقان متوسط چیزی را فقط از راه دور در مورد اطلاعات جدید شنیده است، بنابراین برای او ارزش داده هایی که در درس ها ارائه خواهد شد یک مرتبه بزرگتر است.

نتیجه

لازم به ذکر است که در انفورماتیک روش معنایی اندازه گیری اطلاعات تنها گزینه ای نیست که در آن می توان مشکلات موجود را حل کرد. انتخاب باید به اهداف و فرصت های موجود بستگی داشته باشد. بنابراین، اگر موضوع مورد علاقه است یا نیاز به آن وجود دارد، تنها می‌توانیم اکیداً توصیه کنیم که آن را با جزئیات بیشتر مطالعه کنید و دریابید که علاوه بر معنایی، چه روش‌های دیگری برای اندازه‌گیری اطلاعات وجود دارد.

هنگام اجرا فرآیندهای اطلاعاتیهمیشه انتقال اطلاعات در مکان و زمان از منبع اطلاعات به گیرنده (گیرنده) وجود دارد. در این حالت اطلاعات با استفاده از آن منتقل می شود نشانه های مختلفیا نمادهایی مانند زبان طبیعی یا مصنوعی (رسمی) که به آن اجازه می دهد به شکلی به نام پیام بیان شود.

پیام- شکل نمایش اطلاعات در قالب مجموعه ای از علائم (نمادها) که برای انتقال استفاده می شود.

پیام به عنوان مجموعه ای از نشانه ها از دیدگاه نشانه شناسی ( از یونانی setneion - علامت، علامت) - علمی که به بررسی خواص نشانه ها و سیستم های نشانه ای می پردازد - در سه سطح قابل بررسی است:

1) نحوی ، که در آن ویژگی های داخلی پیام ها در نظر گرفته می شود، به عنوان مثال، روابط بین علائمی که ساختار یک سیستم نشانه معین را منعکس می کند. ویژگی های بیرونی در سطوح معنایی و عملی مورد مطالعه قرار می گیرند. در این سطح با در نظر گرفتن نوع رسانه و نحوه ارائه اطلاعات، سرعت انتقال و پردازش، اندازه کدهای نمایش اطلاعات، قابلیت اطمینان، مشکلات ارسال پیام به گیرنده به صورت مجموعه ای از کاراکترها در نظر گرفته می شود. و دقت در تبدیل این کدها و غیره کاملا انتزاعی از محتوای معنایی پیام ها و هدف مورد نظر آنها. در این سطح، اطلاعاتی که فقط از موقعیت‌های نحوی در نظر گرفته می‌شوند، معمولاً داده نامیده می‌شوند، زیرا جنبه معنایی در این مورد مهم نیست.

نظریه اطلاعات مدرن عمدتاً مشکلات این سطح را بررسی می کند. بر مفهوم «مقدار اطلاعات» تکیه می‌کند، که معیاری است برای بسامد استفاده از نشانه‌ها، که به هیچ وجه معنی یا اهمیت پیام‌های ارسال شده را منعکس نمی‌کند. در این زمینه گاهی گفته می شود که نظریه اطلاعات مدرن در سطح نحوی است.

2) معنایی ، که رابطه بین نشانه ها و اشیاء، اعمال، کیفیت هایی را که نشان می دهند، یعنی محتوای معنایی پیام، ارتباط آن با منبع اطلاعات را تجزیه و تحلیل می کند. مشکلات سطح معنایی مربوط به رسمی سازی و در نظر گرفتن معنای اطلاعات منتقل شده، تعیین درجه مطابقت بین تصویر شی و خود شی است. بر سطح داده شدهاطلاعاتی که اطلاعات منعکس می شود تجزیه و تحلیل می شود، ارتباطات معنایی در نظر گرفته می شود، مفاهیم و بازنمایی ها شکل می گیرد، معنا، محتوای اطلاعات آشکار می شود و تعمیم آن انجام می شود.

3) عملگرا ، که در آن رابطه بین پیام و گیرنده در نظر گرفته می شود، یعنی محتوای مصرف کننده پیام، ارتباط آن با گیرنده.

