[论文解读] Group decision making based on multi-granular distribution linguistic assessments and power aggregation operators.

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

Multi-Criteria Decision Making被引用 2

一句话总结

本文提出一种计算模型，利用扩展的语言层次结构来管理大规模群体决策中的多粒度语言分布评估，通过幂平均聚合算子实现可解释的结果；在大学人才选拔中的应用表明，该方法能够在不同粒度间保持语言信息，并提升决策透明度。

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.

研究动机与目标

• 解决在大规模群体决策中处理具有不同粒度的语言评估的挑战。
• 通过避免过早聚合或转换，尽可能保留初始语言评估中的最大信息量。
• 开发一个支持多粒度语言分布评估的计算框架，并确保结果的可解释性。
• 实现在如大学人才选拔等实际场景中的应用。
• 集成幂平均聚合算子，以语言可解释的方式反映决策者评估的影响。

提出的方法

• 提出一种扩展的语言层次模型，以统一多个语言尺度上不同粒度的语言术语。
• 将语言评估表示为语言术语上的分布，以捕捉决策者输入中的不确定性和多样性。
• 应用幂平均聚合算子组合语言分布，强调更一致或更极端评估的影响。
• 使用语言计算模型对多粒度分布执行操作，同时保持可解释性。
• 将模型整合到多属性群体决策框架中，以实现实际应用。
• 通过在大学人才选拔中的应用验证该方法的可行性与鲁棒性。

实验结果

研究问题

• RQ1 如何在大规模群体决策中有效结合具有不同粒度的语言评估？
• RQ2 何种计算模型能够实现多粒度语言分布的保留与操作，且不损失信息？
• RQ3 如何将幂平均聚合算子适配到语言情境中，以反映决策者的影响力？
• RQ4 所提出的模型以何种方式确保对决策者而言可解释且有意义的语言结果？
• RQ5 该模型在如大学人才选拔等实际应用场景中的表现如何？

主要发现

• 所提出的计算模型成功地利用扩展的语言层次结构处理了多粒度语言分布评估。
• 幂平均聚合算子的集成使得基于评估一致性和极端性的语言输入聚合更加细致和现实。
• 该模型在整个决策过程中保留了语言信息，避免了因过早离散化或转换导致的信息损失。
• 在大学人才选拔中的应用表明，该模型在实际场景中具有可行性与实用价值。
• 结果为可解释的语言输出，增强了决策过程的透明度与可信度。
• 该方法通过支持不同粒度，能够容纳具有不同专业知识和语言背景的决策者。