由于我们研究的局限性，在DSS中决策问题处理方法、PMS及其组件的开发方面还有一些问题值得进一步深入研究。
1.决策问题类型及问题类型知识库的研究
根据本书所提出的基于属性分析的决策问题处理方法，要准确地识别问题、找出问题的求解方法，关键在于对决策问题类型判断的准确性。而问题类型的判断又取决于对问题类型的划分并在问题类型知识库中进行有效的组织，以及利用问题类型知识来判断问题的类型。目前，我们所开发的PMS-DC采用学习积累的策略来构建问题类型知识库，并未对决策问题类型进行系统的研究。决策问题的类型（主要是领域类型和求解类型）的划分标准、层次组织、各层次类型与双关键词的映射关系等一系列问题还有待深入研究，以便建立起内容更全面、结构更优化的问题类型知识库，从而能够根据双关键词甚至其他问题属性更智能、更准确地定位问题类型。
2.决策问题智能处理方法的进一步研究
本书所提出的决策问题智能处理方法和相应的模型算法，虽然能够在问题分析和求解过程中提供一定的智能性，但在一些关键的环节中，如双关键词的判定、问题具体类型的选择等环节，还是需要用户的参与。虽然它能更好地发挥人在决策问题分析上的优势，但这也是在智能技术难以满足要求情况下的一种折中办法。随着计算机智能技术的不断发展，自然语言理解、模式识别、模糊判断、知识推理等技术的不断成熟，新的技术将被更多地应用到决策问题的智能处理中，从而可以研究出更为智能性的DSS决策问题处理方法。
3.知识规则在问题求解中的应用研究
知识规则在决策问题求解中有着重要的作用，特别是判断类问题经常需使用知识规则进行推理。在本书设计开发的PMS-DC中，知识规则与决策模型统称为求解方法，其基本信息分别存储于模型库和知识库中，而其具体实现则存储于算法库中，这种结构安排有利于PMS对两种决策资源的统一管理和对模型与规则算法的调用。但知识规则的实现算法通常不如模型算法那样具有较强的通用性，很多规则需要特定的程序才能实现，因此，如何在PMS-DC中更有效地组织和利用这些规则有待进一步研究，以期像模型算法那样，通过构建一些基础性的通用规则算法，供更复杂的规则在求解问题过程中灵活调用。
4.基于其他自然语言理解的问题处理方法研究
出于实际应用的需要，本书提出的决策问题处理方法是基于中文自然语言识别技术的。由于汉语语法与词法的独特性，本书所提出的方法对于用英语、日语等其他自然语言表述的决策问题的处理并不能完全适用，需要进行适当的修改，主要是在问题表层属性识别模型中，需要使用不同的句法分析器。因此，要把我们的PMS-DC移植到其他语言的系统上，仍然有很多研究工作需要完成。
5.PMS-DC功能结构的优化
本书所设计开发的PMS-DC，还是一个不够成熟的开发组件，离成熟的商业化组件还有一段距离，包括组件的界面，资源调用接口，多种分词算法的集成，更有效的句法分析器的选择，各种对象、类和控件的设计等都需要进一步完善优化，以提高组件的有效性和适用性。
