CN113592516A - 基于偏置项的重要度确定方法与确定得分的方法 - Google Patents

基于偏置项的重要度确定方法与确定得分的方法 Download PDF

Info

Publication number
CN113592516A
CN113592516A CN202110891027.4A CN202110891027A CN113592516A CN 113592516 A CN113592516 A CN 113592516A CN 202110891027 A CN202110891027 A CN 202110891027A CN 113592516 A CN113592516 A CN 113592516A
Authority
CN
China
Prior art keywords
features
determining
bias
weights
importance
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.)
Granted
Application number
CN202110891027.4A
Other languages
English (en)
Other versions
CN113592516B (zh
Inventor
胡著
郑开雨
谢芳
柴鹰
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.)
Seashell Housing Beijing Technology Co Ltd
Original Assignee
Beijing Fangjianghu Technology 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 Beijing Fangjianghu Technology Co Ltd filed Critical Beijing Fangjianghu Technology Co Ltd
Priority to CN202110891027.4A priority Critical patent/CN113592516B/zh
Publication of CN113592516A publication Critical patent/CN113592516A/zh
Application granted granted Critical
Publication of CN113592516B publication Critical patent/CN113592516B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q30/00—Commerce
    • G06Q30/01—Customer relationship services
    • G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
    • G06Q30/016—After-sales
    • 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
    • G06Q50/16—Real estate
    • G06Q50/167—Closing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Primary Health Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Accounting & Taxation (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Finance (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及机器学习技术领域，公开了一种基于偏置项的重要度确定方法与确定得分的方法。所述重要度确定方法包括：按预设顺序对所述多个特征进行排序；对按所述预设顺序排序的所述多个特征的初始权重进行偏置处理，以获取所述多个特征的初始权重的偏置项；构建与所述多个特征的初始权重的偏置项相关联的目标函数及所述目标函数的约束条件；以及根据所述目标函数、所述约束条件及所述多个特征的初始权重，确定所述多个特征的目标权重。由此，本发明在保证各个特征按照预设顺序排列的情况下可最大限度地减少信息的损失，从而使得各个特征的权重结果尽可能地与实际情况相接近。

