CN106611099A

CN106611099A - 一种基于层次分析法的节目评价系统及方法

Info

Publication number: CN106611099A
Application number: CN201510675150.7A
Authority: CN
Inventors: 柴剑平; 殷复莲; 路璐; 王鑫; 潘幸艺; 张贝贝; 白雪松
Original assignee: Communication University of China
Current assignee: Communication University of China
Priority date: 2015-10-16
Filing date: 2015-10-16
Publication date: 2017-05-03

Abstract

本发明提供一种基于层次分析法的节目评价系统及方法，包括，输入单元，用于输入待评价节目和评价指标；节目评价层次结构模型构建单元，根据评价指标以及指标间的相互关联及隶属关系，形成一个多层次分析结构模型；判断矩阵构建单元，从层次结构模型的第2层开始，对同一层因素构造成对比较阵，直到最下层；层次单排序获得单元，由判断矩阵逐层计算层次单排序，并进行一致性检测；层次总排序获得单元，计算各层次对于系统的总排序权重，并进行一致性检测；获得单元，根据待评价节目的收视信息和层次总排序权重，从而获得各节目的综合评价值和节目排序。本发明充分反映决策者的主观决策，实现评价指标的科学赋权，提高节目评价的准确性。

Description

一种基于层次分析法的节目评价系统及方法

技术领域

本发明涉及广播电视领域，更为具体地，涉及一种基于层次分析法的节目评价系统及方法。

背景技术

在广播电视领域，通常采用多个指标评价用户对节目的偏好，对评价指标权重的赋值是多目标决策的一个重要环节。指标的权重是指标在评价过程中不同重要程度的反映，是决策(或评估)问题中指标相对重要程度的一种主观评价和客观反映的综合度量。权重的赋值合理与否，对评价结果的科学合理性起着至关重要的作用；若某一因素的权重发生变化，将会影响整个评判结果。因此，权重的赋值必须做到科学和客观，这就要求寻求合适的权重确定方法。

目前国内外关于评价指标权系数的确定方法有很多种，根据计算权系数时原始数据来源以及计算过程的不同，这些方法大致可分主观赋权法和客观赋权法两大类。主观赋权评估法采取定性的方法，由专家根据经验进行主观判断而得到权数，然后再对指标进行综合评估，如层次分析法、专家调查法、模糊分析法、二项系数法等，其中，层次分析法是实际应用中使用的最多的方法，它将复杂问题层次化，将定性问题定量化。客观赋权评估法则根据历史数据研究指标之间的相关关系或指标与评估结果的关系来进行综合评估，主要有熵值法、主成分分析法、均方差法、变异系数法等方法，其中，熵值法用的较多，这种赋权法所使用的数据是决策矩阵，所确定的属性权重反映了属性值的离散程度。主观赋权法可以体现决策者的经验判断，属性的相对重要程度一般不会违反人们的常识。但其随意性较大，决策准确性和可靠性稍差。客观赋权法存在赋权的客观标准，可利用一定的数学模型，通过计算得出属性的权重系数。其缺点是忽视了决策者的主观知识与经验等主观偏好信息，有时会出现权重系数不合理的现象。

发明内容

鉴于上述问题，本发明的目的是提供一种反映主观决策，实现电视节目评价指标科学赋权的节目评价系统及方法。

根据本发明的一个方面，提供一种基于层次分析法的节目评价系统，包括：输入单元，用于输入待评价节目和评价指标；节目评价层次结构模型构建单元，根据输入单元输入的评价指标以及指标间的相互关联及隶属关系，形成多层次分析结构模型，该模型包括多层因素，同一层次的因素既从属于上一层的因素或对上层因素有影响，又支配下一层的因素，或受下一层因素作用；判断矩阵构建单元，根据节目评价层次结构模型构建单元得到的层次结构模型，从层次结构模型的第2层开始，直到最下层，对于从属于或影响上一层每个因素的同一层因素，用成对比较法和1-9比较尺度构造成对比较阵，即判断矩阵，其中，判断矩阵A＝(a_ij)_n×n，满足a_ij＞0，a_ij＝1/a_ji(i≠j)，a_ii＝1，其中，a_ij为第i个因素对第j个因素的重要性尺度，i，j＝1，2，…，n，n为因素的个数，其中，a_ij的值由1-9比较尺度赋值确定，判断尺度为一个输入量，取值范围是1-9，判断尺度1表示两个因素同样重要，取值越大，一个因素比另一个因素越重要，以该输入量为判断矩阵赋值；层次单排序获得单元，对每个判断矩阵计算最大特征值及其对应的特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，归一化后的特征向量即为层次单排序，若不通过，需要重新构造判断矩阵，其中，一致性指标其中，λ_max为判断矩阵A的最大特征值，随机一致性指标RI的度量为

