您的位置: 主页 > VR2048 > gw16888:基于数据挖掘的企业诚信度评价模型

gw16888:基于数据挖掘的企业诚信度评价模型

时间: 2018-11-28阅读:

摘 要: 针对当前企业诚信度评价精度低的难题,结合企业诚信度的特点,提出基于数据挖掘的企业诚信度评价模型。建立企业诚信度评价指标,并根据指标收集评价数据,采用主成分分析法对企业诚信度评价指标进行筛选,得到比较重要的企业诚信度评价指标,采用熵值法确定企业诚信度评价指标权值,并通过数据挖掘实现企业诚信度评价,进行具体企业诚信度评价测试。实验结果表明,所提方法能够有效挖掘企业诚信度的变化特点,获得了较高精度的企业诚信度评价结果。

关键词: 企业诚信度; 评价模型; 数据挖掘; 仿真实验; 评价指标; 熵值法

中图分类号: TN911?34 文献标识码: A 文章编号: 1004?373X(2018)09?0161?04

Abstract: In order to improve the evaluation precision of the current enterprise credibility, the characteristics of enterprise credibility is combined to put forward a data mining based evaluation model of enterprise credibility. The evaluation index of enterprise credibility is established, according to which the evaluation data is collected. The principal component analysis is used to screen the evaluation index of enterprise credibility to obtain the more important evaluation index of the enterprise credibility. The entropy method is adopted to determine the weight of the enterprise credibility evaluation index. The data mining is used to realize the evaluation of enterprise credibility. The specific evaluation of enterprise credibility was tested. The experimental results show that the method can mine the change characteristics of enterprise credibility effectively, and obtain the high?precision evaluation result of enterprise credibility.

Keywords: enterprise credibility; evaluation model; data mining; simulation experiment; evaluation index; entropy method

0 引 言

随着企业规模的发展以及经济全球化的发展,企业之间的竞争越来越激烈,企业诚信度是衡量一个企业优劣的重要指标,因此对企业诚信度进行准确评价,具有十分重要的研究意义[1]。

针对企业诚信度评价问题,国内外专家和学者进行不懈的研究,而且花费了大量的时间和精力,提出了许多有效的企业诚信度评价方法[2]。最原始的企业诚信度评价方法主要通过一些专家和学者组成评价团,通过对比和分析对具体一个企业诚信度进行评价,它们评价结果比较直观,由于各专家和学者看问题角度、审美的角度不一样,导致评价结果差别较大,使得企业诚信度评价结果具有一定的主观盲目性[3?5]。近年来,随着计算机技术和信息处理技术不断的发展,出现了许多企业诚信度自动评价方法,如层次分析法的企业诚信度评价方法,通过层次分析构建企业诚信度评价指标体系,或者通过神经网络等人工智能算法建立企业诚信度评价模型,它们的评价结果要优于原始企业诚信度评价方法。在企业诚信度评价过程中,评价指标选择十分关键,不可能选择所有企业诚信度评价指标,这样使得指标之间的干扰比较大,因此一般人为选择指标的评价结果不客观[6?7]。同时每一个指标对企业诚信度评价结果的作用程度不一样,如何体现它们的作用程度,有待进一步解决[8]。

针对当前企业诚信度评价精度低的难题,结合企业诚信度的特点,提出基于数据挖掘的企业诚信度评价模型,进行具体企业诚信度评价测试,以验证本文模型的有效性。

1 企业诚信度指标的筛选

主成分分析是一种能够有效减少指标数量的分析方法,可以采用少量、互相独立的综合指标组成一个最优指标子集,它们所具备的信息可以代表原始的指标集包含的信息,这样可以大幅度降低指标的数量,避免指标之间的相互干扰,消除指标之间的重复信息[8]。设企业诚信度评价指标的样本数量为[N,]企业诚信度评价指标组成的集合为[xi,i=1,2,…,N,]那么主成分分析算法的工作步骤为:

三生教育网

2 数据挖掘的企业诚信度评价模型

2.1 构建企业诚信度评价的指标矩阵

设企业诚信度评价方案有[m]个,每一个评价方案有[k]个评价指标,那么就可以建立如下的企业诚信度评价指标矩阵:

在构造企业诚信度评价指标矩阵时,常常需要进行定量分析,由于企业诚信度评价指标难以完全进行定量分析,只能通过模糊理论进行设置,建立一个全数字形式的企业诚信度评价指标矩阵。

2.2 确定理想的企业诚信度评价方案

企业诚信度评价方案的确定是灰色关联分析的关键部分,因为只有根据理想的企业诚信度评价方案才能确定其他的技术最优值。设理想的企业诚信度评价方案的指标评价值向量为[Uljal1,al2,…,alk],那么可以和矩阵[Aij]组成一个[m+1×k]阶矩阵[Aij,]即:

2.3 企業诚信度评价指标的无量纲化

由于企业诚信度评价指标的单位不一样,即量纲不同,那么它们的值会相差很大,这会给企业诚信度评价结果产生负面影响,因此需要对企业诚信度评价指标矩阵进行无量纲化处理。[Aij]的无量纲化具体处理方式如下:

2.4 关联系数求解

采用灰色关联分析法对[S]的各元素之间的关联系数进行计算,具体计算公式为:[rij=miniminj(1-sij)+εmaximaxj(1-sij)(1-sij)+εmaximaxj(1-sij)] (10)

