一种区域企业诚信评价方法、装置及终端设备与流程

本发明属于数据分析技术领域，尤其涉及一种区域企业诚信评价方法、装置及终端设备。

背景技术：

经过多年的政府信息化建设，大多数管理辖区企业的政府部门都有一套自己的业务系统，并积累了大量的信息数据。随着大数据分析技术的成熟，如何运用这些信息数据做出研判，并根据研判结果有针对性地不同区域企业诚信状态，合理布局或安排政府监管力量，成为下一阶段的信息化建设目标，研判包括区域企业诚信评价等方面，但是目前我国针对企业安全生产诚信评价体系建设方面的研究较少,并未形成一套统一的评价方法体系，现有政府信息系统很难量化区域企业评价，不利于合理安排有限的监管力量。

技术实现要素：

本发明实施例提供了一种区域企业诚信评价方法、装置及终端设备，旨在解决现有技术未形成一套统一的评价方法体系，现有政府信息系统很难量化区域企业评价，不利于合理安排有限的监管力量的问题。

第一方面，在本发明实施例提供了一种区域企业诚信评价方法，所述方法包括：

从待评价区域内所有企业的历史信息数据中分类提取失信指标，并统计每类失信指标数量；

根据所述失信指标及失信指标数量，构建若干种基于失信记录的诚信模型；

根据待评价区域内企业的失信指标对应的历史信息数据，通过所述若干种基于失信记录的诚信模型，获取企业的诚信评价记录矩阵；

根据待评价区域内所有企业的诚信评价记录矩阵，通过cw算子法获取待评价区域当前周期的诚信组合评价模型；

根据待评价区域内企业的失信指标对应的历史信息数据，通过所述诚信组合评价模型，获取待评价区域当前周期的企业诚信评价值。

第二方面，在本发明实施例提供了一种区域企业诚信评价装置，所述装置包括：

指标提取模块，用于从待评价区域内所有企业的历史信息数据中分类提取失信指标，并统计每类失信指标数量；

单一模型建立模块，用于根据所述失信指标及失信指标数量，构建若干种基于失信记录的诚信模型；

矩阵获取模块，用于根据待评价区域内企业的失信指标对应的历史信息数据，通过所述若干种基于失信记录的诚信模型，获取企业的诚信评价记录矩阵；

组合模块建立模块，用于根据待评价区域内所有企业的诚信评价记录矩阵，通过cw算子法获取待评价区域当前周期的诚信组合评价模型；

诚信评价模块，用于根据待评价区域内企业的失信指标对应的历史信息数据，通过所述诚信组合评价模型，获取待评价区域当前周期的企业诚信评价值。

第三方面，在本发明实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述区域企业诚信评价方法的步骤。

第四方面，在本发明实施例提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的区域企业诚信评价方法的步骤。

本发明实施例，通过主观评价与客观评价相结合，进而获取组合评价模型，实现了区域企业诚信量化评价，且评价结果可靠，通过事前验证和事后验证，包括了评价模型准确性，进行保证了最终诚信评价值更加精确性，政府信息系统根据量化的区域企业评价，可合理安排有限的监管力量。

附图说明

图1是本发明实施例一提供的区域企业诚信评价方法的实现流程图；

图2是本发明实施例二提供的区域企业诚信评价方法的实现流程图；

图3是本发明实施例三提供的区域企业诚信评价装置的结构框图；

图4是本发明实施例四提供的区域企业诚信评价装置的结构框图；

图5是本发明实施例五提供的终端设备的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

以下结合具体实施例对本发明的实现进行详细描述：

实施例一

图1示出了本发明实施例一提供的区域企业诚信评价方法的实现流程，详述如下：

在步骤s101中，从待评价区域内所有企业的历史信息数据中分类提取失信指标，并统计每类失信指标数量。

在本实施例中，所述失信指标包括市场失信、社会失信、企业间失信及企业内部失信。提取失信指标可采用系统分析法、频度分析法、专家咨询法或smart原则任一种方法，从待评价区域内所有企业的历史信息数据中分类提取失信指标，并统计每类失信指标数量，所述失信指标是从企业历史信息数据中提取企业失信表现的指标，其包括市场失信、社会失信、企业间失信及企业内部失信四种。待评价区域可以对应行政划分的区、市、县，或是系统监管的自定义区域。

