中文术语粒度对其区分能力测度的影响分析

【目的】比较中文术语粒度对不同字段的术语区分能力(Term Discriminative Capacity,TDC)测度的影响。【方法】将术语区分能力测度应用于题名、关键词、摘要和附加关键词的术语质量评估,在对照组和实验组中使用方差分析对不同学科、字段及术语粒度的TDC进行差异检测。【结果】当关键词和附加关键词未经处理时,在TDC上的表现为:题名>摘要>附加关键词>关键词;当术语粒度为词时,附加关键词的表现提升,题名>附加关键词>摘要>关键词。【局限】实验数据仅包含5个人文社会科学学科,样本代表性可能存在不足。【结论】中文术语粒度和字段在术语区分能力测度上相互作用,各字段的术语粒度统一为词可降低字段因素的影响。

基于熵权的多粒度犹豫模糊语言VIKOR群推荐方法

针对群推荐系统中被推荐项目具有多粒度性、犹豫性、模糊性的特点,首先在多粒度犹豫模糊语言术语集的基础上,提出多粒度犹豫模糊语言熵的概念及计算公式,采用熵的计算公式求解被推荐项目的属性权重;然后,将传统的多准则妥协解排序法(VIKOR)拓展到多粒度犹豫模糊领域,并对其妥协解公式加以改进,将改进的VIKOR方法用于群推荐;最后,从理论分析、数值计算和敏感性分析3个方面将改进的VIKOR方法与逼近理想解排序法(TOPSIS)进行对比,所得结果表明了所提出方法在群推荐应用中的合理性和有效性.

多粒度犹豫模糊语言环境下未知权重的多属性群推荐方法

针对群推荐中存在的多粒度、犹豫性、模糊性语言信息问题,提出多粒度犹豫模糊语言环境下未知权重的多属性群推荐方法.首先,提出多粒度犹豫模糊语言术语集的概念,定义其距离公式;然后,在多粒度犹豫模糊语言环境下,针对属性权重完全未知的情况,建立目标规划模型,利用拉格朗日方程求解,针对属性权重不完全未知的情况,建立线性规划模型求解;最后,通过算例计算和分析表明了上述模型求解权重问题是有效的.