在决策过程中，人类的思维有时无法明确表达准确的决策意图，而客观环境、客观事物也相对复杂。因此，决策者通常使用定序语言短语对事物的属性进行定性评价。如何有效和准确的对语言评价信息进行集结，保证决策结果的合理，已经逐渐引起了学者们的重视。　　由于不同的决策者对同一个词汇含义有不同的见解，或者同一位决策者在不同情况下也会对同一个词汇有着不同的理解，通过扩展原理和基于符号转移的方法得到的结果常常会与给定的语言评价集不完全一致，无法准确对应决策者意识，只能由语言评价集近似的替代表示，从而造成了语言信息转换过程中的偏差和损失。　　通常人们在统计决策之前需要对已知数据进行属性分析，而在属性分析之前需要对调查数据进行分类。本文针对需要按照定序尺度分类的数据在转化成定量数据时，信息中的不确定部分表述不准确和信息丢失问题进行深入研究。采用集对分析的方法灵活的处理语言信息序列粒度，解决语言信息标度划分粗糙的问题，避免定序语言信息标度结果不精确，无法有效区分方案优劣的问题，并且针对语言标度进行改进，使语言含义更加符合决策者的期望值。在语言信息集结的过程中引入D-U空间的概念，并提出决策方法，充分考虑语言信息中的不确定性，解决了语言信息描述类型不一致和专家选择语言术语集粒度不一致的问题，提高了决策的准确性。通过实证研究，验证了该方法的有效性和实用性。