CN107122887A - 多维工业企业诚信评价方法 - Google Patents
多维工业企业诚信评价方法 Download PDFInfo
- Publication number
- CN107122887A CN107122887A CN201710204428.1A CN201710204428A CN107122887A CN 107122887 A CN107122887 A CN 107122887A CN 201710204428 A CN201710204428 A CN 201710204428A CN 107122887 A CN107122887 A CN 107122887A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- index
- module
- enterprise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000000205 computational method Methods 0.000 claims description 22
- 239000013598 vector Substances 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 12
- 230000008520 organization Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 3
- 238000013210 evaluation model Methods 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 22
- 230000000694 effects Effects 0.000 description 4
- 230000007935 neutral effect Effects 0.000 description 4
- 206010033307 Overweight Diseases 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 3
- 239000010931 gold Substances 0.000 description 3
- 229910052737 gold Inorganic materials 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种多维工业企业诚信评价方法,用于解决现有工业企业诚信评价方法实用性差的技术问题。技术方案是依据于信息来源和对企业评价角度的充分考虑,根据政府模块、企业模块和互联网模块的特点分别建立了基于效用函数的政府模块评价算法、基于模糊理论的企业模块评价算法和基于功效计分法的互联网模块评价算法。在使用不同的评价算法时,对该模块下的指标系统进行统一的归一化方法消除指标间的差异性。对于评价算法中权重的确定,政府模块和互联网模块采取了当前广泛使用的层次分析法,而互联网模块,由于其指标的特殊性,采用了因素分层构权法。最后通过雷达图进行展示。该方法评价结果完整全面,科学地反映了工业企业诚信水平。
Description
技术领域
本发明涉及一种工业企业诚信评价方法,特别涉及一种多维工业企业诚信评价方法。
背景技术
工业企业是国民经济体系中的基层组织和经济细胞,它为自身和国民经济其他各部门提供原材料、燃料和动力,为人民物质文化生活提供工业消费品,与其它各行各业有着紧密联系。工业企业是国家发展的基石,为其他产业的发展提供设备、原材料等保障。工业企业信用缺失扰乱了正常的市场经济秩序,如果任其发展下去,其危害不仅限于工业企业,而且必然最终扩散到各行各业,对社会的稳定发展带来不可估量的损失。工业企业作为一个完整的社会组织,会与各个社会组成成分之间存在合作来往与利益关系,因此科学地评价工业企业的诚信水平需要从多方面对其评价方法进行研究。
文献“申请公布号是CN102880934A的中国发明专利”公开了一种食品企业诚信评价方法。该方法通过建立评价指标体系,采集诚信评价指标信息数据,对采集的数据进行数据数值化、时间数据转换和数据归一化处理;利用两个带有延迟的反馈循环隐层和一个输出层的递归神经网络结构,采用带动量和自适应变速率的梯度下降算法训练神经网络确定参数;对神经网络进行模拟估值,采用贝叶斯正规化方法对神经网络进行模型优化;在网络计算分值和优化结果分值对比分析时融合专家打分评价食品企业的诚信状况。该方法基于神经网络与专家评分相结合的方法从食品企业自身和企业诚信效果反馈两个角度分析企业的诚信水平,但并未对工业企业在政府部门和互联网上的诚信相关信息进行考虑,因此评价结果不全面。
发明内容
