10月31日，大连理工大学系统工程研究所张震教授应邀做客我校70net永乐高平台学术讲座，带来了一场题为“考虑准则交互的数据驱动多准则分类偏好学习方法”的精彩报告。本报告针对多准则分类问题，融合MCDA与机器学习范式，考虑不同的准则交互情形，提出兼顾预测性能与可解释性的数据驱动偏好学习方法。

讲座中，张震教授首先介绍了“多准则分类问题”的研究背景。他指出，在多准则决策分析（MCDA）中，多准则分类问题旨在根据多个评价准则，将备选方案划分到预先定义的有序类别。由于决策者往往难以直接提供完整的偏好信息（如效用函数和分类阈值），基于偏好分解的多准则分类偏好学习逐渐成为研究热点。传统方法多依赖数学规划，难以有效处理大规模数据和准则间的复杂交互。相较之下，机器学习模型在建模高维非线性关系方面具有优势，但通常缺乏可解释性。随后，张教授分享了基于上述研究背景开展的一系列研究成果，主要内容包括：（1）融合多层感知机和因子分解机的偏好学习方法；（2）基于注意力网络的二阶准则交互偏好学习方法；（3）考虑有益准则交互检测的偏好学习方法。最后，张震教授对该领域未来的研究方向进行展望。在互动环节中，张震教授与在场师生进行了深入的交流与探讨，现场气氛热烈，大家收获颇多。

本次讲座吸引了众多师生参与，拓宽了师生们的学术视野，深化了师生对相关领域前沿方向的认识，也为学院的学术交流与合作搭建了良好的平台。