CN113689225B - 一种烟草专卖市场监管中异常客户的分析方法 - Google Patents
一种烟草专卖市场监管中异常客户的分析方法 Download PDFInfo
- Publication number
- CN113689225B CN113689225B CN202110537668.XA CN202110537668A CN113689225B CN 113689225 B CN113689225 B CN 113689225B CN 202110537668 A CN202110537668 A CN 202110537668A CN 113689225 B CN113689225 B CN 113689225B
- Authority
- CN
- China
- Prior art keywords
- tobacco
- weight
- special
- abnormal
- sellers
- 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.)
- Active
Links
- 241000208125 Nicotiana Species 0.000 title claims abstract description 144
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 144
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 52
- 238000004458 analytical method Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000005856 abnormality Effects 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 14
- 235000019504 cigarettes Nutrition 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 58
- 238000012937 correction Methods 0.000 claims description 32
- 239000000779 smoke Substances 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开一种烟草专卖市场监管中异常客户的分析方法,它包括:提取涉烟数据中烟草专卖户的关键影响因子,构建用于分析烟草专卖户异常的涉烟数据样本集;通过AHP层次分析法确定各关键影响因子匹配程度的权重;根据各关键影响因子匹配程度的权重生成烟草专卖户的异常状态。本申请提供的分析方法可根据查获的涉烟物流信息,圈定异常的涉烟客户范围,并可按异常值确定监管和稽查的重点,从而有针对性地查处涉烟案件,提高打假破网的效率。
Description
技术领域
本发明属于烟草监管领域,涉及大数据处理技术,具体来说,涉及一种烟草专卖市场监管中异常客户的分析方法。
背景技术
随着信息技术和网络技术的飞速发展,大数据、云计算、物联网等新技术的新应用为烟草专卖工作提出了新的机遇和挑战。当前,专卖市场监管工作面临以下新的形势及问题:一是互联网对人们的生活和工作带来深刻的影响,随之涉烟行为也产生新的变化;二是在专卖日常市场监管工作中存在线索少、发现难的问题,重点监管目标性不强,精准查处缺乏有效手段;三是在对涉烟行为打击过程中,烟草对数据存在很强的依赖性,对烟草自有和能采集的数据价值缺乏深入挖掘;四是基层专卖人员基于能力、大数据时代的信息变化等因素不能稳定、持续、有重点把握市场异常情况变化。
AHP层次分析法(Analytic Hierarchy Process)是指将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初,在为美国国防部研究“根据各个工业部门对国家福利的贡献大小而进行电力分配”课题时,应用网络系统理论和多目标综合评价方法,提出的一种层次权重决策分析方法。
3σ准则又称为拉依达准则,它是先假设一组检测数据只含有随机误差,对其进行计算处理得到标准偏差,按一定概率确定一个区间,认为凡超过这个区间的误差,就不属于随机误差而是粗大误差,含有该误差的数据应予以剔除。
烟草局自有数据较多,但是没有一个针对烟草专卖市场的异常数据分析模型来分析异常客户,有效阻碍了打假破网的效率。
发明内容
为了解决烟草专卖市场监控中存在的线索少、发现难、监管目标性不强、缺乏精准监管手段等问题,本申请旨在提供了一种烟草专卖市场监管中异常客户的分析方法,该方法是以烟草局的自有数据为基础,借助AHP层次分析法以及3σ准则,将专家研判经验和运筹学、数学理论相结合,构建异常数据分析模型,从而监管烟草专卖市场中的异常客户。
