論文の概要: Teranga Go!: Carpooling Collaborative Consumption Community with multi-criteria hesitant fuzzy linguistic term set opinions to build confidence and trust
- arxiv url: http://arxiv.org/abs/2403.05550v1
- Date: Wed, 7 Feb 2024 15:50:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 06:19:57.795182
- Title: Teranga Go!: Carpooling Collaborative Consumption Community with multi-criteria hesitant fuzzy linguistic term set opinions to build confidence and trust
- Title（参考訳）: Teranga Go!: Carpooling Collaborative Consumption Community with multi-criteria hesitant fuzzy language term set opinion to build confidence and trust
- Authors: Rosana Montes, Ana M. Sanchez, Pedro Villar, Francisco Herrera,
- Abstract要約: ファジィ・デルフィは、ファジィ数を用いて意見の曖昧さを減らす言語の観点から、裁判官が発行した意見を取る。
本稿では,2-Tuple Fuzzy Linguistic Delphi法という拡張法を提案する。
- 参考スコア（独自算出の注目度）: 8.107295925954475
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Classic Delphi and Fuzzy Delphi methods are used to test content validity of a data collection tools such as questionnaires. Fuzzy Delphi takes the opinion issued by judges from a linguistic perspective reducing ambiguity in opinions by using fuzzy numbers. We propose an extension named 2-Tuple Fuzzy Linguistic Delphi method to deal with scenarios in which judges show different expertise degrees by using fuzzy multigranular semantics of the linguistic terms and to obtain intermediate and final results expressed by 2-tuple linguistic values. The key idea of our proposal is to validate the full questionnaire by means of the evaluation of its parts, defining the validity of each item as a Decision Making problem. Taking the opinion of experts, we measure the degree of consensus, the degree of consistency, and the linguistic score of each item, in order to detect those items that affect, positively or negatively, the quality of the instrument. Considering the real need to evaluate a b-learning educational experience with a consensual questionnaire, we present a Decision Making model for questionnaire validation that solve it. Additionally, we contribute to this consensus reaching problem by developing an online tool under GPL v3 license. The software visualizes the collective valuations for each iteration and assists to determine which parts of the questionnaire should be modified to reach a consensual solution.
- Abstract（参考訳）: 古典的なデルフィ法とファジィデルフィ法は、アンケートなどのデータ収集ツールのコンテンツ妥当性をテストするために用いられる。
ファジィ・デルフィは、ファジィ数を用いて意見の曖昧さを減らす言語の観点から、裁判官が発行した意見を取る。
本稿では,2-tuple Fuzzy Linguistic Delphi法という2-Tuple Fuzzy Linguistic Delphi法の拡張手法を提案する。
本提案の鍵となる考え方は,各項目の妥当性を意思決定問題として定義し,その部分の評価によって全アンケートを検証することである。
専門家の意見を受けて,各項目のコンセンサス度,一貫性度,言語スコアを測定し,楽器の品質に影響を及ぼす項目を検出する。
本研究は,b-ラーニング教育経験を合意型アンケートで評価することの必要性を鑑み,それを解決するための意思決定モデルを提案する。
さらに、GPL v3ライセンス下でオンラインツールを開発することで、この合意に達する問題に貢献する。
ソフトウェアは各イテレーションの集合的評価を可視化し、アンケートのどの部分が合意されたソリューションに到達すべきかを判断する手助けをする。
関連論文リスト
