关于PLTS的距离测度、相似性测度主要有两类。一类是基于传统的距离测度，Pang[259]等依据两个规范化PLTS的偏差程度定义距离测度；为避免语言术语与概率信息直接参与运算，Zhang[274]等针对等价调整后的规范化PLTS，定义了一种新的距离测度并由此得到大规模群决策中各分组对某方案评估的一致度及共识度；Zhang[263]等进一步提出规范化概率语言偏好关系（NPLPR）的距离测度，并定义NPLPR的一致性指数；Luo[275]等提出概率语言偏好关系（PLPR）的余弦相似度cosinesimilarity测度及其性质，并根据PLPR和与其具有一致性的PLPR之间的余弦相似度计算其一致性-共识系数；随后Wu[276]等指出文献[263]、[274]所定义距离测度存在违反直觉的情形，依据两个有序PLTS中对应元素概率信息的关系提出一种更合理的距离测度；接着，Lin[277]等提出PLTS的Hamming距离、Euclidean距离、Hausdorff距离及混合距离，并研究离散、连续两种情形下PLTS序列的加权距离测度；Wang[278]等基于不同的PLTS与最大化PLTS的比较给出PLTS的相对距离及扩展Hausdorff距离，该测度不要求多个PLTS具有相同的元素数量且满足距离测度定义的三角不等式，适用范围广，降低了计算复杂度。另一类是基于加权距离算子的测度。Pan[279]等提出PLTS的加权距离测度并定义不同方案之间比较的优势、劣势指数，并根据基于代数距离的距离测度定义提出了多种类型的加权距离测度。

关于PLTS的关联测度，Wu[266]等针对已有距离测度无法处理非平衡语言术语集或相邻语言术语间语义偏差不等的情形，从几何距离角度提出PLTS的关联测度；Zhang[280]等给出同时包含PLTS和精确数的信息序列间的关联测度、相关系数及加权相关系数，提出了一种新的对保险公司客户进行分类的聚类算法，并开发了相应的营销策略；Peng[281]等采用概率分布刻画PLTS并提出了累计分布函数，由一致性、不一致性指数提出4种新的PLTS二元关系；Luo[282]等通过定义PLTS的均值、方差、协方差，得到一种新的概率语言Pearson相关系数及其加权形式，以便有效地反映PLTSs之间的正、负相关关系，提出了解决MADM问题的基于Pearson相关系数的TOPSIS排序方法。

在其他测度方面，Liu[283]等提出了PLTS的模糊熵、犹豫熵、总熵这三种熵测度及多种表达式，分别用来度量PLTS的模糊性、犹豫性及整体不确定性；赵萌[284]等考虑各准则下PLTS的个体效应及相互作用，提出了概率语言熵和交叉熵的概念；Tang[285]等定义了PLTS的包含测度及其度量公式，在提出PLTS的距离、相似度和熵测度的归一化、公理化定义的基础上构建PLTS信息测度的统一框架，并得到4种不同测度之间的转换关系，提出了基于包含测度的正交聚类算法；Lin[286]等定义了一种熵测度，用来度量PLTS的不确定性，提出了基于多重相关系数的准则权重确定方法和基于熵理论的专家权重确定方法，进而提出了一种处理边缘节点选择问题的概率语言ELECTRE II算法。(www.daowen.com)

基于传统距离测度定义的PLTS距离及相似性测度研究较多，但缺乏从加权距离算子的角度探讨PLTS的距离测度的研究，此类测度对信息挖掘更为充分，更加契合现实多准则决策需求，实用性、灵活性也更强；在关联测度方面，应当多从信息熵的视角提出新的关联测度，同时考虑将大数据技术与传统统计分析方法相结合，探索出适于处理数据序列的关联测度。