为实现上述技术目的,本发明采用的技术方案如下:
一种烟草专卖市场监管中异常客户的分析方法,包括:
提取涉烟数据中烟草专卖户的关键影响因子,构建用于分析烟草专卖户异常的涉烟数据样本集;
通过AHP层次分析法确定各关键影响因子匹配程度的权重;
根据各关键影响因子匹配程度的权重生成烟草专卖户的异常状态。
作为进一步的优选,所述通过AHP层次分析法确定各关键影响因子匹配程度的权重包括:
计算n个关键影响因子重要性的排序指数;
采用AHP层次分析法对各关键影响因子构建比较矩阵;
将比较矩阵转换为判断矩阵;
对判断矩阵进行一致性检验从而获得各关键影响因子的权重。
作为进一步的优选,所述采用AHP层次分析法对各关键影响因子构建比较矩阵包括:
将n个关键影响因子中第i个关键影响因子与第j个关键影响因子/>的重要性进行比较;
根据比较结果生成比较矩阵中的第i行第j列的元素值;
根据上述过程依次计算比较矩阵中对应位置元素值,获得n×n比较矩阵A。
作为进一步的优选,根据比较结果生成比较矩阵中的第i行第j列的元素值包括:
将第i个关键影响因子与第j个关键影响因子/>的重要性按照如下方式进行比较生成比较结果:
若i=j,则 =1;
将比较结果的值赋予比较矩阵中的第i行第j列的元素值。
作为进一步的优选,所述将比较矩阵转换为判断矩阵包括:
将比较矩阵A中每行的元素值分别进行求和得到一列数组r,所述数组r包括元素、/>……/>;
按如下公式构造判断矩阵C中的元素:
其中为常数,其根据预先给定的极差元素对的相对重要程度取值,/>,式中/>,/>。
作为进一步的优选,所述对判断矩阵进行一致性检验从而获得各关键影响因子的权重包括:
将判断矩阵C中第i行元素值相乘分别得到对应关键影响因子的数值;
将数值开n次方得到对应关键影响因子的权重/>;
通过上述方法计算判断矩阵C中每一行对应各关键影响因子的权重、/>……/>;
将对应各关键影响因子的权重、/>……/>进行归一化处理。
作为进一步的优选,所述提取涉烟数据中烟草专卖户的关键影响因子包括:
根据查获的烟草异常物流信息数据获取收件人姓名、收件电话和收件地址;
根据烟草专卖市场历史涉烟数据获取同期订烟数据异常和烟草专卖户监管等级。
作为进一步的优选,还包括对各关键影响因子匹配程度的权重进行修正,分别为:
(1)对收件地址的权重进行修正
以收件地址为圆心,半径为R的圆形覆盖范围内的烟草专卖户匹配为异常专卖户,根据烟草异常物流信息数据中的对应的收件地址、收件电话出现的频率对收件地址的权重进行修正,修正系数=(收件电话出现次数 / 收件电话最大出现数)×(不同收件地址匹配到的地址次数 / 不同物流地址匹配到的最多地址个数);
(2)对收件电话的权重进行修正
根据烟草涉烟物流信息中对应的收件电话出现的频率对收件电话的权重进行修正,修正系数=收件电话出现次数 / 收件电话最大出现数;
(3)对收件姓名的权重进行修正
根据烟草涉烟物流信息中对应的收件人姓名出现的频率对收件姓名的权重进行修正,修正系数=收件姓名出现次数 / 收件姓名最大出现数;
(4)对同期订烟数据异常的权重进行修正
首先对近期的烟草专卖户订烟数据进行预处理,提取专卖许可证在有效期内的烟草专卖户数据,剔除特殊档位的烟草专卖户;其次,将剩余烟草专卖户按档位分组,相同订烟上限的档位归为同一组,形成档位组;然后按档位组分别计算各组专卖户订烟量的Z分数,最后根据3σ准则,将分数值|Z|≥3的客户视为订烟异常专卖户;
根据订烟数据异常出现的频率对同期订烟数据异常的权重进行修正,修正系数=订烟异常出现的次数 / 订烟的总批次数;
(5)对烟草专卖户的监管等级的权重进行修正
根据历史涉烟数据,将烟草客户按监管重点程度分为多类烟草专卖户,对每类烟草专卖户设置烟草专卖户监管等级权重的修正系数。
作为进一步的优选,所述根据各关键影响因子匹配程度的权重生成各烟草专卖户的异常状态包括:
利用各关键影响因子修正系数对各影响因子对应的权重进行修正;
根据如下公式计算根据各烟草专卖户的异常值:
异常值=(地址异常值×地址权重×修正系数+电话异常值×电话权重×修正系数/>+姓名异常值×姓名权重×修正系数/>+订烟数据异常×订烟数据权重×修正系数/>+监管等级×监管等级权重×修正系数/>)×100;
根据上述计算的异常值判断烟草专卖户的异常状态。
本发明相比现有技术,可根据查获的涉烟物流信息,圈定高异常的涉烟客户范围,并可按异常值确定监管和稽查的重点,从而有针对性地查处涉烟案件,提高打假破网的效率。
附图说明
图1为本发明一种烟草专卖市场监管中异常客户的分析方法的流程图;
图2为计算各关键影响因子匹配程度的权重的流程图;
图3为采用AHP层次分析法对各关键影响因子构建比较矩阵的流程图;
图4为通过判断矩阵进行一致性检验从而获得各关键影响因子的权重的流程图。
具体实施方式
