論文の概要: Towards secure judgments aggregation in AHP

• arxiv url: http://arxiv.org/abs/2303.15099v2
• Date: Mon, 3 Apr 2023 21:41:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-05 17:33:04.573894
• Title: Towards secure judgments aggregation in AHP
• Title（参考訳）: AHPにおける安全な判断集約に向けて
• Authors: Konrad Ku{\l}akowski and Jacek Szybowski and Jiri Mazurek and Sebastian Ernst
• Abstract要約: 専門家は正直でプロだと考えるのが普通です。 グループ意思決定フレームワークの1つ以上の専門家が、結果の操作を好意的に試みている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In decision-making methods, it is common to assume that the experts are honest and professional. However, this is not the case when one or more experts in the group decision making framework, such as the group analytic hierarchy process (GAHP), try to manipulate results in their favor. The aim of this paper is to introduce two heuristics in the GAHP, setting allowing to detect the manipulators and minimize their effect on the group consensus by diminishing their weights. The first heuristic is based on the assumption that manipulators will provide judgments which can be considered outliers with respect to those of the rest of the experts in the group. The second heuristic assumes that dishonest judgments are less consistent than the average consistency of the group. Both approaches are illustrated with numerical examples and simulations.
• Abstract（参考訳）: 意思決定においては、専門家が正直で専門家であると仮定するのが一般的である。 しかし、グループ分析階層プロセス(GAHP)のようなグループ決定フレームワークの1つ以上の専門家が、結果の操作を好意的に行おうとする場合は、そうではない。 本研究の目的は,GAHPに2つのヒューリスティックスを導入し,加重を小さくすることでマニピュレータの検出とグループコンセンサスへの影響を最小化することである。 最初のヒューリスティックは、マニピュレータがグループの他の専門家の判断に対して外れ値と見なすことができる判断を提供するという仮定に基づいている。 第二のヒューリスティックは、不正直な判断はグループの平均的な一貫性よりも一貫性が低いと仮定する。 どちらのアプローチも数値的な例とシミュレーションで示される。

関連論文リスト

• Finite-Sample and Distribution-Free Fair Classification: Optimal Trade-off Between Excess Risk and Fairness, and the Cost of Group-Blindness [14.421493372559762]
  グループフェアネス制約下の二項分類におけるアルゴリズムフェアネスとグループブレンドネスの強制効果を定量化する。 制御された過剰リスクを伴う分布自由かつ有限サンプルフェアネスを保証するフェア分類のための統一的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-21T20:04:17Z)
• Sentiment Analysis through LLM Negotiations [58.67939611291001]
  感情分析の標準的なパラダイムは、単一のLCMに依存して、その決定を1ラウンドで行うことである。 本稿では,感情分析のためのマルチLLMネゴシエーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-03T12:35:29Z)
• Online Decision Mediation [72.80902932543474]
  意思決定支援アシスタントを学習し、(好奇心)専門家の行動と(不完全)人間の行動の仲介役として機能することを検討する。 臨床診断では、完全に自律的な機械行動は倫理的余裕を超えることが多い。
  論文  参考訳（メタデータ） (2023-10-28T05:59:43Z)
• Modeling the Q-Diversity in a Min-max Play Game for Robust Optimization [61.39201891894024]
  群分布的ロバスト最適化(群 DRO)は、事前定義された群に対する最悪の損失を最小限にすることができる。 グループDROフレームワークをQ-Diversityを提案して再構築する。 インタラクティブなトレーニングモードによって特徴付けられるQ-Diversityは、アノテーションからグループ識別を緩和し、直接パラメータ化を行う。
  論文  参考訳（メタデータ） (2023-05-20T07:02:27Z)
• Detection of Groups with Biased Representation in Ranking [28.095668425175564]
  上位ランクの項目に偏りのある群を検出する問題について検討する。 2つの異なる公正度尺度に対する効率的な探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-12-30T10:50:02Z)
• Manipulation of individual judgments in the quantitative pairwise comparisons method [0.0]
  専門家(意思決定者)はその判断に誠実であると一般的に信じられている。 私たちの研究では、専門家が収賄に弱いシナリオを考えます。
  論文  参考訳（メタデータ） (2022-11-01T22:35:00Z)
• Towards a multi-stakeholder value-based assessment framework for algorithmic systems [76.79703106646967]
  我々は、価値間の近さと緊張を可視化する価値に基づくアセスメントフレームワークを開発する。 我々は、幅広い利害関係者に評価と検討のプロセスを開放しつつ、それらの運用方法に関するガイドラインを提示する。
  論文  参考訳（メタデータ） (2022-05-09T19:28:32Z)
• Spatio-Temporal Graph Representation Learning for Fraudster Group Detection [50.779498955162644]
  企業は、偽レビューを書くために詐欺師グループを雇い、競合相手をデモしたり、自分のビジネスを宣伝したりすることができる。 そのようなグループを検出するには、詐欺師グループの静的ネットワークを表現するのが一般的なモデルである。 両レビュアーの表現学習におけるHIN-RNNの有効性を第一に活用することを提案する。
  論文  参考訳（メタデータ） (2022-01-07T08:01:38Z)
• A integrating critic-waspas group decision making method under interval-valued q-rung orthogonal fuzzy enviroment [0.0]
  本稿では,重みと属性の重みが未知な多属性群意思決定のための新しいツールを提案する。 本稿では,Yager演算子とCRITIC-WASPAS法に基づいて,時間間隔値の一般化されたファジィ群決定法を提案する。 その利点は、意思決定者がより大きな自由を許容し、意思決定者の重みによる偏見を回避し、正確な評価を得ることにある。
  論文  参考訳（メタデータ） (2022-01-04T08:11:28Z)
• Blind Exploration and Exploitation of Stochastic Experts [7.106986689736826]
  我々は,後方サンプリング,高信頼境界,経験的Kulback-Leibler分散,およびマルチアームバンディット問題に対するminmax法を用いて,最も信頼性の高い専門家を特定するためのブラインド探索・エクスプロイト(BEE)アルゴリズムを提案する。 本稿では,他の専門家の意見のみを瞬時に活用できる,経験的に実現可能な専門家能力尺度を提案する。
  論文  参考訳（メタデータ） (2021-04-02T15:02:02Z)
• Robust Optimization for Fairness with Noisy Protected Groups [85.13255550021495]
  ノイズが保護されたグループラベルに頼った結果について検討した。 頑健な最適化を用いた2つの新しいアプローチを提案する。 頑健なアプローチは、単純アプローチよりも真のグループ公平性を保証することが示される。
  論文  参考訳（メタデータ） (2020-02-21T14:58:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。