> Перевод даётся для удобства чтения. Нормативным является английский оригинал. # Оценка семантической связности **Спецификация Мета-Вселенной** **Идентификатор документа:** MU-V2-ECO-006 **Название:** Оценка семантической связности **Класс документа:** информативный **Версия:** 2.0 (черновик) **Статус:** рабочий черновик **Нормативные ссылки:** нет **Информативные ссылки:** [Validation](../02-architecture/Validation.md), [Certification](../06-ecosystem/Certification.md), [Traceability](../02-architecture/Traceability.md), [Event](../04-core-concepts/Event.md), [Provenance-Graph](../02-architecture/Provenance-Graph.md) **Копирайт:** © Orkestron.AI **Лицензия:** Apache-2.0 --- # 1. Назначение Этот документ описывает **оценку семантической связности** - автоматическую прозрачную меру того, *насколько хорошо соответствующая мета-модель пользуется доступными ей семантическими возможностями*. Там, где [Validation](../02-architecture/Validation.md) отвечает на двоичный вопрос (соответствует ли модель?), оценка семантической связности отвечает на градуированный (насколько богато, прослеживаемо и заслуживающе доверия её содержимое?). Оценка делает возможной **градуированную сертификацию**: две модели могут обе пройти валидацию и при этом сильно различаться тем, насколько полно они записывают события, документируют понятия и несут происхождение. Оценка делает это различие видимым и сравнимым. --- # 2. Что оценка измеряет - и чего не измеряет Оценка семантической связности измеряет **качество содержимого**, а не архитектуру. - Она не перепроверяет соответствие; модель оценивается только после того, как прошла уровни "прошёл или не прошёл" из [Validation](../02-architecture/Validation.md). - Она не судит, верна ли *смоделированная предметная область*; она судит, насколько связно модель выражает то, что заявляет. - Высокая оценка не заменяет сертификацию, а низкая не означает несоответствия: минимальная, но действительная модель может получить низкую оценку и всё же быть вполне пригодной. Короче: валидация спрашивает *хорошо ли она построена?*; оценка спрашивает *хорошо ли она развита?* --- # 3. Составляющие измерения Оценка складывается из независимых измерений, каждое из которых вычислимо по модели и её истории: - **Полнота событий** - доля значимых изменений состояния, записанных как неизменяемые [события](../04-core-concepts/Event.md), а не подразумеваемых одним лишь текущим состоянием. - **Согласованность связей** - доля связей, которые правильно типизированы, разрешаются в обе стороны и не имеют висящих концов. - **Покрытие проекциями** - определены ли у объектов, предназначенных к передаче, подходящие проекции для их предполагаемых контекстов. - **Наличие происхождения** - доля значимых фактов, несущих происхождение и участвующих в [графе происхождения](../02-architecture/Provenance-Graph.md). - **Качество семантических отображений** - для федерируемых моделей: насколько полно и чисто понятия отображаются на стандарты и на партнёров, с которыми объявлена совместимость. - **Полнота документации** - доля публичных понятий с отображаемыми именами, описаниями и документацией (включая покрытие переводами). - **Доверие к данным** - сила вектора доверия, приложенного к источникам и утверждениям модели. - **Свежесть** - насколько недавно модель и её наиболее влиятельные факты пересматривались или обновлялись относительно ожидаемой частоты. --- # 4. Модель подсчёта Оценка - это прозрачная **взвешенная сумма** по измерениям, нормированная к шкале **0-100**: ```text Score = round( Σ ( weight_d × dimension_d ) ) dimension_d ∈ [0, 1] d ``` Эталонные веса (издатели и сообщества могут настроить и опубликовать свои, ведь модель прозрачна): | Измерение | Вес | |-----------|-------:| | Полнота событий | 20 | | Наличие происхождения | 18 | | Согласованность связей | 15 | | Покрытие проекциями | 12 | | Качество семантических отображений | 12 | | Полнота документации | 10 | | Доверие к данным | 8 | | Свежесть | 5 | | **Всего** | **100** | Публикуемые