CN113869642A - 企业活跃度确定方法、装置、电子设备及存储介质 - Google Patents
企业活跃度确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113869642A CN113869642A CN202110990868.0A CN202110990868A CN113869642A CN 113869642 A CN113869642 A CN 113869642A CN 202110990868 A CN202110990868 A CN 202110990868A CN 113869642 A CN113869642 A CN 113869642A
- Authority
- CN
- China
- Prior art keywords
- index data
- activity index
- target activity
- dimensional target
- enterprise
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 264
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000001186 cumulative effect Effects 0.000 claims abstract description 64
- 238000012545 processing Methods 0.000 claims abstract description 55
- 239000011159 matrix material Substances 0.000 claims abstract description 19
- 239000013598 vector Substances 0.000 claims abstract description 19
- 238000010606 normalization Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 97
- 230000008569 process Effects 0.000 description 9
- 230000009471 action Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012847 principal component analysis method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000009466 transformation 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
- 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
- G06Q30/018—Certifying business or products
-
- 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
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种企业活跃度确定方法、装置、电子设备及存储介质,应用于环保技术领域,所述方法包括:获取N个企业分别对应的P维原始活跃度指标数据,对原始活跃度指标数据进行无量纲化处理,得到P维目标活跃度指标数据;计算每两维目标活跃度指标数据的相关系数,以得到相关系数矩阵,确定相关系数矩阵的特征值和特征向量;基于特征值和特征向量,确定M个主成分及M个主成分分别对应的累计贡献率;根据M个主成分中P维目标活跃度指标数据的系数及M个主成分分别对应的累计贡献率,计算P维目标活跃度指标数据分别对应的权重;根据每个企业对应的P维目标活跃度指标数据和对应的权重,确定该企业的活跃度。可以提高企业活跃度确定的准确性。
Description
技术领域
本申请涉及环保技术领域,尤其涉及一种企业活跃度确定方法、装置、电子设备及存储介质。
背景技术
在环保技术领域,了解企业的真实情况是“精准治污”的重要基础。然而,在现实生活中存在着较多的空壳企业和僵尸企业,这些企业并没有实际的生产经营行为,从环保督察的企业名单中去除空壳企业和僵尸企业,对于实现“精准治污”具有重要意义。
相关技术中,可以通过分析企业在多个维度的企业数据,对企业的活跃度进行评估。然而,由于各个维度的企业数据对应的权重的准确性较低,导致企业活跃度的准确性也较低。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本申请提供了一种企业活跃度确定方法、装置、电子设备及存储介质。
根据本申请的第一方面,提供了一种企业活跃度确定方法,包括:
获取N个企业分别对应的P维原始活跃度指标数据,对所述原始活跃度指标数据进行无量纲化处理,得到所述N个企业分别对应的P维目标活跃度指标数据;N和P均为大于1的整数;
计算所述P维目标活跃度指标数据中每两维目标活跃度指标数据的相关系数,以得到相关系数矩阵,并确定所述相关系数矩阵的特征值和特征向量;
基于所述特征值和特征向量,确定P个成分的累计贡献率,并根据P个成分的累计贡献率确定M个主成分以及所述M个主成分分别对应的累计贡献率;其中,每个主成分为P维目标活跃度指标数据的线性组合,M为小于P的正整数;
根据所述M个主成分中P维目标活跃度指标数据的系数以及所述M个主成分分别对应的累计贡献率,计算P维目标活跃度指标数据分别对应的权重;其中,所述P维目标活跃度指标数据的系数基于所述特征向量确定;
针对每个企业,根据该企业对应的P维目标活跃度指标数据和该P维目标活跃度指标数据分别对应的权重,确定该企业的活跃度。
在一种可选的实施方式中,所述根据所述M个主成分中P维目标活跃度指标数据的系数以及所述M个主成分分别对应的累计贡献率,计算P维目标活跃度指标数据分别对应的权重,包括:
如果第i个主成分Fi表示为:
Fi=a1iX1+a2iX2+...+apiXp,i=1,2,...,M;
Fi对应的累计贡献率表示为pi,则根据以下公式:
在一种可选的实施方式中,在计算P维目标活跃度指标数据分别对应的权重之后,所述方法还包括:
对P维目标活跃度指标数据分别对应的权重进行归一化处理,得到P维目标活跃度指标数据分别对应的归一化权重;
所述根据该企业对应的P维目标活跃度指标数据和该P维目标活跃度指标数据分别对应的权重,确定该企业的活跃度,包括:
根据该企业对应的P维目标活跃度指标数据和该P维目标活跃度指标数据分别对应的归一化权重,确定该企业的活跃度。
在一种可选的实施方式中,基于所述特征值和特征向量,确定P个成分的累计贡献率,并根据P个成分的累计贡献率确定M个主成分以及所述M个主成分分别对应的累计贡献率,包括:
将所述特征值按从大到小的顺序进行排序,并基于排序后的特征值,计算P个成分的累计贡献率;
如果P个成分的累计贡献率中大于预设阈值的累计贡献率对应的特征值的数量为M个,将M个特征值对应的第1~M个主成分作为M个主成分。
在一种可选的实施方式中,所述对所述原始活跃度指标数据进行无量纲化处理,得到所述N个企业分别对应的P维目标活跃度指标数据,包括:
计算N个企业的第q维原始活跃度指标数据的平均值和标准差;
针对每个企业,将该企业的第q维原始活跃度指标数据与所述平均值之差除以所述标准差,作为该企业的第q维目标活跃度指标数据。
在一种可选的实施方式中,在对所述原始活跃度指标数据进行无量纲化处理之前,所述方法还包括:
对所述原始活跃度指标数据进行指标正向化处理和/或指标规格化处理,得到预处理活跃度指标数据;
所述对所述原始活跃度指标数据进行无量纲化处理,包括:
对所述预处理活跃度指标数据进行无量纲化处理。
在一种可选的实施方式中,所述方法还包括:
在确定N个企业的活跃度之后,将N个企业的活跃度划分为多个不同的活跃度等级,并将最低的活跃度等级中包含的企业剔除。
根据本申请的第二方面,提供了一种企业活跃度确定装置,包括:
无量纲化处理模块,用于获取N个企业分别对应的P维原始活跃度指标数据,对所述原始活跃度指标数据进行无量纲化处理,得到所述N个企业分别对应的P维目标活跃度指标数据;N和P均为大于1的整数;
特征值和特征向量确定模块,用于计算所述P维目标活跃度指标数据中每两维目标活跃度指标数据的相关系数,以得到相关系数矩阵,并确定所述相关系数矩阵的特征值和特征向量;
主成分及累计贡献率确定模块,用于基于所述特征值和特征向量,确定P个成分的累计贡献率,并根据P个成分的累计贡献率确定M个主成分以及所述M个主成分分别对应的累计贡献率;其中,每个主成分为P维目标活跃度指标数据的线性组合,M为小于P的正整数;
权重确定模块,用于根据所述M个主成分中P维目标活跃度指标数据的系数以及所述M个主成分分别对应的累计贡献率,计算P维目标活跃度指标数据分别对应的权重;其中,所述P维目标活跃度指标数据的系数基于所述特征向量确定;
活跃度确定模块,用于针对每个企业,根据该企业对应的P维目标活跃度指标数据和该P维目标活跃度指标数据分别对应的权重,确定该企业的活跃度。
在一种可选的实施方式中,所述权重确定模块,具体用于如果第i个主成分Fi表示为:
Fi=a1iX1+a2iX2+...+apiXp,i=1,2,...,M;
Fi对应的累计贡献率表示为pi,则根据以下公式:
在一种可选的实施方式中,所述企业活跃度确定装置还包括:
归一化模块,用于对P维目标活跃度指标数据分别对应的权重进行归一化处理,得到P维目标活跃度指标数据分别对应的归一化权重;
所述活跃度确定模块,用于针对每个企业,根据该企业对应的P维目标活跃度指标数据和该P维目标活跃度指标数据分别对应的归一化权重,确定该企业的活跃度。
在一种可选的实施方式中,所述主成分及累计贡献率确定模块,具体用于将所述特征值按从大到小的顺序进行排序,并基于排序后的特征值,计算P个成分的累计贡献率;如果P个成分的累计贡献率中大于预设阈值的累计贡献率对应的特征值的数量为M个,将M个特征值对应的第1~M个主成分作为M个主成分。
在一种可选的实施方式中,所述无量纲化处理模块,具体用于获取N个企业分别对应的P维原始活跃度指标数据,计算N个企业的第q维原始活跃度指标数据的平均值和标准差;针对每个企业,将该企业的第q维原始活跃度指标数据与所述平均值之差除以所述标准差,作为该企业的第q维目标活跃度指标数据。
