□ 王莫凡，張睿璇，代玉潔，胡慧宇，李 慧

(安徽大學(xué) 商學(xué)院，安徽 合肥 230601)

1 引言

大規(guī)模群體決策是指多個(gè)決策成員參與決策過(guò)程。決策成員根據(jù)已知的決策信息表達(dá)自己對(duì)方案的偏好，然后根據(jù)特定規(guī)則將個(gè)人的判斷聚合成群體意見來(lái)選擇最佳方案[1]。目前對(duì)大規(guī)模群體決策的研究主要集中在專家層面。隨著電子科技以及社交媒體的快速發(fā)展，公眾在社交媒體上發(fā)布的可靠信息可以為決策提供重要的支持。

物流配送中心位于物流節(jié)點(diǎn)上，連接著供貨點(diǎn)和需求點(diǎn)，合理的選址方式可以大大降低企業(yè)的配送費(fèi)用，提高整個(gè)物流體系的運(yùn)營(yíng)效率。目前的物流中心選址研究與方法主要有蟻群算法[2]、模擬退火算法[3]以及雙層規(guī)劃模型[4]等，參與物流中心選址的決策者為相關(guān)物流專家。但當(dāng)前物流配送中心的選擇所涉及的方面愈加復(fù)雜化、多樣化，僅靠模型算法和專家決策無(wú)法滿足日益增長(zhǎng)的物流中心選址需求。

有多種方法可對(duì)專家的決策結(jié)果進(jìn)行分析，但為了降低信息處理的難度，通常采用聚類分析方法將決策專家劃分為若干個(gè)子群體。例如，黃健元等[5]的模糊ISODATA聚類分析方法的改進(jìn)；艾春安等[6]的基于區(qū)間數(shù)判斷矩陣與模糊聚類分析的主觀群決策AHP方法等。

對(duì)于專家的分析決策信息分析，目前已經(jīng)有了很深入的研究。本文主要關(guān)注對(duì)公眾決策的處理方法。先前群體決策問題的研究大多只包括一個(gè)決策機(jī)構(gòu)(即決策專家)，沒有考慮其他決策機(jī)構(gòu)(即公眾)的參與。然而，由于這些決策情境缺少公眾的參與，可能會(huì)產(chǎn)生信息不對(duì)稱問題，因?yàn)閷＜覠o(wú)法從公眾那里獲得與決策相關(guān)的有價(jià)值的信息。特別是在社交媒體時(shí)代，公眾愿意去參與并分享他們對(duì)相關(guān)決策問題的偏好和感受。對(duì)于公眾社交媒體大數(shù)據(jù)的利用可以為公共事件管理提供重要參考，比如在環(huán)境保護(hù)、應(yīng)急決策等方面。

公眾決策在現(xiàn)代生活中越來(lái)越普遍，且一些決策與居民的日常生活息息相關(guān)。當(dāng)代對(duì)群體決策理論發(fā)展影響最大的當(dāng)屬D.Black，其在1958年提出了委員會(huì)決策問題。另外，自1781年法國(guó)數(shù)學(xué)家Borda提出群體方案選擇模型以來(lái)，群體決策逐漸成為決策領(lǐng)域關(guān)注的焦點(diǎn)。

因此，公眾作為另一個(gè)決策主體如何參與大規(guī)模群體決策問題已成為一個(gè)廣泛研究的課題。然而，公眾作為決策主體參與時(shí)，面臨著公眾決策信息的獲取、公眾信息的可信度、民意與專家意見融合等問題?；诖?，本文提出了一種基于情感分析和直覺模糊數(shù)表達(dá)式，考慮公眾動(dòng)態(tài)可靠性的公眾大規(guī)模專家信息融合方法。利用情感分析得到公眾意見矩陣，根據(jù)聚類的方法對(duì)專家的意見進(jìn)行分析整合并構(gòu)建子群意見矩陣，提出了一種考慮專家及公眾共識(shí)水平的優(yōu)化模型來(lái)確定不同決策機(jī)構(gòu)的權(quán)重，將公眾意見和專家意見進(jìn)行匯總來(lái)獲得集體決策信息。本文通過(guò)實(shí)例分析說(shuō)明了該方法的應(yīng)用，可為物流中心選址提供參考，具有理論與實(shí)踐的雙重意義。