在步骤s102中，根据所述失信指标及失信指标数量，构建若干种基于失信记录的诚信模型。

在本实施例中，根据所述失信指标及失信指标数量，通过主观赋权法或/和客观赋权法构建若干种企业负面表现指标评价模型，主观赋权法包括ahp层次分析法、专家调查法、环比评分法及二项系数法，客观赋权法包括主成分分析法、熵权法、变异系数法及统计平均法，例如通过上述八种方法建立八个企业负面表现评价模型。由于企业诚信评价值为企业诚信最高值与企业失信评价值之差，正常情况下企业诚信最高值取值为1，进而获取八种基于失信记录的诚信模型。当然构建企业负面表现评价模型不必须选用上述所有的主观赋权法和客观赋权法，但应该从主观赋权法和客观赋权法中至少选用一种，以下实施例仅仅以选用主观赋权法和客观赋权法中各四种的情况进行说明。

在步骤s103中，根据待评价区域内企业的失信指标对应的历史信息数据，通过所述若干种基于失信记录的诚信模型，获取企业的诚信评价记录矩阵。

在本实施例中，将待评价区域内企业的失信指标对应的历史信息数据，通过上述八种基于失信记录的诚信模型，获取企业八个的诚信评价值，对上述八个企业诚信评价值进行排序形成每个企业的诚信评价记录矩阵。所述企业诚信评价记录矩阵为通过上述八种基于失信记录的诚信模型获取的诚信评价值，及每个诚信评价值对应的排序值形成的记录举证。

优选的，在步骤s103之后，所述方法还包括：

通过kendall相关系数检验所述每种所述基于失信记录的诚信模型，如果不能通过验证，则再次执行步骤s103，如果通过验证，则执行步骤s104。

在本实施例中，kendall(肯达尔)相关系数是一个衡量单一基于失信记录的诚信模型的排序结果的一致性程度的指标，且是针对排序值的。为了满足步骤s104中诚信组合评价模型的必要条件，上述八种评价模型对待评价区域企业的诚信评价结果必须具有一定的相容性，通过kendall(肯达尔)相关系数这个指标来进行事前检验，该检验的显著性水平只要达到第一预设值即通过检验，优选的，第一预设值为95％。通过kendall相关系数检验所述每种所述基于失信记录的诚信模型，如果检验的显著性水平低于第一预设值，则不能通过验证，再次执行步骤s103，如果检验的显著性水平高于等于第一预设值，则通过验证，执行步骤s104。

在步骤s104中，根据待评价区域内所有企业的诚信评价记录矩阵，通过cw算子法获取待评价区域当前周期的诚信组合评价模型。

在本实施例中，使用cw算子法代入待评价区域内所述企业诚信评价记录矩阵进行加权处理，获取待评价区域当前周期的诚信组合评价模型，此诚信组合评价模型考虑主观评价及客观评价模型，使得评价模型更加全面。

优选的，在步骤s104之后，所述方法还包括：

通过spearman等级相关系数检验所述当前周期的诚信组合评价模型，如果不能通过验证，则再次执行步骤s104，如果通过验证，则执行步骤s105。

在本实施例中，spearman等级相关系数是一个检验组合方法排序结果与单一方法排序结果的吻合性程度的指标，同样是针对排序值的。通过spearman等级相关系数进行事后检验，可以增强诚信组合评价模型获得评价结果的可靠性，该检验的显著性水平低于第二预设值即通过检验，优选的，第二预设值为5％，通过spearman等级相关系数检验所述当前周期的诚信组合评价模型，如果检验的显著性水平高于等于第二预设值，则不能通过验证，再次执行步骤s104，如果检验的显著性水平低于第二预设值，则通过验证，执行步骤s105。

在步骤s105中，根据待评价区域内企业的失信指标对应的历史信息数据，通过所述诚信组合评价模型，获取待评价区域当前周期的企业诚信评价值。

在本实施例中，经过多次验证之后诚信组合评价模型获取待评价区域当前周期的企业诚信评价值，该诚信评价值更加精确，可将企业诚信评价值划分为五个等级:好(0.8-1)、较好(0.6-0.8)、一般(0.4-0.6)、较差(0.2-0.4)和差(0-0.2)。下一周期产生新的历史信息数据之后，可重新执行步骤s101-s105，重新获取待评价区域该周期的企业诚信评价值。

本实施例，通过主观评价与客观评价相结合，进而获取组合评价模型，实现了区域企业诚信量化评价，且评价结果可靠，通过事前验证和事后验证，包括了评价模型准确性，进行保证了最终诚信评价值更加精确性，政府信息系统根据量化的区域企业评价，可合理安排有限的监管力量。

实施例二

图2示出了本实施例是对实施例一的区域企业诚信评价方法步骤的进一步说明，在本实施例中，所述方法包括：

在步骤s201中，从待评价区域内所有企业的历史信息数据中分类提取失信指标，并统计每类失信指标数量。

在步骤s202中，根据所述失信指标及失信指标数量，构建若干种基于失信记录的诚信模型。

在步骤s203中，根据待评价区域内企业的失信指标对应的历史信息数据，通过所述若干种基于失信记录的诚信模型，获取企业的诚信评价记录矩阵。

在步骤s204中，根据待评价区域内所有企业的诚信评价记录矩阵，通过cw算子法获取待评价区域当前周期的诚信组合评价模型。

在步骤s205中，根据待评价区域内企业的失信指标对应的历史信息数据，通过所述诚信组合评价模型，获取待评价区域当前周期的企业诚信评价值。

在本实施例中，通过上述步骤根据本周起之前待评价区域内所有企业的历史信息数据，获得若干个周期获得企业诚信评价值。

在步骤s206中，将包括前若干个周期获得企业诚信评价值的数据集，按照预设比例分配形成训练集、检验集、测试集，通过bp神经网络学习，生成bp神经网络评价模型。

在本实施例中，预设比例一般诚信评价值数据量确定，优选的，所述预设比例为80：5：15，将包括前若干个周期获得企业诚信评价值的数据集，将所述数据集按照预设比例分配形成训练集、检验集、测试集，通过bp神经网络学习，生成bp神经网络评价模型，下一个周期产生数据时，将新的数据加入数据集，重新执行步骤s106，这样利用bp神经网络的强大自适应重新学习，达到动态交互优化企业诚信评价模型的效果，可依据精准的评价结果合理安排有限的监管力量。由于使用bp神经网络输入要求比较灵活，假如之前周期只有上述四个失信指标的评价纬度，既之前周期bp神经网络都为四个准则层，每个准则层下有4个指标层，而下一周期再次学习之前，可以根据需要增加准则层，如果增加一个准则层的话，每个准则层下有5个指标层，总之可以适应学习指标变化的情况。

本实施例，在静态量化企业诚信评价值的基础上，利用bp神经网络的强大自适应重新学习，达到动态交互优化企业诚信评价模型的效果，可依据精准的评价结果合理安排有限的监管力量。

实施例三

图3示出了本发明实施例三提供的区域企业诚信评价装置的具体结构框图，为了便于说明，仅示出了与本发明实施例相关的部分。在本实施例中，该区域企业诚信评价装置包括：指标提取模块31、单一模型建立模块32、矩阵获取模块33、组合模块建立模块34和诚信评价模块35。

其中，指标提取模块31，用于从待评价区域内所有企业的历史信息数据中分类提取失信指标，并统计每类失信指标数量；

单一模型建立模块32，用于根据所述失信指标及失信指标数量，构建若干种基于失信记录的诚信模型；

矩阵获取模块33，用于根据待评价区域内企业的失信指标对应的历史信息数据，通过所述若干种基于失信记录的诚信模型，获取企业的诚信评价记录矩阵；

组合模块建立模块34，用于根据待评价区域内所有企业的诚信评价记录矩阵，通过cw算子法获取待评价区域当前周期的诚信组合评价模型；

诚信评价模块35，用于根据待评价区域内企业的失信指标对应的历史信息数据，通过所述诚信组合评价模型，获取待评价区域当前周期的企业诚信评价值。

进一步地，所述装置还包括：

第一检验模块，用于通过kendall相关系数检验所述每种所述基于失信记录的诚信模型，如果不能通过验证，则重新获取企业的诚信评价记录矩阵，如果通过验证，则通过cw算子法获取待评价区域当前周期的诚信组合评价模型。