n	1	2	3	4	5	6	7	8	9
										RI	0.00	0.00	0.58	0.90	1.12	1.24	1.32	1.41	1.45

随机一致性比率层次总排序获得单元，根据层次单排序获得单元获得的层次单排序，从上而下，逐层计算各层次对于系统的总排序权重，第二层的单排序结果就是总排序结果，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，则可按照总排序进行决策，若不通过，需要重新构造层次分析模型或重新构造一致性比率较大的判断矩阵，其中，CI_j为第k层n个因素对于第k-1层第j个因素的层次单排序的一致性指标，RI_j为第k层n个因素对于第k-1层第j个因素的层次单排序的随机一致性指标，第k层n个因素的层次总排序的一致性比率其中，m为第k-1层因素个数；获得单元，根据待评价节目的收视信息和层次总排序权重，从而获得各节目的综合评价值和节目排序。

根据本发明的另一个方面，提供一种基于层次分析法的节目评价方法，包括：选择待评价节目和评价指标；构建节目评价层次结构模型，即根据输入单元输入的评价指标以及指标间的相互关联及隶属关系，形成多层次分析结构模型，该模型包括多层因素，同一层次的因素既从属于上一层的因素或对上层因素有影响，又支配下一层的因素，或受下一层因素作用；构建判断矩阵，即根据节目评价层次结构模型构建单元得到的层次结构模型，从层次结构模型的第2层开始，直到最下层，对于从属于或影响上一层每个因素的同一层因素，用成对比较法和1-9比较尺度构造成对比较阵，即判断矩阵；计算层次单排序，对每个判断矩阵计算最大特征值及其对应的特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，归一化后的特征向量即为层次单排序，若不通过，需要重新构造判断矩阵；计算层次总排序，根据层次单排序获得单元获得的层次单排序，从上而下，逐层计算各层次对于系统的总排序权重，第二层的单排序结果就是总排序结果，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，则可按照总排序进行决策，若不通过，需要重新构造层次分析模型或重新构造一致性比率较大的判断矩阵；根据待评价节目的收视信息和层次总排序权重，获得各节目的综合评价值和节目排序。

本发明所述节目评价系统及方法实现了利用层次分析法进行主观赋权，实现电视节目评价指标的科学赋权，提高了节目评价的准确性和可靠性。

附图说明

通过参考以下结合附图的说明及权利要求书的内容，并且随着对本发明的更全面理解，本发明的其它目的及结果将更加明白及易于理解。在附图中：

图1是本发明基于层次分析法的节目评价系统的构成框图；

图2是本发明基于层次分析法的节目评价方法的流程图；

图3是本发明节目评价层次结构模型构建方法的流程图；

图4是本发明层次单排序计算方法的流程图；

图5是本发明利用方根法计算层次单排序的计算方法的流程图；

图6是本发明层次总排序计算方法的流程图；

在所有附图中相同的标号指示相似或相应的特征或功能。

具体实施方式

在下面的描述中，出于说明的目的，为了提供对一个或多个实施例的全面理解，阐述了许多具体细节。然而，很明显，也可以在没有这些具体细节的情况下实现这些实施例。以下将结合附图对本发明的具体实施例进行详细描述。

以下将结合附图对本发明的具体实施例进行详细描述。

图1是本发明基于层次分析法的节目评价系统的构成框图，如图1所示，本发明所述节目评价系统包括：

输入单元110，用于选择待评价节目和评价指标，例如，输入单元110可以为触摸屏、电脑、键盘、鼠标等，其上显示待评价节目和评价指标供用户选择，用户可以选择m个待评价节目，记为S＝{S₁，S₂，…，S_m}，n个评价指标，记为P＝{P₁，P₂，…，P_n}。

