کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6862787 677027 2013 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Ranking evaluation of institutions based on a Bayesian network having a latent variable
ترجمه فارسی عنوان
ارزیابی رتبه بندی نهادهای مبتنی بر شبکه بیزی با متغیر غیرواقعی
کلمات کلیدی
برآورد رتبه بندی، مدل گاوسی خطی، ساختار یادگیری، نمونه برداری گیبس، جستجوی چندگانه، کشف علت،
ترجمه چکیده
این مقاله یک مدل گرافیکی احتمالاتی جدید ارائه می دهد که شامل یک متغیر غیابی غیر قابل مشاهده است که بر همه ی متغیرهای قابل مشاهده تاثیر می گذارد و مدل پیشنهادی به منظور ارزیابی موسسات با استفاده از مجموعه ای از شاخص های عملکرد اعمال می شود. مدل های گاوسی خطی برای بیان رابطه علی بین متغیرها استفاده می شود. روش تکراری پیشنهاد شده از یک الگوریتم ترکیبی علت کشفی مبتنی بر نمره مبتنی بر محدودیت برای یافتن ساختار شبکه استفاده می کند، در حالیکه نمونه گیری گیبس و تحلیل رگرسیون برای تخمین پارامترها انجام می شود. متغیر پنهان نشان دهنده رتبه بندی نمرات موسسات برآورد شده است و رتبه بندی با مقایسه نمرات تخمین ها تعیین می شود. برآورد فاصله از رتبه بندی موسسه در نهایت از یک روش تکراری به دست می آید. روش پیشنهادی به مجموعه داده های واقعی و همچنین مجموعه داده های مصنوعی اعمال شد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
This paper proposes a new probabilistic graphical model which contains an unobservable latent variable that affects all other observable variables, and the proposed model is applied to ranking evaluation of institutions using a set of performance indicators. Linear Gaussian models are used to express the causal relationship among variables. The proposed iterative method uses a combined causal discovery algorithm of score-based and constraint-based methods to find the network structure, while Gibbs sampling and regression analysis are conducted to estimate the parameters. The latent variable representing ranking scores of institutions is estimated, and the rankings are determined by comparing the estimated scores. The interval estimate of the ranking of an institution is finally obtained from a repetitive procedure. The proposed procedure was applied to a real data set as well as artificial data sets.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Knowledge-Based Systems - Volume 50, September 2013, Pages 87-99
نویسندگان
, ,