در این سطح، پیامدهای کسب و استفاده از این اطلاعات توسط مصرف کننده مورد توجه است. مشکلات در این سطح مربوط به تعیین ارزش و سودمندی استفاده از اطلاعات در توسعه تصمیم مصرف کننده برای رسیدن به هدف خود است. مشکل اصلی در اینجا این است که ارزش، سودمندی اطلاعات می تواند برای گیرندگان مختلف کاملاً متفاوت باشد و علاوه بر این، به تعدادی از عوامل مانند، به عنوان مثال، به موقع بودن تحویل و استفاده از آن بستگی دارد.

برای هر یک از سطوح بالا از مشکلات انتقال اطلاعات، روش‌هایی برای اندازه‌گیری مقدار اطلاعات و اندازه‌گیری‌های خود اطلاعات وجود دارد. به ترتیب معیارهایی از اطلاعات در سطح نحوی، سطح معنایی و سطح عملی وجود دارد.

اندازه گیری اطلاعات سطح نحوی.ارزیابی کمی اطلاعات در این سطح به محتوای اطلاعات مربوط نمی شود، بلکه با اطلاعات غیرشخصی عمل می کند که رابطه معنایی با شی را بیان نمی کند. در این راستا این اقدام امکان ارزیابی را فراهم می کند جریان اطلاعاتدر اشیایی که طبیعت متنوعی دارند مانند سیستم های ارتباطی، ماشین های محاسباتی، سیستمهای کنترل، سیستم عصبیموجود زنده و غیره

برای اندازه گیری اطلاعات در سطح نحوی، دو پارامتر معرفی می شود: مقدار اطلاعات (داده) - V d(رویکرد حجمی) و میزان اطلاعات - من(رویکرد آنتروپی).

حجم اطلاعات V d (رویکرد حجمی).هنگام اجرای فرآیندهای اطلاعاتی، اطلاعات در قالب یک پیام، که مجموعه ای از کاراکترهای برخی از حروف الفبا است، منتقل می شود. در عین حال، هر کدام شخصیت جدیددر پیام، مقدار اطلاعات نشان داده شده توسط دنباله کاراکترهای الفبای داده شده را افزایش می دهد. اگر اکنون مقدار اطلاعات موجود در یک پیام یک کاراکتر به عنوان یک در نظر گرفته شود، آنگاه مقدار اطلاعات (داده) V d در هر پیام دیگری برابر با تعداد کاراکترها (اعداد) این پیام خواهد بود. از آنجایی که اطلاعات مشابهی می تواند توسط بسیاری ارائه شود راه های مختلف(با استفاده از الفبای مختلف)، سپس واحد اطلاعات (داده) متناسب با آن تغییر خواهد کرد.

بله در سیستم اعشاریدر حساب دیفرانسیل و انتگرال، یک رقم دارای وزنی برابر با 10 است و بر این اساس، واحد اطلاعات خواهد بود. آن (رقم اعشار پ پآن به عنوان مثال، یک عدد چهار رقمی 2009 دارای حجم داده V d = 4 dit است.

در سیستم اعداد باینری، یک رقم دارای وزنی برابر با 2 است و بر این اساس، واحد اطلاعات خواهد بود. بیت (بیت (رقم دودویی)). در این مورد، یک پیام در فرم nعدد بیت دارای مقدار داده است V d = پبیت مثلا یک هشت بیتی کد باینری 11001011 دارای حجم داده V d = 8 بیت است.

در مدرن علوم کامپیوتربه همراه حداقل واحد داده بیتواحد اندازه گیری جمع شده معمولاً مورد استفاده قرار می گیرد بایت، برابر با 8 بیت. این هشت بیت است که برای رمزگذاری هر یک از 256 کاراکتر الفبای صفحه کلید کامپیوتر مورد نیاز است (256=28).

هنگام کار با مقادیر زیاد اطلاعات، واحدهای اندازه گیری بزرگتر برای محاسبه مقدار آن استفاده می شود:

1 کیلوبایت (KB) = 1024 بایت = 2 10 بایت،

1 مگابایت (MB) = 1024 کیلوبایت = 220 بایت = 1,048,576 بایت.

1 گیگابایت (GB) = 1024 مگابایت = 230 بایت = 1,073,741,824 بایت.

