针对大规模模糊多准则群组评价中常出现的因评价者数量多、构成复杂、评价水平参差不齐而引起的评价信息非同质,评价矩阵集成困难和最优方案选择困难等问题,提出了基于基本语言术语集的混合信息处理方法、评价矩阵集成方法、评价主体权重矩阵确定方法以及基于改进型平静度最优方案选择方法,并将其应用在大规模模糊多准则群组评价问题中。第一,提出基于基本语言术语集的混合信息处理方法。本文在描述混合信息处理过程的基础上,讨论了现有模糊评价数据的特点和联系、基本语言术语集的设计、各类混合信息的转换方法、混合信息对基本语言术语集的隶属函数集成方法。分以下步骤进行:（1）对各类常见模糊数的结构进行分析,按照结构特点对模糊数进行分类,按照分类结果选取有代表性的模糊数作为范例进行同质化处理;（2）根据“符号方法”和“扩展原理”设计了基本语言术语集,将区间梯形Ⅱ型模糊数作为其语义;（3）采用“数形结合”方法,将各类模糊数映射到基本语言术语集中,得到各类模糊数对基本语言术语集的隶属函数;（4）定义了基于区间贴近度的广义诱导语言有序加权算子（GILOWA）对隶属函数进行集成,集成结果为区间二元语义数。第二,提出针对大规模模糊多准则群组评价的评价主体权重矩阵确定方法、评价矩阵集成方法以及基于改进型平静度的最优方案选择压力测度方法。分以下步骤进行:（1）确定评价主体权重矩阵。首先,根据评价者的社交网络应用Louvain算法将网络分成若干个子社区。在子社区内部,计算评价者的特征向量中心度和度中心度,将两者的几何平均作为评价者“影响力权重”。其次,定义区间二元语义数的确定度作为评价主体对各评价客体的“确定度权重”。同理,得到子社区的“影响力权重”和“确定度权重”。最后,将两种权重的几何平均作为评价主体权重矩阵;（2）对子社区的评价矩阵进行集成并使用VIKOR方法确定子社区的评价结果,将其写成模糊集的形式,使用模糊集的“交”、“并”以及“几何平均”运算得到最终评价结果;（3）定义改进型平静度指标,测度选择最优方案时所面临的压力。通过算例证明本文提出的所有方法是可行且合理的。