节目评价层次结构模型构建单元120，根据输入单元110输入的评价指标以及指标间的相互关联及隶属关系，形成多层次分析结构模型，该模型包括多层因素，同一层次的因素既从属于上一层的因素或对上层因素有影响，又支配下一层的因素，或受下一层因素作用。

判断矩阵构建单元130，根据节目评价层次结构模型构建单元120得到的层次结构模型，从层次结构模型的第2层开始，直到最下层，对于从属于或影响上一层每个因素的同一层因素，用成对比较法和1-9比较尺度构造成对比较阵，即判断矩阵，例如，对准则层的评价指标构造判断矩阵A＝(a_ij)_n×n，满足a_ij＞0，a_ij＝1/a_ji(i≠j)，a_ii＝1，其中，a_ij为第i个因素对第j个因素的重要性尺度，i，j＝1，2，…，n，n为因素的个数，其中，a_ij的值由1-9比较尺度赋值确定，判断尺度为一个输入量，取值范围是1-9，判断尺度1表示两个因素同样重要，取值越大，一个因素比另一个因素越重要，以该输入量为判断矩阵赋值。

层次单排序获得单元140，对每个判断矩阵计算最大特征值及其对应的特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，归一化后的特征向量即为层次单排序，若不通过，需要重新构造判断矩阵，其中，一致性指标其中，λ_max为判断矩阵A的最大特征值，随机一致性指标RI的度量为

n	1	2	3	4	5	6	7	8	9
										RI	0.00	0.00	0.58	0.90	1.12	1.24	1.32	1.41	1.45

随机一致性比率例如，利用方根法计算判断矩阵的最大特征值及其对应的特征向量。

层次总排序获得单元150，根据层次单排序获得单元140获得的层次单排序，从上而下，逐层计算各层次对于系统的总排序权重，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，则可按照总排序进行决策，若不通过，需要重新构造层次分析模型或重新构造一致性比率较大的判断矩阵，优选地，第二层的单排序结果就是总排序结果，其中，CI_j为第k层n个因素对于第k-1层第j个因素的层次单排序的一致性指标，RI_j为第k层n个因素对于第k-1层第j个因素的层次单排序的随机一致性指标，第k层n个因素的层次总排序的一致性比率其中，m为第k-1层因素个数。

获得单元160，根据待评价节目的收视信息和层次总排序权重，获得各节目的综合评价值和节目排序。

优选地，节目评价层次结构模型构建单元120包括：目标层构建单元，目标层因素为决策目标，将“广播电视节目评价”作为目标层因素，其中，目标层因素只有一个；准则层构建单元，准则层因素为衡量决策目标能够达到的指标，将输入单元输入的评价指标作为准则层因素；措施层构建单元，措施层因素为可选择的方案，将输入单元输入的待评价节目作为措施层因素。

优选地，层次单排序获得单元140包括：最大特征值及对应特征向量计算单元，对每个判断矩阵计算最大特征值及其对应的特征向量；一致性检测单元，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，归一化后的特征向量即为权向量，若不通过，需要重新构造判断矩阵。

优选地，层次总排序获得单元150包括：层次总排序计算单元，从最高层到最底层逐层合成，第二层的单排序结果就是总排序结果，利用上一层的层次总排序和本层的层次单排序获得本层的层次总排序；一致性检测单元，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，则可按照总排序进行决策，若不通过，需要重新构造层次分析模型或重新构造一致性比率较大的判断矩阵。

上述节目评价系统的节目评价模型是对节目评价指标进行主观赋权，体现了决策者的经验判断，达到了为广播电视节目指标体系进行科学赋权的目的。

图2是本发明基于层次分析法的节目评价方法的流程图，如图2所示，本发明所述节目评价方法包括：

首先，在步骤S210中，选择待评价节目和评价指标；

在步骤S220中，构建节目评价层次结构模型，即根据输入单元输入的评价指标以及指标间的相互关联及隶属关系，形成多层次分析结构模型，该模型包括多层因素，同一层次的因素既从属于上一层的因素或对上层因素有影响，又支配下一层的因素，或受下一层因素作用，具体构建过程将在图3中描述；

