Rosana Montes en Proceedings ESTYLF 2014 (http://estylf2014.unizar.es).
XVII Congreso Español sobre Tecnologías y Lógica Fuzzy celebrado en Zaragoza los días 5-7 de febrero de 2014.
Datos complementarios del trabajo en http://lsi.ugr.es/rosana/estylf14/
Aplicación del uso de valoraciones hesitant lingüísticas para una consultora de inmuebles
1. Aplicación del uso de valoraciones
hesitant lingüísticas para una
consultora de inmuebles
!
Rosana Montes, Ana Mª Sanchez,
Pedro Villar, Francisco Herrera
!
Universidad de Granada
Research Group
Soft Computing and Intelligent Information Systems
2. Contexto del problema
• Las plataformas online para consultoras
de inmuebles pueden ser mejoradas.
– El mercado de compra / venta y alquiler de
pisos se apoya en sistemas web de consulta.
– Los datos son descriptivos pero no suficientes
y hay que visitar el inmueble.
– El mercado ha variado considerablemente y
las valoraciones son dispares.
4. PROBLEMA DE DECISIÓN LINGÜÍSTICA
MULTIEXPERTO-MULTICRITERIO
• Sistema online de inmuebles como apoyo
a la Toma de Decisión:
– La valoración cualitativa de los agentes
inmobiliarios (expertos) mejoran la
descripción del inmueble.
– Los clientes (usuarios) pueden comparar
inmuebles empleando varios criterios
lingüísticos.
5. PROBLEMA DE DECISIÓN LINGÜÍSTICA
MULTIEXPERTO-MULTICRITERIO
• Criterios:
– Relación calidad / precio.
– Estado del inmueble.
– Luminosidad.
– Molestia acústica.
– Servicios básicos de la zona.
– Oferta de ocio y comercios.
– Comunicaciones viales y transporte público.
– Gastos no contabilizados.
6. PROBLEMA DE DECISIÓN LINGÜÍSTICA
MULTIEXPERTO-MULTICRITERIO
Fase previa:
✦ Los expertos evalúan los inmuebles mediante
expresiones lingüísticas atendiendo a los
criterios mencionados.
✦ Esa información se almacena en el registro del
inmueble.
7. PROBLEMA DE DECISIÓN LINGÜÍSTICA
MULTIEXPERTO-MULTICRITERIO
Sistema en explotación:
✦ Los usuarios navegan en la plataforma y seleccionan la lista de
inmuebles candidatos. Desean saber cual visitar primero.
✦ Deciden sobre los criterios, ponderándolos según importancia.
✦ Solicitan al sistema comparar los inmuebles, lo que se realiza
usando un modelo lingüístico de toma de decisión que emplea
computación por palabras.
8. Representación de la
información
• Enfoque lingüístico difuso: herramienta basada
en el concepto de variable lingüística para trabajar con
valoraciones cualitativas.
• Dominio de expresión:
– granularidad
– semántica
• Valoración lingüística:
– ej. Luminosidad = alta
Conjunto de términos
lingüísticos:
!
✦
✦
✦
✦
✦
✦
✦
S0 = Nada (n)
S1 = Muy Bajo (mb)
S2 = Bajo (b)
S3 = Medio (m)
S4 = Alto (a)
S5 = Muy Alto (ma)
S6 = Perfecto (p)
!
g=6
9. Representación de la
información
• Modelado lingüístico mediante 2-tuplas:
– dominio continuo; mejor precisión.
– procesos sin perdida de información.
– la información se expresa con el par (si,α).
– traslación simbólica α= β −i, con β ∈ [0, g]
valor resultante de un operador simbólico, e i
el índice del término.
Ejemplo:
✦ Luminosidad=alta=s4
✦ 2-tupla: (s4,0)
✦ β=4
10. Representación de la
información
Hesitant Fuzzy Linguistic Term Sets for Decision Making.
Rosa M. Rodriguez, Luis Martinez, and Francisco Herrera.
IEEE TRANSACTIONS ON FUZZY SYSTEMS, VOL. 20, N. 1, FEBRUARY 2012
• Hesitant Fuzzy Linguistic Term Set (HFLTS)
– conjunto de etiquetas ideal en situaciones de
incertidumbre en las valoraciones lingüísticas.
– introduce el concepto de intervalo de
valoración o conjunto de términos lingüísticos.
11. Representación de la
información
• Usando una gramática libre de contexto GH
[Rodriguez’12] el experto puede hacer uso de
expresiones gramaticales resultantes en HS:
– menor que si: < si
– mayor que sj: ≥sj
– entre si y sj: si - sj
!
12. Caso de Estudio
!
• Variables que definen el caso:
– N = 3 inmuebles
– P = 3 expertos
– M = 9 criterios lingüísticos
– Q = 2 clientes
– Pesos a los criterios {w1 , . . . , wM }
15. Transformación
• Las valoraciones lingüísticas se transforman a
conjuntos HFLTS.