在一种可选的实施方式中,所述企业活跃度确定装置还包括:
预处理模块,用于对所述原始活跃度指标数据进行指标正向化处理和/或指标规格化处理,得到预处理活跃度指标数据;
所述无量纲化处理模块,具体用于对所述预处理活跃度指标数据进行无量纲化处理,得到所述N个企业分别对应的P维目标活跃度指标数据。
在一种可选的实施方式中,所述企业活跃度确定装置还包括:
剔除模块,用于在确定N个企业的活跃度之后,将N个企业的活跃度划分为多个不同的活跃度等级,并将最低的活跃度等级中包含的企业剔除。
根据本申请的第三方面,提供了一种电子设备,包括:处理器,所述处理器用于执行存储于存储器的计算机程序,所述计算机程序被处理器执行时实现第一方面所述的方法。
根据本申请的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的方法。
根据本申请的第五方面,提供了一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行第一方面所述的方法。
本申请实施例提供的技术方案与现有技术相比具有如下优点:
通过对P维原始活跃度指标数据进行无量纲化处理,得到N个企业分别对应的P维目标活跃度指标数据,以消除量纲的影响,使评价结果更具有可解释性。通过主成分分析法对P维目标活跃度指标数据进行降维处理,以确定M个主成分以及M个主成分分别对应的累计贡献率,M为小于P的正整数。由于每个主成分为P维目标活跃度指标数据的线性组合,结合每个主成分对应的累计贡献率,计算P维目标活跃度指标数据分别对应的权重,例如可以将各个主成分中同一维的目标活跃度指标数据的系数进行加权平均,从而可以提高权重确定的准确性。进而,针对每个企业,根据该企业对应的P维目标活跃度指标数据和该P维目标活跃度指标数据分别对应的权重,确定该企业的活跃度,可以提高活跃度确定的准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例中企业活跃度确定方法的一种流程图;
图2为本申请实施例中企业活跃度确定方法的又一种流程图;
图3为本申请实施例中企业活跃度确定装置的一种结构示意图;
图4为本申请实施例中电子设备的一种结构示意图。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点,下面将对本申请的方案进行进一步描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请,但本申请还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本申请的一部分实施例,而不是全部的实施例。
参见图1,图1为本申请实施例中企业活跃度确定方法的一种流程图,可以包括以下步骤:
步骤S110,获取N个企业分别对应的P维原始活跃度指标数据,对原始活跃度指标数据进行无量纲化处理,得到N个企业分别对应的P维目标活跃度指标数据;N和P均为大于1的整数。
本申请实施例中,可以从多个维度对多个企业的活跃度进行评价。针对各个企业,可以使用相同维度的企业数据进行评估,可以包含以下至少一个维度的企业数据:“企业入市活跃度”、“企业交易活跃度”、“企业经营活跃度”、“企业线上活跃度”、“企业人员活跃度”和“企业创新活跃度”。
每个维度均可以包含多种指标数据,例如,对于“企业入市活跃度”的企业数据可以包括工商、市场监管部门基本数据和其他相关部门数据。工商、市场监管部门基本数据可以包括以下维度的指标数据:设立(包括分支机构的设立)、变更、备案、广告登记、消费投诉、行政处罚、注销/吊销等,其他相关部门数据可以包括以下维度的指标数据:行政处罚信息、行政许可信息、银行卡动态信息、纳税动态信息等。
单个维度的原始活跃度指标数据指原始的、未经处理的企业数据,由以上可以看出,“企业入市活跃度”对应多维原始活跃度指标数据,其他维度(“企业交易活跃度”、“企业经营活跃度”、“企业线上活跃度”、“企业人员活跃度”和“企业创新活跃度”等)也对应多维原始活跃度指标数据。因此,P维原始活跃度指标数据是一个维度较高的数据。
由于不同维度的原始活跃度指标数据的意义不同,指标体系中各个指标数据也没有统一的度量单位(量纲),即使有些指标数据单位相同,其实际意义也可能不同。若直接综合原始活跃度指标数据,往往会使评价结果无法解释。因此,在综合评价指标之前,可以先对各原始活跃度指标数据进行无量纲化处理。可选的,可以采用极差法或正太标准化处理方法进行无量纲化处理。
其中,极差法具体为:如果某一维度的原始活跃度指标数据中的最大值为M,最小值为m,那么原始活跃度指标数据x可以无量纲化为
正太标准化处理方法具体可以为:计算N个企业的第q维原始活跃度指标数据的平均值和标准差。针对每个企业,将该企业的第q维原始活跃度指标数据与平均值之差除以标准差,作为该企业的第q维目标活跃度指标数据。即,如果某一维度的原始活跃度指标数据的均值为m,标准差为s,原始活跃度指标数据x可以无量纲化为(x-m)/s。
步骤S120,计算P维目标活跃度指标数据中每两维目标活跃度指标数据的相关系数,以得到相关系数矩阵,并确定相关系数矩阵的特征值和特征向量。
