基于异质主体认知及评估的大群体方案调整方法

□徐选华 周鋆洁

[中南大学 长沙 410083]

引言

伴随社交媒体的普及与发展，网络日益成为公众收集信息、共享信息和参与应急管理的重要渠道[1]。研究表明：COVID-19期间，公众对社交网站的使用量增加了61%[2]。尤其在发生重大应急事件后，公众作为真正受到事件影响的群体，他们通常会积极地参与到关注与讨论应急事件中[3]。微博、知乎、Twitter和Facebook等社交平台被公众视为获取、传播和交流信息的主要渠道[4]。在网络上的个体将主动使用各种便捷手段和有效渠道来获取他们所关注的信息，扩大自身的信息拥有量，以减少对正在发生事情的模糊性、迷惘性和不确定性。同时，“完善应急管理体系构建”“健全共建共治共享的社会治理制度”在二十大报告中被提及，构建并规范应急运作管理对于健全国家现代化应急管理体系具有重要意义[5]。针对突发事件的复杂性、风险性和社交媒体的开放性，由于紧急情形的不确定性会给集体带去压力，群体规模扩大下的协同群智决策已引起广泛讨论[6～8]，通常定义不少于20位决策者的群体即为大规模群体[9～10]。公众参与决策过程这一视角逐渐成为应急决策领域的研究热点[11]。引导公众参与突发事件的讨论与决策对应急管理部门有着重要作用，这将有利于消散网络中充斥的焦虑氛围并基于公众智慧减少决策实施阻力与降低潜在风险[12]。然而，现有的涉及公众参与决策的视角多是基于NLP和SNA研究公众在社交媒体上发布的内容信息和行为数据[9,13]，分析公众在社交平台的信息固然重要，但更需要关注公众依据现有信息对决策的感知判断及其评估的可信度。

近几年，涉及大规模群决策的成果颇多，大规模群决策（LSGDM）要求不少于20位参与者依据评估信息和关系网络，促进群体共识，提高决策效率，对有限方案进行排序与优化选择[14]。涉及这方面的研究多集中在决策聚类[15～16]、决策演化[17]、决策风险[13]、决策成本[18]和决策共识[9,15]，较少考虑到决策管理[19～20]和实施阻力。Lu等基于SNA聚类和群体共识达成，提出HFPRs补值方法和检测并管理不信任行为的机制[16]。Li等提出在社会网络背景的领袖的偏好演化机制和客观的自我评价机制以促进群体共识达成[17]。Zhou等基于决策者风险态度的聚类，提出在风险态度下处理勾股模糊信息的统计估计方法和最小化群体冲突的优化模型[21]。Liang等提出一种在LSGDM中基于有限信任效应和扩展的PSO算法的信息损失最小和时间约束的CRP方法，在降低决策成本与促进群体共识达成上表现较好[18]。Yang等基于意见动力模型，提出参考公众意见和信任关系的社交舆论管理机制[20]。Li等基于社交交互网络和意见演化，提出检测和管理操纵和非合作行为的机制和共识反馈模型[19]。过去十年，已有许多复杂模型和优化方法用于不同视角下基于LSGDM的方案选择，但目前较少涉及依据群体智慧、评估差值和实施阻力对排序结果深入调整。此外，合理、客观的决策者权重对方案排序影响较大，现有研究多假定专家权重一致[22]，或是基于信息熵[23]、评估值上的优化模型[24]确定决策者权重。Yue基于香农熵和热力学定律确定决策者权重，将权重确定的信息量从单个属性向量提升到整个决策矩阵[23]。Dong等设计一种新的基于非合作行为的共识模型，其中基于子组中专家数量确定决策群权重，专家权重为所在子组中的权重均值，即同一子组内的专家权重一致[25]。以上确定决策者权重的方式均没有考虑到个体的信息价值，且大多基于基数信息，缺少一种结合认知特性和表达能力考虑评估可信度的权重确定方法。目前考虑成员评估的群体智慧驱动下的决策研究尚处于探索阶段，基于成员知识结构和认知能力的量化方法较少。

