發(fā)布時(shí)間：2019-07-23 10:40

【摘要】：決策是管理的核心,決策貫穿管理的全過(guò)程.群體決策中會(huì)產(chǎn)生海量的研討信息,研討信息與決策方案之間存在多種關(guān)系.論文研究了群體決策中多種研討信息關(guān)系的自動(dòng)識(shí)別方法,構(gòu)建了多種研討信息關(guān)系自動(dòng)識(shí)別模型,并應(yīng)用于實(shí)際的群體決策過(guò)程.應(yīng)用結(jié)果表明,該模型較好地實(shí)現(xiàn)了研討信息與決策方案之間強(qiáng)烈支持、一般支持、中立、一般反對(duì)和強(qiáng)烈反對(duì)關(guān)系的自動(dòng)識(shí)別,可以輔助人對(duì)群體研討信息的整理和分析,提高了群體決策過(guò)程信息組織的效率.
【圖文】：

方案進(jìn)行評(píng)論，不允許針對(duì)其他成員的評(píng)論信息進(jìn)行二次評(píng)論．在圖1中，首先從群體決策支持系統(tǒng)(groupdecisionsupportsystem，GDSS)［12，15］中提取出研討信息作為待識(shí)別的目標(biāo)信息，對(duì)目標(biāo)信息進(jìn)行特征詞提取，生成初始特征向量;然后將研討信息的初始特征向量在潛在語(yǔ)義空間中進(jìn)行奇異值分解，經(jīng)過(guò)降維減噪得到新的特征矩陣后輸入支持向量機(jī)，并運(yùn)用支持向量機(jī)方法識(shí)別研討信息與決策方案之間的關(guān)系，識(shí)別出來(lái)的結(jié)果即可作為該信息的屬性用于信息組織．下面詳細(xì)研究和闡述群體決策中研討信息關(guān)系的自動(dòng)識(shí)別方法．圖1群體決策中研討信息關(guān)系自動(dòng)識(shí)別概念模型Fig．1Conceptualmodelofautomaticargumentationinformationrelationshipidentificationingroupdecision1．2基于潛在語(yǔ)義分析的研討信息表示1．2．1研討信息的特征提取要實(shí)現(xiàn)群體決策中研討信息的自動(dòng)識(shí)別，首先需要研究研討信息的表示，本文采用潛在語(yǔ)義分析法表示研討信息．首先進(jìn)行特征提取，特征提取是文本信息所屬類(lèi)別的共性與識(shí)別規(guī)則的歸納過(guò)程，是群體決策中研討信息關(guān)系識(shí)別的重要環(huán)節(jié)，它直接影響到識(shí)別的效果．信息特征提取應(yīng)以信息的內(nèi)容為基礎(chǔ)，要求所提取的特征能充分代表原始文本的內(nèi)容．由于本文研究群體決策中研討信息強(qiáng)烈支持、一般支持、中立、強(qiáng)烈反對(duì)和一般反對(duì)關(guān)系的識(shí)別，所以需要提取能夠表征研討者支持、反對(duì)和中立態(tài)度的關(guān)鍵詞作為特征詞來(lái)表示研討信息．同時(shí)，還必須剔除那些在識(shí)別過(guò)程中會(huì)造成干擾的詞．1．2．2構(gòu)建初始特征詞—研討信息矩陣通過(guò)研討信息的特征提取構(gòu)建初始特征詞—研討信息矩陣(term-argumentationinformationma-trix)．假設(shè)針對(duì)群體決策方案，群體研討過(guò)程中產(chǎn)生了n條研討信息，提取了m個(gè)特征詞，那么，可以構(gòu)

