ВКР Построение модели группового принятия решения экспертами в социальных сетях для анализа характеристик согласия

Оригинальность по АП.Вуз на 27 февраля 2023 года более 70%.

Оригинал документа в pdf, конвертация в Word автоматическая (в word могут быть недочеты форматирования, которые вы легко отредактируете).

Разработка более сложных структур для процесса управления и принятия

консенсусных решений актуальна в настоящее время, поскольку они могут быть

использованы в новых сервисах социальных сетей, например, при оценке удобства

использования социальных сетей [3]. В связи с тем, что данная тема крайне

актуальна сейчас, темой данной выпускной квалификационной работы является

“Построение модели группового принятия решения экспертами в социальных сетях

для анализа характеристик согласия”.

В первом подразделе первой главы был сделан обзор статей по данной

тематике за последние 4 года, что позволяет убедиться в актуальности выбранной

темы. Во втором подразделе мы затронули тему рекомендательных систем, широко

используемых в процессах группового принятия решений для заполнения

недостающих данных. Эти методы были рассмотрены, поскольку процессы

группового принятия решений могут не ограничиваться только лишь одним

вопросом, а могут состоять из ряда вопросов, причем пользователи сети могут дать

ответ не на все вопросы, а только лишь на малую часть. В этом случае для

прогнозирования возможных ответов пользователей можно использовать методы

рекомендательных систем. Во втором подразделе представлена информация о трех

основных методах рекомендательной системы.

Во второй главе в первом подразделе мы описываем алгоритм ранжирования

альтернатив модели группового принятия решения, предназначенной для работы в

социальных сетях [28]. В связи с тем, что в нашей работе при проведении

численного эксперимента в третьей главе мы принимаем на вход уже обработанные

числовые параметры, в описании данного метода мы не затронем процесс перевода

оценки эксперта в числовое значение. Во втором подразделе представлен метод

матричной факторизации SVD Funk, позволяющий заполнять недостающие данные

в матрице предпочтений.

В третьей главе для наглядности приведен подробный пример, где описан

каждый шаг метода ранжирования альтернатив с применением рекомендательной

системы для заполнения недостающих данных для матрицы 4*4. Также, при помощи написанной на языке программирования java программе, были подсчитаны

значения ранжирования для сотни оценок пользователей по ста фильмам набора

данных [34] с применением метода SVD Funk и без его применения. В объединение

этих двух методов и заключается новизна данного исследования.

Список используемых сокращений 4

Введение 5

1. Системы поддержки принятия решений. 8

1.1. Методы группового принятия решения. 8

1.2. Рекомендательные системы. 15

2. Методы анализа процессов группового принятия решения. 22

2.1. Метод ранжирования альтернатив. 22

2.2. Матричная факторизация. 24

3. Численный анализ. 28

Заключение. 36

Список литературы 37

1. Wasserman, S., and K. Faust. 1994. Social Network Analysis: Methods and

Applications (Vol. 8). Cambridge: Cambridge University Press

2. Urea, R., F.J. Cabrerizo, J.A. Morente-Molinera and E. HerreraViedma. 2016.

GDM-R: A new framework in R to support fuzzy group decision making

processes. Information Sciences, 357, 161- 181.

3. Herrera-Viedma, E., F.J. Cabrerizo, J. Kacprzyk and W. Pedrycz. 2014. A review

of soft consensus models in a fuzzy environment. Information Fusion, 17, 4-13.

4. Zadeh, L.A. 1965. Fuzzy sets. Information and Control, 8(3), 338- 353.

5. Torra, V. 2010. Hesitant fuzzy sets. International Journal of Intelligent Systems,

25(6), 529-539.

6. Zadeh, L.A. 1996. Fuzzy logic= computing with words. Fuzzy Systems, IEEE

Transactions on 4, 103–1.

7. Gupta, M. (2018). Consensus Building Process in Group Decision Making—An

Adaptive Procedure Based on Group Dynamics. IEEE Transactions on Fuzzy

Systems, 26(4), 1923–1933.

8. Cabrerizo, F. J., Morente-Molinera, J. A., Alonso, S., Pedrycz, W., &

Herrera-Viedma, E. (2020). A Granular Consensus Approach With Minimum

Adjustment for Multi-criteria Group Decision Making. 2020 IEEE International

Conference on Systems, Man, and Cybernetics (SMC)

9. Capuano, N., Chiclana, F., Fujita, H., Herrera-Viedma, E., & Loia, V. (2018).

Fuzzy Group Decision Making With Incomplete Information Guided by Social

Influence. IEEE Transactions on Fuzzy Systems, 26(3), 1704–1718

10. Liang, H., Dong, Y., Ding, Z., Urena, R., Chiclana, F., & Herrera-Viedma, E.

(2019). Consensus Reaching with Time Constraints and Minimum Adjustments in

Group with Bounded Confidence Effects. IEEE Transactions on Fuzzy Systems,

1–1.

11. Wu, J., Li, X., Chiclana, F., & Yager, R. R. (2019). An attitudinal trust

recommendation mechanism to balance consensus and harmony in group decision

making. IEEE Transactions on Fuzzy Systems, 1–1.