Description

基于偏置项的重要度确定方法与确定得分的方法
技术领域
本发明涉及机器学习技术领域，具体地涉及一种基于偏置项的重要度确定方法与确定得分的方法。
背景技术
在没有标签的情况下对数据进行训练，从而获取各维度特征的权重的方法叫无监督特征定权方法。常用的特征定权方法有主观赋权法、客观赋权法和组合赋权法。其中，主观赋权法最常见的为层次分析法；客观赋权法中最常见的为熵权法；以及组合赋权法常常使用一个权重将主观权重和客观权重相加或者相乘获得新的权重。
对于主观赋权法，虽然可以根据实际问题，较为合理地确定各指标之间的排序，但是不能准确地确定各指标的权系数，并且主观随意性大；对于客观赋权法，虽然可以准确的获取各个维度的权重，但是完全依赖于数据本身，可能与实际的权重偏离较大；对于组合赋权法，虽然综合了上述前两种方法，在主观性和客观性上了做了权衡，但是当前的组合赋权法，主要是基于加法和乘法规则，加法规则需要单独重新确定新的权重，增加了工作量，而乘法规则容易出现权重失衡的情况。
发明内容
本发明的目的是提供一种基于偏置项的重要度确定方法与确定得分的方法，其在保证各个特征按照预设顺序排列的情况下可最大限度地减少信息的损失，使得各个特征的权重结果尽可能地与实际情况相接近。
为了实现上述目的，本发明第一方面提供一种基于偏置项的重要度确定方法，所述方法包括：按预设顺序对所述多个特征进行排序；对按所述预设顺序排序的所述多个特征的初始权重进行偏置处理，以获取所述多个特征的初始权重的偏置项；构建与所述多个特征的初始权重的偏置项相关联的目标函数及所述目标函数的约束条件；以及根据所述目标函数、所述约束条件及所述多个特征的初始权重，确定所述多个特征的目标权重。
优选地，所述预设顺序为基于特征重要度的降序方式或基于特征重要度的升序方式。
优选地，在所述预设顺序为基于特征重要度的降序方式的情况下，所述约束条件包括：经偏置处理的所述多个特征中的每一者的权重为非负数；经偏置处理的所述多个特征中的任两个相邻特征中的前一者的目标权重大于或等于后一者的目标权重；以及所述多个特征的初始权重的偏置项之和为0。
优选地，所述确定所述多个特征的目标权重包括：根据所述目标函数及所述约束条件，确定所述多个特征的初始权重的偏置项；以及根据所述多个特征的初始权重与所述多个特征的初始权重的偏置项，确定所述多个特征的目标权重。
优选地，所述确定所述多个特征的初始权重的偏置项包括：根据所述目标函数及所述约束条件，采用拉格朗日乘子法确定所述多个特征的初始权重的偏置项。
优选地，所述多个特征至少包括以下各项中的两项：客户满意度、带看时长、带看文本长度、带看次数、是否转委托、是否转线下带看与经纪人的礼貌程度。
通过上述技术方案，本发明创造性地首先对已按预设顺序排列的多个特征的初始权重进行偏置处理，从而可获取所述多个特征的初始权重的偏置项；然后构建与所述多个特征的初始权重的偏置项相关联的目标函数及所述目标函数的约束条件；最后根据所述目标函数、所述约束条件及所述多个特征的初始权重，确定所述多个特征的目标权重。由此，本发明在保证各个特征按照预设顺序排列的情况下可最大限度地减少信息的损失，使得各个特征的权重结果尽可能地与实际情况相接近。
本发明第二方面提供一种确定得分的方法，所述方法包括：根据所述的基于偏置项的重要度确定方法，确定所述多个特征的目标权重；以及根据所述多个特征的目标权重与所述多个特征的得分，确定所述多个特征对应的总得分。
通过上述技术方案，本发明创造性地根据上述基于偏置项的重要度确定方法，确定所述多个特征的目标权重；然后根据所述多个特征的目标权重与得分，确定所述多个特征对应的总得分，由此，可根据所述多个特征对应的总得分对不同评价对象进行有效评价，有助于针对所述不同评价对象进行排名，甚至实施相应的管理决策等。
本发明第三方面提供一种基于偏置项的重要度确定系统，所述重要度确定系统包括：排序装置，用于按预设顺序对所述多个特征进行排序；偏置装置，用于对按所述预设顺序排序的所述多个特征的初始权重进行偏置处理，以获取所述多个特征的初始权重的偏置项；构建装置，用于构建与所述多个特征的初始权重的偏置项相关联的目标函数及所述目标函数的约束条件；以及确定装置，用于据所述目标函数、所述约束条件及所述多个特征的初始权重，确定所述多个特征的目标权重。
优选地，所述预设顺序为基于特征重要度的降序方式或基于特征重要度的升序方式。
优选地，在所述预设顺序为基于特征重要度的降序方式的情况下，所述约束条件包括：经偏置处理的所述多个特征中的每一者的权重为非负数；经偏置处理的所述多个特征中的任两个相邻特征中的前一者的目标权重大于或等于后一者的目标权重；以及所述多个特征的初始权重的偏置项之和为0。
优选地，所述确定装置包括：偏置项确定单元，用于根据所述目标函数及所述约束条件，确定所述多个特征的初始权重的偏置项；以及目标权重确定单元，用于根据所述多个特征的初始权重与所述多个特征的初始权重的偏置项，确定所述多个特征的目标权重。
优选地，所述偏置项确定单元用于确定所述多个特征的初始权重的偏置项包括：根据所述目标函数及所述约束条件，采用拉格朗日乘子法确定所述多个特征的初始权重的偏置项。
优选地，所述多个特征至少包括以下各项中的两项：客户满意度、带看时长、带看文本长度、带看次数、是否转委托、是否转线下带看与经纪人的礼貌程度。
有关本发明提供的基于偏置项的重要度确定系统的具体细节及益处可参阅上述针对基于偏置项的重要度确定方法的描述，于此不再赘述。
本发明第四方面还提供一种确定得分的系统，所述系统包括：所述的基于偏置项的重要度确定系统，用于确定所述多个特征的目标权重；以及总得分确定装置，用于根据所述多个特征的目标权重与所述多个特征的得分，确定所述多个特征对应的总得分。
有关本发明提供的确定得分的系统的具体细节及益处可参阅上述针对确定得分的方法的描述，于此不再赘述。
本发明第五方面还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现所述的基于偏置项的重要度确定方法的步骤和/或所述的确定得分的方法的步骤。
本发明第六方面还提供一种电子设备，所述电子设备包括：处理器；以及用于存储所述计算机程序的存储器，所述处理器，用于从所述存储器中读取所述计算机程序，并执行所述计算机程序以实现所述的基于偏置项的重要度确定方法的步骤和/或所述的确定得分的方法的步骤。
本发明第七方面还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现所述的基于偏置项的重要度确定方法的步骤和/或所述的确定得分的方法的步骤。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
图1是本发明一实施例提供的基于偏置项的重要度确定方法的流程图；
图2是本发明一实施例提供的确定所述多个特征的目标权重的流程图；以及
图3是本发明一实施例提供的基于偏置项的重要度确定系统的结构图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
在介绍本申请的具体实施方式之前，先对本申请可涉及的具体应用场景进行简要的描述。
例如，在房产领域中，为了建立房产服务的管理评价体系，服务管理方希望能够实现对服务维护方(例如经纪人)的量化评价。具体地，经纪人执行了相应的维护服务，应该为所述经纪人的各个服务特征(即各种表现)分配多少得分以及为不同服务特征的总体情况分配多少得分。在确定不同服务特征的总体情况的得分的过程中，每个服务特征的得分权重变成为量化评价的关键因素。对于管理评价系统而言，需要根据不同服务特征的重要性，提前设置各个服务特征的服务得分所对应的权重。然而，根据现有的主观赋值法、客观赋权法与组合赋值法，确定相应权重均存在各自的缺陷。为此，需要寻找一种简单有效且精确的确定多个服务特征的权重的方法。图1是本发明一实施例提供的基于偏置项的重要度确定方法的流程图。如图1所示，所述方法可包括以下步骤S101-S104。
步骤S101，按预设顺序对所述多个特征进行排序。
其中，所述预设顺序可为基于特征重要度的降序方式或基于特征重要度的升序方式。
其中，所述多个特征至少可包括以下各项中的两项：客户满意度、带看时长、带看文本长度、带看次数、是否转委托、是否转线下带看与经纪人的礼貌程度。
例如经过熵权法(客观赋值法)已确定多个特征的权重，然后按照多个特征的重要度的降序方式重新排列各个特征，可得到下式(1)表示的权重向量W(该步骤及下文所述过程均涉及主观赋值法)，
W＝(w1，w2，...，wn)， (1)
其中，与任一权重wi对应的特征的重要度大于与该权重wi相邻的后一项权重wi+1对应的特征的重要度，i＝1，2，...，n，n(即所述多个特征的个数)为大于或等于2的正整数)。
也就是说，在房产领域的线上带看场景中，在所述多个特征为客户满意度、带看时长、带看文本长度、带看次数、是否转委托、是否转线下带看与经纪人的礼貌程度的情况下，若根据实际情况提前设置所述多个特征的重要度排序为客户满意度、是否转线下带看、经纪人的礼貌程度、带看时长、带看次数、带看文本长度、是否转委托(重要度逐渐降低)，则在通过熵权法确定上述多个特征的权重之后，按基于特征重要度的降序方式对上述多个特征进行排序，可得到以下权重向量W＝(w1(客户满意度),w2(是否转线下带看),w3(经纪人的礼貌程度),w4(带看时长),w5(带看次数),w6(带看文本长度),w7(是否转委托))。
步骤S102，对按所述预设顺序排序的所述多个特征的初始权重进行偏置处理，以获取所述多个特征的初始权重的偏置项。
对上述权重向量W进行偏置处理(即进行扰动处理，即在上述权重向量中的每一项的基础上，添加偏置项)，从而可获取偏置后的权重向量W′，
W′＝(w1+x1，w2+x2，...，wn+xn)， (2)
其中，xi为权重wi的偏置项，i＝1，2，...，n，n(即所述多个特征的个数)为大于或等于2的正整数)。