综上，本文提出融合个体认知能力的权重确定和方案调整方法。首先，基于知乎平台收集并获取一定规模的公众意见，辅助专家在抉择方案优劣性时考虑公众满意度下的方案实施阻力，选择双方认可度较高的方案作为最佳方案。其次，从个体的基数评估中抽取并利用序数结构信息，基于群体评估差异确定成员权重。然后，提出一种个体之间意见差距度量方法，拓展了抽取决策成员序数行为的信息及其价值的方式。最后，基于二元语义信息下的个体认知能力，考虑低价值群体退出决策对方案排序的影响。本文所提方法为探索公众-专家协同下的应急决策范式提供新思路，从实际情境出发的方法模拟及对比分析也验证了方法的可行性及有效性。

本文的创新之处在于：（1）借助社交平台获取公众评估信息，辅助专家衡估方案，拓宽了决策要素来源。（2）考虑大规模异质群体的知识经验的差异性，识别个体之间的认知能力和序数共识，提出一种专家权重确定方法以全面衡量个体之间、个体与群体之间的基于认知和表达能力上的综合差异。（3）基于个体认知能力，分析不同辨识水平的成员评估对决策结果的影响。

一、问题描述与方法基础

（一）问题描述

设专家集合E={e1,e2,···,eM}和 公众集合P={p1,p2,···,pK} 对L个可行方案A={a1,a2,···,aL}进行基于个体认知能力的评估，其中公众评估以偏好序列表示，专家评估以多粒度的二元语义值表示。方案属性集合为C={c1,c2,···,cN}，方案排名集为I={1,2,···,L} ，其中1

表1 变量的符号及说明

（二）方法基础

定义 7.[37]在有限集X={x1,x2,···,xL}中，两个主体表达对同样两个方案之间的关系时，在关系集{≻,～,≺}中存在表2所示的9种情况，需要满足非负性、对称性和三角不等式的公理性质和7个条件，这里不展开叙述。假设距离用d表示，xr,xh∈X，则成员之间的序数评估存在的关系距离如表2。

表2 序数评估关系之间的距离

二、方法原理

（一）基于序数评估的成员综合差距测度方法

决策成员提供的信息及其质量对决策结果存在影响。本文基于个体间的表达距离、关系及知识差测量成员之间的综合差距，主体间的表达差距考虑了序数评估距离及关系，知识差基于个体之间知识水平的相对差值确定，又名主体间的认知差距。由于现实情境中可能存在知识水平相近但排序偏好不同的情形，因此结合认知差和表达差来确定主体间的综合差距是有意义的，为后续确定成员权重提供依据。这与以往研究假定所有成员具有相同的重要程度[22]或基于优化模型[24]确定成员权重区分开来，本文采用的成员权重确定从个体的认知行为和表达能力出发，考虑信息质量和实际差距，更为客观和全面。

（二）方法框架

方法流程如图1所示。其中，左侧引入公众参与决策过程，依据获得的公众排序信息和个体知识水平测量，以确定公众基于认知能力的方案评估，辅助专家选择最优方案。方框内右侧为一般的专家决策过程，与现有文献不同的是，引入主体间的认知差距和表达差距确定专家权重，从而得到基于融合专家智慧的方案排名。方框内左侧和右侧的流程在逻辑上独立且允许同时进行，最后在参考公众智慧上确定双方满意的最佳方案，有效减少了方案实施阻力。

图1 基于异质主体评估的权重确定方法及方案调整流程

三、方法步骤

（一）公众认知上的方案排序

通过收集公众意见获得个体对方案的全局排序，形成个体的PSV，然后计算个体的知识水平，从而确定个体的权重，将个体的知识水平权重融入PSVs中，获得公众认知上的方案排序，具体步骤如下：

Step 1. 在专家提供多个备选方案后，获得K位公众提供对L个方案的直接排序信息，允许公众对方案存在无差异评估，形成公众的PSVs:{p1},{p2},···,{pq},···,{pK} ， 其中，表示第q位公众对方案al的排位评估。

Step 2. 结合Step 1结果，由定义9计算公众的知识水平K Dpq。

Step 3. 确定个体权重。依据公式(11)获得主体的认知能力，用式(14)标准化个体评估所象征的知识水平，由此确定个体在群体知识水平中的标准化权重。通常，个体知识水平越高，其权重越大。

