MétaCan
Menu
Retour à la cohorte
Enregistrement W3013652437 · doi:10.18280/isi.250110

Conflict Analysis Based on Three-Way Decision Theoretic Fuzzy Rough Set over Two Universes

2020· article· en· W3013652437 sur OpenAlexvenueno aff
Xiao Kang Tang, Ting Zeng, Yang Tan, Benxiang Ding

Notice bibliographique

RevueIngénierie des systèmes d information · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueRough Sets and Fuzzy Logic
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRough setConflict analysisFuzzy logicSet (abstract data type)Decision analysisMathematicsFuzzy setComputer scienceMathematical economicsArtificial intelligenceSociologyConflict resolutionSocial science

Résumé

récupéré en direct d'OpenAlex

Conflict is an inevitable feature of human endeavor.The conflict analysis has great theoretical and practical significance.Some scholars have discussed three-way decision in conflict analysis with probabilistic rough set (RS) over two universes, but have not probed deep into the fuzzy rough set (FRS) for conflict analysis.To make up for the gap, this paper firstly introduces the concepts and properties of conflict information system (CIS) and probabilistic CIS over two universes.Next, a brand-new system called FRS-CIS was established, followed by the construction of probability measure function and two novel mappings in the probabilistic FRS-CIS over two universes.Furthermore, the authors discussed the properties of probability measure and the lower and upper approximations of 𝑌 with parameters 𝛼 and 𝛽 corresponding to each mapping.Finally, (0,1)-probabilistic FRS and 0.5-probabilistic FRS were presented for the FRS-CIS and explained with examples, according to the three-way decision theoretic RS under the CIS over two universes.The research results shed new light to solving the FRS under FRS-CIS over two universes.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,002
Communication savante0,0030,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,254
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIngénierie des systèmes d informationMême sujetRough Sets and Fuzzy LogicTravaux en français237 207