由于P维目标活跃度指标数据通常具有一定的相关性,因此,要确定这P维数据对目标的影响权重是非常困难的。然而,主成分分析法可以将多个相关的指标数据变换为几个无关的新的综合指标。通过研究指标体系的内在结构关系,从而将多个指标数据转化为互不相关的、包含原有指标大部分信息(一般在85%以上)的少数几个综合指标(主成分)。
具体的,可以计算每两维目标活跃度指标数据的相关系数,以得到相关系数矩阵。
其中,rij表示第i维目标活跃度指标数据和第j维目标活跃度指标数据的相关系数。
根据该相关系数矩阵,可以通过解特征方程|λI-R|=0求得特征值λl(l=1,2,...,p)及特征向量。
步骤S130,基于特征值和特征向量,确定P个成分的累计贡献率,并根据P个成分的累计贡献率确定M个主成分以及M个主成分分别对应的累计贡献率;其中,每个主成分为P维目标活跃度指标数据的线性组合,M为小于P的正整数。
本申请实施例中,可以将特征值按从大到小的顺序进行排序,使λ1≥λ2≥...λp≥0,特征值λl对应的特征向量为al,表示如下:
如果P个成分的累计贡献率中大于预设阈值(例如为85%)的累计贡献率对应的特征值的数量为M个,将M个特征值对应的第1~M个主成分作为M个主成分。每个主成分为P维目标活跃度指标数据的线性组合,第i个主成分Fi表示为:
Fi=a1iX1+a2iX2+...+apiXp,i=1,2,...,M。
步骤S140,根据M个主成分中P维目标活跃度指标数据的系数以及M个主成分分别对应的累计贡献率,计算P维目标活跃度指标数据分别对应的权重。其中,P维目标活跃度指标数据的系数基于特征向量确定
针对不同的主成分,对应的累计贡献率不同,并且,不同主成分中同一维度的目标活跃度指标数据对主成分的贡献是不同的。因此,可以基于以上两种信息,计算P维目标活跃度指标数据分别对应的权重。
可选的,如果第i个主成分Fi表示为:
Fi=a1iX1+a2iX2+...+apiXp,i=1,2,...,M;
Fi对应的累计贡献率表示为pi,则可以根据以下公式:
也就是,对目标活跃度指标数据在主成分线性组合中的系数进行加权平均。这样,得到的权重更符合实际情况,准确性更高。
步骤S150,针对每个企业,根据该企业对应的P维目标活跃度指标数据和该P维目标活跃度指标数据分别对应的权重,确定该企业的活跃度。
在得到P维目标活跃度指标数据分别对应的权重之后,可以直接将每个企业的P维目标活跃度指标数据进行加权平均,得到每个企业的活跃度。
本申请实施例的企业活跃度确定方法,通过对P维原始活跃度指标数据进行无量纲化处理,得到N个企业分别对应的P维目标活跃度指标数据,以消除量纲的影响,使评价结果更具有可解释性。通过主成分分析法对P维目标活跃度指标数据进行降维处理,以确定M个主成分以及M个主成分分别对应的累计贡献率,M为小于P的正整数。由于每个主成分为P维目标活跃度指标数据的线性组合,结合每个主成分对应的累计贡献率,计算P维目标活跃度指标数据分别对应的权重,例如可以将各个主成分中同一维的目标活跃度指标数据的系数进行加权平均,从而可以提高权重确定的准确性。进而,针对每个企业,根据该企业对应的P维目标活跃度指标数据和该P维目标活跃度指标数据分别对应的权重,确定该企业的活跃度,可以提高活跃度确定的准确性。
参见图2,图2为本申请实施例中企业活跃度确定方法的又一种流程图,可以包括以下步骤:
步骤S210,获取N个企业分别对应的P维原始活跃度指标数据,对原始活跃度指标数据进行指标正向化处理和/或指标规格化处理,得到预处理活跃度指标数据。N和P均为大于1的整数。
原始活跃度指标数据通常可以分为三类:正指标,即指标值越大越好的指标;逆指标,即指标值越小越好的指标;适度指标,即指标值不应过大或过小,而是达到适度值或适度区间最好。适度指标也可以看作正负指标的组合,只要能找到适度点,就可在适度点前后分别转化为正、逆指标。
在原始活跃度指标数据中包含逆指标数据和适度指标数据的情况下,可以对逆指标数据和适度指标数据进行正向化处理,保证评估目标的一致性。其中,对逆指标进行正向化处理可以采用取倒数或者最大值减去原始值后取绝对值的方法。对适度指标的正向化处理方法可以为:将原始值减去预先设置的指标适度值,再取绝对值,这样将适度指标转化成了逆指标。然后,利用逆指标的正向化处理方法将得到的逆指标转化为正指标等等。当然,正向化处理的方法不限于此。
指标规格化处理是通过数学变换来消除原始指标值量纲的影响的方法。在指标体系的建立过程中,会出现指标值的数量级很大的指标(如国内生产总值)和指标值的数量级较小的指标(如存款利率)。在指标体系所包含的各指标的数量级相差较大的情况下,数量级较大的指标往往会在指标体系中占据较有影响力的位置,这就缩减了数量级小的指标对综合指标的影响力。在大多数情况下,这违背了构建指标体系的本来意图,因为某一指标在指标体系中的重要性不应取决于其数量级。因此,可以对原始活跃度指标数据进行规格化处理。或者,也可以在对原始活跃度指标数据进行正向化处理之后,再进行规格化处理。
规格化处理的方法可以为:中心化和对数化等等。其中,中心化的方法具体可以为:设指标均值为m,原始活跃度指标数据取值为x,则规格化处理之后的数据为x-m。这种方法一般适用于指标值变动范围较小的情况。
对数化的方法具体可以为:设指标原始活跃度指标数据取值为x,则指标的无量纲化为logaf(x),其中f(x)为x的函数,一般为线性函数。根据不同需求,可对a和f(x)取不同的数值,其中,a一般取10或者自然对数e,f(x)一般取x或1+x。
步骤S220,对预处理活跃度指标数据进行无量纲化处理,得到N个企业分别对应的P维目标活跃度指标数据。
步骤S230,计算P维目标活跃度指标数据中每两维目标活跃度指标数据的相关系数,以得到相关系数矩阵,并确定相关系数矩阵的特征值和特征向量。
步骤S240,基于特征值和特征向量,确定P个成分的累计贡献率,并根据P个成分的累计贡献率确定M个主成分以及M个主成分分别对应的累计贡献率;其中,每个主成分为P维目标活跃度指标数据的线性组合,M为小于P的正整数。
步骤S250,根据M个主成分中P维目标活跃度指标数据的系数以及M个主成分分别对应的累计贡献率,计算P维目标活跃度指标数据分别对应的权重。其中,P维目标活跃度指标数据的系数基于特征向量确定。
步骤S220~步骤S250中与图1实施例相同的部分,参见图1实施例中的描述即可,在此不再赘述。
步骤S260,对P维目标活跃度指标数据分别对应的权重进行归一化处理,得到P维目标活跃度指标数据分别对应的归一化权重。
通常情况下,所有指标的权重之和为1,因此,在得到P维目标活跃度指标数据分别对应的权重之后,可以再进行归一化处理,得到对应的归一化权重。
步骤S270,针对每个企业,根据该企业对应的P维目标活跃度指标数据和该P维目标活跃度指标数据分别对应的归一化权重,确定该企业的活跃度。
相应地,也可以基于P维目标活跃度指标数据分别对应的归一化权重确定企业的活跃度。
步骤S280,将N个企业的活跃度划分为多个不同的活跃度等级,并将最低的活跃度等级中包含的企业剔除。
本申请实施例中,在确定N个企业的活跃度之后,还可以将N个企业的活跃度划分为多个不同的活跃度等级,例如,可以划分为高、中、低三个活跃度等级。三个活跃度等级对应于不同的活跃度范围,活跃度等级越低,表示该活跃度等级中的企业越不活跃,该企业越有可能是僵尸企业或空壳企业。因此,可以将最低活跃度等级中包含的企业剔除,从而使监管人员在对企业进行监管时避免浪费人力,提高监管效率。
相应于上述方法实施例,本申请实施例还提供了一种企业活跃度确定装置,参见图3,该企业活跃度确定装置300包括:
无量纲化处理模块310,用于获取N个企业分别对应的P维原始活跃度指标数据,对原始活跃度指标数据进行无量纲化处理,得到N个企业分别对应的P维目标活跃度指标数据;N和P均为大于1的整数;
特征值和特征向量确定模块320,用于计算P维目标活跃度指标数据中每两维目标活跃度指标数据的相关系数,以得到相关系数矩阵,并确定相关系数矩阵的特征值和特征向量;
主成分及累计贡献率确定模块330,用于基于特征值和特征向量,确定P个成分的累计贡献率,并根据P个成分的累计贡献率确定M个主成分以及M个主成分分别对应的累计贡献率;其中,每个主成分为P维目标活跃度指标数据的线性组合,M为小于P的正整数;
权重确定模块340,用于根据M个主成分中P维目标活跃度指标数据的系数以及M个主成分分别对应的累计贡献率,计算P维目标活跃度指标数据分别对应的权重;其中,P维目标活跃度指标数据的系数基于特征向量确定;
活跃度确定模块350,用于针对每个企业,根据该企业对应的P维目标活跃度指标数据和该P维目标活跃度指标数据分别对应的权重,确定该企业的活跃度。
在一种可选的实施方式中,权重确定模块,具体用于如果第i个主成分Fi表示为:
Fi=a1iX1+a2iX2+...+apiXp,i=1,2,...,M;
Fi对应的累计贡献率表示为pi,则根据以下公式:
在一种可选的实施方式中,企业活跃度确定装置还包括:
归一化模块,用于对P维目标活跃度指标数据分别对应的权重进行归一化处理,得到P维目标活跃度指标数据分别对应的归一化权重;
活跃度确定模块,用于针对每个企业,根据该企业对应的P维目标活跃度指标数据和该P维目标活跃度指标数据分别对应的归一化权重,确定该企业的活跃度。
在一种可选的实施方式中,主成分及累计贡献率确定模块,具体用于将特征值按从大到小的顺序进行排序,并基于排序后的特征值,计算P个成分的累计贡献率;如果P个成分的累计贡献率中大于预设阈值的累计贡献率对应的特征值的数量为M个,将M个特征值对应的第1~M个主成分作为M个主成分。
在一种可选的实施方式中,无量纲化处理模块,具体用于获取N个企业分别对应的P维原始活跃度指标数据,计算N个企业的第q维原始活跃度指标数据的平均值和标准差;针对每个企业,将该企业的第q维原始活跃度指标数据与平均值之差除以标准差,作为该企业的第q维目标活跃度指标数据。
在一种可选的实施方式中,企业活跃度确定装置还包括:
预处理模块,用于对原始活跃度指标数据进行指标正向化处理和/或指标规格化处理,得到预处理活跃度指标数据;
无量纲化处理模块,具体用于对预处理活跃度指标数据进行无量纲化处理,得到N个企业分别对应的P维目标活跃度指标数据。
在一种可选的实施方式中,企业活跃度确定装置还包括:
剔除模块,用于在确定N个企业的活跃度之后,将N个企业的活跃度划分为多个不同的活跃度等级,并将最低的活跃度等级中包含的企业剔除。
上述装置中各模块或单元的具体细节已经在对应的方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
