在大数据时代如何利用数据支持决策是学界和业界共同关心的重要问题。数据中广泛存在的数据规模庞大、维度之间存在关联等复杂特点，给从数据中构建出可信的、可解释的决策模型带来了巨大挑战。西安交通大学米兰网页版,米兰(中国),米兰(中国)智能决策与机器学习研究中心廖貅武教授和刘佳鹏副教授团队针对多准则分类决策问题，利用决策分析和机器学习的理论和技术，提出了一种数据驱动的偏好学习方法，可以从数据中自动构建出兼顾分类性能和模型可解释性的决策模型，能够有效帮助决策人员提高决策质量和效率。该方法可以应用于信用风险管理、消费者洞察、智慧诊疗等领域，为开展数据驱动的智能决策提供了一种应用范式和实践工具。
该方法的主要创新研究包括：（1）提出了一种数据驱动的偏好学习框架，能够实现从历史决策案例中自动学习并构建决策模型，丰富了数据驱动的智能决策的相关理论；（2）拓展了经典的价值函数模型，使得能够刻画准则之间复杂的交互关系，并能与提出的偏好学习框架有机结合，保证了模型的性能和可信度；（3）通过结合决策理论和机器学习技术的优势，使得该方法能够有效处理大规模决策问题，保证了该方法在大数据应用上的实用性。
该研究成果于2021年发表于《INFORMS Journal on Computing》期刊。《INFORMS Journal on Computing》是管理学24种国际顶级期刊（UTD24 Top Journals）之一，主要发表运筹学与计算科学交叉领域的最新研究成果。智能决策与机器学习研究中心聚焦人工智能与管理交叉的前沿科学问题，开展机器学习理论、机器学习算法与应用、大数据驱动的管理决策等方向的研究，推动机器学习与优化、运营、营销、会计等管理学科的深度融合，近年来的主要成果发表在Nature子刊，Information Systems Research、INFORMS Journal on Computing、Production and Operations Management等UTD24期刊以及Journal of Machine Learning Research、The Annals of Statistics、IEEE Transactions on Pattern Analysis and Machine Intelligence等机器学习和统计领域的顶级期刊上。
刘佳鹏副教授是该成果的第一作者和通讯作者，廖貅武教授是论文的共同作者，西安交通大学为论文的第一完成单位。廖貅武教授和刘佳鹏副教授长期致力于决策分析、机器学习、大数据管理与应用等领域的研究，近年来主持和参与了国家自然科学基金重大研究计划项目、重点项目、面上项目、青年项目以及科技部重点研发项目、工信部专项项目的研究工作。研究成果发表于Information Systems Research、INFORMS Journal on Computing、European Journal of Operational Research、Omega、Annals of Operations Research、Decision Support Systems、IEEE Transactions on Cybernetics、ACM Transactions on Knowledge Discovery from Data、管理科学学报、系统工程理论与实践等国际顶级期刊和国内外重要学术期刊。
