社交网络群决策

社交网络群决策 (Social Network Group Decision Making, SN-GDM) 将专家之间的信任关系和影响关系（社交网络结构）引入群决策建模。传统群决策假设专家之间相互独立，但现实中专家之间存在信任/不信任、权威/从属等复杂关系，这些关系会影响意见融合和共识达成的过程。

研究动机

在传统群决策和共识方法中，专家被视为独立的个体，共识调整只基于专家评价本身。但在现实中：

• 资深专家的意见对年轻研究者有更大的影响力
• 专家之间可能存在信任或不信任关系
• 某些专家倾向于"跟随"意见领袖
• 社交关系会影响专家是否愿意调整自己的评价

忽略这些社交结构可能导致共识模型与实际行为脱节。

基本框架

社交网络建模

专家间的关系用有向加权图 $G = (E, T)$ 表示，其中：

• $E = \{e_1, \dots, e_p\}$ 是专家节点集合
• $T = (t_{kl})_{p \times p}$ 是信任矩阵，$t_{kl} \in [0, 1]$ 表示专家 $e_k$ 对专家 $e_l$ 的信任程度

信任关系通常不对称：$t_{kl} \neq t_{lk}$（“我信任你"不意味着"你信任我”）。

意见演化

专家的初始评价会在社交网络的影响下逐步演化。受信任的专家的意见会向被信任方的意见"拉动"：

其中 $o_k^{(t)}$ 是专家 $e_k$ 在第 $t$ 轮的评价，$\bar{t}_{kl}$ 是归一化的信任权重，$\lambda \in [0, 1]$ 控制社交影响的强度。

信任传播

信任关系具有传递性：如果 A 信任 B，B 信任 C，那么 A 可能间接信任 C。信任传播机制用于推断不直接相连的专家之间的间接信任度，常用方法包括基于路径长度的衰减和基于矩阵运算的传播。

关键研究问题

与其他方向的结合

• 信任 + 共识：将信任权重嵌入共识方法的调整过程——受群体信任度高的专家在调整中有更大的话语权
• 信任 + 模糊决策：在模糊评价环境下建模社交网络，信任度本身也可用模糊集表达
• 信任 + 动态决策：当专家组成或信任关系随时间变化时，如何动态维护共识

典型应用场景

• 企业战略决策：由管理层和顾问组成的专家组，存在上下级信任关系
• 工程项目评审：来自不同机构的专家，基于过往合作建立信任
• 在线评价系统：用户的评价受到社交网络中好友的影响
• 学术同行评审：评审专家对不同领域的同行有不同程度的信任