第三讲 基于不确定语言的方法.pptVIP

第四讲 基于不确定语言的分析方法 （一）基于自然语言的群决策模型 （二）基于案例分析的语言信息灰靶决策分类模型 （三）基于灰色关联度的大规模群决策模型 (1)采用何种方法基于哪种规则进行聚类。 (2)在聚类基础上，如何确定指标权重和决策者权重，两者的合理确定是问题关键所在，这是学术界长期关注的问题，研究成果丰富但略显复杂。 (3)各分类群体的权重如何确定，如何有效集结各类意见。从聚类的角度来看，类内决策者看法相近但是类间的差异较为显著。 (4)类间协调时，需要找出一个类内决策者标杆，这个标杆要求既能代表类，从可协调角度，又要真实存在，而非虚拟决策者。 (四)考虑文本评语的多粒度不完全语言信息推理模型 项目评价过程经常遇到一类如下问题： （1）要求专家给出项目方案的综合评价值，这类结论直接影响方案的择优过程； （2）为确定专家在评价过程中是否客观公正、是否具备评审条件，要求专家结合自身情况，给出是否熟悉被评价项目的自我判断； （3）要求专家根据评价要点详细给出评语。 （1）基于多粒度语言的文本评语解析方法 首先，根据专家撰写的评语，通过人工或者文本自动挖掘（如各种网络爬虫，自动挖掘适用于大规模评审任务的情况）的方法，将其提炼成若干评价指标点。这些评价指标点一般有两种形式，一是按照项目评审方意见组织；另一类是除此以外的专家提出的部分。 其次，由人工方式，根据专家的评语内容，按照评价指标点赋值。考虑到评语的属性特点，这种赋值一般是基于语言方式的。 比如，有评价点“创新性”，某专家给予该项目的看法是，创新性“良好”，因此，即某方案有“创新性=良好”；再如，“研究方案可实现途径”的评价点，可有“研究方案可实现途径=不明确”等。 通过人工赋值的方法，可以把专家定性的文本评语量化，从而为信息进一步挖掘提供现实条件。 2个值得关注的地方： （1）差异的评价指标点导致决策矩阵具有不完全特性。由于专家关注点不尽相同，导致评价指标点不完全相同。除了形式上的不完整外，这些不完整的原因也很难确定：是专家认为不重要（或者不必要，显而易见）；是专家疏忽遗漏了，还是专家的能力导致无法准确评判？ （2）差异的评价值导致决策群体信息的集结困难。 （2）评价点指标权重的测算模型 （3）基于证据推理的残缺项判断数值估算 （4）不完全信息下的决策者权重测算及方案排序方法 步骤1：文本评语的解析及多粒度转换。将文本内容解析；按式（2）进行转换。 步骤2：评价指标的重要性测算。按照P1测算测评点的权重。 步骤3：残缺判断数值的估算。计算P2，并按照P3分析残缺判断的分布范围。 步骤4：决策者权重的测算。按照式（8-11）计算决策者的权重。 步骤5：方案综合得分的计算。按照式（12）计算方案的综合得分并进行排序。 某省软科学研究项目评审采用如下项目选择评价机制，每1个申请项目由5位同行专家通讯评议，项目评价表按照如下方式要求同行专家认真评审： 要求专家给出项目的总体评价值、项目熟悉程度和按照评审点要求的评语，评审点要求集中在项目的创新性和研究价值、研究方案的可行性、项目的应用价值和可推广性、项目的研究团队实力等角度（见表1）。 设有8个项目的评价表（评语略）熟悉程度和评价值见表1，其中，熟悉程度用下述标度表示，即：A；熟悉：B；较熟悉：C部分熟悉；评价值用粒度为10的评语，即：；文本评语采用多粒度语言评价的方式；以7个粒度的语言评价集为基准，即7个评语分别为“特优，优，良，中，较差，差，很好”。考虑篇幅限制，已将各决策者的多粒度转换成7粒度语言评价信息值。 语言信息可研究的方面： （1）语言信息的数量表示； （2）语言信息的关联度与距离测度； （3）语言信息的不确定性扩展； （4）语言信息的自动挖掘技术。 * * 本 讲 主 要 内 容 基于自然语言的群决策模型 基于案例分析的语言信息灰靶决策分类模型 基于灰色关联度的大规模群决策模型 考虑文本评语的不完全语言信息推理模型 本部分参考书籍：（1）基于语言信息的决策理论与方法，科学出版社，2008；（2）直觉模糊信息集成理论及应用 ，科学出版社，2008；（3）D-S证据理论的冲突证据合成方法 ，国防工业出版社，2010；（4）复杂大群体决策方法及应用，科学出版社，2009 * *