用机器学习补全稀疏的两两比较矩阵，提升效率与可扩展性。

Machine Learning Model for Sparse PCM Completion

• 融合经典方法与图学习技术补全稀疏两两比较数据
• 实验验证方法有效且具备良好可扩展性
• 适合处理不完整评估数据的决策分析场景

本文提出一种面向稀疏两两比较矩阵（PCMs）的机器学习模型，结合经典PCM方法与基于图的学习技术。通过数值实验验证了所提方法的有效性与可扩展性。

原文摘要 · Abstract (English)

In this paper, we propose a machine learning model for sparse pairwise comparison matrices (PCMs), combining classical PCM approaches with graph-based learning techniques. Numerical results are provided to demonstrate the effectiveness and scalability of the proposed method.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。