CN110619466A - 信息处理方法、装置及存储介质 - Google Patents

信息处理方法、装置及存储介质 Download PDF

Info

Publication number
CN110619466A
CN110619466A CN201910872985.XA CN201910872985A CN110619466A CN 110619466 A CN110619466 A CN 110619466A CN 201910872985 A CN201910872985 A CN 201910872985A CN 110619466 A CN110619466 A CN 110619466A
Authority
CN
China
Prior art keywords
performance evaluation
evaluation index
value
weight value
matrix
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
Application number
CN201910872985.XA
Other languages
English (en)
Inventor
张晨静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhuo Erzhi Lian Wuhan Research Institute Co Ltd
Original Assignee
Zhuo Erzhi Lian Wuhan Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhuo Erzhi Lian Wuhan Research Institute Co Ltd filed Critical Zhuo Erzhi Lian Wuhan Research Institute Co Ltd
Priority to CN201910872985.XA priority Critical patent/CN110619466A/zh
Publication of CN110619466A publication Critical patent/CN110619466A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06Q10/06398—Performance of employee with respect to a job function

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种信息处理方法、装置及存储介质；其中，所述方法包括：获取至少两个待评价人员的至少一个维度的绩效评价指标值；利用获取的绩效评价指标值，构建第一特征矩阵；利用所述第一特征矩阵及第一判断矩阵的数据，结合熵权法和层次分析法，得到各绩效评价指标的第一权重值；所述第一判断矩阵是利用对应绩效评价指标间的标度值构建的；基于所述第一特征矩阵及所述第一权重值，确定所述至少两个待评价人员的绩效评价结果。如此，能够实现客观、公正地对员工绩效进行评价。

Description

信息处理方法、装置及存储介质
技术领域
本发明涉及数据处理领域，尤其涉及一种信息处理方法、装置及存储介质。
背景技术
员工的绩效评价结果是企业中评估一名员工是否具备升职加薪资格的重要参考依据，而员工的绩效评价结果与绩效评价方法紧密相连。因此，绩效评价方法的公平性、合理性尤为重要。然而，相关技术中，尚不存在一个公平、合理的绩效评价方法，来客观、公正地对员工绩效进行评价。
发明内容
有鉴于此，本发明实施例期望提供一种信息方法、装置及存储介质，能够实现客观、公正地对员工绩效进行评价。
本发明实施例的技术方案是这样实现的：
本发明实施例提供一种信息处理方法，包括：
获取至少两个待评价人员的至少一个维度的绩效评价指标值；
利用获取的绩效评价指标值，构建第一特征矩阵；
利用所述第一特征矩阵及第一判断矩阵的数据，结合熵权法(EWM，EntropyWeight Method)和层次分析法(AHP，Analytic Hierarchy Process)，得到各绩效评价指标的第一权重值；所述第一判断矩阵是利用对应绩效评价指标间的标度值构建的；
基于所述第一特征矩阵及所述第一权重值，确定所述至少两个待评价人员的绩效评价结果。
上述方案中，所述利用所述第一特征矩阵及第一判断矩阵的数据，结合熵权法和层次分析法，得到各绩效评价指标的第一权重值，包括：
针对至少一个维度指标中每个维度的指标，利用所述第一特征矩阵的数据，结合熵权法，得到相应绩效评价指标的第二权重值；并利用所述第一判断矩阵的数据，结合层次分析法，得到所述相应绩效评价指标的第三权重值；
基于所述第二权重值及所述第三权重值，得到所述相应绩效评价指标的第一权重值。
上述方案中，所述基于所述第二权重值及所述第三权重值，得到所述相应绩效评价指标的第一权重值，包括：
将所述第二权重值与所述第三权重值求积，得到求积结果；
对各绩效评价指标的所述求积结果求和，得到求和结果；
针对每个绩效评价指标，利用所述相应绩效评价指标的平方根结果与所述求和结果作商，得到所述相应绩效评价指标的第一权重值。
上述方案中，所述基于所述第二权重值及所述第三权重值，得到所述相应绩效评价指标的第一权重值，包括：
将所述第二权重值与第一比例系数求积，得到第一求积结果；并将所述第三权重值与第二比例系数求积，得到第二求积结果；
针对每个绩效评价指标，利用所述相应绩效评价指标的所述第一求积结果与所述第二求积结果作和，得到所述相应绩效评价指标的第一权重值。
上述方案中，在所述利用获取的绩效评价指标值，构建第一特征矩阵之后，所述方法还包括：
对所述第一特征矩阵进行标准化处理，得到第二特征矩阵；
利用所述第二特征矩阵及第一判断矩阵的数据，结合熵权法和层次分析法，得到各绩效评价指标的第一权重值；
基于所述第二特征矩阵及得到的各绩效评价指标的第一权重值，得到所述至少两个待评价人员的绩效评价结果。
上述方案中，所述方法还包括：
对所述绩效评价指标进行分类处理，得到分类处理后的绩效评价指标；
获取所述分类处理后的绩效评价指标中对应绩效评价指标间的标度值，并利用所述标度值，构建所述第一判断矩阵。
上述方案中，在所述获取至少两个待评价人员的至少一个维度的绩效评价指标值之前，所述方法还包括：
确定绩效评价指标。
本发明实施例还提供一种信息处理装置，包括：
获取单元，用于获取至少两个待评价人员的至少一个维度的绩效评价指标值；
第一构建单元，用于利用获取的绩效评价指标值，构建第一特征矩阵；
第一确定单元，用于利用所述第一特征矩阵及第一判断矩阵的数据，结合EWM和AHP，得到各绩效评价指标的第一权重值；所述第一判断矩阵是利用对应绩效评价指标间的标度值构建的；
第二确定单元，用于基于所述第一特征矩阵及所述第一权重值，确定所述至少两个待评价人员的绩效评价结果。
本发明实施例又提供一种信息处理装置，包括：处理器和用于存储能够在处理器上运行的可执行指令的存储器，其中，所述处理器用于运行所述可执行指令时，执行上述方法的任一步骤。
本发明实施例还提供一种计算机可读存储介质，其上存储有可执行指令，所述可执行指令被处理器执行时实现上述方法的任一步骤。
本发明实施例提供的信息处理方法、装置及存储介质。其中，方法包括：获取至少两个待评价人员的至少一个维度的绩效评价指标值；利用获取的绩效评价指标值，构建第一特征矩阵；利用所述第一特征矩阵及第一判断矩阵的数据，结合EWM和AHP，得到各绩效评价指标的第一权重值；所述第一判断矩阵是利用对应绩效评价指标间的标度值构建的；基于所述第一特征矩阵及所述第一权重值，确定所述至少两个待评价人员的绩效评价结果。本发明实施例中，通过客观赋权方法即EWM与主观赋权方法即AHP两种不同的方法对各绩效评价指标的权重值进行多角度的界定，从而得到各绩效评价指标的综合权重值。如此，利用该各绩效评价指标的综合权重值能够实现对待评价人员的绩效进行公平、合理地评价。
附图说明
图1为本发明实施例提供的一种信息处理方法的实现流程示意图；
图2为本发明实施例提供的绩效评价指标的递阶层次结构示意图；
图3为本发明应用实施例提供的一种信息处理方法的实现流程示意图；
图4为本发明实施例提供的一种信息处理装置的结构示意图；
图5为本发明实施例提供的一种信息处理装置的组成结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
本发明实施例提供一种信息处理方法，图1为本发明实施例信息处理方法的实现流程示意图。如图1所示，所述方法包括以下步骤：
步骤101：获取至少两个待评价人员的至少一个维度的绩效评价指标值；
步骤102：利用获取的绩效评价指标值，构建第一特征矩阵；
步骤103：利用所述第一特征矩阵及第一判断矩阵的数据，结合EWM和AHP，得到各绩效评价指标的第一权重值；所述第一判断矩阵是利用对应绩效评价指标间的标度值构建的；
步骤104：基于所述第一特征矩阵及所述第一权重值，确定所述至少两个待评价人员的绩效评价结果。
在步骤S101中，所述绩效评价指标是指用于考核、评估、比较待评价人员绩效的统计指标。在本实施例中，为了保证各评价人员的绩效评价的公平、合理，所述绩效评价指标为多个。
实际应用中，绩效评价指标可以为职级、品德、工龄、关键绩效指标(KPI，KeyPerformance Indicator)、出勤天数、任务完成量、获得奖励次数等指标中的部分指标或全部指标。
实际应用时，获取绩效评价指标值的方式可以是：接收输入的绩效评价指标值，如，接收由相关人员(如，企业负责绩效评价的人员等)通过对应的数据输入接口(如，文字、语音等输入接口)输入的各待评价人员的每个绩效评价指标值。
在步骤S102中，在获取所有待评价人员的所有绩效评价指标值后，为了便于后续处理，需要建立各待评价人员对各绩效评价指标的值的矩阵。所述第一特征矩阵为各待评价人员对各绩效评价指标的值的所组成的矩阵。
实际应用时，可以将所有待评价人员记为M＝(M1，M2，…，Mm)，所有绩效评价指标记为D＝(D1，D2，…，Dq)，各待评价人员Mi对各绩效评价指标Dj的值记为sij(i＝1，2，…，m；j＝1，2，…，q)，则形成的第一特征矩阵为：
其中：sij表示待评价员工i的第j个绩效评价指标特征；m，q分别表示待评价员工总人数和绩效评价指标总个数。
在步骤S103中，所述第一权重值为利用第一特征矩阵及第一判断矩阵的数据，并结合客观赋权方法即EWM与主观赋权方法即AHP两种不同的算法得到的各绩效评价指标的综合权重值。
在一实施例中，所述利用所述第一特征矩阵及第一判断矩阵的数据，结合EWM和AHP，得到各绩效评价指标的第一权重值，包括：
针对至少一个维度指标中每个维度的指标，利用所述第一特征矩阵的数据，结合熵权法，得到相应绩效评价指标的第二权重值；并利用所述第一判断矩阵的数据，结合层次分析法，得到所述相应绩效评价指标的第三权重值；
基于所述第二权重值及所述第三权重值，得到所述相应绩效评价指标的第一权重值。
这里，所述EWM与所述AHP作用的对象不同，EWM作用的对象为所述第一特征矩阵的数据；而AHP作用的对象为所述第一判断矩阵中的数据。第一特征矩阵为各待评价人员对各绩效评价指标的值的所组成的矩阵；而第一判断矩阵为利用对应绩效评价指标间的标度值构建的矩阵。
下面将具体说明如何利用EWM对所述第一特征矩阵的数据进行处理，得到第二权重值及如何利用AHP对所述第一判断矩阵的数据进行处理，得到第三权重值的具体方法。
首先，详细阐述利用EWM对所述第一特征矩阵的数据进行处理，得到第二权重值的具体实现过程。
步骤a：标准化处理；
这里标准化处理的目的在于对第一特征矩阵进行无量纲化。
实际应用时，标准化处理的方式可参考如下两种方式：
方式一：高优指标的标准化处理：
其中：nij(i＝1，2，…，m；j＝1，2，…，q)，表示待评价员工i的第j个绩效评价指标无量纲化后的特征；min(s1j,s2j,...,smj)表示针对第j个绩效评价指标，所有待评价员工中最小的绩效评价指标值；max(s1j,s2j,...,smj)表示针对第j个绩效评价指标，所有待评价员工中最大的绩效评价指标值。
在方式一中，采用式(1)进行高优指标(特征值越高，表示绩效评价越高)的标准化处理，最终待评价员工的指标数值越高，员工绩效评价越高。
方式二：低优指标的标准化处理：
其中：nij(i＝1，2，…，m；j＝1，2，…，q)，表示待评价员工i的第j个绩效评价指标无量纲化后的特征；min(s1j,s2j,...,smj)表示针对第j个绩效评价指标，所有待评价员工中最小的绩效评价指标值；max(s1j,s2j,...,smj)表示针对第j个绩效评价指标，所有待评价员工中最大的绩效评价指标值。
在方式二中，采用式(2)进行低优指标(特征值越低，表示绩效评价越高)的标准化处理，最终待评价员工的指标数值越低，员工绩效评价越高。
基于此，在一实施例中，在所述利用获取的绩效评价指标值，构建第一特征矩阵之后，所述方法还包括：
对所述第一特征矩阵进行标准化处理，得到第二特征矩阵；
利用所述第二特征矩阵及第一判断矩阵的数据，结合EWM和AHP，得到各绩效评价指标的第一权重值；
基于所述第二特征矩阵及得到的各绩效评价指标的第一权重值，得到所述至少两个待评价人员的绩效评价结果。
这里，所述第二特征矩阵为第一特征矩阵无量纲化后的矩阵。实际应用时，可以根据实际需要选择上述标准化处理方式之一进行标准化处理，处理后的第二特征矩阵记为nij(i＝1，2，…，m；j＝1，2，…，q)，则形成的第二特征矩阵为：
其中：nij(i＝1，2，…，m；j＝1，2，…，q)，表示待评价员工i的第j个绩效评价指标无量纲化后的特征；m，q分别表示待评价员工总人数和绩效评价指标总个数。
步骤b：计算各绩效评价指标下各待评价人员的特征比重；
实际应用时，根据可以根据式(3)计算第j项绩效评价指标下，第i个待评价人员的特征比重pij。
其中，pij(i＝1，2，…，m；j＝1，2，…，q)为第j项绩效评价指标下，第i个待评价人员的特征比重；nij(i＝1，2，…，m；j＝1，2，…，q)，表示待评价员工i的第j个绩效评价指标无量纲化后的特征。
步骤c：计算各绩效评价指标的熵值；
实际应用时，根据可以根据式(4)计算第j项绩效评价指标的熵值ej。
其中，ej(j＝1，2，…，q)为第j项绩效评价指标的熵值；pij(i＝1，2，…，m；j＝1，2，…，q)为第j项绩效评价指标下，第i个待评价人员的特征比重。
这里，对于某一项绩效评价指标，当各待评价员工间的绩效评价指标值差异越大时，该绩效评价指标的熵值越小，表明该绩效评价指标反映的信息量越大。此时，可以理解为各待评价的人员在该绩效评价指标上反应出的差异较大，也就是说，该绩效评价指标会对各待评价的人员的绩效评价结果产生较大影响。而当各待评价员工间的绩效评价指标值差异越小时，该绩效评价指标的熵值越大，表明该绩效评价指标反映的信息量越小。此时，可以理解为各待评价的人员在该绩效评价指标上反应出的差异较小，也就是说，该绩效评价指标会对各待评价的人员的绩效评价结果产生较小影响。在当某一项绩效评价指标的熵值ej偏大，并且大于预设的阈值时，表明该绩效评价指标提供的信息量很小，可以适当考虑将其剔除。
步骤d：计算各绩效评价指标的差异系数；
从上面的分析可以看出：绩效评价指标的熵值的信息效用价值与绩效评价指标的熵值本身的大小是相反的。实际应用时，根据可以根据1与第j项绩效评价指标作差得到第j项绩效考核的差异系数1-ej。
步骤e：计算确定各绩效评价指标的熵权(客观权重值)；
实际应用时，根据可以根据式(5)计算第j项绩效评价指标的熵权wj。
其中，wj(j＝1，2，…，q)为第j项绩效评价指标的熵值权；1-ej(j＝1，2，…，q)为第j项绩效考核的差异系数。
这里，利用EWM得到了各绩效评价指标的客观权重值(即第二权重值)。
下面，详细阐述利用改进的AHP对所述第一判断矩阵的数据进行处理，得到第三权重值的具体实现过程。
对于AHP的应用，在确定了绩效评价指标后即能进行第三权重的确定。
在一实施例中，所述方法还包括：
对所述绩效评价指标进行分类处理，得到分类处理后的绩效评价指标；
获取所述分类处理后的绩效评价指标中对应绩效评价指标间的标度值，并利用所述标度值，构建所述第一判断矩阵。
实际应用时，对所述绩效评价指标进行分类处理的目的是建立绩效评价指标的递阶层次结构，之后再将某层中同一类别的各绩效评价指标针对上层对应的绩效评价指标进行相对重要性比较，从而得到对应绩效评价指标间的标度值。
步骤a：建立绩效评价指标的递阶层次结构；
对所有绩效评价指标进行分类，并建立绩效评价指标的递阶层次结构。该递阶层次结构包括：目标层，准则层(还包括：子准则层)，方案层；其中，目标层是员工绩效评价；方案层是所有待评价人员M＝(M1，M2，…，Mm)；子准则层是所有的绩效评价指标D＝(D1，D2，…，Dq)；准则层则是对所有绩效评价指标进行分类的各类绩效评价指标。
实际应用中，对所有绩效评价指标进行分类，并建立绩效评价指标的递阶层次结构如图2所示，其中，目标层是员工绩效评价A；方案层是所有待评价人员M＝(M1，M2，…，Mm)(图2中未示出)；准则层则是对所有绩效评价指标进行分类的各类绩效评价指标：自身职业状态B1、日常工作情况B2、对企业发展的贡献B3；子准则层是所有的绩效评价指标：职级C11、工龄C12、出勤次数C21、任务完成量C22、突出贡献C31、严重错误C32等。并且，职级C11、工龄C12等对应上一层的自身职业状态B1；任务完成量C22、突出贡献C31等对应上一层的日常工作情况B2；突出贡献C31、严重错误C32等对应上一层的对企业发展的贡献B3。
步骤b：构建判断矩阵；
判断矩阵表示本层各因素针对上层某个因素进行相对重要性的比较，该比较结果的赋值是通过查阅相关资料、咨询专家意见后完成的、引用1～9标度法(如表1所示)对各评价因子的重要性判断结果进行量化得到的。实际应用中，需要建里多层的判断举证，如利用图2的递阶层次结构，需要建立一个准则层对目标层的判断矩阵，还需要建立三个子准则层对准则层的判断矩阵。这里将某一个判断矩阵示意性的记为aij(i＝1，2，…，n；j＝1，2，…，n),即：
并且，在判断矩阵A中，aij＝1/aji。
标度 两个元素相比
1 同样重要
3 稍重要
5 重要
7 很重要
9 极端重要
2、4、6、8 相邻判断的中间值
表1
需要说明的是：传统的AHP需要对判断矩阵进行一致性验证，若一致性检验没通过，则需要重新构造判断矩阵。改进AHP采用一种判断矩阵新的构造方法，简化运算过程，提高评价精确度。该方法为：假设根据标度扩展法得到q个指标的重要性排序为D1≥D2≥D3≥…≥Dq，对Dj与Dj+1进行比较，将其对应的标度值记为tj，然后按照指标重要程度的传递性计算出判断矩阵中的其它元素值，最后得到如下判断矩阵中的其它元素值，最后得到相应的判断矩阵。
步骤c：计算各层判断矩阵的元素的权重系数；
通过计算判断矩阵特征向量即可得到该判断矩阵中绩效评价指标权重系数。计算判断矩阵特征向量，具体包括：
利用式(6)计算判断矩阵各行各元素的乘积。
其中，mi(i＝1，2，…，n)为判断矩阵中各行各元素的乘积；aij(i＝1，2，…，n；j＝1，2，…，n)为第i项绩效评价指标(元素)相对第j项绩效评价指标(元素)的标度值。
利用式(7)计算判断矩阵各行各元素乘积的n次方根。
其中，vi(i＝1，2，…，n)为判断矩阵中各行各元素的乘积的n次方根；mi(i＝1，2，…，n)为判断矩阵中各行各元素的乘积。
利用式(8)对向量v＝(v1 v2 ... v2)T进行归一化处理，即得到特征向量(权重系数)。
其中，ki(i＝1，2，…，n)为判断矩阵中各行各元素的特征向量；vi(i＝1，2，…，n)为判断矩阵中各行各元素的乘积的n次方根。
需要说明的是：步骤b的判断矩阵中n均对应各对比元素的个数，如当判断矩阵为B1、B2、B3对A时，n＝3；而当判断矩阵为C11、C12对B1时，n＝2(在图2中C11、C12后面的省略号为无时)。
得到每一层的判断矩阵的元素的权重系数后，需要进一步计算各层因素对系统总目标(员工绩效评价A)的合成权重，以确定底层C层的所有因素对于系统总目标(员工绩效评价A)的相对重要程度aj。
举个例子来说，现在需要计算职级C11对于员工绩效评价A的相对重要程度(主观权重值)。
先根据上述计算方式，计算得到B1相对于员工绩效评价A的权重系数；然后同样根据上述计算方式，计算得到C11相对于员工绩效评价B1的权重系数，再将两个权重系数求乘积就得到了职级C11相对于员工绩效评价A的相对重要程度(主观权重值)。
这里，利用AHP得到了各绩效评价指标的主观权重值(即第三权重值)。
在得到了第二权重值及第三权重值后，需要将这两种权重值进行融合，得到各绩效评价指标的综合权重值(即第一权重值)。
实际应用时，将第二权重值及第三权重值进行融合的方式需要根据实际的应用场景进行选择。可以采用乘积融合法或和融合法进行相应的融合。
1、乘积融合法
在一实施例中，所述基于所述第二权重值及所述第三权重值，得到所述相应绩效评价指标的第一权重值，包括：
将所述第二权重值与所述第三权重值求积，得到求积结果；
对各绩效评价指标的所述求积结果求和，得到求和结果；
针对每个绩效评价指标，利用所述相应绩效评价指标的平方根结果与所述求和结果作商，得到所述相应绩效评价指标的第一权重值。
实际应用时，可以根据式(9)计算第j项绩效评价指标的综合权重值βj。
其中，βj(j＝1，2，…，q)为第j项绩效评价指标的第一权重值；wj(j＝1，2，…，q)为第j项绩效评价指标的第二权重值；aj(j＝1，2，…，q)为第j项绩效评价指标的第三权重值。
需要说明的是，乘积融合法并不需要明确第二权重值(客观权重值)和第三权重值(主观权重值)的相对比例，一般适用于对客观权重值与主观权重值无特别比例要求的绩效评价场景中。