在本申请的示例性实施例中,还提供一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,处理器被配置为执行本示例实施方式中上述企业活跃度确定方法。
图4为本申请实施例中电子设备的一种结构示意图。需要说明的是,图4示出的电子设备400仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400包括中央处理单元(CPU)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有系统操作所需的各种程序和数据。中央处理单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407;包括硬盘等的存储部分408;以及包括诸如局域网(LAN)卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本申请的装置中限定的各种功能。
本申请实施例中,还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述企业活跃度确定方法。
需要说明的是,本申请所示的计算机可读存储介质例如可以是—但不限于—电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器、只读存储器、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、射频等等,或者上述的任意合适的组合。
本申请实施例中,还提供了一种计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行上述企业活跃度确定方法。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种企业活跃度确定方法,其特征在于,所述方法包括:
获取N个企业分别对应的P维原始活跃度指标数据,对所述原始活跃度指标数据进行无量纲化处理,得到所述N个企业分别对应的P维目标活跃度指标数据;N和P均为大于1的整数;
计算所述P维目标活跃度指标数据中每两维目标活跃度指标数据的相关系数,以得到相关系数矩阵,并确定所述相关系数矩阵的特征值和特征向量;
基于所述特征值和特征向量,确定P个成分的累计贡献率,并根据P个成分的累计贡献率确定M个主成分以及所述M个主成分分别对应的累计贡献率;其中,每个主成分为P维目标活跃度指标数据的线性组合,M为小于P的正整数;
根据所述M个主成分中P维目标活跃度指标数据的系数以及所述M个主成分分别对应的累计贡献率,计算P维目标活跃度指标数据分别对应的权重;其中,所述P维目标活跃度指标数据的系数基于所述特征向量确定;
针对每个企业,根据该企业对应的P维目标活跃度指标数据和该P维目标活跃度指标数据分别对应的权重,确定该企业的活跃度。
3.根据权利要求2所述的方法,其特征在于,在计算P维目标活跃度指标数据分别对应的权重之后,所述方法还包括:
对P维目标活跃度指标数据分别对应的权重进行归一化处理,得到P维目标活跃度指标数据分别对应的归一化权重;
所述根据该企业对应的P维目标活跃度指标数据和该P维目标活跃度指标数据分别对应的权重,确定该企业的活跃度,包括:
根据该企业对应的P维目标活跃度指标数据和该P维目标活跃度指标数据分别对应的归一化权重,确定该企业的活跃度。
4.根据权利要求1所述的方法,其特征在于,基于所述特征值和特征向量,确定P个成分的累计贡献率,并根据P个成分的累计贡献率确定M个主成分以及所述M个主成分分别对应的累计贡献率,包括:
将所述特征值按从大到小的顺序进行排序,并基于排序后的特征值,计算P个成分的累计贡献率;
如果P个成分的累计贡献率中大于预设阈值的累计贡献率对应的特征值的数量为M个,将M个特征值对应的第1~M个主成分作为M个主成分。
5.根据权利要求1所述的方法,其特征在于,所述对所述原始活跃度指标数据进行无量纲化处理,得到所述N个企业分别对应的P维目标活跃度指标数据,包括:
计算N个企业的第q维原始活跃度指标数据的平均值和标准差;
针对每个企业,将该企业的第q维原始活跃度指标数据与所述平均值之差除以所述标准差,作为该企业的第q维目标活跃度指标数据。
6.根据权利要求1所述的方法,其特征在于,在对所述原始活跃度指标数据进行无量纲化处理之前,所述方法还包括:
对所述原始活跃度指标数据进行指标正向化处理和/或指标规格化处理,得到预处理活跃度指标数据;
所述对所述原始活跃度指标数据进行无量纲化处理,包括:
对所述预处理活跃度指标数据进行无量纲化处理。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在确定N个企业的活跃度之后,将N个企业的活跃度划分为多个不同的活跃度等级,并将最低的活跃度等级中包含的企业剔除。
8.一种企业活跃度确定装置,其特征在于,所述装置包括:
无量纲化处理模块,用于获取N个企业分别对应的P维原始活跃度指标数据,对所述原始活跃度指标数据进行无量纲化处理,得到所述N个企业分别对应的P维目标活跃度指标数据;N和P均为大于1的整数;
特征值和特征向量确定模块,用于计算所述P维目标活跃度指标数据中每两维目标活跃度指标数据的相关系数,以得到相关系数矩阵,并确定所述相关系数矩阵的特征值和特征向量;
