决策是一个高度跨学科的研究领域,随着信息技术和社交媒体的快速发展,决策问题也日益变得复杂,可能涉及越来越多拥有政府、商业、学术等不同的社会背景的决策者,同时他们的社交网络可能对决策结果产生影响,传统的群体决策理论已经不足以解决此类问题,社会网络背景下的大规模群体决策研究因此逐渐受到研究者的关注。本文以提出合理且科学的大规模群决策方法为目标,从如何识别和处理决策者评价信息的不确定性,如何解决社会网络背景下大规模群体决策的复杂性,如何提高决策者群体的共识程度和效率入手,研究社会网络环境下基于概率语言信息的大规模群决策方法及应用。本文的具体研究工作及成果如下:（1）提出了一种在社会网络背景下基于概率语言术语集的决策方法来解决大规模群体决策中的复杂性和不确定性问题。首先,提出了一种同时考虑节点相似度和观点相似度的子组划分算法。该算法将决策者划分为若干子组,并识别每个子组中的领导者和追随者,降低了决策者维度,为达成共识提供了基础。其次,以人工蜂群算法为灵感,建立了一种新的基于跟随概率的共识达成模型。跟随者以一定概率跟随领导者,再对子组内和子组间的共识程度进行测度,并构建相应的观点反馈调整机制以达成共识。最后,基于人工蜂群算法创建了一个新的选择过程,不仅评估了备选方案的质量,还考虑了决策者选择它们的概率。（2）针对社会网络中的信任关系,构建具有多策略劝说反馈机制的大规模群体决策方法。现有的研究对于决策者之间信任关系的建立、来源和传递稍显局限,因此,本文综合三种信任来源,即直接信任关系、传递信任关系和包含概率语言信息的互评信任关系,考虑情感信任和认知信任的影响,逐步构建完整的综合信任评分矩阵。信息熵表示评价信息的不确定性和随机性,对于衡量信息的比重具有重要作用,因此本文基于信息熵建立决策者权重与属性权重的计算方法。其一,利用综合信任评分与决策者观点计算融合信息熵以获取客观的决策者权重;其二,定义概率语言信息熵计算属性权重,避免了直接决定属性权重的主观性。在共识达成过程中,决策者意见反馈是促成大规模群体快速达成共识的关键阶段,但在以往的共识模型中,少有根据决策者不同评价状态进行调整的方法。因此,本文提出了具有多策略的劝说反馈模型,根据决策者个体与群体意见的偏差度将反馈策略分为鼓励、呼吁、惩罚与忽略四种,决策者将依据四种不同的反馈策略进行意见调整。该方法针对性的调整反馈保证了大规模决策者的共识程度和效率。（3）探讨上述两种大规模群体决策方法在实际生产生活中的应用。本文提出的两种方法分别被应用到碳捕集、利用和存储项目评估及城市韧性评价问题中。基于案例,本文与现有的决策方法进行了对比分析及灵敏度分析,验证了本文提出的决策模型的实用性和优越性。综上所述,本文建立的社会网络背景下基于概率语言信息的大规模群体决策方法在一定程度上丰富了大规模群决策理论,为解决实际生活中复杂社会网络环境下的决策问题提供了工具支撑。