式中:[min(1-sij)]表示企业诚信度评价方案的第一级最小差;[minmin(1-sij)]表示两级最小差;[maxmax(1-sij)]表示两级最大差;[ε]表示分辨系数。

2.5 层次分析法确定企业诚信度评价的指标权值

在企业诚信度评价方案中,每一个指标对评价结果的影响程度不同,常采用权值来描述,选择层次分析法确定权值,具体为:

三生教育网

1) 企业诚信度评价目标的确定,并构建评价指标集。

2) 构造企业诚信度评价方案的判断矩阵,采用多个专家确定,即:

2.6 计算关联度

根据关联系数和指标权重可以得到企业诚信度评价的综合关联度[Ui,]具体计算公式为:

3 测试结果与分析

为了分析本文提出的企业诚信度评价方法的性能,选择20家企业诚信度对象进行测试,它们的理想值如图1所示。对图1进行分析可以发现,本文方法的企业诚信度评价值与理想值相差很小,几乎可以忽略不计,得到了理想的企业诚信度评价结果。

对表1的企业诚信度评价结果进行分析可知,本文方法的企业诚信度评价精度要远远高于主成分分析法、层次分析法、RBF神经网络,这是因为对比方法无法对企业诚信度过程进行准确反映,导致企业诚信度评价偏差大,而本文方法通过主成分分析法对企业诚信度评价指标进行选择,剔除了一些无用的指标,并通过灰色关联法确定指标之间的关联程度,可以消除指标之间的重复信息,最后通过层次分析法确定各个指标对企业诚信度评价的贡献,可以准确描述企业诚信度的特点,得到较高精度的企业诚信度评价结果。

4 结 语

针对当前企业诚信度评价中的指标选择问题,难以获得更加理想的企业诚信度评价精度,提出基于灰色关联分析的企业诚信度评价方法,并通过具体实验验证其有效性,可以得到如下结论:

1) 企业诚信度评价指标众多,每一个指标对评价结果的贡献具有一定的差异,传统方法没有考虑该方面的影响,评价结果精度受到影响。

2) 采用主成分分析法对企业诚信度评价指标进行筛选,可以去掉一些不重要的评价指标,简化评价过程,加快了企业诚信度评价的速度。

3) 采用灰色关联分析法对企业诚信度进行评价,可以有效区分各种企业诚信度的等级,得到比较科学、客观的企业诚信度评价结果。

参考文献

[1] WONG L H, CHAI C S, ZHANG X, et al. Employing the TPACK framework for researcher?teacher co?design of a mobile?assisted seamless language learning environment [J]. IEEE transactions on learning technologies, 2015, 8(1): 31?42.

[2] 吴殿廷,吴迪.用主成分分析法作多指标综合评价应该注意的问题[J].数学的实践与认识,2015,45(20):143?150.

WU Dianting, WU Di. The problems that should be paid attention to by the principal component analysis method for multi index comprehensive evaluation [J]. Journal of mathematics in practice and theory, 2015, 45(20): 143?150.

[3] ZHAO Y W, HUANG F L, LI Z F, et al. Research in method of reliability optimization based on multi?objective fuzzy matter?element with fuzzy chance constraint [J]. Key engineering materials, 2006, 316(10): 430?435.

[4] LEE E, PARK Y, SHIN J G. Large engineering project risk management using a Bayesian belief network [J]. Expert systems with applications, 2009, 36(3): 458?461.

[5] 戴婷.企业诚信度的贝叶斯估计研究[J].数学理论与应用,2008,28(3):35?39.

DAI Ting. The Bayesian estimation of the enterprise′s faith level [J]. Mathematical theory and application, 2008, 28(3): 35?39.

[6] 羌薇,张黎翔.分级分类的多元综合诚信评价指标体系[J].市场研究,2016(2):30?34.

QIANG Wei, ZHANG Lixiang. Hierarchical classification of multiple comprehensive integrity evaluation index system [J]. Marketing research, 2016(2): 30?34.

[7] 袁磊,李书琴.主成分分析在小麦条锈病预测中的应用[J].计算机工程与设计,2010,31(2):459?461.

YUAN Lei, LI Shuqin. Application of principal component analysis in the prediction of wheat stripe rust [J]. Computer engineering and design, 2010, 31(2): 459?461.

[8] ROY U, PRAMANIK N, SUDASAN R, et al. Function?to?form mapping: model, representation and applications in design synthesis [J]. Computer?aided design, 2001, 23(10): 699?712.

[9] 姚延波,焦彦,胡宇橙,等.我国旅游企业诚信评价指标体系的构建[J].天津师范大学学报(社会科学版),2013(6):30?34.

YAO Yanbo, JIAO Yan, HU Yucheng, et al. Credit evaluation index system construction of tourism enterprises in China [J]. Journal of Tianjin Normal University (social science edition), 2013(6): 30?34.

[10] 谭中明,江红莉,张静.基于贝叶斯网络的食品生产企业诚信度评估[J].统计与决策,2015(23):181?183.

TAN Zhongming, JIANG Hongli, ZHANG Jing. Integrity assessment of food production enterprises based on Bayesian networks [J]. Statistics and decision?making, 2015(23): 181?183.

上一篇:清心奇迹:基于Android平台的车路协同系统车载终端设计
下一篇:没有了

相关阅读