[发明专利]一种基于多标准决策模型的园区政策匹配和评估方法

说明书

本发明公开了一种基于多标准决策模型的园区政策匹配和评估方法，其包括以下步骤：获取政策数据、企业数据及园区数据；对所述政策数据和企业数据进行预处理，分别提取政策标签和企业标签，所述政策标签和企业标签包括定量标签、定性标签；定义匹配规则，并对政策标签赋予权重值；基于匹配规则和权重值，建立政策匹配分析模型并计算匹配结果，所述政策匹配分析模型包括Additive MAVF模型、有效标签匹配度模型及证据推理模型；针对所述园区数据，定义各项指标的初始权重，并获得初始权重下的园区分数；建立DEA‑WEI模型反映各园区的最大期望；利用极小极大方法优化权重。

技术领域

本发明涉及大数据处理技术领域，特别涉及一种基于多标准决策模型的园区政策匹配和评估方法。

背景技术

对于企业园区而言，其作为科技创新的重要基础支撑，在支持中小企业发展和促进社会经济发展上起到了重要作用。区域政策引导以及科技园区的支撑对企业发展至关重要。目前对区域政策能否有效促进创新以及科技园区内企业所处行业分析，都有进行了一定研究。但是，随着大数据分析技术的逐渐发展，并未对企业与相关政策匹配以及园区综合表现进行评估，这样说目前亟待解决的问题。

发明内容

为解决上述问题，本发明提供了一种基于多标准决策模型的园区政策匹配和评估方法。

本发明采用以下技术方案：

一种基于多标准决策模型的园区政策匹配和评估方法，其包括以下步骤：

S1、获取政策数据、企业数据及园区数据；

S2、对所述政策数据和企业数据进行预处理，分别提取政策标签和企业标签，所述政策标签和企业标签包括定量标签、定性标签；

S3、定义匹配规则，并对政策标签赋予权重值；

S4、基于匹配规则和权重值，建立政策匹配分析模型并计算匹配结果，所述政策匹配分析模型包括Additive MAVF模型、有效标签匹配度模型及证据推理模型；

S5、针对所述园区数据，定义各项指标的初始权重，并获得初始权重下的园区分数；

S6、建立DEA-WEI模型反映各园区的最大期望；

S7、利用极小极大方法优化权重，并计算最终园区分数。

优选地，所述Additive MAVF模型具体为：

优选地，所述有效标签匹配度模型为：

有效匹配度＝总得分/有效标签数量。

优选地，所述证据推理模型通过以下方法建立：

首先定义标签属性等级，然后分别对定量标签和定性标签定义属性，最后对定量标签和定性标签赋予权重。

优选地，所述步骤S6具体通过以下方法实现：

首先建立DEA-WEI模型，公式如下：

(u1*,u2*,…,us*)T反映园区最大期望；

然后定义公式如下：

最后标准化g_j，

采用上述技术方案后，本发明与背景技术相比，具有如下优点：