2 研究基礎(chǔ)

2.1 問題描述

隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展、移動(dòng)客戶端的普及以及顧客需求對(duì)倉(cāng)庫(kù)選址的重要程度日益增加，普通大眾作為倉(cāng)庫(kù)選址事件的參與者，通?？梢詮牟煌嵌缺磉_(dá)出更多具有現(xiàn)實(shí)意義且具備一定價(jià)值的倉(cāng)庫(kù)選址評(píng)估信息。因此，公眾是倉(cāng)庫(kù)選址決策的重要組成部分。本研究中公眾參與的大規(guī)模群決策問題的主要要素如下:

①一組可行方案x = {x1,x2,…,xp}，其中p≥2；

②多位專家E= {e1,e2,…,em}，邀請(qǐng)多位專家以表達(dá)他們對(duì)不同選址方案的觀點(diǎn)及偏好；

③一組準(zhǔn)則C= {c1,c2,…,ck}，通過(guò)分析公眾在企業(yè)物流官網(wǎng)及社交媒體上發(fā)表的評(píng)論來(lái)獲得；

④能表示專家和公眾意見的決策矩陣，代表不同主體在不同標(biāo)準(zhǔn)C下對(duì)不同備選方案x的偏好程度。

2.2 公眾決策信息的產(chǎn)生

社會(huì)公眾習(xí)慣在互聯(lián)網(wǎng)上發(fā)表自己的觀點(diǎn)，但是由于公眾專業(yè)水平的限制，他們很難將自己的意見或看法進(jìn)行量化描述，往往使用簡(jiǎn)單的語(yǔ)言表述?；诖?，為了使公眾切實(shí)地參與到?jīng)Q策中，需要對(duì)公眾的語(yǔ)言文字表述進(jìn)行量化處理。本文使用了哈爾濱工業(yè)大學(xué)信息檢索研究中心研發(fā)的NLPIR漢語(yǔ)分詞系統(tǒng)[7]，以可靠的方式對(duì)公眾評(píng)論進(jìn)行分析，并從這些數(shù)據(jù)中提取有用的信息，最后用于決策，具體包含以下內(nèi)容：

①刪除語(yǔ)言表述中的停止詞，獲得最終的分詞結(jié)果。

②以大連理工大學(xué)發(fā)布的情感詞典數(shù)據(jù)庫(kù)[8]為基礎(chǔ)，建立與決策問題相關(guān)的情感詞典。

③分析句子的情感極性[9]，不同句子包含不同類型的情感，將積極、正面的情感詞歸為一類，消極、負(fù)面的情感詞歸為一類，表述態(tài)度模棱兩可或者看法不明確的歸為一類。

(1)

(2)

(3)

其中，uli+vli+πl(wèi)i=1。

2.3 專家子組共識(shí)度測(cè)量

在大規(guī)模群決策問題中，由于各專家的擅長(zhǎng)領(lǐng)域、專業(yè)背景不同，往往很難達(dá)成完全一致的意見,換言之就是很難得到大多數(shù)專家都滿意的決策結(jié)果。為了提高群決策的正確性和實(shí)際應(yīng)用性，體現(xiàn)群決策共識(shí)性的特點(diǎn)，需要對(duì)專家群體進(jìn)行分組并對(duì)得到的子組實(shí)行一致性迭代來(lái)提高群體的共識(shí)水平。

①子組Ck的分組共識(shí)水平可以通過(guò)以下公式計(jì)算：

其中，(Rk,Rg)表示子群Ck到Cg之間的距離；

②GCL=min{CL(Ck)|k=1,2,3…,k}，GCL為群體共識(shí)水平，GCL越大，表示所有子組之間的共識(shí)水平越高；

③ρ(0<ρ<1)是預(yù)定義的最小可接受群體共識(shí)閾值。如果GCL≥ρ，認(rèn)為群體共識(shí)水平已達(dá)到一致性;如果GCL<ρ，則代表群體共識(shí)水平未達(dá)到一致性，需要調(diào)整子群體意見以達(dá)到更高層次的群體共識(shí)。

