A Novel Ranking Framework for Linked Data from Relational Databases

This paper investigates the problem of ranking linked data from relational databases using a ranking framework. The core idea is to group relationships by their types, then rank the types, and finally rank the instances attached to each type. The ranking criteria for each step considers the mapping rules and heterogeneous graph structure of the data web. Tests based on a social network dataset show that the linked data ranking is effective and easier for people to understand. This approach benefits from utilizing relationships deduced from mapping rules based on table schemas and distinguishing the relationship types, which results in better ranking and visualization of the linked data.     

基于优先图的本体相似度计算

本体概念的相似度计算是信息检索的重要研究课题。通过优先图的构造和核函数方法得到关于排序代价函数的正则平方最小框架,利用表示理论得到模型的解,从而将原本体图映射到实直线,原本体图中每个顶点映射到对应实数。原本体图中概念之间的相似度通过它们对应实数间的差值来判定。将该算法分别应用于计算机和生物本体,实验数据表明新算法有较高的P@N命中率。     

不完全信息下多属性决策的证据推理方法

针对权系数未知、属性值具有缺失的不完全信息下多属性决策问题,给出了一种基于证据推理的方法。该方法通过对决策矩阵的规范化处理、不同属性下焦元的确定及评价值计算,获得证据的基本概率分配,然后利用证据合成,并通过信任区间的计算与排序,获得整个方案集的排序。最终,实例表明了该方法的有效性和可行性。     

基于不确定IOWGA算子的多属性决策方法

将导出有序加权平均(IOWGA)算子推广到不确定的环境下,即所给出的数据信息为区间数。提出了一种不确定导出有序加权几何平均(UIOWGA)算子。利用区间数比较的可能度公式,提出了一种决策信息的集结方法,最后的实例说明该方法的有效性和合理性。     

有偏好信息的多目标N人非合作模糊对策及其解

刻画了有偏好信息的多目标N人非合作模糊对策.给出了局中人相互知道权重偏好和相互不知道权重偏好时对策的求解方法.证明了在这种解的意义下,非合作的局中人的实际模糊支付值不比它期望的小及不论各局中人是否相互知道他人的权重偏好,实际形成的对策局势都相同.     

面向属性关联的区间犹豫模糊型PROMETHEE决策方法

面向属性关联的多属性决策问题中, 合理刻画并设计融合属性关联的决策模型是提高决策绩效的重要路径。首先,分析了各类属性关联情形下的属性权重调整方法优缺点, 采用莫比乌斯变换法则变换属性关联性系数(Shaplely值), 设计了融合Shaplely值和属性权重的合成权重函数, 分析了属性关联性系数对权重的影响机制。其次, 基于偏好顺序结构评估方法(preference ranking organization methods for enrichment evaluations, PROMETHEE)决策方法的优先函数表征特征, 运用可能度比较区间犹豫模糊型数值, 设计了基于sigmoid函数的优先函数, 提出了考虑属性关联的改进型PROMETHEE决策方法。最后, 通过算例证明了所提方法的优越性。     

Ranking all decision making units based on their elementary differences

Traditional DEA-based ranking techniques have some pitfalls such as ignoring the inherent differences among decision making units (DMUs), or lacking a common weight-based ranking, etc. To overcome these obstacles, the paper first examines the possible differences among all DMUs such as the technical efficiency difference, the preference structure difference and the within-group position difference. Based upon the above differences this paper induces an integrated ranking measurement which helps to give a fair and full ranking for all DMUs under evaluation. Following the three types of differences, this approach behaves greatly elaborately, accurately and reasonably. Finally, the results from the Olympics achievement evaluation approve the acceptability of this approach.     

区间数排序方法评述

从确定性角度和基于度的角度两方面分析评述了目前已有的具有代表性的区间数排序方法.分析了任意两个区间数在数轴上可能的位置关系.探讨了确定性排序法的适用性以及层次关系,提出选择确定性排序方法的方案,指出确定性排序法的优缺点;分析了基于度的排序法的特点及其存在的问题.综合区间数排序的确定性法和基于度的方法的优缺点,提出了在形式上直观表达数据均匀性和分散性的区间数排序的可能度公式.分析了引入建立在区间数比较关系划分基础上的排序方法的必要性.     

基于权重集合的决策单元排序方法

针对传统数据包络分析的排序主要是基于决策单元的自评效率,决策单元使用的是对自身最有利的权重而使效率不具有可比性,提出一种新的决策单元排序方法.该方法通过构造有利于整体决策单元效率的权重集合,在交叉效率模型中对权重进行约束,从而有效地减小他评效率与自评效率的差距,使排序结果更合理,也更易被决策单元接受.通过算例说明该方法的有效性.     

不完全信息多属性群体决策方法

考虑到决策过程中信息的不完全性,对一类不完全信息的多属性群体决策问题进行了研究。在此基础上,建立一组线性规划模型,得到个体对每一个方案的效用区间数,并利用区间数可能度的定义对两个方案进行比较,从而得到个体对方案的排序。在偏好集结过程中,考虑了决策成员对方案给出的排序指标值,同时也考虑了决策成员权重的不完全信息。最后利用一个算例说明了在不完全信息条件下提出的方法能够作出比较合理的决策。