Recommending Actionable Strategies: A Semantic Approach to Integrating Analytical Frameworks with Decision Heuristics

要約

セマンティック分析を通じて戦略的フレームワークを決定ヒューリスティックと統合することにより、実行可能な戦略を推奨するための新しいアプローチを提示します。
戦略フレームワークは、評価と計画のための体系的なモデルを提供し、決定ヒューリスティックは経験的知識をエンコードしますが、これらの伝統は歴史的に分離されています。
私たちの方法論は、高度な自然言語処理（NLP）を使用してこのギャップを橋渡しします。これは、6Cモデルのようなフレームワークを36の戦略と統合することで実証されています。
このアプローチでは、ベクトル空間表現とセマンティックな類似性計算を使用して、深いセマンティック処理と大規模な言語モデルの制約された使用を組み合わせた計算アーキテクチャによってサポートされる、ヒューリスティックパターンにフレームワークパラメーターをマッピングします。
一次内容と二次要素（図、行列）の両方を相補的な言語表現として処理することにより、企業戦略のケーススタディを通じて有効性を示します。
方法論は、さまざまな分析フレームワークとヒューリスティックセットに一般化され、戦略的フレームワークのまとまりのある統合と実用的なガイダンスへのヒューリスティックを可能にする推奨システムを生成するためのプラグアンドプレイアーキテクチャに至ります。

要約(オリジナル)

We present a novel approach for recommending actionable strategies by integrating strategic frameworks with decision heuristics through semantic analysis. While strategy frameworks provide systematic models for assessment and planning, and decision heuristics encode experiential knowledge,these traditions have historically remained separate. Our methodology bridges this gap using advanced natural language processing (NLP), demonstrated through integrating frameworks like the 6C model with the Thirty-Six Stratagems. The approach employs vector space representations and semantic similarity calculations to map framework parameters to heuristic patterns, supported by a computational architecture that combines deep semantic processing with constrained use of Large Language Models. By processing both primary content and secondary elements (diagrams, matrices) as complementary linguistic representations, we demonstrate effectiveness through corporate strategy case studies. The methodology generalizes to various analytical frameworks and heuristic sets, culminating in a plug-and-play architecture for generating recommender systems that enable cohesive integration of strategic frameworks and decision heuristics into actionable guidance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google