Сферический нечеткий гиперграф в принятии решений

Выявление закономерностей в запутанных решениях

Онлайн‑маркетплейсы, больницы и социальные сети полны переплетённых отношений и неопределённой информации. Один и тот же товар может одновременно получать восторженные похвалы, сдержанные комментарии и резкие жалобы, а один и тот же продавец может одновременно продавать множество товаров. В этой статье предлагается новый математический инструмент — сферический нечеткий гиперграф — который предназначен для того, чтобы разбирать такие запутанные, накладывающиеся друг на друга ситуации. Он помогает превращать разрозненные и противоречивые отзывы в ясные ранжирования и решения, не притворяясь, что мир прост или полностью известен.

От простых линий к богатым групповых связям

Традиционные графы соединяют пары объектов линиями: два друга в социальной сети или два города на карте. Но многие реальные ситуации подразумевают группы, а не пары. Продавец на площадке влияет сразу на весь свой портфель товаров. Набор врачей может совместно управлять комплексом методов лечения заболевания. Гиперграфы расширяют обычные графы, позволяя одному «рёбру» соединять сразу множество элементов, естественно фиксируя эти групповые эффекты. Такая богатая структура упрощает изучение поведения коллекций объектов вместе, вместо того чтобы дробить их на множество попарных связей, которые скрывают общую картину.

Фиксирование оттенков мнений, а не только «да» или «нет»

В то же время реальные данные редко бывают чёрно‑белыми. Отзывы клиентов, медицинские заключения или показания датчиков часто находятся где‑то между явным положительным и явным отрицательным значением, а порой и неопределённы. Теория нечетких множеств была создана, чтобы моделировать это промежуточное состояние, присваивая каждому элементу степень принадлежности от нуля до единицы. Более поздние подходы дробят мнение на несколько компонент, например поддержку, сомнение и противопоставление. Сферическая нечеткая модель, использованная в этой работе, фиксирует по три компоненты для каждого элемента: положительную часть, нейтральную или «воздержавшуюся» часть и отрицательную часть. Эти три числа укладываются внутрь сферы, что поддерживает их сбалансированность и стабильность при объединении многих источников информации.

Сочетание групповых связей с неопределёнными свидетельствами

Ключевой шаг в этой работе — объединить две идеи: групповые связи из гиперграфов и трёхкомпонентные, сбалансированные мнения из сферических нечетких множеств. В сферическом нечетком гиперграфе каждый объект (например, товар) представлен как узел в сети, а каждая группа (например, все товары одного продавца) задаётся специальным ребром, которое может касаться многих узлов одновременно. И объекты, и группы несут свои трёхчастные оценки, описывающие силу положительных, нейтральных и отрицательных доказательств. Тщательно подобранные правила гарантируют, что группа не может выглядеть лучше своих слабейших членов, а отрицательные сигналы от какого‑либо члена не будут замяты. Такой подход делает модель реалистичной и интерпретируемой: продавец с одним плохо работающим товаром не может быть оценён исключительно по своим лучшим позициям.

Преобразование сырых отзывов в применимые ранжирования

Чтобы показать практическую применимость, авторы строят сферический нечеткий гиперграф для платформы онлайн‑торговли. Каждый товар получает тройку, описывающую долю положительных, нейтральных и отрицательных отзывов, скорректированную так, чтобы удовлетворять сферическому условию баланса. Каждый продавец образует групповое ребро над предлагаемыми им товарами, и тройка группы вычисляется так, чтобы отражать узкие места портфеля, а не только среднюю производительность. Простые формулы для оценки и точности затем переводят каждую тройку в два числа: одно суммирует общее удовлетворение, другое показывает, насколько решительно положительны доказательства. С этими мерами метод ранжирует товары, ранжирует продавцов и даже выделяет лучшие пары товар–продавец. Кроме того, используются сетевые понятия вроде степени и соседства, чтобы выявить, какие товары находятся в центре многих портфелей, а какие — более изолированы.

Почему этот новый взгляд на сети важен

При сравнении результатов этого подхода с более простым базовым методом, который просто усредняет оценки товаров, выявляются важные различия. Усреднение склонно смягчать плохие новости, делая слабые товары лучше, чем они есть на самом деле. Сферический нечеткий гиперграф, напротив, выявляет слабые места на уровне целых групп и показывает, как проблемный товар может тянуть вниз воспринимаемое качество продавца. В тематическом исследовании метод однозначно определяет самый сильный товар, наиболее перспективные комбинации товар–продавец и элемент, требующий наибольшего внимания. Поскольку метод естественно обрабатывает многокомпонентные отношения и смешанную обратную связь, он обещает более надёжные решения во всех областях, где группы объектов взаимодействуют в условиях неопределённости — от электронной коммерции и социальных платформ до здравоохранения, цепочек поставок и умных городов.

Цитирование: Pramanik, T., Mahapatra, R., Allahviranloo, T. et al. Spherical fuzzy hypergraph in decision making. Sci Rep 16, 14577 (2026). https://doi.org/10.1038/s41598-026-44917-3

Ключевые слова: нечеткий гиперграф, принятие решений в электронной коммерции, анализ отзывов клиентов, сетевое моделирование, неопределённость в данных