- Design and consensus content validity of the questionnaire for
b-learning education: A 2-Tuple Fuzzy Linguistic Delphi based Decision
Support Tool [0.1957338076370071]
ファジィ・デルフィは、ファジィ数を用いて意見の曖昧さを減らす言語の観点から、裁判官が発行した意見を取る。
本稿では,2-Tuple Fuzzy Linguistic Delphi法という拡張法を提案する。
論文 参考訳（メタデータ） (2024-02-01T13:32:18Z) - SOUL: Towards Sentiment and Opinion Understanding of Language [96.74878032417054]
我々は、言語感覚とオピニオン理解(SOUL)と呼ばれる新しいタスクを提案する。
SOULは2つのサブタスクを通して感情理解を評価することを目的としている:レビュー(RC)と正当化生成(JG)。
論文 参考訳（メタデータ） (2023-10-27T06:48:48Z) - On Degrees of Freedom in Defining and Testing Natural Language
Understanding [8.553766123004682]
自然言語理解研究は、しばしばシステムの能力を誇張または過小評価する。
これらの誤った評価は、NLUを適切に定義し、テストすることの難しさに起因する。
本稿では,テストコンポーネント間の一連の検証基準を構成するフレームワークである妥当性議論を提案する。
論文 参考訳（メタデータ） (2023-05-24T13:25:20Z) - We're Afraid Language Models Aren't Modeling Ambiguity [136.8068419824318]
あいまいさの管理は人間の言語理解の重要な部分です。
文中のあいまいさは,他の文との係り受け関係に与える影響によって特徴付けられる。
我々は,多ラベルNLIモデルが曖昧さによって誤解を招く野生の政治的主張にフラグを付けることができることを示す。
論文 参考訳（メタデータ） (2023-04-27T17:57:58Z) - ChatGPT as a Factual Inconsistency Evaluator for Text Summarization [17.166794984161964]
ゼロショット設定下において,ChatGPTは事実整合性を評価することができることを示す。
一般的に、二項関係推論、要約ランク付け、一貫性評価に関する以前の評価指標よりも優れています。
しかし、ChatGPTの出力を綿密に検査すると、より語彙的に類似した候補を好むこと、誤った推論、指示の不十分な理解など、一定の制限が示される。
論文 参考訳（メタデータ） (2023-03-27T22:30:39Z) - SIFN: A Sentiment-aware Interactive Fusion Network for Review-based Item
Recommendation [48.1799451277808]
本稿では、レビューに基づく項目推薦のための感性認識型インタラクティブフュージョンネットワーク(SIFN)を提案する。
まず、BERTを介してユーザ/イテムレビューをエンコードし、各レビューのセマンティックな特徴を抽出する軽量な感情学習者を提案する。
そこで我々は,感情学習者が明示的な感情ラベルを用いて感情認識特徴を抽出するための感情予測タスクを提案する。
論文 参考訳（メタデータ） (2021-08-18T08:04:38Z) - Deep learning for sentence clustering in essay grading support [1.7259867886009057]
フィンランド語における大学生エッセイの2つのデータセットを紹介し,文レベルの有意な議論に対して手作業で注釈を付ける。
我々は,エッセイグレーディングを支援するために,文クラスタリングに適した深層学習埋め込み手法をいくつか評価した。
論文 参考訳（メタデータ） (2021-04-23T12:32:51Z) - TextFlint: Unified Multilingual Robustness Evaluation Toolkit for
Natural Language Processing [73.16475763422446]
NLPタスク(TextFlint)のための多言語ロバスト性評価プラットフォームを提案する。
普遍的なテキスト変換、タスク固有の変換、敵攻撃、サブポピュレーション、およびそれらの組み合わせを取り入れ、包括的な堅牢性分析を提供する。
TextFlintは、モデルの堅牢性の欠点に対処するために、完全な分析レポートとターゲットとした拡張データを生成します。
論文 参考訳（メタデータ） (2021-03-21T17:20:38Z) - Hierarchical Bi-Directional Self-Attention Networks for Paper Review
Rating Recommendation [81.55533657694016]
本稿では,階層型双方向自己注意ネットワークフレームワーク(HabNet)を提案する。
具体的には、文エンコーダ(レベル1)、レビュー内エンコーダ(レベル2)、レビュー間エンコーダ(レベル3)の3つのレベルで、論文レビューの階層構造を利用する。
我々は、最終的な受理決定を行う上で有用な予測者を特定することができ、また、数値的なレビュー評価とレビュアーが伝えるテキストの感情の不整合を発見するのに役立てることができる。
論文 参考訳（メタデータ） (2020-11-02T08:07:50Z) - A Unified Dual-view Model for Review Summarization and Sentiment
Classification with Inconsistency Loss [51.448615489097236]
ユーザーレビューから正確な要約と感情を取得することは、現代のEコマースプラットフォームにとって不可欠な要素である。
本稿では,これら2つのタスクの性能を協調的に改善する新しいデュアルビューモデルを提案する。
異なる領域の4つの実世界のデータセットに対する実験結果から,本モデルの有効性が示された。
論文 参考訳（メタデータ） (2020-06-02T13:34:11Z)
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。