полосы дают числу истолкование: | Полоса | Диапазон | Как читать | |------|-------|---------| | Образцовая | 90-100 | Богатое, полностью прослеживаемое содержимое, готовое к федерации. | | Сильная | 75-89 | Хорошо развита; мелкие пробелы. | | Достаточная | 60-74 | Пригодна; заметные пробелы в истории или происхождении. | | Развивающаяся | 40-59 | Действительна, но тонка; значительные пробелы в содержимом. | | Минимальная | 0-39 | Соответствующий скелет; семантического богатства мало. | Отчёт о связности публикует итог, полосу и подоценки по каждому измерению, так что число никогда не бывает непрозрачным: читатель всегда видит, *какое* измерение его понизило. --- # 5. Как она дополняет валидацию и MMQS Оценка стоит между двоичной валидацией и будущим стандартом градуированного качества: - [**Валидация**](../02-architecture/Validation.md) - это **шлагбаум**: V0-V5, прошёл или нет. Модель обязана пройти его прежде, чем её оценят. - **Оценка семантической связности** - это **градиент**: сравнимое число по тем же свидетельствам, выведенное наружу через [сертификацию](../06-ecosystem/Certification.md), чтобы сертификация могла сообщать *градуированное* качество, а не одно "прошёл или нет". - **Стандарт качества мета-моделей (MMQS)** - **будущий стандарт**, который сделал бы этот градиент нормативным для всей экосистемы (см. направления развития). Поскольку каждое измерение вычисляется по артефактам, которые валидация и так порождает - события, связи, проекции, происхождение, отображения, документация, - оценка переиспользует уже имеющиеся свидетельства и воспроизводится так же, как [отчёт о валидации](../02-architecture/Validation.md). --- # 6. Разобранный пример подсчёта Возьмём мета-модель *Employee*, прошедшую валидацию. Измеренные величины (каждая в диапазоне 0-1) и эталонные веса: ```text Event completeness 0.90 × 20 = 18.0 Provenance presence 0.80 × 18 = 14.4 Relationship consistency 1.00 × 15 = 15.0 Projection coverage 0.75 × 12 = 9.0 Semantic Mapping quality 0.60 × 12 = 7.2 Documentation completeness 0.70 × 10 = 7.0 Data trust 0.85 × 8 = 6.8 Freshness 0.40 × 5 = 2.0 ------ Total 79.4 → 79 (Strong) ``` Опубликованный отчёт показывает итог (79, "Сильная") *и* разбивку, из которой очевиден путь улучшения: свежесть (2,0 из 5) и качество семантических отображений (7,2 из 12) - самые слабые вкладчики, так что пересмотр устаревших фактов и достройка отображений федерации поднимут оценку быстрее всего - и без единого изменения в архитектуре модели. --- # 7. Архитектурное положение Оценка семантической связности сохраняет инварианты экосистемы: она читает опубликованные свидетельства, не изменяя оцениваемую модель, не централизует полномочия (любая сторона может пересчитать её по тем же свидетельствам) и никогда не перекрывает соответствие. Это линза для качества, наложенная поверх валидации, - и никогда её замена. --- # 8. Направления развития Оценка семантической связности - конкретное зерно будущего **стандарта качества мета-моделей (MMQS)**. MMQS мог бы стандартизовать определения измерений и способ их вычисления, публиковать эталонные весовые профили по областям, задать, как градуированные оценки проявляются в [сертификации](../06-ecosystem/Certification.md) и в реестре, и связаться с **фреймворком семантической валидации (SVF)**, чтобы одни и те же прогоны тестов давали и вердикт "прошёл или нет", и градиент связности. Он мог бы также позволить [вектору доверия](../02-architecture/Traceability.md) и [графу происхождения](../02-architecture/Provenance-Graph.md) автоматически питать оценки свежести и происхождения. --- # Заключение Оценка семантической связности превращает вопрос "хороша ли эта модель?" из мнения в прозрачное воспроизводимое число. Измеряя, насколько полно модель записывает свою историю, обосновывает свои факты и документирует свой смысл, - и всегда показывая разбивку за итогом, - она позволяет экосистеме вознаграждать семантическое богатство, ни в чём не ущемляя двоичной ясности соответствия.