主成分及累计贡献率确定模块,用于基于所述特征值和特征向量,确定P个成分的累计贡献率,并根据P个成分的累计贡献率确定M个主成分以及所述M个主成分分别对应的累计贡献率;其中,每个主成分为P维目标活跃度指标数据的线性组合,M为小于P的正整数;
权重确定模块,用于根据所述M个主成分中P维目标活跃度指标数据的系数以及所述M个主成分分别对应的累计贡献率,计算P维目标活跃度指标数据分别对应的权重;其中,所述P维目标活跃度指标数据的系数基于所述特征向量确定;
活跃度确定模块,用于针对每个企业,根据该企业对应的P维目标活跃度指标数据和该P维目标活跃度指标数据分别对应的权重,确定该企业的活跃度。
9.一种电子设备,其特征在于,包括:处理器,所述处理器用于执行存储于存储器的计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110990868.0A CN113869642A (zh) | 2021-08-26 | 2021-08-26 | 企业活跃度确定方法、装置、电子设备及存储介质 |
PCT/CN2022/127330 WO2023025331A1 (zh) | 2021-08-26 | 2022-10-25 | 企业活跃度确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110990868.0A CN113869642A (zh) | 2021-08-26 | 2021-08-26 | 企业活跃度确定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113869642A true CN113869642A (zh) | 2021-12-31 |
Family
ID=78988315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110990868.0A Pending CN113869642A (zh) | 2021-08-26 | 2021-08-26 | 企业活跃度确定方法、装置、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113869642A (zh) |
WO (1) | WO2023025331A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115147029A (zh) * | 2022-09-05 | 2022-10-04 | 山东省市场监管监测中心 | 基于大数据的企业活跃度监测方法及系统 |
WO2023025331A1 (zh) * | 2021-08-26 | 2023-03-02 | 中国环境科学研究院 | 企业活跃度确定方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109978604A (zh) * | 2019-03-04 | 2019-07-05 | 贵州电力交易中心有限责任公司 | 一种电力市场活跃度指标的计算方法 |
CN109993414A (zh) * | 2019-03-06 | 2019-07-09 | 南方电网科学研究院有限责任公司 | 一种电力企业创新发展的评估方法、装置及存储介质 |
CN112015723A (zh) * | 2019-05-28 | 2020-12-01 | 顺丰科技有限公司 | 数据等级划分方法、装置、计算机设备和存储介质 |
CN112734156A (zh) * | 2020-09-29 | 2021-04-30 | 红盾大数据(北京)有限公司 | 企业活跃度的评估方法、装置、设备以及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5655275B2 (ja) * | 2009-04-12 | 2015-01-21 | 一郎 工藤 | 企業成長性予測指標算出装置及びその動作方法 |
CN106952052A (zh) * | 2017-04-06 | 2017-07-14 | 东北林业大学 | 基于混合权重核主成分分析企业供应商评价方法 |
CN112819354A (zh) * | 2021-02-08 | 2021-05-18 | 中国地质调查局沈阳地质调查中心 | 海外矿业项目竞争力评价的方法及装置 |
CN113869642A (zh) * | 2021-08-26 | 2021-12-31 | 中国环境科学研究院 | 企业活跃度确定方法、装置、电子设备及存储介质 |
-
2021
- 2021-08-26 CN CN202110990868.0A patent/CN113869642A/zh active Pending
-
2022
- 2022-10-25 WO PCT/CN2022/127330 patent/WO2023025331A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109978604A (zh) * | 2019-03-04 | 2019-07-05 | 贵州电力交易中心有限责任公司 | 一种电力市场活跃度指标的计算方法 |
