論文の概要: Iterative Hierarchy and Ranking Process (IHRP): A Novel Effective Hierarchy Method for Densely Connected Systems and Case Study in Student Performance Assessment

• arxiv url: http://arxiv.org/abs/2306.10409v1
• Date: Sat, 17 Jun 2023 19:11:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-21 20:53:22.780103
• Title: Iterative Hierarchy and Ranking Process (IHRP): A Novel Effective Hierarchy Method for Densely Connected Systems and Case Study in Student Performance Assessment
• Title（参考訳）: 階層的階層化と階層化プロセス(ihrp) : 密結合システムに対する新しい効果的な階層化手法と学生成績評価の事例研究
• Authors: Suvojit Dhara and Adrijit Goswami
• Abstract要約: 解釈構造モデリング(ISM)は、専門家の意見に基づいて要素間影響をマイニングする階層構築手法として広く用いられている。 本稿では,従来のISM法の主な欠点の一つとして,その要因が密接な関係にあるシステムについて論じる。 本稿では,このような高密度システムにおいて効果的に機能する「Iterative Hierarchy and Ranking Process」(IHRP)と呼ばれる,新しい反復的階層構築手法を提案する。
• 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 real-life decision-making problems, determining the influences of the factors on the decision attribute is one of the primary tasks. To affect the decision attribute most, finding a proper hierarchy among the factors and determining their importance values in the system becomes quite important. Interpretive structural modeling (ISM) is a widely used hierarchy-building method that mines factor inter-influences based on expert opinions. This paper discusses one of the main drawbacks of the conventional ISM method in systems where the factors are densely interrelated. We refer to such systems as "dense systems". We propose a novel iterative hierarchy-building technique, called 'Iterative Hierarchy and Ranking Process'(IHRP) which performs effectively in such dense systems. To take the vagueness of the expert opinions into account, intuitionistic fuzzy linguistics has been used in the research work. In this paper, we propose a two-stage calculation of the relative importance of the factors in the system based on their hierarchical positions and rank the factors accordingly. We have performed a case study on student performance assessment by taking up novel Indian high-school administrative factors' data collected by surveying the experts in this field. A comparative study has been conducted in terms of the correlation of the factor ranking achieved by the proposed method and conventional ISM method with that of standard outranking methods like TOPSIS, and VIKOR. Our proposed IHRP framework achieves an 85-95% correlation compared to a 50-60% correlation for the conventional ISM method. This proves the effectiveness of the proposed method in determining a better hierarchy than the conventional method, especially in dense systems.
• Abstract（参考訳）: 実際の意思決定問題では、決定属性に対する要因の影響を決定することが重要な課題である。 決定属性に最も影響を与えるためには、要因間の適切な階層を見つけ、システムにおけるそれらの重要値を決定することが非常に重要である。 解釈構造モデリング(ISM)は、専門家の意見に基づいて要素間影響をマイニングする階層構築手法として広く用いられている。 本稿では,従来のISM法の主な欠点の1つとして,これらの要因が密接な相互関係を持つシステムについて述べる。 このようなシステムを "dense system" と呼ぶ。 本稿では,このような高密度システムにおいて効果的に機能する「Iterative Hierarchy and Ranking Process(IHRP)」と呼ばれる新しい階層構築手法を提案する。 専門家の意見の曖昧さを考慮に入れるため、直観主義的ファジィ言語学は研究に使われてきた。 本稿では,その階層的位置に基づくシステムにおける要因の相対的重要性を2段階計算し,それに従って因子をランク付けする。 本研究は,インドにおける新しい高校行政因子のデータを調査によって収集し,学生の成績評価を事例的に検討した。 提案手法と従来のism法で達成した因子ランキングとtopsisやvikorなどの標準的外格法との比較検討を行った。 提案手法は従来のISM法と比較して85-95%の相関性が得られる。 このことは,従来の手法,特に高密度システムよりも優れた階層構造を決定するための提案手法の有効性を実証する。