在步骤S230中，构建判断矩阵，即根据节目评价层次结构模型构建单元得到的层次结构模型，从层次结构模型的第2层开始，直到最下层，对于从属于或影响上一层每个因素的同一层因素，用成对比较法和1-9比较尺度构造成对比较阵，即判断矩阵；

在步骤S240中，计算层次单排序，对每个判断矩阵计算最大特征值及其对应的特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，归一化后的特征向量即为层次单排序，若不通过，需要重新构造判断矩阵，具体构建过程将在图4和5中描述；

在步骤S250中，计算层次总排序，根据层次单排序获得单元获得的层次单排序，从上而下，逐层计算各层次对于系统的总排序权重，用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，则可按照总排序进行决策，若不通过，需要重新构造层次分析模型或重新构造一致性比率较大的判断矩阵，具体构建过程将在图6中描述；

在步骤S260中，根据待评价节目的收视信息和层次总排序权重，获得各节目的综合评价值和节目排序。

图3是本发明节目评价层次结构模型构建方法的流程图，如图3所示，节目评价层次结构模型构建方法包括：

首先，在步骤S310中，构建目标层，目标层因素为决策目标，具体地，将“广播电视节目评价”作为目标层因素，其中，目标层因素只有一个；

在步骤S320中，构建准则层，准则层因素为衡量决策目标能够达到的指标，具体地，将输入单元输入的评价指标作为准则层因素；

在步骤S330中，构建措施层，措施层因素为可选择的方案，具体地，将输入单元输入的待评价节目作为措施层因素。

图4是本发明层次单排序计算方法的流程图，如图4所示，层次单排序计算方法包括：

首先，在步骤S410中，计算最大特征值及对应特征向量，对每个判断矩阵计算最大特征值及其对应的特征向量；

在步骤S420中，进行一致性检测，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，归一化后的特征向量即为层次单排序，若不通过，需要重新构造判断矩阵。

图5是本发明利用方根法计算层次单排序的计算方法的流程图，如图5所示，利用方根法计算层次单排序的计算方法包括：

首先，在步骤S510中，利用方根法对每个判断矩阵计算最大特征值及其对应的特征向量，具体地，计算判断矩阵A每一行因素的乘积M_i： i＝1，2，…，n，计算M_i的n次方根计算特征向量W：对向量正规化，即则W＝[W₁，W₂，…，W_n]^T，计算判断矩阵的最大特征根：其中，(AW)_i表示向量AW的第i个因素；

在步骤S520中，利用一致性指标、随机一致性指标和一致性比率做一致性检测，其中，一致性指标CI：CI值越大，表明判断矩阵偏离完全一致性的程度越大，CI越小，表明判断矩阵一致性越好；随机一致性指标RI的度量为：

n	1	2	3	4	5	6	7	8	9
										RI	0.00	0.00	0.58	0.90	1.12	1.24	1.32	1.41	1.45

当阶数大于2时，判断矩阵的一致性指标CI与同阶平均一致性指标RI之比称为随机一致性比率，记为CR。当时，即判定判断矩阵具有满意的一致性，否则就需要调整判断矩阵，使其具有满意的一致性。

图6是本发明层次总排序计算方法的流程图，如图6所示，层次总排序计算方法包括：

首先，在步骤S610中，计算层次总排序，从最高层到最底层逐层合成，第二层的单排序结果就是总排序结果，利用上一层的层次总排序和本层的层次单排序获得本层的层次总排序，具体地，设第k-1层m个因素的层次总排序为第k层n个因素对于第k-1层第j个因素的层次单排序为其中不受因素j支配的因素的权重为0，令表示第k层因素对第k-1层各因素的排序，则第k层因素的层次总排序为

步骤S620中，进行一致性检测，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，则可按照总排序进行决策，若不通过，需要重新构造层次分析模型或重新构造一致性比率较大的判断矩阵，具体地，设第k层n个因素对于第k-1层第j个因素的层次单排序一致性指标为CI_j，随机一致性指标为RI_j，则层次总排序的一致性比率当CR＜0.10，认为层次总排序通过一致性检测，否则，需要重新构造层次分析模型或重新构造一致性比率较大的判断矩阵。

综上所述，参照附图以示例的方式描述了根据本发明提出的节目评价系统及方法。但是，本领域技术人员应当理解，对于上述本发明所提出的系统及方法，还可以在不脱离本发明内容的基础上做出各种改进。因此，本发明的保护范围应当由所附的权利要求书的内容确定。

