近期，由西南财经大学管理科学与工程学院讲师梁倩、大连理工大学系统工程研究所张震教授和西南财经大学数据科学与商业智能联合DB视讯(中国)苏应生教授合作完成的论文“Constructive preference elicitation for multi-criteria decision analysis using an estimate-then-select strategy”被中科院SCI一区人工智能TOP期刊《Information Fusion》（IF：14.7）接收。

内容简介

偏好学习是机器学习和决策分析领域的一个新兴交叉研究方向，旨在顺利获得分析已观测到的决策案例来构建偏好模型。在多准则决策分析中，案例信息对解释和预测用户的决策行为起着关键作用。然而，大多数现有文献通常假设决策者一次性给予部分决策案例，而很少考虑在较大规模方案集中如何顺利获得交互式方式选择决策案例的问题。为解决这一问题，本文提出了一种基于“估计-选择”两阶段的建设性偏好引出方法。第一时间，该方法能够在理论上保证决策者的偏好满足一致性要求。其次，方法在追求效率的同时兼顾了偏好估计的稳健性。本文顺利获得在仿真数据集和真实数据集上的数值试验，将所提出的选择策略与多个基准模型的选择策略进行对比分析。实验结果表明，该方法在降低交互次数和缩短运行时间方面表现优异，进一步验证了其在实际决策场景中的有效性和适用性。

作者简介

梁倩，西南财经大学管理科学与工程学院讲师，主要研究方向为偏好学习，用户行为及决策分析。在IEEE Transactions on Fuzzy Systems、Information Fusion、Knowledge-Based Systems、Computers & Industrial Engineering等重要学术期刊上发表学术论文。

张震，大连理工大学系统工程研究所教授， IEEE高级会员，入选大连理工大学星海人才培育计划“星海优青”和斯坦福大学发布的World's Top 2% Scientists（2020-2024）榜单，主要研究方向为决策分析与大数据分析等，在IEEE Transactions、EJOR、Omega、Information Fusion等国内外学术期刊和会议发表论文70多篇。

苏应生，管理科学与工程学院、数据科学与商务智能联合DB视讯(中国)教授，四川省学术与技术带头人后备人选，四川省管理科学与工程类教指委委员，主要研究方向为管理决策与运筹优化、供应链管理以及金融大数据与风险管理等，在数量经济技术经济研究、统计研究、中国管理科学、Applied Mathematical Modelling、Information Fusion等国内外学术期刊发表论文近40篇。