РАЗРАБОТКА АЛГОРИТМА ДЛЯ АВТОМАТИЗАЦИИ КОНТРОЛЯ ПОЛНОТЫ ДАННЫХ, ОТОБРАЖАЕМЫХ НА САЙТАХ КОМПАНИИ ДЛЯ СОБЛЮДЕНИЯ ФЗ И СОБЛЮДЕНИЯ РЕГУЛЯТОРНЫХ ОГРАНИЧЕНИЙ

Раджабова Н.Ш.

Email: Radzhabova578@scientifictext.ru

Раджабова Наима Шамильевна – кандидат физико-математических наук, доцент, кафедра дискретной математики и информатики, Дагестанский государственный университет, г. Махачкала

Аннотация: в статье рассматривается подход к разработке распределенной веб-системы, которая может с заданной регулярностью проверять страницы сайта и определять наличие необходимых файлов по требованиям ФЗ, их актуальность и общую возможность открытия/скачивания через браузер. Задача проверки ссылок весьма злободневна, так как «потеря ссылок» также может привести к материальным и другим издержкам.

Разработка алгоритма на базе методов глубинного машинного обучения является новым способом отражения полноты информации и риска существенного расхождения c требованиями ФЗ и регулирующих органов.

Ключевые слова: машинное обучение, распределённая система, мониторинг, проверка доступности, автотест, регуляторные ограничения.

DEVELOPMENT OF AN ALGORITHM TO AUTOMATE THE CONTROL OF THE COMPLETENESS OF DATA DISPLAYED ON COMPANY WEBSITES TO COMPLY WITH THE FEDERAL LAW AND COMPLY WITH REGULATORY RESTRICTIONS

Radzhabova N.Sh.

Radzhabova Naima Shamilyevna – Candidate of Physical and Mathematical Science, Associate Professor, DEPARTMENT OF THE DISCRETE MATHEMATICS, COMPUTER SCIENCE, DAGESTAN STATE UNIVERSITY, MAKHACHKALA

Abstract: the article discusses the approach to developing a distributed web system that can with a given regularity check the pages of the site and determine the availability of the necessary files according to the requirements of the Federal Law, their relevance and the general ability to open / download via the browser. The task of checking links is very topical, since the "loss of links" can also lead to material and other costs.

The development of an algorithm based on methods of deep machine learning is a new way of reflecting the completeness of information and the risk of a significant discrepancy with the requirements of the Federal Law and regulatory bodies.

Keywords: machine learning, distributed system, monitoring, accessibility checking, autotest, regulatory restrictions.

Список литературы / References

Мониторинг государственных сайтов. [Электронный ресурс]. Режим доступа: https://www.minfin.ru/ru/om/link/ratings/monitoring/ (дата обращения: 25.09.2019).
Data Mining – интеллектуальный анализ данных. [Электронный ресурс]. Режим доступа: https://blog.iteam.ru/data-mining-intellektualnyj-analiz-dannyh/ (дата обращения: 20.10.2019).
Witten I.H., Frank Е. Data Mining. Practical Machine Learning Tools and Techniques. Morgan Kaufmann Publishers is an imprint of Elsevier, 2005. [Электронный ресурс]. Режим доступа: http://index-of.co.uk/Data-Mining/Data%20Mining%20Practical%20Machine%20Learning%20Tools%20and%20Techniques%203rd%20Edition-Mantesh.pdf/ (дата обращения: 20.12.2019).

Ссылка для цитирования данной статьи

Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.

Электронная версия. Раджабова Н.Ш. РАЗРАБОТКА АЛГОРИТМА ДЛЯ АВТОМАТИЗАЦИИ КОНТРОЛЯ ПОЛНОТЫ ДАННЫХ, ОТОБРАЖАЕМЫХ НА САЙТАХ КОМПАНИИ ДЛЯ СОБЛЮДЕНИЯ ФЗ И СОБЛЮДЕНИЯ РЕГУЛЯТОРНЫХ ОГРАНИЧЕНИЙ // Вестник науки и образования №24(78), 2019. [Электронныйресурс].URL: http://scientificjournal.ru/images/PDF/2019/VNO-77/ob-otnositelnykh-intensivnostyakh.pdf (Дата обращения:ХХ.ХХ.201Х).

Печатная версия. Раджабова Н.Ш. РАЗРАБОТКА АЛГОРИТМА ДЛЯ АВТОМАТИЗАЦИИ КОНТРОЛЯ ПОЛНОТЫ ДАННЫХ, ОТОБРАЖАЕМЫХ НА САЙТАХ КОМПАНИИ ДЛЯ СОБЛЮДЕНИЯ ФЗ И СОБЛЮДЕНИЯ РЕГУЛЯТОРНЫХ ОГРАНИЧЕНИЙ// Вестник науки и образования № 24(78), 2019, C. {см. журнал}.