Claims

1.一种基于层次分析法的节目评价系统，包括：

输入单元，用于输入待评价节目和评价指标；

节目评价层次结构模型构建单元，根据输入单元输入的评价指标以及指标间的相互关联及隶属关系，形成多层次分析结构模型，该模型包括多层因素，同一层次的因素既从属于上一层的因素或对上层因素有影响，又支配下一层的因素，或受下一层因素作用；

判断矩阵构建单元，根据节目评价层次结构模型构建单元得到的层次结构模型，从层次结构模型的第2层开始，直到最下层，对于从属于或影响上一层每个因素的同一层因素，用成对比较法和1-9比较尺度构造成对比较阵，即判断矩阵，

其中，判断矩阵A＝(a_ij)_n×n，满足a_ij＞0，a_ij＝1/a_ji(i≠j)，a_ii＝1，其中，a_ij为第i个因素对第j个因素的重要性尺度，i，j＝1，2，…，n，n为因素的个数，其中，a_ij的值由1-9比较尺度赋值确定，判断尺度为一个输入量，取值范围是1-9，判断尺度1表示两个因素同样重要，取值越大，一个因素比另一个因素越重要，以该输入量为判断矩阵赋值；

层次单排序获得单元，对每个判断矩阵计算最大特征值及其对应的特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，归一化后的特征向量即为层次单排序，若不通过，需要重新构造判断矩阵，

其中，一致性指标其中，λ_max为判断矩阵A的最大特征值，随机一致性指标RI的度量为

n 1 2 3 4 5 6 7 8 9 RI 0.00 0.00 0.58 0.90 1.12 1.24 1.32 1.41 1.45

随机一致性比率

层次总排序获得单元，根据层次单排序获得单元获得的层次单排序，从上而下，逐层计算各层次对于系统的总排序权重，第二层的单排序结果就是总排序结果，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，则可按照总排序进行决策，若不通过，需要重新构造层次分析模型或重新构造一致性比率较大的判断矩阵，

其中，CI_j为第k层n个因素对于第k-1层第j个因素的层次单排序的一致性指标，RI_j为第k层n个因素对于第k-1层第j个因素的层次单排序的随机一致性指标，第k层n个因素的层次总排序的一致性比率

C R =

\frac{ω_{1}^{(k - 1)} {CI}_{1} + ω_{2}^{(k - 1)} {CI}_{2} + ... + ω_{m}^{(k - 1)} {CI}_{m}}{ω_{1}^{(k - 1)} {RI}_{1} + ω_{2}^{(k - 1)} {RI}_{2} + ... + ω_{m}^{(k - 1)} {RI}_{m}},

其中，m为第k-1层因素个数；

获得单元，根据待评价节目的收视信息和层次总排序权重，从而获得各节目的综合评价值和节目排序。

2.根据权利要求1所述的节目评价系统，其中，所述节目评价层次结构模型构建单元包括：

目标层构建单元，目标层因素为决策目标，将“广播电视节目评价”作为目标层因素，其中，目标层因素只有一个；

准则层构建单元，准则层因素为衡量决策目标能够达到的指标，将输入单元输入的评价指标作为准则层因素；

措施层构建单元，措施层因素为可选择的方案，将输入单元输入的待评价节目作为措施层因素。

3.根据权利要求1所述的节目评价系统，其中，所述层次单排序获得单元包括：

最大特征值及对应特征向量计算单元，对每个判断矩阵计算最大特征值及其对应的特征向量；

一致性检测单元，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，归一化后的特征向量即为层次单排序，若不通过，需要重新构造判断矩阵。

4.根据权利要求1所述的节目评价系统，其中，所述层次总排序获得单元包括：

层次总排序计算单元，从最高层到最底层逐层合成，第二层的单排序结果就是总排序结果，利用上一层的层次总排序和本层的层次单排序获得本层的层次总排序；

一致性检测单元，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，则可按照总排序进行决策，若不通过，需要重新构造层次分析模型或重新构造一致性比率较大的判断矩阵。