CN109993414A (zh) * | 2019-03-06 | 2019-07-09 | 南方电网科学研究院有限责任公司 | 一种电力企业创新发展的评估方法、装置及存储介质 |
CN112015723A (zh) * | 2019-05-28 | 2020-12-01 | 顺丰科技有限公司 | 数据等级划分方法、装置、计算机设备和存储介质 |
CN112734156A (zh) * | 2020-09-29 | 2021-04-30 | 红盾大数据(北京)有限公司 | 企业活跃度的评估方法、装置、设备以及存储介质 |
Non-Patent Citations (1)
Title |
---|
MOONYUE: "权重系数确定问题", pages 1 - 2, Retrieved from the Internet <URL:https://www.cnblogs.com/moonyue/p/11101215.html> * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023025331A1 (zh) * | 2021-08-26 | 2023-03-02 | 中国环境科学研究院 | 企业活跃度确定方法、装置、电子设备及存储介质 |
CN115147029A (zh) * | 2022-09-05 | 2022-10-04 | 山东省市场监管监测中心 | 基于大数据的企业活跃度监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2023025331A1 (zh) | 2023-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023025331A1 (zh) | 企业活跃度确定方法、装置、电子设备及存储介质 | |
CN110991739A (zh) | 一种行业电量需求预测模型的构建方法及预测方法 | |
CN112561082A (zh) | 生成模型的方法、装置、设备以及存储介质 | |
CN111401642A (zh) | 自动调整预测值的方法、装置、设备及存储介质 | |
CN113837596A (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN112396335A (zh) | 一种基于灰色综合评价模型的评价方法及装置 | |
CN112330153A (zh) | 基于非线性正交回归的行业规模预测模型建模方法及装置 | |
CN114049162B (zh) | 模型训练方法、需求量预测方法、装置、设备和存储介质 | |
CN114662926A (zh) | 科技企业评价方法及其装置、设备、介质 | |
CN112241832B (zh) | 一种产品质量分级评价标准设计方法及系统 | |
CN110910528B (zh) | 纸页抗张强度的预测方法及装置 | |
CN112561179A (zh) | 一种股票走势预测方法、装置、计算机设备及存储介质 | |
CN107644285A (zh) | 售电市场盈利能力评估指标的筛选与权重确定方法及系统 | |
CN108073629B (zh) | 通过网站访问数据识别购买模式的方法及装置 | |
CN114862243A (zh) | 用于辅助决策的数据处理方法和装置 | |
CN114861800A (zh) | 模型训练方法、概率确定方法、装置、设备、介质及产品 | |
US20240232908A1 (en) | Enterprise activation degree determining method and apparatus, electronic device and storage medium | |
CN109978384A (zh) | 一种配电网运行效率的主导因素分析方法及相关产品 | |
CN113159177B (zh) | 基于批归一化参数定点化的目标检测方法、系统、设备 | |
CN112330022B (zh) | 一种基于电力大数据资产配置权重确定方法及其相关设备 | |
CN114331738A (zh) | 一种基于熵权-灰色关联法的配电网投资优选方法及系统 | |
CN117745138A (zh) | 一种电梯安全指标的权重的确定方法及装置 | |
CN115239501A (zh) | 交易保证金的确定方法、装置和电子设备 | |
CN116975553A (zh) | 一种感兴趣事件对股票市场影响的分析方法和系统 | |
CN118037042A (zh) | 基于多分类不均衡支持向量机分类的上市公司财务风险预警方法及系统 |
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 |
Application publication date: 20211231 |
|
RJ01 | Rejection of invention patent application after publication |