[論文レビュー] Distributed Linguistic Representations in Decision Making: Taxonomy, Key Elements and Applications, and Challenges in Data Science and Explainable Artificial Intelligence

Yuzhu Wu, Zhen Zhang+6 more|arXiv (Cornell University)|Aug 4, 2020

Multi-Criteria Decision Making参考文献 112被引用数 6

ひとこと要約

本稿は、意思決定における分散型言語的表現の包括的分類と分析を提示し、好みの情報における不確実性と複雑性をモデル化する役割に焦点を当てている。距離測定法、集約手法、複数属性意思決定モデルといった主要な要素をレビューするとともに、データサイエンスおよび説明可能なAI（XAI）分野における課題と今後の方向性を特定している。

ABSTRACT

Distributed linguistic representations are powerful tools for modelling the uncertainty and complexity of preference information in linguistic decision making. To provide a comprehensive perspective on the development of distributed linguistic representations in decision making, we present the taxonomy of existing distributed linguistic representations. Then, we review the key elements of distributed linguistic information processing in decision making, including the distance measurement, aggregation methods, distributed linguistic preference relations, and distributed linguistic multiple attribute decision making models. Next, we provide a discussion on ongoing challenges and future research directions from the perspective of data science and explainable artificial intelligence.

研究の動機と目的

• 意思決定文脈における分散型言語的表現の体系的分類を提供すること。
• 距離測定、集約手法、好み関係モデルなどのコアな要素を特定・分析すること。
• 分散型言語的表現が複数属性意思決定フレームワークに統合される方法を検討すること。
• データサイエンスおよび説明可能なAI（XAI）分野における未解決の課題と今後の研究方向性を強調すること。
• 言語的データを用いた、より透明性が高く解釈可能な意思決定システムの開発を支援すること。

提案手法

• 既存の文献および応用分野に基づき、構造的な分類を提案する。
• 言語的用語の距離測定技術をレビューし、記号的および数値的アプローチを含む。
• 順序付き加重平均化（OWA）や誘導型OWA演算子などの、言語的好みを組み合わせるための集約演算子を分析する。
• 言語的用語を用いた対比較をモデル化するための分散型言語的好み関係を導入する。
• 言語的変数と変換ルールを用いて、分散型言語的複数属性意思決定（MADM）のモデルを構築する。
• データサイエンスおよびXAIの知見を統合し、言語的モデルの解釈可能性とスケーラビリティを評価する。

実験結果

リサーチクエスチョン

• RQ1 意思決定における分散型言語的表現の主要な分類カテゴリは何か？
• RQ2 距離測定法と集約手法は、言語的意思決定モデルの正確性と信頼性にどのように影響するか？
• RQ3 データサイエンスのパイプライン内での分散型言語的表現の適用における主な課題は何か？
• RQ4 分散型言語的モデルは、AIシステムにおいてどのようにしてより解釈可能かつ説明可能にできるか？
• RQ5 意思決定システムにおける言語的表現の統合を進めるために、今後の研究で必要な方向性は何か？

主な発見

• 代表的タイプ、応用文脈、処理技術に基づいて分類される、包括的な分散型言語的表現の分類が確立された。
• 距離測定法と集約手法は、言語的意思決定結果の整合性と信頼性に影響を与える重要な要素であると特定された。
• 分散型言語的好み関係により、多基準設定における不確実で曖昧な人間の好みを効果的にモデル化できるようになった。
• 言語的表現をデータサイエンスおよびXAIと統合することで、スケーラビリティ、解釈可能性、モデルの透明性に関する課題が明らかになった。
• 今後の研究は、説明可能性の向上、計算複雑性の低減、および既存のAIフレームワークとの相互運用性の向上に注力すべきである。
• 言語的意思決定モデルのための標準化された評価指標とベンチマークフレームワークの必要性が同定された。