Step 4. 确定公众集体对方案的整体排序。利用Yager提出的加权聚合算子得到一维评估向量，元素计算如式(15)。由于本文方法是基于方案排位上的聚合，若方案在连续排位上，则针对方案al，公众pq的评估。再结合公众权重，值越小，表示方案al越好；但若和其余部分方案仍处于同一区间段，则认为这些方案之间差异很小。

（二）专家认知上的方案排序

基于二元语义获得专家对方案在属性上的评估矩阵，并基于灰色关联模型确定属性权重，再通过聚合算子得到专家对方案的评估向量。然后，将成员评估值按区间划分并形成个体的PSV，从中确定主体的认知差距和表达差距，从而确定专家权重。最后，将个体权重融入对方案的评估矩阵中，获得专家认知上的方案排序，具体步骤如下：

四、案例应用与对比分析

（一）案例背景

2022年3月，中国湖南省长沙市出现COVID-19次生疫情，基于以往的疫情防控经验，长沙市疾病预防控制中心迅速聚集来自不同领域的20位专家，在时间压力内制定出方案集A={a1,a2,a3,a4}。其中，各方案具体内容如下：a1：“划分中高风险区、管控区和低风险区，实行分区管控，中高风险区和管控区定期组织全员核酸，防疫物资主要向中高风险区倾斜；低风险区出行需提供 48 小时内的核酸证明；加强流调工作并开设线上心理讲座”；a2：“加强市内的防控工作，从附近运输物资；明确中高风险区，并实施限制；实行 14 天自我隔离和 7 天 7 检，发现异常者立即送往集中隔离；实时宣传防疫知识，校内要关注学生身心健康”；a3：“向各市区分配医疗资源与物资，加强方舱医院建设；划分中高风险区、管控区和低风险区，对重点区域严格管理，实行三天两检并倡导居家隔离办公，出行要核实健康码、核酸报告和扫描场所码；官媒或公众号实施通报疫情变化，宣传防疫知识和加强公众心理疏导”；a4：“禁止重点疫情区域的出行，设置疫检口并进行全员核酸，防疫物资主要向中高风险区倾斜；低风险区出行需提供 24 小时内的核酸证明，员工持绿码正常复工；官媒及时通报疫情防控进展并跟进社交媒体的舆论引导”。

（二）决策过程

1. 获得公众认知上的方案排序

次生疫情暴发后，首先利用八爪鱼工具从知乎平台中获取极为关注此事件的用户信息，如昵称、评论时间、内容等；其次，我们从中邀请了200位公众在线表达他们对方案的评估。将专家制定的备选方案集告知他们，并允许提供方案的并列排序；最后，对收集到的评估信息进行剔除无效样本（用户没有提供对方案的有序排序信息，包括：没有排序、部分排序、非连续排序），最终有效样本为5 0 个。统计不同P S V 占有效样本的百分比（Pro%），列出典型的9种公众方案排序信息，如表3所示。

表3 公众提供的方案排序

Step 1. 根据表3和定义 5形成公众的PSVs，如表4所示。

表4 公众的PSV表示

Step 2. 引入最大知识水平阈值 λ ,并假定λ=0.8， 根据公式(11)计算个体的知识水平K Dpq， 以p6为例，p6仅{1,2,3}和{4}两个分区，由式(11)计算得KDp6=(ln4-ln(3×3×3×1)/4)×( 2/(32+12))≈0.112。同理，得群体知识水平向量：KDP=(KDq)=(0.52,0.52,0.8,0.52,0.52,0.112,0.8,0.173,0)。

Step 4. 结合上述结果和式(15)得到公众对方案排序的整体评估，OP=(2.180,2.767,1.185,3.169)T，公众对方案的最终排序结果为：a3>a1～a2>a4。该结果表明公众抵制a4的实施，最能接受a3的实行。

2. 获得专家认知上的方案排序

假设专家群体经过讨论确定了方案的评估标准，组成属性集C={c1,c2,c3,c4}，其中各属性含义如下：c1： 舆论引导；c2：物资保障；c3：防控等级；c4：安全程度。

Step 1. 专家根据自身的知识背景、认知能力和所掌握的信息提供如下表的重要性评估，评估统一地采用粒度为9的二元语义表示，如表5所示。

表5 专家的意见评估

Step 2. 确定属性权重。以Of=(min1

其中， |o11-o1f|=0 ,|o12-o1f|=5 ,|o13-o1f|=0.8,|o14-o1f|=3.2 ， 因 此Λmin=min{0,0.63,0.8,3.2,5}=0,Λmax=max{0,0.63,0.8,3.2,5}=5 。同理，r2f≈0.54,r3f≈0.56 , r4f≈0.72 ，再由式(16)求得e1的属性权重，如表6所示。

表6 通过GRD模型获得各专家感知上的属性权重

Step 3. 获得专家对方案的评估。以e1为例，结合表5、表6，由式(1 7)得：，见表7。

表7 专家对方案的认知评估

Step 4. 结合表7和式(2)，将评估值转化为数值形式。以e1为例，O1=(β1l)1×4=(3.71,6.72,2.77,3.51)。由于e1在a1和a4上的差异过小，仍在同一区间内，有a2≻a1～a4≻a3。故按照定义5得到Be1={{2,3},{1},{4},{2,3}},如表8所示。结合公式(11)计算个体的知识水平，得到 KDE= (0.520,0.520,0.112,0.520,0.520,0.112,0.520,0.520,0.173,0.520,0.173,0.520,0.520,0.800,0.520,0.800,0.520,0.520,0.800,0.520)。

表8 专家的偏好序列表示

Step 5. 确定专家权重。由定义 8和定义 10分别计算专家间的表达差距和认知差距，最终确定主体间的综合差距，其中本文假定关系阈值 γ=0.5，认知阈值 θ=0.6 。以专家e1和e2为例，由式(7)得∇(Be1,Be2)=max{0,-2}+max{0,3} +max{0,1}+max{0,-2}=0+3+1+0=4，则距离差由公式(8)得：

关系差由公式(9)得：

则e1和e2间的表达差距由公式(10)得：dexp(Be1,Be2)=0.5×(drel(Be1,Be2)+ddis(Be1,Be2))=0.5 ,由 于e1和e2间的相对知识差为0，由公式(13)得综合差距值为：dtotal(Be1,Be2)=0.2 。专家的综合差距矩阵D=(dtotal)20×20是主对角线为0的非负对称矩阵，如下所示：

Step 6. 将专家权重融入表7的方案评估中，由公式(20)确定方案的优劣顺序并观察方案得分所在区间，得到OE=(3.960,4.291,4.157,4.492)， 即a4～a2～a3≻a1。

Step 7. 确定最佳方案。由于方案a4被公众明显抵触，而a1不 被专家所认可，故只需在a2和a3中比较。专家集体认为a2～a3， 而公众集体认为a3>a2，因此结合异质群体决策结果，实施a3的效果最好。

（三）比较分析

在现有的LSGDM中，针对专家权重确定的研究多是从主体间的信任关系或是意见接近度或是综合考虑，其中，可能存在专家意见与群体意见偏差过大但对方案的综合排序在整体上排序一致的情形，故本文确定专家权重是从方案排序出发，基于个体与群体之间在方案表达的模糊性和排序行为上的平均综合差距，确定个体在群体中的话语权和影响力。本文权重确定有两个来源：一是从主体评估方案的模糊程度上计算个体在具体情形下的知识水平，知识水平越高，专家对方案间的评估越清晰，其决策能力越强。由于仅衡量个体的知识水平会存在主体间知识水平相似却对方案排序上意见不同的情形，故还需考虑引入决策者表达能力上的差距。第二来源是从主体间排序行为中的方案位置和关系上，通过计算决策个体之间的整体表达差距，结合专家间的认知差距，给予与群体即其他决策个体的平均综合差距较小的专家以较高的权重。

首先，观察认知阈值的大小对方案排序结果的影响，如表9所示。总体来说，方案排序结果从a4～a2～a3≻a1转 向a4～a2～a3～a1，表明认知阈值越大，认知上的模糊性越多，此时最优方案和最劣方案间的差距在缩减，会使得决策者无法完全将方案区分开来。

表9 认知阈值对排序结果的影响

其次，在对内验证中，将公众数据用专家确定权重的方法计算，得到方案排位上的评估为OP=(2.445,2.919,1.242,3.393)；若使得知识水平较低的个体 (即 K D<0.5) 退出决策过程，得到方案排位上的评估为OP=(2.097,2.772,1.205,3.242)；从之前讨论可知，在本文中的公众知识水平上的方案排位评估为Op=(2.180,2.767,1.185,3.169)。或改变权重确定公式，采用式(21)得到的排位评估为O＇P=(2.437,2.931,1.248,3.384)，排序结果仍保持一致。或不计算主体间的认知能力差距，直接将知识水平融入表达差距矩阵上，得到排位评估向量Op=(2.218,2.962,1.059,3.761)。观察上述评估向量，它们在排序结果上保持一致，反映了个体权重确定方法的合理性和可行性。

最后，通过与现有文献在不同层面的对比反映本文所提方法的适用性和优越性。Hou[36]利用 PSV和方案排序上的分歧矩阵，迭代三次后确定最终方案排序：A1>A2>A3>A5～A4，但采用本文所提方法仅经过一次便得到在方案排位上的专家评估：OE=(1.394,1.476,2.584,4.332,3.944)， 即A1>A2>A3>A5>A4，结果基本一致，加快了决策过程并提升决策效率。Hou 是基于最小化方案间的分歧值，而没有考虑到主体的知识水平测度和方案排序的关系上。Liu[33]基于 EPM和方案关系，依据控制和被控指数确定其算例的方案排序：A4≻A3≻A2～A1，采用本文所提方法得到OE=(2.905,2.745,2.255,1.765)，即A4≻A3>A2>A1，结果仍基本一致，但本文更深入地考虑了个体提供的信息价值，研究了个体的认知能力对方案抉择的影响。Wan[39]基于排序信息的相似性和前景理论得到的方案排序为：A6>A3>A2>A5>A1>A4， 其中A1和A4为负向得分，前三位为正向得分且差值在1%内，采用本文方法得到在排位上的方案评估OE=(4.751,2.216,2.535,4.356,3.212,2.608) ，即A2～A3～A6>A5>A4～A1。虽然方案排序有所差别，Wan考虑的是主体的情绪态度，但本文研究视角不同，考虑了主体提供的信息价值和对评估方案的真实区分能力。此外，文献[40]基于专家间的意见与信任确定权重，最终方案排序为：A5>A3>A2>A1>A4，采用本文所提方法获得方案得分评估：OE=(0.573,0.568,0.588,0.525,0.723)，即A5>A3>A1>A2>A4，对比表明：群体在最优、次优及最劣方案上的认知是一样的。

综上，通过比较分析验证本文所提方法具备一定的可行性、有效性和优越性。在专家权重确定上，既衡估了专家通过行为表现出来的个体知识水平，又考虑到了个体表达能力上的差距。此外，本文引入公众支持度衡量方案实施阻力，且有效避免了社交关系中的羊群效应的破坏，更为合理地参考公众价值信息，选取实施效果更佳的方案。

五、结论

现有的大规模应急决策通常基于个体提供的基数信息及社交网络关系确定权重，然而社交媒体平台上的关系网络通常稀疏且难以获取。此外，以往研究较少考虑到基数信息上的模糊性和价值量。本文提出一种基于主体认知及评估的权重确定和方案调整方法，并将其应用到大规模异质群体的应急决策领域，不仅为信息不完备、演化复杂的应急事件提供基于群体智慧和群体支持下的方案排序信息，在决策科学的基础上提高实施质量，而且有助于探索认知特性下大群体应急决策管理的新范式。

本文的主要贡献及相关结论如下：（1）引入公众辅助决策的视角，参考公众集体智慧下的方案排序并判断各方案的实施阻力，补充共建共治共享的应急管理体系；（2）提出从个体的模糊表达中进行知识测量，作为对个体所提供的信息的价值及其认知能力的衡量依据，研究表明高辨别能力的个体评估能加速决策效率；（3）提出新的个体权重确定方法，结合个体提供的行为数据，全面衡量个体之间、个体与群体之间的基于认知和表达能力上的综合差异；（4）基于个体认知能力，研究评估模糊性较多的个体进入与退出决策对最终方案排序的影响，并通过对比分析得到结论：“低认知能力的主体的决策退出对最佳方案的选取干扰较小”。然而，所提方法的不足在于：二元语义模型只能处理均匀对称分布的偏好语言术语集，但由于决策过程中的时间压力和复杂变化，受限于其专业背景和认知能力，专家提供的评估信息可能是非平衡和存在缺失值。