面向知识网络的多元决策信息智能提取模型研究

It is difficult to extract decision information from knowledge networks for the reason that the amount of knowledge is huge, the types of knowledge are varied, and the subjects are complicated. In order to solve above problems, theoretical viewpoints in knowledge management, behavior science, management decision, and information fusion, are used and absorbed to discuss the basic theories of knowledge networks and knowledge subjects in the view of decision analysis. The recognition method is also constructed to analyze key knowledge subjects in knowledge networks. After that, three approaches such as subject separation, decision interaction, and satisfaction coordination, are applied to reveal intelligent mechanisms which be used to extract multiple decision information in knowledge networks. In terms of technical methods such as prospect theory, evidence theory, and hierarchical decision, intelligent models are established to extract efficient decision information from lots of different (even conflicted) information, i.e., intelligent model for extracting objective decision information, intelligent model for extracting subjective decision information, and intelligent model for extracting synthetic decision information. The studies on simulation verification and case application are employed to prove the presented models to be scientific, feasible, and applicable finally. The applied project actually belongs to fusion innovation integrated knowledge management with management decision, thus the decision theory for knowledge networks can be established, and the quality of organization decision can be ensured.

申报项目为解决知识网络因知识数量庞大、知识类型多样、知识主体复杂等特点而带来的决策信息提取困难问题，首先通过借鉴吸收知识管理、行为科学、管理决策、信息融合中的理论观点，从决策分析视角阐述与知识网络、知识主体有关的基本原理，在此基础上构建关键知识主体的识别方法，然后引入主体分离、决策交互、满意协调三种机制揭示知识网络中多元决策信息的智能提取机理，并结合前景理论、证据理论、分层决策等技术方法构建能够从众多差异性甚至冲突性信息中提取有效决策信息的智能模型，即客观决策信息智能提取模型、主观决策信息智能提取模型、综合决策信息智能提取模型，最后通过模拟仿真与案例应用研究验证提出模型的科学有效性与应用可行性。由于申报项目实质上是知识管理与管理决策的交叉融合，因此不仅能够填补知识网络决策理论空白、丰富知识网络方法模型研究成果，而且也能够为保证组织决策的效率与效果、提高组织核心竞争能力提供一种新的解决思路。

为了解决知识网络因知识数量庞大、知识类型多样、知识主体复杂等特点而带来的决策信息提取困难问题，本研究提出了面向知识网络的多元决策信息智能提取机理和方法模型。在提取机理方面，从物理实现层、知识运作层、环境条件层构建了知识网络中多元决策信息的界面化提取机理——分别针对诊断界面、创意界面、行为界面、选择界面分析了信息需求、可能参与的知识主体类型以及技术实现的方法，构建了主体分离机制、决策交互机制、信息表达机制、满意协调机制。在方法模型方面，提出了面向专家的客观决策信息智能提取模型(客观模型)、面向决策者的主观决策信息智能提取模型(主观模型)、面向主客观转化的综合决策信息智能提取模型(转化模型)。客观模型包括面向无交互的决策方法(如证据理论之主客观整合推理方法、基于互补判断矩阵的DS/AHP方法、基于信息无损视角的DS/AHP群决策方法)，面向有交互的决策方法(如主观证据交互式提取及融合方法、基于头脑风暴原则的主观证据融合决策方法)，面向智能化的决策方法(如柔性推断下的改进DS/AHP方法、TIN-DS/AHP：一种智能化多属性群决策方法)。主观模型包括面向群体化整合的决策方法(如基于和谐思想的交互式多属性群决策方法、基于前景理论的交互式群组风险决策方法)，面向层次化整合的决策方法(如基于整体判断的多层风险决策模型、双层多源主观证据融合决策方法、大数据环境下双层分布式融合决策方法)。转化模型主要用于将专家给出的不确定性推断信息转化为决策者在决策时依据的方案前景，包括三种前景构建方法(如基于基元前景交叉判断的前景价值模型、基于证据理论的前景构建方法、基于文字概率的前景构建方法)。模拟仿真与案例应用研究验证了提出方法模型是科学的、有效的、可行的。项目研究成果不仅填补了知识网络在决策理论方面的空白，而且也丰富了知识网络在方法模型方面的研究成果。