2、和融合法
在一实施例中，所述基于所述第二权重值及所述第三权重值，得到所述相应绩效评价指标的第一权重值，包括：
将所述第二权重值与第一比例系数求积，得到第一求积结果；并将所述第三权重值与第二比例系数求积，得到第二求积结果；
针对每个绩效评价指标，利用所述相应绩效评价指标的所述第一求积结果与所述第二求积结果作和，得到所述相应绩效评价指标的第一权重值。
这里，所述第一比例系数为第二权重值在第二权重值与第三权重值之和中所占的比例；所述第二比例系数为第三权重值在第二权重值与第三权重值之和中所占的比例，因此，第一比例系数与第二比例系数的和为100％。
实际应用时，可以根据式(10)计算第j项绩效评价指标的综合权重值βj。
βj＝αaj+(1-α)wj (10)
其中，βj(j＝1，2，…，q)为第j项绩效评价指标的第一权重值；wj(j＝1，2，…，q)为第j项绩效评价指标的第二权重值；aj(j＝1，2，…，q)为第j项绩效评价指标的第三权重值。
需要说明的是，和融合法需要提前确定第二权重值(客观权重值)和第三权重值(主观权重值)的相对比例，一般适用于对客观权重值与主观权重值存在特别比例要求的绩效评价场景中。
在步骤S104中，利用每个绩效评价指标的第一权重值及第二特征向量的值即可得到第i个待评价员工的绩效评价结果。
实际应用时，可以根据式(11)计算i个待评价员工的绩效评价结果Ai。
其中，Ai(i＝1，2，…，m)为第i个待评价员工的绩效评价结果；βj(j＝1，2，…，q)为第j项绩效评价指标的第一权重值；Ni＝(ni1,ni2,…,niq)为标准化处理后的第i各员工的指标特征向量。
本发明实施例提供的信息处理方法，通过获取至少两个待评价人员的至少一个维度的绩效评价指标值；利用获取的绩效评价指标值，构建第一特征矩阵；利用所述第一特征矩阵及第一判断矩阵的数据，结合EWM和AHP，得到各绩效评价指标的第一权重值；所述第一判断矩阵是利用对应绩效评价指标间的比例标度值构建的；基于所述第一特征矩阵及所述第一权重值，确定所述至少两个待评价人员的绩效评价结果。本发明实施例中，选取了至少一个绩效评价指标，并分别利用EWM及AHP计算各绩效评价指标的主关权重值及客观权重值，以获得多个绩效评价指标的综合权重值，由于综合权重将主观权重和客观权重有机结合起来，既克服了主观权重的随意性，又反映了专家的知识和实际经验以及决策者的意见，结果更为客观合理。因此，利用综合权重值能够实现客观、公正地对员工绩效进行评价。
下面结合应用实施例对本发明再作进一步详细的描述。
本发明应用实施例提供一种绩效确定方法，图3为本发明实施例绩效确定方法的实现流程示意图。如图3所示，所述方法包括以下步骤：
步骤301：确定绩效评价指标；
在获取绩效评价指标的相应数据之前，需要先确定绩效评价指标。
实际应用时，确定绩效评价指标的方式可以是：首先接收多个输入的疑似与绩效评价相关的指标，如，接收由相关人员(如，企业负责绩效评价的人员等)通过对应的数据输入接口(如，文字、语音等输入接口)输入的样本评价人员的每个疑似与绩效评价相关的指标值。然后，利用相应的剔除方法(如，利用前述的方法计算每个疑似与绩效评价相关的指标的熵值ej，当某一项疑似与绩效评价相关的指标的熵值ej偏大，并且大于预设的阈值时，表明该绩效评价指标提供的信息量很小，将其剔除)去掉一些指标。最终确定本次绩效考核准备使用的绩效评价指标。
步骤302：获取对应绩效评价指标间的标度值；
实际应用时，获取对应绩效评价指标间的标度的方式可以是：接收输入的对应绩效评价指标间的标度值，如，接收由相关人员(如，企业负责绩效评价的人员等)通过对应的数据输入接口(如，文字、语音等输入接口)输入的对应绩效评价指标间的标度值。一般标度值是通过查阅相关资料、咨询专家意见后完成的、引用1～9标度法(如表1所示)对各评价因子的重要性判断结果进行量化得到的。
步骤303：利用获取的对应绩效评价指标间的标度值构建第一判断矩阵；
步骤304：利用所述第一判断矩阵的数据，结合AHP，得到各绩效评价指标的主观权重值；
实际应用时，步骤303、步骤304与步骤103中利用AHP计算各绩效评价指标的主观权重值实现方式相同，这里不做赘述。
步骤305：获取至少两个待评价人员的至少一个维度的绩效评价指标值；
步骤306：利用获取的绩效评价指标值，构建第一特征矩阵；
步骤307：利用所述第一特征矩阵，结合EWM；得到各绩效评价指标的客观权重值；
实际应用时，步骤305、步骤306、步骤307与步骤103中利用EWM计算各绩效评价指标的客观权重值实现方式相同，这里不做赘述。
步骤308：基于所述各绩效评价指标的主观权重值和客观权重值，得到各绩效评价指标的综合权重值；
实际应用时，步骤308与步骤103中利用采用乘积融合法进行主观权重值和客观权重值的融合，得到各绩效评价指标的综合权重值的实现方式相同，这里不做赘述。
步骤309：基于所述第一特征矩阵及所述综合权重值，确定所述至少两个待评价人员的绩效评价结果。
实际应用时，步骤309与步骤104的实现方式相同，这里不做赘述。
需要说明的是，实际应用时，当一个企业的绩效评价指标确定后，可以根据确定的绩效评价指标确定各绩效评价指标的主观权重值。该企业可以一直采用该主观权重值与每次需要进行绩效评价时的当前客观权重值(根据当前的各待评价员工的绩效评价指标值，得到的各绩效评价指标的当前客观权重值)进行融合，从而得到各评价指标的综合权重值。最终，利用该综合权重值进行各待评价人员的绩效评价。同时，在该企业认为需要调整当前各绩效评价指标的主观权重值或调整当前各绩效评价指标时，需要根据调整后的相应绩效评价指标间的标度值或调整后的绩效评价指标重新确定调整后各绩效评价指标的主观权重值。
本发明实施例提供的绩效确定方法，通过获取至少两个待评价人员的至少一个维度的绩效评价指标值；利用获取的绩效评价指标值，构建第一特征矩阵；利用所述第一特征矩阵及第一判断矩阵的数据，结合EWM和AHP，得到各绩效评价指标的第一权重值；所述第一判断矩阵是利用对应绩效评价指标间的比例标度值构建的；基于所述第一特征矩阵及所述第一权重值，确定所述至少两个待评价人员的绩效评价结果。本发明实施例中，选取了至少一个绩效评价指标，并分别利用EWM及AHP计算各绩效评价指标的主关权重值及客观权重值，以获得多个绩效评价指标的综合权重值，由于综合权重将主观权重和客观权重有机结合起来，既克服了主观权重的随意性，又反映了专家的知识和实际经验以及决策者的意见，结果更为客观合理。因此，利用综合权重值能够实现客观、公正地对员工绩效进行评价。
为了实现本发明实施例的方法，本发明实施例还提供一种信息处理装置400，图4为本发明实施例装置的结构示图，如图4所示，所述装置400包括：
获取单元401，用于获取至少两个待评价人员的至少一个维度的绩效评价指标值；
第一构建单元402，用于利用获取的绩效评价指标值，构建第一特征矩阵；
第一确定单元403，用于利用所述第一特征矩阵及第一判断矩阵的数据，结合EWM和AHP，得到各绩效评价指标的第一权重值；所述第一判断矩阵是利用对应绩效评价指标间的比例标度值构建的；
第二确定单元404，用于基于所述第一特征矩阵及所述第一权重值，确定所述至少两个待评价人员的绩效评价结果。
在一实施例中，所述第一确定单元403，用于：
针对至少一个维度指标中每个维度的指标，利用所述第一特征矩阵的数据，结合熵权法，得到相应绩效评价指标的第二权重值；并利用所述第一判断矩阵的数据，结合层次分析法，得到所述相应绩效评价指标的第三权重值；
基于所述第二权重值及所述第三权重值，得到所述相应绩效评价指标的第一权重值。
在一实施例中，所述第一确定单元403包括确定子单元，所述确定子单元，用于：
将所述第二权重值与所述第三权重值求积，得到求积结果；
对各绩效评价指标的所述求积结果求和，得到求和结果；
针对每个绩效评价指标，利用所述相应绩效评价指标的平方根结果与所述求和结果作商，得到所述相应绩效评价指标的第一权重值。
在一实施例中，所述第一确定单元403包括确定子单元，所述确定子单元，用于：
将所述第二权重值与第一比例系数求积，得到第一求积结果；并将所述第三权重值与第二比例系数求积，得到第二求积结果；
针对每个绩效评价指标，利用所述相应绩效评价指标的所述第一求积结果与所述第二求积结果作和，得到所述相应绩效评价指标的第一权重值。
在一实施例中，所述第一确定单元403包括标准化处理子单元，所述标准化处理子单元，用于：
对所述第一特征矩阵进行标准化处理，得到第二特征矩阵；
所述第一确定单元403，还用于利用所述第二特征矩阵及第一判断矩阵的数据，结合熵权法和层次分析法，得到各绩效评价指标的第一权重值；
所述第二确定单元404，还用基于所述第二特征矩阵及得到的各绩效评价指标的第一权重值，得到所述至少两个待评价人员的绩效评价结果。
在一实施例中，装置400还包括第二构建单元，所述第二构建单元，用于：
对所述绩效评价指标进行分类处理，得到分类处理后的绩效评价指标；
获取所述分类处理后的绩效评价指标中对应绩效评价指标间的标度值，并利用所述标度值，构建所述第一判断矩阵。
在一实施例中，装置400还包括第三确定单元，所述第三确定单元，用于：
确定绩效评价指标。
实际应用时，第三确定单元、第二构建单元、获取单元401、第一构建单元402、第一确定单元403、确定子单元、标准化处理子单元及第二确定单元404、可由信息处理装置中的处理器实现。
需要说明的是：上述实施例提供的信息处理装置在进行信息处理时，仅以上述各程序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处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的信息处理装置与信息处理方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
基于上述程序模块的硬件实现，且为了实现本发明实施例的方法，本发明实施例还提供一种信息处理装置500，所述装置500包括：
存储器501，用于存储可执行指令；
处理器502，用于执行所述存储器中存储的可执行指令时，实现本发明实施例提供的信息处理方法。
实际应用时，如图5所示，所述装置500中的各个组件通过总线系统503耦合在一起。可理解，总线系统503用于实现这些组件之间的连接通信。总线系统503除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图5中将各种总线都标为总线系统503。
本发明实施例还提供一种存储介质，所述存储介质存储有可执行指令，当所述可执行指令被至少一个处理器执行时，实现本发明实施例提供的信息处理方法。
在一些实施例中，存储介质可以是磁性随机存取存储器(FRAM，FerromagneticRandom Access Memory)、只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，ErasableProgrammable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，ElectricallyErasable Programmable Read-Only Memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)等存储器；也可以是包括上述存储器之一或任意组合的各种设备。
在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言(包括编译或解释语言，或者声明性或过程性语言)来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言(HTML，Hyper TextMarkup Language)文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。
作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
需要说明的是：“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
另外，本发明实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (10)

1.一种信息处理方法，其特征在于，包括：
获取至少两个待评价人员的至少一个维度的绩效评价指标值；
利用获取的绩效评价指标值，构建第一特征矩阵；
利用所述第一特征矩阵及第一判断矩阵的数据，结合熵权法和层次分析法，得到各绩效评价指标的第一权重值；所述第一判断矩阵是利用对应绩效评价指标间的标度值构建的；
基于所述第一特征矩阵及所述第一权重值，确定所述至少两个待评价人员的绩效评价结果。
2.根据权利要求1所述的方法，其特征在于，所述利用所述第一特征矩阵及第一判断矩阵的数据，结合熵权法和层次分析法，得到各绩效评价指标的第一权重值，包括：
针对至少一个维度指标中每个维度的指标，利用所述第一特征矩阵的数据，结合熵权法，得到相应绩效评价指标的第二权重值；并利用所述第一判断矩阵的数据，结合层次分析法，得到所述相应绩效评价指标的第三权重值；
基于所述第二权重值及所述第三权重值，得到所述相应绩效评价指标的第一权重值。
3.根据权利要求2所述的方法，其特征在于，所述基于所述第二权重值及所述第三权重值，得到所述相应绩效评价指标的第一权重值，包括：
将所述第二权重值与所述第三权重值求积，得到求积结果；
对各绩效评价指标的所述求积结果求和，得到求和结果；
针对每个绩效评价指标，利用所述相应绩效评价指标的平方根结果与所述求和结果作商，得到所述相应绩效评价指标的第一权重值。
4.根据权利要求2所述的方法，其特征在于，所述基于所述第二权重值及所述第三权重值，得到所述相应绩效评价指标的第一权重值，包括：
将所述第二权重值与第一比例系数求积，得到第一求积结果；并将所述第三权重值与第二比例系数求积，得到第二求积结果；
针对每个绩效评价指标，利用所述相应绩效评价指标的所述第一求积结果与所述第二求积结果作和，得到所述相应绩效评价指标的第一权重值。
5.根据权利要求1所述的方法，其特征在于，在所述利用获取的绩效评价指标值，构建第一特征矩阵之后，所述方法还包括：
对所述第一特征矩阵进行标准化处理，得到第二特征矩阵；
利用所述第二特征矩阵及第一判断矩阵的数据，结合熵权法和层次分析法，得到各绩效评价指标的第一权重值；
基于所述第二特征矩阵及得到的各绩效评价指标的第一权重值，得到所述至少两个待评价人员的绩效评价结果。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述绩效评价指标进行分类处理，得到分类处理后的绩效评价指标；
获取所述分类处理后的绩效评价指标中对应绩效评价指标间的标度值，并利用所述标度值，构建所述第一判断矩阵。
7.根据权利要求1所述的方法，其特征在于，在所述获取至少两个待评价人员的至少一个维度的绩效评价指标值之前，所述方法还包括：
确定绩效评价指标。
8.一种信息处理装置，其特征在于，包括：
获取单元，用于获取至少两个待评价人员的至少一个维度的绩效评价指标值；
第一构建单元，用于利用获取的绩效评价指标值，构建第一特征矩阵；
第一确定单元，用于利用所述第一特征矩阵及第一判断矩阵的数据，结合熵权法和层次分析法，得到各绩效评价指标的第一权重值；所述第一判断矩阵是利用对应绩效评价指标间的比例标度值构建的；
第二确定单元，用于基于所述第一特征矩阵及所述第一权重值，确定所述至少两个待评价人员的绩效评价结果。
9.一种信息处理装置，其特征在于，包括：处理器和用于存储能够在处理器上运行的可执行指令的存储器，其中，所述处理器用于运行所述可执行指令时，执行权利要求1至7任一项所述方法的步骤。
10.一种存储介质，其上存储有可执行指令，其特征在于，所述可执行指令被处理器执行时实现权利要求1至7任一项所述方法的步骤。
CN201910872985.XA 2019-09-16 2019-09-16 信息处理方法、装置及存储介质 Pending CN110619466A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910872985.XA CN110619466A (zh) 2019-09-16 2019-09-16 信息处理方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910872985.XA CN110619466A (zh) 2019-09-16 2019-09-16 信息处理方法、装置及存储介质

