Aplicación del uso de valoraciones
hesitant lingüísticas para una
consultora de inmuebles
!
Rosana Montes, Ana Mª Sanchez,...
Contexto del problema
• Las plataformas online para consultoras
de inmuebles pueden ser mejoradas.
– El mercado de compra ...
Contexto del problema
PROBLEMA DE DECISIÓN LINGÜÍSTICA
MULTIEXPERTO-MULTICRITERIO

• Sistema online de inmuebles como apoyo
a la Toma de Decisió...
PROBLEMA DE DECISIÓN LINGÜÍSTICA
MULTIEXPERTO-MULTICRITERIO

• Criterios:
– Relación calidad / precio.
– Estado del inmueb...
PROBLEMA DE DECISIÓN LINGÜÍSTICA
MULTIEXPERTO-MULTICRITERIO
Fase previa:
✦ Los expertos evalúan los inmuebles mediante
exp...
PROBLEMA DE DECISIÓN LINGÜÍSTICA
MULTIEXPERTO-MULTICRITERIO

Sistema en explotación:
✦ Los usuarios navegan en la platafor...
Representación de la
información
• Enfoque lingüístico difuso: herramienta basada
en el concepto de variable lingüística p...
Representación de la
información
• Modelado lingüístico mediante 2-tuplas:
– dominio continuo; mejor precisión.
– procesos...
Representación de la
información
Hesitant Fuzzy Linguistic Term Sets for Decision Making.
Rosa M. Rodriguez, Luis Martinez...
Representación de la
información
• Usando una gramática libre de contexto GH
[Rodriguez’12] el experto puede hacer uso de
...
Caso de Estudio
!

• Variables que definen el caso:
– N = 3 inmuebles
– P = 3 expertos
– M = 9 criterios lingüísticos
– Q ...
Proceso de Computación
Proceso de Computación
Transformación
• Las valoraciones lingüísticas se transforman a
conjuntos HFLTS.
– Caso que no plantea duda:
– Servicios b...
Transformación
• Las valoraciones lingüísticas se transforman a
conjuntos HFLTS.
– Caso que no plantea duda:
– Servicios b...
Transformación
• Las valoraciones lingüísticas se transforman a
conjuntos HFLTS.
– Caso que no plantea duda:
– Servicios b...
Agregación
• Deseamos obtener un valor colectivo de
valoración para cada inmueble y criterio.
• y1,17={ma}, y2,17={m,a,ma,...
Agregación
• Deseamos obtener un valor colectivo de
valoración para cada inmueble y criterio.
• y1,17={ma}, y2,17={m,a,ma,...
Agregación
• Deseamos obtener un valor colectivo de
valoración para cada inmueble y criterio.
• y1,17={ma}, y2,17={m,a,ma,...
Agregación
• Combinamos la información atendiendo a
los criterios de evaluación y usando los
pesos proporcionados por el c...
Agregación
• Combinamos la información atendiendo a
los criterios de evaluación y usando los
pesos proporcionados por el c...
Explotación

• Selección del criterio de ordenación
– Criterio pesimista - intervalo inferior
Explotación

• Selección del criterio de ordenación
– Criterio pesimista - intervalo inferior
– Criterio optimista - inter...
Explotación

• Selección del criterio de ordenación
– Criterio pesimista - intervalo inferior
– Criterio optimista - inter...
Explotación

• Selección del criterio de ordenación
– Criterio pesimista - intervalo inferior
– Criterio optimista - inter...
Explotación
• Agregación hesitant:
persigue encontrar en
qué grado una
alternativa es
preferible a todas las
otras.
Resultados
Conclusiones
• Se ha presentando un caso real de problema de
toma de decisiones multicriterio - multiexperto.
• Se ha apli...
Upcoming SlideShare
Loading in …5
×

Aplicación del uso de valoraciones hesitant lingüísticas para una consultora de inmuebles

387 views

Published on

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/

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
387
On SlideShare
0
From Embeds
0
Number of Embeds
9
Actions
Shares
0
Downloads
1
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Aplicación del uso de valoraciones hesitant lingüísticas para una consultora de inmuebles

  1. 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. 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.
  3. 3. Contexto del problema
  4. 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. 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. 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. 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. 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. 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. 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. 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. 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 }
  13. 13. Proceso de Computación
  14. 14. Proceso de Computación
  15. 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. 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. 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. 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. 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. 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. 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. 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}
  23. 23. Explotación • Selección del criterio de ordenación – Criterio pesimista - intervalo inferior
  24. 24. Explotación • Selección del criterio de ordenación – Criterio pesimista - intervalo inferior – Criterio optimista - intervalo superior
  25. 25. Explotación • Selección del criterio de ordenación – Criterio pesimista - intervalo inferior – Criterio optimista - intervalo superior – Valor medio - promedio de ambos intervalos
  26. 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]
  27. 27. Explotación • Agregación hesitant: persigue encontrar en qué grado una alternativa es preferible a todas las otras.
  28. 28. Resultados
  29. 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.

×