员的风险偏好或选择偏好，通过计算和谐性指数和各属性的 相对标准化得分，为不同平台会员提供更多样化和更人性化的选择。
2. 如权利要求1所述的综合性、多维度的货主选择量化方法，其特征在于，步骤3的具 体步骤为： ①多元权重确定 为了减小单人偏好和认知局限对结果的影响，平台将所有承运人会员对货主各指标的 历史评价打分进行加权平均，得出承运人会员对货主最直观的综合评价打分；为了减小单 一维度评价带来的偏差，此处从另一个维度引入平台决策元一基于平台历史交易数据和 交易行为对货主可信度进行补充评价打分；然后对打分进行标准化处理得到各属性的权重 值，最后基于数据的完整性和真实性为两个决策元设置重要程度系数； 两个维度确定的决策元Tk, k = 1，2 ;其中T1代表承运人会员决策元，T 2代表平台决策 元； 两个决策元赋值的属性权重为：Wk= (W Λ w2k,. . .，wnk)T，k = 1，2 各决策元的重要程度为：z = (Z1, z2)T，其中，Zfz2= 1，z k彡O ; ② 构建一元权重优化模型 考虑到承运人会员对货主评价可能带有的主观因素，此处从主观权重确定法角度，综 合大数据挖掘技术，构建属性权重优化模型如下：
其中N = {1，2,. . .，η}为方案的属性集 模型的含义是求得一个％，使得％和w /的总偏方差的平方和L i最小； ③ 构建二元权重优化模型 此处从客观权重确定法角度，对数据进行多维分析，构建属性权重优化模型如下： G-minL = (I1, 12, · · · Im) 其中
为属性&的理想值，用等权线性加 权法，可将模型简化为：
其中M = {1，2,. . .，m}为较评方案集，N = {1，2,. . .，η}为方案的属性集 ④ 合成单目标优化模型 将以上两个优化模型进行集成为G = min (L1, L2)，并通过线性加权方法，将问题转化为 如下的单目标优化模型：
其中，M= {1，2，...，m}为较评方案集，N= {1，2，...，η}为方案的属性集。通过构建 拉格朗日函数，可得：
3.如权利要求2所述的综合性、多维度的货主选择量化方法，其特征在于，步骤（5)的 主要计算步骤如下： ① 计算可信度较评方案i的可信度得分，公式为
其中，是方案i的第j个属性的属性值a u经过标准化处理后的值，
为构建属性权重的多元优化模型后得出的各方案第j个属 性的权重； ② 标准化较评方案可信度得分 可信度较评方案集为：（同行业内平均可信度，被评货主可信度，平台基准可信度），所 以较评方案可信度得分集为： M = (M1, M2, M3) = (M同行业内平均可信度，M被评货主可信度，M平台基准可信度) 其中，1 =同行业内平均可信度，2 =被评货主可信度，3 =平台基准可信度 以平台基准可信度为标准化基准可信度分，则各较评方案的标准化可信度 得分 KiiQ = 1，2, 3， 1 =同行业内平均可信度，2 =被评货主可信度，3 =平台基准可信度）为：
③ 计算相对标准化较评方案可信度得分 以标准化平台基准可信度为相对得分评判基准信，则各较评方案的相对标 准化可信度得分 mi*(i = 1，2,3， 1 =同行业内平均可信度，2 =被评货主可信度，3 =平台基准可信度）为： Hi1^= m ^m3 m2 = m 2_Π13 m3*= m 3_m3= O nf= (πιΛπιΛπι3#)即为所求各较评方案最终可信度得分； 其中，1 =同行业内平均可信度，2 =被评货主可信度，3 =平台基准可信度； ④ 绘制基于交易次数的时间-可信度得分曲线 由于可信度得分会随着平台货主交易次数的更新而更新，根据上述计算结果可知平台 基准可信度得分为O保持不变，具有实际意义；同行业内平均可信度会随着不同行业（或整 个平台）的交易数据累积而不断更新；被评货主可信度随着该货主在平台进行交易次数的 增加而变动。因此，以时间为横轴，可信度得分为纵轴，可以得出基于交易次数的时间-可 信度得分曲线，根据曲线可以很直观的获得一段时间内同行业内（或整个平台）的货主可 信度情况以及某个特定货主的可信度变动情况，可以帮助平台会员更好的控制风险和选择 货主进行接单。
4.如权利要求1所述的综合性、多维度的货主选择量化方法，其特征在于，步骤（6)主 要计算步骤如下： ① 计算和谐性指数 和谐性指数Jik是指较评方案i不劣于方案k的属性权重之和在所有权重的总和中 所占的比例，依据属性j (j = 1，2,. . .，η)，假如方案i优于方案k(i = 1，2,. . .，m, k = 1，2,...，m, i乒k)，记为/X，从而将所有满足/卜A的属性j的集合记为U+(i, k)，同样可 以得到U= (i，k)，具体如下： 则和谐件指数公式为
：
② 计算货主各属性的相对得分 依照所得属性集最终权重矩阵为A#= (Au)mxn= Bw'货主各属性的相对标准化得分 为 a2/= A 2j-A3j，其中，j = 1，2,. . .，η 为方案属性； 最后得到货主各属性的相对标准得分集a/= (a 2Λ a2/，... a2:)。
【专利摘要】本发明公开一种综合性、多维度的货主选择量化方法，适用于会员从多个维度对货主进行客观、综合的评估量化。该发明充分考虑货主准时装卸货、承运业务次数、遭平台会员投诉次数、货款支付及信息发布的及时率、一次报价成单率等多个影响选择度量指标，基于组合最小二乘法和ELECTRE-II法的多属性决策模型的指标权重划分方法定量确定各指标权重，通过精确的大数据挖掘分析和模型算法较好地处理了以物流服务为交易对象的电子商务平台合理评定货主可信度问题，使平台会员能够判断待选货主的综合情况并做出符合自己需求的选择。
【IPC分类】G06Q30-00
【公开号】CN104766215
【申请号】CN201510173407
【发明人】李敬泉, 吴广盛, 方慧敏, 陈威
【申请人】南京大学
【公开日】2015年7月8日
【申请日】2015年4月13日