一种权重因素等级评价方法及系统技术方案

本发明专利技术涉及一种权重因素等级评价方法及系统，所述方法包括数据采集终端将从采样存储器中调取的样本数据传输到信息处理服务器；信息处理服务器对样本数据进行预处理；对经过预处理的样本数据进行权重因素分析；通过权重因素分析获得评价等级模型；评价等级模型存储于数据存储器中；数据采集终端收集待处理数据，将待处理数据输入评价等级模型，获得待处理数据的评价等级。本发明专利技术一种权重因素等级评价方法及系统在采集了海量政府部门数据，企业内部数据以及舆情数据等相关信息的基础上，运用权重因素分析法，将多个评价指标转化为少数几个综合指标，可实现快速简洁的评价计算，弥补了传统评价方法在评价中忽略指标间关联关系的不足。

【技术实现步骤摘要】
一种权重因素等级评价方法及系统
本专利技术涉及网络数据管理领域，尤其涉及一种权重因素等级评价的方法及系统。
技术介绍
大数据技术是以数据为本质的一种信息技术，在数据挖潜过程中，能够带动理念、模式、技术及应用实践的创新。数据价值的凸显、数据获取手段及数据处理技术的改进是“大数据”爆发的根源。而随着数据生产要素化，数据科学、数据科技的不断发展和数据价值的深度挖掘和应用，将带动区域经济发展、智慧城市建设、企业转型升级、社会管理等各个领域的创新和发展。大数据在数据科学理论的指导下，将改变创新模式和管理理念，发展大数据技术，深化大数据应用和实践。而行业大数据将是大数据最大最佳的应用领域。将大数据的应用运用到企业管理中，可以在海量的数据中统计分析出想要实现的结果，训练计算统计模型，帮助企业管理者掌握精准企业信息，指导企业行为和引导公众消费。但目前大数据应用存在着诸多的缺点，例如，数据的分析需要基于海量的数据积累，目前大数据需要根据数以百万计的海量数据进行分析，而绝大部分的平台缺乏大数据依托，往往是小数据或中数据，因此，数据的匮乏会导致计算结果缺乏说服力。另外，现有常规企业信用危机评价模型，主要有多变量统计模型、基于人工智能的信用风险评估模型、基于市场价值的信用风险评估模型等，这些模型对于样本的前提条件比较苛刻，现实中的样本数据严重违背了这些假定。而且模型选择的变量无法避免相互之间的多重共线性问题。人工智能信用模型的建立虽然在一定程度上解决了这些问题，但这种“黑箱”式的训练得出的结论在一定程度上缺乏解释能力。同时，如果将企业信用危机作为一个多变量问题，变量太多会增加计算量和增加分析问题的复杂性。为了增加数据有效性，应尽可能地在进行定量分析的过程中涉及的变量较少，得到的信息量较多。
技术实现思路
为了解决现有技术中存在的上述问题，本专利技术提出了一种权重因素等级评价方法及系统，在采集的海量政府部门数据、企业内部数据以及舆情数据等信息的基础上，将企业信用危机的多个评价指标转化为少数几个综合指标，可实现快速简洁的评价计算，弥补了传统评价方法在评价中忽略指标间关联关系的不足。本专利技术所采取的技术方案是：一种权重因素等级评价方法，包括存储在采样存储器中样本数据，数据采集终端从采样存储器中调取样本数据，数据采集终端将从采样存储器中调取的样本数据传输到信息处理服务器；信息处理服务器对样本数据进行预处理；信息处理服务器对经过预处理的样本数据进行权重因素分析；通过权重因素分析获得评价等级模型；评价等级模型存储于数据存储器中；数据采集终端收集待处理数据，将待处理数据输入评价等级模型，获得待处理数据的评价等级。优选的是，样本数据包括政府部门数据库数据、企业内部数据及舆情数据。在上述任一方案中优选的是，权重因素分析包括：计算样本数据综合得分，按照综合得分及样本数据中数据分布状态划分类别，设定数据等级；通过计算指标系数，构建综合得分函数，计算权重因素得分。在上述任一方案中优选的是，计算样本数据综合得分进一步包括：检验样本数据是否适合使用权重因素分析方法；权重因素选取采用SPSS软件默认的保留特征值大于1的因素的方法；用正交极大法转动方差,进行因子分析；选取前s个权重因素,通过各因子的权重系数按照回归法计算出综合得分。在上述任一方案中优选的是，根据样本得分结果的分布特性，选定分类点，设定各个数据等级。在上述任一方案中优选的是，样本得分结果的分布特性，为线性分布或正太分布。在上述任一方案中优选的是，构建综合得分函数，进一步包括：构建预测函数模型，选择s个权重因素，则估计样本的评分函数为：F＝a1z1+a2z2+…+aszs(1)其中，F：历史样本综合得分；ai：第i个权重因素的贡献率；zi：第i个权重因素。在上述任一方案中优选的是，计算指标系数为：其中：i,l＝1,2,...s；Ki为从大到小排列的第i个特征值；bil为权重因素zi到zl的累积贡献率。在上述任一方案中优选的是，第i个权重因素可以表现为n个原始指标的线性组合，则：zi＝bi1x1+ai2x2+…+ainxn(2)将(2)代入(1)中：F＝c1x1+c2x2+…+cnxn(3)其中：i＝1，2，…，s；j＝1,2，…，n。在上述任一方案中优选的是，通过权重因素等级评价获得待处理数据的权重因素等级包括如下步骤：搭建信息采集平台，接收信息采集平台传送的待处理数据，将待处理数据作为新样本，将新样本数据通过与样本数据相同的处理方式预处理为标准数据格式；使用公式(3)构建完成的函数模型计算综合得分，得出新样本数据的权重因素得分；将新样本数据的权重因素得分与样本数据权重因素等级比较，得出新样本数据权重因素等级评价，确定待处理数据的权重因素等级。在上述任一方案中优选的是，通过KMO和Barrelett球度检验样本数据是否适合使用权重因素分析方法，当KMO值大于0.5，球度检验为显著时，判断使用权重因素分析方法是合适的。在上述任一方案中优选的是，样本数据随机分为两组，一组为训练样本组，所述训练样本组的数据用于构造预测模型；另一组为测试样本组，所述测试样本组的数据用于验证预测模型的有效程度。一种权重因素等级评价系统，包括：样本数据存储模块：其配置为适于在采样存储器中存储样本数据，还包括以下模块：数据采集终端：其配置为适于将从采样存储器中调取的样本数据传输至信息处理服务器；样本数据预处理模块：其配置为适于对样本数据进行预处理；权重因素分析模块：其配置为适于对经过预处理的样本数据进行权重因素分析；评价等级模型确定模块：其配置为适于通过权重因素分析获得评价等级模型；评价等级模型存储模块：其配置为适于将评价等级模型存储于数据存储器中；评价等级获取模块：其配置为适于在数据采集终端收集待处理数据后，将待处理数据输入评价等级模型，获得待处理数据的评价等级。优选的是，权重因素分析模块包括：样本数据综合得分计算模块，其配置为计算样本数据综合得分，按照综合得分及样本数据中数据分布状态划分类别，设定数据等级；综合得分函数构建模块：其配置为通过计算指标系数，构建综合得分函数，计算权重因素得分。在上述任一方案中优选的是，样本数据综合得分计算模块执行如下计算：检验样本数据是否适合使用权重因素分析方法；权重因素选取采用SPSS软件默认的保留特征值大于1的因素的方法；用正交极大法转动方差,进行因子分析；选取前s个权重因素,通过各因子的权重系数按照回归法计算出综合得分。在上述任一方案中优选的是，样本数据综合得分计算模块根据样本得分结果的分布特性，选定分类点，设定各个数据等级。在上述任一方案中优选的是，样本得分结果的分布特性，为线性分布或正太分布。在上述任一方案中优选的是，综合得分函数构建模块构建预测函数模型，具体为：选择s个权重因素，则估计样本的评分函数为：F＝a1z1+a2z2+…+aszs(1)其中，F：历史样本综合得分；ai：第i个权重因素的贡献率；zi：第i个权重因素。在上述任一方案中优选的是，计算指标系数为：其中：i,l＝1,2,...s；Ki为从大到小排列的第i个特征值；bil为权重因素zi到zl的累积贡献率。在上述任一方案中优选的是，第i个权重因素可以表现为n个原始指标的线性组合，则：zi＝bi1x1+ai2x2+…+本文档来自技高网...