12. Callejas, E. A., Cerrada, J. A., Cerrada, C., & Cabrerizo, F. J. (2019). Group

Decision Making Based on a Framework of Granular Computing for

Multi-Criteria and Linguistic Contexts. IEEE Access, 7, 54670–54681

13. Wu, Y., Dong, Y., Qin, J., & Pedrycz, W. (2020). Flexible Linguistic Expressions

and Consensus Reaching With Accurate Constraints in Group Decision-Making.

IEEE Transactions on Cybernetics, 1–14.

14. Nie, S., Liao, H., Wu, X., & Xu, Z. (2019). Green Supplier Selection With a

Continuous Interval-Valued Linguistic TODIM Method. IEEE Access, 7,

124315–124328

15. Li, G., Kou, G., & Peng, Y. (2018). A Group Decision Making Model for

Integrating Heterogeneous Information. IEEE Transactions on Systems, Man, and

Cybernetics: Systems, 48(6), 982–992

16. Li, C.-C., Rodriguez, R. M., Martinez, L., Dong, Y., & Herrera, F. (2018).

Consensus building with individual consistency control in group decision making.

IEEE Transactions on Fuzzy Systems, 1–1.

17. Morente-Molinera, J. A., Cabrerizo, I. J., Alonso, S., Perez, I. J., &

Herrera-Viedma, E. (2020). Managing changes in alternatives and criteria during a

dynamic multi-criteria group decision making process. 2020 7th International

Conference on Control, Decision and Information Technologies (CoDIT).

18. An additive consistency and consensus-based approach for uncertain group

decision making with linguistic preference relations. (2018). IEEE Transactions on

Fuzzy Systems, 1–1.

19. Zhang, Z., & Pedrycz, W. (2019). Iterative Algorithms to Manage the Consistency

and Consensus for Group Decision-Making with Hesitant Multiplicative

Preference Relations. IEEE Transactions on Fuzzy Systems, 1–1.

20. Liu, F., Wu, Y.-H., & Pedrycz, W. (2018). A Modified Consensus Model in Group

Decision Making with an Allocation of Information Granularity. IEEE

Transactions on Fuzzy Systems, 1–1.

21. Zha, Q., Liang, H., Kou, G., Dong, Y., & Yu, S. (2019). A Feedback Mechanism

With Bounded Confidence-Based Optimization Approach for Consensus Reaching

in Multiple Attribute Large-Scale Group Decision-Making. IEEE Transactions on

Computational Social Systems, 1–13.

22. Zhang, H., Dong, Y., & Herrera-Viedma, E. (2018). Consensus Building for the

Heterogeneous Large-Scale GDM With the Individual Concerns and Satisfactions.

IEEE Transactions on Fuzzy Systems, 26(2), 884–898.

23. Li, C.-C., Dong, Y., & Herrera, F. (2018). A consensus model for large-scale

linguistic group decision making with a feedback recommendation based on

clustered personalized individual semantics and opposing consensus groups. IEEE

Transactions on Fuzzy Systems, 1–1.

24. Y. Koren, "Factorization Meets the Neighborhood: A MultifacetedCollaborative

Filtering Model", Proceedings of the 14th ACM SIGKDDInternational Conference

on Knowledge Discovery and Data Mining, pp.426-434, Aug. 2008.

25. G. Linden, B. Smith, and J. York, "Amazon. com recommendations:Item-to-item

collaborative filtering", IEEE Internet computing, vol. 7,no. 1, pp. 76-80, Jan.

2003.

26. P.B. Thorat, R.M. Goundar and S. Barve, “Survey on collaborative filtering,

content-based filtering and hybrid recommendation system”, International Journal

of Computer Applications, vol.110, 2015

27. F.O. Isinkaye, Y.O. Folajimi and B.A. Ojokoh, “Recommendation systems:

Principles, methods and evaluation”, Egyptian Informatics Journal,

vol.16,pp.261-273, 2015

28. Chukhno, N., Samouylov, K., Chukhno, O., Gaidamaka, A., & Herrera-Viedma, E.

(2018). A New Ranking Method of Alternatives for Group Decision Making in

Social Networks. 2018 10th International Congress on Ultra Modern

Telecommunications and Control Systems and Workshops (ICUMT).

29. Zadeh, L.A. 1996. Fuzzy logic= computing with words. Fuzzy Systems, IEEE

Transactions on 4, 103–1.

30. Herrera, F. and L. Martınez. 2000. A 2-tuple fuzzy linguistic representation model

for computing with words. IEEE Trans. Fuzzy Syst., vol. 8, no. 6, 746–752.

31. Jeon, T., Cho, J., Lee, S., Baek, G., & Kim, S. (2009). A movie rating prediction

system of user propensity analysis based on collaborative filtering and fuzzy

system. 2009 IEEE International Conference on Fuzzy Systems.

32. J. Bennett et al., ‘‘The netflix prize,’’ in Proc. KDD Cup Workshop, New York,

NY, USA, 2007, p. 35.

33. Guo, S., & Li, C. (2020). Hybrid Recommendation Algorithm based on User

Behavior. 2020 IEEE 9th Joint International Information Technology and Artificial

Intelligence Conference (ITAIC).

34. F. Maxwell Harper and Joseph A. Konstan. 2015. The MovieLens Datasets:

History and Context. ACM Transactions on Interactive Intelligent Systems (TiiS)

5, 4, Article 19 (December 2015), 19 pages.