为了便于本领域技术人员的理解,下面结合实施例与附图对本发明作进一步的说明,实施方式提及的内容并非对本发明的限定。
如图1所示,一种烟草专卖市场监管中异常客户的分析方法,包括如下步骤:
S100:提取涉烟数据中烟草专卖户的关键影响因子,构建用于分析烟草专卖户异常的涉烟数据样本集。
涉烟数据以烟草专卖市场历史数据以及查获的烟草异常物流信息数据为对象,并从中提取出n个关键影响因子,构建作为分析客户异常的涉烟数据样本集。
S200:通过AHP层次分析法确定各关键影响因子匹配程度的权重
AHP(Analytic Hierarchy Process)层次分析法是指将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。
各关键影响因子匹配程度的权重按照如下步骤进行计算,如图2所示:
S210:计算n个关键影响因子重要性的排序指数
n个关键影响因子经过重要性排序后有利于后期快速计算任意两个关键影响因子之间的比较成果。
S220:采用AHP层次分析法对各关键影响因子构建比较矩阵,具体如图3所示:
S221:将n个关键影响因子中第i个关键影响因子与第j个关键影响因子/>的重要性进行比较
需要说明的是,为了保证比较矩阵的完整性,这里i是可以等于j的。
S222:根据比较结果生成比较矩阵中的第i行第j列的元素值
元素值具体按照如下方式生成:
首先将第i个关键影响因子与第j个关键影响因子/>的重要性按照如下方式进行比较生成比较结果:
若i=j,则比较矩阵中对应位置的值取1。
将比较结果的值赋予比较矩阵中的第i行第j列的元素值。
S223:根据上述过程依次计算比较矩阵中对应位置元素值,获得n×n比较矩阵A:
S230:将比较矩阵转换为判断矩阵
本申请具体采用极差法来构造判断矩阵,具体包括如下步骤:
将比较矩阵A中每行的元素值分别进行求和得到一列数组r,所述数组r包括元素、/>……/>,即:
按如下公式构造判断矩阵C中的元素:
其中为常数,其按预先给定的极差元素对的相对重要程度取值,/>,式中/>,/>。
当然除了采用极差法外,还可以采用极比法来构造判断矩阵C中的元素:
其中,极比。
上述两种方法都可以构造出判断矩阵,从而获得关键影响因子的权重大小。
S240:对判断矩阵进行一致性检验从而获得各关键影响因子的权重
通过对构造出的判断矩阵,采用如图4所示的方法来得到各关键影响因子的权重:
S241:将判断矩阵C中第i行元素值相乘分别得到对应关键影响因子的数值
S242:将数值 开n次方得到对应关键影响因子的权重/>
S243:通过上述方法计算判断矩阵C中每一行对应各关键影响因子的权重、/>……/>。
S244: 将对应各关键影响因子的权重、/>……/>进行归一化处理。
下面通过一个实施例来计算各关键影响因子的权重,首先烟草专卖户的关键影响因子包括如下五个评价指标,即根据查获的烟草异常物流信息数据获取收件人姓名、收件电话和收件地址,根据烟草专卖市场历史涉烟数据获取同期订烟数据异常和烟草专卖户监管等级,分别用表示。
首先通过步骤S210对五个关键影响因子重要性进行排序,具体可以根据烟草专卖户的涉烟数据来决定,这里假设。
通过步骤S220的三标度法两两比较上述评价指标,得到5×5比较矩阵A:
通过步骤S230的极差法将比较矩阵A转换成判断矩阵C:
其中常数取9,/>,/>,/>。
判断矩阵C经过计算得到:
最后通过步骤S240计算各关键因子的权重,具体为:
对进行归一化后得到:
也就是得到各关键影响因子的权重分别为0.45,0.09,0.26,0.15和0.05。
S300:根据各关键影响因子匹配程度的权重生成烟草专卖户的异常状态。
根据步骤S200中计算出来的各关键影响因子的权重可以计算烟草专卖户的异常,其中:
异常值=(地址异常值×地址权重+电话异常值×电话权重+姓名异常值×姓名权重+订烟数据异常×订烟数据权重+监管等级×监管等级权重)×100
根据上述计算的异常值可以判断烟草专卖户的异常状态。
作为进一步的改进,本申请还可以对各关键影响因子匹配程度的权重进行修正,以上述列举的五个关键影响因子为例,可以按照如下方法对其权重进行修正。
(1)收件地址的权重修正
根据涉烟物流案件研判经验,烟草专卖户经营地址通常在收件地址2公里活动半径以内,因此匹配方法为:以收件地址为圆心,半径为2公里的圆形覆盖范围内的烟草专卖户匹配为异常专卖户,根据烟草异常物流信息数据中的对应的收件地址、收件电话出现的频率对收件地址的权重进行修正,修正系数=(收件电话出现次数 / 收件电话最大出现数)×(不同收件地址匹配到的地址次数 / 不同物流地址匹配到的最多地址个数)。
(2)收件电话的权重修正
根据烟草涉烟物流信息中对应的收件电话出现的频率对收件电话的权重进行修正,修正系数=收件电话出现次数 / 收件电话最大出现数。
(3)收件姓名的权重修正
根据烟草涉烟物流信息中对应的收件人姓名出现的频率对收件姓名的权重进行修正,修正系数=收件姓名出现次数 / 收件姓名最大出现数。
(4)同期订烟数据异常的权重修正
首先对近期的烟草专卖户订烟数据进行预处理,提取专卖许可证在有效期内的烟草专卖户数据,剔除特殊档位的烟草专卖户;其次,将剩余烟草专卖户按档位(档位为各烟草专卖局制定的专卖户订烟上限)分组,相同订烟上限的档位归为同一组,形成档位组;然后按档位组分别计算各组专卖户订烟量的Z分数,计算步骤为:
先计算出标准差σ:
再根据标准差σ计算出Z分数:
最后根据3σ准则,将分数值|Z|≥3的客户视为订烟异常专卖户;
根据订烟数据异常出现的频率对同期订烟数据异常的权重进行修正,修正系数=订烟异常出现的次数 / 订烟的总批次数。
(5)烟草专卖户的监管等级的权重修正
根据历史涉烟数据,将烟草客户按监管重点程度分为多类烟草专卖户,对每类烟草专卖户设置烟草专卖户监管等级权重的修正系数。
利用上述计算得到的各关键影响因子修正系数对各影响因子对应的权重进行修正,从而计算根据各烟草专卖户的异常值,具体为:
异常值=(地址异常值×地址权重×修正系数+电话异常值×电话权重×修正系数/>+姓名异常值×姓名权重×修正系数/>+订烟数据异常×订烟数据权重×修正系数/>+监管等级×监管等级权重×修正系数/>)×100。
根据上述计算的经过权重修正后的异常值判断烟草专卖户的异常状态。
以上对本申请提供的一种烟草专卖市场监管中异常客户的分析方法进行了详细介绍。具体实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
Claims (6)
1.一种烟草专卖市场监管中异常客户的分析方法,其特征在于,包括:
提取涉烟数据中烟草专卖户的关键影响因子,构建用于分析烟草专卖户异常的涉烟数据样本集;
通过AHP层次分析法确定各关键影响因子匹配程度的权重;
根据各关键影响因子匹配程度的权重生成烟草专卖户的异常状态;
所述提取涉烟数据中烟草专卖户的关键影响因子包括:
根据查获的烟草异常物流信息数据获取收件人姓名、收件电话和收件地址;
根据烟草专卖市场历史涉烟数据获取同期订烟数据异常和烟草专卖户监管等级;
还包括对各关键影响因子匹配程度的权重进行修正,分别为:
(1)对收件地址的权重进行修正
以收件地址为圆心,半径为R的圆形覆盖范围内的烟草专卖户匹配为异常专卖户,根据烟草异常物流信息数据中的对应的收件地址、收件电话出现的频率对收件地址的权重进行修正,修正系数=(收件电话出现次数 / 收件电话最大出现数)×(不同收件地址匹配到的地址次数 / 不同物流地址匹配到的最多地址个数);
(2)对收件电话的权重进行修正
根据烟草涉烟物流信息中对应的收件电话出现的频率对收件电话的权重进行修正,修正系数=收件电话出现次数 / 收件电话最大出现数;
(3)对收件姓名的权重进行修正
根据烟草涉烟物流信息中对应的收件人姓名出现的频率对收件姓名的权重进行修正,修正系数=收件姓名出现次数 / 收件姓名最大出现数;
(4)对同期订烟数据异常的权重进行修正
首先对近期的烟草专卖户订烟数据进行预处理,提取专卖许可证在有效期内的烟草专卖户数据,剔除特殊档位的烟草专卖户;其次,将剩余烟草专卖户按档位分组,相同订烟上限的档位归为同一组,形成档位组;然后按档位组分别计算各组专卖户订烟量的Z分数,最后根据3σ准则,将分数值|Z|≥3的客户视为订烟异常专卖户;
根据订烟数据异常出现的频率对同期订烟数据异常的权重进行修正,修正系数=订烟异常出现的次数 / 订烟的总批次数;
(5)对烟草专卖户的监管等级的权重进行修正
根据历史涉烟数据,将烟草客户按监管重点程度分为多类烟草专卖户,对每类烟草专卖户设置烟草专卖户监管等级权重的修正系数;
所述根据各关键影响因子匹配程度的权重生成各烟草专卖户的异常状态包括:
利用各关键影响因子修正系数对各影响因子对应的权重进行修正;
根据如下公式计算根据各烟草专卖户的异常值:
异常值=(地址异常值×地址权重×修正系数+电话异常值×电话权重×修正系数/>+姓名异常值×姓名权重×修正系数/>+订烟数据异常×订烟数据权重×修正系数/>+监管等级×监管等级权重×修正系数/>)×100;
根据上述计算的异常值判断烟草专卖户的异常状态。
2.根据权利要求1所述的一种烟草专卖市场监管中异常客户的分析方法,其特征在于,所述通过AHP层次分析法确定各关键影响因子匹配程度的权重包括:
计算n个关键影响因子重要性的排序指数;
采用AHP层次分析法对各关键影响因子构建比较矩阵;
将比较矩阵转换为判断矩阵;
对判断矩阵进行一致性检验从而获得各关键影响因子的权重。
3.根据权利要求2所述的一种烟草专卖市场监管中异常客户的分析方法,其特征在于,所述采用AHP层次分析法对各关键影响因子构建比较矩阵包括:
将n个关键影响因子中第i个关键影响因子与第j个关键影响因子/>的重要性进行比较;
根据比较结果生成比较矩阵中的第i行第j列的元素值;
