基于犹豫模糊语言术语集的多准则群决策方法成为近年来研究的热点,并得到了迅速发展。在当前大数据时代的背景下,由于个体决策者所选准则的不同,群决策问题往往处于异质环境中,传统的群决策方法已经不能适应当前的环境。因此,如何正确刻画网络环境下群决策问题的异质性特征,发展更能够反映决策者真实意愿的决策方法,是多准则群决策方法研究的一个重要课题。针对上述问题,本文研究异质环境下的犹豫模糊语言术语集群决策方法,具体工作包括以下方面:第一,研究基于似然比较关系理论的多准则群决策方法。在似然比较关系的基础上,分别从偏好关系、群体共识度视角出发建立了异质环境下犹豫模糊语言术语集多准则群决策方法。首先,提出了考虑偏好关系的多准则群决策方法,该方法利用犹豫模糊语言术语集将用户评价内容转化为数值形式,并基于用户评价准则的异质性,确定各用户的准则分组,以此计算出最终似然比较关系矩阵进行排序评价。其次,为避免人为给定偏好关系带来的主观臆断性,提出了考虑群体共识度的多准则群决策方法,并建立了两阶段的偏差优化模型。鉴于用户评价准则的异质性,确定各准则分组,并采用最大偏差法确定给定群体内不同准则的权重;然后将群体内的准则进行有机融合,计算群体内方案的综合得分;在此基础上,采用最小偏差法确定不同群体的权重,进而得到评价方案的最终得分。第二,研究基于犹豫模糊语言术语集的多种集成算子。鉴于Heronian平均（HM）算子可以很好地体现准则之间的相互关联性,将Heronian平均算子和几何Heronian平均算子拓展至犹豫模糊语言术语集环境中,提出了犹豫模糊语言术语集Heronian平均（HFLTHM）算子、犹豫模糊语言术语集几何Heronian平均（HFLTGHM）算子,并对算子的基本性质和特例进行了探究。此外,考虑到准则的重要性不同,还定义了犹豫模糊语言术语集加权Heronian平均（HFLTWHM）算子和犹豫模糊语言术语集加权几何Heronian平均（HFLTWGHM）算子。在此基础上,对准则权重、位置信息等关键问题进行综合分析,给出了犹豫模糊语言术语集有序加权Heronian平均（HFLTOWHM）算子和犹豫模糊语言术语集有序加权几何Heronian平均（HFLTOWGHM）算子。第三,研究基于异质犹豫模糊语言群决策的在线医生评价方法。在分析国内外关于在线医疗平台中医生推荐的相关研究后,选取“好大夫在线”作为实证分析的对象,进行数据收集和处理,然后综合运用本文所提出的多种异质环境下犹豫模糊语言术语集多准则群决策方法,对在线医生进行排序优选,验证了本文所提方法的有效性,并对比了不同方法的评估效果。