[論文レビュー] Managing Multi-Granular Linguistic Distribution Assessments in Large-Scale Multi-Attribute Group Decision Making

Zhen Zhang, Chonghui Guo+1 more|arXiv (Cornell University)|Apr 4, 2015

Multi-Criteria Decision Making参考文献 73被引用数 7

ひとこと要約

本稿は、大規模な多属性集団意思決定（MAGDM）における多粒度言語的分布評価を管理するため、拡張された言語的階層に基づく新しい言語的計算モデルを提案する。初期情報の損失を防ぎ、解釈可能な集約された言語的結果を提供することで、多様な言語的入力と複雑な大規模集団設定において、より正確で透明性の高い意思決定結果を実現する。

ABSTRACT

Linguistic large-scale group decision making (LGDM) problems are more and more common nowadays. In such problems a large group of decision makers are involved in the decision process and elicit linguistic information that are usually assessed in different linguistic scales with diverse granularity because of decision makers' distinct knowledge and background. To keep maximum information in initial stages of the linguistic LGDM problems, the use of multi-granular linguistic distribution assessments seems a suitable choice, however to manage such multigranular linguistic distribution assessments, it is necessary the development of a new linguistic computational approach. In this paper it is proposed a novel computational model based on the use of extended linguistic hierarchies, which not only can be used to operate with multi-granular linguistic distribution assessments, but also can provide interpretable linguistic results to decision makers. Based on this new linguistic computational model, an approach to linguistic large-scale multi-attribute group decision making is proposed and applied to a talent selection process in universities.

研究の動機と目的

• 多数の意思決定者が多様な言語的背景と粒度を持つ言語的評価を扱う集団意思決定における課題に対処すること。
• 簡略化された言語的用語ではなく、言語的分布評価を用いることで、初期段階で最大限の情報を保持すること。
• 多粒度言語的分布評価の統合を支援するとともに、意思決定者にとって解釈可能な最終的結果を保証する計算モデルの開発。
• 大学の人材選抜などの実世界の応用事例において、言語的分布評価を用いた大規模MAGDMの実用的アプローチの提案。

提案手法

• 本稿は、異なる粒度を持つ言語的用語集合を統一するため、拡張された言語的階層（ELH）に基づく新しい言語的計算モデルを導入する。
• 言語的分布評価に特化した距離測度と順位付け手法を開発し、比較と集約を支援する。
• 言語的2-トプスと言語的分布評価との間の変換式を確立し、異なる粒度間での相互運用性を実現する。
• 情報の完全性を保ちながら、コンセンサスに基づく集約プロセスを用いて、複数の意思決定者の言語的分布評価を統合する。
• 評価を言語的用語上の分布として表現することで、早期の集約を回避する、大規模MAGDMのための新規アプローチを提案する。
• 5, 7, 9個の言語的用語集合を用いた大学人材選抜の事例研究を通じて、妥当性を検証し、一貫性があり解釈可能な結果が得られた。

実験結果

リサーチクエスチョン

• RQ1 大規模MAGDMの文脈において、多数の意思決定者から得られる多粒度言語的分布評価を効果的に管理する方法は何か？
• RQ2 初期意思決定情報の最大限の保持を図りつつ、集約と解釈を可能にする計算モデルは何か？
• RQ3 多粒度処理を支援するため、言語的2-トプスを言語的分布評価に、逆に言語的分布評価を言語的2-トプスに変換する方法は何か？
• RQ4 多粒度設定における言語的分布評価に適した距離測度と順位付け手法は何か？
• RQ5 提案されたモデルは、複雑な分布的評価から、解釈可能で人間が読みやすい言語的結果をどのように得られるか？

主な発見

• 提案されたモデルは、異なる言語的用語集合を統一するための拡張された言語的階層を用いることで、多粒度言語的分布評価を効果的に管理できた。
• 分布評価に特化した距離測度と順位付け手法により、異なる粒度間での言語的情報の信頼性の高い比較と集約が可能になった。
• 人材選抜の事例研究において、候補者G4はすべての用語集合（S⁵, S⁷, S⁹）で最高の集団評価を獲得し、それぞれs₄⁵で44.4%、s₆⁷で39.7%、s₈⁹で38.5%の重みを示しており、強い好意的評価が示された。
• 候補者G1は、すべての用語集合で最もバランスの取れた分布を示し、それぞれs₃⁵で60.2%、s₄⁷で45.7%、s₆⁹で45.2%の集中度を示しており、全体的な強い支持が示された。
• 早期の集約を回避することで、情報の完全性が維持され、従来の言語的GDM手法に比べ、より豊かで洗練された集団評価が可能になった。
• 結果から、言語的分布評価は、簡略化された言語的用語やためらいのあるファジィ集合に比べ、より情報量が多く透明性の高い集団評価を提供することが明らかになった。