为了克服现有工业企业诚信评价方法实用性差的不足,本发明提供一种多维工业企业诚信评价方法。该方法依据于信息来源和对企业评价角度的充分考虑,从政府、企业和互联网三个模块出发,对工业企业各模块以及整体状况进行诚信评价。根据政府模块、企业模块和互联网模块的特点分别建立了基于效用函数的政府模块评价算法、基于模糊理论的企业模块评价算法和基于功效计分法的互联网模块评价算法。在使用不同的评价算法时,对该模块下的指标系统进行统一的归一化方法消除指标间的差异性。对于评价算法中权重的确定,政府模块和互联网模块采取了当前广泛使用的层次分析法,而互联网模块,由于其指标的特殊性,采用了因素分层构权法。最后通过雷达图进行展示。该方法评价结果完整全面,科学地反映了工业企业诚信水平。
本发明解决其技术问题所采用的技术方案:一种多维工业企业诚信评价方法,其特点是包括以下步骤:
步骤一、采用基于效用函数的综合评价算法对政府模块诚信水平进行评价。
建立政府模块诚信指标。根据各指标定义对其进行量化,以便输入模型中参与运算。采用广义指数法对指标数据进行归一化处理,计算方法如公式(1)所示。
式中,kijk为单项评价指标指数,gijk代表指标量化后的值,gijkB代表比较基数。
政府模块指标权重。基于层次分析法确定,包括建立层次结构图、构造判断矩阵、求出特征向量并进行一致性检验,计算出各指标的权重。
基于效用函数综合评价算法得到诚信值,计算方法如公式(2)所示。
式中,w1和w2为归一化后的权重,其和为1,sg为政府模块的综合评价值,gi=fgi(gij)(i=1,2;j=1,…,n)为gij的效用函数评价值,fgi为gij的效用函数,wij为单项评价指标gij的权重。
步骤二、企业模块诚信综合评价采用多级模糊综合评价法,对评价对象的优劣做出科学评价。
建立企业模块诚信指标。根据各指标定义选择合适的方法对其进行量化,建立评语集、设计隶属度函数将指标归一化为评语集的模糊关系向量,计算方法如公式(3)所示。
式中,代表某个最底层指标eijk归一化后的向量;fn(eijk)为指标属于等级Vi的隶属度,其中,n=1,2,…5。
企业模块指标权重。基于层次分析法确定,包括建立层次结构图、构造判断矩阵、求出特征向量并进行一致性检验,计算出企业模块各指标的权重。
指标间映射函数。通过加权平均型模糊评价模型确定,将归一化处理后的指标与相应的指标权重相乘,得到每一级指标具体的映射函数。
企业模块诚信水平。将归一化后的最底层指标逐级代入上述映射函数就能求出企业模块诚信水平,计算方法如公式(4)所示。
式中,se是一个五维向量,代表其到评语集Vp的模糊关系。将评价结果表示成百分制,设企业模块的最终得分为Scoree,定义量化向量为ce=(100,80,60,40,20),其计算方法如公式(5)所示。
Scoree=se*cT (5)
步骤三、基于互联网上舆情信息语义的复杂性,采用功效计分法对互联网模块进行诚信评价。
建立互联网模块诚信指标。对于指标的量化和归一化,由参评专家根据被评指标的表现予以判断和评分。对于定量指标,根据该指标值的波动区间分段设置不同的分值;对于定性指标,根据工业企业行为的发生与否进行加减评价。
互联网模块指标权重。基于因素分层构权法确定,将互联网模块指标权重因素分为三层,第一层为重要性,第二层包括价值含量和可信度,第三层包括完整性、相关性、有效性、权威性和真实性。完整性、相关性和有效性是价值含量的三个子项,权威性和真实性是可靠度的两个子项。统计权数的计算方法如公式(6)所示。
式中,α和β分别为价值含量和可信度的比重权数,B31为在价值含量之下的三个子准则的比重权数,B32为在可信度之下的两个子准则的比重权数,Cα为在完整性、相关性、有效性三个准则下的重要性系数,Cβ为在权威性和真实性两个准则下的重要性系数。
基于功效计分法的互联网模块诚信水平计算,设互联网模块诚信得分为ss,其计算方法如公式(7)所示。
式中,si表示互联网模块第i个指标的得分,wi为其权重。s1,s2,s3,s4,分别代表金融机构、企业自身和传播媒介、其他组织机构指标。组织机构的信息大多是正规的、权威的,因此设置为高权重。企业自身的信息是通过调查得来,因此设置为次高权重。传播媒介的信息来源不够权威,因此设置为低权重。金融机构信息是评价一个企业信用的重要信息,如果这个指标不过关,互联网模块这个指标的得分应该为0,设该企业在金融机构信息的得分必须在40以上,L为40,表示最低得分标准。
步骤四、工业企业的诚信水平由政府模块、企业模块和互联网模块的诚信水平共同决定。
工业企业诚信水平是政府模块诚信水平、企业模块诚信水平和互联网模块诚信水平的函数。设shonest代表工业企业综合诚信水平得分,sg、se和ss分别表示政府、企业和互联网模块的诚信水平得分,fh是它们之间的映射函数,计算方法如公式(8)所示。
shonest=fh(sg,se,ss) (8)
工业企业诚信评价结果采用五级百分制计分方法,AAA级:信用等级评分达到90分以上;AA级:信用等级评分达到80分以上;A级:信用等级评分达到70分以上;BBB级:等级达到60分以上;BB级:信用等级评分在60分以下。在确定工业企业诚信评价结果时,以工业企业诚信度得分作为基本依据,同时结合调整事项得到最终工业企业诚信等级评价。
步骤五、通过雷达图展示工业企业诚信水平。
本发明的有益效果是:该方法依据于信息来源和对企业评价角度的充分考虑,从政府、企业和互联网三个模块出发,对工业企业各模块以及整体状况进行诚信评价。根据政府模块、企业模块和互联网模块的特点分别建立了基于效用函数的政府模块评价算法、基于模糊理论的企业模块评价算法和基于功效计分法的互联网模块评价算法。在使用不同的评价算法时,对该模块下的指标系统进行统一的归一化方法消除指标间的差异性。对于评价算法中权重的确定,政府模块和互联网模块采取了当前广泛使用的层次分析法,而互联网模块,由于其指标的特殊性,采用了因素分层构权法。最后通过雷达图进行展示。该方法评价结果完整全面,科学地反映了工业企业诚信水平。
下面结合附图和具体实施方式对本发明作详细说明。
附图说明
图1是本发明多维工业企业诚信评价方法的流程图。
图2是本发明多维工业企业诚信评价方法评价结果的雷达图。
具体实施方式
参照图1-2。本发明多维工业企业诚信评价方法具体步骤如下:
步骤一、政府模块诚信评价。采用基于效用函数的综合评价算法对政府模块诚信水平进行评价。
建立政府模块指标。根据各指标定义选择合适的方法对其进行量化,以便输入模型中参与运算。采用广义指数法对指标数据进行归一化处理,计算方法如公式(1)所示。
式中,kijk为单项评价指标指数,gijk代表指标量化后的值,gijkB代表比较基数。
政府模块指标权重。基于层次分析法确定,具体包括建立层次结构图、构造判断矩阵、求出特征向量并进行一致性检验,计算出各指标的权重。
基于效用函数综合评价算法得到诚信值,计算方法如公式(2)所示。
式中,w1和w2为归一化后的权重,其和为1,sg为政府模块的综合评价值,gi=fgi(gij)(i=1,2;j=1,…,n)为gij的效用函数评价值,fgi为gij的效用函数,wij为单项评价指标gij的权重。
步骤二、企业模块诚信评价。企业模块诚信综合评价采用多级模糊综合评价法,对评价对象的优劣做出科学评价。
建立企业模块指标。根据各指标定义选择合适的方法对其进行量化,建立评语集、设计隶属度函数将指标归一化为评语集的模糊关系向量,计算方法如公式(3)所示。
式中,为代表某个最底层指标eijk归一化后的向量;fn(eijk)为指标属于等级Vi的隶属度,其中,n=1,2,…5。
企业模块指标权重。基于层次分析法确定,具体包括建立层次结构图、构造判断矩阵、求出特征向量并进行一致性检验,计算出企业模块各指标的权重。
指标间映射函数。通过加权平均型模糊评价模型确定,将归一化处理后的指标与相应的指标权重相乘,得到每一级指标具体的映射函数。
企业模块诚信水平。将归一化后的最底层指标逐级代入上述映射函数就能求出企业模块诚信水平,计算方法如公式(4)所示。
式中,se是一个五维向量,代表其到评语集Vp的模糊关系。将评价结果表示成百分制,设企业模块的最终得分为Scoree,定义量化向量为ce=(100,80,60,40,20),其计算方法如公式(5)所示。
Scoree=se*cT (5)
步骤三、互联网模块诚信评价。基于互联网上舆情信息语义的复杂性,采用功效计分法对互联网模块进行诚信评价。
建立互联网模块诚信指标,对于指标的量化和归一化,由参评的专家根据被评指标的表现予以判断和评分。对于定量指标,根据该指标值的波动区间分段设置不同的分值;对于定性指标,根据工业企业行为的发生与否进行加减评价。
互联网模块指标权重。基于因素分层构权法确定,将互联网模块指标权重因素分为三层,第一层为重要性,第二层包括价值含量和可信度,第三层包括完整性、相关性、有效性、权威性和真实性。完整性、相关性和有效性是价值含量的三个子项,权威性和真实性是可靠度的两个子项。统计权数的计算方法如公式(6)所示。
式中,α和β分别为价值含量和可信度的比重权数,B31为在价值含量之下的三个子准则的比重权数,B32为在可信度之下的两个子准则的比重权数,Cα为在完整性、相关性、有效性三个准则下的重要性系数,Cβ为在权威性和真实性两个准则下的重要性系数。
基于功效计分法的互联网模块诚信水平计算,设互联网模块诚信得分为ss,其计算方法如公式(7)所示。
式中,si表示互联网模块第i个指标的得分,wi为其权重。s1,s2,s3,s4,分别代表金融机构、企业自身和传播媒介、其他组织机构指标。组织机构的信息大多是正规的、权威的,因此应该设置较高的权重。企业自身的信息由于是通过调查得来,应设置为次高的权重。传播媒介的信息来源不够权威,因此权重应最低。此处建议的权重值为0.5、0.1、0.1、0.3。金融机构信息是评价一个企业信用的重要信息,如果这个指标不过关,互联网模块这个指标的得分应该为0,设该企业在金融机构信息的得分必须在40以上,L为40,表示最低得分标准。
步骤四、工业企业诚信综合评价。工业企业的诚信水平由政府模块、企业模块和互联网模块的诚信水平共同决定。
工业企业诚信水平是政府模块诚信水平、企业模块诚信水平和互联网模块诚信水平的函数。设shonest代表工业企业综合诚信水平得分,sg、se和ss分别表示政府、企业和互联网模块的诚信水平得分,fh是它们之间的映射函数,计算方法如公式(8)所示。
shonest=fh(sg,se,ss) (8)
工业企业诚信评价结果采用五级百分制计分方法,AAA级:信用等级评分达到90分以上;AA级:信用等级评分达到80分以上;A级:信用等级评分达到70分以上;BBB级:等级达到60分以上;BB级:信用等级评分在60分以下。在确定工业企业诚信评价结果时,以工业企业诚信度得分作为基本依据,同时结合调整事项得到最终工业企业诚信等级评价,评价结果调整表如表1所示。
表1 评价结果调整表
步骤五、工业企业诚信综合评价展示。通过雷达图直观的展示工业企业诚信水平。
Claims (1)
1.一种多维工业企业诚信评价方法,其特征在于包括以下步骤:
步骤一、采用基于效用函数的综合评价算法对政府模块诚信水平进行评价;
建立政府模块诚信指标;根据各指标定义对其进行量化,以便输入模型中参与运算;采用广义指数法对指标数据进行归一化处理,计算方法如公式(1)所示;
式中,kijk为单项评价指标指数,gijk代表指标量化后的值,gijkB代表比较基数;
政府模块指标权重;基于层次分析法确定,包括建立层次结构图、构造判断矩阵、求出特征向量并进行一致性检验,计算出各指标的权重;
基于效用函数综合评价算法得到诚信值,计算方法如公式(2)所示;
<mrow>
<msub>
<mi>s</mi>
<mi>g</mi>
</msub>
<mo>=</mo>
<msub>
<mi>f</mi>
<mi>g</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>g</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>g</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>g</mi>
<mn>1</mn>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>w</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>g</mi>
<mn>2</mn>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>w</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<msub>
<mi>w</mi>
<mn>1</mn>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>g</mi>
<mrow>
<mn>1</mn>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>w</mi>
<mrow>
<mn>1</mn>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>w</mi>
<mn>2</mn>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>g</mi>
<mrow>
<mn>2</mn>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>w</mi>
<mrow>
<mn>2</mn>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,w1和w2为归一化后的权重,其和为1,sg为政府模块的综合评价值,为gij的效用函数评价值,为gij的效用函数,wij为单项评价指标gij的权重;
步骤二、企业模块诚信综合评价采用多级模糊综合评价法,对评价对象的优劣做出科学评价;
建立企业模块诚信指标;根据各指标定义选择合适的方法对其进行量化,建立评语集、设计隶属度函数将指标归一化为评语集的模糊关系向量,计算方法如公式(3)所示;
式中,代表某个最底层指标eijk归一化后的向量;fn(eijk)为指标属于等级Vi的隶属度,其中,n=1,2,…5;
企业模块指标权重;基于层次分析法确定,包括建立层次结构图、构造判断矩阵、求出特征向量并进行一致性检验,计算出企业模块各指标的权重;
指标间映射函数;通过加权平均型模糊评价模型确定,将归一化处理后的指标与相应的指标权重相乘,得到每一级指标具体的映射函数;
企业模块诚信水平;将归一化后的最底层指标逐级代入上述映射函数就能求出企业模块诚信水平,计算方法如公式(4)所示;
<mrow>
<msub>
<mi>s</mi>
<mi>e</mi>
</msub>
<mo>=</mo>
<msub>
<mi>f</mi>
<mi>e</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>e</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>e</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>e</mi>
<mn>7</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>7</mn>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>w</mi>
<mi>i</mi>
</msub>
<mo>*</mo>
<msub>
<mi>e</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,se是一个五维向量,代表其到评语集Vp的模糊关系;将评价结果表示成百分制,设企业模块的最终得分为Scoree,定义量化向量为ce=(100,80,60,40,20),其计算方法如公式(5)所示;
Scoree=se*cT (5)
步骤三、基于互联网上舆情信息语义的复杂性,采用功效计分法对互联网模块进行诚信评价;
建立互联网模块诚信指标;对于指标的量化和归一化,由参评专家根据被评指标的表现予以判断和评分;对于定量指标,根据该指标值的波动区间分段设置不同的分值;对于定性指标,根据工业企业行为的发生与否进行加减评价;
互联网模块指标权重;基于因素分层构权法确定,将互联网模块指标权重因素分为三层,第一层为重要性,第二层包括价值含量和可信度,第三层包括完整性、相关性、有效性、权威性和真实性;完整性、相关性和有效性是价值含量的三个子项,权威性和真实性是可靠度的两个子项;统计权数的计算方法如公式(6)所示;
<mrow>
<mi>W</mi>
<mo>=</mo>
<msub>
<mi>C</mi>
<mi>&alpha;</mi>
</msub>
<msub>
<mi>B</mi>
<mn>31</mn>
</msub>
<mo>{</mo>
<mi>&alpha;</mi>
<mo>}</mo>
<mo>+</mo>
<msub>
<mi>C</mi>
<mi>&beta;</mi>
</msub>
<msub>
<mi>B</mi>
<mn>32</mn>
</msub>
<mo>{</mo>
<mi>&beta;</mi>
<mo>}</mo>
<mo>=</mo>
<mo>{</mo>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>3</mn>
</munderover>
<msub>
<mi>C</mi>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mi>&alpha;</mi>
<mo>+</mo>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>4</mn>
</mrow>
<mn>5</mn>
</munderover>
<msub>
<mi>C</mi>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>&beta;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mi>&beta;</mi>
<mo>,</mo>
<mo>...</mo>
<mo>}</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,α和β分别为价值含量和可信度的比重权数,B31为在价值含量之下的三个子准则的比重权数,B32为在可信度之下的两个子准则的比重权数,Cα为在完整性、相关性、有效性三个准则下的重要性系数,Cβ为在权威性和真实性两个准则下的重要性系数;
基于功效计分法的互联网模块诚信水平计算,设互联网模块诚信得分为ss,其计算方法如公式(7)所示;
<mrow>
<msub>
<mi>f</mi>
<msub>
<mi>s</mi>
<mi>s</mi>
</msub>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>4</mn>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>w</mi>
<mi>i</mi>
</msub>
<mo>*</mo>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>s</mi>
<mn>1</mn>
</msub>
<mo>&GreaterEqual;</mo>
<mi>L</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<msub>
<mi>s</mi>
<mn>1</mn>
</msub>
<mo><</mo>
<mi>L</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,si表示互联网模块第i个指标的得分,wi为其权重;s1,s2,s3,s4,分别代表金融机构、企业自身和传播媒介、其他组织机构指标;组织机构的信息大多是正规的、权威的,因此设置为高权重;企业自身的信息是通过调查得来,因此设置为次高权重;传播媒介的信息来源不够权威,因此设置为低权重;金融机构信息是评价一个企业信用的重要信息,如果这个指标不过关,互联网模块这个指标的得分应该为0,设该企业在金融机构信息的得分必须在40以上,L为40,表示最低得分标准;
