CN116050949B - 基于坐标编码的量化指标体系生成及诊断方法以及系统 - Google Patents
基于坐标编码的量化指标体系生成及诊断方法以及系统 Download PDFInfo
- Publication number
- CN116050949B CN116050949B CN202310339635.3A CN202310339635A CN116050949B CN 116050949 B CN116050949 B CN 116050949B CN 202310339635 A CN202310339635 A CN 202310339635A CN 116050949 B CN116050949 B CN 116050949B
- Authority
- CN
- China
- Prior art keywords
- index
- index system
- ranking
- coordinate
- hierarchical structure
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000013139 quantization Methods 0.000 title claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims description 72
- 238000003745 diagnosis Methods 0.000 claims description 33
- 238000004458 analytical method Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 abstract description 14
- 230000008859 change Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 239000002131 composite material Substances 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 235000012571 Ficus glomerata Nutrition 0.000 description 1
- 244000153665 Ficus glomerata Species 0.000 description 1
- 206010033307 Overweight Diseases 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 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
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于坐标编码的量化指标体系生成及诊断方法以及系统,通过对量化指标体系对应指标分层归属结构的编码化处理,实现了对指标体系在任意体系架构下的灵活计算,可得出各层级的指标得分以及指标排名、并采用坐标编码对指标体系进行快速调整,以更改指标数据或指标体系上下级归属结构后,可快速给出调整后的指标体系的排名结果,以及对任意指标体系的排名对象、任意一类指标或一级指标的重要性分析,或者对最终排名的影响大小分析,乃至整体指标体系的稳健性如指标数据或结构或指标加权算法调整前后的排名变化大小等的全面诊断功能。
Description
技术领域
本发明涉及指标体系量化技术领域,尤其涉及一种基于坐标编码的量化指标体系生成及诊断方法、系统、计算机设备及存储介质。
背景技术
指标体系(IndicationSystem-IS)的建立是进行预测或评价研究的前提和基础,它是将抽象的研究对象按照其本质属性和特征的某一方面的标识分解成为具有行为化、可操作化的结构,并对指标体系中每一构成元素(即指标)赋予相应权重的过程。
但是,由于指标体系的复杂性、多维性以及不可直接测量等特性,对指标体系的建立造成极大的难度,因此越来越多的机构、学者开始进行量化指标体系的构造、分析和诊断相关的研究和实践。然而,现有的指标体系研究与实践方法,大多采用主观构造的方法,缺乏严谨性。同时,指标体系的计算、调整过程都是采用传统的手动逐步计算的方法,不仅耗时费力,而且对于生成的指标体系也没有较好的、行之有效的分析和改进手段。在大数据情形下,相关问题进一步加剧。
发明内容
基于此,有必要针对上述技术问题,提供一种基于坐标编码的量化指标体系生成及诊断方法、系统、计算机设备及存储介质,以解决现在技术存在的至少一个问题。
第一方面,提供了一种基于坐标编码的量化指标体系生成及诊断方法,包括:
建立第一指标体系层级结构模型,以确定所述第一指标体系的层级结构以及归属关系,并根据所述层级结构以及归属关系,对所述第一指标体系进行编码处理,以生成第一多维坐标编码;
获取多个所述第一指标体系对应的评价对象的最底层指标数据,作为输入数据,并选取对应的指标加权算法逐层对不同层级的各个指标的指标得分以及指标排名进行计算,以根据所述指标得分以及指标排名,计算出所述第一指标体系的排名结果;
通过调整所述第一多维坐标编码和/或更改指标数据,以对所述第一指标体系进行调整,形成第二指标体系;
分别对所述第一指标体系以及第二指标体系的权重分布特征进行分析,并进行稳健性诊断,以输出对应的权重分布特征分析结果以及稳健性诊断结果。