関連論文リスト

• Hierarchical Reinforcement Learning for Temporal Abstraction of Listwise Recommendation [51.06031200728449]
  我々はmccHRLと呼ばれる新しいフレームワークを提案し、リストワイドレコメンデーションにおける時間的抽象化のレベルを異なるものにする。 階層的な枠組みの中では、ハイレベルエージェントがユーザ知覚の進化を研究し、低レベルエージェントがアイテム選択ポリシーを作成している。 その結果,本手法による性能改善は,いくつかのよく知られたベースラインと比較して有意な結果が得られた。
  論文  参考訳（メタデータ） (2024-09-11T17:01:06Z)
• Key Design Choices in Source-Free Unsupervised Domain Adaptation: An In-depth Empirical Analysis [16.0130560365211]
  本研究では、画像分類におけるSF-UDA(Source-Free Unsupervised Domain Adaptation)のベンチマークフレームワークを提供する。 この研究は、さまざまなSF-UDAテクニックを実証的に検証し、データセット間の一貫性を評価する。 トレーニング済みのデータセットと戦略を徹底的に評価し、特に教師付きおよび自己監督型の手法に重点を置いている。
  論文  参考訳（メタデータ） (2024-02-25T13:37:36Z)
• Performance Improvement in Multi-class Classification via Automated Hierarchy Generation and Exploitation through Extended LCPN Schemes [0.0]
  本研究では,階層分類(HC)の性能を包括的解析により検討する。 2つの新しい階層化手法 LCPN+ と LCPN+F が導入された。 その結果、LCPN+Fは様々なデータセットやシナリオにまたがる他のスキームよりも優れており、一貫性のある優位性を示している。
  論文  参考訳（メタデータ） (2023-10-31T17:11:29Z)
• Analyzing Different Expert-Opined Strategies to Enhance the Effect on the Goal of a Multi-Attribute Decision-Making System Using a Concept of Effort Propagation and Application in Enhancement of High School Students' Performance [0.0]
  本稿では,並列化と階層化という2つの戦略と,伝搬戦略を提案する。 本研究は,高校生のパフォーマンス向上に重要な役割を担っている,インドの高校の経営要因に関する実生活事例研究について分析した。
  論文  参考訳（メタデータ） (2023-07-05T12:53:40Z)
• Better Understanding Differences in Attribution Methods via Systematic Evaluations [57.35035463793008]
  モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。 本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。 これらの評価手法を用いて、広範囲のモデルにおいて広く用いられている属性手法の長所と短所について検討する。
  論文  参考訳（メタデータ） (2023-03-21T14:24:58Z)
• Vote'n'Rank: Revision of Benchmarking with Social Choice Theory [7.224599819499157]
  本稿では,社会的選択論の原理に基づき,マルチタスクベンチマークにおけるシステムランキングの枠組みであるVote'n'Rankを提案する。 いくつかのMLサブフィールドにおいて,ベンチマークに関する新たな洞察を引き出すために,我々の手法を効率的に活用できることを実証する。
  論文  参考訳（メタデータ） (2022-10-11T20:19:11Z)
• Towards Better Understanding Attribution Methods [77.1487219861185]
  モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。 本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。 また,いくつかの属性法の性能を著しく向上する処理後平滑化ステップを提案する。
  論文  参考訳（メタデータ） (2022-05-20T20:50:17Z)
• Confounder Identification-free Causal Visual Feature Learning [84.28462256571822]
  本稿では,創始者を特定する必要性を排除した,創始者同定自由因果視覚特徴学習(CICF)手法を提案する。 CICFは、フロントドア基準に基づいて異なるサンプル間の介入をモデル化し、インスタンスレベルの介入に対するグローバルスコープ干渉効果を近似する。 我々は,CICFと一般的なメタラーニング戦略MAMLの関係を明らかにするとともに,MAMLが理論的観点から機能する理由を解釈する。
  論文  参考訳（メタデータ） (2021-11-26T10:57:47Z)
• Towards a Better Tradeoff between Effectiveness and Efficiency in Pre-Ranking: A Learnable Feature Selection based Approach [12.468550800027808]
  現実世界の検索、レコメンデーション、広告システムでは、多段階ランキングアーキテクチャが一般的である。 本論文では,対話型アーキテクチャを備えた複雑なモデルをサポートする新しい事前ランク付け手法を提案する。 本手法は,学習可能な特徴選択手法を用いることで,有効性と効率のトレードオフを向上する。
  論文  参考訳（メタデータ） (2021-05-17T09:48:15Z)
• Leveraging Expert Consistency to Improve Algorithmic Decision Support [62.61153549123407]
  建設のギャップを狭めるために観測結果と組み合わせることができる情報源として,歴史専門家による意思決定の利用について検討する。 本研究では,データ内の各ケースが1人の専門家によって評価された場合に,専門家の一貫性を間接的に推定する影響関数に基づく手法を提案する。 本研究は, 児童福祉領域における臨床現場でのシミュレーションと実世界データを用いて, 提案手法が構成ギャップを狭めることに成功していることを示す。
  論文  参考訳（メタデータ） (2021-01-24T05:40:29Z)
• Deep Learning feature selection to unhide demographic recommender systems factors [63.732639864601914]
  行列分解モデルは意味的知識を含まない因子を生成する。 DeepUnHideは、協調フィルタリングレコメンデータシステムにおいて、ユーザとアイテムファクタから、人口統計情報を抽出することができる。
  論文  参考訳（メタデータ） (2020-06-17T17:36:48Z)

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。