k=66的等高線圖(圖2)和相應(yīng)3D視圖(圖3)，從圖2和圖3可以確定最優(yōu)參數(shù)的范圍，并可以粗略選出一組最優(yōu)參數(shù)值，此時(shí)最優(yōu)c為21．1121，最優(yōu)g為0．43528，對(duì)應(yīng)的交叉檢驗(yàn)平均準(zhǔn)確率為74．3316%．2)參數(shù)的精細(xì)選擇經(jīng)過(guò)參數(shù)的粗略選擇，將c范圍縮小到2－2～28，g范圍縮小到2－4～24，并將cstep和gstep設(shè)置為0．5，由此得出精細(xì)選擇后k=66的等高線圖(圖4)和相應(yīng)的3D視圖(圖5)．至此，經(jīng)過(guò)參數(shù)的粗略選擇和精細(xì)選擇可以得到k=66的最優(yōu)參數(shù)c=11．3137，g=0．70711，對(duì)應(yīng)的交叉檢驗(yàn)平均準(zhǔn)確率為81．8182%．圖2k=66時(shí)的參數(shù)粗略選擇等高線圖Fig．2Contourmaponsearchingforc＆groughlywhenk=66圖3k=66時(shí)的參數(shù)粗略選擇3D視圖Fig．3Contour3onsearchingforc＆groughlywhenk=66圖4k=66時(shí)的參數(shù)精細(xì)選擇等高線圖Fig．4Contourmaponsearchingforc＆gaccuratelywhenk=66圖5k=66時(shí)的參數(shù)精細(xì)選擇3D視圖Fig．5Contour3onsearchingforc＆gaccuratelywhenk=66同樣可以得到前面所取各維度的最佳SVM參數(shù)以及對(duì)應(yīng)的平均準(zhǔn)確率(如表3)．2．3．2支持向量機(jī)模型的測(cè)在不同輸入維度的最優(yōu)參數(shù)確定以后，用剩下的186條研討信息來(lái)測(cè)試支持向量機(jī)模型的有第9期李欣苗等:群體決策中多種研討信息關(guān)系的自動(dòng)識(shí)別方法—15—
【作者單位】： 上海財(cái)經(jīng)大學(xué)信息管理與工程學(xué)院;上海交通大學(xué)安泰經(jīng)濟(jì)與管理學(xué)院;
【基金】：國(guó)家自然科學(xué)基金重大資助項(xiàng)目(79990580);國(guó)家自然科學(xué)基金重點(diǎn)資助項(xiàng)目(70533030);國(guó)家自然科學(xué)基金資助項(xiàng)目(71001059)
【分類(lèi)號(hào)】：C934;F224

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 劉怡君;唐錫晉;;一種支持協(xié)作與知識(shí)創(chuàng)造的“場(chǎng)”[J];管理科學(xué)學(xué)報(bào);2006年01期

2 余正濤;樊孝忠;郭劍毅;耿增民;;基于潛在語(yǔ)義分析的漢語(yǔ)問(wèn)答系統(tǒng)答案提取[J];計(jì)算機(jī)學(xué)報(bào);2006年10期

3 李欣苗;張朋柱;張興學(xué);;團(tuán)隊(duì)創(chuàng)新信息關(guān)系的自動(dòng)識(shí)別方法及其應(yīng)用[J];管理科學(xué)學(xué)報(bào);2007年05期

【共引文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

1 常娥;古籍智能處理技術(shù)研究[D];南京農(nóng)業(yè)大學(xué);2007年

相關(guān)碩士學(xué)位論文 前4條

1 王鵬;用于區(qū)域規(guī)劃問(wèn)題求解的綜合集成研討廳系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];上海交通大學(xué);2008年

2 蔣御柱;用于群體研討支持系統(tǒng)的主持人支持系統(tǒng)研究[D];上海交通大學(xué);2008年

3 董秀杰;基于LSA的文本分析[D];北京理工大學(xué);2008年

4 鄧錦輝;受限域中文問(wèn)答系統(tǒng)中答案抽取的研究[D];昆明理工大學(xué);2008年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林鴻飛,高仁t，

本文編號(hào)：2518101