一种基于层次分析的个人评分方法技术

本发明专利技术公开了一种基于层次分析的个人评分方法，(1)首先需要构建层次结构模型，所述层次结构模型包括目标层、准则层和子准则层，其中，所述准则层包括个人基本信息A、金融活动B、人脉关系C、消费能力D和位置属性E，(2)然后进行处理得到子准则层的权重向量，(3)再利用子准则层各因素的权重乘以其对应的分数，然后相加，得到准则层各因素的分数，(4)再采用层次分析法对准则层的各因素进行处理，得到准则层各因素的权重；(5)将准则层各因素的评分乘以对应的权重，然后相加，得到目标层，即个人评分结果。

【技术实现步骤摘要】
一种基于层次分析的个人评分方法
本专利技术涉及个人评分，具体涉及个人评分方法，特别地涉及一种个人评分方法。
技术介绍
通常来讲，数据分析建模的目的是将来源于不同渠道不同种类的数据经过数据归纳、分析、应用技术，尽可能的挖掘出数据的潜在使用价值或转换数据的使用与呈现方式。从而提高数据的使用价值，改善数据使用单一的方式，为后续的使用和修正提供方便。对于个人评分，为了获得一个更为准确的评分，通常希望使用更多维度的数据，且越详细越好。然而，由于客观原因的限制，这样的数据维度是很难实现的。但是关于某个细分类的数据是容易获得的，通过特定的算法与建模将这些数据融合，就可以产生个人评分模型。这些评分可以在消费、信贷、金融等领域提供有价值的参考。因此，亟需一种相对准确的个人评分方法，进行个人评分。
技术实现思路
为了克服上述问题，本专利技术人进行了锐意研究，利用层次分析法，实现了个人评分，并且，得到的评分准确率较高，可以为消费、信贷、金融等领域提供有价值的参考，从而完成本专利技术。本专利技术一方面提供了一种基于层次分析的个人评分方法，具体体现在以下方面：(1)一种基于层次分析的个人评分方法，所述方法包括以下本文档来自技高网...

【技术保护点】
1.一种基于层次分析的个人评分方法，其特征在于，所述方法包括以下步骤：步骤1、构建层次结构模型，其中，所述层次结构模型包括目标层、准则层和子准则层；所述准则层包括个人基本信息A、金融活动B、人脉关系C、消费能力D和位置属性E；步骤2、采用层次分析法分别对个人基本信息A的子准则层、金融活动B的子准则层、人脉关系C的子准则层和消费能力D的子准则层进行处理，得到个人基本信息A的子准则层的权重向量、金融活动B的子准则层的权重向量、人脉关系C的子准则层的权重向量和消费能力D的子准则层的权重向量；步骤3、将步骤2得到的子准则层各因素的权重乘以其对应的分数，然后相加，得到准则层各因素的分数，即分别得到个人基...

【技术特征摘要】
1.一种基于层次分析的个人评分方法，其特征在于，所述方法包括以下步骤：步骤1、构建层次结构模型，其中，所述层次结构模型包括目标层、准则层和子准则层；所述准则层包括个人基本信息A、金融活动B、人脉关系C、消费能力D和位置属性E；步骤2、采用层次分析法分别对个人基本信息A的子准则层、金融活动B的子准则层、人脉关系C的子准则层和消费能力D的子准则层进行处理，得到个人基本信息A的子准则层的权重向量、金融活动B的子准则层的权重向量、人脉关系C的子准则层的权重向量和消费能力D的子准则层的权重向量；步骤3、将步骤2得到的子准则层各因素的权重乘以其对应的分数，然后相加，得到准则层各因素的分数，即分别得到个人基本信息A、金融活动B、人脉关系C、消费能力D和位置属性E的分数；步骤4、采用层次分析法对准则层的各因素进行处理，得到准则层各因素的权重；步骤5、将步骤3得到的准则层各因素的评分乘以对应的权重，然后相加，得到目标层，即个人评分结果。2.根据权利要求1所述的方法，其特征在于，在步骤1中，所述个人基本信息A的子准则层包括用户星级A、入网月数A、位置变动频次A和主叫次数A；所述金融活动B的子准则层包括银行访问次数B、基金访问次数B、券商访问次数B和其它金融项目访问次数B；所述人脉关系C的子准则层包括用户星级C、六个月平均付费C、联系人个数C和手机价格C；所述消费能力D的子准则层包括用户星级D、六个月平均付费D和手机价格D；所述位置属性E的子准则层包括小区楼盘价位E、商业区楼盘价位E和地区来往频次E。3.根据权利要求1或2所述的方法，其特征在于，步骤2包括以下子步骤：步骤2-1、对个人基本信息A的子准则层进行层次分析处理，得到个人基本信息A的子准则层的权重向量(WA)以及最大特征值(λAmax)；步骤2-2、对金融活动B的子准则层进行层次分析处理，得到金融活动B的子准则层的权重向量(WB)以及最大特征值(λBmax)；步骤2-3、对人脉关系C的子准则层进行层次分析处理，得到人脉关系C的子准则层的权重向量(WC)以及最大特征值(λCmax)；步骤2-4、对消费能力D的子准则层进行层次分析处理，得到消费能力D的子准则层的权重向量(WD)以及最大特征值(λDmax)；步骤2-5、对位置属性E的子准则层进行层次分析处理，得到位置属性E的子准则层的权重向量(WE)以及最大特征值(λEmax)。4.根据权利要求1至3之一所述的方法，其特征在于，在对个人基本信息A的子准则层进行层次分析处理时，构建的个人基本信息A的子准则层的两两对称矩阵如下：优选地，对个人基本信息A的子准则层进行层次分析处理后得到的权重向量为：WA＝(0.0714、0.2143、0.4281、0.2861)T；和/或在对金融活动B的子准则层进行层次分析处理时，构建的金融活动B的子准则层的两两对称矩阵如下：优选地，对金融活动B的子准则层进行层次分析处理后得到的权重向量为：WB＝(0.0622、0.1835、0.4432、0.3111)T；和/或在对人脉关系C的子准则层进行层次分析处理时，构建的人脉关系C的子准则层的两两对称矩阵如下：优选地，对人脉关系C的子准则层进行层次分析处理后得到的权重向量为：WC＝(0.0588、0.2941、0.3529、0.2942)T；和/或在对消费能力D的子准则层进行层次分析处理时，构建的消费能力D的子准...

【专利技术属性】
技术研发人员：张守义，
申请(专利权)人：北京宸信征信有限公司，
类型：发明
国别省市：北京,11