多属性群决策问题是决策分析领域的重要分支。由于人类思维的模糊性和不确定性,采用语言形式的信息来表示偏好,可以减轻决策者的决策压力。因此在现实决策中,广泛存在着语言型多属性群决策问题。二元语义是一种语言信息表示模型,能够有效避免语言评价信息在集结过程中信息丢失的问题。然而,在利用二元语义表示评价信息时,暗含了该元素隶属于二元语义值的程度为1,没有反映出决策者对相同二元语义值的差异和自己对该二元语义值的可靠度。作为模糊集的推广,二维中智二元语义信息表示模型,包括二元语义值和对二元语义值的可靠度评价两个维度,能够更全面、系统地表达决策者偏好。因此,本文研究了基于二维中智二元语义信息的多属性群决策方法。针对决策者偏好信息表达问题,构建了二维中智二元语义信息表示模型。该模型从两个维度表示决策者评价信息,其中第一维度是利用二元语义值描述决策者对方案的评价信息,第二维度是利用单值中智数表示决策者对于自己给出的评价信息(第一维信息)的可靠性的主观评价。进一步地,定义了二维中智二元语义集的运算法则,比较方法,距离测度和集结算子等。针对多属性群决策问题中的属性识别问题,构建了基于在线评论的属性识别模型。在大数据背景下,尝试通过LDA模型处理在线评论,找到在线评论中隐藏的消费者关注点和需求信息,并将其用于确定属性集和属性权重。另一方面,提出了基于灰色关联分析确定专家权重的方法,通过计算专家评价矩阵与参考矩阵的距离,得到关联系数,进一步地通过计算一致性指数确定专家权重,使群体评价信息尽可能地达到最大共识。针对多属性群决策问题中的方案排序问题,提出了基于可能度的改进MABAC方法。在二维中智二元语义信息环境下,通过计算各方案到边界逼近区域的可能度差值确定距离矩阵,根据贴近系数降序排列,得到最优方案。最后,将本文提出的基于二维中智二元语义信息的多属性群决策方法应用到新能源汽车评价项目中,证明了该决策方法的有效性。