[发明专利]一种基于Z-SS规范化的综合评价方法及应用

说明书

本发明涉及一种基于Z‑SS规范化的综合评价方法与应用，首先获得各评价对象分别对应各评价指标的数据值；再通过转换更新，保证数据值均符合极大值指标类型；然后针对各评价对象分别对应各评价指标的数据值进行规范化更新；最后综合分析各评价对象的综合分析指标，获得各评价对象的评价；设计方案将Z‑Score标准化和Sigmoid归一化进行结合，能够较好的避免由异常值导致规范化结果偏移的问题，提高了评价分析结果的准确性，降低噪音数据对推荐结果的影响；并且经过与现有技术的比对分析，发现本发明设计方案结果更符合实际情况，在具体关于人员亲密度的评价分析当中，评价结果更加细腻准确。

技术领域

本发明涉及一种基于Z-SS规范化的综合评价方法及应用，属于信息挖掘与人工智能技术领域。

背景技术

评价是一种非常重要的认识活动，也是决策的基础工作。在解决实际问题中，经常遇到有关综合评价问题，例如优秀学生的评选、高校排名、医疗质量等综合评价问题。它需要综合考察多个有关因素，根据多个因素计算一个综合指标，把多维空间问题简化为一维空间问题解决，最后依据综合指标值大小对评价对象优劣程度进行排序。由于受多种因素影响，如何使评价结果更为准确和科学，是人们亟待解决的热点课题之一。

目前，综合评价有许多不同的算法，例如TOPSIS法、综合指数法、灰色系统法、层次分析法、模糊综合评价法、多元统计法、秩和比法等。在实际推荐应用中，评分矩阵通常会含有部分噪音数据，导致推荐结果不准确，为了解决这个问题常会采用矩阵降维技术。例如，采用奇异值分解法删除不重要的或噪音数据，虽然采用降维、聚类、分类等策略能产生较好的推荐结果、且增加算法的可扩展性，但需要花费大量的时间分解矩阵。

发明内容

本发明所要解决的技术问题是提供一种基于Z-SS规范化的综合评价方法，采用全新数据分析设计，能够克服正态分布数据在规范化过程中的结果偏移问题，保证评价结果的准确性。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于Z-SS规范化的综合评价方法，基于服从正态分布的预设M个评价指标，针对预设N个评价对象进行评价，包括如下步骤：

步骤A.分别针对各个评价对象，获得评价对象分别对应各个评价指标的数据值，进而获得各个评价对象分别对应各个评价指标的数据值，然后进入步骤B；

步骤B.针对属于极小值指标类型的各个评价指标，将各评价对象分别对应该各评价指标的数据值转换为极大值指标类型的数据值，更新各评价对象分别对应该各评价指标的数据值，然后进入步骤C；

步骤C.针对各个评价对象分别对应各个评价指标的数据值，执行数据规范化操作，更新各评价对象分别对应各评价指标的数据值，然后进入步骤D；

步骤D.根据各评价对象分别对应各评价指标的数据值，获得各评价对象分别所对应的综合评价得分，并按综合评价得分由高至低，针对各评价对象进行排序。

作为本发明的一种优选技术方案：所述步骤B中，分别针对属于极小值指标类型的各个评价指标，执行如下步骤B1至步骤B2，将各评价对象分别对应该各评价指标的数据值转换为极大值指标类型的数据值，更新各评价对象分别对应该各评价指标的数据值；

步骤B1.获得各评价对象对应评价指标的数据值的最大值，作为该评价指标最大值，然后进入步骤B2；

步骤B2.分别针对各评价对象对应该评价指标的数据值，获得该评价指标最大值减去数据值的结果，作为该数据值转换为极大值指标类型的数据值，进而获得各评价对象对应该评价指标的数据值分别转换为极大值指标类型的数据值。

作为本发明的一种优选技术方案：所述步骤C中，分别针对各个评价指标，执行如下步骤C1至步骤C3，更新各个评价对象分别对应各个评价指标的数据值；

步骤C1.获得各评价对象分别对应评价指标的数据值的均值、标准差，作为该评价指标均值、该评价指标标准差，然后进入步骤C2；