对所述权重向量进行偏置处理以获取新的权重向量W′＝(w1(客户满意度)+x1,w2(是否转线下带看)+x2,w3(经纪人的礼貌程度)+x3,w4(带看时长)+x4,w5(带看次数)+x5,w6(带看文本长度)+x6,w7(是否转委托)+x7)，即获取所述多个特征的初始权重的偏置项x1、x2、x3、x4、x5、x6、x7。
步骤S103，构建与所述多个特征的初始权重的偏置项相关联的目标函数及所述目标函数的约束条件。
例如，若所述多个特征的权重数据符合正态分布，则在所述多个特征的偏置项分别为x1、x2、…、xn的情况下，可构建关于前述多个偏置项的目标函数
Figure BDA0003196072140000071
在所述预设顺序为基于特征重要度的降序方式的情况下，所述约束条件可包括：经偏置处理的所述多个特征中的每一者的权重为非负数；经偏置处理的所述多个特征中的任两个相邻特征中的前一者的目标权重大于或等于后一者的目标权重；以及所述多个特征的初始权重的偏置项之和为0。
以所述预设顺序为基于特征重要度的降序方式为例，各个偏置项需要满足以下三个条件：偏置处理后的各个特征的权重(新的权重)仍需要保持为非负数；偏置处理后的各个特征的权重不小于与其相邻的后一者的权重(即偏置后的权重值与各个特征的重要度相匹配)；以及各个偏置项之和为0。具体地，上述各个偏置项需要满足wi+xi≥0，i＝1，2，...，n；wi+xi≥wi+1+xi+1+δi，i＝1，2，...，n-1，其中δi为偏移参数(满足0≤δi≤1，表示更新后的权重向量相邻两项的最低差值)；以及
Figure BDA0003196072140000081
假设g1(xi)＝-(wi+xi)；g2(xi)＝wi+1+xi+1+δi-(wi+xi)以及
Figure BDA0003196072140000082
则所述约束条件可为下式(3)，
Figure BDA0003196072140000083
对于所述预设顺序为基于特征重要度的升序方式的情况，可根据上述关于所述预设顺序为基于特征重要度的降序方式的情况，对约束条件等进行合理的变化即可，于此不再对其进行赘述。
步骤S104，根据所述目标函数、所述约束条件及所述多个特征的初始权重，确定所述多个特征的目标权重。
对于步骤S104，如图2所示，所述确定所述多个特征的目标权重可包括步骤S201-S202。
步骤S201，根据所述目标函数及所述约束条件，确定所述多个特征的初始权重的偏置项。
对于步骤S201，所述确定所述多个特征的初始权重的偏置项可包括：根据所述目标函数及所述约束条件，采用拉格朗日乘子法确定所述多个特征的初始权重的偏置项。
具体地，根据所述目标函数与所述约束条件，建立下式(4)表示的拉格朗日公式，
Figure BDA0003196072140000084
其中，λi、μi、α均为拉格朗日乘子，结合上述约束条件可确定上述拉格朗日公式的Karush-Kuhn-Tucker最优化条件(KKT条件)为下式(5)，
Figure BDA0003196072140000091
λi≥0i＝1，2，...，n
μi≥0i＝1，2，…，n-1
g1(xi)＝-(wi+xi)≤0i＝1，2，…，n
g2(xi)＝xi+1-xi+wi+1-wi+δi≤0i＝1，2，…，n-1
Figure BDA0003196072140000092
也就是说，通过上述步骤S201可确定所述多个特征的偏置项，由此可在满足各个特征的预设顺序的基础上，最大限度地减少初始权重(例如通过商权法确定的权重)的损失，同时使得目标权重的结果与实际情况相接近。由于具体求解过程并不是本实施例的改进内容，于此不再对其进行赘述，可参见现有的方法进行求解。
步骤S202，根据所述多个特征的初始权重与所述多个特征的初始权重的偏置项，确定所述多个特征的目标权重。
在通过步骤S201获取所述多个特征的初始权重的偏置项之后，根据各个特征的初始权重wi及该权重对应的偏置项xi，可确定所述各个特征的目标权重wi+xi。由此，可确定偏置处理后的权重向量W′＝(w1(客户满意度)+x1，w2(是否转线下带看)+x2，w3(经纪人的礼貌程度)+x3，w4(带看时长)+x4，w5(带看次数)+x5，w6(带看文本长度)+x6，w7(是否转委托)+x7)。
综上所述，本发明创造性地首先对已按预设顺序排列的多个特征的初始权重进行偏置处理，从而可获取所述多个特征的初始权重的偏置项；然后构建与所述多个特征的初始权重的偏置项相关联的目标函数及所述目标函数的约束条件；最后根据所述目标函数、所述约束条件及所述多个特征的初始权重，确定所述多个特征的目标权重。由此，本发明在保证各个特征按照预设顺序排列的情况下可最大限度地减少信息的损失，使得各个特征的权重结果尽可能地与实际情况相接近。
本发明一实施例还提供一种确定得分的方法，所述方法可包括：根据所述的基于偏置项的重要度确定方法，确定所述多个特征的目标权重；以及根据所述多个特征的目标权重与所述多个特征的得分，确定所述多个特征对应的总得分。
具体地，可通过上文所描述的内容确定多个特征(例如，同一经纪人A的客户满意度、是否转线下带看、经纪人的礼貌程度、带看时长、带看次数、带看文本长度、是否转委托共7个特征)的目标权重；然后根据所述多个特征的目标权重与得分及下式(6)，确定所述多个特征对应的总得分S，
S＝(w1+x1)s1+(w2+x2)s2+(w3+x3)s3+(w4+x4)s4+(w5+x5)s5+(w6+x6)s6
+(w7+x7)s7， (6)
其中，s1、s2、s3、s4、s5、s6、s7分别为所述多个特征(例如，同一经纪人A的客户满意度、是否转线下带看、经纪人的礼貌程度、带看时长、带看次数、带看文本长度、是否转委托共7个特征)的得分。
也就是说，在确定各个特征的目标权重之后，可根据各个特征的权重(即重要性)与相应得分，来计算多个特征对应的总得分(即同一经纪人A的总得分)，以用于后续的经纪人考核排名或管理层的决策制定与实施等。
通过有监督机器学习系统可较为准确地确定各个特征的权重，但需要在确定权重之前，对相应的训练样本进行标注，而这样的标注过程非常耗时耗力。与采用有监督机器学习系统确定特征的权重的方法(即有监督特征定权方法)相比，上述各个实施例采用的确定重要性(即权重)的方法(即无监督特征定权方法)无需事前进行样本标注，由此可极大地提高确定权重的效率。
综上所述，本发明创造性地根据上述基于偏置项的重要度确定方法，确定所述多个特征的目标权重；然后根据所述多个特征的目标权重与得分，确定所述多个特征对应的总得分，由此，可根据所述多个特征对应的总得分对不同评价对象进行有效评价，有助于针对所述不同评价对象进行排名，甚至实施相应的管理决策等。
图3是本发明一实施例提供的基于偏置项的重要度确定系统的结构图。如图3所示，所述重要度确定系统可包括：排序装置10，用于按预设顺序对所述多个特征进行排序；偏置装置20，用于对按所述预设顺序排序的所述多个特征的初始权重进行偏置处理，以获取所述多个特征的初始权重的偏置项；构建装置30，用于构建与所述多个特征的初始权重的偏置项相关联的目标函数及所述目标函数的约束条件；以及确定装置40，用于据所述目标函数、所述约束条件及所述多个特征的初始权重，确定所述多个特征的目标权重。
优选地，所述预设顺序为基于特征重要度的降序方式或基于特征重要度的升序方式。
优选地，在所述预设顺序为基于特征重要度的降序方式的情况下，所述约束条件包括：经偏置处理的所述多个特征中的每一者的权重为非负数；经偏置处理的所述多个特征中的任两个相邻特征中的前一者的目标权重大于或等于后一者的目标权重；以及所述多个特征的初始权重的偏置项之和为0。
优选地，所述确定装置40包括：偏置项确定单元，用于根据所述目标函数及所述约束条件，确定所述多个特征的初始权重的偏置项；以及目标权重确定单元，用于根据所述多个特征的初始权重与所述多个特征的初始权重的偏置项，确定所述多个特征的目标权重。
优选地，所述偏置项确定单元用于确定所述多个特征的初始权重的偏置项包括：根据所述目标函数及所述约束条件，采用拉格朗日乘子法确定所述多个特征的初始权重的偏置项。
优选地，所述多个特征至少包括以下各项中的两项：客户满意度、带看时长、带看文本长度、带看次数、是否转委托、是否转线下带看与经纪人的礼貌程度。
有关本发明提供的基于偏置项的重要度确定系统的具体细节及益处可参阅上述针对基于偏置项的重要度确定方法的描述，于此不再赘述。
本发明一实施例还提供一种确定得分的系统，所述系统包括：所述的基于偏置项的重要度确定系统，用于确定所述多个特征的目标权重；以及总得分确定装置，用于根据所述多个特征的目标权重与所述多个特征的得分，确定所述多个特征对应的总得分。
有关本发明提供的确定得分的系统的具体细节及益处可参阅上述针对确定得分的方法的描述，于此不再赘述。
本发明一实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现所述的基于偏置项的重要度确定方法的步骤和/或所述的确定得分的方法的步骤。
本发明一实施例还提供一种电子设备，所述电子设备包括：处理器；以及用于存储所述计算机程序的存储器，所述处理器，用于从所述存储器中读取所述计算机程序，并执行所述计算机程序以实现所述的基于偏置项的重要度确定方法的步骤和/或所述的确定得分的方法的步骤。
本发明一实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现所述的基于偏置项的重要度确定方法的步骤和/或所述的确定得分的方法的步骤。
以上结合附图详细描述了本发明实施例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)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。
此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。

Claims (10)

1.一种基于偏置项的重要度确定方法，其特征在于，所述重要度确定方法包括：
按预设顺序对所述多个特征进行排序；
对按所述预设顺序排序的所述多个特征的初始权重进行偏置处理，以获取所述多个特征的初始权重的偏置项；
构建与所述多个特征的初始权重的偏置项相关联的目标函数及所述目标函数的约束条件；以及
根据所述目标函数、所述约束条件及所述多个特征的初始权重，确定所述多个特征的目标权重。
2.根据权利要求1所述的重要度确定方法，其特征在于，所述预设顺序为基于特征重要度的降序方式或基于特征重要度的升序方式。
3.根据权利要求1所述的重要度确定方法，其特征在于，在所述预设顺序为基于特征重要度的降序方式的情况下，所述约束条件包括：
经偏置处理的所述多个特征中的每一者的权重为非负数；
经偏置处理的所述多个特征中的任两个相邻特征中的前一者的目标权重大于或等于后一者的目标权重；以及
所述多个特征的初始权重的偏置项之和为0。
4.根据权利要求1所述的重要度确定方法，其特征在于，所述确定所述多个特征的目标权重包括：
根据所述目标函数及所述约束条件，确定所述多个特征的初始权重的偏置项；以及
根据所述多个特征的初始权重与所述多个特征的初始权重的偏置项，确定所述多个特征的目标权重。
5.根据权利要求4所述的重要度确定方法，其特征在于，所述确定所述多个特征的初始权重的偏置项包括：
根据所述目标函数及所述约束条件，采用拉格朗日乘子法确定所述多个特征的初始权重的偏置项。
6.根据权利要求1所述的重要度确定方法，其特征在于，所述多个特征至少包括以下各项中的两项：客户满意度、带看时长、带看文本长度、带看次数、是否转委托、是否转线下带看与经纪人的礼貌程度。
7.一种确定得分的方法，其特征在于，所述方法包括：
根据权利要求1-6中任一项所述的基于偏置项的重要度确定方法，确定所述多个特征的目标权重；以及
根据所述多个特征的目标权重与所述多个特征的得分，确定所述多个特征对应的总得分。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现根据权利要求1-6中任一项所述的基于偏置项的重要度确定方法的步骤和/或权利要求7所述的确定得分的方法的步骤。
9.一种电子设备，其特征在于，所述电子设备包括：
处理器；以及
用于存储所述计算机程序的存储器，
所述处理器，用于从所述存储器中读取所述计算机程序，并执行所述计算机程序以实现权利要求1-6中任一项所述的基于偏置项的重要度确定方法的步骤和/或权利要求7所述的确定得分的方法的步骤。
10.一种计算机程序产品，所述计算机程序产品包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述权利要求1-6中任一项所述的基于偏置项的重要度确定方法的步骤和/或权利要求7所述的确定得分的方法的步骤。
CN202110891027.4A 2021-08-04 2021-08-04 基于偏置项的重要度确定方法与确定得分的方法 Active CN113592516B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110891027.4A CN113592516B (zh) 2021-08-04 2021-08-04 基于偏置项的重要度确定方法与确定得分的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110891027.4A CN113592516B (zh) 2021-08-04 2021-08-04 基于偏置项的重要度确定方法与确定得分的方法

Publications (2)

Publication Number Publication Date
CN113592516A true CN113592516A (zh) 2021-11-02
CN113592516B CN113592516B (zh) 2023-11-21

Family

ID=78254958

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110891027.4A Active CN113592516B (zh) 2021-08-04 2021-08-04 基于偏置项的重要度确定方法与确定得分的方法

Country Status (1)

Country Link
CN (1) CN113592516B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102004962A (zh) * 2010-12-01 2011-04-06 福州维胜信息技术有限公司 实现对个人综合绩效进行智能整理以供考评的实现方法
US20150172660A1 (en) * 2013-12-17 2015-06-18 Magnum Semiconductor, Inc. Apparatuses and methods for providing optimized quantization weight matrices
CN104992266A (zh) * 2015-06-15 2015-10-21 广东电网有限责任公司电力调度控制中心 确定电网节点重要度的方法及系统
US20160170996A1 (en) * 2014-08-21 2016-06-16 Affectomatics Ltd. Crowd-based scores for experiences from measurements of affective response
CN106682606A (zh) * 2016-12-23 2017-05-17 湘潭大学 一种人脸确认方法及安全认证装置
CN106980988A (zh) * 2016-12-29 2017-07-25 中国银联股份有限公司 商户价值评价方法
CN108022025A (zh) * 2017-12-28 2018-05-11 华中科技大学 一种基于人工神经网络的风速区间预测方法与系统
CN108805743A (zh) * 2018-05-25 2018-11-13 华北电力大学 一种电网企业售电公司运营效益评价方法
CN109447445A (zh) * 2018-10-19 2019-03-08 山东浪潮通软信息科技有限公司 一种对象评价方法、装置、可读介质及存储控制器
CN109784249A (zh) * 2019-01-04 2019-05-21 华南理工大学 一种基于变分级联信息瓶颈的置乱人脸识别方法
CN110020710A (zh) * 2019-03-08 2019-07-16 华南理工大学 一种基于人工蜂群算法的射束方向及权重多目标优化方法
CN110188784A (zh) * 2019-02-19 2019-08-30 太仓中科信息技术研究院 一种用于年终人物评估参考的系统
WO2020019563A1 (zh) * 2018-07-27 2020-01-30 天津字节跳动科技有限公司 搜索排序方法、装置、电子设备和存储介质
CN112165089A (zh) * 2020-09-29 2021-01-01 安阳师范学院 微电网的多目标调度方法、系统、设备及可存储介质
US11049590B1 (en) * 2020-02-12 2021-06-29 Peptilogics, Inc. Artificial intelligence engine architecture for generating candidate drugs

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102004962A (zh) * 2010-12-01 2011-04-06 福州维胜信息技术有限公司 实现对个人综合绩效进行智能整理以供考评的实现方法
US20150172660A1 (en) * 2013-12-17 2015-06-18 Magnum Semiconductor, Inc. Apparatuses and methods for providing optimized quantization weight matrices
US20160170996A1 (en) * 2014-08-21 2016-06-16 Affectomatics Ltd. Crowd-based scores for experiences from measurements of affective response
CN104992266A (zh) * 2015-06-15 2015-10-21 广东电网有限责任公司电力调度控制中心 确定电网节点重要度的方法及系统
CN106682606A (zh) * 2016-12-23 2017-05-17 湘潭大学 一种人脸确认方法及安全认证装置
CN106980988A (zh) * 2016-12-29 2017-07-25 中国银联股份有限公司 商户价值评价方法
CN108022025A (zh) * 2017-12-28 2018-05-11 华中科技大学 一种基于人工神经网络的风速区间预测方法与系统
CN108805743A (zh) * 2018-05-25 2018-11-13 华北电力大学 一种电网企业售电公司运营效益评价方法
WO2020019563A1 (zh) * 2018-07-27 2020-01-30 天津字节跳动科技有限公司 搜索排序方法、装置、电子设备和存储介质
CN109447445A (zh) * 2018-10-19 2019-03-08 山东浪潮通软信息科技有限公司 一种对象评价方法、装置、可读介质及存储控制器
CN109784249A (zh) * 2019-01-04 2019-05-21 华南理工大学 一种基于变分级联信息瓶颈的置乱人脸识别方法
CN110188784A (zh) * 2019-02-19 2019-08-30 太仓中科信息技术研究院 一种用于年终人物评估参考的系统
CN110020710A (zh) * 2019-03-08 2019-07-16 华南理工大学 一种基于人工蜂群算法的射束方向及权重多目标优化方法
US11049590B1 (en) * 2020-02-12 2021-06-29 Peptilogics, Inc. Artificial intelligence engine architecture for generating candidate drugs
CN112165089A (zh) * 2020-09-29 2021-01-01 安阳师范学院 微电网的多目标调度方法、系统、设备及可存储介质