步骤四、工业企业的诚信水平由政府模块、企业模块和互联网模块的诚信水平共同决定;
工业企业诚信水平是政府模块诚信水平、企业模块诚信水平和互联网模块诚信水平的函数;设shonest代表工业企业综合诚信水平得分,sg、se和ss分别表示政府、企业和互联网模块的诚信水平得分,fh是它们之间的映射函数,计算方法如公式(8)所示;
shonest=fh(sg,se,ss) (8)
工业企业诚信评价结果采用五级百分制计分方法,AAA级:信用等级评分达到90分以上;AA级:信用等级评分达到80分以上;A级:信用等级评分达到70分以上;BBB级:等级达到60分以上;BB级:信用等级评分在60分以下;在确定工业企业诚信评价结果时,以工业企业诚信度得分作为基本依据,同时结合调整事项得到最终工业企业诚信等级评价;
步骤五、通过雷达图展示工业企业诚信水平。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710204428.1A CN107122887A (zh) | 2017-03-31 | 2017-03-31 | 多维工业企业诚信评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710204428.1A CN107122887A (zh) | 2017-03-31 | 2017-03-31 | 多维工业企业诚信评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107122887A true CN107122887A (zh) | 2017-09-01 |
Family
ID=59717379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710204428.1A Pending CN107122887A (zh) | 2017-03-31 | 2017-03-31 | 多维工业企业诚信评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107122887A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107808242A (zh) * | 2017-10-18 | 2018-03-16 | 中国人民解放军国防科技大学第六十三研究所 | 水下目标探测系统环境适应性检测装置与评价方法 |
CN109002990A (zh) * | 2018-07-20 | 2018-12-14 | 广州农村商业银行股份有限公司 | 一种基于员工行为数据的员工行为刻画方法及装置 |
CN109034970A (zh) * | 2018-07-20 | 2018-12-18 | 政采云有限公司 | 诚信指数评价方法、装置、设备及存取介质 |
CN111932378A (zh) * | 2020-08-26 | 2020-11-13 | 博思数采科技发展有限公司 | 基于政府采购行为的采购主体推荐方法、装置及电子设备 |
CN112258060A (zh) * | 2020-10-28 | 2021-01-22 | 中国兵器科学研究院 | 一种企业质量信息能力评价指标体系及评价方法 |
CN112907151A (zh) * | 2021-04-07 | 2021-06-04 | 中国人民武装警察部队工程大学 | 一种基于效用函数法的抗震救灾装备效能评估方法 |
CN113344322A (zh) * | 2021-04-27 | 2021-09-03 | 山东大学 | 用于企业诚信度监控的大数据处理系统及方法 |
-
2017
- 2017-03-31 CN CN201710204428.1A patent/CN107122887A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107808242A (zh) * | 2017-10-18 | 2018-03-16 | 中国人民解放军国防科技大学第六十三研究所 | 水下目标探测系统环境适应性检测装置与评价方法 |
CN109002990A (zh) * | 2018-07-20 | 2018-12-14 | 广州农村商业银行股份有限公司 | 一种基于员工行为数据的员工行为刻画方法及装置 |
CN109034970A (zh) * | 2018-07-20 | 2018-12-18 | 政采云有限公司 | 诚信指数评价方法、装置、设备及存取介质 |
CN111932378A (zh) * | 2020-08-26 | 2020-11-13 | 博思数采科技发展有限公司 | 基于政府采购行为的采购主体推荐方法、装置及电子设备 |
CN112258060A (zh) * | 2020-10-28 | 2021-01-22 | 中国兵器科学研究院 | 一种企业质量信息能力评价指标体系及评价方法 |
CN112907151A (zh) * | 2021-04-07 | 2021-06-04 | 中国人民武装警察部队工程大学 | 一种基于效用函数法的抗震救灾装备效能评估方法 |
CN113344322A (zh) * | 2021-04-27 | 2021-09-03 | 山东大学 | 用于企业诚信度监控的大数据处理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107122887A (zh) | 多维工业企业诚信评价方法 | |
CN103632203B (zh) | 一种基于综合评价的配电网供电区域划分方法 | |
CN105740126B (zh) | 基于五种能力的嵌入式系统性能评价方法 | |
CN109215028A (zh) | 一种基于卷积神经网络的多目标优化图像质量评估方法 | |
CN110111024A (zh) | 基于ahp模糊综合评价模型的科技成果市场价值评估方法 | |
CN109947987B (zh) | 一种交叉协同过滤推荐方法 | |
Fang | Intelligent online English teaching system based on SVM algorithm and complex network | |
CN109635206A (zh) | 融合隐式反馈和用户社会地位的个性化推荐方法及系统 | |
Gupta et al. | Clustering-Classification based prediction of stock market future prediction | |
CN107609084A (zh) | 一种基于群智汇聚收敛的资源关联方法 | |
CN105843829A (zh) | 一种基于分层模型的大数据可信性度量方法 | |
Zou et al. | Fast comprehensive flood risk assessment based on game theory and cloud model under parallel computation (P-GT-CM) | |
Ulengin et al. | A power-based measurement approach to specify macroeconomic competitiveness of countries | |
CN116468300A (zh) | 基于神经网络的军队总医院学科评估方法及系统 | |
Yu | Trade globalization and political liberalization: a gravity approach | |
Tang | Telecom customer churn prediction model combining k-means and xgboost algorithm | |
Liu et al. | A decision-making method based on a two-stage regularized generalized canonical correlation analysis for complex multi-attribute large-group decision making problems | |
Yang et al. | Multi-attribute decision making method based on probabilistic linguistic term sets and its application in the evaluation of emergency logistics capacity | |
CN115860552A (zh) | 一种农村能源互联网综合效益评价方法 | |
CN108133296A (zh) | 基于活动的社交网络下的一种结合环境数据的活动出席预测方法 | |
Mao et al. | Naive Bayesian algorithm classification model with local attribute weighted based on KNN | |
Zhang | Research of default risk of commercial bank's personal loan based on rough sets and neural network | |
Qi et al. | A neural network approach for Chinese sports tourism demand based on knowledge discovery | |
CN113159634A (zh) | 一种金融产品管理方法、装置及电子设备 | |
You | Assessing Land Ecological Security Based on BP Neural Network: a Case Study of Hangzhou, China. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170901 |