CN112330083A - 一种基于大数据的量化评估方法 - Google Patents
一种基于大数据的量化评估方法 Download PDFInfo
- Publication number
- CN112330083A CN112330083A CN202010838850.4A CN202010838850A CN112330083A CN 112330083 A CN112330083 A CN 112330083A CN 202010838850 A CN202010838850 A CN 202010838850A CN 112330083 A CN112330083 A CN 112330083A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- index
- data
- score
- quantitative
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000011158 quantitative evaluation Methods 0.000 title claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 288
- 238000013210 evaluation model Methods 0.000 claims abstract description 54
- 230000008520 organization Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06Q10/0639—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种基于大数据的量化评估方法，涉及评估方法领域。一种基于大数据的量化评估方法，包含如下步骤：1)采集评估对象的多个评估数据；2)根据上述评估对象的对象属性确认评估模型；3)将多个上述评估数据输入上述评估模型，以确认上述评估对象的n项上述评估指标的指标分数A(i)，其中i＝1，2...n‑1，n；4)根据上述评估对象的所有上述指标分数A(i)分析评估结果。本发明满足了行政机构、企业对各级部门的评估，并且提高了评估效率。
Description
技术领域
本发明涉及评估方法领域，具体而言，涉及一种基于大数据的量化评估方法。
背景技术
一方面国内行政机构及企业需要进行自我评估，另一方面上级机构对下级机构的评估也越来越重要。
因此，目前需要一种可为国内各类型的行政机构、企业提供一套针对各级部门的评估方法，弥补国内各级部门在自动评估方法的欠缺。
发明内容
本发明的目的在于提供一种基于大数据的量化评估方法，其能够满足行政机构、企业对各级部门的评估。
本发明的实施例是这样实现的：
本申请实施例提供一种基于大数据的量化评估方法，包含如下步骤：1) 采集评估对象的多个评估数据；2)根据上述评估对象的对象属性确认评估模型；3)将多个上述评估数据输入上述评估模型，以确认上述评估对象的 n项上述评估指标的指标分数A(i)，其中i＝1，2...n-1，n；4)根据上述评估对象的所有上述指标分数A(i)分析评估结果。
在本发明的一些实施例中，上述2)中，上述评估模型为使用多组数据通过机器学习训练得到，多组上述数据的每组数据均包含多个上述评估数据以及用于评估多个上述评估数据的各项上述评估指标的上述指标分数 A(i)。
在本发明的一些实施例中，上述1)或上述2)中，包含验证多个上述评估数据是否准确。
在本发明的一些实施例中，上述3)中，包含当验证准确后，将多个上述评估数据根据上述评估模型进行标准化处理后输入上述评估模型。
在本发明的一些实施例中，上述2)中，上述对象属性包含机构类型和机构级别中的任意一种或多种。
在本发明的一些实施例中，上述4)中，包含判断各上述评估指标为正向指标或者逆向指标。
在本发明的一些实施例中，上述4)中，包含根据上述评估指标为正向指标或逆向指标分别利用上述指标分数A(i)计算评估分数S(Ai)，并根据上述评估分数S(Ai)分析上述评估结果。
在本发明的一些实施例中，上述4)中，包含当上述评估指标为正向指标时，上述评估指标的上述评估分数S(Ai)＝(A(i)-SMin)/(SMax-SMin)，当上述指标A(i)为逆向指标时，上述评估数据的上述评估分数S(Ai)＝ (SMax-A(i))/(SMax-SMin)，其中上述SMax为上述评估指标的最大值，上述SMin为上述评估指标的最小值。