在一实施例中,所述通过所述多维坐标编码,对所述第一指标体系进行调整,以形成第二指标体系之后,包括:
构建所述第二指标体系的层级结构模型,以确定所述第二指标体系的层级结构以及归属关系,并根据所述第二指标体系的层级结构以及归属关系,对所述第二指标体系进行编码处理,以生成第二多维坐标编码;
获取多个所述第二指标体系对应的评价对象的底层指标数据,并选取对应的指标加权算法逐层对不同层级的各个指标的指标得分以及指标排名进行计算,以获取所述第二指标体系的排名结果;
通过调整所述第二多维坐标编码和/或更改指标数据,以对所述第二指标体系进行调整,形成第三指标体系。
在一实施例中,所述分别对所述第一指标体系以及第二指标体系的权重分布特征进行分析,包括:
分别计算所述第一指标体系以及第二指标体系的各个指标的全局权重;
确定聚类数,并根据所述聚类数,按照所述第一指标体系以及第二指标体系的各个指标的全局权重大小,对所述第一指标体系以及第二指标体系的各个指标进行聚类;
根据聚类结果,确定所述第一指标体系的第一侧重性,以及第二指标体系的第二侧重性;
将所述第一侧重性与所述第二侧重性进行对比分析,以对比出所述第一指标体系以及第二指标体系的特征分析结果。
在一实施例中,所述分别对所述第一指标体系以及第二指标体系的稳健性进行诊断,包括:
在指定指标体系下,分别计算所述第一指标体系以及第二指标体系中的各个评价对象在不同赋权算法下的第一平均排名;
根据所述第一平均排名,分别计算所述第一指标体系以及第二指标体系中的第一评价对象,或者所有评价对象在不同赋权算法下的第一排名稳健性;和/或
在指定赋权算法下,分别计算所述第一指标体系以及第二指标体系中的各个评价对象在不同指标体系下的第二平均排名;
根据所述第二平均排名,比较所述第一指标体系以及第二指标体系中的第二评价对象在不同指标体系下的排名差异,比较所有评价对象在指定赋权算法下的第二排名稳健性。
在一实施例中,所述选取对应的指标加权算法对合并后的不同层级对应的指标得分以及指标排名进行计算之前,包括:
当所述第一指标体系中的指标存在超过预设阈值的缺失值时,则将所述指标对应的全部数据调整为缺失值,并将所述指标的权重设置为0。
在一实施例中,所述选取对应的指标加权算法对合并后的不同层级对应的指标得分以及指标排名进行计算,包括:
在不同指标层级间选取对应的指标加权算法对不同指标层级的各个指标的权重进行计算;
将每个层级各个指标的数值与各个指标对应的权重相乘,以得到不同层级下的指标得分;
根据所述指标得分,确定所述指标对应的指标排名。
在一实施例中,所述建立第一指标体系层级结构模型,以确定所述第一指标体系的层级结构以及归属关系,包括:
建立所述第一指标体系的树状层级结构表;
将所述树状层级结构表转换为关系表,所述关系表包括所述层级结构以及归属关系。
第二方面,提供了一种基于坐标编码的量化指标体系生成及诊断系统,包括:
多维编码模块,用于建立第一指标体系层级结构模型,以确定所述第一指标体系的层级结构以及归属关系,并根据所述层级结构以及归属关系,对所述第一指标体系进行编码处理,以生成第一多维坐标编码;
计算模块,用于获取多个所述第一指标体系对应的评价对象的最底层指标数据,作为输入数据,并选取对应的指标加权算法逐层对不同层级的各个指标的指标得分以及指标排名进行计算,以根据所述指标得分以及指标排名,计算出所述第一指标体系的排名结果;
指标体系调整模块,用于通过调整所述第一多维坐标编码和/或更改指标数据,以对所述第一指标体系进行调整,形成第二指标体系;
分析与诊断模块,用于分别对所述第一指标体系以及第二指标体系的权重分布特征进行分析,并进行稳健性诊断,以输出对应的权重分布特征分析结果以及稳健性诊断结果。
第三方面,提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,所述处理器执行所述计算机可读指令时实现如上述所述基于坐标编码的量化指标体系生成及诊断方法的步骤。
第四方面,提供了一种可读存储介质,所述可读存储介质存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上述所述基于坐标编码的量化指标体系生成及诊断方法的步骤。
上述基于坐标编码的量化指标体系生成及诊断方法、系统、计算机设备及存储介质,其方法实现,包括:建立第一指标体系层级结构模型,以确定所述第一指标体系的层级结构以及归属关系,并根据所述层级结构以及归属关系,对所述第一指标体系进行编码处理,以生成第一多维坐标编码;获取多个所述第一指标体系对应的评价对象的最底层指标数据,作为输入数据,并选取对应的指标加权算法逐层对不同层级的各个指标的指标得分以及指标排名进行计算,以根据所述指标得分以及指标排名,计算出所述第一指标体系的排名结果;通过调整所述第一多维坐标编码和/或更改指标数据,以对所述第一指标体系进行调整,形成第二指标体系;分别对所述第一指标体系以及第二指标体系的权重分布特征进行分析,并进行稳健性诊断,以输出对应的权重分布特征分析结果以及稳健性诊断结果。在本申请实施例中,通过对量化指标体系对应指标分层归属结构的编码化处理,首创性地实现对指标体系在任意体系架构下的灵活计算(给出各层级的指标得分以及指标排名)、快速调整(更改指标数据或指标体系上下级归属结构后,可快速给出指标体系排名结果),以及对指标体系分评价对象(任意指标体系的排名对象)、指标维度(任意一类指标或一级指标)的重要性(对最终排名的影响大小)分析乃至整体指标体系的稳健性(指标数据或结构、或指标加权算法调整前后的排名变化大小)等的全面诊断功能。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1是本发明一实施例中基于坐标编码的量化指标体系生成及诊断方法的一流程示意图;
图2是本发明一实施例中基于坐标编码的量化指标体系生成及诊断系统的一结构示意图;
图3是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
在一实施例中,如图1所示,提供一种基于坐标编码的量化指标体系生成及诊断方法,包括如下步骤:
在步骤S110中,建立第一指标体系层级结构模型,以确定所述第一指标体系的层级结构以及归属关系,并根据所述层级结构以及归属关系,对所述第一指标体系进行编码处理,以生成第一多维坐标编码;
在本申请实施例中,该第一指标体系和/或第二指标体系可为任意一种指标体系,示例性的,可为经济高质量发展水平的指标体系、数字经济发展水平的指标体系等。
在本申请实施例中,该层级结构模型可根据需要,构建不同的层级结构模型,例如,树状层级结构表,该树状层级结构表用于表达各个指标之间归属关系的树状结构图,可直观地说明指标体系的结构,可作为最常见的指标体系的定义和输入形式。以如下表1中所示的指标体系为例:该指标体系有q=3个层级的指标,第三层级(最低层级,对应指标体系的输入数据)共有个指标,第二层级共有两个指标,第一层级(最高层级)共有一个指标。
表1:结构表举例,具体如下所示:
在本申请一实施例中,所述建立指标体系层级结构模型,以确定所述指标体系的层级结构以及归属关系,包括:
建立所述第一指标体系的树状层级结构表;
将所述树状层级结构表转换为关系表,所述关系表包括所述层级结构以及归属关系。
其中,该关系表是指常见的数据库存储格式的指标体系,可通过该树状结构表转换得到,便于存储与处理,可按照表1所示例子,快速转换得到更易于存储和操作的关系表,其具体可如下表2所示的数据框。表2与表1一一对应。
表2:关系表举例,具体如下所示:
进一步,可将该关系表转换为坐标表,该坐标表用于表达各个指标之间归属关系的多维数组,例如,F指标体系有q个层级的指标,最低层级共有个指标,则每个最低层级指标的位置可以用长度为q的数组来定位。此外,在进行转换时,可以检查指标体系的层级结构是否正确。例如,若某指标对应多个上级指标,会提示进行修改,而不会生成错误的坐标表。
可以理解的,该坐标表也可转换为关系表。
表3:结构表与坐标表的转换举例,具体如下所示:
在本申请实施例中,该关系表可以便于对指标体系进行检查和可视化,该坐标表则便于对指标体系进行快速调整。此外,每个指标对应坐标值的第q级索引为0, 1, 2 …,,即,所有指标对应坐标值的第q级索引是独一无二的,可有效避免在通过坐标表调整已有指标的结构时,可能出现的指标坐标值冲突和覆盖问题。
在步骤S120中,获取多个所述第一指标体系对应的评价对象的最底层指标数据,以作为输入数据,并选取对应的指标加权算法逐层对不同层级的各个指标的指标得分以及指标排名进行计算,以根据所述指标得分以及指标排名,计算出所述第一指标体系的排名结果;
在本申请实施例中,该第一指标体系对应的评价对象的底层指标数据可为评价对象数量为的底层指标数据,若最低层级共有个指标,则导入的数据为的表格(数据框),并与前的关系表横向合并。在合并后的数据框中,前q列描述了各级指标之间的关系,后n列为最低层级指标的原始数据。通过导入该底层指标数据,可用于对该第一指标体系的排名结果提供计算数据,例如,在经济高质量发展水平的指标体系中,需要对各个地区或者城市进行排名时,需要该地区或者城市的全部指标数据,才可计算出该地区或者城市的最终排名。
在本申请一实施例中,所述选取对应的指标加权算法对合并后的不同层级对应的指标得分以及指标排名进行计算之前,包括:
当所述第一指标体系中的指标存在超过预设阈值的缺失值时,则将所述指标对应的全部数据调整为缺失值,并将所述指标的权重设置为0。
具体地,当第一指标体系中任意一个层级中的任意一个指标存在超过预设阈值的缺失值时,例如50%,则不使用该指标,并将该指标下的全部数据调整为缺失值NA。此外,为了便于调整指标体系的结构,无需在坐标表以及关系表中删除该指标,可将该指标的权重均设置为0,并上传至上一级指标,以便进行运算。
在本申请一实施例中,所述选取对应的指标加权算法对合并后的不同层级对应的指标得分以及指标排名进行计算,包括:
在不同指标层级间选取对应的指标加权算法对不同指标层级的各个指标的权重进行计算;
将每个层级各个指标的数值与各个指标对应的权重相乘,以得到不同层级下的指标得分;
根据所述指标得分,确定所述指标对应的指标排名。
其中,最底层级各个指标的数值原始可得,非最低层级各指标的数值通过加权计算得到数值。
具体地,可预先配置多种不同的指标加权算法,并可根据指标体系的不同以及需求,可选取对应的指标加权算法进行指标体系的得分以及排名的计算。例如,可以从指标变异性和指标离散程度(信息量)等维度出发考虑赋予指标计算的权重。
示例性的,该指标加权算法具体可包括但不限于逐级等权法、标准离差法、变异系数法、熵权法、反熵权法和CRITIC法。
逐级等权法:
其中,指标体系评价对象共有n个,评价对象记为i,i取值1, 2, …,n。
在本申请实施例中,基于输入数据,可根据需求选取上述加权算法中任意一个加权算法,不同指标层级间可选取相同或者不同的加权算法,除上述列举的加权算法,也可选取其他的加权算法进行计算,即,可得到指标体系不同层级的权重。然后将对应层级全部指标的数值和指标各自对应的权重相乘,即可得到该层级下的指标得分。从最下一层开始计算,逐层计算直至最上层,即可实现指标体系的逐层加权计算。从而计算出不同层级的指标得分。
进一步,根据该指标得分,即可以确定该指标排名。
在本申请实施例中,在对指标体系的不同层级进行逐层计算时,由于中间层级有多个指标,因此会存在多个指标排名(每个层级不同指标下的排名),当计算到最上层时,会存在一个综合指标,因此会计算出一个最终排名。
在步骤S130中,通过调整所述第一多维坐标编码和/或更改指标数据,以对所述第一指标体系进行调整,形成第二指标体系;
在本申请一实施例中,可通过增加或者删除指标实现对指标体系的调整。具体地,可以根据需要,确定调整范围,即确定需要增加或者删除的指标,例如,可在关系表中增加新指标的信息,以存储该指标对应各上层指标的名称,并将增加新指标的新的关系表转换为坐标表。或者,可在关系表中删除某个指标的信息,并将删除后的新的关系表转换为坐标表。或者可在坐标表中将该指标对应的坐标值删除,将新的坐标表转换为关系表,即可得到新的指标体系。
在本申请一实施例中,还可通过调整某个指标上级指标实现对指标体系的调整。具体地,可以将该指标所在的坐标值对应的索引进行修改。例如,将某个3级指标所对应的2级指标进行替换,则仅需更改多维数组坐标编码中对应的2级指标的坐标值即可,无需更改数组中其他坐标值。示例性的,将本来归属于第0个2级指标的第1个3级指标,调整为归属于第1个2级指标,仅需把坐标表中的坐标(0,0,1)替换为(0,1,1)。可以理解的,该第一指标体系的层级归属关系可通过第一多维坐标编码进行调整。当需要将指标体系中的上级指标调整到另外一个,仅需修改对应的坐标即可,且根据该坐标可以快速进行定位,清楚知道其属于哪一个指标,便于进行检查,因此通过设置多维坐标编码可以实现对指标体系的快速调整,以搭建整个坐标体系。
在本申请实施例中,还可以定位调整坐标,即可通过该第一多维坐标编码对调整坐标进行定位,即调整后的坐标表可以转换为关系表,具体可参见上表三中所示,通过具体的具体的坐标值,可以定位更改的指标,且便于对调整后的新指标体系进行检查以及实现可视化。
在本申请实施例中,通过选取的不同加权算法对不同层级的各个指标的得分进行计算,逐级获取每一层级的指标得分,进而可获取各个评价对应的综合得分当计算出第一指标体系与第二指标体系的各个评价对象的综合得分后,可以进一步根据该第一指标体系综合得分与第二指标体系的各个评价对象的综合得分之间的差值,以对比第一指标体系与第二指标体系调整前后的结果。例如,当该差值的绝对值大于某阈值时,则认为第一指标体系和第二指标体系有较大区别,例如两个指标体系的侧重性是否不同。
在本申请实施例中,通过所述多维坐标编码,对所述第一指标体系进行调整,以形成第二指标体系之后,包括:
构建所述第二指标体系的层级结构模型,以确定所述第二指标体系的层级结构以及归属关系,并根据所述第二指标体系的层级结构以及归属关系,对所述第二指标体系进行编码处理,以生成第二多维坐标编码;
获取多个所述第二指标体系对应的评价对象的底层指标数据,并选取对应的指标加权算法逐层对不同层级的各个指标的指标得分以及指标排名进行计算,以获取所述第二指标体系的排名结果;
通过调整所述第二多维坐标编码和/或更改指标数据,以对所述第二指标体系进行调整,形成第三指标体系。
具体地,当输入任意一个指标体系后,均可通过上述步骤S110-120以采用不同的加权算法,根据不同的权重得到不同的指标排名结果,可以给出多种选择,当对输入的指标体系进行快速调整后,则可形成新的指标体系,此时,新的指标体系可以重新执行步骤S110-120,并再次通过步骤S130中,形成新的指标体系,即上述第三指标体系,可以理解的,第三指标体系也可再次通过上述步骤S110-130,从而可再次形成新的指标体系。因此对于任何指标体系均可快速计算出排名结果,也可快速形成新的指标体系,具有广泛的应用场景。
在步骤S140中,分别对所述第一指标体系以及第二指标体系的权重分布特征进行分析,并进行稳健性诊断,以输出对应的权重分布特征分析结果以及稳健性诊断结果。
在本申请一实施例中,分别对所述第一指标体系以及第二指标体系的权重分布特征进行分析,包括:
分别计算所述第一指标体系以及第二指标体系的各个指标的全局权重;
确定聚类数,并根据所述聚类数,按照所述第一指标体系以及第二指标体系的各个指标的全局权重大小,对所述第一指标体系以及第二指标体系的各个指标进行聚类;
根据聚类结果,确定所述第一指标体系的第一侧重性,以及第二指标体系的第二侧重性;
将所述第一侧重性与所述第二侧重性进行对比分析,以对比出所述第一指标体系以及第二指标体系的特征分析结果。
具体地,通过指标权重聚类,并确定指标特征分析维度对应的指标坐标,然后对比第一指标体系与第二指标体系的结果变化,以对比出所述第一指标体系以及第二指标体系的特征分析结果。
该指标权重聚类具体可采用机器学习中聚类的算法,实现对各指标的特征分析。以层次聚类为例(层次聚类是无监督机器学习中聚类算法的一种,通过计算不同类别数据点间的相似度来创建一棵有层次的嵌套聚类树。其中,不同类别的数据点是树的最低层,树的顶层是聚类的根节点。这里不同评价对象的全局权重代表不同的数据点):首先获取各指标的全局权重,某指标的全局权重由该指标对应的各层权重相乘获得,例如,在上述表1所示指标体系中,三级指标的全局权重可由所在层级的权重和所在层级的权重相乘得到;其中各底层指标的全局权重之和为1,即。然后进行分级聚类、并绘制层次聚类的树状图,可以根据用户的需要,结合树状图的结构来确定类的数量。例如,可以将聚类数设置为3。然后应用层次聚类的方法,根据设置的类数,按照权重的大小给各指标进行聚类,并输出结果。
其中,若需获取各个评价对象的最终得分,则需对每个评价对象各底层指标的得分与对应的全局权重先相乘、再求和。
进一步,在获取到聚类结果后,可通过每个指标对应的坐标进行定位,以快速获取评价体系的侧重性。例如,在上述表1所示的指标体系中,可以通过聚类结果,快速的得到归属于高权重聚类簇的指标,有多少隶属于类或类,从而快速获悉该指标体系中分配权重较大的指标的主要特性和侧重,以实现对指标体系诊断的目标。
对第一指标体系以及第二指标体系均可采用上述方式,以获取第一指标体系的第一侧重性以及第二指标体系的第二侧重性,进而对第一侧重性以及第二侧重性进行对比分析,以实现对比指标体系调整前后的特征分析结果。
应当理解,尽管在本申请实施例中可能采用术语第一、第二等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本发明实施例范围的情况下,第一侧重性也可以被称为第二侧重性,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。类似地,第二侧重性也可以被称为第一侧重性。
在本申请一实施例中,所述分别对所述第一指标体系以及第二指标体系的稳健性进行诊断,包括:
在指定指标体系下,分别计算所述第一指标体系以及第二指标体系中的各个评价对象在不同赋权算法下的第一平均排名;
根据所述第一平均排名,分别计算所述第一指标体系以及第二指标体系中的第一评价对象,或者所有评价对象在不同赋权算法下的第一排名稳健性;和/或
在指定赋权算法下,分别计算所述第一指标体系以及第二指标体系中的各个评价对象在不同指标体系下的第二平均排名;
根据所述第二平均排名,比较所述第一指标体系以及第二指标体系中的第二评价对象在不同指标体系下的排名差异,比较所有评价对象在指定赋权算法下的第二排名稳健性。
在本申请实施例中,指标体系的波动来源于加权算法和指标体系结构的选择,在进行稳健性诊断时,可以对单个评价对象,也可以对所有评价对象。
当在多个功能相似的指定指标体系下,例如给定两个功能相似的第一指标体系和第二指标体系,则评价对象在不同赋权算法下的排名稳健性具体可通过如下方式获取:
所有评价对象:
当给定赋权算法,评价对象在不同指标体系下的排名稳健性具体可通过如下方式获取:
所有评价对象:
应当理解,对于指标体系的稳健性计算,可采用上述给定指标体系,计算所有或单个评价对象在不同赋权算法下的稳健性的方式,也可采用上述给定赋权算法,计算所有或单个评价对象在不同指标体系下的稳健性的方式,或者可以两种均可采用。
在本申请实施例中,通过对量化指标体系对应指标分层归属结构的编码化处理,首创性地实现对指标体系在任意体系架构下的灵活计算(给出各层级的指标得分以及指标排名)、快速调整(更改指标数据或指标体系上下级归属结构后,可快速给出调整后的指标体系排名结果),以及对指标体系分评价对象(任意指标体系的排名对象)、指标维度(任意一类指标或一级指标)的重要性(对最终排名的影响大小)分析乃至整体指标体系的稳健性(指标数据或结构、或指标加权算法调整前后的排名变化大小)等的全面诊断功能。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种基于坐标编码的量化指标体系生成及诊断系统,该基于坐标编码的量化指标体系生成及诊断系统与上述实施例中基于坐标编码的量化指标体系生成及诊断方法一一对应。如图2所示,该基于坐标编码的量化指标体系生成及诊断系统包括多维编码模块10、计算模块20、指标体系调整模块30和分析与诊断模块40。各功能模块详细说明如下:
多维编码模块10,用于建立第一指标体系层级结构模型,以确定所述第一指标体系的层级结构以及归属关系,并根据所述层级结构以及归属关系,对所述第一指标体系进行编码处理,以生成第一多维坐标编码;
计算模块20,用于获取多个所述第一指标体系对应的评价对象的底层指标数据,并选取对应的指标加权算法逐层对不同层级的各个指标的指标得分以及指标排名进行计算,以根据所述指标得分以及指标排名,计算出所述第一指标体系的排名结果;
指标体系调整模块30,用于通过调整所述第一多维坐标编码和/或更改指标数据,以对所述第一指标体系进行调整,形成第二指标体系;
分析与诊断模块40,用于分别对所述第一指标体系以及第二指标体系的权重分布特征进行分析,并进行稳健性诊断,以输出对应的权重分布特征分析结果以及稳健性诊断结果。
在一实施例中,所述多维编码模块10还用于:
构建所述第二指标体系的层级结构模型,以确定所述第二指标体系的层级结构以及归属关系,并根据所述第二指标体系的层级结构以及归属关系,对所述第二指标体系进行编码处理,以生成第二多维坐标编码;
所述计算模块20还用于:获取多个所述第二指标体系对应的评价对象的最底层指标数据,以作为输入数据,并选取对应的指标加权算法逐层对不同层级的各个指标的指标得分以及指标排名进行计算,以获取所述第二指标体系的排名结果;
所述指标体系调整模块30,还用于:通过调整所述第二多维坐标编码和/或更改指标数据,以对所述第二指标体系进行调整,形成第三指标体系。
在一实施例中,所述分析与诊断模块40,还用于:
分别计算所述第一指标体系以及第二指标体系的各个指标的全局权重;
确定聚类数,并根据所述聚类数,按照所述第一指标体系以及第二指标体系的各个指标的全局权重大小,对所述第一指标体系以及第二指标体系的各个指标进行聚类;
根据聚类结果,确定所述第一指标体系的第一侧重性,以及第二指标体系的第二侧重性;
将所述第一侧重性与所述第二侧重性进行对比分析,以对比出所述第一指标体系以及第二指标体系的特征分析结果。
在一实施例中,所述分析与诊断模块40,还用于:
在指定指标体系下,分别计算所述第一指标体系以及第二指标体系中的各个评价对象在不同赋权算法下的第一平均排名;
根据所述第一平均排名,分别计算所述第一指标体系以及第二指标体系中的第一评价对象,或者所有评价对象在不同赋权算法下的第一排名稳健性;和/或
在指定赋权算法下,分别计算所述第一指标体系以及第二指标体系中的各个评价对象在不同指标体系下的第二平均排名;
根据所述第二平均排名,比较所述第一指标体系以及第二指标体系中的第二评价对象在不同指标体系下的排名差异,比较所有评价对象在指定赋权算法下的第二排名稳健性。
在一实施例中,所述计算模块20还用于:
当所述第一指标体系中的指标存在超过预设阈值的缺失值时,则将所述指标对应的全部数据调整为缺失值,并将所述指标的权重设置为0。
在一实施例中,所述计算模块20还用于:
在不同指标层级间选取对应的指标加权算法对不同指标层级的各个指标的权重进行计算;
将每个层级各个指标的数值与各个指标对应的权重相乘,以得到不同层级下的指标得分;
根据所述指标得分,确定所述指标对应的指标排名。
在一实施例中,多维编码模块10,还用于:
建立所述指标体系的树状层级结构表;
将所述树状层级结构表转换为关系表,所述关系表包括所述层级结构以及归属关系。
在本申请实施例中,通过对量化指标体系对应指标分层归属结构的编码化处理,首创性地实现对指标体系在任意体系架构下的灵活计算(给出各层级的指标得分以及指标排名)、快速调整(更改指标数据或指标体系上下级归属结构后,可快速给出调整后的指标体系排名结果),以及对指标体系分评价对象(任意指标体系的排名对象)、指标维度(任意一类指标或一级指标)的重要性(对最终排名的影响大小)分析乃至整体指标体系的稳健性(指标数据或结构、或指标加权算法调整前后的排名变化大小)等的全面诊断功能。
关于基于坐标编码的量化指标体系生成及诊断系统装置的具体限定可以参见上文中对于基于坐标编码的量化指标体系生成及诊断方法的限定,在此不再赘述。上述基于坐标编码的量化指标体系生成及诊断系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端设备,其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括可读存储介质。该可读存储介质存储有计算机可读指令。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机可读指令被处理器执行时以实现一种基于坐标编码的量化指标体系生成及诊断方法。本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。
在一实施例中,提供了一种计算机设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机可读指令,处理器执行计算机可读指令时实现如上述基于坐标编码的量化指标体系生成及诊断方法的步骤。
在一实施例中,提供了一种可读存储介质,可读存储介质存储有计算机可读指令,计算机可读指令被处理器执行时实现如上述基于坐标编码的量化指标体系生成及诊断方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,所述的计算机可读指令可存储于一非易失性可读取存储介质或易失性可读存储介质中,该计算机可读指令在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、直接存储器总线动态RAM(DRDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于坐标编码的量化指标体系生成及诊断方法,其特征在于,所述方法,包括:
建立第一指标体系层级结构模型,以确定所述第一指标体系的层级结构以及归属关系,并根据所述层级结构以及归属关系,对所述第一指标体系进行编码处理,以生成第一多维坐标编码;其中,所述建立第一指标体系层级结构模型,以确定所述第一指标体系的层级结构以及归属关系,并根据所述层级结构以及归属关系,对所述第一指标体系进行编码处理,以生成第一多维坐标编码,包括:
建立所述第一指标体系的树状层级结构表;
将所述树状层级结构表转换为关系表,所述关系表包括所述层级结构以及归属关系;
根据所述层级结构以及归属关系,将所述关系表转换为坐标表,所述坐标表用于表达各个指标之间归属关系的多维数组,将所述多维数组作为所述第一多维坐标编码;
获取多个所述第一指标体系对应的评价对象的最底层指标数据,作为输入数据,并选取对应的指标加权算法逐层对不同层级的各个指标的指标得分以及指标排名进行计算,以根据所述指标得分以及指标排名,计算出所述第一指标体系的排名结果;
通过所述第一多维坐标编码,对待更改指标的坐标值对应的索引进行修改,和/或,在所述关系表中增加新的指标或者删除目标指标,以生成第二指标体系;分别对所述第一指标体系以及第二指标体系的权重分布特征进行分析,并进行稳健性诊断,以输出对应的权重分布特征分析结果以及稳健性诊断结果;
其中,所述分别对所述第一指标体系以及第二指标体系的稳健性进行诊断,包括:在指定指标体系下,分别计算所述第一指标体系以及第二指标体系中的各个评价对象在不同赋权算法下的第一平均排名;
根据所述第一平均排名,分别计算所述第一指标体系以及第二指标体系中的第一评价对象,或者所有评价对象在不同赋权算法下的第一排名稳健性;和/或
在指定赋权算法下,分别计算所述第一指标体系以及第二指标体系中的各个评价对象在不同指标体系下的第二平均排名;
根据所述第二平均排名,比较所述第一指标体系以及第二指标体系中的第二评价对象在不同指标体系下的排名差异,比较所有评价对象在指定赋权算法下的第二排名稳健性。
2.如权利要求1所述的基于坐标编码的量化指标体系生成及诊断方法,其特征在于,所述通过所述多维坐标编码,对所述第一指标体系进行调整,以形成第二指标体系之后,包括:
构建所述第二指标体系的层级结构模型,以确定所述第二指标体系的层级结构以及归属关系,并根据所述第二指标体系的层级结构以及归属关系,对所述第二指标体系进行编码处理,以生成第二多维坐标编码;
获取多个所述第二指标体系对应的评价对象的底层指标数据,并选取对应的指标加权算法逐层对不同层级的各个指标的指标得分以及指标排名进行计算,以获取所述第二指标体系的排名结果;
通过调整所述第二多维坐标编码和/或更改指标数据,以对所述第二指标体系进行调整,形成第三指标体系。
3.如权利要求1或2任意一项所述的基于坐标编码的量化指标体系生成及诊断方法,其特征在于,所述分别对所述第一指标体系以及第二指标体系的权重分布特征进行分析,包括:
分别计算所述第一指标体系以及第二指标体系的各个指标的全局权重;
确定聚类数,并根据所述聚类数,分别按照所述第一指标体系以及第二指标体系的各个指标的全局权重大小,对所述第一指标体系以及第二指标体系的各个指标进行聚类;
根据聚类结果,确定所述第一指标体系的第一侧重性,以及第二指标体系的第二侧重性;
将所述第一侧重性与所述第二侧重性进行对比分析,以对比出所述第一指标体系以及第二指标体系的特征分析结果。
4.如权利要求1所述的基于坐标编码的量化指标体系生成及诊断方法,其特征在于,所述选取对应的指标加权算法对合并后的不同层级对应的指标得分以及指标排名进行计算之前,包括:
当所述第一指标体系中的指标存在超过预设阈值的缺失值时,则将所述指标对应的全部数据调整为缺失值,并将所述指标的权重设置为0。
5.如权利要求1或4任意一项所述的基于坐标编码的量化指标体系生成及诊断方法,其特征在于,所述选取对应的指标加权算法对合并后的不同层级对应的指标得分以及指标排名进行计算,包括:
在不同指标层级间选取对应的指标加权算法对不同指标层级的各个指标的权重进行计算;
将每个层级各个指标的数值与各个指标对应的权重相乘,以得到不同层级下的指标得分;
根据所述指标得分,确定所述指标对应的指标排名。
6.一种基于坐标编码的量化指标体系生成及诊断系统,其特征在于,包括:
多维编码模块,用于建立第一指标体系层级结构模型,以确定所述第一指标体系的层级结构以及归属关系,并根据所述层级结构以及归属关系,对所述第一指标体系进行编码处理,以生成第一多维坐标编码;
计算模块,用于获取多个所述第一指标体系对应的评价对象的最底层指标数据,作为输入数据,并选取对应的指标加权算法逐层对不同层级的各个指标的指标得分以及指标排名进行计算,以根据所述指标得分以及指标排名,计算出所述第一指标体系的排名结果;
指标体系调整模块,用于通过调整所述第一多维坐标编码和/或更改指标数据,以对所述第一指标体系进行调整,形成第二指标体系;
分析与诊断模块,用于分别对所述第一指标体系以及第二指标体系的权重分布特征进行分析,并进行稳健性诊断,以输出对应的权重分布特征分析结果以及稳健性诊断结果;
所述分析与诊断模块,还用于:
在指定指标体系下,分别计算所述第一指标体系以及第二指标体系中的各个评价对象在不同赋权算法下的第一平均排名;
根据所述第一平均排名,分别计算所述第一指标体系以及第二指标体系中的第一评价对象,或者所有评价对象在不同赋权算法下的第一排名稳健性;和/或
在指定赋权算法下,分别计算所述第一指标体系以及第二指标体系中的各个评价对象在不同指标体系下的第二平均排名;
根据所述第二平均排名,比较所述第一指标体系以及第二指标体系中的第二评价对象在不同指标体系下的排名差异,比较所有评价对象在指定赋权算法下的第二排名稳健性。
7.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,其特征在于,所述处理器执行所述计算机可读指令时实现如权利要求1至5任意一项所述基于坐标编码的量化指标体系生成及诊断方法的步骤。
8.一种可读存储介质,所述可读存储介质存储有计算机可读指令,其特征在于,所述计算机可读指令被处理器执行时实现如权利要求1至5任意一项所述基于坐标编码的量化指标体系生成及诊断方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310339635.3A CN116050949B (zh) | 2023-04-03 | 2023-04-03 | 基于坐标编码的量化指标体系生成及诊断方法以及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310339635.3A CN116050949B (zh) | 2023-04-03 | 2023-04-03 | 基于坐标编码的量化指标体系生成及诊断方法以及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116050949A CN116050949A (zh) | 2023-05-02 |
CN116050949B true CN116050949B (zh) | 2023-07-11 |
Family
ID=86118573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310339635.3A Active CN116050949B (zh) | 2023-04-03 | 2023-04-03 | 基于坐标编码的量化指标体系生成及诊断方法以及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116050949B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112837184A (zh) * | 2021-02-22 | 2021-05-25 | 辽宁科技学院 | 一种适用于建筑工程的项目管理系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104820961A (zh) * | 2015-05-19 | 2015-08-05 | 重庆大学 | 一种基于网格化管理的公共危机网络预警评估方法 |
CN112053042A (zh) * | 2020-08-20 | 2020-12-08 | 湖南新航动力信息科技有限公司 | 动态构建效能评估体系的方法、系统、计算机设备及存储介质 |
CN112966946B (zh) * | 2021-03-12 | 2024-08-20 | 浙江中控技术股份有限公司 | 一种物料平衡指标体系框架的生成方法及装置 |
CN113435856A (zh) * | 2021-07-06 | 2021-09-24 | 中电科大数据研究院有限公司 | 一种个人简历数据编码及连续数值化方法 |
-
2023
- 2023-04-03 CN CN202310339635.3A patent/CN116050949B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112837184A (zh) * | 2021-02-22 | 2021-05-25 | 辽宁科技学院 | 一种适用于建筑工程的项目管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116050949A (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109165664B (zh) | 一种基于生成对抗网络的属性缺失数据集补全与预测方法 | |
CN108921221B (zh) | 用户特征的生成方法、装置、设备及存储介质 | |
CN108304440A (zh) | 游戏推送的方法、装置、计算机设备及存储介质 | |
CN109472346B (zh) | 考虑部分数据模糊和缺失的应急物资需求预测的方法 | |
CN113407532A (zh) | Spark SQL多表连接优化方法、装置、计算机设备和存储介质 | |
CN112148942B (zh) | 基于数据聚类的业务指标数据分类方法及装置 | |
CN109767034B (zh) | 继电保护的定值优化方法、装置、计算机设备和存储介质 | |
CN116050949B (zh) | 基于坐标编码的量化指标体系生成及诊断方法以及系统 | |
WO2024164434A1 (zh) | Dcs系统中反应堆堆芯热功率测量方法与装置 | |
CN110275895B (zh) | 一种缺失交通数据的填充设备、装置及方法 | |
CN111158732A (zh) | 访问数据处理方法、装置、计算机设备及存储介质 | |
CN114821248B (zh) | 面向点云理解的数据主动筛选标注方法和装置 | |
CN116467466A (zh) | 基于知识图谱的编码推荐方法、装置、设备及介质 | |
CN116258923A (zh) | 图像识别模型训练方法、装置、计算机设备和存储介质 | |
CN115392594A (zh) | 一种基于神经网络和特征筛选的用电负荷模型训练方法 | |
CN115953330A (zh) | 虚拟场景图像的纹理优化方法、装置、设备和存储介质 | |
CN110599377A (zh) | 在线学习的知识点排序方法和装置 | |
CN115601550B (zh) | 模型确定方法、装置、计算机设备及计算机可读存储介质 | |
CN118036443A (zh) | 舒适性量化方法、装置、设备、存储介质和程序产品 | |
CN110942149B (zh) | 一种基于信息变化率及条件互信息的特征变量选择方法 | |
CN115796054A (zh) | 一种情景发现和脆弱性分析方法、系统、终端及存储介质 | |
CN116720918A (zh) | 视图编码器训练方法、物品推荐方法、装置、设备及介质 | |
CN118228178A (zh) | 基于人工智能的异常数据处理方法、装置、设备及介质 | |
CN118069478A (zh) | 芯片算力确定方法、装置、计算机设备和存储介质 | |
CN116629694A (zh) | 基于电网工程的esg指标体系算法模型确定方法和装置 |
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 |