基于大数据挖掘算法实现办税服务厅自动分级的方法技术

本发明专利技术公开了基于大数据挖掘算法实现办税服务厅自动分级的方法，包括步骤：S1、响应于用户的输入数据，确定进行办税服务厅自动分级所需的指标集；S2、根据指标集的每项指标，对多个税务服务厅进行对应的原始数据采集后，对采集的原始数据进行数据清洗和转换；S3、通过层次分析处理方法，计算每项指标的权重，进而构建KPI算法模型，计算输出每个办税服务厅的KPI得分；S4、根据计算出的KPI得分，采用K‑means聚类算法对所述多个办税服务厅进行分类。本发明专利技术可以实现对办税服务厅的自动分级，较为科学、客观，稳定性高，数据处理速度快，分类效率高，可广泛应用于衡器行业中。

【技术实现步骤摘要】
基于大数据挖掘算法实现办税服务厅自动分级的方法
本专利技术涉及数据处理领域，特别是涉及基于大数据挖掘算法实现办税服务厅自动分级的方法。
技术介绍
名词解释：KPI：KeyPerformanceIndicator，关键绩效指标；K-means聚类：一种聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则；AHP方法：层次分析处理方法，AHP全称AnalyticHierarchyProcess，是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；min-max标准化：基于数据的最小值和最大值进行数据的标准化；Z-score标准化：基于数据的均值和标准差进行数据的标准化；目前办税服务厅的管理制度和资源配置要求，均是统一配置，不考虑服务厅的数据业务量等需求，导致办税服务厅存在资源浪费和资源不足、服务过度与服务不足、工作人员忙闲不均等问题。对办税服务厅进行分类可以较好的解决该问题。而当前办税服务厅分类的主要是基于人的主观意见采用手动操作方式进行分级或分类，基于手工本文档来自技高网...

【技术保护点】
基于大数据挖掘算法实现办税服务厅自动分级的方法，其特征在于，包括步骤：S1、响应于用户的输入数据，确定进行办税服务厅自动分级所需的指标集；S2、根据指标集的每项指标，对多个税务服务厅进行对应的原始数据采集后，对采集的原始数据进行数据清洗和转换；S3、通过层次分析处理方法，计算每项指标的权重，进而构建KPI算法模型，计算输出每个办税服务厅的KPI得分；S4、根据计算出的KPI得分，采用K‑means聚类算法对所述多个办税服务厅进行分类。

【技术特征摘要】
1.基于大数据挖掘算法实现办税服务厅自动分级的方法，其特征在于，包括步骤：S1、响应于用户的输入数据，确定进行办税服务厅自动分级所需的指标集；S2、根据指标集的每项指标，对多个税务服务厅进行对应的原始数据采集后，对采集的原始数据进行数据清洗和转换；S3、通过层次分析处理方法，计算每项指标的权重，进而构建KPI算法模型，计算输出每个办税服务厅的KPI得分；S4、根据计算出的KPI得分，采用K-means聚类算法对所述多个办税服务厅进行分类。2.根据权利要求1所述的基于大数据挖掘算法实现办税服务厅自动分级的方法，其特征在于，所述步骤S2中所述对采集的原始数据进行数据清洗和转换的步骤，其具体为：对采集的原始数据进行去噪处理后，采用数据归一化算法对其进行数据标准化。3.根据权利要求2所述的基于大数据挖掘算法实现办税服务厅自动分级的方法，其特征在于，所述归一化算法包括min-max标准化算法和Z-score标准化算法。4.根据权利要求1所述的基于大数据挖掘算法实现办税服务厅自动分级的方法，其特征在于，所述步骤S3，包括：S31、根据指标集中的多项指标，利用一致矩阵法，两两比较指标之间的重要性，从而构造比较矩阵；S32、分别计算每项指标的权重；S33、对比较矩阵进行一致性检验，并在一致性检验结果不合格时，返回步骤S31重新构造比较矩阵进行计算，在一致性检验结果合格时，执行步骤S34；S34、根据每项指标的权重计算每个办税服务厅的KPI得分。5.根据权利要求4所述的基于大数据挖掘算法实现办税服务厅自动分级的方法，其特征在于，所述步骤S32，具体包括：S321、根据下式分别计算比较矩阵的每一行的指标的累计乘积：

【专利技术属性】
技术研发人员：汪疆平，林丹，段胡胡，
申请(专利权)人：北明软件有限公司，
类型：发明
国别省市：广东,44