【技术保护点】
一种权重因素等级评价方法，包括存储在采样存储器中样本数据，数据采集终端从采样存储器中调取样本数据，其特征在于，数据采集终端将从采样存储器中调取的样本数据传输到信息处理服务器；信息处理服务器对样本数据进行预处理；信息处理服务器对经过预处理的样本数据进行权重因素分析；通过权重因素分析获得评价等级模型；评价等级模型存储于数据存储器中；数据采集终端收集待处理数据，将待处理数据输入评价等级模型，获得待处理数据的评价等级。

【技术特征摘要】
1.一种权重因素等级评价方法，包括存储在采样存储器中样本数据，数据采集终端从采样存储器中调取样本数据，其特征在于，数据采集终端将从采样存储器中调取的样本数据传输到信息处理服务器；信息处理服务器对样本数据进行预处理；信息处理服务器对经过预处理的样本数据进行权重因素分析；通过权重因素分析获得评价等级模型；评价等级模型存储于数据存储器中；数据采集终端收集待处理数据，将待处理数据输入评价等级模型，获得待处理数据的评价等级。2.根据权利要求1所述的权重因素等级评价方法，其特征在于，所述样本数据包括政府部门数据库数据、企业内部数据及舆情数据。3.根据权利要求1所述的权重因素等级评价方法，其特征在于：权重因素分析包括：计算样本数据综合得分，按照综合得分及样本数据中数据分布状态划分类别，设定数据等级；通过计算指标系数，构建综合得分函数，计算权重因素得分。4.根据权利要求2所述的权重因素等级评价方法，其特征在于：计算样本数据综合得分进一步包括：检验样本数据是否适合使用权重因素分析方法；权重因素选取采用SPSS软件默认的保留特征值大于1的因素的方法；用正交极大法转动方差,进行因子分析；选取前s个权重因素,通过各因子的权重系数按照回归法计算出综合得分。5.根据权利要求4所述的权重因素等级评价方法，其特征在于：根据样本得分结果的分布特性，选定分类点，设定各个数据等级。6.根据权利要求5所述的权重因素等级评价方法，其特征在于：样本得分结果的分布特性，为线性分布或正太分布。7.根据权利要求3所述的权重因素等级评价方法，其特征在于，构建综合得分函数，进一步包括：...

【专利技术属性】
技术研发人员：丁建伟，
申请(专利权)人：九次方大数据信息集团有限公司，
类型：发明
国别省市：北京,11