Publications (1)

Publication Number Publication Date
CN110619466A true CN110619466A (zh) 2019-12-27

Family

ID=68923264

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910872985.XA Pending CN110619466A (zh) 2019-09-16 2019-09-16 信息处理方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN110619466A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200415A (zh) * 2020-09-21 2021-01-08 北京字跳网络技术有限公司 一种信息处理方法、装置及电子设备
CN113516404A (zh) * 2021-07-28 2021-10-19 中国建设银行股份有限公司 一种绩效数据处理方法、装置及电子设备
CN113537697A (zh) * 2021-05-31 2021-10-22 正元地理信息集团股份有限公司 一种城市管理中监督员绩效评价的方法及系统
CN113919744A (zh) * 2021-11-03 2022-01-11 张子璇 一种企业自创能力评价方法、装置及存储介质
CN114393994A (zh) * 2022-01-17 2022-04-26 北京格睿能源科技有限公司 一种电动化底盘多目标协同健康管理方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103164748A (zh) * 2011-12-16 2013-06-19 安徽省电力科学研究院 一种电力变电站火灾风险评估方法
CN105069297A (zh) * 2015-08-11 2015-11-18 广西南宁碧湾园林工程有限公司 基于层次分析法的茶花品种的综合评价方法
CN106327006A (zh) * 2016-08-09 2017-01-11 国网四川省电力公司经济技术研究院 一种基于综合效益分析的微电网优化配置方法
CN106650937A (zh) * 2016-12-30 2017-05-10 山东大学 一种基于反馈的自适应主客观权重上下文感知系统及其工作方法
CN107122924A (zh) * 2017-05-31 2017-09-01 国家电网公司 一种智能配用电系统承载能力评估方法
CN108537435A (zh) * 2018-04-04 2018-09-14 宿州学院 银行业绩效评价方法、系统、设备、存储介质
CN108537436A (zh) * 2018-04-04 2018-09-14 宿州学院 证券业绩效评价方法、系统、设备、存储介质
CN108921425A (zh) * 2018-06-28 2018-11-30 广东电网有限责任公司 一种资产项目投资分类的方法、系统及服务器
CN109067581A (zh) * 2018-08-03 2018-12-21 中国联合网络通信集团有限公司 基于层次分析法的计算网络选择方法及平台
CN110189055A (zh) * 2019-06-10 2019-08-30 国网河北省电力有限公司电力科学研究院 基于多物理量融合分析的变电设备状态评估方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103164748A (zh) * 2011-12-16 2013-06-19 安徽省电力科学研究院 一种电力变电站火灾风险评估方法
CN105069297A (zh) * 2015-08-11 2015-11-18 广西南宁碧湾园林工程有限公司 基于层次分析法的茶花品种的综合评价方法
CN106327006A (zh) * 2016-08-09 2017-01-11 国网四川省电力公司经济技术研究院 一种基于综合效益分析的微电网优化配置方法
CN106650937A (zh) * 2016-12-30 2017-05-10 山东大学 一种基于反馈的自适应主客观权重上下文感知系统及其工作方法
CN107122924A (zh) * 2017-05-31 2017-09-01 国家电网公司 一种智能配用电系统承载能力评估方法
CN108537435A (zh) * 2018-04-04 2018-09-14 宿州学院 银行业绩效评价方法、系统、设备、存储介质
CN108537436A (zh) * 2018-04-04 2018-09-14 宿州学院 证券业绩效评价方法、系统、设备、存储介质
CN108921425A (zh) * 2018-06-28 2018-11-30 广东电网有限责任公司 一种资产项目投资分类的方法、系统及服务器
CN109067581A (zh) * 2018-08-03 2018-12-21 中国联合网络通信集团有限公司 基于层次分析法的计算网络选择方法及平台
CN110189055A (zh) * 2019-06-10 2019-08-30 国网河北省电力有限公司电力科学研究院 基于多物理量融合分析的变电设备状态评估方法及系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200415A (zh) * 2020-09-21 2021-01-08 北京字跳网络技术有限公司 一种信息处理方法、装置及电子设备
CN113537697A (zh) * 2021-05-31 2021-10-22 正元地理信息集团股份有限公司 一种城市管理中监督员绩效评价的方法及系统
CN113516404A (zh) * 2021-07-28 2021-10-19 中国建设银行股份有限公司 一种绩效数据处理方法、装置及电子设备
CN113919744A (zh) * 2021-11-03 2022-01-11 张子璇 一种企业自创能力评价方法、装置及存储介质
CN114393994A (zh) * 2022-01-17 2022-04-26 北京格睿能源科技有限公司 一种电动化底盘多目标协同健康管理方法及系统
CN114393994B (zh) * 2022-01-17 2024-04-19 北京格睿能源科技有限公司 一种电动化底盘多目标协同健康管理方法及系统

Similar Documents

Publication Publication Date Title
CN110619466A (zh) 信息处理方法、装置及存储介质
CN110516910B (zh) 基于大数据的保单核保模型训练方法和核保风险评估方法
CN109190808B (zh) 用户行为预测方法、装置、设备及介质
CN112700325A (zh) 一种基于Stacking集成学习的网贷回头客预测的方法
CN111754044B (zh) 员工行为审计方法、装置、设备及可读存储介质
CN111062444B (zh) 信用风险预测方法、系统、终端及存储介质
CN110009503A (zh) 理财产品推荐方法、装置、计算机设备及存储介质
CN113971527A (zh) 基于机器学习的数据风险评估方法及装置
CN114140999A (zh) 一种基于物联网通信的工程监理系统
US20220277409A1 (en) Methods and systems for civil administration in smart city based on internet of things (iot)
CN107256461B (zh) 一种充电设施建设地址评价方法及系统
CN112990989B (zh) 价值预测模型输入数据生成方法、装置、设备和介质
CN116452154B (zh) 一种适用于通信运营商的项目管理系统
CN117495094A (zh) 一种产业链安全风险综合评估预警方法与系统
CN112053245A (zh) 信息评估方法及系统
KR101927273B1 (ko) 미청구공사의 위험도 평가 시스템 및 평가 장치
CN114418450A (zh) 一种数据处理方法及装置
CN114493851A (zh) 一种风险处理方法及装置
KR101918359B1 (ko) 인공지능 기반의 데이터 처리 시스템
KR102669893B1 (ko) 스마트 업무일지를 활용한 it프로젝트별 손익 금액 자동 계산 시스템
CN113222323B (zh) 复合系统协调发展性评价方法、装置、设备和存储介质
Azadeh et al. Optimization of human resources and industrial banks with ambiguous inputs using intelligent fuzzy mathematical programming approach
Turner et al. A conceptual framework and case studies on audit planning and evaluation given the potential for fraud
CN112104467B (zh) 割接操作风险评级方法、装置及计算设备
CN115809754A (zh) 反诈指数的评估方法、装置、计算机设备和存储介质

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: 20191227