A New Approach of Possibility Single-Valued Neutrosophic Set and Its Application in Decision-Making Environment
Notice bibliographique
Résumé
The single-valued neutrosophic set (SVNS) is a widely known model for dealing with uncertain, conflicting, and indeterminate information. In practice, the SVNSs are very useful tools to be used in solving multi-criteria decision-making (MCDM), but in the process of processing by the three functions of SVNS the evaluation process for this handling disappears. To overcome this deficiency, we present in this work a new approach called possibility single-valued neutrosophic set (PSVNS) that differs from previous approaches. The implementation of this proposed approach in this work is based on giving each of the three functions in SVNS a fuzzy degree ranging between 0 and 1. As a result, firstly, the elementary notion of possibility single neutrosophic set is proposed, and some of its primary properties, i.e., subset, null set, absolute set, and complement are explored, as well as some numerical examples that explain the mechanism of the obtained results. Secondly, the basic set-theoretic operations i.e., such as extended union, the intersection of two PSVNSs, and the complement operation of PSVNS, as well as some relevant properties, are investigated, and numerical examples are provided to illustrate the mechanism behind these results. Lastly, the similarity measure between two PSVNSs is characterized with the help of an example. This technique of similarity measure is successfully used in decision-making to choose the appropriate college.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».