5.一种基于层次分析法的节目评价方法，包括：

选择待评价节目和评价指标；

构建节目评价层次结构模型，即根据输入单元输入的评价指标以及指标间的相互关联及隶属关系，形成多层次分析结构模型，该模型包括多层因素，同一层次的因素既从属于上一层的因素或对上层因素有影响，又支配下一层的因素，或受下一层因素作用；

构建判断矩阵，即根据节目评价层次结构模型构建单元得到的层次结构模型，从层次结构模型的第2层开始，直到最下层，对于从属于或影响上一层每个因素的同一层因素，用成对比较法和1-9比较尺度构造成对比较阵，即判断矩阵；

计算层次单排序，对每个判断矩阵计算最大特征值及其对应的特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，归一化后的特征向量即为层次单排序，若不通过，需要重新构造判断矩阵；

计算层次总排序，根据层次单排序获得单元获得的层次单排序，从上而下，逐层计算各层次对于系统的总排序权重，第二层的单排序结果就是总排序结果，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，则可按照总排序进行决策，若不通过，需要重新构造层次分析模型或重新构造一致性比率较大的判断矩阵；

根据待评价节目的收视信息和层次总排序权重，获得各节目的综合评价值和节目排序。

6.根据权利要求5所述的节目评价方法，其中，所述构建节目评价层次结构模型包括：

构建目标层，目标层因素为决策目标，将“广播电视节目评价”作为目标层因素，其中，目标层因素只有一个；

构建准则层，准则层因素为衡量决策目标能够达到的指标，将输入单元输入的评价指标作为准则层因素；

构建措施层，措施层因素为可选择的方案，将输入单元输入的待评价节目作为措施层因素。

7.根据权利要求5所述的节目评价方法，其中，所述计算层次单排序包括：

计算最大特征值及对应特征向量，对每个判断矩阵计算最大特征值及其对应的特征向量；

一致性检测，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，归一化后的特征向量即为层次单排序，若不通过，需要重新构造判断矩阵。

8.根据权利要求7所述的节目评价方法，其中，所述计算层次单排序包括：

利用方根法计算判断矩阵的最大特征值及对应特征向量，其中，方根法的计算步骤为，计算判断矩阵A每一行因素的乘积M_i：计算M_i的n次方根计算特征向量W：对向量正规化，即则W＝[W₁，W₂，…，W_n]^T，计算判断矩阵的最大特征根：其中，(AW)_i表示向量AW的第i个元素；

利用一致性指标、随机一致性指标和一致性比率做一致性检测，其中，一致性指标CI：CI值越大，表明判断矩阵偏离完全一致性的程度越大，CI越小，表明判断矩阵一致性越好；随机一致性指标RI的度量为：

n 1 2 3 4 5 6 7 8 9 RI 0.00 0.00 0.58 0.90 1.12 1.24 1.32 1.41 1.45

当阶数大于2时，判断矩阵的一致性指标CI与同阶平均一致性指标RI之比称为随机一致性比率，记为CR。当时，即判定判断矩阵具有满意的一致性，否则就需要调整判断矩阵，使其具有满意的一致性；

9.根据权利要求5所述的节目评价方法，其中，所述计算层次总排序包括：

计算层次总排序，从最高层到最底层逐层合成，第二层的单排序结果就是总排序结果，利用上一层的层次总排序和本层的层次单排序获得本层的层次总排序；

一致性检测，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，则可按照总排序进行决策，若不通过，需要重新构造层次分析模型或重新构造一致性比率较大的判断矩阵。

10.根据权利要求9所述的节目评价方法，其中，所述计算层次总排序包括：

计算层次总排序，设第k-1层m个因素的层次总排序为第k层n个因素对于第k-1层第j个因素的层次单排序为其中不受因素j支配的因素的权重为0，令表示第k层因素对第k-1层各因素的排序，则第k层因素的层次总排序为

ω^{(k)} = {(ω_{1}^{(k)}, ω_{2}^{(k)}, ..., ω_{n}^{(k)})}^{T} = W^{(k)} ω^{(k - 1)};

一致性检测，设第k层n个因素对于第k-1层第j个因素的层次单排序一致性指标为CI_j，随机一致性指标为RI_j，则层次总排序的一致性比率当CR＜0.10，认为层次总排序通过一致性检测，否则，需要重新构造层次分析模型或重新构造一致性比率较大的判断矩阵。