决策者通过PLPR表达对一组方案或准则的比较偏好，反映对两个目标比较的多个语言术语评价偏好及相对重要性。Zhang[263]等首先引入PLPR的概念并根据偏好关系有向图探讨PLPR的加性一致性，通过一致性指数检验其是否可接受，提出了提高PLPR一致性的优化算法。另外，Zhang[269]等研究群决策中PLPR的共识达成过程，提出了一种基于一致性与共识标准的共识提升方法，但该方法忽略了对PLPR进行规范化处理，可能造成决策结果的偏差。随后Wu[266]等基于关联测度计算各决策者的共识度，提出了一种检验、提升群体共识的修正迭代算法，以此消除多准则群决策中存在的极端评价。

已有PLPR的加性一致性运算结果可能会超出语言术语集的界限，需进一步通过信息转换处理，这不可避免地会造成偏好信息的扭曲或损失。基于此，Gao[287]等提出了PLPR积性一致性的概念及PLPR可接受积性一致性达成算法；Nie[288]等定义了积性概率语言偏好关系（MPLPRs）及其归一化，提出了一种基于MPLPRs的群体决策支持模型，并与基于前景理论的一致性恢复策略相结合，用于构建考虑决策者不同风险态度的GDM支持模型；Xie[289]等通过拓展传统AHP法提出了PL-AHP法，针对概率语言比较矩阵（PLCM），利用期望几何一致性指数和PL-AHP法构造迭代算法以检验、提升PLCM的一致性，提出基于PL-AHP的多准则群决策方法；Gao[290]等提出了PLTS的拓展形式Incomplete PLTS（InPLTS），并提出了一种基于紧急故障树分析（EFTA）的完整算法以估计InPLPR的缺失项，并将其扩展为不完全概率语言偏好关系（InPLPR），再根据InPLPR的期望一致性、可接受期望一致性和一致性改进方法，提出了一种基于一致性的突发事件应急决策方法。(www.daowen.com)

现有研究缺少对PLPR及其拓展形式的优先权生成算法、群体共识测度与共识达成算法的研究，对这些算法在群决策领域的应用也不够充分；同时PLPR的权重导出算法及交互式共识达成方法也亟待系统研究。