大连理工大学经济管理学院郭艳红教授作为通讯作者在计算机信息顶刊《Informs Journal on Computing》在线发表题为“Which to Trust: Extracting Collective Wisdom Based on Opinion Quality Rank Learning”的文章，这也是团队在继《European Journal of Operational Research》(ABS4)发表“Multiple financial analyst opinions aggregation based on uncertainty-aware quality evaluation”、《International Journal of Forecasting》(ABS3，预测领域顶刊)发表“Identifying predictors of analyst rating quality: An ensemble feature selection approach”后，取得的又一项群体智能研究的系列创新成果。
研究概况
当专家意见纷繁复杂，如何提炼真知灼见？该研究旨在解决数字时代汇集多元、异质的人类意见以形成集体智慧的难题。团队提出一种名为“CrowdRank”的机器学习架构，其核心创新在于通过学习对个体意见进行排序，从而提升意见聚合质量。该架构利用一个基于历史数据预训练的贝叶斯神经网络进行成对意见比较，能够捕捉意见特征间的有效互动，并遵循关键的规范性原则以确保质量评估的合理性；进而通过期望传播算法将这些微观评估综合为一份连贯的个体意见全局排名。在39万份金融分析师预测数据实测中，相比传统方法，该方法预测精度提升超60%，实现专家意见质量动态评估的可解释性技术突破。这项研究为意见聚合领域贡献了一个理论扎实且经过实践验证的创新方案，不仅能精准识别专家见解的价值梯度，更可广泛应用于医疗诊断、指挥决策、政策制定等领域，让分散的智慧迸发系统性力量。
尤为值得强调的是，在多智能体时代到来的当下，该方法展现出极强的适配性与实用性。当前，多智能体系统已广泛渗透到金融科技、无人集群、智能制造、自动驾驶、分布式决策等诸多核心领域，不同智能体（无论是人类专家、算法模型还是人机混合智能体）往往会产生海量、异质、甚至存在冲突的意见与决策建议，如何高效整合这些分散的智能资源、筛选高质量意见、形成科学统一的集体决策，成为多智能体系统发挥效能的关键瓶颈。而该研究提出“CrowdRank”架构，恰好为这一瓶颈问题提供了切实可行的可借鉴方案——其通过对不同智能体的意见质量进行动态、精准的排序与聚合，能够有效化解多智能体间的意见分歧，过滤低质量信息干扰，实现智能体群体智能的集成，该研究为应用人工智能技术优化群体智能开辟了全新可行路径。
作者简介
郭艳红
大连理工大学经济管理学院教授、博士生导师，金融科技与监管创新团队负责人。近年研究主要集中在跨域群体智能，包括群体智慧表征及集成，多智能体路由及协同推理，分布式态势感知与协同决策，人工智能量化交易及投资决策等。主持国家重点研发课题、技术领域基金项目、国家自然科学基金项目、战略先导项目等20余项。获得辽宁省哲学社会科学优秀成果二等奖（排名第一），辽宁省自然科学学术成果二等奖（排名第一）等奖项，论著发表在JOC（UTD24）、EJOR（ABS4）、DSS（ABS3）、IJF（ABS3）、IRFA（ABS3）等,部分论文受到国内外院士及知名学者的引用和积极评价，并入选ESI高被引论文，授权发明专利6项，出版专著4部。在教学方面，获得辽宁省高等学校本科教学成果一等奖、大连理工大学教学成果一等奖，大连市高端人才；编写企业案例多篇并入选加拿大毅伟案例库以及获选中国百优案例。
下一条：深化合作，共育英才——经济管理学院与慕尼黑工业大学现场签署创新型人才国际合作培养项目协议
【关闭】
