This example indicates that we may

This example indicates that we may have consensus on some items and conflicts on other items. In such situations, consensus decision-making theory stresses that we need a process to achieve the most agreeable decision among participants [25]. To support this decision process, we must have an algorithm that can find the maximum consensus lists from users’ ranking data and also identify conflict items that need further negotiation.
Traditionally, there are three formats to express users’ prefer¬ences about items in the total ranking approach. These formats in¬clude weights/scores of items, set of pairwise comparisons on the items and ranking lists of items. In this paper, we assume that an individual’s preferences can be represented as a total ranking list. An ordering sequence of items is called a consensus if a majority of users agree on this ordering and only a minority of users dis¬agrees. Accordingly, we propose an algorithm to discover maxi-mum consensus sequences from users’ ranking lists, where the maximum consensus sequences represent the maximum possible consensuses that can be achieved among most of users. By apply¬ing our algorithm to the above example, we can generate two types of results: the maximum consensus sequences, such as {A> D > E} in the above example, and the conflict items where users have no consensus.
Our approach has the following advantages in supporting group decision making:
� The majority preference can be met by the maximum consensus sequence proposed in this study. The degree of majority is adjustable.
� Users may have different opinions on items. During the decision process, users need to negotiate and resolve the objections of the minority in order to achieve the most agreements. Our algo¬rithm can identify the conflict items that need further negotiation.
� Most previous research consolidated all users’ preferences into a total ranking list. This may suppress or ignore the opinions of the minority and could make the achieved decision difficult to implement. In our approach, we find only the maximum agree-able consensus from users, rather than forcefully producing a total ranking list for all users.
In the next section, we briefly review previous research about group ranking. Then, the problem definition and the proposed con¬cept, consensus sequence, are described in detail. In the methodo¬logical section, an algorithm is established to find the maximum consensus sequences. In addition, a series of experiments is con-ducted to analyze the proposed method. After the experimental section, we will discuss how to apply the consensuses sequence in practice. Finally, we summarize some valuable and constructive conclusions.
2. Related work
2.1. Sequential pattern mining
Agrawal and Srikant first introduced the problem of mining sequential patterns and proposed algorithms AprioriAll [26]. The

basic idea of this approach can be stated as follows. We are given a set of sequences, called data-sequences, as the input data. Each data-sequence is a list of transactions, where each transaction con¬tains a set of literals, called items. This research aims to find all of the subsequences whose ratios of appearance exceed the user-specified minimum support threshold. For example, a retailer may find the sequential pattern ‘‘after buying a notebook com¬puter, a customer returns to buy a PDA and a WLAN card” from its customer purchase database. Our work is different from this kind of work because they have different input data, lists vs. se¬quences, and different output results, consensus lists vs. frequent subsequences. We just followed the basic idea of algorithm Aprior¬iAll to develop our algorithm.

Results (Indonesian) 1:

Contoh ini menunjukkan bahwa kita mungkin memiliki konsensus pada beberapa item dan konflik pada barang-barang lainnya. Dalam situasi seperti itu, menekankan teori pengambilan keputusan konsensus yang kita membutuhkan suatu proses untuk mencapai keputusan yang paling menyenangkan antara peserta [25]. Untuk mendukung proses keputusan ini, kita harus memiliki algoritma yang dapat menemukan daftar maksimum konsensus dari data peringkat pengguna dan juga mengidentifikasi item konflik yang perlu negosiasi lebih lanjut.Secara tradisional, ada tiga format untuk mengekspresikan prefer¬ences pengguna tentang item dalam total peringkat pendekatan. Format ¬ clude beban/Skor ini item, set pairwise perbandingan pada item dan peringkat Daftar item. Dalam tulisan ini, kami menganggap bahwa preferensi individu dapat diwakili sebagai daftar peringkat total. Urutan yang memesan item ini disebut konsensus jika mayoritas pengguna setuju ini Pemesanan dan hanya segelintir pengguna dis¬agrees. Dengan demikian, kami mengusulkan sebuah algoritma untuk menemukan konsensus maxi-ibu urutan dari pengguna daftar peringkat, dimana urutan maksimum konsensus mewakili maksimum pada konsensus mungkin yang dapat dicapai di antara sebagian besar pengguna. Oleh apply¬ing algoritma kami untuk contoh di atas, kita dapat menghasilkan dua jenis hasil: konsensus maksimum urutan, seperti {A > D > E} dalam contoh di atas, dan item konflik yang mana pengguna telah ada konsensus.Pendekatan kami memiliki keuntungan sebagai berikut dalam mendukung pengambilan keputusan berkelompok:Preferensi mayoritas bisa dipenuhi oleh urutan maksimum konsensus yang diusulkan dalam studi ini. Tingkat mayoritas disesuaikan.Pengguna mungkin memiliki pendapat yang berbeda pada item. Selama proses keputusan, pengguna perlu untuk bernegosiasi dan mengatasi keberatan minoritas untuk mencapai perjanjian yang paling. Algo¬rithm kami dapat mengidentifikasi item konflik yang membutuhkan negosiasi lebih lanjut.Penelitian sebelumnya sebagian konsolidasi semua pengguna preferensi ke dalam daftar peringkat total. Ini dapat menekan atau mengabaikan pendapat minoritas dan bisa membuat keputusan yang dicapai sulit untuk menerapkan. Dalam pendekatan kita, kita menemukan hanya setuju-mampu konsensus maksimum dari pengguna, bukan tegas memproduksi total peringkat Daftar untuk semua pengguna.Dalam bagian berikutnya, kita meninjau secara singkat penelitian sebelumnya tentang kelompok peringkat. Kemudian masalah definisi dan con¬cept diusulkan, urutan konsensus, dijelaskan secara rinci. Di bagian methodo¬logical, algoritma didirikan untuk mencari urutan maksimum konsensus. Selain itu, serangkaian percobaan menyalurkan con untuk menganalisis metoda yang diusulkan. Setelah bagian eksperimental, kita akan membahas bagaimana menerapkan urutan pada konsensus dalam praktek. Akhirnya, kita meringkas beberapa kesimpulan yang berharga dan konstruktif.2. terkait kerja2.1. berurutan pola pertambanganAgrawal dan dariluisa pertama kali diperkenalkan masalah pola berurutan pertambangan dan diusulkan algoritma AprioriAll [26]. The ide dasar dari pendekatan ini dapat dinyatakan sebagai berikut. Kita diberi satu set urutan, disebut data-urutan, sebagai input data. Setiap data-urutan adalah daftar transaksi, di mana setiap transaksi con¬tains seperangkat literal, disebut item. Penelitian ini bertujuan untuk mendapatkan semua subsequences yang rasio penampilan melebihi ambang batas dukungan minimum yang ditentukan pengguna. Sebagai contoh, seorang pengecer mungkin menemukan pola berurutan '' setelah membeli notebook com¬puter, pelanggan kembali untuk membeli PDA dan kartu WLAN"dari databasenya pembelian pelanggan. Pekerjaan kami berbeda dari pekerjaan semacam ini karena mereka memiliki data masukan yang berbeda, daftar vs se¬quences, dan hasil output berbeda, konsensus daftar vs sering subsequences. Kami hanya mengikuti ide dasar dari algoritma Aprior¬iAll untuk mengembangkan algoritma kami.

Results (Indonesian) 2:

Contoh ini menunjukkan bahwa kita mungkin memiliki konsensus pada beberapa item dan konflik pada item lainnya. Dalam situasi seperti itu, konsensus pengambilan keputusan teori menekankan bahwa kita perlu proses untuk mencapai keputusan yang paling menyenangkan di antara peserta [25]. Untuk mendukung proses pengambilan keputusan ini, kita harus memiliki sebuah algoritma yang dapat menemukan daftar konsensus maksimum dari pengguna data yang peringkat dan juga mengidentifikasi item konflik yang perlu negosiasi lebih lanjut.
Secara tradisional, ada tiga format untuk mengekspresikan pengguna prefer¬ences tentang item dalam Total pendekatan peringkat. Format ini in¬clude bobot / skor item, set perbandingan berpasangan pada item dan peringkat daftar item. Dalam makalah ini, kami mengasumsikan bahwa preferensi individu dapat direpresentasikan sebagai daftar peringkat keseluruhan. Urutan pemesanan barang disebut konsensus jika mayoritas pengguna setuju pada pemesanan ini dan hanya sebagian kecil pengguna dis¬agrees. Oleh karena itu, kami mengusulkan sebuah algoritma untuk menemukan urutan konsensus maxi-mum dari daftar peringkat pengguna ', dimana urutan konsensus maksimum mewakili konsensus maksimum yang mungkin yang dapat dicapai antara sebagian besar pengguna. Dengan apply¬ing algoritma untuk contoh di atas, kita dapat menghasilkan dua jenis hasil: urutan maksimum konsensus, seperti {A> D> E} dalam contoh di atas, dan item konflik di mana pengguna tidak memiliki konsensus.
Pendekatan kami memiliki keuntungan sebagai berikut dalam mendukung pengambilan keputusan kelompok:
Preferensi mayoritas dapat dipenuhi oleh urutan konsensus maksimum diajukan dalam penelitian ini. Tingkat mayoritas disesuaikan.
Pengguna dapat memiliki pendapat yang berbeda pada item. Selama proses keputusan, pengguna perlu bernegosiasi dan menyelesaikan keberatan dari minoritas dalam rangka mencapai paling perjanjian. Algo¬rithm kami dapat mengidentifikasi item konflik yang perlu negosiasi lebih lanjut.
Kebanyakan penelitian sebelumnya dikonsolidasikan preferensi semua pengguna 'menjadi total daftar peringkat. Ini dapat menekan atau mengabaikan pendapat minoritas dan bisa membuat keputusan yang dicapai sulit untuk diterapkan. Dalam pendekatan kami, kami hanya menemukan maksimal setuju-bisa konsensus dari pengguna, bukan paksa menghasilkan daftar peringkat keseluruhan untuk semua pengguna.
Pada bagian berikutnya, kita meninjau secara singkat penelitian sebelumnya tentang peringkat kelompok. Kemudian, definisi masalah dan con¬cept diusulkan, urutan konsensus, dijelaskan secara rinci. Pada bagian methodo¬logical, algoritma didirikan untuk menemukan urutan konsensus maksimum. Selain itu, serangkaian percobaan adalah con-menyalurkan untuk menganalisis metode yang diusulkan. Setelah bagian eksperimental, kita akan membahas bagaimana menerapkan urutan konsensus dalam praktek. Akhirnya, kami meringkas beberapa kesimpulan yang berharga dan konstruktif.
2. Terkait kerja
2.1. Pola pertambangan sekuensial
Agrawal dan Srikant pertama kali diperkenalkan masalah pertambangan pola sekuensial dan mengusulkan algoritma AprioriAll [26]. The Ide dasar dari pendekatan ini dapat dinyatakan sebagai berikut. Kami diberi satu set urutan, disebut data-urutan, sebagai input data. Setiap data-urutan daftar transaksi, di mana setiap transaksi con¬tains satu set literal, yang disebut item. Penelitian ini bertujuan untuk menemukan semua subsequences yang rasio penampilan melebihi yang ditentukan pengguna minimal ambang batas dukungan. Sebagai contoh, pengecer dapat menemukan pola sekuensial '' setelah membeli com¬puter notebook, pelanggan kembali untuk membeli PDA dan kartu WLAN "dari database pembelian pelanggan. Pekerjaan kami berbeda dari pekerjaan semacam ini karena mereka memiliki data yang berbeda input, daftar vs se¬quences, dan hasil output yang berbeda, daftar konsensus vs sering subsequences. Kami hanya mengikuti ide dasar dari algoritma Aprior¬iAll untuk mengembangkan algoritma kami.