Досягнення консенсусу в групових рекомендаційних системах

Анотація

Традиційні системи групових рекомендацій не враховують вплив групової динаміки на групові рекомендації,
наприклад, процес узгодження індивідуальних уподобань під час колективного прийняття рішень. Цей сценарій вже
розглядався раніше в контексті групового прийняття рішень, зокрема, у зв'язку з процедурами досягнення консенсусу. У
таких процесах експерти беруть участь у переговорах, щоб визначити свої уподобання і врешті-решт обрати
взаємоузгоджений варіант. Мета процедури досягнення консенсусу - запобігти незадоволенню членів групи пропозицією.
Попередні дослідження намагалися досягти цієї характеристики в групових рекомендаціях, використовуючи мінімальний
оператор для процесу агрегування рекомендацій. Проте, використання цього оператора забезпечує лише мінімальний
ступінь консенсусу щодо пропозиції, але не забезпечує задовільного рівня згоди між членами групи щодо групової
рекомендації. Стаття присвячена аналізу процедур досягнення консенсусу в контексті групових рекомендацій для
прийняття групових рішень. Метою дослідження є використання процесів досягнення консенсусу для надання групових
рекомендацій, які задовольняють усіх членів групи. Крім того, дослідження спрямоване на вдосконалення систем групових
рекомендацій шляхом забезпечення прийнятного рівня згоди між користувачами щодо групових рекомендацій. Таким
чином, системи групових рекомендацій розширюються за рахунок включення механізмів досягнення консенсусу для
полегшення прийняття групових рішень. У контексті групового прийняття рішень колективне рішення приймається групою
осіб, які можуть бути фахівцями, з пулу варіантів або потенційних рішень проблеми, що розглядається. Для цього кожен
фахівець отримує свої переваги щодо кожної можливості. Традиційні методи вибору для групового прийняття рішень не
враховують можливості розбіжностей між експертами щодо обраного варіанту. Ця проблема вирішується шляхом
використання методів досягнення консенсусу, коли досягається значний ступінь згоди перед вибором остаточного рішення.
Щоб полегшити узгодження смаків експертів, вони неодноразово модифікують їх, щоб збільшити їхню близькість. Перед
тим, як зробити колективний вибір, іноді необхідно досягти певного ступеня консенсусу. Таким чином, ця стаття
представляє архітектуру групових рекомендацій, яка використовує автоматизовані моделі досягнення консенсусу для
надання прийнятих пропозицій. Зокрема, ми розглядаємо модель консенсусу з мінімальною вартістю та модель
автоматизованої системи підтримки консенсусу, яка покладається на вхідні дані. Модель консенсусу з мінімальною
вартістю обчислює колективну пропозицію групи шляхом коригування індивідуальних переваг на основі функції вартості.
Це досягається за допомогою лінійного програмування. Модель автоматизованої системи підтримки консенсусу на основі
зворотного зв'язку імітує взаємодію між членами групи та модератором. Модератор пропонує коригування індивідуальних
пропозицій, щоб зблизити їх і досягти високого ступеня узгодженості перед тим, як сформувати групову рекомендацію.
Обидві моделі оцінюються і порівнюються з базовими процедурами під час тестування.