在本发明的一些实施例中，上述4)中，设置每项上述评估指标的评估权重W(i)，根据上述评估权重W(i)计算上述评估对象的评估总分S＝∑Wi*S (Ai)，其中i＝1，2...n-1，n，并根据上述评估总分分析上述评估结。
在本发明的一些实施例中，上述量化评估方法还包含步骤5)，上述5) 中包含根据上述评估结果生成上述评估对象的评估报告。
相对于现有技术，本发明的实施例至少具有如下优点或有益效果：
一种基于大数据的量化评估方法，包含如下步骤：1)采集评估对象的多个评估数据；2)根据上述评估对象的对象属性确认评估模型；3)将多个上述评估数据输入上述评估模型，以确认上述评估对象的n项上述评估指标的指标分数A(i)，其中i＝1，2...n-1，n；4)根据上述评估对象的所有上述指标分数A(i)分析评估结果。
本发明实施例通过步骤1)采集评估对象的多个评估数据，从而利用多个评估数据对评估对象进行评估，便于行政机构、企业对各级部门进行评估，且通过对评估对象的多个评估数据进行评估，从而实现对各级部门的工作内容进行评价，得到评估各级部门的结果；通过步骤2)根据评估对象的对象属性确认评估模型，从而利用评估模型对评估对象的多个评估数据进行评估，其中通过评估对象的对象属性确认评估模型，便于通过不同的评估模型对各评估对象进行评估，即通过评估模型满足对不同部门分别评估；通过步骤3)将多个评估数据输入评估模型，通过评估模型输出该评估对象的n项评估指标的指标分数A(i)，从而根据评估对象的n个指标分数 A(i)对评估对象进行评估，通过n项评估指标评估多个评估数据，能够利用各项评估指标评价各级部门的行为，提高了评估的自动化处理效率，同时提高了评估的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例基于大数据的量化评估方法的流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的各个实施例及实施例中的各个特征可以相互组合。
实施例
请参阅图1，图1所示为本申请实施例提供的一种基于大数据的量化评估方法的流程示意图。基于大数据的量化评估方法，包含如下步骤：1)采集评估对象的多个评估数据；2)根据上述评估对象的对象属性确认评估模型；3)将多个上述评估数据输入上述评估模型，以确认上述评估对象的n 项上述评估指标的指标分数A(i)，其中i＝1，2...n-1，n；4)根据上述评估对象的所有上述指标分数A(i)分析评估结果。
详细的，量化评估方法的步骤1)中，评估对象的多个评估数据的采集可以通过人工、纸质材料筛选和电子录入中的任意一种或多种方式进行收集和整理。其中，人工可以是通过对各级部门的人员面谈从而获得多个评估数据，电子录入可以通过电脑进行网络上传。
详细的，步骤2)中，根据评估对象的对象属性建立或选择评估模型，利用对象属性将不同种类的评估对象应用不同评估模型的评估方法进行评价，从而便于对不同部门进行评估。其中，通过模型数据库中的多个评估模型选择满足相应对象属性的评估模型。便于利用评估模型进行大数据分析，从而利用不同评估数据能够输出的评估对象不同的分析结果。
详细的，步骤3)中，将多个评估数据输入评估模型以通过评估模型输出评估对象的n项评估指标的指标分数A(i)，其中i＝1，2...n-1，n，从而确认评估对象各项评估指标的指标分数A(i)，进而利用各项评估指标对评估对象的情况进行评估。
其中，评估指标对应娱乐用开支越低则评估指标的指标分数A(i)越高，可选的，指标分数A(i)可以通过与预设的基准参数或参数范围比较得到对应的指标分数A(i)。
详细的，步骤4)中，根据评估对象的所有指标分数A(i)分析评估结果，具体的，可以根据所有指标分数A(i)对评估对象进行综合评价，从而能够比较同一评估对象的不同阶段或者不同评估对象的情况，并且便于监督评估对象的变化。
其中，步骤1)和步骤2)的顺序可以交换，即可以先通过步骤2)建立或选择评估对象的评估模型，并且根据评估对象的对象属性确认相应的评估模型，再通过步骤1)采集该评估对象的多个评估数据。
在本发明的一些实施例中，上述评估模型为使用多组数据通过机器学习训练得到，多组上述数据的每组数据均包含多个上述评估数据以及用于评估多个上述评估数据的各项上述评估指标的上述指标分数A(i)。
详细的，评估模型通过多组数据进行机器学习训练得到，其中多组数据的每组数据均包含多个评估数据以及用于评估多个评估数据的各项评估指标的指标分数A(i)。将评估对象的多个评估数据输入评估模型，从而评估模型输出多个评估数据对应的n项评估指标包含的指标分数A(i)，其中 i＝1，2...n-1，n。
在本发明的一些实施例中，上述1)或上述2)中，包含验证多个上述评估数据是否准确。
详细的，验证多个评估数据是否准确可以通过电子录入、人工和纸质材料获取的数据中的任意多种进行交叉验证，交叉验证可以通过人为筛选或者机选的方式实现，其中机选是通过电脑人工或自动筛选出不相同的内容进行排查，进而得到正确的评估数据。其中，通过电脑自动筛选出多份数据不相同的内容属于利用计算机程序的任意一种常规方式实现，在此不做具体限定。
在本发明的一些实施例中，上述3)中，包含当验证准确后，将多个上述评估数据根据上述评估模型进行标准化处理后输入上述评估模型。
详细的，当验证多个评估数据准确后，将多个准确的评估数据根据评估模型中的多个评估数据进行标准化处理后输入评估模型。可选的，标准化处理可以包含修改输入评估模型的多个评估数据，使其与评估模型中的多个评估数据对应匹配。可选的，将输入评估模型的多个评估数据依次输入评估模型并进行确认，或者将多个评估数据通过打包后合并输入评估模型。
在本发明的一些实施例中，上述2)中，上述对象属性包含机构类型和机构级别中的任意一种或多种。
详细的，机构类型可以包含政府、企业等。可选的，机构类型可以划分成更具体的分类，比如国有企业和私有企业。可选的，机构类型可以为同一类型的多个政府或企业，也可以根据不同政府或企业划分。详细的，机构级别可以包含省市级、区县级、经济开发区等。可选的，对象属性可以是政府或企业附属于同一上级机构、处理相同或相似事物、机构规模、者行使权利范围等任意一种或多种的情况。
在本发明的一些实施例中，上述4)中，包含判断各上述评估指标为正向指标或者逆向指标。
详细的，可以通过人为查找指标数据库中的对应评估指标，从而判断评估指标为正向指标或逆向指标。其中，正向指标是指评估指标和指标分数A(i)成正比，逆向指标是指评估指标和指标分数A(i)成反比。即，正向指标的指标分数A(i)越高，实际评估指标的评估结果越高，同样逆向指标的指标分数越低，实际评估指标的评估结果越高。
在本发明的一些实施例中，上述4)中，包含根据上述评估指标为正向指标或逆向指标分别利用上述指标分数A(i)计算评估分数S(Ai)，并根据上述评估分数S(Ai)分析上述评估结果。
详细的，根据评估指标为正向指标或逆向指标分别利用指标分数A(i) 计算评估分数S(Ai)，从而利用统一的评分标准对评估指标进行分析。便于后期统计和比较评估对象的多个评估数据，并且还可以比较评估对象多次输入的多个评估数据。
在本发明的一些实施例中，上述4)中，包含当上述评估指标为正向指标时，上述评估指标的上述评估分数S(Ai)＝(A(i)-SMin)/(SMax-SMin)，当上述指标A(i)为逆向指标时，上述评估数据的上述评估分数S(Ai)＝ (SMax-A(i))/(SMax-SMin)，其中上述SMax为上述评估指标的最大值，上述SMin为上述评估指标的最小值。
详细的，通过正向指标计算评估分数时，评估分数S(Ai)＝(A(i)-SMin) /(SMax-SMin)，SMax为上述评估指标的最大值。其中，SMAX作为评估分数的基准参考值，根据基准参考值得到正向指标的评估分数S(Ai)。由于正向指标越大其评估结果越高，并且评估分数S(Ai)与正向指标A(i)成正比，因此评估分数越高其评估结果越高。通过逆向指标计算评估分数时，评估分数S(Ai)＝(SMax-A(i))/(SMax-SMin)。其中同样的，SMin作为评估分数的基准参考值，根据基准参考值得到逆向指标的评估分数S(Ai)。由于逆向指标越小其评估结果越高，并且评估分数S(Ai)与逆向指标A(i)成正比，因此评估分数越高其评估结果越高。通过正向指标和逆向指标的大小对评估数据进行评估，便于统计和分析评估结果。其中，基准参考值可以通过参考值数据库获得，各项评估指标的基准参考值可以通过评估对象的评估标准获得。
在本发明的一些实施例中，上述4)中，上述SMax和上述SMin分别为基于预设参数利用上述评估模型获得。
详细的，将预设参数输入评估模型，从而利用预设参数得到对应的评估分数即SMax或SMin。其中，预设参数作为评估标准的多个评估数据，其中评估标准可以包含代表优秀、良好、较好、一般和较差中任意一种多种的阈值范围。利用预设参数设置评估指标的评估标准，从而利用基准参考值即SMax或SMin计算评估指标的评估分数。
比如，当评估对象为A县政府时，多个评估数据中包含在教育设施上的投入情况，预设参数为根据全国县级政府在教育的投入金额分别设置获取优秀、良好、较好、一般、较差评价的阈值范围。其中，假设全国各县级政府在教育投资前10％为100万，此时预设参数可以为100万，当评估数据中包含A县政府在教育的投资金额>＝100万时，那么A县政府在该项评估指标为优秀时评估分数的阈值范围为85～100分。
在本发明的一些实施例中，上述4)中，设置每项上述评估指标的评估权重W(i)，根据上述评估权重W(i)计算上述评估对象的评估总分S＝∑Wi*S (Ai)，其中i＝1，2...n-1，n，并根据上述评估总分分析上述评估结果。
详细的，可以通过AHP法设置每项上述评估指标的评估权重W(i)，具体的，AHP法的特点是把复杂问题中的各种因素通过划分为相互联系的有序层次，使之条理化，根据对一定客观现实的主观判断结构(主要是两两比较) 把专家意见和分析者的客观判断结果直接而有效地结合起来，将一层次元素两两比较的重要性进行定量描述。而后，利用数学方法计算反映每一层次元素的相对重要性次序的权值，通过所有层次之间的总排序计算所有元素的相对权重并进行排序。
详细的，根据上述评估权重W(i)计算上述评估对象的评估总分S＝∑ Wi*S(Ai)，其中i＝1，2...n-1，n，从而利用评估总分可以比较不同评估对象的评估结果，或者对同一评估对象的多次评估结果进行比较，便于直观的了解各级部门的情况。其中，由于量化评估方法应用到评估对象的多个评估数据，因此多个评估数据可以反映出各级部门在工作过程中的情况。并且，根据评估总分分析评估结果，可以通过评估总分的大小得到评估结果，也可以通过多次得到的评估总分的变化得到评估结果。可选的，通过评估总分和各项指标的评估分数，可以利用人工分析或者智能分析得到对应的评估结果。其中，智能分析可以根据评估总分以及各项指标的评估分数的关联性生成模板从而得到评估结果，智能分析可以通过常规方式的任意一种计算机程序进行实现，在此不必做具体限定。
在本发明的一些实施例中，上述量化评估方法还包含步骤5)，上述5) 中包含根据上述评估结果生成上述评估对象的评估报告。同样的，可以根据评估结果利用人工分析或者智能分析得到对应的评估报告。
在本申请所提供的实施例中，应该理解到，所揭露的方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，流程图中的每个方框、以及流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述，本申请实施例提供的一种于大数据的量化评估方法，通过步骤1)采集评估对象的多个评估数据，从而利用多个评估数据对评估对象进行评估，便于行政机构、企业对各级部门进行评估，且通过对评估对象的多个评估数据进行评估，从而实现对各级部门的工作内容进行评价，得到评估各级部门的结果；通过步骤2)根据评估对象的对象属性确认评估模型，从而利用评估模型对评估对象的多个评估数据进行评估，其中通过评估对象的对象属性确认评估模型，便于通过不同的评估模型对各评估对象进行评估，即通过评估模型满足对不同部门分别评估；通过步骤3)将多个评估数据输入评估模型，通过评估模型输出该评估对象的n项评估指标的指标分数A(i)，从而根据评估对象的n个指标分数A(i)对评估对象进行评估，通过n项评估指标评估多个评估数据，能够利用各项评估指标评价各级部门的行为，提高了评估的自动化处理效率，同时提高了评估的准确性。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于大数据的量化评估方法，其特征在于，包含如下步骤：1)采集评估对象的多个评估数据；2)根据所述评估对象的对象属性确认评估模型；3)将多个所述评估数据输入所述评估模型，以确认所述评估对象的n项评估指标的指标分数A(i)，其中i＝1，2...n-1，n；4)根据所述评估对象的所有所述指标分数A(i)分析评估结果。
2.如权利要求1所述的基于大数据的量化评估方法，其特征在于，所述2)中，所述评估模型为使用多组数据通过机器学习训练得到，多组所述数据的每组数据均包含多个所述评估数据以及用于评估多个所述评估数据的各项所述评估指标的所述指标分数A(i)。
3.如权利要求1所述的基于大数据的量化评估方法，其特征在于，所述1)或所述2)中，包含验证多个所述评估数据是否准确。
4.如权利要求3所述的基于大数据的量化评估方法，其特征在于，所述3)中，包含当验证准确后，将多个所述评估数据根据所述评估模型进行标准化处理后输入所述评估模型。
5.如权利要求1所述的基于大数据的量化评估方法，其特征在于，所述2)中，所述对象属性包含机构类型和机构级别中的任意一种或多种。
6.如权利要求1所述的基于大数据的量化评估方法，其特征在于，所述4)中，包含判断各所述评估指标为正向指标或者逆向指标。
7.如权利要求6所述的基于大数据的量化评估方法，其特征在于，所述4)中，包含根据所述评估指标为正向指标或逆向指标分别利用所述指标分数A(i)计算评估分数S(Ai)，并根据所述评估分数S(Ai)分析所述评估结果。
8.如权利要求7所述的基于大数据的量化评估方法，其特征在于，所述4)中，包含当所述评估指标为正向指标时，所述评估指标的所述评估分数S(Ai)＝(A(i)-SMin)/(SMax-SMin)，当所述指标A(i)为逆向指标时，所述评估数据的所述评估分数S(Ai)＝(SMax-A(i))/(SMax-SMin)，其中所述SMax为所述评估指标的最大值，所述SMin为所述评估指标的最小值。
9.如权利要求7所述的基于大数据的量化评估方法，其特征在于，所述4)中，设置每项所述评估指标的评估权重W(i)，根据所述评估权重W(i)计算所述评估对象的评估总分S＝∑Wi*S(Ai)，其中i＝1，2...n-1，n，并根据所述评估总分分析所述评估结果。
10.如权利要求1～9任一项所述的基于大数据的量化评估方法，其特征在于，还包含步骤5)，所述5)中包含根据所述评估结果生成所述评估对象的评估报告。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010838850.4A CN112330083A (zh) | 2020-08-19 | 2020-08-19 | 一种基于大数据的量化评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010838850.4A CN112330083A (zh) | 2020-08-19 | 2020-08-19 | 一种基于大数据的量化评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112330083A true CN112330083A (zh) | 2021-02-05 |
Family
ID=74304296
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010838850.4A Pending CN112330083A (zh) | 2020-08-19 | 2020-08-19 | 一种基于大数据的量化评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112330083A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108399488A (zh) * | 2018-01-31 | 2018-08-14 | 合肥和钧正策信息技术有限公司 | 基于大数据分析的企业科技评估服务系统 |
| WO2018157391A1 (zh) * | 2017-03-03 | 2018-09-07 | 深圳市博信诺达经贸咨询有限公司 | 大数据企业评价的方法及系统 |
| CN108805422A (zh) * | 2018-05-24 | 2018-11-13 | 国信优易数据有限公司 | 一种数据评估模型训练系统、数据评估平台和方法 |
| CN110264343A (zh) * | 2019-06-21 | 2019-09-20 | 山东浪潮商用系统有限公司 | 一种基于税务大数据分析的信用评估方法 |
| CN111105136A (zh) * | 2019-11-12 | 2020-05-05 | 西安航天动力测控技术研究所 | 一种基于归一化样本的灰色层次评估方法 |
| CN111178731A (zh) * | 2019-12-24 | 2020-05-19 | 武汉理工光科股份有限公司 | 基于大数据赋能条件下的社会单位动态火灾风险评估方法 |
-
2020
- 2020-08-19 CN CN202010838850.4A patent/CN112330083A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018157391A1 (zh) * | 2017-03-03 | 2018-09-07 | 深圳市博信诺达经贸咨询有限公司 | 大数据企业评价的方法及系统 |
| CN108399488A (zh) * | 2018-01-31 | 2018-08-14 | 合肥和钧正策信息技术有限公司 | 基于大数据分析的企业科技评估服务系统 |
| CN108805422A (zh) * | 2018-05-24 | 2018-11-13 | 国信优易数据有限公司 | 一种数据评估模型训练系统、数据评估平台和方法 |
| CN110264343A (zh) * | 2019-06-21 | 2019-09-20 | 山东浪潮商用系统有限公司 | 一种基于税务大数据分析的信用评估方法 |
| CN111105136A (zh) * | 2019-11-12 | 2020-05-05 | 西安航天动力测控技术研究所 | 一种基于归一化样本的灰色层次评估方法 |
| CN111178731A (zh) * | 2019-12-24 | 2020-05-19 | 武汉理工光科股份有限公司 | 基于大数据赋能条件下的社会单位动态火灾风险评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 朱孔来: "《新世纪统计与经济热点问题研究》", 山东省地图出版社, pages: 214 - 215 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109598095B (zh) | 评分卡模型的建立方法、装置、计算机设备和存储介质 | |
| US6951008B2 (en) | Evidential reasoning system and method | |
| CN112700325A (zh) | 一种基于Stacking集成学习的网贷回头客预测的方法 | |
| CN113807747A (zh) | 一种企业预算管理成熟度测评系统 | |
| US20090019083A1 (en) | System and method for adaptive decision making analysis and assessment | |
| Obsie et al. | Prediction of student academic performance using neural network, linear regression and support vector regression: a case study | |
| Liu et al. | Preliminary data analysis methods in software estimation | |
| CN113283673A (zh) | 一种模型性能衰减评价方法、模型训练方法及装置 | |
| CN113505980A (zh) | 智能交通管理系统可靠性评价方法、装置及系统 | |
| JP3703064B2 (ja) | ソフトウェア品質評価装置および品質評価方法 | |
| CN112330083A (zh) | 一种基于大数据的量化评估方法 | |
| CN113962565B (zh) | 一种基于大数据的项目评分方法、系统和可读存储介质 | |
| Kim | A study on introducing six sigma theory in the library for service competitiveness enhancement | |
| CN114971962A (zh) | 学生作业的评价方法、装置、电子设备及存储介质 | |
| CN111008038B (zh) | 一种基于逻辑回归模型的pull request被合并概率的计算方法 | |
| CN114155412A (zh) | 深度学习模型迭代方法、装置、设备及存储介质 | |
| CN113888318A (zh) | 风险检测方法及系统 | |
| CN112116223A (zh) | 研发过程能力改进的差距评估技术 | |
| KR100700376B1 (ko) | 실시간 서지데이터베이스 평가 방법 | |
| Azadeh et al. | Optimization of human resources and industrial banks with ambiguous inputs using intelligent fuzzy mathematical programming approach | |
| CN113205270B (zh) | 一种满意度评价表自动生成和评价得分计算的方法及系统 | |
| CN110956471A (zh) | 装修行业征信数据的分析方法 | |
| Yassan | Optimization of the Comprehensive Facility Condition Index to Improve Strategic Infrastructure Investments at Federal Facilities | |
| CN117333068A (zh) | 多维度量化考核方法及系统 | |
| CN118297444A (zh) | 一种面向人工智能的数据集质量通用评估方法 |
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 |