根据上述过程依次计算比较矩阵中所有对应位置元素值,获得n×n比较矩阵A。
4.根据权利要求3所述的一种烟草专卖市场监管中异常客户的分析方法,其特征在于,根据比较结果生成比较矩阵中的第i行第j列的元素值包括:
将第i个关键影响因子与第j个关键影响因子/>的重要性按照如下方式进行比较生成比较结果:
若i=j,则=1;
将比较结果的值赋予比较矩阵中的第i行第j列的元素值。
5.根据权利要求3所述的一种烟草专卖市场监管中异常客户的分析方法,其特征在于,所述将比较矩阵转换为判断矩阵包括:
将比较矩阵A中每行的元素值分别进行求和得到一列数组r,所述数组r包括元素、/>……/>;
按如下公式构造判断矩阵C中的元素:
其中为常数,其根据预先给定的极差元素对的相对重要程度取值,/>,式中/>,/>。
6.根据权利要求5所述的一种烟草专卖市场监管中异常客户的分析方法,其特征在于,所述对判断矩阵进行一致性检验从而获得各关键影响因子的权重包括:
将判断矩阵C中第i行元素值相乘分别得到对应关键影响因子的数值;
将数值开n次方得到对应关键影响因子的权重/>;
通过上述方法计算判断矩阵C中每一行对应各关键影响因子的权重、/>……/>;
将对应各关键影响因子的权重、/>……/>进行归一化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110537668.XA CN113689225B (zh) | 2021-05-18 | 2021-05-18 | 一种烟草专卖市场监管中异常客户的分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110537668.XA CN113689225B (zh) | 2021-05-18 | 2021-05-18 | 一种烟草专卖市场监管中异常客户的分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113689225A CN113689225A (zh) | 2021-11-23 |
CN113689225B true CN113689225B (zh) | 2024-01-30 |
Family
ID=78576349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110537668.XA Active CN113689225B (zh) | 2021-05-18 | 2021-05-18 | 一种烟草专卖市场监管中异常客户的分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113689225B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114861939B (zh) * | 2022-07-07 | 2022-10-18 | 浙江邦业科技股份有限公司 | 一种基于ahp模型自学习的能耗分析方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016136410A (ja) * | 2016-03-09 | 2016-07-28 | 株式会社日立製作所 | 顧客分析システム |
CN105867341A (zh) * | 2016-05-31 | 2016-08-17 | 山东中烟工业有限责任公司 | 一种烟草加工设备的在线设备健康状态自检方法及系统 |
CN106600171A (zh) * | 2017-01-04 | 2017-04-26 | 贵州省烟草公司毕节市公司 | 一种基于大数据预警的烟草市场监管方法及其系统 |
CN111062581A (zh) * | 2019-11-26 | 2020-04-24 | 国网浙江省电力有限公司电力科学研究院 | 一种基于ahp层次的企业客户高压增值服务体系构建方法 |
CN111858946A (zh) * | 2020-08-06 | 2020-10-30 | 中国烟草总公司四川省公司 | 一种烟草专卖市场监管大数据e-r模型的构建方法 |
-
2021
- 2021-05-18 CN CN202110537668.XA patent/CN113689225B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016136410A (ja) * | 2016-03-09 | 2016-07-28 | 株式会社日立製作所 | 顧客分析システム |
CN105867341A (zh) * | 2016-05-31 | 2016-08-17 | 山东中烟工业有限责任公司 | 一种烟草加工设备的在线设备健康状态自检方法及系统 |
CN106600171A (zh) * | 2017-01-04 | 2017-04-26 | 贵州省烟草公司毕节市公司 | 一种基于大数据预警的烟草市场监管方法及其系统 |
CN111062581A (zh) * | 2019-11-26 | 2020-04-24 | 国网浙江省电力有限公司电力科学研究院 | 一种基于ahp层次的企业客户高压增值服务体系构建方法 |
CN111858946A (zh) * | 2020-08-06 | 2020-10-30 | 中国烟草总公司四川省公司 | 一种烟草专卖市场监管大数据e-r模型的构建方法 |
Non-Patent Citations (4)
Title |
---|
基于ANP和K-means聚类的客户价值分类模型及应用;罗彪;闫维维;万亮;;计算机应用(第10期);260-265 * |
基于客户价值的客户分类研究――以山东威海烟草有限公司为例;邓基刚;;商场现代化(第27期);44-45 * |
新型烟草商业企业零售客户积分评价指标体系构建;王云彪 等;;商场现代化(第3期);12-15 * |
新常态形势下烟草企业卷烟市场营销策略优化分析;杨刚;;中国产经(第8期);47-48 * |
Also Published As
Publication number | Publication date |
---|---|
CN113689225A (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Research on electric vehicle charging safety warning model based on back propagation neural network optimized by improved gray wolf algorithm | |
CN112766550B (zh) | 基于随机森林的停电敏感用户预测方法、系统、存储介质及计算机设备 | |
EP3223170A1 (en) | Data processing method and device in data modeling | |
CN106067088A (zh) | 电子银行访问行为的检测方法和装置 | |
CN111723929A (zh) | 一种基于神经网络的数值预报产品订正方法、装置和系统 | |
CN114676822B (zh) | 一种基于深度学习的多属性融合空气质量预报方法 | |
CN113689225B (zh) | 一种烟草专卖市场监管中异常客户的分析方法 | |
CN107609774B (zh) | 一种基于思维进化算法优化小波神经网络的光伏功率预测方法 | |
CN111612340A (zh) | 基于大数据的网销商品检验抽样方法 | |
CN110688809B (zh) | 一种基于vprs-rbf神经网络的箱变故障诊断方法 | |
CN115796708B (zh) | 一种工程建设用的大数据智能质检方法、系统和介质 | |
CN113705615A (zh) | 一种基于神经网络的电动汽车充电过程多级设备故障诊断方法及系统 | |
CN113627735A (zh) | 工程建设项目安全风险的预警方法及系统 | |
CN113674105A (zh) | 一种电能质量在线监测数据质量评估方法 | |
CN111242424B (zh) | 质量数据的处理方法及装置 | |
CN117311295B (zh) | 基于无线网络设备的生产质量提升方法及系统 | |
CN115545514A (zh) | 基于健康度评估的配电融合设备差异化运维方法及装置 | |
CN114742415A (zh) | 适用于充电站的运营效果评价方法、装置及系统 | |
CN107590733A (zh) | 基于地理经济和社交关系的网贷平台风险评估方法 | |
CN113919610A (zh) | 低压台区线损预测用arima模型构建方法及评估方法 | |
CN110232221A (zh) | 大坝裂缝影响因素动态贡献率分析方法 | |
CN112926895A (zh) | 一种光伏电站系统综合能效评价方法 | |
CN115600926A (zh) | 项目后评价方法、装置、电子设备及存储介质 | |
CN115423488A (zh) | 烟草销售串烟风险预测方法、装置、电子设备及存储介质 | |
Zou et al. | An improved grey Markov chain model with ANN error correction and its application in gross domestic product forecasting |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |