CN112016858A - 一种基于主客观赋权法的舆情风险评价方法 - Google Patents

一种基于主客观赋权法的舆情风险评价方法 Download PDF

Info

Publication number
CN112016858A
CN112016858A CN202011201588.9A CN202011201588A CN112016858A CN 112016858 A CN112016858 A CN 112016858A CN 202011201588 A CN202011201588 A CN 202011201588A CN 112016858 A CN112016858 A CN 112016858A
Authority
CN
China
Prior art keywords
public opinion
index
opinion risk
risk evaluation
subjective
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
CN202011201588.9A
Other languages
English (en)
Inventor
金家红
张�杰
郭子建
张丙垒
常冲
赵睿
陈烨洪
张继佳
朱睿卿
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.)
State Grid Zhejiang Electric Power Co Ltd
Shaoxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd
Shaoxing Power Supply Co of State Grid Zhejiang Electric Power 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 State Grid Zhejiang Electric Power Co Ltd, Shaoxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd
Priority to CN202011201588.9A priority Critical patent/CN112016858A/zh
Publication of CN112016858A publication Critical patent/CN112016858A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及舆情风险管理领域，尤其涉及一种基于主客观赋权法的舆情风险评价方法，包括：梳理供电公司与客户发生的业扩关键环节；基于业扩关键环节建立舆情风险评价指标体系；基于舆情风险评价指标体系构建舆情风险评价模型进行舆情风险评价。本发明基于业扩关键环节能够构建一套基于主客观赋权法的业扩关键环节舆情风险评价模型，对舆情风险等级与业扩关键环节的内在逻辑进行梳理的结果。基于舆情风险影响因素，建立舆情风险评价指标体系，通过采用主客观赋权法对风险指标的权重进行计算，实现对舆情风险程度的快速评估与辅助舆情风险监控。

