一种多指标权重确定方法、评价方法、装置及系统与流程

本发明涉及信息，特别是涉及一种多指标权重确定方法、一种多指标评价方法、一种多指标权重确定装置、一种多指标评价装置和一种多指标评价系统。

背景技术：

1、目前国内外综合评价方法众多，这些方法被广泛应用于管理、经济、社会以及教育等多个领域。综合评价是一项系统性工作，是人们参照一定的客观标准，认识、理解和影响事物的一种方式，它是一种管理认知过程，也是一种管理决策过程。在综合评价过程中，往往涉及大量评价指标，各个指标权重的确定是综合评价的关键环节，综合评价方法是获得评价结果的重要手段，只有针对不同问题选择合适的综合评价方法，才能使获得的评价结果具有准确性和科学性。然而对于评价指标规模较大、评价对象众多、评价重点方向随政策调整等情况，现有技术方案尚不能完全满足此类评价需求。

2、以大规模指标体系评价系统为例，，在实际实施评价的过程中，面临着如大规模指标权重难以确定、评价对象多、评价程序复杂效率低等问题，在获得各评价指标得分后，完成后续的评价过程并获取较为可靠的结果仍面临以下需求：

3、(1)指标体系规模较大场景下的指标权重确定

4、由于大规模指标体系评价系统的评价指标数量过多，且不同层级的评价标准各不相同，传统的基于构造矩阵的权重计算方法难以有效计算相对重要性矩阵，而采用专家赋值的方式则存在主观性强、可靠性较差的问题。在评价指标体系比较庞大时，综合各维度指标后，传统的评价方法获取的结果可能区分度不够高，对结果的可靠性造成影响。

5、(2)政策导向变化场景下的评价标准调整

6、为满足智慧法院建设需要，加强政策引导，需根据往年建设情况调整后续建设方向。该需求要求评价算法能够根据政策引导方向调整各指标的重要性权值。经过实际调研发现，实际上如何才能达到最终的政策要求并没有一个明确的标准，管理部门只能根据法院智慧化建设的综合表现来给出一个整体得分，常用的权值确定方法无法满足当前需求。

7、(3)评价对象复杂场景下的评价效率提升

8、大规模指标体系评价系统在实施评价管理的过程中，对提升效率的需求比较大，主要抓手包括两个方面：一是尽可能降低专家或人为干扰，二是避免过高的实施代价和时间成本。已有的评价方法一般经过人为的重要性设定而计算得到，或者是综合多个专家的意见综合得到，评价标准主观性较大，无法反映真实的评价评判依据，且权值确定的过程需要反复权衡和修正，实施代价较高。

9、综上所述，针对大规模指标体系评价系统，其指标体系复杂且评价系统的类型种类较多，并且具有动态化、高效率评价需求，如何合理设置各指标的权重，使评价结果更加合理，成为亟待解决的重要课题。

技术实现思路

1、针对现有技术中的缺陷，本发明实施例提供了一种多指标权重确定方法、一种多指标评价方法、一种多指标权重确定装置、一种多指标评价装置和一种多指标评价系统。

2、第一方面，本发明实施例提供一种多指标权重确定方法，包括：

3、获取所有待评价多指标评价系统的指标得分表，所述指标得分表包括每个待评价多指标评价系统对应的每个指标的得分；

4、根据所述每个待评价多指标评价系统对应的每个指标的得分，确定指标平均值向量；

5、从所述待评价多指标评价系统中筛选出典型对象，获取基于人工打分后所述典型对象的评价总分，其中所述典型对象包括正面多指标评价系统和/或负面多指标评价系统；

6、根据所述典型对象对应的各个指标的得分与所述指标平均值向量，确定差异性隶属度向量；

7、根据所述差异性隶属度向量确定多指标之间的相对重要性矩阵；

8、根据所述典型对象的评价总分和所述所有待评价多指标评价系统的期望平均分，确定所述典型对象对应的融合权重；

9、根据所述融合权重和所述相对重要性矩阵确定指标权重向量，所述指标权重向量中包括所述待评价多指标评价系统中每个指标的权重。

10、如上述方法，可选地，若所述典型对象为多个，则所述根据所述融合权重和所述相对重要性矩阵确定指标权重向量，包括：

11、根据每个典型对象对应的相对重要性矩阵确定所述典型对象对应的相对重要性向量；

12、根据每个典型对象对应的融合权重和相对重要性向量，确定所述指标权重向量。

13、如上述方法，可选地，所述根据所述典型对象对应的各个指标的得分与所述指标平均值向量，确定差异性隶属度向量，包括：

14、根据公式(1)计算所述典型对象对应的各个指标的得分与所述指标平均值向量中每个指标的得分差值：

15、

16、其中，为第k个典型对象对应的第j个指标的得分差值，为第k个典型对象第j个指标的得分，为指标平均值向量中第j个指标的得分平均值；

17、根据公式(2)计算每个指标的差异性值：

18、

19、其中，为第k个典型对象第j个指标对应的差异性值，α为属性指向系数，β为隶属度区分度调整系数；

20、根据公式(3)计算差异性隶属度向量：

21、

22、其中，为第k个典型对象对应的差异性隶属度向量，m为指标总数。

23、如上述方法，可选地，所述根据所述差异性隶属度向量确定多指标之间的相对重要性矩阵，包括：

24、根据公式(4)计算多指标之间的相对重要性系数：

25、

26、其中，为第k个典型对象对应的第p个指标和第q个指标之间的相对重要性系数，为第k个典型对象第q个指标对应的差异性值，为第k个典型对象第p个指标对应的差异性值，δ为第一预设常数，q为预设阈值；

27、根据公式(5)确定多指标之间的相对重要性矩阵：

28、

29、其中，r(k)为第k个典型对象对应的相对重要性矩阵。

30、如上述方法，可选地，所述根据所述典型对象的评价总分和所述所有待评价多指标评价系统的期望平均分，确定所述典型对象对应的融合权重，包括：

31、根据公式(6)计算典型对象对应的融合权重：

32、

33、其中，ρk为第k个典型对象对应的融合权重，k为典型对象的个数，为第k个典型对象的评价总分，sexp为所有待评价多指标评价系统的期望平均分，s0为第二预设常数。

34、如上述方法，可选地，所述根据每个典型对象对应的相对重要性矩阵确定所述典型对象对应的相对重要性向量，包括：

35、根据公式(7)对每个典型对象对应的相对重要性矩阵进行特征值分解，确定最大特征值对应的最大值特征向量；

36、r(k)*v(k)＝λ(k)*v(k) 公式(7)

37、其中，v(k)为r(k)的特征向量，λ(k)为特征向量v(k)对应的特征值；

38、根据公式(8)对所述最大值特征向量进行归一化处理：

39、

40、其中，为第k个典型对象对应的第j个指标的权重，ω为最小权重参数，为最大值特征向量v(k)中第j个元素对应的数值，为v(k)中元素的最小值，为v(k)中元素的最大值；

41、根据公式(9)确定所述典型对象对应的相对重要性向量：

42、

43、其中，w(k)为第k个典型对象对应的相对重要性向量。

44、如上述方法，可选地，所述根据每个典型对象对应的融合权重和每个典型对象对应的相对重要性向量，确定所述指标权重向量，包括：

45、根据公式(10)计算指标权重值：

46、

47、其中，wj为第j个指标的权重值；

48、根据公式(11)确定指标权重向量：

49、w＝[w1,w2,…,wm ] 公式(11)

