Three-way decisions in generalized intuitionistic fuzzy environments: survey and challenges
Notice bibliographique
Résumé
Enhancing decision-making under risks is crucial in various fields, and three-way decision (3WD) methods have been extensively utilized and proven to be effective in numerous scenarios. However, traditional methods may not be sufficient when addressing intricate decision-making scenarios characterized by uncertain and ambiguous information. In response to this challenge, the generalized intuitionistic fuzzy set (IFS) theory extends the conventional fuzzy set theory by introducing two pivotal concepts, i.e., membership degrees and non-membership degrees. These concepts offer a more comprehensive means of portraying the relationship between elements and fuzzy concepts, thereby boosting the ability to model complex problems. The generalized IFS theory brings about heightened flexibility and precision in problem-solving, allowing for a more thorough and accurate description of intricate phenomena. Consequently, the generalized IFS theory emerges as a more refined tool for articulating fuzzy phenomena. The paper offers a thorough review of the research advancements made in 3WD methods within the context of generalized intuitionistic fuzzy (IF) environments. First, the paper summarizes fundamental aspects of 3WD methods and the IFS theory. Second, the paper discusses the latest development trends, including the application of these methods in new fields and the development of new hybrid methods. Furthermore, the paper analyzes the strengths and weaknesses of research methods employed in recent years. While these methods have yielded impressive outcomes in decision-making, there are still some limitations and challenges that need to be addressed. Finally, the paper proposes key challenges and future research directions. Overall, the paper offers a comprehensive and insightful review of the latest research progress on 3WD methods in generalized IF environments, which can provide guidance for scholars and engineers in the intelligent decision-making field with situations characterized by various uncertainties.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».