که در اخیرادر ارتباط با افزایش حجم اطلاعات پردازش شده، واحدهای مشتق شده مانند:

1 ترابایت (TB) = 1024 گیگابایت = 240 بایت = 1,099,511,627,776 بایت.

1 پتابایت (PB) = 1024 ترابایت = 250 بایت = 1،125،899،906،842،624 بایت.

لازم به ذکر است که در سیستم اندازه گیری اطلاعات باینری (رایانه ای)، برخلاف سیستم متریک، واحدهایی با پیشوندهای "کیلو"، "مگا" و غیره با ضرب واحد اصلی نه در 10 3 \u003d 1000 به دست می آیند. ، 10 6 \u003d 1,000,000 و غیره و در 2 10 = 1024, 2 20 = 1,048,576 و غیره.

مقدار اطلاعات I (رویکرد آنتروپی).در تئوری اطلاعات و کدگذاری، رویکرد آنتروپی برای اندازه گیری اطلاعات اتخاذ شده است. این رویکرد مبتنی بر این واقعیت است که واقعیت به دست آوردن اطلاعات همیشه با کاهش تنوع یا عدم قطعیت (آنتروپی) سیستم همراه است. بر این اساس، مقدار اطلاعات در یک پیام به عنوان معیاری برای کاهش عدم قطعیت وضعیت یک سیستم معین پس از دریافت پیام تعریف می شود.عدم قطعیت را می توان بر حسب اینکه ناظر در مورد یک سیستم معین اطلاعات کمی دارد تفسیر کرد. به محض اینکه ناظر چیزی را در سیستم فیزیکی شناسایی کرد، آنتروپی سیستم کاهش می‌یابد، زیرا سیستم برای مشاهده‌گر نظم بیشتری پیدا می‌کند.

بنابراین، با رویکرد آنتروپی اطلاعات به عنوان مقدار کمی عدم قطعیت درک می شود که در طول هر فرآیندی (آزمون ها، اندازه گیری ها و غیره) ناپدید شده است.در این حالت آنتروپی به عنوان معیار عدم قطعیت معرفی می شود اچو مقدار اطلاعات عبارتند از:

I = H apr – H aps

که در آن، H apr - آنتروپی پیشینی در مورد وضعیت سیستم یا فرآیند مورد مطالعه؛

H aps آنتروپی پسینی است.

پسینی (از لات پسینی - از موارد زیر) - نشات گرفته از تجربه (آزمون ها، اندازه گیری ها).

پیشین (از لات پیشینی - از قبلی) مفهومی است که مشخص کننده دانش مقدم بر تجربه (آزمون) و مستقل از آن است.

در صورتی که در طول آزمایش عدم قطعیت موجود حذف شد (نتیجه خاصی به دست آمد، یعنی H = 0)، مقدار اطلاعات دریافتی با آنتروپی اولیه مطابقت دارد.

اجازه دهید یک منبع اطلاعات گسسته (منبع پیام های گسسته) را به عنوان سیستم مورد مطالعه در نظر بگیریم، که منظور ما یک سیستم فیزیکی است که دارای مجموعه محدودی از حالت های ممکن است. یک من}, من = .

همه چیز آماده است A \u003d (a 1، a 2، ...، و n)حالات سیستم در تئوری اطلاعات، الفبای انتزاعی یا الفبای منبع پیام نامیده می شود.

کشورهای جداگانه a 1، a 2،...، a nحروف یا نمادهای الفبا نامیده می شوند.

چنین سیستمی می تواند به طور تصادفی یکی از مجموعه های متناهی حالت های ممکن را در هر لحظه از زمان بگیرد یک من. گفته می شود که حالات مختلف در نتیجه انتخاب آنها توسط منبع تحقق می یابد.

گیرنده اطلاعات (پیام) ایده خاصی از وقوع احتمالی رویدادهای خاص دارد. این بازنمایی ها عموماً غیرقابل اعتماد هستند و با احتمالاتی که او انتظار این یا آن رویداد را دارد بیان می شود. اندازه گیری عمومیعدم قطعیت (آنتروپی) با مقداری وابستگی ریاضی به این احتمالات مشخص می شود، میزان اطلاعات موجود در پیام با میزان کاهش میزان عدم قطعیت پس از دریافت پیام تعیین می شود.

