事实还是观点?态度不一致信息搜寻的情境、动机和任务分析

在日常信息搜寻过程中,人们往往倾向于只搜寻支持他们态度的信息,这可能导致信息茧房的出现。推动更加开放的信息搜寻,不仅需要信息系统提供更加多元的信息,更需要人们主动地接触并了解与自身态度不一致的信息。本研究旨在探索人们主动搜寻与自身态度不一致信息的情境和动机,并在文献调研的基础上,将这类搜索任务定义为“态度相异型任务”。本研究对13名有相关搜寻经历的受访者进行了半结构化访谈,基于扎根理论对访谈文本进行编码分析,最终形成了描述人们产生态度相异型任务的情境和动机的理论模型。研究结果发现,情境、用户特征和动机是导致人们产生态度相异型任务的主要影响因素;在此基础上丰富了态度相异型任务的内涵,从多个维度对态度相异型任务进行了全面刻画。本研究对人们主动搜寻与自身态度不一致信息的情境和动机进行了探究,提出了一种态度相异型任务,为搜索系统的开放性和多样化信息呈现提供了改进建议,以引导系统更好地支持用户搜寻此类信息任务。

不一致邻域决策信息系统的增量式属性约简研究

属性约简是数据挖掘、机器学习等研究领域中的一个非常重要的预处理步骤,其效率的高低会直接影响到数据挖掘、机器学习等相关任务的性能。针对目前已有的非增量式属性约简方法在处理不一致邻域信息系统动态变化时无法高效更新属性约简的问题,提出一种在不一致邻域决策信息系统中对象集发生变化时的增量式属性约简方法。首先,该文以不一致邻域决策信息系统为研究对象,结合不一致邻域的特点给出了一种新的不一致度的表示方法。在此基础上用不一致度来表征属性重要度,以属性重要度为启发式信息研究不一致邻域信息系统对象集发生变化条件下邻域类以及不一致度的更新机理。随后,以不一致度为启发信息构建了增量式属性约简算法。进一步,在UCI上选取6个数据集,通过分类精度测试实验精选出各个数据集的最佳邻域半径δ,最后,利用最佳邻域半径δ在各个数据集上执行增量式属性约简算法实验,实验结果表明该文提出的增量式属性约简算法在保持分类精度不变的前提下较其他算法更加快速和有效。

一种不一致不完备信息系统的最优选择及规则约简方法研究

在分析不一致不完备信息系统规则提取的基础上,提出了先将不完备信息系统分为一致的和不一致的信息系统后再求其最优选择的方法。然后利用改进的分辨矩阵对所求得的不一致最优选择进行决策规则提取,并给出不确定决策规则的决策精度。最后,通过应用例子证明了本文提出方法的有效性。

关系亲密度影响刻板印象信息的口头传递（英文）

刻板印象信息常借助人际关系链得以沟通和传递。而沟通是一种社会情境活动,故人们对信息的沟通和传递依赖于沟通的社会背景,关系亲密度是其中的一个重要因素。关系亲密度指的是沟通者间相互依赖和了解的程度,以自我包含他人量表得分作为判断指标。本研究的目的即为扩展已有的刻板印象沟通研究,采用Ruscher等人提出的二人对话范式,通过两个实验探索关系亲密度如何影响人们在谈话过程中对刻板印象相关信息的沟通和传递。实验1中的关系亲密度由自然存在模式建构,共32对同性别被试参与;实验2中的关系亲密度由RCIT三阶段自我表露任务实验室诱发模式建构,共38对同性别被试参与。所用的沟通材料均为Klein等人编制的刻板印象信息故事,并使用自我包含他人量表检核关系亲密度。实验均为2×2×2三因素混合设计,其中,关系亲密度(陌生人和朋友)为被试间因素,刻板印象信息的一致性(刻板印象一致信息与刻板印象不一致信息)和故事情节的核心性(核心和次要)为被试内因素。在实验1中,三因素方差分析的结果显示,刻板印象信息的一致性主效应显著,核心性主效应显著,刻板印象信息的一致性和关系亲密度的交互作用显著。在陌生人关系条件下,被试传递的刻板印象一致信息显著多于不一致信息;而在朋友关系条件下,被试并没有显示出这种刻板印象一致性偏差,反而传递了稍多的刻板印象不一致信息。在实验2中,三因素方差分析的结果显示,刻板印象信息的一致性主效应边缘显著,核心性主效应显著,刻板印象信息的一致性和关系亲密度的交互作用显著。在陌生人关系条件下,被试传递的刻板印象一致信息显著多于不一致信息;而在朋友关系条件下,被试并没有显示出刻板印象一致性偏差,反而传递了稍多的刻板印象不一致信息。因此,可以认为人们倾向于向陌生人传递显著更多的刻板印象一致信息,而向朋友则未显示出这种特点。谈话中,关系亲密度影响刻板印象信息的沟通和传递。

刻板印象信息沟通的默认策略

默认策略是指人们在不知道使用何种策略时默认使用的一种决策规则。研究通过2个实验探索传递更多的刻板印象一致信息而非刻板印象不一致信息是人们在刻板印象信息沟通中使用的默认策略。实验1书面沟通研究报告,实验2口头沟通虚构故事,结果均有力支持了研究假设。

基于粗糙信息向量的一种决策规则获取算法

针对不一致信息系统中决策规则获取问题,提出了一种基于粗糙信息向量方法的决策规则挖掘算法。基于粗糙信息向量,利用条件向量对决策向量的决策支持能力,直接从决策表中挖掘出符合阈值要求的尽可能简洁的决策规则,且不损失条件属性值的决策支持能力。利用该算法可以挖掘出决策系统中条件属性在各个简化层次情况下的确定性规则和缺省规则集合。理论分析和实例表明该算法在不一致信息系统中的决策规则获取上是可行的。

弱一致区间数判断矩阵的一致性逼近

通过使用一种弱一致区间数判断矩阵的一致性逼近方法 ,得出弱一致区间数判断矩阵的一致性逼近矩阵 .该一致性逼近矩阵中保留了原判断矩阵的一致信息而消除了不一致信息 ,从而避免了不一致信息对排序的影响 .

变精度粗糙集下基于信息熵的属性约简算法

本文针对在Z.Paw lak粗糙集下进行属性约简中存在的问题,在对变精度粗糙集理论下β下近似约简概念分析的基础上,引入了信息熵,建立了变精度粗糙集意义下的决策表中属性重要性的度量方式,区分了β阈值界定下的“弱不一致信息”与“强不一致信息”的不确定程度,从而刻画了标准粗糙集下正域之外的不一致信息的不确定程度,以该度量作为启发式信息,提出了基于信息熵的β下近似约简的启发式算法.这为不一致信息系统的属性约简提供了理论依据与算法.

基于变精度粗糙集的信息系统数据挖掘应用

变精度粗糙集模型(VPRS)是粗糙集模型的扩充,它引入了精度参数,对数据的不一致性有较好的容忍度.文中利用VPRS模型,对不一致的信息系统进行数据挖掘,运用这一方法对系统决策表进行近似约简,去除其中冗余的属性,得出了近似约简的结果以及决策规则.实例应用表明,该方法是确实可行并有效的.

自适应罚函数协同优化算法

在分析协同优化系统级优化的基础上,从保证其优化过程可行有解的角度,提出了自适应罚函数协同优化算法。采用罚函数法将学科间一致性约束条件下的系统级优化问题转化为无约束优化问题,利用学科间的不一致信息,构造动态罚因子的表达式。根据学科间的不一致性情况,对学科间一致性约束赋予相应的权值,从而在保证学科间一致性要求的前提下,使系统级目标函数达到最优。最后,利用典型算例对该方法进行了验证,结果表明该方法优化效率较高,且具有一定的收敛性和鲁棒性。

基于超球近似子空间的协同优化方法及应用研究

针对协同优化的计算结构及计算困难 ,提出了学科间不一致信息概念 ,并据此形成系统级优化的超球设计空间。有效地解决了原始系统级优化问题不满足 Kuhn- Tucker条件造成的计算困难 ,并克服了已有梯度方法计算易发散、响应面方法计算量大的缺点。利用文中提出的方法对一齿轮减速箱进行了设计 ,实现了并行设计的目的 。

基于Vague集的次协调数据库的研究

次协调数据库的数据模型是用来处理数据库中不完全信息和矛盾信息。基于这种数据模型,将Vague集的概念引入,并基于新模型重新定义选择、投影、连接及decision等运算,再使用基于Vague集的次协调数据库的查询语言(PQL)查询矛盾信息并作出决策以解决矛盾,从而扩展了传统次协调数据库模型的应用。

有效决策的增式生成算法

粗糙集理论是一种进行数据挖掘的新的重要工具。针对传统粗糙集理论在数据挖掘应用方面的不足提出了有效度(可靠度)的概念,并给出了一种关于有效决策的增式生成法。实例表明,该算法具备处理大数据库和动态递增数据的功能,可有效地过滤噪声,提高了规则的挖掘效率。

不一致不完备直觉模糊信息系统的属性约简

利用广义优势关系,可完成不完备直觉模糊信息系统属性约简工作.若不完备直觉模糊信息系统属性约简不一致时,则可进一步利用广义优势关系定义此类信息系统的分布函数和最大分布函数,然后介绍分布约简和最大分布约简的概念,最后给出求分布约简和最大分布约简的有效方法.由此可成功解决不一致不完备直觉模糊信息系统属性约简问题.

IFC信息一致性问题及目前解决方法综述

由于BIM软件间的数据格式各不相同,使得彼此间产生的数据不能在各软件间很好的交流沟通。IFC标准的产生让这一问题得到了解决。各软件间以IFC标准数据格式则能在彼此间顺利的实现数据的交换。看似问题得到了解决,但通过大量的实际应用发现在以IFC标准进行数据交换时会发生数据缺失,不正确等前后信息不一致的现象。鉴于此,该文对IFC标准进行了简要概述,并在此基础上对介绍了信息不一致的现象,分析了造成信息不一致的原因,最后给出了目前存在的解决方法。

科技论文的中英文关键词不一致现象统计分析

我国科技期刊所载论文的中英文关键词不一致的问题,包括关键词词序、数量、词义等不一致。为了解该现象,抽查了20种医药卫生类高影响力科技期刊共计400篇文章。发现28.75%的文章存在中英文关键词不一致现象,并对此作出了归纳总结,对其原因进行了分析,并提出了防范措施。

基于动态罚函数法的协同优化算法

为保证协同优化的系统级优化存在可行域,采用动态罚函数法,将学科间一致性约束条件下的系统级优化问题转化为无约束优化问题.提出了应用更为普遍的学科间不一致信息的定义形式,对各种定义形式进行了分析比较,并利用该值构造动态罚因子的表达式.从增强算法可靠性的角度,使用遗传算法来取代系统级优化问题中基于梯度的优化算法,同时减少了对优化函数的连续性要求.利用减速器典型算例对该方法进行了验证,结果表明该方法具有良好的优化性能.