智能分析系统及方法技术方案

一种智能分析系统及方法，其将公司或组织视为一个作为决策者网络的典型的社会网络，决策参与人员作为行为体构成了网络中的点，并形成联系；接着使用了MCRank算法来计算参与者决策网络和个人属性向量，并利用矩阵迭代回归至收敛得出参与者在公司的影响力，从而最终形成对参与者的重要性排序。本发明专利技术通过运用回归决策树算法可以用于拟合非线性数据，并且具有着更高的泛化性和更小的预测误差，可适用于社会科学研究中的因果推断，有效避免了现有技术中的缺陷。

【技术实现步骤摘要】
智能分析系统及方法
本专利技术涉及智能分析
，具体涉及一种智能分析系统及方法。
技术介绍
国内针对某一特定公司或组织的精英人员决策预测分析中存在三方面的局限：第一，将整个公司或组织视为一个整体行为体，以描述性为主缺乏分析性的视角和方法忽视了公司内部不同政治势力在某一特定问题上丰富的互动和博弈过程。其次，尽管一些研究试图以全景式的描述分析决策者投票背后的群体性思维，但是却始终缺乏一种系统性的方法识别哪些决策者在某一特定问题上更为活跃，从而提出针对性的举措。再次，既有研究过度关注公司表决的结果而忽视公司内部提案、听证、游说、表决的多维过程，缺乏系统性的方法支撑使得案例分析无法深入决策行为的内部机制，尤其无法识别活跃参与者形成的小的决策团体，使得对公司组主决策规律和模式的总结在不同领导班子和议题上无法形成一致性的归纳。
技术实现思路
为解决上述问题，本专利技术提供了一种智能分析系统及方法，运用回归决策树算法可以用于拟合非线性数据，并且具有着更高的泛化性和更小的预测误差，可适用于社会科学研究中的因果推断，有效避免了现有技术中的忽视了公司内部不同政治势力在某一特定问题上丰富的互动和博弈过程、缺乏一种系统性的方法识别哪些决策者在某一特定问题上更为活跃、缺乏系统性的方法支撑使得案例分析无法深入决策行为的内部机制、无法识别活跃参与者形成的小的决策团体、对公司组主决策规律和模式的总结在不同领导班子和议题上无法形成一致性的归纳的缺陷。为了克服现有技术中的不足，本专利技术提供了一种智能分析系统及方法的解决方案，具体如下：一种智能分析系统，包括：构造模块，所述构造模块用于将公司或组织视为一个作为决策者网络的典型的社会网络，决策参与人员作为行为体构成了网络中的点，并形成联系；计算模块，所述计算模块用于使用MCRank算法来计算参与者决策网络和个人属性向量；回归模块，所述回归模块用于利用矩阵迭代回归至收敛得出参与者在公司的影响力，从而最终形成对参与者的重要性排序。一种智能分析系统的方法，包括：将公司或组织视为一个作为决策者网络的典型的社会网络，决策参与人员作为行为体构成了网络中的点，并形成联系；接着使用了MCRank算法来计算参与者决策网络和个人属性向量，并利用矩阵迭代回归至收敛得出参与者在公司的影响力，从而最终形成对参与者的重要性排序。进一步的，所述MCRank算法运用用于标识网页重要性的Pagerank算法；该Pagerank算法将网页作为节点，以网页的超链接指向作为节点间的有向边的权重，所述Pagerank算法将受到更多指向的网页视为更为重要的节点。进一步的，在所述决策者网络中，每个决策者构成决策者网络图的一个节点，其参与人与发起人的关系构成节点的有向边，其参与次数构成边的权重；节点U的入度为指向节点U的所有有向边的权重和，节点U的出度为节点指向其他节点的边的权重和。进一步的，所述MC-Rank算法的数学公式如下所示：其中，U为决策者，P(Ui)为第i个用户U的影响力，N(U)为节点U的指向数量，M(U)为指向节点U的数量，Ntotal为所有节点的数量，d为决策者之间的阻尼系数，经验值为0.85，i为正整数。进一步的，在所述迭代回归的回归决策树的构建过程中，将损失函数定义为平方损失函数用于衡量模型的好坏：Loss(y，f(x))＝(f(x)-y)2其中f(x)为模型值，y为标准值，两者相减求平方和即为平方损失函数。在回归决策树生成过程时，树节点的选择和叶子节点的输出是两个核心问题。采用启发式方法，设定每个决策者都有n个特征(因子)，每个特征有si(i∈(1，n))个取值，遍历所有特征并尝试所有取值完成对空间的划分，直到模型的损失函数最小便得到的一个最优划分点，由此得到每个因子在预测中的熵贡献值。本专利技术的有益效果为：相比于传统的线性回归算法，回归决策树算法可以用于拟合非线性数据，并且具有着更高的泛化性和更小的预测误差，可适用于社会科学研究中的因果推断。附图说明图1是本专利技术的智能分析系统的方法的流程图。图2是本专利技术的公司结构图。图3是本专利技术的线性回归与回归决策树的对比图。图4是本专利技术的影响力的决策树分析的示意图。图5是本专利技术的影响力的SHAPValue分析的示意图。具体实施方式下面将结合附图和实施例对本专利技术做进一步地说明。如图1-图5所示，智能分析系统，包括：构造模块，所述构造模块用于将公司或组织视为一个作为决策者网络的典型的社会网络来进行研究，决策参与人员作为行为体(actor)构成了网络中的点(node)，并通过诸如加入特定委员会、共同审查提案和参与听证等方式而形成了联系(tie)；计算模块，所述计算模块用于使用MCRank算法来计算参与者决策网络和个人属性向量；回归模块，所述回归模块用于利用矩阵迭代回归至收敛得出参与者在公司的影响力，从而最终形成对参与者的重要性排序。智能分析系统的方法，包括：为了提供公司或组织决策的整体性分析框架，就要求能够采用一种方法既识别在特定决策中扮演重要角色的参与者和参与者团体，又能将决策的制定通过整体性权力网络结果重新整合起来。为此，通过将公司或组织视为一个作为决策者网络的典型的社会网络来进行研究，决策参与人员作为行为体(actor)构成了网络中的点(node)，并通过诸如加入特定委员会、共同审查提案和参与听证等方式而形成了联系(tie)；决策者网络中的行动者是相互依赖的，其个人属性和关系属性都对其最终的决策行为产生了相应的影响。已有相关的研究证明，决策网络的结构特性影响了公司重要的经济、人事决策。通过大量下属的委员会和附属委员会的指派活动，学者发现了公司组织长期存在联系紧密的子群结构。这些社会网络分析的研究为公司组织研究开拓了新的空间。鉴于公司或组织在反映公共心态和影响外交事务上的作用，决策者网络如何影响公司在对外事务上的决策就成为了一个重要的问题。在此基础上，本专利技术开创性的接着使用了MCRank算法来计算参与者决策网络和个人属性向量，并利用矩阵迭代回归至收敛得出参与者在公司的影响力，从而最终形成对参与者的重要性排序。所述MCRank算法运用而借鉴了由Google创始人拉里·佩奇和谢尔盖·布林提出并用于标识网页重要性的Pagerank算法；该Pagerank算法将网页作为节点，以网页的超链接指向作为节点间的有向边的权重，所述Pagerank算法将受到更多指向的网页视为更为重要的节点。如同网页一样，决策者网络中的行动者是相互依赖的，其个人属性和关系属性都对其最终的政治行为产生了相应的影响。决策者或由若干偏好相近的决策者组成的子群可以通过强化在网络中的位置获取影响力，决策者相互之间的联系往往成为推动公司行为的关键。因此，将议题的发起者和参与者关系建模成一个用户间的拓扑网络，网络中的节点为决策者，如果决策者A参与了另一个决策者B发起的议题，本文档来自技高网...

