一种基于多维度数据的智能评议管理系统及方法技术方案

本发明专利技术涉及智能评议技术领域，具体为一种基于多维度数据的智能评议管理系统及方法，包括历史评议事件提取模块、临界评议值分析模块、可筛除数据评议模型构建模块、可优化评议组分析模块和评议方法更新模块；历史评议事件提取模块用于获取评议系统应用历史评议方法记录的历史评议事件；临界评议值分析模块用于确定异常评议事件的临界评议值；可筛除数据评议模型构建模块用于基于历史评议事件，构建可筛除数据评议模型；可优化评议组分析模块用于分析有效评议事件和可筛除数据评议模型，输出可优化评议组；评议方法更新模块用于分析实时评议事件并在分析结果为异常评议事件时进行数据更换和数据筛除，输出满足要求的评议方法。法。法。

【技术实现步骤摘要】
一种基于多维度数据的智能评议管理系统及方法


[0001]本专利技术涉及智能评议
，具体为一种基于多维度数据的智能评议管理系统及方法。

技术介绍

[0002]随着数据库技术和数据集成理论的深入研究以及相关技术的不断发展，各行各业都在将传统业务与新的技术成果相结合，通过信息化建设，使得传统业务更加智能和高效；在传统方式下民主测评过程中的表格发放、填写、回收、统计、分析等依靠手工完成，工作繁琐、劳动量庞大，手工操作方式完全依赖操作人员，操作错、漏在所难免，而为避免工作失误则又必须增加人员投入；现有存在智能评议管理系统可以有效解决人力的问题，但是在对评议指标和指标权重的分析上不能智能化的对历史评议事件中不同评议指标和指标权重进行筛选，无法根据实时数据的新增进行动态指标的更新，以满足评议系统管理的优化，且现有评议系统无法自主判断并筛除无效的评议数值来提升评议的精确度和可靠性。

技术实现思路

[0003]本专利技术的目的在于提供一种基于多维度数据的智能评议管理系统及方法，以解决上述
技术介绍
中提出的问题。
[0004]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于多维度数据的智能评议管理方法，包括以下分析步骤：步骤S1：获取评议系统应用历史评议方法记录的历史评议事件，历史评议方法是指对评议对象由参评人员基于评议指标和指标权重执行打分评议的方法；历史评议方法记录若干种，评议方法种类不同是指评议指标、指标权重不同或评议指标和指标权重均不同；基于历史评议事件，确定异常评议事件的临界评议值；步骤S2：基于历史评议事件，构建可筛除数据评议模型；步骤S3：筛除历史评议事件中的异常评议事件，将剩余历史评议事件作为有效评议事件；基于有效评议事件和可筛除数据评议模型，分析可优化评议组，可优化评议组是指由可优化评议指标和可优化指标权重构成的数据组；步骤S4：监测评议系统的实时评议事件，判断是否存在异常评议事件，若不存在异常评议事件，则继续监测；若存在异常评议事件，分析实时评议事件记录的实时评议数据与筛除数据评议模型和可优化评议组的关系，进行二次判断并输出判断结果；步骤S5：当步骤S4中的判断结果仍为异常评议事件时，输出预警信号进行系统维护预警响应；当二次判断的结果不为异常评议事件时，将实时评议事件对应的评议指标和指标权重作为下一评议事件的评议方法。
[0005]进一步的，确定异常评议事件的临界评议值，包括以下分析步骤：步骤S11：提取历史评议事件记录的评议数据，评议数据包括参评人员的评议数值
和系统评议反馈结果，每一评议事件对应一个评议对象和多个参评人员；将历史评议事件中系统评议反馈结果为异常结果的评议事件标记为异常评议事件；异常结果是指评议对象提出评议申诉进行二次评议的结果；步骤S12：获取异常评议事件中第i个参评人员基于第j类评议指标的评议数值Pij，每类评议指标包含至少两个不同评议指标，且每类评议指标的评议数值是由所属对应类别下所有评议指标进行加权求和计算而得；步骤S13：计算第j类评议指标下由第1、2、3、......、m个参评人员输入的第一评议差值E
j
，E
j
=P
jmax
‑
P
jmin
，P
jmax
表示第j类评议指标对应参评人员输入评议数值的最大值，P
jmin
表示第j类评议指标对应参评人员输入评议数值的最小值；遍历k类评议指标得到第一评议差值集合，计算第一评议差值集合的平均值P0，P0=(1/k)∑E
j
，k≥j；将大于P0的第一评议差值作为第一目标评议差值；m≥i；k表示评议指标的总类型数，m表示参评人员的个数；目标评议差值的选取考量了多种评议指标类型下对异常评议指标类型的范围缩小；从评议数值上入手分析异常是因为不论是权重设定不合理的影响还是指标不明确导致的评分偏差较大的影响，最终均会体现于数值的波动较大；横向分析是考虑评议指标选取带来的差异，计算第i个参评人员对应第1、2、3、......、k类评议指标下的第二评议差值R
i
，R
i
=Q
imax
‑
Q
imin
，Q
imax
表示第i个参评人员对应评议指标的评议数值最大值，Q
imin
表示第i个参评人员对应评议指标的评议数值最小值；遍历m个参评人员得到第二评议差值集合，计算第二评议差值集合的平均值Q0，并将大于Q0的第二评议差值作为第二目标评议差值；纵向分析是考虑权重值带来的差异；步骤S14：按照步骤S13的方式遍历所有异常评议事件，输出对应的第一目标评议差值和第二目标评议差值，计算所有异常评议事件的第一目标评议差值的平均值作为评议指标对应的临界评议值，计算所有异常评议事件的第二目标评议差值的平均值作为指标权重对应的临界评议值。
[0006]取均值作为临界评议值是为了降低选取最小值带来的误差，避免由于评议对象恶意申诉带来的影响。
[0007]进一步的，构建可筛除数据评议模型，包括以下分析步骤：提取历史评议事件中基于所有类型评议指标对应评议数值均相同的参评人员为待分析人员；获取任一待分析人员对应每一评议指标的数值输入时刻t，计算待分析人员的平均间隔输入时长T，T=[1/(k
‑
1)]*∑[t
(j+1)
‑
t
j
]，t
(j+1)
表示第j+1个评议指标对应评议数值的输入时刻，t
j
表示第j个评议指标对应评议数值的输入时刻；获取M个待分析人员的平均间隔输入时长的最大值T
max
；若T
max
与评议数值不为均相同情况对应参评人员的平均间隔输入时长最小值T0的差值大于等于差值阈值且T
max
<T0，说明输入数值相同的参评人员与其他人员在输入时间隔时长差异较大，构成虚假随意评议的可能性越大，将其筛除可以有效的提高评议系统输出结果的精确性，则构建可筛除数据评议模型W1，W=w0‑
T
max
，w0表示实时获取的间隔输入时长；W1>0时，输出对应输入数值保留；W1≤0时，将对应输入数值筛除；若T
max
与评议数值不为均相同情况对应参评人员的平均间隔输入时长最小值T0的差值小于差值阈值，或T
max
与评议数值不为均相同情况对应参评人员的平均间隔输入时长
最小值T0的差值大于等于差值阈值且T
max
≥T0，则计算M个待分析人员的平均间隔输入时长的平均值T0；并构建可筛除数据评议模型W2，W2=w0‑
T0；W2>0时，输出对应输入数值保留；W2≤0时，将对应输入数值筛除。
[0008]进一步的，分析可优化评议组包括以下分析步骤：步骤S31：提取历史评议事件中记录的所有评议指标，每类评议指标包含的评议指标个数相同，将一类评议指标作为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多维度数据的智能评议管理方法，其特征在于，包括以下分析步骤：步骤S1：获取评议系统应用历史评议方法记录的历史评议事件，所述历史评议方法是指对评议对象由参评人员基于评议指标和指标权重执行打分评议的方法；历史评议方法记录若干种，评议方法种类不同是指评议指标、指标权重不同或评议指标和指标权重均不同；基于历史评议事件，确定异常评议事件的临界评议值；步骤S2：基于历史评议事件，构建可筛除数据评议模型；步骤S3：筛除历史评议事件中的异常评议事件，将剩余历史评议事件作为有效评议事件；基于有效评议事件和可筛除数据评议模型，分析可优化评议组，所述可优化评议组是指由可优化评议指标和可优化指标权重构成的数据组；步骤S4：监测评议系统的实时评议事件，判断是否存在异常评议事件，若不存在异常评议事件，则继续监测；若存在异常评议事件，分析实时评议事件记录的实时评议数据与筛除数据评议模型和可优化评议组的关系，进行二次判断并输出判断结果；步骤S5：当步骤S4中的判断结果仍为异常评议事件时，输出预警信号进行系统维护预警响应；当二次判断的结果不为异常评议事件时，将实时评议事件对应的评议指标和指标权重作为下一评议事件的评议方法。2.根据权利要求1所述的一种基于多维度数据的智能评议管理方法，其特征在于：所述确定异常评议事件的临界评议值，包括以下分析步骤：步骤S11：提取历史评议事件记录的评议数据，所述评议数据包括参评人员的评议数值和系统评议反馈结果，每一评议事件对应一个评议对象和多个参评人员；将历史评议事件中系统评议反馈结果为异常结果的评议事件标记为异常评议事件；所述异常结果是指评议对象提出评议申诉进行二次评议的结果；步骤S12：获取异常评议事件中第i个参评人员基于第j类评议指标的评议数值Pij，每类评议指标包含至少两个不同评议指标，且每类评议指标的评议数值是由所属对应类别下所有评议指标进行加权求和计算而得；步骤S13：计算第j类评议指标下由第1、2、3、......、m个参评人员输入的第一评议差值E
j
，E
j
=P
jmax
‑
P
jmin
，P
jmax
表示第j类评议指标对应参评人员输入评议数值的最大值，P
jmin
表示第j类评议指标对应参评人员输入评议数值的最小值；遍历k类评议指标得到第一评议差值集合，计算第一评议差值集合的平均值P0，P0=(1/k)∑E
j
，k≥j；将大于P0的第一评议差值作为第一目标评议差值；m≥i；k表示评议指标的总类型数，m表示参评人员的个数；计算第i个参评人员对应第1、2、3、......、k类评议指标下的第二评议差值R
i
，R
i
=Q
imax
‑
Q
imin
，Q
imax
表示第i个参评人员对应评议指标的评议数值最大值，Q
imin
表示第i个参评人员对应评议指标的评议数值最小值；遍历m个参评人员得到第二评议差值集合，计算第二评议差值集合的平均值Q0，并将大于Q0的第二评议差值作为第二目标评议差值；步骤S14：按照步骤S13的方式遍历所有异常评议事件，输出对应的第一目标评议差值和第二目标评议差值，计算所有异常评议事件的第一目标评议差值的平均值作为评议指标对应的临界评议值，计算所有异常评议事件的第二目标评议差值的平均值作为指标权重对应的临界评议值。3.根据权利要求2所述的一种基于多维度数据的智能评议管理方法，其特征在于：所述构建可筛除数据评议模型，包括以下分析步骤：
提取历史评议事件中基于所有类型评议指标对应评议数值均相同的参评人员为待分析人员；获取任一待分析人员对应每一评议指标的数值输入时刻t，计算待分析人员的平均间隔输入时长T，T=[1/(k
‑
1)]*∑[t
(j+1)
‑
t
j
]，t
(j+1)
表示第j+1个评议指标对应评议数值的输入时刻，t
j
表示第j个评议指标对应评议数值的输入时刻；获取M个待分析人员的平均间隔输入时长的最大值T
max
；若T
max
与评议数值不为均相同情况对应参评人员的平均间隔输入时长最小值T0的差值大于等于差值阈值且T
max
<T0，则构建可筛除数据评议模型W1，W=w0‑
T
max
，w0表示实时获取的间隔输入时长；W1>0时，输出对应输入数值保留；W1≤0时，将对应输入数值筛除；若T
max
与评议数值不为均相同情况对应参评人员的平均间隔输入时长最小值T0的差值小于差值阈值，或T
max
与评议数值不为均相同情况对应参评人员的平均间隔输入时长最小值T0的差值大于等于差值阈值且T
max
≥T0，则计算M个待分析人员的平均间隔输入时长的平均值T0；并构建可筛除数据评议模型W2，W2=w0‑
T0；W2>0时，输出对应输入数值保留；W...

【专利技术属性】
技术研发人员：李冀，陈明杰，朱志鹏，闫丽翔，顾伟，荣蓉，张皓浩，
申请(专利权)人：江苏龙虎网信息科技股份有限公司，
类型：发明
国别省市：