2.4 信息融合

確定準(zhǔn)則和決策機(jī)構(gòu)的權(quán)重，將公眾和專家的決策信息進(jìn)行有效整合，以獲得全面的決策信息。

①確定標(biāo)準(zhǔn)權(quán)重。

在決策信息融合過(guò)程中，準(zhǔn)則權(quán)重是最重要的影響因素之一。由于公眾和專家對(duì)倉(cāng)庫(kù)選址問題有不同的認(rèn)識(shí)及看法，他們對(duì)不同標(biāo)準(zhǔn)做出的評(píng)價(jià)的重要性也不一致。因此，在信息單元生成之前，需要確定不同融合對(duì)象下的準(zhǔn)則權(quán)重。

②確定各決策主體權(quán)重。

由于專業(yè)知識(shí)的匱乏，公眾雖然在群決策中的地位日漸重要，但是鑒于公眾信息的不完全可靠性，本研究認(rèn)為作為獨(dú)立的決策機(jī)構(gòu)，公眾的占比應(yīng)當(dāng)是最小的。同時(shí)，專家分組之間的分歧度和差異性大小都會(huì)影響專家分組作為決策主體在決策過(guò)程中的權(quán)重。由于這些客觀條件的存在，不同決策主體的權(quán)重大小是需要考慮的。

3 模型框架

本文主要提出了一個(gè)綜合參考公眾和專家意見的大規(guī)模群決策的新模型。該模型不僅解決了如何通過(guò)情感分析提取公眾意見矩陣的問題[10]，同時(shí)還綜合考慮了專家分組內(nèi)部意見的一致性。此外，為了實(shí)現(xiàn)公眾意見和專家意見的融合，首先簡(jiǎn)單確定了不同決策機(jī)構(gòu)下的標(biāo)準(zhǔn)權(quán)重，然后建立函數(shù)表達(dá)式并結(jié)合相關(guān)限制條件得出各決策機(jī)構(gòu)的權(quán)重，最終獲得決策綜合信息。決策過(guò)程如圖1所示。

圖1 公眾專家決策模型

第一步：收集與決策問題相關(guān)的公眾社交媒體數(shù)據(jù)并構(gòu)建評(píng)價(jià)標(biāo)準(zhǔn)和公眾意見矩陣。

根據(jù)實(shí)際問題的目標(biāo)性，選用數(shù)據(jù)抓取的方法，從微博、論壇或者當(dāng)?shù)卣⑵髽I(yè)官網(wǎng)等處收集相關(guān)公眾評(píng)論。對(duì)公共社交媒體數(shù)據(jù)進(jìn)行初步處理，根據(jù)評(píng)論內(nèi)容的集中性和決策問題的不同角度，結(jié)合備選方案的性質(zhì)，將提取出來(lái)的關(guān)鍵詞進(jìn)行大致分類，最終形成評(píng)價(jià)指標(biāo)。根據(jù)前文所敘述的定義及內(nèi)容，利用情感分析來(lái)構(gòu)建滿足所有標(biāo)準(zhǔn)的備選方案的公眾意見。

第二步：對(duì)專家意見進(jìn)行聚類，并構(gòu)建子組意見。

使用和公眾決策矩陣相同的情感分析方法形成專家意見矩陣，再利用Matlab軟件的系統(tǒng)聚類方法將專家組分為K個(gè)子組。專家意見在同一子組中進(jìn)行匯總，利用算術(shù)平均計(jì)算法生成子組決策矩陣。

第三步：衡量專家分組的共識(shí)水平[11]。

子組Ck(k=1,2,…,K)的共識(shí)水平CL(Ck)根據(jù)公式(1)和(2)并進(jìn)行算術(shù)平均計(jì)算得到，群體共識(shí)水平GCL由公式(3)計(jì)算得到。如果GCL≥ρ，該過(guò)程跳到步驟五；否則，進(jìn)入下一步。

(4)

(5)

GCL=min{CL(Ck)|k=1,2,…,K}

(6)

第四步：更新子組意見。

如果GCL<ρ，則需要觀察各子組的共識(shí)水平偏離程度，選擇共識(shí)水平最低的子組在一定范圍內(nèi)進(jìn)行調(diào)整，以達(dá)到更高的群體共識(shí)水平。經(jīng)過(guò)幾次共識(shí)迭代，使子組共識(shí)水平達(dá)到預(yù)定的最低可接受子組共識(shí)閾值。

第五步：為不同的決策機(jī)構(gòu)確定關(guān)于每個(gè)備選方案的綜合信息。

首先確定不同決策機(jī)構(gòu)下每個(gè)決策標(biāo)準(zhǔn)的權(quán)重大小，然后結(jié)合公眾意見矩陣、更新后的專家子組意見矩陣及標(biāo)準(zhǔn)權(quán)重，構(gòu)建不同決策機(jī)構(gòu)下每個(gè)備選方案的綜合信息矩陣。

第六步：計(jì)算不同決策機(jī)構(gòu)的權(quán)重并生成集體決策信息。

構(gòu)建相關(guān)變量之間的關(guān)系式，結(jié)合相關(guān)限制條件解得?；诓煌瑳Q策機(jī)構(gòu)的權(quán)重，結(jié)合專家子組和公眾的綜合信息進(jìn)行匯總，構(gòu)建集體決策信息，利用IFN得分函數(shù)得到最佳的備選方案。

4 案例分析

合肥地處中國(guó)華東地區(qū)、安徽中部、江淮之間、環(huán)抱巢湖，是長(zhǎng)三角城市群副中心。近年來(lái)，由于地區(qū)經(jīng)濟(jì)飛速發(fā)展，合肥市2020年GDP首破萬(wàn)億元，基礎(chǔ)設(shè)施建設(shè)發(fā)展迅猛，不少新興企業(yè)紛紛落腳合肥，使其獲得“大湖名城、創(chuàng)新高地”的美譽(yù)。目前，合肥行政區(qū)劃為4個(gè)市轄區(qū)、4個(gè)縣和1個(gè)縣級(jí)市，其中對(duì)GDP貢獻(xiàn)最大的是4個(gè)直轄區(qū)：蜀山區(qū)、瑤海區(qū)、包河區(qū)和廬陽(yáng)區(qū)。

企業(yè)A是合肥市內(nèi)重要的企業(yè)，近幾年發(fā)展較為迅速，由于業(yè)務(wù)范圍的擴(kuò)大和業(yè)務(wù)量的增加，企業(yè)A規(guī)劃新建一個(gè)倉(cāng)庫(kù)。倉(cāng)庫(kù)選址對(duì)企業(yè)而言十分重要，倉(cāng)庫(kù)選址對(duì)商品流轉(zhuǎn)速度和流通產(chǎn)生直接影響，并關(guān)系到企業(yè)對(duì)顧客的服務(wù)水平和服務(wù)質(zhì)量，一旦選擇不當(dāng)，將給企業(yè)帶來(lái)不良后果，而且難以改變。

因此，企業(yè)A高度重視倉(cāng)庫(kù)選址，并邀請(qǐng)了10位專家(記為e1，e2，e3,…，e10)來(lái)確定倉(cāng)庫(kù)選址的最佳方案，其中包括兩位倉(cāng)儲(chǔ)部門專家(記為e9和e10)、四位運(yùn)輸部門專家(記為e5，e6，e7和e8)和四位企業(yè)內(nèi)部銷售專家(記為e1，e2，e3和e4)。經(jīng)認(rèn)真協(xié)商，確定了四項(xiàng)選址中心方案，可以表示為X={X1,X2,X3,X4}，具體如下所示：

X1：將企業(yè)A的新建倉(cāng)儲(chǔ)中心選定在瑤海區(qū)

X2：將企業(yè)A的新建倉(cāng)儲(chǔ)中心選定在蜀山區(qū)

X3：將企業(yè)A的新建倉(cāng)儲(chǔ)中心選定在包河區(qū)

X4：將企業(yè)A的新建倉(cāng)儲(chǔ)中心選定在廬陽(yáng)區(qū)

為了找到最佳方案，需要經(jīng)過(guò)公眾數(shù)據(jù)收集及處理、專家分組及共識(shí)調(diào)節(jié)、權(quán)重確定及決策三大步驟。

4.1 公眾數(shù)據(jù)收集及處理

4.1.1 收集相關(guān)公共社交媒體數(shù)據(jù)并形成公眾意見矩陣

首先，將從新浪微博平臺(tái)和企業(yè)/政府物流服務(wù)官網(wǎng)等處收集到的1030條原創(chuàng)評(píng)論作為原始數(shù)據(jù)。根據(jù)相關(guān)學(xué)者處理語(yǔ)言信息的方法對(duì)收集到的原始數(shù)據(jù)進(jìn)行初步處理，處理措施主要包括斷句、去除停頓詞和非相關(guān)語(yǔ)句等。然后，根據(jù)公眾對(duì)企業(yè)A倉(cāng)庫(kù)選址的不同關(guān)注角度，結(jié)合四種備選方案本身的性質(zhì)進(jìn)行分析，將提取出來(lái)的關(guān)鍵詞大致歸納為四類:選址成本、居民環(huán)境因素、利民程度及市場(chǎng)因素。評(píng)價(jià)標(biāo)準(zhǔn)及相關(guān)關(guān)鍵詞見表1。

表1 四種標(biāo)準(zhǔn)及其關(guān)鍵詞

4.1.2 情感分析形成公眾意見矩陣

對(duì)每條評(píng)論進(jìn)行情感分析，判斷1030條評(píng)論對(duì)四種不同方案在四個(gè)不同標(biāo)準(zhǔn)下的積極/消極態(tài)度，并求其正面/負(fù)面態(tài)度的百分比，以此作為公眾意見矩陣的原始數(shù)據(jù)。最終得到的公眾意見矩陣如表2所示。

表2 公眾意見矩陣

4.2 專家分組及共識(shí)調(diào)節(jié)

4.2.1 對(duì)專家意見矩陣聚類并構(gòu)建子組意見矩陣

根據(jù)10位專家在選址成本、居民環(huán)境因素、利民程度、市場(chǎng)因素四個(gè)標(biāo)準(zhǔn)下對(duì)四個(gè)備選方案評(píng)價(jià)的積極或消極的百分比(C1,C2,C3,C4)，形成專家意見矩陣。原始的專家意見矩陣如表3所示。

表3 原始專家意見矩陣

之后利用MATLAB 2018b版軟件，對(duì)原始專家數(shù)據(jù)進(jìn)行系統(tǒng)聚類，將10位專家分為3個(gè)子組(E1,E2,E3)。系統(tǒng)聚類法(自下而上)的基礎(chǔ)是先將聚類的專家意見各自看成一類，然后確定類與類間的相似統(tǒng)計(jì)量，并選擇最接近的兩類或若干個(gè)類合并成一個(gè)新類，計(jì)算新類與其他各類間的相似性統(tǒng)計(jì)量，再選擇最接近的兩類或若干類合并成一個(gè)新類，直到所有的專家意見原始數(shù)據(jù)都合并成一類為止，分組結(jié)果如表4所示。

表4 系統(tǒng)聚類結(jié)果

4.2.2 計(jì)算子組共識(shí)度及更新子組意見

在物流中心選址問題上，由于專業(yè)領(lǐng)域和專業(yè)背景不同，專家們的意見很難達(dá)到完全一致。換句話說(shuō)，即使是10位專家，要獲得大多數(shù)專家滿意的決策結(jié)果并不容易。在這種情況下，群體共識(shí)水平將無(wú)法達(dá)到本方案預(yù)設(shè)的最低可接受共識(shí)閾值0.7。此時(shí)，需要通過(guò)子組的一致性迭代來(lái)提高群體共識(shí)水平。群體共識(shí)水平的測(cè)量主要基于子組之間的相似性。

首先計(jì)算四個(gè)標(biāo)準(zhǔn)下兩兩子組之間的平均差異，再計(jì)算四個(gè)標(biāo)準(zhǔn)匯總之后的平均差異。子組之間的差異性可以利用距離來(lái)表示，具體如下：

令A(yù)=x,μA(x),vA(x),B=x,μB(x),vB(x)，根據(jù)公式(4)可以得到兩兩子組對(duì)各備選方案在四個(gè)不同標(biāo)準(zhǔn)下的共識(shí)度，將其進(jìn)行簡(jiǎn)單算術(shù)平均后再根據(jù)公式(5)計(jì)算各組的綜合共識(shí)水平，結(jié)果如下：CL(E1)為0.6822，CL(E2)為0.6824，CL(E3)為0.6762，因此選取最小的小組共識(shí)水平結(jié)果，即GCL=0.6762為最終的群共識(shí)水平結(jié)果。

由于第一次所得到的群共識(shí)水平為0.6762，小于所設(shè)定的共識(shí)閾值0.7，因此需要對(duì)原始公眾矩陣進(jìn)行迭代更新。三個(gè)子組中，E3的共識(shí)水平最低，其中E1和E3在C4標(biāo)準(zhǔn)下的差異較大，E2與E3在C1標(biāo)準(zhǔn)下的差異較大，所以對(duì)E3的分組意見進(jìn)行適當(dāng)修改。為保證專家意見的主體性，分組意見的修改幅度不得超過(guò)±5%，二次調(diào)節(jié)后的子組共識(shí)水平如下： CL(E1)為0.70054，CL(E2)為0.7037，CL(E3)為0.7019,因此選取最小的小組共識(shí)水平結(jié)果，即GCL=0.7005為最終的群共識(shí)水平結(jié)果。此時(shí)，群共識(shí)水平大于所設(shè)定的閾值0.7，無(wú)需再更新子組水平，群體共識(shí)已經(jīng)基本實(shí)現(xiàn)。最終更新后的分組意見如表5所示。

表5 更新后的子組結(jié)果

4.3 權(quán)重確定及決策形成

4.3.1 標(biāo)準(zhǔn)權(quán)重確定及綜合信息矩陣構(gòu)建

公眾中不同指標(biāo)的標(biāo)準(zhǔn)權(quán)重由所收集到的1030條語(yǔ)言評(píng)論中四種標(biāo)準(zhǔn)關(guān)鍵詞出現(xiàn)率占比決定。通過(guò)分析1030條評(píng)論，得到四種指標(biāo)的權(quán)重為

W1=0.28，W2=0.25，W3=0.21，W4=0.26

假設(shè)每個(gè)專家在本決策問題意見的發(fā)表上都是絕對(duì)理性的，則專家對(duì)于四個(gè)指標(biāo)的權(quán)重應(yīng)當(dāng)是均等的，對(duì)待四個(gè)指標(biāo)都是公正的，則四個(gè)指標(biāo)的權(quán)重為

w1=0.25，w2=0.25，w3=0.25，w4=0.25

根據(jù)更新后的專家意見矩陣(E1,E2,E3)、公眾意見矩陣E*以及四種指標(biāo)的標(biāo)準(zhǔn)權(quán)重，得到最終的綜合信息如表6所示。

表6 備選方案綜合信息矩陣

4.3.2 各決策機(jī)構(gòu)權(quán)重的確定

設(shè)公眾的權(quán)重占比為λ*，專家子組的占比分別為λ1、λ2、λ3，四個(gè)決策機(jī)構(gòu)權(quán)重之和為1，則專家子組占比也可以表示為1-λ*。子組共識(shí)水平越大其可參考性也就越強(qiáng)，由此將子組共識(shí)水平與所設(shè)定的閾值0.7之間差值的大小作為評(píng)判子組權(quán)重的依據(jù)，則子組的權(quán)重大小可以大致判斷為E2>E3>E1。

由于專業(yè)知識(shí)不足，公眾在所有權(quán)重中的占比應(yīng)當(dāng)是最小的，并且即便是共識(shí)度最小的專家子組其在決策中的影響程度也應(yīng)遠(yuǎn)遠(yuǎn)大于公眾(這里假設(shè)專家的決策影響度至少為公眾的2倍)，根據(jù)這些限制條件，可以解得：

λ*=0.042，λ1=0.085，λ2=0.582，λ3=0.291

4.3.3 產(chǎn)生最終決策

通過(guò)以上步驟可以獲得最終的集體決策信息：

X1=<0.3539,0.4617>，X2=<0.4266,0.4068>，

X3=<0.6243,0.2572>，X4=<0.4940,0.2662>

根據(jù)IFN的得分函數(shù)，得到以下結(jié)果：

S(X1)=-0.1078，S(X2)=0.0198，

S(X3)=0.3671，S(X4)=0.2278

因此，備選方案可以排序?yàn)椋篨3>X4>X2>X1。

最好的選擇是X3，即將企業(yè)A的新建倉(cāng)儲(chǔ)中心選定在包河區(qū)(X3)。

5 總結(jié)及展望

針對(duì)企業(yè)A在合肥市的物流中心選址問題，本文提出了一種融合專家和公眾意見參與的大規(guī)模群決策新方法。本方法同樣可運(yùn)用于環(huán)境治理方案、綠色供應(yīng)鏈管理、藥品政府定價(jià)等需要聽取專家意見和適度考慮公眾意見的大規(guī)模群決策。

本文的主要貢獻(xiàn)如下：①提出了考慮公眾意見的公眾參與方法來(lái)提高決策的滿意度。對(duì)經(jīng)過(guò)處理的原始數(shù)據(jù)進(jìn)行關(guān)鍵詞提取，利用情感分析形成公眾意見矩陣，將其與專家決策融合。研究發(fā)現(xiàn)，該方法增加了公眾對(duì)于合肥市物流中心選址決策造成的滿意度，一定程度上避免了僅專家決策造成的疏漏和失誤。②定義群體共識(shí)閾值，并基于子組間的相似性測(cè)量子組共識(shí)水平，根據(jù)閾值微調(diào)專家子組意見，更新子組水平以達(dá)到閾值。經(jīng)過(guò)迭代更新，群體共識(shí)基本實(shí)現(xiàn)。③利用專家和公眾群體共識(shí)度水平來(lái)度量?jī)蓚€(gè)不同決策群體的標(biāo)準(zhǔn)權(quán)重?？紤]到?jīng)Q策群體權(quán)重之和為1，且公眾專業(yè)知識(shí)的不足，公眾在決策中的影響程度應(yīng)該遠(yuǎn)遠(yuǎn)小于專家等限制條件，同時(shí)以各群體共識(shí)度水平的差異為主要決定因素，得出各決策群體的標(biāo)準(zhǔn)權(quán)重。

但本文也存在不足和局限：①進(jìn)行專家子組意見更新時(shí)，適當(dāng)調(diào)整了子組意見矩陣以達(dá)到更高的共識(shí)度，但即使是有調(diào)整幅度的限制，依然會(huì)有信息失真的可能。②進(jìn)行各決策機(jī)構(gòu)的標(biāo)準(zhǔn)權(quán)重確定時(shí)，出于實(shí)際情況和經(jīng)驗(yàn)考慮，假設(shè)專家的決策影響度至少為公眾的2倍，存在一定的不確定性。③本文主要考慮的是專家和公眾共識(shí)水平的影響，但不排除有二者決策沖突的可能，并認(rèn)為包含對(duì)專家與公眾的容忍度、妥協(xié)水平以及不妥協(xié)等沖突情況的研究可以作為未來(lái)物流中心選址決策的方向。