一种用于融媒体中心的评估系统及评估方法技术方案

一种用于融媒体中心的评估系统，所述系统包括：包括综合权重计算模块和评价模块，其中，所述综合权重计算模块用于确定每个具体指标的综合权重B，所述评价模块采用神经网络模型，所述评价模块基于所述每个具体指标的综合权重B获得评价结果并将所述评价结果作为神经网络输出层的单个输出节点，通过综合权重计算模块确定每个具体指标的综合权重可以更全面的综合判断；综合权重计算模块的数据AHP权重计算单元对数据处理可以避免人为因素影响；评价模块基于所述每个具体指标的综合权重B获得评价结果并将所述评价结果作为神经网络输出层的单个输出节点，能够优化神经网络的隐藏层的权重。权重。权重。

【技术实现步骤摘要】
一种用于融媒体中心的评估系统及评估方法


[0001]本专利技术涉及融媒体
，特别是涉及一种用于融媒体中心的评估系统及评估方法。

技术介绍

[0002]融媒体是一种新型媒体宣传理念，融媒体中心则是利用多种媒介载体实现了“资源通融、内容兼融、宣传互融、利益共融”。因此针对融媒体中心的评估显得极其重要使其实现更高的效益。
[0003]现有技术中，在对融媒体中心进行评估时，通常是按照时间段采集相关人员对融媒体中心的多个具体指标进行不同的满意度，然后对多个具体指标进行统计分析后再对其中满意度差的指标进行针对改进提升，但是在统计分析中，并未从更全面的去综合判断，再则受人为因素影响过大。

技术实现思路

[0004]（一）申请目的有鉴于此，本专利技术提出一种用于融媒体中心的评估系统及评估方法，以解决现有技术中，在对融媒体中心进行评估时，并未从更全面的去综合判断，再则受人为因素影响过大。
[0005]（二）技术方案本申请公开了一种用于融媒体中心的评估系统，包括投入数据评估部分、产出数据评估部分和DEA评估部分，其中，所述投入数据评估部分用于对融媒体的机构建设评价，所述产出数据评估部分用于对融媒体的融合效果评价，所述DEA评估部分的用于对融媒体的有效效率值进行评价，所述综合权重计算模块用于确定每个具体指标的综合权重B；所述评价模块采用神经网络模型，所述评价模块基于所述每个具体指标的综合权重B获得评价结果并将所述评价结果作为神经网络输出层的单个输出节点，所述神经网络模型输入层的输入节点为每个具体指标的客观数据；所述综合权重计算模块包括数据接收单元、数据AHP权重计算单元、数据熵权权重计算单元、组合赋权计算单元；所述数据接收单元用于接收h条均包括m个具体指标的主观数据和接收e条包括m个具体指标的客观数据；所述数据接收单元将所述h条均包括m个具体指标的主观数据送入数据AHP权重计算单元，其中，所述h条对应不相同的h个主观数据来源,所述数据接收单元将所述e条包括m个具体指标的客观数据送入数据熵权权重计算单元；所述数据AHP权重计算单元用于对接收到的h条均包括m个具体指标的主观数据进行一致性筛选得到n条包括m个具体指标的主观数据，其中n≤h，其中，n条对应不相同的n个主观数据来源；所述数据AHP权重计算单元用于通过n条包括m个具体指标的主观数据计算n个主观数据来源中每个所述数据来源的权重，根据所述每个所述数据来源的权重计算所述具体指标的权重；所述数据熵权权重计算单元用于通过e条包括m个具体指标的客观数据计算每个所述具体指标的权重
C = [C
ij
]n
×
n 所述数据AHP权重计算单元计算所述不相同的数据来源的最大化权向量矩阵：；所述所述数据AHP权重计算单元计算所述不相同的数据来源的最大化权向量矩阵具体为，建立线性规划模型：其中：所述数据AHP权重计算单元对所述线性规划模型的最优解得到所述不相同的数据来源的最大化权向量矩阵：其中：；所述数据AHP权重计算单元根据所述不相同的数据来源的最大化权向量矩阵计算得到所述不相同的数据来源的权重：令通过求以下非线性规划的最优解y*得所述数据AHP权重计算单元计算所述具体指标的权重： 。
[0008]在一种可能的实施方式中，所述数据熵权权重计算单元用于通过e条包括m个具体指标的客观数据计算每个所述具体指标的权重，具体为：所述数据熵权权重计算单元对所述客观数据矩阵所述客观数据矩阵所述客观数据矩阵；所述数据熵权权重计算单元对矩阵中的每个元素进行归一化处理：（i=1,2....e;j=1,2....m）所述数据熵权权重计算单元计算所述权重矩A所述数据熵权权重计算单元计算所述权重矩A：所述数据熵权权重计算单元计算所述权重矩阵第j项的熵值：所述数据熵权权重计算单元计算所述权重矩阵第j项的差异系数：，(j=1,2,3......m)所述数据熵权权重计算单元计算所述权重矩阵第j项的权重：
计算最大特征值: 计算一致性比率CR： 通过一致性比率CR对所述h条m个具体指标的数据进行筛选得到n条包括m个具体指标的数据，其中n≤h。
[0012]在一种可能的实施方式中，所述通过所述数据AHP权重计算单元通过n条包括m个具体指标的主观数据计算n个主观数据来源中每个所述数据来源的权重，根据所述每个所述数据来源的权重计算所述具体指标的权重 (t=1,2...m)，具体为：所述数据AHP权重计算单元对n条包括m个具体指标的数据构建n条数据中每条数据与每个所述m个具体指标的权重矩阵:其中:为n条数据中第数据的；代表具体指标权重矩阵第行的行向量；所述数据AHP权重计算单元对所述权重矩阵进行去偏好化处理，具体为：计算权重矩阵第行与第j行的第一相关系数r
ij
和第一相关系数的矩阵R:其中： R=[r
ij
]n
×
n
确定第二相关系数C
ij
和第二相关系数的矩阵C：其中： C = [C
ij
]n
×
n
所述数据AHP权重计算单元计算所述不相同的数据来源的最大化权向量矩阵：；所述所述数据AHP权重计算单元计算所述不相同的数据来源的最大化权向量矩阵具体为，建立线性规划模型：其中：所述数据AHP权重计算单元对所述线性规划模型的最优解得到所述不相同的数据来源的最大化权向量矩阵：其中：；
所述数据AHP权重计算单元根据所述不相同的数据来源的最大化权向量矩阵计算得到所述不相同的数据来源的权重：令通过求以下非线性规划的最优解y*得所述数据AHP权重计算单元计算所述具体指标的权重： 。
[0013]在一种可能的实施方式中，所述通过所述数据熵权权重计算单元根据e条包括m个具体指标的客观数据计算每个指标的权重，具体为：所述数据熵权权重计算单元对所述客观数据矩阵A进行处理得到每个所述具体指标的权重；所述数据熵权权重计算单元对矩阵中的每个元素进行归一化处理：（i=1,2....e;j=1,2....m）所述数据熵权权重计算单元计算所述权重矩阵第j项下第i个记录所占比重：所述数据熵权权重计算单元计算所述权重矩阵第j项的熵值：所述数据熵权权重计算单元计算所述权重矩阵第j项的差异系数：，(j=1,2,3......m)所述数据熵权权重计算单元计算所述权重矩阵第j项的权重：。
[0014]在一种可能的实施方式中，所述通过组合赋权计算单元根据所述具体指标的权重和所述具体指标的权重得到所述具体指标的综合权重B，具体为：；其中，α
1、
α2使
║
B
║2最小。
[0015]（三）有益效果本申请对比现有技术有如下的有益效果：通过综合权重计算模块确定每个具体指标的综合权重可以更全面的综合判断；综合权重计算模块的数据AHP权重计算单元对数据处理可以避免人为因素影响；评价模块基于所述每个具体指标的综合权重B获得评价结果并将所述评价结果作为神经网络输出层的单个输出节点，能够优化神经网络的隐藏层的权重。
[0016]本申请的其他本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于融媒体中心的评估系统，其特征在于，包括投入数据评估部分、产出数据评估部分和DEA评估部分，其中，所述投入数据评估部分用于对融媒体的机构建设评价，所述产出数据评估部分用于对融媒体的融合效果评价，所述DEA评估部分的用于对融媒体的有效效率值进行评价；所述投入数据评估部分和产出数据评估部分均包括综合权重计算模块和评价模块，所述综合权重计算模块用于确定每个具体指标的综合权重B；所述评价模块采用神经网络模型，所述评价模块基于所述每个具体指标的综合权重B获得评价结果并将所述评价结果作为神经网络输出层的单个输出节点，所述神经网络模型输入层的输入节点为每个具体指标的客观数据；所述综合权重计算模块包括数据接收单元、数据AHP权重计算单元、数据熵权权重计算单元、组合赋权计算单元；所述数据接收单元用于接收h条均包括m个具体指标的主观数据和接收e条包括m个具体指标的客观数据；所述数据接收单元将所述h条均包括m个具体指标的主观数据送入数据AHP权重计算单元，其中，所述h条对应不相同的h个主观数据来源,所述数据接收单元将所述e条包括m个具体指标的客观数据送入数据熵权权重计算单元；所述数据AHP权重计算单元用于对接收到的h条均包括m个具体指标的主观数据进行一致性筛选得到n条包括m个具体指标的主观数据，其中n≤h，其中，n条对应不相同的n个主观数据来源；所述数据AHP权重计算单元用于通过n条包括m个具体指标的主观数据计算n个主观数据来源中每个所述数据来源的权重，根据所述每个所述数据来源的权重计算所述具体指标的权重 (t=1,2...m)；所述数据熵权权重计算单元用于通过e条包括m个具体指标的客观数据计算每个所述具体指标的权重 (j=1,2....m）；所述组合赋权计算单元根据所述具体指标的权重和所述具体指标的权重得到所述具体指标的综合权重B。2.根据权利要求1所述的一种用于融媒体中心的评估系统，其特征在于，所述数据AHP权重计算单元用于对接收到的h条均包括m个具体指标的主观数据进行一致性筛选得到n条包括m个具体指标的数据，其中n≤h，具体为：按照1
‑
9标度构建关于多个具体指标的中任一两个所述具体指标的关系度矩阵：其中：、分别代表多个具体指标中不同的具体指标；代表不同两个具体指标与B
j
之间的关系度数值且=；对关系度矩阵每行元素连乘并开m次方，得到向量
ꢀꢀ
，其中:;对进行归一化处理，计算指标权重: 计算最大特征值:计算一致性比率CR： 通过一致性比率CR对所述h条m个具体指标的数据进行筛选得到n条包括m个具体指标的数据，其中n≤h。3.根据权利要求2所述的一种用于融媒体中心的评估系统，其特征在于，所述数据AHP
权重计算单元用于通过n条包括m个具体指标的主观数据计算n个主观数据来源中每个所述数据来源的权重，根据所述每个所述数据来源的权重计算所述具体指标的权重，具体为：所述数据AHP权重计算单元对n条包括m个具体指标的数据构建n条数据中每条数据与每个所述m个具体指标的权重矩阵:其中：为n条数据中第数据的；代表具体指标权重矩阵第行的行向量；所述数据AHP权重计算单元对所述权重矩阵进行去偏好化处理，具体为：计算权重矩阵第行与第j行的第一相关系数和第一相关系数的矩阵R其中：R=[r
ij
]
n
×
n
确定第二相关系数C
ij
和第二相关系数的矩阵C：其中： C = [C
ij
]
n
×
n
所述数据AHP权重计算单元计算所述不相同的数据来源的最大化权向量矩阵：；所述所述数据AHP权重计算单元计算所述不相同的数据来源的最大化权向量矩阵具体为，建立线性规划模型：其中：所述数据AHP权重计算单元对所述线性规划模型的最优解得到所述不相同的数据来源的最大化权向量矩阵：其中：；所述数据AHP权重计算单元根据所述不相同的数据来源的最大化权向量矩阵计算得到所述不相同的数据来源的权重：令通过求以下非线性规划的最优解得所述数据AHP权重计算单元计算所述具体指标的权重：。
4.根据权利要求3所述的一种用于融媒体中心的评估系统，其特征在于，所述数据熵权权重计算单元用于通过e条包括m个具体指标的客观数据计算每个所述具体指标的权重，具体为：所述数据熵权权重计算单元对所述客观数据矩阵进行处理得到每个所述具体指标的权重；所述数据熵权权重计算单元对矩阵中的每个元素进行归一化处理：（i=1,2....e;j=1,2....m）所述数据熵权权重计算单元计算所述权重矩阵第j项下第i个记录所占比重：所述数据熵权权重计算单元计算所述权重矩阵第j项的熵值：所述数据熵权权重计算单元计算所述权重矩阵第j项的差异系数：，(j=1,2,3......m)所述数据熵权权重计算单元计算所述权重矩阵第j项的权重：。5.根据权利要求4所述的一种用于融媒体中心的评估系统，其特征在于，所述组合赋权计算单元根据所述具体指标的权重和所述具体指标的权重得到所述具体指...

【专利技术属性】
技术研发人员：宋金宝，邓如意，
申请(专利权)人：中国传媒大学，
类型：发明
国别省市：