CN109784731A

CN109784731A - 一种民办教育机构信用评分系统及其构建方法

Info

Publication number: CN109784731A
Application number: CN201910044881.XA
Authority: CN
Inventors: 谢丽莉; 刘海滨; 沙大峣; 叶林
Original assignee: SHANGHAI SANLING SAFEGUARD INFORMATION SAFETY CO Ltd
Current assignee: Dolphin Xingyun Shanghai Technology Co ltd; Shanghai 30wish Information Security Co ltd
Priority date: 2019-01-17
Filing date: 2019-01-17
Publication date: 2019-05-21
Anticipated expiration: 2039-01-17
Also published as: CN109784731B

Abstract

本发明公开了一种民办教育机构信用评分系统及其构建方法，收集多个民办教育机构的公共信用数据和行业数据，建立了一套特别用于民办教育机构的信用评分体系。首先用随机森林对所有指标进行初步筛选；其次根据专家意见建立多层次的指标结构；再以问卷形式集合专家对指标相对重要性的意见；之后通过模糊层次法将专家意见量化，形成各个指标的权重；然后用贝叶斯方法对一级指标的权重进行修正；最后通过逐层累乘计算各层次指标的综合权重值和分值。本发明结合了在民办教育机构这个具体的领域中专家多年的经验，构建了一套定量和定性结合起来的并符合实际的科学实用的指标体系。

Description

一种民办教育机构信用评分系统及其构建方法

技术领域

本发明涉及教育技术领域，具体为一种民办教育机构信用评分系统及其构建方法。

背景技术

民办教育培训机构信用评价是民办教育诚信体系建设的要点，是推进民办教育培训机构信用分类分级监管的重要抓手。通过以评促建，以评促管，建管结合，可进一步引导民办教育机构依法、诚信、规范办学，构建和完善民办教育机构长效治理机制，促进民办教育事业持续健康发展。然而，目前还未有完善的民办教育信用评价机制，对于一般企业的信用评价机制也并不适合民办教育这个特殊的领域。现阶段已施行的民办教育信用评价机制多是通过主观打分，指标体系及各指标的赋分也没有一个严谨的方法。

发明内容

本发明的目的在于提供一种民办教育机构信用评分系统及其构建方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种民办教育机构信用评分系统，包含以下实现步骤：

S1:使用随机森林算法对民非教育机构的历史样本数据进行指标筛选，初步构建一套针对民非教育机构的信用评分指标体系；

S2:根据专家经验给筛选出来的指标确定之间的因果关系，构建多层次的指标结构；

S3:用模糊层次分析法将专家意见量化形成各指标的初始权重；

S4:用贝叶斯方法修正一级指标的权重；

S5:计算各层次指标的综合权重值和分值。

民办教育机构信用评分系统的构建方法，步骤S1中所述构建随机森林包括以下步骤：

S1:对民非教育机构的历史样本数据进行预处理；

S2:以年检不合格和被整改的机构作为坏样本，其他作为好样本拟合随机森林模型；

S3:获得各项指标的重要性结果后，去掉重要性占比小于0.1%的指标，初步得到了的数据指标。

民办教育机构信用评分系统的构建方法，所述步骤S1中的历史样本数据，主要来自于监管部门的历史信息信用数据、公共信用信息平台数据和信用互联网数据。

民办教育机构信用评分系统的构建方法，所述步骤S1中构建的一套针对民非教育机构的信用评分指标体系中，考虑了公共信用和行业历史信用相结合，结合了民非教育机构年检评价指标。

民办教育机构信用评分系统的构建方法，步骤S3中所述模糊层次分析法包括以下步骤：

S1：设计问卷请专家比较指标的相对重要性；

S2：将每一位专家的评分生成模糊一致判断矩阵R，矩阵元素R(i,j)表示指标j相对于指标i的重要性权重，矩阵构造依据如下特征：

a) 对角线为0.5

b)R(i,j)=1–R(j,i)

c)R(i,j)=R(i,k)–R(j,k)+0.5

d)第一行元素减去第n行元素之差为常数

S3：同一层次不同要素的权重计算，即求同一层次各指标对上一层次所属指标相对重要性权重，方法有排序法、最大特征值特征向量等方法，本指标体系采用排序法求权重，即权重大小主要依靠判断矩阵对应的每一行元素之和计算，参数，权重之间差异可以通过参数α调整，具体计算如下：