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
APEKSHA MITTAL等: "Weight and bias initialization routines for Sigmoidal Feedforward Network", APPLIED INTELLIGENCE, no. 51, pages 2651 - 2671 *
孔睿等: "基于服务重要度的信息系统安全评估方法", 网络安全技术与应用, no. 06, pages 30 - 33 *
李希灿;王静;: "多目标多维自反馈模糊决策模型", 控制与决策, no. 02 *
李忠洵;华锦芝;刘震;郑建宾;: "基于复合幂函数修正G1法的商户综合评价", 计算机应用, no. 09, pages 2620 - 2625 *
赵盼明: "典型道路交通数据有效性评价方法", 中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑), no. 06, pages 034 - 1014 *
陈丽芳;代琪;付其峰;: "基于粒计算的极限学习机模型设计与应用", 计算机科学, no. 10, pages 59 - 63 *
齐照辉;张为华;范玉珠;: "一种新型的多属性决策权重计算方法", 运筹与管理, no. 03 *

Also Published As

Publication number Publication date
CN113592516B (zh) 2023-11-21

Similar Documents

Publication Publication Date Title
CN108090800B (zh) 一种基于玩家消费潜力的游戏道具推送方法和装置
CN110781409B (zh) 一种基于协同过滤的物品推荐方法
EP3279806A1 (en) Data processing method and apparatus
CN108985899B (zh) 基于cnn-lfm模型的推荐方法、系统及存储介质
Zhang et al. A method for risky multiple attribute decision making considering regret and rejoicing of the decision maker
CN113962160A (zh) 基于用户画像的互联网卡用户流失预测方法及系统
US20080306891A1 (en) Method for machine learning with state information
CN116468273A (zh) 客户风险识别方法及装置
Mohamed et al. An information entropy weighting method combined to TOPSIS approach for ranking consulting firms
CN116739665A (zh) 信息投放方法、装置、电子设备及存储介质
CN112598405B (zh) 一种基于大数据的商业项目数据管理方法及系统
CN112801231B (zh) 用于业务对象分类的决策模型训练方法和装置
CN112685656B (zh) 标签推荐方法及电子设备
CN117495298A (zh) 一种招投标评审监管方法及系统
CN115841345B (zh) 跨境大数据智能化分析方法、系统以及存储介质
CN113592516A (zh) 基于偏置项的重要度确定方法与确定得分的方法
Jadidi et al. Improvement of a grey based method for supplier selection problem
Grzybowska et al. Application of Machine Learning Method under IFRS 9 Approach to LGD Modeling.
CN115205583A (zh) 图像分类模型训练方法、电子设备和计算机可读存储介质
CN114519073A (zh) 一种基于图谱关系挖掘的产品配置推荐方法及系统
Tan et al. Investment recommendation with total capital value maximization in online P2P lending
CN112559695A (zh) 一种基于图神经网络的聚合特征提取方法及装置
CN113590673A (zh) 基于区块链深度学习的数据热度统计方法
CN110033196A (zh) 分类方法及装置
Parida Some Generalized Results on Multi-criteria decision making model using fuzzy TOPSIS technique

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
TA01 Transfer of patent application right

Effective date of registration: 20231020

Address after: 100000 Room 102, Floor 1, Building 1, No. 2, Chuangye Road, Haidian District, Beijing

Applicant after: Seashell Housing (Beijing) Technology Co.,Ltd.

Address before: 101309 room 24, 62 Farm Road, Erjie village, Yangzhen, Shunyi District, Beijing

Applicant before: Beijing fangjianghu Technology Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant