Identyfikatory
Warianty tytułu
Recommendations as a result of the assessment of preferences on the basis of the indicated examples
Języki publikacji
Abstrakty
Rozpatrywany jest problem wyznaczania rekomendacji na podstawie wskazanych przykładów decyzji akceptowalnych i przykładów decyzji nieakceptowalnych. Wskazanie przez decydenta tych przykładów jest podstawą oceny jego preferencji. Istota przedstawionego rozwiązania polega na określeniu preferencji jako klastra wyznaczonego poprzez uzupełnianie wskazanych przykładów. W artykule zaproponowano procedurę kolejnych przybliżeń bazującą na rozwiązaniach zadania klasyfikacji na podstawie zadanych przykładów.
The problem of determining a decision recommendation according to examples of acceptable decisions and examples of unacceptable decisions indicated by the decision-maker is considered in the paper. The decision-maker's examples are the foundation for assessing his preferences. The essence of the presented solution consists in determining the preferences of the decision-maker as a cluster designated by supplementing the indicated examples. The paper proposes a procedure of successive approximations based on the classification task according to given examples.
Czasopismo
Rocznik
Strony
3--16
Opis fizyczny
Bibliogr. 6 poz., rys.
Twórcy
autor
- Instytut Teleinformatyki i Cyberbezpieczeństwa, Wydział Cybernetyki, WAT, ul. gen. S. Kaliskiego 2, 00-908 Warszawa
Bibliografia
- [1] Ball G. H., Hall D. J., Isodata, an Iterative Method of Multivariate Analysis and Pattern Classification. Proceedings of the IFIPS Congress, 1965.
- [2] Kwiatkowski W., Metody automatycznego rozpoznawania wzorców. BEL Studio, Warszawa, 2010.
- [3] Kwiatkowski W., Recommendations as a result of decision evaluations based on reference examples, Teleinformatics Review, No. 1-2, 2019, pp. 3-23.
- [4] Kwiatkowski W., The regularization method in the classification task according to given examples Teleinformatics Review, No. 3-13, 2019, pp. 3-23.
- [5] Kwiatkowski W., Wykrywanie anomalii bazujące na wskazanych przykładach. Przegląd Teleinformatyczny, nr 1-2, 2018, s. 3-21.
- [6] Mobasher B., Dai H., Luo T., Nakagawa M., Improving the Effectiveness of Collaborative Filtering on Anonymous Web Usage Data. In: Proceedings of the IJCAI 2001, Workshop on Intelligent Techniques for Web Personalization (ITWP01), 2001.
Uwagi
Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-8922e93e-b3d2-4a2b-b97d-abdd596926d6