Description

一种基于主客观赋权法的舆情风险评价方法
技术领域
本发明涉及舆情风险管理领域，尤其涉及一种基于主客观赋权法的舆情风险评价方法。
背景技术
在电网系统中，业扩报装具有流程冗长、与用户交互环节多的特点，存在由于业扩办理环节时间过长、重复办理等因素导致用户出现不满情绪，产生舆情风险隐患。当前电网系统舆情风险管理主要是互联网舆情监测，但舆情风险监控很被动，属于事后监测，缺少舆情风险评估手段，不能基于舆情事前对业扩舆情风险进行预防和管控，为此需要结合业扩关键环节数据，急需一套舆情风险评估模型。
发明内容
为解决上述问题，本发明提出一种基于主客观赋权法的舆情风险评价方法。
一种基于主客观赋权法的舆情风险评价方法，包括：
梳理供电公司与客户发生的业扩关键环节；
基于业扩关键环节建立舆情风险评价指标体系；
基于舆情风险评价指标体系构建舆情风险评价模型进行舆情风险评价。
优选的，所述基于业扩关键环节建立舆情风险评价指标体系包括：
构建指标体系的目标层；
从目标层的业扩关键环节舆情风险细化得到要素层；
从要素层的关键环节及时风险和重复风险细化得到指标层：若指标层的具体状态参数为单个可实际量化的指标，则返回要素层，将要素层的对应状态参数作为指标层中的具体状态参数；若指标层的具体状态参数为一类指标，则用新细分获得的指标层代替上一要素层。
优选的，所述基于舆情风险评价指标体系构建舆情风险评价模型进行舆情风险评价包括：
针对某一指标通过K-means聚类算法进行特征挖掘，同时结合箱形图的数据分布分析，对该指标划分成若干类，并针对各类的数据分布特征制定相应的评分规则；
结合舆情风险评价指标体系，基于主观赋权法与客观赋权法得到的权重，测算主客观赋权法综合得到舆情风险评价指标权重；
基于舆情风险评价指标权重，确定舆情风险评价等级；
基于舆情风险评价指标体系及舆情风险评价等级，得到基于主客观赋权法的舆情风险评价模型；
通过舆情风险评价模型进行舆情风险评价。
优选的，所述基于舆情风险评价指标体系构建舆情风险评价模型进行舆情风险评价还包括：
依据Calinski-Harabasz聚类评估标准评估K-means聚类算法的分类结果得到最佳聚类数。
优选的，所述基于主观赋权法得到权重包括：
按组构造指标判断矩阵：
Figure 957764DEST_PATH_IMAGE001
，其中
Figure 37715DEST_PATH_IMAGE002
表示
Figure 656916DEST_PATH_IMAGE003
指标和
Figure 268157DEST_PATH_IMAGE004
指标的相对重要性标 度，
Figure 998215DEST_PATH_IMAGE005
，
Figure 181941DEST_PATH_IMAGE006
，
Figure 972042DEST_PATH_IMAGE007
；n为判断矩阵的阶数；
求取判断矩阵A的最大特征根
Figure 257530DEST_PATH_IMAGE008
及对应于
Figure 525700DEST_PATH_IMAGE009
的正规化特征向量W，对W进行归一 化后即为同一层次同一组指标相对于上层应对指标的权重向量；
对指标判断矩阵进行一致性检验
Figure 330976DEST_PATH_IMAGE010
，当C不大于0.01时，则获得 的指标判断矩阵具有满意的一致性，即得到指标层对要素层的权重及要素层对目标层的权 重。
优选的，所述基于客观赋权法得到权重包括：
指标数据归一化：
Figure 291979DEST_PATH_IMAGE011
，指标
Figure 799184DEST_PATH_IMAGE012
越小越好的指标数据归一化：
Figure 871045DEST_PATH_IMAGE013
。其中
Figure 297872DEST_PATH_IMAGE014
和
Figure 164197DEST_PATH_IMAGE015
分别为业扩用户
Figure 424277DEST_PATH_IMAGE016
的第
Figure 34250DEST_PATH_IMAGE017
个评估指标值和标 准化处理结果；
Figure 814118DEST_PATH_IMAGE018
；
指标数据标准化处理后，构造业扩关键环节及时率及重复的判断矩阵：
Figure 851344DEST_PATH_IMAGE019
， 其中
Figure 598720DEST_PATH_IMAGE020
标准化处理结果，m为业扩用户数，n为评价指标数；
计算业扩关键环节及时率及重复的熵值：
Figure 12384DEST_PATH_IMAGE021
。其中，
Figure 145294DEST_PATH_IMAGE022
表示 第k个指标的熵值，
Figure 822263DEST_PATH_IMAGE023
；
计算业扩关键环节及时率及重复的熵权：
Figure 791356DEST_PATH_IMAGE024
，其中，
Figure 743131DEST_PATH_IMAGE025
表示第k个指标的熵权，n为评价指标数。
优选的，所述基于主观赋权法与客观赋权法得到的权重，测算主客观赋权法综合得到舆情风险评价指标权重包括：
构建主客观赋权法的综合权重：
Figure 746859DEST_PATH_IMAGE026
， 其中