بیایید این ایده را با یک مثال توضیح دهیم.

فرض کنید ما 32 کارت مختلف داریم. امکان انتخاب یک کارت از عرشه 32 است. قبل از انتخاب، طبیعی است که فرض کنیم شانس انتخاب یک کارت خاص برای همه کارت ها یکسان است. با انتخاب، این عدم قطعیت را از بین می بریم. در این مورد، عدم قطعیت را می توان با تعداد گزینه های احتمالی مشابه مشخص کرد. اگر اکنون مقدار اطلاعات را به عنوان معیاری برای حذف عدم قطعیت تعریف کنیم، اطلاعات به دست آمده در نتیجه انتخاب را می توان با عدد 32 مشخص کرد. با این حال، استفاده از این عدد راحت تر است. لگاریتم برآورد به دست آمده در بالا در پایه 2:

که در آن m تعداد گزینه‌های احتمالی مساوی است (وقتی m=2، اطلاعات را در یک بیت دریافت می‌کنیم). یعنی در مورد ما

H = log 2 32 = 5.

رویکرد بیان شده متعلق به ریاضیدان انگلیسی آر. هارتلی (1928) است. تعبیر جالبی دارد. مشخصه آن تعداد سؤالات با پاسخ «بله» یا «خیر» است که به شما امکان می دهد تعیین کنید که شخص کدام کارت را انتخاب کرده است. 5 سوال کافی است.

اگر هنگام انتخاب یک کارت، امکان ظاهر شدن هر کارت یکسان نباشد (چند احتمالی)، آنگاه یک رویکرد آماری برای اندازه گیری اطلاعات ارائه شده توسط سی شانون (1948) دریافت می کنیم. در این مورد، اندازه گیری اطلاعات با فرمول اندازه گیری می شود:

جایی که پی- احتمال انتخاب منکاراکتر الفبا

به راحتی می توان فهمید که اگر احتمالات p1, ..., p nبرابر هستند، سپس هر یک از آنها برابر است 1/Nو فرمول شانون به فرمول هارتلی تبدیل می شود.

اندازه گیری اطلاعات در سطح معنایی.برای اندازه گیری محتوای معنایی اطلاعات، یعنی مقدار آن در هر سطح معناییگسترده‌ترین معیار اصطلاحنامه است که ویژگی‌های معنایی اطلاعات را با توانایی کاربر برای دریافت پیام دریافتی مرتبط می‌کند. در واقع، برای درک و استفاده از اطلاعات دریافتی، گیرنده باید مقدار معینی از دانش را داشته باشد. بی اطلاعی کامل از موضوع اجازه استخراج اطلاعات مفید از پیام دریافتی در مورد این موضوع را نمی دهد. با افزایش دانش در مورد یک موضوع، تعداد آنها نیز افزایش می یابد اطلاعات مفیداستخراج شده از پیام

اگر دانش گیرنده در مورد یک موضوع معین را اصطلاحنامه (یعنی مجموعه معینی از کلمات، مفاهیم، نام اشیاء مرتبط با روابط معنایی) بنامیم، آنگاه مقدار اطلاعات موجود در یک پیام خاص را می توان با درجه تغییر تخمین زد. در اصطلاحنامه فردی تحت تأثیر این پیام.

اصطلاحنامه- مجموعه ای از اطلاعاتی که یک کاربر یا سیستم در اختیار دارد.

به عبارت دیگر، میزان اطلاعات معنایی استخراج‌شده توسط گیرنده از پیام‌های دریافتی به میزان آمادگی اصطلاحنامه وی برای درک چنین اطلاعاتی بستگی دارد.

بسته به رابطه بین محتوای معنایی اطلاعات اسو اصطلاحنامه کاربر Spمقدار اطلاعات معنایی تغییر می کند است، توسط کاربر درک شده و توسط وی در آینده در اصطلاحنامه خود گنجانده شده است. ماهیت این وابستگی در شکل نشان داده شده است. 2.1. دو مورد محدود کننده را در نظر بگیرید، زمانی که مقدار اطلاعات معنایی Ic برابر با 0 باشد:

الف) وقتی Sp = 0، کاربر اطلاعات دریافتی را درک نمی کند (نمی فهمد).

ب) برای S -> ∞، کاربر "همه چیز را می داند" و نیازی به اطلاعات دریافتی ندارد.

برنج. 1.2. وابستگی مقدار اطلاعات معنایی،

درک شده توسط مصرف کننده، از اصطلاحنامه او I c \u003d f (S p)

مصرف‌کننده حداکثر مقدار اطلاعات معنایی را هنگام هماهنگ کردن محتوای معنایی آن با اصطلاحنامه S p (S = S p opt) به دست می‌آورد، زمانی که اطلاعات دریافتی برای کاربر قابل درک باشد و اطلاعات قبلاً ناشناخته (مفقود در اصطلاحنامه او) را برای او به ارمغان بیاورد.

بنابراین، مقدار اطلاعات معنایی در پیام، میزان دانش جدید دریافت شده توسط کاربر، یک مقدار نسبی است. همین پیام ممکن است برای یک کاربر شایسته معنی داشته باشد و برای یک کاربر نالایق بی معنی باشد.

هنگام ارزیابی جنبه معنایی (معنی) اطلاعات، باید تلاش کرد تا مقادیر S و Sp را هماهنگ کرد.

معیار نسبی مقدار اطلاعات معنایی می تواند فاکتور محتوایی C باشد که به عنوان نسبت مقدار اطلاعات معنایی به حجم آن تعریف می شود:

C \u003d I s / V d

اندازه گیری اطلاعات در سطح عملگرا.این معیار سودمندی اطلاعات را برای دستیابی به هدف کاربر تعیین می کند. این اندازه گیری نیز به دلیل ویژگی های استفاده از این اطلاعات در یک سیستم خاص، یک مقدار نسبی است.

یکی از اولین دانشمندان روسی، A.A. خارکویچ، که پیشنهاد کرد به عنوان معیاری برای ارزش اطلاعات، مقدار اطلاعات لازم برای دستیابی به هدف، یعنی محاسبه افزایش احتمال دستیابی به هدف را در نظر بگیرد. بنابراین، اگر قبل از دریافت اطلاعات، احتمال دستیابی به هدف برابر با p 0 و پس از دریافت آن - p 1 بود، آنگاه مقدار اطلاعات به عنوان لگاریتم نسبت p 1 / p 0 تعیین می شود:

I \u003d log 2 p 1 - log 2 p 0 \u003d log 2 (p 1 / p 0)

بنابراین، ارزش اطلاعات بر حسب واحد اطلاعات و در این مورد به بیت اندازه گیری می شود.

سطوح مشکلات انتقال اطلاعات

هنگام اجرای فرآیندهای اطلاعاتی، همیشه انتقال اطلاعات در مکان و زمان از منبع اطلاعات به گیرنده (گیرنده) وجود دارد. در همان زمان، از علائم یا نمادهای مختلفی برای انتقال اطلاعات استفاده می شود، به عنوان مثال، زبان طبیعی یا مصنوعی (رسمی) که به آن اجازه می دهد به شکلی به نام پیام بیان شود.

پیام- شکل نمایش اطلاعات در قالب مجموعه ای از علائم (نمادها) که برای انتقال استفاده می شود.

پیام به عنوان مجموعه ای از نشانه ها از دیدگاه نشانه شناسی (از یونانی. semeion-نشانه، علامت) - علمی که به بررسی خواص علائم و سیستم های نشانه می پردازد - در سه سطح قابل مطالعه است:

1) نحوی،که در آن ویژگی‌های داخلی پیام‌ها در نظر گرفته می‌شود، یعنی روابط بین نشانه‌هایی که ساختار یک سیستم نشانه معین را منعکس می‌کنند. ویژگی های خارجی در سطوح معنایی و عملی مورد مطالعه قرار می گیرند.

2) معنایی،جایی که رابطه بین نشانه ها و اشیاء، اعمال، کیفیت هایی که آنها تعیین می کنند، تجزیه و تحلیل می شود، یعنی محتوای معنایی پیام، ارتباط آن با منبع اطلاعات.

3) عمل گرا،که در آن رابطه بین پیام و گیرنده در نظر گرفته می شود، یعنی محتوای مصرف کننده پیام، ارتباط آن با گیرنده.

بنابراین، با در نظر گرفتن رابطه معینی بین مشکلات انتقال اطلاعات و سطوح مطالعه سیستم های نشانه ای، آنها به سه سطح نحوی، معنایی و عملی تقسیم می شوند.

چالش ها و مسائل سطح نحویمربوط به ایجاد مبانی نظری برای ساخت و ساز است سیستم های اطلاعاتی، که شاخص های اصلی عملکرد آن نزدیک به حداکثر ممکن و همچنین بهبود می یابد سیستم های موجودبه منظور بهبود کارایی استفاده از آنها. خالص است مشکلات فنیبهبود روش های ارتباطی و آنها حامل های مواد- سیگنال ها در این سطح با در نظر گرفتن نوع رسانه و نحوه ارائه اطلاعات، سرعت انتقال و پردازش، اندازه کدهای نمایش اطلاعات، قابلیت اطمینان، مشکلات ارسال پیام به گیرنده به صورت مجموعه ای از کاراکترها در نظر گرفته می شود. و دقت در تبدیل این کدها و غیره کاملا انتزاعی از محتوای معنایی پیام ها و هدف مورد نظر آنها. در این سطح، اطلاعاتی که فقط از موقعیت‌های نحوی در نظر گرفته می‌شوند، معمولاً داده نامیده می‌شوند، زیرا جنبه معنایی در این مورد مهم نیست.

چالش ها و مسائل سطح معناییمرتبط با رسمی سازی و در نظر گرفتن معنای اطلاعات ارسال شده، تعیین درجه مطابقت بین تصویر شی و خود شی. در این سطح، اطلاعاتی که اطلاعات منعکس می شود، تجزیه و تحلیل می شود، ارتباطات معنایی در نظر گرفته می شود، مفاهیم و ایده ها شکل می گیرد، معنا و محتوای اطلاعات آشکار می شود و تعمیم آن انجام می شود.

مشکلات در این سطح بسیار پیچیده هستند، زیرا محتوای معنایی اطلاعات بیشتر به گیرنده بستگی دارد تا به معنایی پیام ارائه شده به هر زبانی.

در سطح عملگرایانه، پیامدهای به دست آوردن و استفاده از این اطلاعات توسط مصرف کننده مورد توجه است. مشکلات در این سطح مربوط به تعیین ارزش و سودمندی استفاده از اطلاعات در توسعه تصمیم مصرف کننده برای رسیدن به هدف خود است. مشکل اصلی در اینجا این است که ارزش، سودمندی اطلاعات می تواند برای گیرندگان مختلف کاملاً متفاوت باشد و علاوه بر این، به تعدادی از عوامل مانند، به عنوان مثال، به موقع بودن تحویل و استفاده از آن بستگی دارد. الزامات بالا برای سرعت تحویل اطلاعات اغلب به دلیل این واقعیت است که اقدامات کنترلی باید در زمان واقعی انجام شوند، یعنی با سرعت تغییر در وضعیت اشیا یا فرآیندهای کنترل شده. تأخیر در تحویل یا استفاده از اطلاعات می تواند فاجعه آمیز باشد.

مبحث 2. مبانی نمایش و پردازش اطلاعات در رایانه

ادبیات

1. انفورماتیک در اقتصاد: کتاب درسی / ویرایش. بودن. اودینتسووا، A.N. رومانوا. - M .: کتاب درسی ووزوفسکی، 2008.

2. انفورماتیک: دوره پایه: کتاب درسی / ویرایش. S.V. سیمونوویچ - سنت پترزبورگ: پیتر، 2009.

3. علوم کامپیوتر. دوره عمومی: کتاب درسی / نویسنده همکار: ع.ن. گودا، م.ا. بوتاکووا، ن.ام. نچیتایلو، A.V. چرنوف؛ زیر کل ویرایش در و. کولسنیکوف - M.: Dashkov i K، 2009.

4. انفورماتیک برای اقتصاددانان: کتاب درسی / ویرایش. ماتیوشکا V.M. - M.: Infra-M، 2006.