【技术保护点】
1.一种智能分析系统，其特征在于，包括：/n构造模块，所述构造模块用于将公司或组织视为一个作为决策者网络的典型的社会网络，决策参与人员作为行为体构成了网络中的点，并形成联系；/n计算模块，所述计算模块用于使用MCRank算法来计算参与者决策网络和个人属性向量；/n回归模块，所述回归模块用于利用矩阵迭代回归至收敛得出参与者在公司的影响力，从而最终形成对参与者的重要性排序。/n

【技术特征摘要】
1.一种智能分析系统，其特征在于，包括：
构造模块，所述构造模块用于将公司或组织视为一个作为决策者网络的典型的社会网络，决策参与人员作为行为体构成了网络中的点，并形成联系；
计算模块，所述计算模块用于使用MCRank算法来计算参与者决策网络和个人属性向量；
回归模块，所述回归模块用于利用矩阵迭代回归至收敛得出参与者在公司的影响力，从而最终形成对参与者的重要性排序。


2.一种智能分析系统的方法，其特征在于，包括：
将公司或组织视为一个作为决策者网络的典型的社会网络，决策参与人员作为行为体构成了网络中的点，并形成联系；
接着使用了MCRank算法来计算参与者决策网络和个人属性向量，并利用矩阵迭代回归至收敛得出参与者在公司的影响力，从而最终形成对参与者的重要性排序。


3.根据权利要求2所述的智能分析系统的方法，其特征在于，所述MCRank算法运用用于标识网页重要性的Pagerank算法；该Pagerank算法将网页作为节点，以网页的超链接指向作为节点间的有向边的权重，所述Pagerank算法将受到更多指向的网页视为更为重要的节点。


4.根据权利要求2所述的智能分析系统...

【专利技术属性】
技术研发人员：王震宇，陈泽，赵正寻，张润泽，
申请(专利权)人：法雨科技北京有限责任公司，
类型：发明
国别省市：北京;11