社会网络环境下基于群智知识融合的大群体应急决策共识模型

doi:10.16381/j.cnki.issn1003-207x.2022.0525

摘要/Abstract

摘要：

针对大群体应急决策中信息不完备、共识达成困难等问题，本文构建应急决策群智知识融合模型融合广泛群体的智慧为应急决策服务，并在此基础上，设计大群体应急决策共识模型提高群体共识水平。首先，挖掘社交媒体中的公众群智知识，得到公众关注主题及权重，将其作为决策属性信息纳入到应急决策过程中；其次，基于专家的信任关系和偏好关系定义内聚系数和耦合系数，确定聚集融合权重，利用群智知识融合模型融合专家智慧和公众智慧，得到综合的群智知识结果；然后，根据应急决策问题特征确定共识反馈调整参数，基于群智知识融合的结果进行共识测度，分析聚集的内聚特征和耦合特征，识别聚集类型，并提出偏好调整建议，通过共识反馈调整得到高一致性的大群体决策结果；最后，将本文提出的模型方法应用到传染病公共卫生安全事件防控案例中，与其他文献方法进行对比分析，验证本文方法的合理性和优越性。

关键词: 社会网络, 群智知识融合, 大群体, 应急决策, 共识达成过程

Abstract:

Aiming at the difficulty of incomplete information and reaching consensus in large-group emergency decision-making，a group wisdom fusion modelintegrating the wisdom of a wide range of groups for emergency decision making are constructed. On this basis， a consensus model for large group emergency decision making was designed to improve the level of group consensus.Firstly， the public group wisdom is mined in social media to obtain public topics and weights， which are used as decision-making attribute information to participate in the emergency decision-making process.Secondly， cohesion coefficient and coupling coefficient are defined based on trust relationship and preference relationshipamong experts， and cluster weights were determined. The group wisdom fusion model is applied to integrate expert wisdom and public wisdom， and hte comprehensive group wisdom result is obtained.Then， consensus feedback adjustment parameters are determined according to the characteristics of emergency decision-making problems， and consensus measurement based on the results of group wisdom fusion is conducted. By analyzing the cohesion characteristics and coupling characteristics of cluster， the type of cluster is identified and the preference adjustment suggestions are proposed to achieve a high consistency large group decision result. As a result， the rationality and superiority of the model methodproposed in this paper are verified by applying it to the case of “preventing and controlling of public health safety incident related to infectious diseases”.

Key words: social network, group wisdomfusion, large group, emergency decision-making, consensus reaching process

中图分类号:

C934

徐选华,肖婷,陈晓红. 社会网络环境下基于群智知识融合的大群体应急决策共识模型[J]. 中国管理科学, 2024, 32(2): 285-297.

Xuanhua Xu,Ting Xiao,Xiaohong Chen. A consensus Model for Large-group Emergency Decision-making Based on Group Wisdomfusion under Social Network Environment[J]. Chinese Journal of Management Science, 2024, 32(2): 285-297.

图/表 16

表1

社会网络信任关系的3种表示形式"

社会关系矩阵

网络关系图

代数式表示

T = t i - j = 0 ??? 0.4 ??? 0 ??? 1 0 ????? 0 ???? 0 ??? 0 0.7 ? 0.2 ?? 0 ??? 0 0 ???? 0 ???? 0.3 ? 0

$e 1 R e 2, e 1 R e 4, e 3 R e 1,$

$e 3 R e 2, e 4 R e 3$

表1

图1

图2

图3

图4

表2

表3

专家对方案的偏好评价信息"

	方案1	方案2	方案3
$e 1$	$0.29,0.46$	$0.51,0.24$	$0.31,0.42$
$e 2$	$0.19,0.44$	$0.49,0.18$	$0.26,0.45$
		……
$e 19$	$0.50,0.16$	$0.40,0.27$	$0.30,0.45$
$e 20$	$0.74,0.16$	$0.21,0.51$	$0.74,0.09$

表3

图5

表4

专家聚类和权重信息"

聚集	人数	聚类结构	专家权重
$C 1$	4	$e 3, e 4, e 7, e 14$	$w 3 = 0.283$ , $w 4 = 0.157$ , $w 7 = 0.345$ , $w 14 = 0.215$
$C 2$	6	$e 2, e 5, e 8, e 11, e 18, e 20$	$w 2 = 0.128$ , $w 5 = 0.203$ , $w 8 = 0.191$ , $w 11 = 0.199$ , $w 18 = 0.126$ , $w 20 = 0.153$
$C 3$	4	$e 6, e 10, e 13, e 15$	$w 6 = 0.324$ , $w 10 = 0.301$ , $w 13 = 0.174$ , $w 15 = 0.201$
$C 4$	6	$e 1, e 9, e 12, e 16, e 17, e 19$	$w 1 = 0.195$ , $w 9 = 0.155$ , $w 12 = 0.168$ , $w 16 = 0.125$ , $w 17 = 0.222 w 19 = 0.135$