– Caso que no plantea duda:
– Servicios básicos=medio
– y1,35= m => { s3 }
– Caso en el que el experto no puede decidirse entre dos
valores que considera válidos.
– Calidad precio=entre alto y muy alto
– y3,11= a-ma => { s4,s5 }
– El experto proporciona una respuesta abierta.
– Molestia acústica=por encima de medio
– y3,34= ≥m => { s3,s4,s5,s6 }
16. Transformación
• Las valoraciones lingüísticas se transforman a
conjuntos HFLTS.
– Caso que no plantea duda:
– Servicios básicos=medio
– y1,35= m => { s3 }
– Caso en el que el experto no puede decidirse entre dos
valores que considera válidos.
– Calidad precio=entre alto y muy alto
– y3,11= a-ma => { s4,s5 }
– El experto proporciona una respuesta abierta.
– Molestia acústica=por encima de medio
– y3,34= ≥m => { s3,s4,s5,s6 }
17. Transformación
• Las valoraciones lingüísticas se transforman a
conjuntos HFLTS.
– Caso que no plantea duda:
– Servicios básicos=medio
– y1,35= m => { s3 }
– Caso en el que el experto no puede decidirse entre dos
valores que considera válidos.
– Calidad precio=entre alto y muy alto
– y3,11= a-ma => { s4,s5 }
– El experto proporciona una respuesta abierta.
– Molestia acústica=por encima de medio
– y3,34= ≥m => { s3,s4,s5,s6 }
18. Agregación
• Deseamos obtener un valor colectivo de
valoración para cada inmueble y criterio.
• y1,17={ma}, y2,17={m,a,ma,p}, y3,17={a, ma,p}
1. Calculamos el límite inferior HS-J (Ai)
{ma} {m} {a}
3. Calculamos el límite superior HS+J (Ai)
{ma} {p} {p}
2. Seleccionamos el máximo HS-max.
{ma}
4. Seleccionamos el mínimo HS+min.
{ma}
!
!
Intervalo lingüístico: [ ma, ma ]
19. Agregación
• Deseamos obtener un valor colectivo de
valoración para cada inmueble y criterio.
• y1,17={ma}, y2,17={m,a,ma,p}, y3,17={a, ma,p}
1. Calculamos el límite inferior HS-J (Ai)
{ma} {m} {a}
3. Calculamos el límite superior HS+J (Ai)
{ma} {p} {p}
2. Seleccionamos el máximo HS-max.
{ma}
4. Seleccionamos el mínimo HS+min.
{ma}
!
!
Intervalo lingüístico: [ ma, ma ]
20. Agregación
• Deseamos obtener un valor colectivo de
valoración para cada inmueble y criterio.
• y1,17={ma}, y2,17={m,a,ma,p}, y3,17={a, ma,p}
1. Calculamos el límite inferior HS-J (Ai)
{ma} {m} {a}
3. Calculamos el límite superior HS+J (Ai)
{ma} {p} {p}
2. Seleccionamos el máximo HS-max.
{ma}
4. Seleccionamos el mínimo HS+min.
{ma}
!
!
Representación 2-tuplas:
!
[ ]
Intervalo lingüístico: [ ma, ma(s5,0), (s6,0)]
21. Agregación
• Combinamos la información atendiendo a
los criterios de evaluación y usando los
pesos proporcionados por el cliente.
• WU1 = {1, 1, 0.5, 0.8, 0.7, 0.7, 1, 0.8, 0.4}
• WU2 = {0.8, 0.5, 1, 0.6, 1, 0, 0.3, 0.4, 1, 0.5}
22. Agregación
• Combinamos la información atendiendo a
los criterios de evaluación y usando los
pesos proporcionados por el cliente.
• WU1 = {1, 1, 0.5, 0.8, 0.7, 0.7, 1, 0.8, 0.4}
• WU2 = {0.8, 0.5, 1, 0.6, 1, 0, 0.3, 0.4, 1, 0.5}
24. Explotación
• Selección del criterio de ordenación
– Criterio pesimista - intervalo inferior
– Criterio optimista - intervalo superior
25. Explotación
• Selección del criterio de ordenación
– Criterio pesimista - intervalo inferior
– Criterio optimista - intervalo superior
– Valor medio - promedio de ambos intervalos
26. Explotación
• Selección del criterio de ordenación
– Criterio pesimista - intervalo inferior
– Criterio optimista - intervalo superior
– Valor medio - promedio de ambos intervalos
– Agregación hesitant - basado en el grado de
no dominancia [Rodriguez’12]
29. Conclusiones
• Se ha presentando un caso real de problema de
toma de decisiones multicriterio - multiexperto.
• Se ha aplicado la representación lingüística 2tuplas con HFLTS lo que mejora las situaciones
de ambigüedad o imprecisión en las
evaluaciones lingüísticas.
• Es factible implementarlo en un sistema online
para que sugiera el orden de pisos a visitar
según sus preferencias y el conocimiento
experto de los agentes inmobiliarios.