进一步地，所述装置还包括：

第二检验模块，用于通过spearman等级相关系数检验所述当前周期的诚信组合评价模型，如果不能通过验证，则再次执行通过cw算子法获取待评价区域当前周期的诚信组合评价模型，如果通过验证，则通过所述诚信组合评价模型，获取待评价区域当前周期的企业诚信评价值。

本发明实施例提供的区域企业诚信评价装置可以应用在前述对应方法实施例一中，详情参见上述实施例一的描述，在此不再赘述。

实施例四

图4示出了本发明实施例四提供的区域企业诚信评价装置的具体结构框图，为了便于说明，仅示出了与本发明实施例相关的部分。在本实施例中，该区域企业诚信评价装置包括：指标提取模块41、单一模型建立模块42、矩阵获取模块43、组合模块建立模块44、诚信评价模块45和模型学习模块46。

其中，指标提取模块41，用于从待评价区域内所有企业的历史信息数据中分类提取失信指标，并统计每类失信指标数量；

单一模型建立模块42，用于根据所述失信指标及失信指标数量，构建若干种基于失信记录的诚信模型；

矩阵获取模块43，用于根据待评价区域内企业的失信指标对应的历史信息数据，通过所述若干种基于失信记录的诚信模型，获取企业的诚信评价记录矩阵；

组合模块建立模块44，用于根据待评价区域内所有企业的诚信评价记录矩阵，通过cw算子法获取待评价区域当前周期的诚信组合评价模型；

诚信评价模块45，用于根据待评价区域内企业的失信指标对应的历史信息数据，通过所述诚信组合评价模型，获取待评价区域当前周期的企业诚信评价值。

进一步地，所述装置还包括：

第一检验模块，用于通过kendall相关系数检验所述每种所述基于失信记录的诚信模型，如果不能通过验证，则重新获取企业的诚信评价记录矩阵，如果通过验证，则通过cw算子法获取待评价区域当前周期的诚信组合评价模型。

进一步地，所述装置还包括：

第二检验模块，用于通过spearman等级相关系数检验所述当前周期的诚信组合评价模型，如果不能通过验证，则再次执行通过cw算子法获取待评价区域当前周期的诚信组合评价模型，如果通过验证，则通过所述诚信组合评价模型，获取待评价区域当前周期的企业诚信评价值。

进一步地，所述装置还包括：

模型学习模块46，用于将包括前若干个周期获得企业诚信评价值的数据集，按照预设比例分配形成训练集、检验集、测试集，通过bp神经网络学习，生成bp神经网络评价模型。

本发明实施例提供的区域企业诚信评价装置可以应用在前述对应方法实施例二中，详情参见上述实施例二的描述，在此不再赘述。

实施例五

图5是本发明五实施例提供的终端设备的示意图，如图5所示，该实施例的终端设备包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52，例如区域企业诚信评价方法程序。所述处理器50执行所述计算机程序52时实现上述各个区域企业诚信评价方法实施例中的步骤，例如图1所示的步骤s101至s105。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各单元的功能，例如图3所示模块31至35的功能。

示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述终端设备中的执行过程。例如，所述计算机程序52可以被分割成获取模块和控制模块，各模块的具体功能如下：

指标提取模块，用于从待评价区域内所有企业的历史信息数据中分类提取失信指标，并统计每类失信指标数量；

单一模型建立模块，用于根据所述失信指标及失信指标数量，构建若干种基于失信记录的诚信模型；

矩阵获取模块，用于根据待评价区域内企业的失信指标对应的历史信息数据，通过所述若干种基于失信记录的诚信模型，获取企业的诚信评价记录矩阵；

组合模块建立模块，用于根据待评价区域内所有企业的诚信评价记录矩阵，通过cw算子法获取待评价区域当前周期的诚信组合评价模型；

诚信评价模块，用于根据待评价区域内企业的失信指标对应的历史信息数据，通过所述诚信组合评价模型，获取待评价区域当前周期的企业诚信评价值。

所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器50可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器51可以是所述终端设备的内部存储单元，例如终端设备的硬盘或内存。所述存储器51也可以是所述终端设备的外部存储设备，例如所述终端设备上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，所述存储器51还可以既包括所述终端设备的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。