Figure 876621DEST_PATH_IMAGE027
为综合权重值，
Figure 129747DEST_PATH_IMAGE028
为主观赋权值，
Figure 885214DEST_PATH_IMAGE029
为客观赋权值；约束条件：
Figure 741785DEST_PATH_IMAGE030
，
Figure 557294DEST_PATH_IMAGE031
。
通过使用本发明，可以实现以下效果：本发明基于业扩关键环节能够构建一套基于主客观赋权法的业扩关键环节舆情风险评价模型，对舆情风险等级与业扩关键环节的内在逻辑进行梳理的结果。基于舆情风险影响因素，建立舆情风险评价指标体系，通过采用主客观赋权法对风险指标的权重进行计算，实现对舆情风险程度的快速评估与辅助舆情风险监控。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明；
图1是本发明实施例一种基于主客观赋权法的舆情风险评价方法的示意流程图；
图2是本发明实施例一种基于主客观赋权法的舆情风险评价方法步骤S2的示意流程图；
图3是本发明实施例一种基于主客观赋权法的舆情风险评价方法步骤S3的示意流程图。
具体实施方式
以下结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
本发明实施例提出一种基于主客观赋权法的舆情风险评价方法，如图1所示，包括以下步骤：
S1：梳理供电公司与客户发生的业扩关键环节。
业扩关键环节主要从供电公司与客户发生联系过程中的互动点进行确定，供电公司与客户发生互动需满足渠道和业务条件。其中业务指供电公司为客户提供的产品或服务，包括业务受理、查询服务等业务；渠道指客户和供电公司发生接触的途径，包括营业厅、现场作业、自助服务等。
业扩关键环节包括：
（1）业务受理：客户在申请业扩报装时填写申请表和提交相关材料给供电公司，供电公司接收并审查客户资料，确认客户信息，与客户交互业扩申请信息；
（2）现场勘查：客户配合供电公司来办电现场进行勘查，与供电公司进行申请信息核实；
（3）答复供电方案：供电公司基于现场勘查结果，结合客户申请要求，为客户拟定供电方案，提供相关材料给供电公司审核，根据审批确认后的供电方案，答复客户；
（4）竣工验收：客户自主选择有资质的单位进行施工，竣工完成后报验进行验收；
（5）装表送电：客户与供电公司签订供用电合同，接收用电采集设备并确认送电。
S2：基于业扩关键环节建立舆情风险评价指标体系。
具体的，如图2所示，步骤S2具体包括以下步骤：
S21：构建指标体系的目标层。
若评价模型的现有目标是明确且唯一的，则将此目标作为评价模型构建的整体目标；若现有目标是多目标、多层次、多维度的，则进一步分析目标间的逻辑关系与层级关系，寻找核心的唯一目标，得到业扩关键环节舆情风险值
S22：从目标层的业扩关键环节舆情风险细化得到要素层。
从目标层的业扩关键环节舆情风险细化得到要素层，根据舆情风险评价影响因素，得到要素层包括关键环节及时风险、关键环节重复风险。要素层中的每一个风险评价参数代表该要素对目标层的影响程度，要素层的要素应当穷尽且不重叠。
S23：从要素层的关键环节及时风险和重复风险细化得到指标层。
从要素层的关键环节及时风险、重复风险细化得到指标层，根据业扩6个关键环节，关键环节及时风险包括业务受理及时率风险、现场勘查及时率风险、答复供电方案及时率风险、竣工验收及时率风险、装表及时率风险、送停管理及时率风险；关键环节重复风险包括业务受理重复风险、现场勘查重复风险、答复供电方案重复风险、竣工验收重复风险、装表重复风险、送停电重复风险。指标层中的每一个风险评价参数都代表该指标对要素层的影响程度，指标层所有指标应当穷尽且不重叠。
若指标层的具体状态参数为单个可实际量化的指标，则返回要素层，将要素层的对应状态参数作为指标层中的具体状态参数；若指标层的具体状态参数为一类指标，则用新细分获得的指标层代替上一要素层。整理获得舆情风险评价指标体系层次结构。指标层由可实际量化的指标构成。
S3：基于舆情风险评价指标体系构建舆情风险评价模型进行舆情风险评价。
遍历分析对象的特征，借助业扩关键环节的时间数据、次数数据及调研访谈数据，基于整理的业扩关键环节，首先针对各类的数据分布特征确定相应的评分规则；其次采用主客观赋权法确定权重；最终结合舆情风险评价指标体系，输出得到舆情风险评价模型。
具体的，如图3所示，步骤S3具体包括以下步骤：
S31：针对某一指标通过K-means聚类算法进行特征挖掘，同时结合箱形图的数据分布分析，对该指标划分成若干类，并针对各类的数据分布特征制定相应的评分规则。
针对某一指标（因子）通过K-means聚类算法进行特征挖掘，同时结合箱形图的数据分布分析，对该指标划分成若干类，并针对各类的数据分布特征制定相应的评分规则。最后，根据评价指标对原方案和新方案进行分析，从而对新方案的合理性进行判定。
在一实施例中，对聚类类数（k）的确定进行评估。依据Calinski-Harabasz聚类评估标准评估最佳聚类数，Calinski-Harabasz越大代表同类别样本越紧凑，不同类别样本距离越远。
评分规则制定准则。对指标划分成若干类后，需要制定相应的评分区间。
实例中，参考各行业的经验评分标准，结合分段结果及业务理解，关键环节及时率风险、重复风险等的具体风险点的评分标准如下：