。

民办教育机构信用评分系统的构建方法，所述步骤S4中贝叶斯方法具体算法如下：

假设n个专家对m个指标作判断，其中模糊判断矩阵已经计算出指标权重并通过了一致性检验；

计算专家对某一个指标的指标权重，记为；代表专家对指标的评价值，指标权重反映了专家对第m个指标重要程度的量化评价结果，并且满足性质和；

专家们被赋予的先验权重分别为：，则初步得到的权重结果可计算为：，j=1,2,…m；是用专家先验权重得出的指标的群组评价权重值，同样满足性质，j=1,2,…,m和；

分别对专家权重进行如下修正：，i=1,2,…,n，j=1,2,…,m；是专家的后验权重，它是在得到指标的群组评价权重值后，对先验权重进行的修正；也就是说，每一个专家都有m个不同的后验权重；j=1,2,…,m分别对应于m个不同的方案。

最后利用修正之后得到的后验权重重新计算群决策结果得：

。

民办教育机构信用评分系统的构建方法，所述步骤S5中所述综合权重值的算法为：

利用同一层次各因素权重的计算结果，对所有的替代方案进行优先排序，综合权重值为各指标相对于所属准则层的权重与所属准则层相对于目标层的权重之积。

民办教育机构信用评分系统的构建方法，步骤S1-S5均采用百分制，则对于每一个指标的分数，可以采用该指标的综合权重，对某一些指标分数较小的进行四舍五入取整得到。

与现有技术相比，本发明的有益效果是：本发明建立的一个基于数据和专家经验的民办教育信用评价机制通过客观与主管的结合，给出了一个可行的信用评分体系构建方案，且根据上海市徐汇区的实际数据给出了一个可供参考的评分体系。本发明的优势在于，构建过程中不仅运用机器学习算法客观地从数据出发探索合理的指标构成，也结合了在民办教育机构这个具体的领域中专家多年的经验，构建了一套定量和定性结合起来的并符合实际的科学实用的指标体系。

附图说明

图1为本民办教育机构信用评分系统构建方法的实现过程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明提供一种技术方案：一种民办教育机构信用评分系统，包含以下实现步骤：

S4:用贝叶斯方法修正一级指标的权重；

S5:计算各层次指标的综合权重值和分值。

更进一步的，民办教育机构信用评分系统的构建方法，步骤S1中所述构建随机森林包括以下步骤：

S1:对民非教育机构的历史样本数据进行预处理；

更进一步的，民办教育机构信用评分系统的构建方法，所述步骤S1中的历史样本数据，主要来自于监管部门的历史信息信用数据、公共信用信息平台数据和信用互联网数据。

更进一步的，民办教育机构信用评分系统的构建方法，所述步骤S1中构建的一套针对民非教育机构的信用评分指标体系中，考虑了公共信用和行业历史信用相结合，结合了民非教育机构年检评价指标。

更进一步的，民办教育机构信用评分系统的构建方法，步骤S3中所述模糊层次分析法包括以下步骤：

S1：设计问卷请专家比较指标的相对重要性；

e) 对角线为0.5

f)R(i,j)=1–R(j,i)

g)R(i,j)=R(i,k)–R(j,k)+0.5

h)第一行元素减去第n行元素之差为常数

更进一步的，民办教育机构信用评分系统的构建方法，所述步骤S4中贝叶斯方法具体算法如下：

计算专家对某一个指标的指标权重，记为。代表专家对指标的评价值，指标权重反映了专家对第m个指标重要程度的量化评价结果，并且满足性质和；

专家们被赋予的先验权重分别为：，则初步得到的权重结果可计算为：，j=1,2,…m。是用专家先验权重得出的指标的群组评价权重值，同样满足性质，j=1,2,…,m和；

分别对专家权重进行如下修正：，i=1,2,…,n，j=1,2,…,m。是专家的后验权重，它是在得到指标的群组评价权重值后，对先验权重进行的修正。也就是说，每一个专家都有m个不同的后验权重；j=1,2,…,m分别对应于m个不同的方案。

最后利用修正之后得到的后验权重重新计算群决策结果得：

更进一步的，民办教育机构信用评分系统的构建方法，所述步骤S5中所述综合权重值的算法为：

更进一步的，民办教育机构信用评分系统的构建方法，步骤S1-S5均采用百分制，则对于每一个指标的分数，可以采用该指标的综合权重，对某一些指标分数较小的进行四舍五入取整得到。

以所在地区的由民政或市场监管等登记管理部门登记，获得教育行政部门颁发的办学许可证的民办教育培训机构作为样本。收集所有可得到的近两年的公共信用记录和行业信用记录数据，信用信息数据来源于教育局的信息数据，公共信用信息平台数据、信用互联网数据。

在搜集了民非培训机构近两年的历史数据的基础上，通过对一部分的指标数据量化，进行数据清洗后，用随机森林得到指标的相对权重，按比重的从大到小排列，去掉重要性小于0.1%的指标，同时发现是否有有效的办学许可证、M值和成立年限这三个指标，对预测明年的年检结果的影响最大。

