Cuads

A medida que la escala de los datos disponibles en línea crece cada vez más, individuos y empresas deben enfrentarse a una complejidad creciente en los procesos de toma de decisiones que utilizan grandes volúmenes de datos no estructurados, semiestructurados y/o estructurados para satisfacer múltiples necesidades de información interrelacionadas que contribuyen a una decisión general. Se han desarrollado sistemas tradicionales de soporte a la decisión (DSS) para abordar esta necesidad, pero dichos sistemas suelen ser costosos de construir y están diseñados específicamente para un escenario particular de toma de decisiones, lo que los hace difíciles de extender o adaptar a nuevos escenarios de decisión. En este documento, proponemos una representación de decisión novedosa que permite a los tomadores de decisiones formular y organizar preguntas o afirmaciones en lenguaje natural en una jerarquía analítica, que puede ser evaluada como parte de un proceso de decisión ad hoc o como un proceso analítico documentado y repetible. Luego introducimos un nuevo marco de soporte a la decisión, QUADS, que aprovecha las tecnologías de respuesta automática a preguntas (QA) para entender y procesar automáticamente una representación de decisión, produciendo una decisión final al recopilar y ponderar las respuestas a preguntas individuales utilizando un proceso de aprendizaje e inferencia bayesiana. Se presenta una implementación de marco de código abierto y se aplica a dos aplicaciones del mundo real: validación de objetivos, una tarea fundamental de toma de decisiones para la industria farmacéutica, y recomendación de productos a partir de textos de reseñas, una situación cotidiana de toma de decisiones enfrentada por los consumidores en línea. En ambas aplicaciones, implementamos y comparamos varios algoritmos de síntesis de decisiones, y presentamos resultados experimentales que demuestran el rendimiento del enfoque QUADS en comparación con otros enfoques de referencia.