基于给定问卷的答案的解决方案查找算法

Question

考虑以下情景：

1.潜在客户被呈现出一个问卷调查，他们可以针对每个问题选择零个、一个或多个答案。

2.自动算法应根据客户的答案推荐最佳解决方案。

例如：

1.有3种可能的解决方案S1、S2和S3。

2.问卷包含10个问题Q1、Q2………Q10。

3.每个问题都包含多个可能的答案，其中：

A1.1是问题1的第一个答案。

A3.2是问题3的第二个答案。

4.我希望能够根据客户提供的答案来建模以下解决方案：

A1.1、A1.3、A2.1、A3.2 => S1

A1.1、A1.3、A2.2 => S1

A1.2 => S2

A2.2 => S2

A1.1、A3.1、A3.2 => S2

任何其他组合 => S3

总之：

对于给定的答案集，必须推荐一种解决方案。

较少答案定义的解决方案应优先于较多答案定义的解决方案。

我正在寻找上述问题的现有算法（和数据模型），而不是尝试从头编写自己的算法。

- JCallico

---

仅从问题描述来看，我会选择一系列if语句。你为什么认为你需要一个算法？ - user180326

如果你有57个解决方案、112个问题和378个答案，那么这将会是一系列非常冗长的语句。 - John

@John 在 CashCommons 上说：是的，我知道，但我不想假设。 - user180326

这个例子只是问题的简化。我正在设计一个系统，允许管理员定义他们的问卷调查、解决方案，并根据答案定义如何推荐解决方案。同样的系统将向客户呈现问题并自动推荐解决方案。 - JCallico

Answer 1

尝试最简单的可能有效的方法是最近邻算法：计算新答案集与每个已知解决方案的答案集之间的相似度（如果您想要加权，则按答案总数加权），并从一组同样接近的答案集中提供最常选择的已知解决方案。

如果这种方法表现不佳，那么您需要更复杂的分类器。您应该查找决策树（以及它们的扩展，交替决策树和随机森林）和贝叶斯分类器等内容。

您可以在机器学习或神经网络工具箱中找到一些代码。由于您没有指定语言，因此我无法指向一个，但是这些算法（而不是代码）在Hastie、Tibshirani和Friedman的《统计学习基础》等各种书籍中有描述。

- Rex Kerr

Answer 2

在我看来，这更像是一种声明性逻辑程序，而不是组合或统计问题。只需将有关选择哪个解决方案的陈述反转，并将"=>”替换为“:-”，就可以得到Prolog。

这些语句是Horner子句，可以使用SLD解析算法解决，前提是你的规则简单明了。有许多现成的求解器与不同语言的绑定，所以你可以选择其中一些。

- Gabriel Ščerbák