根据对徐汇区教育局的专家意见，确定各因素之间的因果关系，建立多层次递阶结构模型，确定三级指标以及指标因子构成。

对同一层次的要素进行两两比较确定其相对重要程度，据此建立模糊判断矩阵，模糊判断矩阵中填入的分值一般按0.1-0.9标度法来赋值，具体为：

0.5	同等重要
		0.6	稍微重要
0.7	明显重要
		0.8	重要得多
0.9	极端重要
		0.1-0.4	反比较

模糊判断的构建，采用专家打分法决定变量间的两两重要性。例如：

民办教育培训机构信用评价一级指标的模糊一致判断矩阵：

一级指标	A.基础信用	B.经营信息（履约能力）	C.信用历史记录
				A.基础信用	0.5	0.9	0.7
B.经营信息（履约能力）	0.1	0.5	0.3
				C.信用历史记录	0.3	0.7	0.5

按照排序法计算基础信用相对于总体的权重的计算过程如下，取：

重复上述步骤，根据一级指标的模糊一致判断矩阵计算出来的一级指标相对于目标层的相对重要性权重为：

之后，用贝叶斯方法对一级权重进行修正，方法如上文所示。此例中通过计算得到五位专家判断矩阵的指标权重，也就是他们对不同指标的权重的向量，下面对一级指标权重进行修正如下，其中一级指标的权重分别为，，,，。根据专家的从业年限和职位，对专家的先验权重分别为：，，，，。

用贝叶斯方法修正专家权重并进行群组意见集结过程如下：由式计算出初步的群决策结果：，，。由式修正先验权重，得到后验权重。然后由式，利用后验权重重新计算并进行标准化后得到群决策结果，，。

对各个因素综合重要度的计算，利用同一层次各因素权重的计算结果，对所有的替代方案进行优先排序，综合权重值为各指标相对于所属准则层的权重与所属准则层相对于目标层的权重之积。进一步的，本方案包括对每一个指标分数的计算。本方案采用百分制，则对于每一个指标的分数，可以采用该指标的综合权重，对某一些指标分数较小的进行四舍五入取整得到。至此，民办教育机构的指标体系及其各指标分数已全部设计完成。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims

1.一种民办教育机构信用评分系统，其特征在于，包含以下实现步骤：

S4:用贝叶斯方法修正一级指标的权重；

S5:计算各层次指标的综合权重值和分值。

2.如权利要求1所述的民办教育机构信用评分系统的构建方法，其特征在于，步骤S1中所述构建随机森林包括以下步骤：

S1:对民非教育机构的历史样本数据进行预处理；

3.如权利要求1所述的民办教育机构信用评分系统的构建方法，其特征在于，所述步骤S1中的历史样本数据，主要来自于监管部门的历史信息信用数据、公共信用信息平台数据和信用互联网数据。

4.如权利要求1所述的民办教育机构信用评分系统的构建方法，其特征在于，所述步骤S1中构建的一套针对民非教育机构的信用评分指标体系中，考虑了公共信用和行业历史信用相结合，结合了民非教育机构年检评价指标。

5.如权利要求1所述的民办教育机构信用评分系统的构建方法，其特征在于，步骤S3中所述模糊层次分析法包括以下步骤：

S1：设计问卷请专家比较指标的相对重要性；

S2：将每一位专家的评分生成模糊一致判断矩阵R，矩阵元素R(i, j)表示指标j相对于指标i的重要性权重，矩阵构造依据如下特征：

对角线为0.5

R(i,j)=1–R(j,i)

R(i,j)=R(i,k)–R(j,k)+0.5

第一行元素减去第n行元素之差为常数；

。

6.如权利要求1所述的民办教育机构信用评分系统的构建方法，其特征在于，所述步骤S4中贝叶斯方法具体算法如下：

分别对专家权重进行如下修正：，i=1,2,…,n，j=1,2,…,m；是专家的后验权重，它是在得到指标的群组评价权重值后，对先验权重进行的修正；也就是说，每一个专家都有m个不同的后验权重；j=1,2,…,m分别对应于m个不同的方案；

最后利用修正之后得到的后验权重重新计算群决策结果得：

。

7.如权利要求1所述民办教育机构信用评分系统的构建方法，其特征在于，所述步骤S5中所述综合权重值的算法为：

8.如权利要求1所述民办教育机构信用评分系统的构建方法，其

特征在于，步骤S1-S5均采用百分制，则对于每一个指标的分数，可以采用该指标的综合权重，对某一些指标分数较小的进行四舍五入取整得到。