Con el avance de la tecnología de la información, las redes sociales se han vuelto cada vez más prevalentes. Las complejas redes de relaciones sociales entre los tomadores de decisiones (DMs) han dado lugar al problema de la toma de decisiones en grupo en redes sociales (SNGDM), que ha recibido considerable atención en los últimos años. Sin embargo, la mayoría de los métodos existentes para alcanzar consensos en SNGDM solo consideran la información de la red local al determinar la influencia de los DMs dentro de la red social. Este enfoque no refleja adecuadamente el papel crucial de los DMs clave en la regulación de la propagación de la información durante el proceso de consenso. Además, la ausencia parcial de evaluaciones lingüísticas en los problemas de toma de decisiones también plantea obstáculos para identificar la alternativa óptima. Por lo tanto, este artículo propone un método de consenso basado en la centralidad de gravedad laplaciana mejorado que puede manejar de manera efectiva la información de decisión incompleta en entornos de redes sociales. Primero, se utilizan las expresiones lingüísticas comparativas extendidas con traducción simbólica (ELICIT) para describir las evaluaciones lingüísticas de los DMs y construir la matriz de decisión incompleta. En segundo lugar, se propone la centralidad de gravedad laplaciana mejorada (ILGC) para cuantificar la influencia de los DMs en la red social considerando las estructuras topológicas locales y globales. Basándonos en la medida de ILGC, desarrollamos un modelo de consenso impulsado por la confianza para mejorar el consenso grupal, que puede simular mejor las interacciones de opiniones en situaciones del mundo real. Por último, aplicamos el método propuesto a un problema de evaluación de una ciudad inteligente. Los resultados muestran que nuestro método puede manejar de manera más razonable evaluaciones lingüísticas incompletas, capturar de manera más completa la influencia de los DMs y mejorar de manera más efectiva el consenso grupal.