报告题目：面向蓄意干扰的鲁棒排名聚合问题研究
报告人：陈冬梅博士（北京师范大学）
时间：2026年3月26日10:00-12:00
地点：管理学院A北202（第二会议室）
报告内容摘要：
随着排名信息的不断涌现，决策者常常陷入“选择的悖论”：选项越多，决策越难。因此，将不同排名列表整合为一个兼顾所有信息的综合排名成为必要且合理的选择，这个过程称为“排名聚合”。然而在实际应用中，许多原始排名信息并不完全准确，往往包含不同程度的蓄意干扰。报告将聚焦于面向蓄意干扰的鲁棒排名聚合问题研究：研究一，构建蓄意干扰条件下的排名聚合鲁棒性分析框架，通过设计蓄意干扰生成模型和鲁棒性评价指标，为不同排名聚合方法的鲁棒性比较提供统一基准；研究二，提出基于信用动态反馈的鲁棒排名聚合方法，通过比较个体偏好与整体偏好的差异迭代更新评价者信用，从而在提升正常评价者信用的同时抑制蓄意评价者的影响，解决传统方法在聚合过程中的干扰处理难题；研究三，提出基于社团结构挖掘的鲁棒排名聚合方法，创新性地运用网络科学思想将排名数据映射为评价者关系网络，在此基础上通过社团挖掘有效捕捉评价者群体特性，破解正常群体与合谋群体的混淆困境；研究四：探索攻防博弈视角下的鲁棒排名聚合方法，通过刻画攻击者与防御者之间的博弈过程，并融合“事前防御”和“事后防御”机制，实现对抗蓄意干扰的双重规避，突破因忽略攻防双方相互作用导致的性能瓶颈问题。
【陈冬梅个人简介】
陈冬梅，北京师范大学系统理论专业博士，西班牙格拉纳达大学计算机科学与人工智能系联合培养博士。研究方向为大数据与群体决策、复杂系统与复杂网络等。博士期间共发表9篇SCI论文，研究成果发表于Information Processing & Management、Information Sciences、Applied Soft Computing和Information Systems Frontiers等国际知名期刊。主持北京师范大学博一学科交叉基金项目一项，作为主要参与人参加国家自然科学基金、广东省自然科学基金和广东省普通高校重点领域专项等项目。
欢迎有兴趣的教师，全体博士生、硕士生参加。
管理学院人力资源中心
2026-03-25