Figure 500980DEST_PATH_IMAGE032
S32：结合舆情风险评价指标体系，基于主观赋权法与客观赋权法得到的权重，测算主客观赋权法综合得到舆情风险评价指标权重。
其中，主观赋权法确定各个指标的权重具体为：
按组构造指标判断矩阵：
Figure 794558DEST_PATH_IMAGE033
，其中
Figure 258031DEST_PATH_IMAGE002
表示
Figure 244442DEST_PATH_IMAGE034
指标和
Figure 675423DEST_PATH_IMAGE035
指标的相对重要 性标度，
Figure 772692DEST_PATH_IMAGE036
，
Figure 589207DEST_PATH_IMAGE037
，
Figure 746519DEST_PATH_IMAGE038
；n为判断矩阵的阶数；
求取判断矩阵A的最大特征根
Figure 664797DEST_PATH_IMAGE039
及对应于
Figure 300177DEST_PATH_IMAGE040
的正规化特征向量W，对W进行归一 化后即为同一层次同一组指标相对于上层应对指标的权重向量；
对指标判断矩阵进行一致性检验
Figure 3822DEST_PATH_IMAGE041
，当C不大于0.01时，则获得 的指标判断矩阵具有满意的一致性，即得到指标层对要素层的权重及要素层对目标层的权 重。
其中，客观赋权法确定各个指标的权重具体为：
指标
Figure 332035DEST_PATH_IMAGE020
越大越好的指标数据归一化：
Figure 472030DEST_PATH_IMAGE043
，指标
Figure 176681DEST_PATH_IMAGE044
越小越 好的指标数据归一化：
Figure 705138DEST_PATH_IMAGE046
。其中
Figure 469832DEST_PATH_IMAGE047
和
Figure 97122DEST_PATH_IMAGE048
分别为业扩用户
Figure 74306DEST_PATH_IMAGE049
的第
Figure 486964DEST_PATH_IMAGE050
个评估指标值和标准化处理结果；
Figure 360242DEST_PATH_IMAGE051
；
指标数据标准化处理后，构造业扩关键环节及时率及重复的判断矩阵：
Figure 474828DEST_PATH_IMAGE052
， 其中
Figure 255702DEST_PATH_IMAGE053
标准化处理结果，m为业扩用户数，n为评价指标数；
计算业扩关键环节及时率及重复的熵值：
Figure 772134DEST_PATH_IMAGE054
。其中
Figure 862319DEST_PATH_IMAGE055
表示第
Figure 464202DEST_PATH_IMAGE056
个指标的熵值，
Figure 48767DEST_PATH_IMAGE057
；
计算业扩关键环节及时率及重复的熵权：
Figure 419705DEST_PATH_IMAGE058
，其中，
Figure 182256DEST_PATH_IMAGE059
表 示第k个指标的熵权，n为评价指标数。
其中，主客观综合赋权法确定各个指标的权重具体为：
结合舆情风险评价指标体系，基于主观赋权法与客观赋权法得到的权重，测算主客观赋权法综合得到指标权重，舆情风险指标体系权重综合确定具体流程为：
构建主客观赋权法的综合权重：
Figure 5856DEST_PATH_IMAGE060
， 其中
Figure 659691DEST_PATH_IMAGE027
为综合权重值，
Figure 885136DEST_PATH_IMAGE028
为主观赋权值，
Figure 320053DEST_PATH_IMAGE061
为客观赋权值；约束条件：
Figure 630948DEST_PATH_IMAGE062
，
Figure 822895DEST_PATH_IMAGE063
。
实例中，业扩关键环节及时率风险及重复风险各指标主客观赋权结果如下：
Figure 902847DEST_PATH_IMAGE064
S33：基于舆情风险评价指标权重，确定舆情风险评价等级。
基于业扩关键环节舆情风险值，结合业扩方面的专家及业扩科研工作者对业扩舆情风险值按照百分制原则进行打分，业扩舆情风险等级划分为5个等级。
实例中，业扩舆情风险等级划分如下：
Figure 272779DEST_PATH_IMAGE065
S34：基于舆情风险评价指标体系及舆情风险评价等级，得到基于主客观赋权法的舆情风险评价模型。
S35：通过舆情风险评价模型进行舆情风险评价。
舆情风险评价模型是基于业扩关键环节与舆情风险影响因素的分析模型。构建舆情风险评价模型的基础是舆情风险评价指标体系。舆情风险评价指标体系是基于业扩环节时间数据及次数数据，对舆情风险等级与业扩关键环节的内在逻辑进行梳理的结果。在实践过程中，常基于舆情风险影响因素，建立舆情风险评价指标体系，通过采用主客观赋权法对风险指标的权重进行计算，实现对舆情风险程度的快速评估与辅助舆情风险监控。
本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (7)

1.一种基于主客观赋权法的舆情风险评价方法，其特征在于，包括：
梳理供电公司与客户发生的业扩关键环节；
基于业扩关键环节建立舆情风险评价指标体系；
基于舆情风险评价指标体系构建舆情风险评价模型进行舆情风险评价。
2.根据权利要求1所述的一种基于主客观赋权法的舆情风险评价方法，其特征在于，所述基于业扩关键环节建立舆情风险评价指标体系包括：
构建指标体系的目标层；
从目标层的业扩关键环节舆情风险细化得到要素层；
从要素层的关键环节及时风险和重复风险细化得到指标层：若指标层的具体状态参数为单个可实际量化的指标，则返回要素层，将要素层的对应状态参数作为指标层中的具体状态参数；若指标层的具体状态参数为一类指标，则用新细分获得的指标层代替上一要素层。
3.根据权利要求1所述的一种基于主客观赋权法的舆情风险评价方法，其特征在于，所述基于舆情风险评价指标体系构建舆情风险评价模型进行舆情风险评价包括：
针对某一指标通过K-means聚类算法进行特征挖掘，同时结合箱形图的数据分布分析，对该指标划分成若干类，并针对各类的数据分布特征制定相应的评分规则；
结合舆情风险评价指标体系，基于主观赋权法与客观赋权法得到的权重，测算主客观赋权法综合得到舆情风险评价指标权重；
基于舆情风险评价指标权重，确定舆情风险评价等级；
基于舆情风险评价指标体系及舆情风险评价等级，得到基于主客观赋权法的舆情风险评价模型；
通过舆情风险评价模型进行舆情风险评价。
4.根据权利要求3所述的一种基于主客观赋权法的舆情风险评价方法，其特征在于，所述基于舆情风险评价指标体系构建舆情风险评价模型进行舆情风险评价还包括：
依据Calinski-Harabasz聚类评估标准评估K-means聚类算法的分类结果得到最佳聚类数。
5.根据权利要求3所述的一种基于主客观赋权法的舆情风险评价方法，其特征在于，所述基于主观赋权法得到权重包括：
按组构造指标判断矩阵：
Figure DEST_PATH_IMAGE001
，其中
Figure 246263DEST_PATH_IMAGE002
表示
Figure DEST_PATH_IMAGE003
指标和
Figure 255807DEST_PATH_IMAGE004
指标的相对重要性 标度
Figure DEST_PATH_IMAGE005
，
Figure 368119DEST_PATH_IMAGE006
，
Figure DEST_PATH_IMAGE007
；n为判断矩阵的阶数；
求取判断矩阵A的最大特征根
Figure 296761DEST_PATH_IMAGE008
及对应于
Figure DEST_PATH_IMAGE009
的正规化特征向量W，对W进行归一 化后即为同一层次同一组指标相对于上层应对指标的权重向量；
对指标判断矩阵进行一致性检验
Figure 494524DEST_PATH_IMAGE010
，当C不大于0.01时，则获得 的指标判断矩阵具有满意的一致性，即得到指标层对要素层的权重及要素层对目标层的权 重。
6.根据权利要求5所述的一种基于主客观赋权法的舆情风险评价方法，其特征在于，所述基于客观赋权法得到权重包括：
指标数据归一化：
Figure 681661DEST_PATH_IMAGE012
，指标
Figure DEST_PATH_IMAGE013
越小越好的指标数据归 一化：
Figure DEST_PATH_IMAGE015
，其中
Figure 648480DEST_PATH_IMAGE016
和
Figure DEST_PATH_IMAGE017
分别为业扩用户
Figure 13602DEST_PATH_IMAGE018
的第k个评估 指标值和标准化处理结果；
Figure 698661DEST_PATH_IMAGE020
；
指标数据标准化处理后，构造业扩关键环节及时率及重复的判断矩阵：
Figure DEST_PATH_IMAGE021
， 其中b jk 标准化处理结果，m为业扩用户数，n为评价指标数；
计算业扩关键环节及时率及重复的熵值：
Figure DEST_PATH_IMAGE023
，其中，H k 表示第k 个指标的熵值，
Figure 659795DEST_PATH_IMAGE024
；
计算业扩关键环节及时率及重复的熵权：
Figure DEST_PATH_IMAGE025
，其中，
Figure 746700DEST_PATH_IMAGE026
表 示第k个指标的熵权，n为评价指标数。
7.根据权利要求6所述的一种基于主客观赋权法的舆情风险评价方法，其特征在于，所述基于主观赋权法与客观赋权法得到的权重，测算主客观赋权法综合得到舆情风险评价指标权重包括：
构建主客观赋权法的综合权重：
Figure 423669DEST_PATH_IMAGE027
，其 中
Figure 596024DEST_PATH_IMAGE028
为综合权重值，
Figure 875696DEST_PATH_IMAGE029
为主观赋权值，
Figure 82686DEST_PATH_IMAGE030
为客观赋权值；约束条件：
Figure 930557DEST_PATH_IMAGE031
，
Figure DEST_PATH_IMAGE032
。
CN202011201588.9A 2020-11-02 2020-11-02 一种基于主客观赋权法的舆情风险评价方法 Pending CN112016858A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011201588.9A CN112016858A (zh) 2020-11-02 2020-11-02 一种基于主客观赋权法的舆情风险评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011201588.9A CN112016858A (zh) 2020-11-02 2020-11-02 一种基于主客观赋权法的舆情风险评价方法

