区间直觉模糊数的群决策模型：社交网络用户影响力动态评价与应用

本篇论文研究主要探讨了"基于区间直觉模糊数的群决策模型及其在社交网络中的应用"。针对经典熵方法在处理复杂、动态且非结构化社交网络数据时的局限，作者提出了创新性的解决方案。论文的核心贡献在于： 1. 区间直觉模糊熵计算方法：作者设计了一种新的区间直觉模糊熵计算方法，它超越了传统熵理论的限制，能够更好地适应社交网络数据的特点。这种方法强调了对不确定性信息的处理能力，提高了决策模型的精度。 2. 社交网络用户影响力量化评价：论文将社交网络用户的影响力评价问题转化为模糊多属性群决策问题，引入了区间直觉模糊数的概念。这种模型允许对用户影响力进行多层次的分解，并构建了模糊情境下的指标体系，通过区间数的形式表达用户数据的多样性。 3. 时间维度与动态性考虑：模型考虑到社交网络数据的时间演变，引入时间维度来考察数据的动态差异，这使得模型能够实时反映用户影响力的动态变化。 4. 熵权确定方法：通过主客观相结合的熵权确定方式，论文避免了单一主观赋权可能带来的偏差，实现了更公正、客观的用户影响力量化分析。 5. 实际应用验证：论文以新浪微博为例，应用所提出的模型对用户影响力进行了动态评价，结果验证了模型的有效性和实用性，为社交网络的量化评价提供了一个新的视角和方法。 这篇论文不仅扩展了区间直觉模糊群决策方法在社交网络领域的应用，而且通过创新的理论框架和实证分析，为社交网络用户影响力评估提供了有力工具，对于理解和管理社交网络中的复杂动态关系具有重要意义。