50、其中，w为指标权重向量。

51、如上述方法，可选地，若所述所有待评价多指标评价系统对应的级别为多个级别，则分别确定每个级别对应的指标权重向量。

52、如上述方法，可选地，所述多指标评价系统为智慧法院。

53、第二方面，本发明实施例提供一种多指标评价方法，包括：

54、获取待评价多指标评价系统对应的每个指标的得分；

55、根据如上述第一方面任一项所述的多指标权重确定方法确定的所述待评价多指标评价系统对应的指标权重向量，确定每个指标的权重；

56、根据所述每个指标的得分和每个指标的权重，确定所述待评价多指标评价系统的得分。

57、如上述方法，可选地，所述根据所述每个指标的得分和每个指标的权重，确定所述待评价多指标评价系统的得分，包括：

58、根据公式(12)计算每个待评价多指标评价系统的初始得分：

59、

60、其中，为第i个待评价多指标评价系统的初始得分，m为指标总数，wj为指标权重向量中第j个指标的权重，xi,j为第i个待评价多指标评价系统第j个指标的得分；

61、根据公式(13)计算每个待评价多指标评价系统的得分：

62、

63、其中，si为第i个待评价多指标评价系统的得分，smin为预设得分最小值，smax为预设得分最大值，为中的最小值，为中的最大值。

64、第三方面，本发明实施例提供一种多指标权重确定装置，包括：

65、指标得分表获取模块，用于获取所有待评价多指标评价系统的指标得分表，所述指标得分表包括每个待评价多指标评价系统对应的每个指标的得分；

66、指标平均值向量确定模块，用于根据所述每个待评价多指标评价系统对应的每个指标的得分确定指标平均值向量；

67、典型对象确定模块，用于从所述待评价多指标评价系统中筛选出典型对象，获取基于人工打分后所述典型对象的评价总分，其中所述典型对象包括正面多指标评价系统和/或负面多指标评价系统；

68、差异性隶属度向量确定模块，用于根据所述典型对象对应的各个指标的得分与所述指标平均值向量，确定差异性隶属度向量；

69、相对重要性矩阵确定模块，用于根据所述差异性隶属度向量确定多指标之间的相对重要性矩阵；

70、融合权重确定模块，用于根据所述典型对象的评价总分和所述所有待评价多指标评价系统的期望平均分，确定所述典型对象对应的融合权重；

71、指标权重确定模块，用于根据所述融合权重和所述相对重要性矩阵确定指标权重向量，所述指标权重向量中包括所述待评价多指标评价系统中每个指标的权重。

72、第四方面，本发明实施例提供一种多指标评价装置，包括：

73、指标得分获取模块，用于获取待评价多指标评价系统对应的每个指标的得分；

74、权重确定模块，用于根据如上述第一方面任一项所述的多指标权重确定方法确定的所述待评价多指标评价系统对应的指标权重向量，确定每个指标的权重；

75、打分模块，用于根据所述每个指标的得分和每个指标的权重，确定所述待评价多指标评价系统的得分。

76、第五方面，本发明实施例提供一种多指标评价系统，包括：

77、采集模块、预处理模块、如上述第四方面所述的多指标评价装置和输出模块；

78、所述采集模块，用于采集所有待评价多指标评价系统中每个指标的得分；

79、所述预处理模块，用于对所有指标的得分进行预处理操作，确定所有待评价多指标评价系统的指标得分表；

80、所述输出模块，用于向用户输出每个所述待评价多指标评价系统的得分。

81、第六方面，本发明实施例提供一种电子设备，包括：

82、存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如上述第一方面任一项所述的多指标权重确定方法或如上述第二方面任一项所述的多指标评价方法。

83、第七方面，本发明实施例提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面任一项所述的多指标权重确定方法或如上述第二方面任一项所述的多指标评价方法。

84、本发明实施例提供的多指标权重确定方法，获取所有待评价多指标评价系统的指标得分表，所述指标得分表包括每个待评价多指标评价系统对应的每个指标的得分；根据所述每个待评价多指标评价系统对应的每个指标的得分，确定指标平均值向量；从所述待评价多指标评价系统中筛选出典型对象，获取基于人工打分后所述典型对象的评价总分，其中所述典型对象包括正面多指标评价系统和/或负面多指标评价系统；根据所述典型对象对应的各个指标的得分与所述指标平均值向量，确定差异性隶属度向量；根据所述差异性隶属度向量确定多指标之间的相对重要性矩阵；根据所述典型对象的评价总分和所述所有待评价多指标评价系统的期望平均分，确定所述典型对象对应的融合权重；根据所述融合权重和所述相对重要性矩阵确定指标权重向量，所述指标权重向量中包括所述待评价多指标评价系统中每个指标的权重。本发明实施例提供的多指标权重确定方法，筛选典型对象，并进行人工打分，根据典型对象与整体待评价对象在各个指标上的差异性确定各指标权值，有效地解决了大规模指标体系下指标权重难以确定的问题，与传统权重确定方法相比，易操作、效率高，能够更加灵活地适应政策导向和专家评价经验，有助于提升信息化建设水平的评价效率，并提升评价结果的可靠性。