一种确定事件角色影响力指数的方法、装置及存储介质制造方法及图纸

本发明专利技术提供一种确定事件角色影响力指数的方法、装置及存储介质，包括：对各角色类别中的角色个体划分为一级指标和二级指标；根据角色类别及特定限制信息，提取所有满足所述限制信息的角色个体对应的二级指标中各指标的数值，计算并形成信息矩阵；对所提取形成的信息矩阵，利用熵权法计算二级指标的权重；针对二级指标权重利用变异系数法计算一级指标权重；将每个二级指标权重与其对应一级指标权重相乘，得到每个二级指标的综合权重；将目标角色个体的各二级指标对应的值与每个二级指标的综合权重相乘求和，得到所述目标角色个体的影响力指数。通过本发明专利技术的方法，能够计算出事件角色影响力，用于各领域角色影响力量化分析。

【技术实现步骤摘要】
一种确定事件角色影响力指数的方法、装置及存储介质
本专利技术涉及数据分析
，尤其涉及一种确定事件角色影响力指数的方法、装置及存储介质。
技术介绍
目前的影响力衡量方法大多是针对某一具体问题所提出的，在问题解决后便难以得到再次应用，且几乎没有对特定领域角色影响力进行衡量的方法。且在当前所提出的影响力衡量方法中大多采用单一的熵权法计算指标权重。
技术实现思路
基于上述存在的问题，本专利技术提供一种确定事件角色影响力指数的方法、装置及存储介质，用以解决现有的影响力衡量方式无法普遍适用的问题。一方面，本专利技术提出一种确定事件角色影响力指数的方法，包括：分别对各角色类别中的角色个体进行多维度描述，并将所述多维度分别作为一级指标；所述每类角色中包含至少两个角色个体；分别将每一维度的一级指标，再划分为至少两个可量化二级指标，形成两级量化指标；所述两级量化指标的数值根据限制信息变化，所述限制信息包括时间、地理区域；获取角色类别及特定限制信息；根据所述角色类别及特定限制信息，提取所有满足所述限制信息的角色个体对应的二级指标中各指标的数值，计算并形成信息矩阵；对所提取形成的信息矩阵，利用熵权法计算二级指标的权重；针对二级指标权重利用变异系数法计算一级指标权重；将每个二级指标权重与其对应一级指标权重相乘，得到每个二级指标的综合权重；将目标角色个体的各二级指标对应的值与每个二级指标的综合权重相乘求和，得到所述目标角色个体的影响力指数。所述的方法中，所述根据所述角色类别及特定限制信息，提取所有满足所述特定限制信息的角色个体对应的二级指标中各指标的数值，计算并形成信息矩阵包括：将各角色类别中的每个角色个体p划分为n个维度的一级指标，再将每一维度一级指标分别细化为mk(0＜k≤n)个可量化的二级指标，则二级指标共MK个，MK＝sum(mk)(0＜k≤n)；将所有事件形成事件集合S；通过角色类别及特定限制信息对事件集合S中的事件进行筛选，选出满足所述特定角色类别及限制信息的事件，形成事件子集S1，；对于角色类别中的每一个角色个体，针对n个维度，MK个指标对集合S1中对相对应的指标数据进行提取，角色类别中第i个角色个体信息存入矩阵A中的第i行，矩阵A中的元素xij表示第i个角色个体对应于第j个指标数据值的情况，遍历角色类别中的每一个角色个体进行信息提取，形成信息矩阵A[][MK]。所述的方法中，所述利用熵权法计算二级指标的权重；针对二级指标的权重利用变异系数法计算一级指标权重，将每个二级指标权重与其对应一级指标权重相乘，得到每个一级指标的综合权重，具体为：对信息矩阵A，通过max(A[][j])、min(A[][j])得到A中每一列的最大值max及最小值min，用这一列中的每一个元素xij与min相减所得结果除以max与min的差，得到标准化后的xij数据x1ij，标准化后的信息矩阵记为A1；建立数据处理循环，标准化后的信息矩阵的第一列作为循环的开始，对于每一列j循环做以下步骤的操作：用标准化后的数据x1ij除以j列中元素的和sum(xij)，得到第j项指标下第i个样本所占比重pij；将第j列中每一个元素对应的pij元素取对数ln(pij)后与pij相乘，其中当pij＝0的情况时默认ln(pij)＝0，将所得结果进行累加得到j列pij*ln(pij)的和sumj，计算常数k＝1/ln(N),利用上述数据，即可计算得到第j项指标的信息熵ej＝-k*sumj；计算信息熵冗余度，将信息熵ej，通过1-ej得到指标j的信息熵冗余度dj；数据处理循环结束，将得到的每一列指标的信息熵冗余度存入数组d[j]中；将信息熵冗余度数组d根据维度划分为n个小数组；对于每一个小数组dj(1≤j≤n)内部分别求dj中信息熵冗余度值的和，得到sumdj；从dj中的第一个元素开始计算其中每一个元素的权重：用元素dj[i](0≤i≤dj.length)除以dj中数值的和sumd，得到dj[i]的权重，将其存入权重数组wj[]中，其中wj.length＝mk(k＝1,2,…,n)；对wj[]中的数值求其标准差σj及平均值xj；根据所述标准差σj及平均值xj，求得维度j的变异系数Vj＝σj/xj将每个小数组形成的权重数组wj[]，赋值给所有二级指标权重数组ww[]；对所有维度的变异系数进行求和得到sum(Vj)用每一维度的变异系数Vj除以变异系数之和sum(Vj)，得到此维度的权重wj，用此维度权重wj分别与此维度对应权重数组wj[]相乘，将所得结果存入此维度各指标综合权重数组Wj[]中；将各维度指标的综合权重数组Wj[]进行合并，得到综合权重数组W[MK]；所述的方法中，所述将目标角色的各二级指标对应的值与每个二级指标的综合权重相乘求和，得到所述目标角色的影响力指数，具体为：获取标准化后信息矩阵A1；查找目标角色个体在A1中对应的行，将此行数据进行提取存入数组P[MK]；取得综合权重数组W[MK]，并预设影响力指数S＝0，对P[MK]和W[MK]中对应的每一个数据P[i]，W[i]，分别进行以下步骤；S＝S+P[i]*W[i]；经计算得到的S值即为目标角色个体的影响力指数。另一方面，本专利技术还提出一种确定事件角色影响力指数的装置，包括：维度划分模块，用于分别对各角色类别中的角色个体进行多维度描述，并将所述多维度分别作为一级指标；所述每类角色中包含至少两个角色个体；分别将每一维度的一级指标，再划分为至少两个可量化二级指标，形成两级量化指标；所述两级量化指标的数值根据限制信息变化，所述限制信息包括时间、地理区域；信息获取模块，用于获取角色类别及特定限制信息；信息提取模块，用于根据所述角色类别及特定限制信息，提取所有满足所述限制信息的角色个体对应的二级指标中各指标的数值，计算并形成信息矩阵；权重计算模块，用于对所提取形成的信息矩阵，利用熵权法计算二级指标的权重；针对二级指标权重利用变异系数法计算一级指标权重；将每个二级指标权重与其对应一级指标权重相乘，得到每个二级指标的综合权重；目标计算模块，用于将目标角色个体的各二级指标对应的值与每个二级指标的综合权重相乘求和，得到所述目标角色个体的影响力指数。所述的装置中，所述根据所述角色类别及特定限制信息，提取所有满足所述特定限制信息的角色个体对应的二级指标中各指标的数值，计算并形成信息矩阵包括：将各角色类别中的每个角色个体p划分为n个维度的一级指标，再将每一维度一级指标分别细化为mk(0＜k≤n)个可量化的二级指标，则二级指标共MK个，MK＝sum(mk)(0＜k≤n)；将所有事件形成事件集合S；通过角色类别及特定限制信息对事件集合S中的事件进行筛选，选出满足所述特定角色类别及限制信息的事件，形成本文档来自技高网...

【技术保护点】
1.一种确定事件角色影响力指数的方法，其特征是，包括：/n分别对各角色类别中的角色个体进行多维度描述，并将所述多维度分别作为一级指标；所述每类角色中包含至少两个角色个体；/n分别将每一维度的一级指标，再划分为至少两个可量化二级指标，形成两级量化指标；所述两级量化指标的数值根据限制信息变化，所述限制信息包括时间、地理区域；/n获取角色类别及特定限制信息；/n根据所述角色类别及特定限制信息，提取所有满足所述限制信息的角色个体对应的二级指标中各指标的数值，计算并形成信息矩阵；/n对所提取形成的信息矩阵，利用熵权法计算二级指标的权重；/n针对二级指标权重利用变异系数法计算一级指标权重；/n将每个二级指标权重与其对应一级指标权重相乘，得到每个二级指标的综合权重；/n将目标角色个体的各二级指标对应的值与每个二级指标的综合权重相乘求和，得到所述目标角色个体的影响力指数。/n

【技术特征摘要】
1.一种确定事件角色影响力指数的方法，其特征是，包括：
分别对各角色类别中的角色个体进行多维度描述，并将所述多维度分别作为一级指标；所述每类角色中包含至少两个角色个体；
分别将每一维度的一级指标，再划分为至少两个可量化二级指标，形成两级量化指标；所述两级量化指标的数值根据限制信息变化，所述限制信息包括时间、地理区域；
获取角色类别及特定限制信息；
根据所述角色类别及特定限制信息，提取所有满足所述限制信息的角色个体对应的二级指标中各指标的数值，计算并形成信息矩阵；
对所提取形成的信息矩阵，利用熵权法计算二级指标的权重；
针对二级指标权重利用变异系数法计算一级指标权重；
将每个二级指标权重与其对应一级指标权重相乘，得到每个二级指标的综合权重；
将目标角色个体的各二级指标对应的值与每个二级指标的综合权重相乘求和，得到所述目标角色个体的影响力指数。


2.如权利要求1所述的方法，其特征是，所述根据所述角色类别及特定限制信息，提取所有满足所述特定限制信息的角色个体对应的二级指标中各指标的数值，计算并形成信息矩阵包括：
将各角色类别中的每个角色个体p划分为n个维度的一级指标，再将每一维度一级指标分别细化为mk(0＜k≤n)个可量化的二级指标，则二级指标共MK个，MK＝sum(mk)(0＜k≤n)；
将所有事件形成事件集合S；
通过角色类别及特定限制信息对事件集合S中的事件进行筛选，选出满足所述特定角色类别及限制信息的事件，形成事件子集S1，；
对于角色类别中的每一个角色个体，针对n个维度，MK个指标对集合S1中对相对应的指标数据进行提取，角色类别中第i个角色个体信息存入矩阵A中的第i行，矩阵A中的元素xij表示第i个角色个体对应于第j个指标数据值的情况，遍历角色类别中的每一个角色个体进行信息提取，形成信息矩阵A[][MK]。


3.根据权利要求2所述的方法，其特征是，所述利用熵权法计算二级指标的权重；针对二级指标的权重利用变异系数法计算一级指标权重，将每个二级指标权重与其对应一级指标权重相乘，得到每个一级指标的综合权重，具体为：
对信息矩阵A，通过max(A[][j])、min(A[][j])得到A中每一列的最大值max及最小值min，用这一列中的每一个元素xij与min相减所得结果除以max与min的差，得到标准化后的xij数据x1ij，标准化后的信息矩阵记为A1；
建立数据处理循环，标准化后的信息矩阵的第一列作为循环的开始，对于每一列j循环做以下步骤的操作：
用标准化后的数据x1ij除以j列中元素的和sum(xij)，得到第j项指标下第i个样本所占比重pij；
将第j列中每一个元素对应的pij元素取对数ln(pij)后与pij相乘，其中当pij＝0的情况时默认ln(pij)＝0，将所得结果进行累加得到j列pij*ln(pij)的和sumj，计算常数k＝1/ln(N),利用上述数据，即可计算得到第j项指标的信息熵ej＝-k*sumj；
计算信息熵冗余度，将信息熵ej，通过1-ej得到指标j的信息熵冗余度dj；
数据处理循环结束，将得到的每一列指标的信息熵冗余度存入数组d[j]中；
将信息熵冗余度数组d根据维度划分为n个小数组；
对于每一个小数组dj(1≤j≤n)内部分别求dj中信息熵冗余度值的和，得到sumdj；
从dj中的第一个元素开始计算其中每一个元素的权重：用元素dj[i](0≤i≤dj.length)除以dj中数值的和sumd，得到dj[i]的权重，将其存入权重数组wj[]中，其中wj.length＝mk(k＝1,2,…,n)；
对wj[]中的数值求其标准差σj及平均值xj；
根据所述标准差σj及平均值xj，求得维度j的变异系数Vj＝σj/xj
将每个小数组形成的权重数组wj[]，赋值给所有二级指标权重数组ww[]；
对所有维度的变异系数进行求和得到sum(Vj)
用每一维度的变异系数Vj除以变异系数之和sum(Vj)，得到此维度的权重wj，用此维度权重wj分别与此维度对应权重数组wj[]相乘，将所得结果存入此维度各指标综合权重数组Wj[]中；
将各维度指标的综合权重数组Wj[]进行合并，得到综合权重数组W[MK]。


4.根据权利要求3的所述的方法，其特征是，所述将目标角色的各二级指标对应的值与每个二级指标的综合权重相乘求和，得到所述目标角色的影响力指数，具体为：
获取标准化后信息矩阵A1；
查找目标角色个体在A1中对应的行，将此行数据进行提取存入数组P[MK]；
取得综合权重数组W[MK]，并预设影响力指数S＝0，对P[MK]和W[MK]中对应的每一个数据P[i]，W[i]，分别进行以下步骤；
S＝S+P[i]*W[i]；经计算得到的S值即为目标角色个体的影响力指数。


5.一种确定事件角色影响力指数的装置，其特征是，包括：
维度划分模块，用于分别对各角色类别中的角色个体进行多维度描述，并将所述多维度分别作为...

【专利技术属性】
技术研发人员：李欣，赵志云，葛自发，孙小宁，张冰，万欣欣，袁钟怡，赵忠华，孙立远，付培国，王禄恒，王晴，
申请(专利权)人：国家计算机网络与信息安全管理中心，
类型：发明
国别省市：北京;11