Publications (1)

Publication Number Publication Date
CN112016858A true CN112016858A (zh) 2020-12-01

Family

ID=73527726

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011201588.9A Pending CN112016858A (zh) 2020-11-02 2020-11-02 一种基于主客观赋权法的舆情风险评价方法

Country Status (1)

Country Link
CN (1) CN112016858A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113496359A (zh) * 2021-07-13 2021-10-12 天津大学 一种多组合主客观均匀优化赋权风险评价方法
CN113779195A (zh) * 2021-08-31 2021-12-10 西南电子技术研究所（中国电子科技集团公司第十研究所） 热点事件状态评估方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113496359A (zh) * 2021-07-13 2021-10-12 天津大学 一种多组合主客观均匀优化赋权风险评价方法
CN113496359B (zh) * 2021-07-13 2022-03-22 天津大学 一种多组合主客观均匀优化赋权风险评价方法
CN113779195A (zh) * 2021-08-31 2021-12-10 西南电子技术研究所（中国电子科技集团公司第十研究所） 热点事件状态评估方法
CN113779195B (zh) * 2021-08-31 2023-12-22 西南电子技术研究所（中国电子科技集团公司第十研究所） 热点事件状态评估方法

Similar Documents

Publication Publication Date Title
CN107169628B (zh) 一种基于大数据互信息属性约简的配电网可靠性评估方法
CN104574110B (zh) 一种信用数字认证方法
CN106600455A (zh) 一种基于逻辑回归的电费敏感度评估方法
CN111260198A (zh) 一种台区同期线损合理度评判方法、系统及终端设备
CN108170769A (zh) 一种基于决策树算法的装配制造质量数据处理方法
CN112016858A (zh) 一种基于主客观赋权法的舆情风险评价方法
CN110428270A (zh) 基于逻辑回归算法的渠道潜在偏好客户识别方法
CN112785427B (zh) 基于电力数据的企业信用分析系统
CN115577152B (zh) 基于数据分析的在线图书借阅管理系统
CN113850693A (zh) 基于多源信息融合的配网停电风险综合评估与预警的方法
CN112488565A (zh) 一种基于物元可拓的海外工程项目风险评价方法
CN113327047B (zh) 基于模糊综合模型的电力营销服务渠道决策方法及系统
CN113554310A (zh) 基于智能合约的企业信用动态评估模型
CN115186964A (zh) 计及主观评估数据的配电网线路风险预测系统及方法
CN109636184B (zh) 一种品牌的账号资产的评估方法及系统
CN114021873A (zh) 一种数据指标量化方法和智慧园区企业价值评价系统
CN112950359B (zh) 一种用户识别方法和装置
CN113919932A (zh) 一种基于贷款申请评分模型的客户评分偏移检测方法
CN116703563A (zh) 一种基于量化分析模型的信贷策略
CN115907719A (zh) 充电站分级运维管理方法及装置
CN116187450A (zh) 一种基于数据质量智能评估的用户ai推理服务方法
CN115545411A (zh) 基于人工智能的双创成果与专利运营的价值关联评估方法
CN115344767A (zh) 基于网络数据的供应商评价方法
CN115169819A (zh) 供电营业厅效能数据处理方法
Met et al. Branch efficiency and location forecasting: Application of Ziraat bank

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: 20201201