基于异质主体认知及评估的大群体方案调整方法

【目的/意义】社交媒体的开放性拓宽了公众对应急事件的信息收集和获取渠道,公众参与社会治理的呼吁使得引入公众行为数据辅助决策非常重要;同时,对庞大、良莠不齐的信息进行价值评估有助于识别关键信息和重要人群,使得基于群体智慧下的决策更具科学性;其次,成员权重对群体决策影响重大,客观、科学的权重确定方法使得决策结果更具合理性。【设计/方法】针对大群体应急决策中环境复杂及公众参与度较低的问题,从公众辅助决策视角提出了基于个体模糊表达衡量信息价值及基于序数信息综合度量群体间的距离方法,从而提出一种基于认知特性和表达能力上的个体权重确定及群体智慧下的方案调整方法。【结论/发现】以COVID-19案例展开模拟,并通过与现有文献在不同层面的对比分析验证方法的可行性和优越性,为公众–专家协同决策问题提供理论与方法支持。

贝叶斯分类算法在车险行业的应用

在信息迅猛发展的21世纪,一系列挖掘算法不断改进,使之体系结构更加科学化。在庞大的挖掘算法体系结构下,分类算法的研究应用于多种领域,但目前少有对车险行业的科学研究。下面将围绕其分支——朴素贝叶斯分类算法,从原理及其发展近况、优点及其局限性展开对车险行业续保意愿问题的研究与分析,并检验其结果的有效性。

应急环境下双重大规模行为主体知识融合方法及在方案排序中的应用

针对突发事件的复杂性、风险性、特殊性、行为主体知识结构的差异性以及有限性,将大群体智慧引入应急决策中,提出一种应用新的融合主体知识水平的方案选择方法.首先,在公众层面基于偏好序列向量和改进的知识测量公式确定公众的知识水平,依据分歧矩阵和控制者进行公众聚类并对子群间的知识水平标准化,形成基于公众行为知识水平的方案排名矩阵;然后,在专家层面基于多粒度二元语义和灰色关联模型确定专家的知识水平和属性权重,通过聚合算子得到专家对方案的评估信息并形成专家对方案排名的支持矩阵;接着,引入参考公众共识阈值,形成融合上述双重主体的共识矩阵,并进行方案排序;最后,通过Covid-19案例和对比分析验证所提出方法的有效性和合理性.