表4

表5

聚集的群智知识融合结果"

聚集	$X 1$	$X 2$	$X 3$
$C 1$	$0.40,0.27$	$0.44,0.29$	$0.48,0.21$
$C 2$	$0.51,0.25$	$0.32,0.34$	$0.55,0.15$
$C 3$	$0.31,0.34$	$0.40,0.31$	$0.35,0.34$
$C 4$	$0.33,0.39$	$0.41,0.24$	$0.33,0.33$

表5

表6

聚集的权重信息"

聚集	$I S (C k)$	$I T S C k$	$α C k$	$E S C k$	$E T S C k$	$β C k$	$W D C k$	$w C k$
$C 1$	0.851	0.293	0.250	0.897	0.588	0.528	0.473	0.114
$C 2$	0.738	0.524	0.387	0.895	0.381	0.341	1.134	0.273
$C 3$	0.801	0.935	0.749	0.898	0.538	0.483	1.550	0.373
$C 4$	0.830	0.662	0.549	0.886	0.620	0.549	1.000	0.241

表6

表7

共识反馈调整结果"

轮次	共识水平	$G t$	$φ t$
0	$C L C 1 = 0.943$ , $C L C 2 = 0.891$ , $C L C 3 = 0.946$ , $C L C 4 = 0.929$ , $G C L = 0.927$	-	-
1	$C L C 1 = 0.930$ , $C L C 2 = 0.950$ , $C L C 3 = 0.968$ , $C L C 4 = 0.954$ , $G C L = 0.950$	0.023	0.023
2	$C L C 1 = 0.937$ , $C L C 2 = 0.945$ , $C L C 3 = 0.972$ , $C L C 4 = 0.950$ , $G C L = 0.951$	0.001	0.037

表7

表8

信任度水平"

$e 2$	$e 5$	$e 8$	$e 11$	$e 18$	$e 20$	群体
0.91	0.58	0.40	0.27	0.46	0.70	0.54

表8

表9

最终的群体偏好结果"

$x 1$	$x 2$	$x 3$
$0.33,0.34$	$0.35,0.30$	$0.40,0.28$

表9

表10

群智知识融合方法结果对比"

对比文献	聚集权重向量	考虑的中心性特征	融合影响因素分析	方案排序
文献[44]	$(0.203$ , $0.313$ , $0.201$ ,0.282)	2个	信任关系	$x 3 > x 2 > x 1$
本文	$(0.114$ , $0.273$ , $0.373$ ,0.241)	4个	信任关系、偏好关系	$x 3 > x 2 > x 1$

表10

表11

共识达成方法对比结果"

对比文献	迭代次数	调整专家数量	调整灵活度	参数确定	方案排序
文献[45]	6	1	低，确定的调整值	主观	$x 2 > x 3 > x 1$
文献[46]	2	8~9	低，确定的调整值	主观	$x 3 > x 2 > x 1$
文献[47]	2	4~6	低，确定的调整值	主观	$x 3 > x 2 > x 1$
本文	2	4~6	高，可选择的调整区间	客观	$x 3 > x 2 > x 1$

表11

参考文献 47

1	陈志平. 地方政府突发公共事件应急管理研究［D］. 安徽大学， 2017.
	Chen Z P. Research on emergency management of local government public emergency［D］. Anhui University， 2017.
2	John C. Decision making in emergencies［J］. Disaster Prevention and Management， 1996，4（5）： 28-35.
3	Wan S A， Kamis N H， Ahmad S A S， et al. Similarity-trust network for clustering-based consensus group decision-making model［J］. International Journal of Intelligent Systems， 2022，37（4）： 2758-2773.
4	Wan S P， Chen Z H， Dong J Y. Bi-objective trapezoidal fuzzy mixed integer linear program-based distribution center location decision for large-scale emergencies［J］. Applied Soft Computing， 2021，110： 107757.
5	王伟明，徐海燕，朱建军，等.基于TTD_WAA算子和TPBM算子的混合型多属性大群体决策方法［J］.中国管理科学，2021，DOI：10.16381/j.cnki.issn1003-207x.2021.1031 . doi: 10.16381/j.cnki.issn1003-207x.2021.1031
	Wang W M， Xu H Y， Zhu J J. A hybrid multiple attribute large group decision-making approach based on TTD_WAA operator and TPBM operator［J］. Chinese Journal of Management Science，2021，DOI：10.16381/j.cnki.issn1003-207x.2021.1031 . doi: 10.16381/j.cnki.issn1003-207x.2021.1031
6	Xu X H， Du Z J， Chen X H. Consensus model for multi-criteria large-group emergency decision making considering non-cooperative behaviors and minority opinions［J］.Decision Support Systems， 2015，79： 150-160.
7	李海涛，罗党，孙德才. 多元不确定偏好下灰色局势群体应急决策方法［J］. 中国安全科学学报， 2017，27（12）： 140-146.
	Li H T， Luo D， Sun D C. A grey situation group emergency decision-making methodwith multiple uncertain preference information［J］. China Safety Science Journal. 2017， 27（12）：140-146.
8	李海明，虞钢，田崇鑫，等. 一种基于模糊语言TOPSIS的应急决策方法［J］. 中国科学院大学学报， 2020，37（6）： 814-819.
	Li H M， Yu G， Tian C X， et al. An emergency decision method based on fuzzy linguistic TOPSIS［J］.Journal of University of Chinese Academy of Sciences. 2020， 37（6）：814-819.
9	Ashraf S， Abdullah S. Emergency decision support modeling for COVID‐19 based on spherical fuzzy information［J］. International Journal of Intelligent Systems， 2020，11（35）： 1601-1645.
10	Zheng J， Wang Y M， Zhang K， et al. A dynamic emergency decision-making method based on group decision making with uncertainty information［J］. International Journal of Disaster Risk Science， 2020，11（5）： 667-679.
11	Xian S D， Wan W H， Yang Z J. Interval-valued pythagorean fuzzy linguistic TODIM based on PCA and its application for emergency decision［J］. International Journal of Intelligent Systems， 2020，11（35）： 2049-2086.
12	魏俐华，陈刚. 区间Pythagorean模糊前景多阶段多属性应急决策方法［J］. 计算机工程与应用， 2020，56（24）： 109-115.
	Wei L H， Chen G. Multi-stage multi-attribute emergency decision making method based on prospect theorywith interval-valued pythagorean fuzzy linguistic numbers［J］. Computer Engineering and Applications， 2020，56（24）：109-115.
13	钱丽丽，刘思峰，方志耕基于后悔理论的灰色应急决策方案动态调整方法［J］.运筹与管理，2020，29（8）： 73-78.
	Qian L L， Liu S F， Fang Z G. Dynamic adjusting method for grey emergency decision based on ｒegret theory［J］. Operations Research AND Management Science， 2020，29（8）：73-78.
14	徐选华，马志鹏，陈晓红.基于公众偏好大数据分析的大群体应急决策质量动态演化研究［J］.中国管理科学，2022，30（7）： 149-149.
	Xu X H， Ma Z P， Chen X H. Dynamic evolution research on emergency decision quality of large group basing on the public preferences big data［J］. Chinese Journal of Management Science，2022，30（7）： 149-149.
15	魏静静. 社交媒体下的群体智慧决策一致性判定研究［D］. 郑州大学， 2020.
	Wei J J. Research on judgment consistency of group intelligence decision under social media［D］.Zhengzhou： Zhengzhou University，2020.
16	Yoon S， Michelle O， Peter B， et al. Application of social network analysis of COVID-19 related tweets mentioning cannabis and opioids to gain insights for drug abuse research［J］. Studies in Health Technology and Informatics， 2020，272： 5-8.
17	Daniela P， Bouchachia A， Hellwagner H. Online indexing and clustering of social media data for emergency management［J］. Neurocomputing， 2016，200： 168-179.
18	Yury K， Chen H H， Obradovich N， et al. Rapid assessment of disaster damage using social media activity［J］. Science Advances， 2016，2（3）： e1500779.
19	Hung M， Evelyn L， Eric S H， et al. Social network analysis of COVID-19 sentiments： application of artificial intelligence［J］.Journal of Medical Internet Research， 2020，22（8）： e22590.
20	Brown-BC P D. “Peer production” promises to leap in importance［J］. Information Week， 2002（7）： 870.
21	Iván P， Estrella F J， Martínez L， et al. Consensus under a fuzzy context： taxonomy， analysis framework AFRYCA and experimental case of study［J］. 2014，20： 252-271.
22	Liu B S， Zhou Q， Ding R X， et al. Large-scale group decision making model based on social network analysis： trust relationship-based conflict detection and elimination［J］.European Journal of Operational Research， 2018， 275（2）： 737-754.
23	Friedkin N E， Johnsen. E C. Social influence and opinions［J］. Journal of Mathematical Sociology， 2010，15（3-4）： 3-206.
24	Morente J A， Kou K S， Ureña E H R.. Carrying out consensual Group Decision Making processes under social networks using sentiment analysis over comparative expressions［J］. Knowledge-Based Systems， 2018（165）： 335-345.
25	Xu Y J， Wen X W， Zhang W C. A two-stage consensus method for large-scale multi-attribute group decision［J］. Computers & Industrial Engineering， 2018，116： 113-129.
26	Chu J F， Wang Y M， Liu X W， et al. Social network community analysis based large-scale group decision making approach with incomplete fuzzy preference relations［J］. Information Fusion， 2020，60：98-120.
27	Atefeh T， Eslami E， Enrique E V， et al. Trust based group decision making in environments with extreme uncertainty［J］. Knowledge-Based Systems， 2020，191（C）： 105168.
28	Wu T， Liu X W， Gong Z W， et al. The minimum cost consensus model considering the implicit trust of opinions similarities in social network group decision‐making［J］. International Journal of Intelligent Systems， 2020，35（3）： 470-493.
29	Lu Y L， Xu Y J， Enrique H V， et al. Consensus of large-scale group decision making in social network： the minimum cost model based on robust optimization［J］. Information Sciences， 2021，547： 910-930.
30	高远. 考虑信任关系的语言型群决策共识模型研究［D］. 大连：大连理工大学， 2021.
	Gao Y. Research on consensus model for linguistic group decisionmaking by considering trust relationship［D］. Dalian： Dalian University of Technology，2021.
31	Atanassov K T. Intuitionistic fuzzy sets［J］. Fuzzy Sets and Systems， 1986，20（1）： 87-96.
32	Liu B S， Shen Y H， Zhang W， et al. An interval-valued intuitionistic fuzzy principal component analysis model： based method for complex multi-attribute large-group decision-making［J］. European Journal of Operational Research， 2015，245（1）： 209-225.
33	Xu Z S. A Deviation： based approach to intuitionistic fuzzy multiple attribute group decision making［J］. Group Decision and Negotiation，2010，19（1）： 57-76.
34	Xu Z S， Yager R R. Some geometric aggregation operators based on intuitionistic fuzzy sets［J］. International Journal of General Systems， 2006，35（4）： 417-433.
35	Xu Z S. Intuitionistic fuzzy aggregation operators［J］. IEEE Transactions on Fuzzy Systems， 2007，15（6）： 1179-1187.
36	吴吉义.A New Approach to Web Applications with Ajax［J］. 四川大学学报（工程科学版）， 2007（S1）： 157-162.
	Wu J Y.A new approach to web applications with ajax［J］.Journal of Sichuan University：Engineering Science Edition，2007（S1）：157-162.
37	王晰巍，邢云菲，赵丹，等. 基于社会网络分析的移动环境下网络舆情信息传播研究——以新浪微博“雾霾”话题为例［J］. 图书情报工作， 2015，59（07）： 14-22.
	Wang X W， Xing Y F， Zhao D， et al.Research on network public opinion information dissemination in mobile environment based on social network analysis： a case study of “Haze” topic on Sina Weibo［J］. Library And Information Service， 2015，59（7）：14-22.
38	Du Z J， Yu S M， Luo H Y， et al. Consensus convergence in large-group social network environment： coordination between trust relationship and opinion similarity［J］.Knowledge-Based Systems， 2021（217）： 106828-106846.
39	Liu X， Xu Y J， Montes R， et al. Social network group decision making： managing self-confidence-based consensus model with the dynamic importance degree of experts and trust-based feedback mechanism［J］. Information Sciences， 2019，505（C）： 215-232.
40	朱娟，唐晓波. 基于三层知识融合模型的个性化商品推荐［J］. 图书馆学研究， 2017（5）： 24-30.
	Zhu J， Tang X B. Personalized product recommendation based on three-layer knowledge fusion model［J］. Research in Library Science，2017（5）： 24-30.
41	徐选华，吴慧迪.基于改进云模型的语言偏好信息多属性大群体决策方法［J］.管理工程学报，2018，32（1）： 117-125.
	Xu X H， Wu H D. Multi-attribute large group decision making method for language preference Information based on improved cloud model［J］. Journal of Industrial Engineering and Engineering Management， 2018，32（1）： 117-125.
42	Blondel V D， Guillaume J L， Lambiotte R， et al. Fast unfolding of communities in large networks［J］. Journal of Statistical Mechanics： Theory and Experiment， 2008，2008（10）：10008.
43	Wu J， Dai L F， Chiclana F， et al. A minimum adjustment cost feedback mechanism based consensus model for group decision making under social network with distributed linguistic trust［J］. Information Fusion， 2018，41： 232-242.
44	徐选华，张前辉. 社会网络环境下基于共识的风险性大群体应急决策非合作行为管理研究［J］. 控制与决策， 2020，35（10）： 2497-2506.
	Xu X H， Zhang Q H. Management of non-cooperative behavior in consensus-based large groupemergency decision-making in social network environment［J］. Control and Decision， 2020，35（10）： 2497-2506.
45	吴志彬，徐雷. 两种基于个体偏好集结的多属性群决策共识方法［J］.控制与决策，2014，29（3）： 487-493.
	Wu Z B， Xu L. Two consensus approaches for multiple attribute group decision makingbased on aggregating individual preferences［J］. Control and Decision，2014，29（3）： 487-493.
46	Kamis N H， Chiclana F， Levesley J. Preference similarity network structural equivalence clustering based consensus group decision making model［J］. Applied Soft Computing， 2018，67： 706-720.
47	Xu Y J， Wen X W， Zhang W C. A two-stage consensus method for large-scale multi-attribute group decision making with an application to earthquake shelter selection［J］. Computers & Industrial Engineering， 2018，116： 113-129.

主题	关键词	权重
医护保障	医护人员、奔赴前线、援助、捐款、医用、驰援等	0.314
感染风险	干咳、发烧、呼吸困难、就诊、防治、发病、就医等	0.282
监测控制	指挥、部署、响应、领导小组、防控、专题会议等	0.214
生活影响	复工、外出、封城、返岗、恢复、出行、延期等	0.190

[1]	王红卫, 李珏, 刘建国, 樊瑛, 马靓, 霍红, 刘作仪, 丁烈云. 人机融合复杂社会系统研究[J]. 中国管理科学, 2023, 31(7): 1-21.
[2]	闫梦颖, 艾时钟, 杜荣. 创客参与创客云商的策略选择研究[J]. 中国管理科学, 2023, 31(4): 130-141.
[3]	翁克瑞, 周静. 非退市条件下更新产品扩散的投放时间与种子优化研究[J]. 中国管理科学, 2023, 31(2): 226-234.
[4]	徐选华, 马志鹏, 陈晓红. 基于公众偏好大数据分析的大群体应急决策质量动态演化研究[J]. 中国管理科学, 2022, 30(7): 140-149.
[5]	姚升保, 古淼. 移情关系影响下的群体共识决策模型研究[J]. 中国管理科学, 2021, 29(11): 203-214.
[6]	金飞飞,刘金培，陈华友，杜鹏程. 基于信任关系和信息测度的概率语义社会网络群决策模型[J]. 中国管理科学, 2021, 29(10): 178-190.
[7]	尹儇鹏, 徐选华, 陈晓红. 基于多主体仿真的大群体应急决策风险致因分析[J]. 中国管理科学, 2020, 28(2): 208-219.
[8]	孙博, 刘善仕, 姜军辉, 葛淳棉, 周怀康. 企业融资约束与创新绩效:人力资本社会网络的视角[J]. 中国管理科学, 2019, 27(4): 179-189.
[9]	冉晓斌, 刘跃文, 姜锦虎. 数据驱动下的个体移动服务产品采纳行为的扩散研究[J]. 中国管理科学, 2017, 25(9): 141-147.
[10]	吴登生, 李若筠. 中国管理科学领域机构合作的网络结构与演化规律研究[J]. 中国管理科学, 2017, 25(9): 168-177.
[11]	李海涛, 罗党, 韦保磊. 不确定语言评价信息下大群体决策的MC-EMD方法[J]. 中国管理科学, 2017, 25(4): 164-173.
[12]	杜元伟, 王素素, 杨宁, 周雯. 考虑专家知识结构的不完备型多属性大群体决策方法[J]. 中国管理科学, 2017, 25(12): 167-178.
[13]	王怡, 梁循, 付虹蛟, 徐志明. 社会网络中信息的扩散机理及其定量建模[J]. 中国管理科学, 2017, 25(12): 147-157.
[14]	刘计含, 王建琼. 基于社会网络视角的企业社会责任行为相似性研究[J]. 中国管理科学, 2016, 24(9): 115-123.
[15]	王丽丽, 赵炳新, D.Nebenzahl. 网络视角的风险与时尚对消费者信息搜索行为影响研究[J]. 中国管理科学, 2016, 24(11): 137-145.