[논문 리뷰] Managing Multi-Granular Linguistic Distribution Assessments in Large-Scale Multi-Attribute Group Decision Making

Zhen Zhang, Chonghui Guo외 1명|arXiv (Cornell University)|2015. 04. 04.

Multi-Criteria Decision Making참고 문헌 73인용 수 7

한 줄 요약

이 논문은 대규모 다속성 집단결정론(MAGDM)에서 다중 분해능 언어적 분포 평가를 관리하기 위해 확장된 언어적 계층을 기반으로 한 새로운 언어적 계산 모델을 제안한다. 분포 기반 평가를 통해 초깃값 정보를 유지하고 해석 가능한 집합적 언어 결과를 제공함으로써, 다양한 언어적 배경과 분해능을 가진 대규모 집단 환경에서 더 정확하고 투명한 의사결정 결과를 지원한다.

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.

연구 동기 및 목표

• 대규모 집단에서 다양한 언어적 배경과 분해능을 가진 의사결정자들로부터의 언어적 평가를 다루는 데 어려움을 해결하기 위해.
• 간단화된 언어적 용어 대신 언어적 분포 평가를 사용하여 초깃값 단계에서 최대한의 정보를 유지하기 위해.
• 다양한 분해능의 언어적 분포 평가를 융합할 수 있는 계산 모델을 개발하여 의사결정자들이 이해할 수 있는 최종 결과를 보장하기 위해.
• 대학교 인재 선발과 같은 실제 적용 사례에서 언어적 분포 평가를 활용한 대규모 MAGDM에 실용적인 접근 방식을 제안하기 위해.

제안 방법

• 논문은 다양한 분해능을 가진 언어적 용어 집합을 통합하기 위해 확장된 언어적 계층(ELH)을 기반으로 한 새로운 언어적 계산 모델을 도입한다.
• 비교 및 융합을 지원하기 위해 언어적 분포 평가에 특화된 거리 측정법과 순위 매기기 방법을 개발한다.
• 언어적 2차 쌍과 언어적 분포 평가 간의 변환 공식을 수립하여 다양한 분해능 간의 상호운용성을 보장한다.
• 정보 무결성을 유지하면서 다수의 의사결정자로부터의 언어적 분포 평가를 공의 기반 융합 과정을 통해 통합한다.
• 평가를 언어적 용어 위의 분포로 표현하여 조기 융합을 피하는 대규모 MAGDM을 위한 새로운 접근 방식을 제안한다.
• 5개, 7개, 9개의 언어적 용어 집합을 사용한 대학 인재 선발 사례 연구를 통해 모델을 검증하였으며, 일관되고 해석 가능한 결과를 도출하였다.

실험 결과

연구 질문

• RQ1 대규모 MAGDM 환경에서 다수의 의사결정자들로부터 온 다중 분해능 언어적 분포 평가를 효과적으로 관리하는 방법은 무엇인가?
• RQ2 다양한 분해능에서 언어적 정보의 비교 및 융합을 가능하게 하면서도 최대한의 초깃값 정보를 유지할 수 있는 계산 모델은 무엇인가?
• RQ3 다양한 분해능 처리를 지원하기 위해 언어적 2차 쌍을 언어적 분포 평가로, 그 반대로 변환하는 방법은 무엇인가?
• RQ4 다중 분해능 환경에서 언어적 분포 평가에 적합한 거리 측정법과 순위 매기기 방법는 무엇인가?
• RQ5 제안된 모델은 복잡한 분포 평가로부터 인간이 이해할 수 있는 언어적 결과를 어떻게 도출할 수 있는가?

주요 결과

• 제안된 모델은 확장된 언어적 계층을 활용하여 다양한 언어적 용어 집합을 통합함으로써 다중 분해능 언어적 분포 평가를 성공적으로 관리한다.
• 분포 평가에 특화된 거리 측정법과 순위 매기기 방법는 다양한 분해능 간에 신뢰할 수 있는 언어적 정보 비교 및 융합을 가능하게 한다.
• 인재 선발 사례 연구에서 후보자 G4는 모든 용어 집합(S⁵, S⁷, S⁹)에서 가장 높은 집단 평가를 받았으며, 각각 s₄⁵에서 44.4%, s₆⁷에서 39.7%, s₈⁹에서 38.5%의 가중치를 기록하여 강한 선호도를 보였다.
• 후보자 G1은 모든 용어 집합에서 가장 균형 잡힌 분포를 보였으며, s₃⁵에서 60.2%, s₄⁷에서 45.7%, s₆⁹에서 45.2%의 높은 집중도를 보여 전체적으로 강한 지지를 받는 것으로 나타났다.
• 조기 융합을 피함으로써 정보 무결성을 유지함으로써, 전통적인 언어적 GDM 방법에 비해 더 풍부하고 세밀한 집단 평가가 가능하다.
• 결과는 언어적 분포 평가가 단순화된 언어적 용어나 혼란스러운 퍼지 집합에 비해 더 정보가 풍부하고 투명한 집단 평가를 제공함을 보여준다.