近日，我校经济管理学院博士研究生嵇妃霞（吴坚教授指导）等在国际权威期刊《IEEE Transactions on Fuzzy Systems》合作发表了题为“The overlapping community-driven feedback mechanism to support consensus insocial network group decision making”的学术论文。

社会网络群体决策通过有效地利用个体之间相互连接的信任关系，为获得一致的决策结果提供了支持。论文通过考虑重叠社区中的社会信任关系对决策者观点调整的影响，设计了重叠社区驱动的最小成本共识过程。首先，使用Lancichinetti-Fortunato算法检测社会信任网络下的重叠社区结构，随后，在重叠社区内生成推荐意见，聚合值得信任的重叠节点的意见作为反馈建议，以指导不一致的子群对进行交互，达到更高的共识水平。然后，提出了一种考虑重叠社区的反馈机制，使不一致的子群对通过选择个性化的反馈参数来最小化共识成本。最后，通过算例演示了重叠社区驱动的反馈机制的实现过程，并与不同的代表性推荐建议产生的共识成本进行比较，讨论了该机制的有效性。

论文中提出的重叠社区驱动的反馈机制本质上是子群之间通过重叠社区关系交互协商，双向接近的过程。以子群之间的重叠信任网络形成推荐意见，使不一致的子群通过选择个性化的反馈参数，来减少达成共识所需的调整成本。进而，讨论了重叠社区的影响及其对降低共识调整成本的有效性。因此，提出的机制更加全面地考虑了社会网络群决策过程中的决策者信任与心理因素，使得共识最低的两个子群通过可信的重叠节点来双向接近，有效地避免了经典反馈问题中的“群体思维”问题。

全文链接：https://ieeexplore.ieee.org/abstract/document/10036111