A normal wiggly hesitant fuzzy linguistic projection‐based multiattributive border approximation area comparison method
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As a useful information representation tool, hesitant fuzzy linguistic term set (HFLTS) allows decision makers (DMs) to express their cognitive preferences in terms of several ordered and continuous linguistic terms. Considering the fact that much valuable information related to the cognitive behavior of DMs is hidden in the original evaluation information, this paper studies how to comprehensively mine uncertain information from original hesitant fuzzy linguistic evaluation information given by DMs. To address this objective, we present a new representation tool, normal wiggly hesitant fuzzy linguistic term set (NWHFLTS), which not only retains the original evaluation information, but also delivers and quantifies potential uncertain information, and can also help DMs express their evaluation information in a more complete manner. First, we develop the basic operations, score function, and comparison rule of NWHFLTS based on linguistic scale functions (LSFs), and propose the projection measure, the normal projection measure, and the normalized projection-based distance measure to describe the degree of deviation between two NWHFLTSs. Furthermore, for the case when the attribute weight is completely unknown, we combine the multiattributive border approximation area comparison (MABAC) method and develop a new method called as normal wiggly hesitant fuzzy linguistic projection-based MABAC to solve the multiattribute decision-making problems where attribute values are expressed in the form of NWHFLTS. Finally, through a practical example of marine ecological security situation, the specific calculation steps of this method are exemplified, the feasibility and advancement of the proposed method are demonstrated via a comprehensive comparative study.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle