[논문 리뷰] Distributed Linguistic Representations in Decision Making: Taxonomy, Key Elements and Applications, and Challenges in Data Science and Explainable Artificial Intelligence

Yuzhu Wu, Zhen Zhang외 6명|arXiv (Cornell University)|2020. 08. 04.

Multi-Criteria Decision Making참고 문헌 112인용 수 6

한 줄 요약

이 논문은 의사결정 맥락에서 분산된 언어적 표현의 체계적 분류 및 분석을 제시하며, 선호 정보의 불확실성과 복잡성을 모델링하는 데서 그 역할에 초점을 맞춘다. 거리 측정 방법, 집계 기법, 다중 속성 의사결정 모델 등의 핵심 구성요소를 검토하면서 데이터 과학 및 해석 가능한 인공지능(XAI) 분야의 과제와 향후 방향성을 규명한다.

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.

연구 동기 및 목표

• 의사결정 맥락에서 분산된 언어적 표현에 대한 체계적 분류 체계를 제공하기 위해.
• 거리 측정, 집계 기법, 선호 관계 모델 등의 핵심 구성요소를 식별하고 분석하기 위해.
• 다중 속성 의사결정 프레임워크 내에서 분산된 언어적 표현의 통합을 검토하기 위해.
• 데이터 과학 및 해석 가능한 인공지능(XAI) 분야에서 열려 있는 과제와 향후 연구 방향을 부각하기 위해.
• 언어적 데이터를 활용하여 보다 투명하고 해석 가능한 의사결정 시스템 개발을 지원하기 위해.

제안 방법

• 기존 문헌과 응용 분야를 바탕으로 분산된 언어적 표현의 체계적 분류 체계를 제안한다.
• 기호적 및 수치적 접근 방식을 포함한 언어적 용어의 거리 측정 기법을 검토한다.
• 순서화된 가중 평균 및 유도형 OWA 연산자와 같은 언어적 선호를 통합하는 집계 연산자 분석을 수행한다.
• 언어적 용어로 쌍별 비교를 모델링하기 위해 분산된 언어적 선호 관계를 도입한다.
• 언어적 변수와 변환 규칙를 활용하여 분산된 언어적 다중 속성 의사결정(MADM) 모델을 개발한다.
• 데이터 과학 및 XAI의 통찰을 통합하여 언어적 모델의 해석 가능성과 확장성 평가를 수행한다.

실험 결과

연구 질문

• RQ1 의사결정에서 분산된 언어적 표현의 주요 분류 범주들은 무엇인가?
• RQ2 거리 측정 및 집계 기법은 언어적 의사결정 모델의 정확성과 신뢰성에 어떻게 영향을 미치는가?
• RQ3 데이터 과학 파이프라인 내에서 분산된 언어적 표현을 적용할 때의 주요 과제는 무엇인가?
• RQ4 의사결정 시스템에서 분산된 언어적 모델을 더 해석 가능하고 설명 가능하게 만들 수 있는 방법은 무엇인가?
• RQ5 언어적 표현의 의사결정 시스템 통합을 발전시키기 위해 필요한 향후 연구 방향은 무엇인가?

주요 결과

• 대상 표현 유형, 적용 맥락, 처리 기법에 따라 분류하는 분산된 언어적 표현의 종합적 분류 체계가 수립되었다.
• 거리 측정 및 집계 기법은 언어적 의사결정 결과의 일관성과 신뢰성에 영향을 미치는 핵심 구성요소로 규명되었다.
• 분산된 언어적 선호 관계는 다기준 환경에서 불확실하고 모호한 인간의 선호를 효과적으로 모델링할 수 있다.
• 언어적 표현을 데이터 과학 및 XAI와 통합함으로써 확장성, 해석 가능성, 모델 투명성의 과제가 드러났다.
• 향후 연구는 설명 가능성 향상, 계산 복잡도 감소, 기존 AI 프레임워크와의 상호운용성 향상에 초점을 맞춰야 한다.
• 논문은 언어적 의사결정 모델에 대한 표준화된 평가 지표와 벤치마킹 프레임워크의 필요성을 규명했다.