5. انفورماتیک اقتصادی: مقدمه ای بر تحلیل اقتصادی سیستم های اطلاعاتی - M.: INFRA-M، 2005.

اندازه گیری اطلاعات ( نحوی، معنایی، عملی)

برای اندازه گیری اطلاعات می توان استفاده کرد رویکردهای مختلف، اما گسترده ترین آماری(احتمالی) معناییو n راگماتیکمواد و روش ها.

آماریروش (احتمالی) اندازه گیری اطلاعات توسط K. Shannon در سال 1948 ایجاد شد که پیشنهاد کرد مقدار اطلاعات را به عنوان معیار عدم قطعیت وضعیت سیستم در نظر بگیرد که در نتیجه به دست آوردن اطلاعات حذف شده است. عدم قطعیت کمی آنتروپی نامیده می شود. اگر ناظر پس از دریافت پیامی دریافت کند اطلاعات تکمیلیدر مورد سیستم ایکس،عدم قطعیت کاهش می یابد. مقدار اضافی اطلاعات دریافتی به صورت زیر تعریف می شود:

مقدار اضافی اطلاعات در مورد سیستم کجاست ایکسدریافت شده در قالب یک پیام؛

عدم قطعیت اولیه (آنتروپی) سیستم ایکس;

عدم قطعیت محدود (آنتروپی) سیستم ایکس،پس از دریافت پیام

اگر سیستم ایکسمی تواند در یکی از حالت های گسسته باشد که تعداد آنها nو احتمال یافتن سیستم در هر یک از آنها برابر و مجموع احتمالات همه حالت ها برابر با یک است، سپس آنتروپی با فرمول شانون محاسبه می شود:

آنتروپی سیستم X کجاست.

آ- پایه لگاریتم که واحد اندازه گیری اطلاعات را تعیین می کند.

n- تعداد حالت ها (مقادیر) که سیستم می تواند در آنها قرار گیرد.

آنتروپی یک مقدار مثبت است و از آنجایی که احتمالات همیشه کمتر از یک هستند و لگاریتم آنها منفی است، بنابراین علامت منفی در فرمول K. شانون آنتروپی را مثبت می کند. بنابراین، همان آنتروپی، اما با علامت مخالف، به عنوان اندازه گیری مقدار اطلاعات در نظر گرفته می شود.

رابطه بین اطلاعات و آنتروپی را می توان به صورت زیر درک کرد: به دست آوردن اطلاعات (افزایش آن) به طور همزمان به معنای کاهش ناآگاهی یا عدم قطعیت اطلاعات (انتروپی) است.

بنابراین، رویکرد آماری احتمال وقوع پیام‌ها را در نظر می‌گیرد: پیامی که احتمال کمتری دارد، آموزنده‌تر در نظر گرفته می‌شود، یعنی. کمترین انتظار حجم اطلاعات می رسد حداکثر مقداراگر رویدادها به یک اندازه محتمل باشند.

آر. هارتلی فرمول زیر را برای اندازه گیری اطلاعات پیشنهاد کرد:

I=log2n ,

جایی که n- تعداد رویدادهای به همان اندازه محتمل؛

من- اندازه گیری اطلاعات موجود در پیام در مورد وقوع یکی از nمناسبت ها

اندازه گیری اطلاعات در حجم آن بیان می شود. اغلب به حجم مربوط می شود حافظه کامپیوترو مقدار داده های منتقل شده از طریق کانال های ارتباطی. واحد به مقداری از اطلاعات در نظر گرفته می شود که در آن عدم قطعیت به نصف کاهش می یابد، چنین واحد اطلاعاتی نامیده می شود. بیت .

اگر لگاریتم طبیعی () به عنوان پایه لگاریتم در فرمول هارتلی استفاده شود، واحد اطلاعات برابر است با نات ( 1 بیت = ln2 ≈ 0.693 nat). اگر از عدد 3 به عنوان پایه لگاریتم استفاده شود، - پیش پا افتاده، اگر 10، پس - دیت (هارتلی).

در عمل، یک واحد بزرگتر اغلب استفاده می شود - بایت(بایت) هشت بیت است. این واحد به این دلیل انتخاب شد که می توان از آن برای رمزگذاری هر یک از 256 نویسه الفبای صفحه کلید رایانه استفاده کرد (256=28).

علاوه بر بایت، اطلاعات در نیم کلمه (2 بایت)، کلمات (4 بایت) و دو کلمه (8 بایت) اندازه گیری می شود. حتی واحدهای بزرگتر اطلاعات نیز به طور گسترده مورد استفاده قرار می گیرند:

1 کیلوبایت (KB - کیلوبایت) = 1024 بایت = 2 10 بایت،

1 مگابایت (MB - مگابایت) = 1024 کیلوبایت = 2 20 بایت،

1 گیگابایت (GB - گیگابایت) = 1024 مگابایت = 2 30 بایت.

1 ترابایت (TB - ترابایت) = 1024 گیگابایت = 2 40 بایت،

1 پتابایت (PB - پتابایت) = 1024 ترابایت = 2 50 بایت.

در سال 1980، یو.مانین، ریاضیدان روسی، ایده ساخت را مطرح کرد کامپیوتر کوانتومی، در رابطه با آن چنین واحد اطلاعاتی وجود داشت کیوبیت (بیت کوانتومی، کیوبیت ) - "بیت کوانتومی" - اندازه گیری مقدار حافظه در یک شکل نظری ممکن از یک کامپیوتر که از حامل های کوانتومی، به عنوان مثال، اسپین الکترون ها استفاده می کند. یک کیوبیت می تواند نه دو مقدار متفاوت ("0" و "1")، بلکه چندین مورد را داشته باشد، که مربوط به ترکیب نرمال شده دو حالت اصلی چرخش است که بیشترترکیبات ممکن بنابراین، 32 کیوبیت می تواند حدود 4 میلیارد حالت را رمزگذاری کند.

رویکرد معناییاگر می‌خواهید نه مقدار داده، بلکه میزان اطلاعات مورد نیاز در پیام را تعیین کنید، اندازه‌گیری نحوی کافی نیست. در این مورد، جنبه معنایی در نظر گرفته می شود که امکان تعیین محتوای اطلاعات را فراهم می کند.

برای اندازه گیری محتوای معنایی اطلاعات، می توانید از اصطلاحنامه گیرنده آن (مصرف کننده) استفاده کنید. ایده روش اصطلاحنامه توسط N. Wiener ارائه شد و توسط دانشمند داخلی ما A.Yu توسعه یافت. شریدر.

اصطلاحنامهتماس گرفت بدنه اطلاعاتتوسط گیرنده اطلاعات نگهداری می شود. همبستگی اصطلاحنامه با محتوای پیام دریافتی به شما این امکان را می دهد که بفهمید تا چه اندازه عدم قطعیت را کاهش می دهد.

وابستگی میزان اطلاعات معنایی پیام به اصطلاحنامه گیرنده

با توجه به وابستگی نشان داده شده در نمودار، اگر کاربر هیچ اصطلاحنامه ای نداشته باشد (دانش در مورد ماهیت پیام دریافتی، یعنی = 0)، یا وجود چنین اصطلاحنامه ای که در نتیجه تغییر نکرده باشد. پیام ()، سپس مقدار اطلاعات معنایی موجود در آن برابر با صفر است. اصطلاحنامه بهینه () چنین خواهد بود که در آن مقدار اطلاعات معنایی حداکثر () خواهد بود. به عنوان مثال، اطلاعات معنایی در یک پیام دریافتی در زبان خارجی ناآشنا صفر خواهد بود، اما وضعیت به همین صورت خواهد بود اگر اگر پیام دیگر خبری نیست،زیرا کاربر از قبل همه چیز را می داند.

اندازه گیری عملیاطلاعات سودمندی آن را مشخص می کنددر دستیابی به اهداف مصرف کننده برای این کار کافی است قبل و بعد از دریافت پیام، احتمال رسیدن به هدف را مشخص کرده و با هم مقایسه کنید. ارزش اطلاعات (طبق گفته A.A. Kharkevich) با فرمول محاسبه می شود:

احتمال رسیدن به هدف قبل از دریافت پیام کجاست.

احتمال دستیابی به میدان هدف دریافت پیام;