王穎

摘 要： 針對當(dāng)前企業(yè)誠信度評價精度低的難題，結(jié)合企業(yè)誠信度的特點，提出基于數(shù)據(jù)挖掘的企業(yè)誠信度評價模型。建立企業(yè)誠信度評價指標(biāo)，并根據(jù)指標(biāo)收集評價數(shù)據(jù)，采用主成分分析法對企業(yè)誠信度評價指標(biāo)進行篩選，得到比較重要的企業(yè)誠信度評價指標(biāo)，采用熵值法確定企業(yè)誠信度評價指標(biāo)權(quán)值，并通過數(shù)據(jù)挖掘?qū)崿F(xiàn)企業(yè)誠信度評價，進行具體企業(yè)誠信度評價測試。實驗結(jié)果表明，所提方法能夠有效挖掘企業(yè)誠信度的變化特點，獲得了較高精度的企業(yè)誠信度評價結(jié)果。

關(guān)鍵詞： 企業(yè)誠信度; 評價模型; 數(shù)據(jù)挖掘; 仿真實驗; 評價指標(biāo); 熵值法

中圖分類號： TN911?34 文獻標(biāo)識碼： A 文章編號： 1004?373X（2018）09?0161?04

Abstract： In order to improve the evaluation precision of the current enterprise credibility， the characteristics of enterprise credibility is combined to put forward a data mining based evaluation model of enterprise credibility. The evaluation index of enterprise credibility is established， according to which the evaluation data is collected. The principal component analysis is used to screen the evaluation index of enterprise credibility to obtain the more important evaluation index of the enterprise credibility. The entropy method is adopted to determine the weight of the enterprise credibility evaluation index. The data mining is used to realize the evaluation of enterprise credibility. The specific evaluation of enterprise credibility was tested. The experimental results show that the method can mine the change characteristics of enterprise credibility effectively， and obtain the high?precision evaluation result of enterprise credibility.

Keywords： enterprise credibility; evaluation model; data mining; simulation experiment; evaluation index; entropy method

0 引 言

隨著企業(yè)規(guī)模的發(fā)展以及經(jīng)濟全球化的發(fā)展，企業(yè)之間的競爭越來越激烈，企業(yè)誠信度是衡量一個企業(yè)優(yōu)劣的重要指標(biāo)，因此對企業(yè)誠信度進行準(zhǔn)確評價，具有十分重要的研究意義[1]。

針對企業(yè)誠信度評價問題，國內(nèi)外專家和學(xué)者進行不懈的研究，而且花費了大量的時間和精力，提出了許多有效的企業(yè)誠信度評價方法[2]。最原始的企業(yè)誠信度評價方法主要通過一些專家和學(xué)者組成評價團，通過對比和分析對具體一個企業(yè)誠信度進行評價，它們評價結(jié)果比較直觀，由于各專家和學(xué)者看問題角度、審美的角度不一樣，導(dǎo)致評價結(jié)果差別較大，使得企業(yè)誠信度評價結(jié)果具有一定的主觀盲目性[3?5]。近年來，隨著計算機技術(shù)和信息處理技術(shù)不斷的發(fā)展，出現(xiàn)了許多企業(yè)誠信度自動評價方法，如層次分析法的企業(yè)誠信度評價方法，通過層次分析構(gòu)建企業(yè)誠信度評價指標(biāo)體系，或者通過神經(jīng)網(wǎng)絡(luò)等人工智能算法建立企業(yè)誠信度評價模型，它們的評價結(jié)果要優(yōu)于原始企業(yè)誠信度評價方法。在企業(yè)誠信度評價過程中，評價指標(biāo)選擇十分關(guān)鍵，不可能選擇所有企業(yè)誠信度評價指標(biāo)，這樣使得指標(biāo)之間的干擾比較大，因此一般人為選擇指標(biāo)的評價結(jié)果不客觀[6?7]。同時每一個指標(biāo)對企業(yè)誠信度評價結(jié)果的作用程度不一樣，如何體現(xiàn)它們的作用程度，有待進一步解決[8]。

針對當(dāng)前企業(yè)誠信度評價精度低的難題，結(jié)合企業(yè)誠信度的特點，提出基于數(shù)據(jù)挖掘的企業(yè)誠信度評價模型，進行具體企業(yè)誠信度評價測試，以驗證本文模型的有效性。

1 企業(yè)誠信度指標(biāo)的篩選

主成分分析是一種能夠有效減少指標(biāo)數(shù)量的分析方法，可以采用少量、互相獨立的綜合指標(biāo)組成一個最優(yōu)指標(biāo)子集，它們所具備的信息可以代表原始的指標(biāo)集包含的信息，這樣可以大幅度降低指標(biāo)的數(shù)量，避免指標(biāo)之間的相互干擾，消除指標(biāo)之間的重復(fù)信息[8]。設(shè)企業(yè)誠信度評價指標(biāo)的樣本數(shù)量為[N，]企業(yè)誠信度評價指標(biāo)組成的集合為[xi，i=1，2，…，N，]那么主成分分析算法的工作步驟為：

2 數(shù)據(jù)挖掘的企業(yè)誠信度評價模型

2.1 構(gòu)建企業(yè)誠信度評價的指標(biāo)矩陣

設(shè)企業(yè)誠信度評價方案有[m]個，每一個評價方案有[k]個評價指標(biāo)，那么就可以建立如下的企業(yè)誠信度評價指標(biāo)矩陣：

在構(gòu)造企業(yè)誠信度評價指標(biāo)矩陣時，常常需要進行定量分析，由于企業(yè)誠信度評價指標(biāo)難以完全進行定量分析，只能通過模糊理論進行設(shè)置，建立一個全數(shù)字形式的企業(yè)誠信度評價指標(biāo)矩陣。

2.2 確定理想的企業(yè)誠信度評價方案

企業(yè)誠信度評價方案的確定是灰色關(guān)聯(lián)分析的關(guān)鍵部分，因為只有根據(jù)理想的企業(yè)誠信度評價方案才能確定其他的技術(shù)最優(yōu)值。設(shè)理想的企業(yè)誠信度評價方案的指標(biāo)評價值向量為[Uljal1，al2，…，alk]，那么可以和矩陣[Aij]組成一個[m+1×k]階矩陣[Aij，]即：

2.3 企業(yè)誠信度評價指標(biāo)的無量綱化

由于企業(yè)誠信度評價指標(biāo)的單位不一樣，即量綱不同，那么它們的值會相差很大，這會給企業(yè)誠信度評價結(jié)果產(chǎn)生負(fù)面影響，因此需要對企業(yè)誠信度評價指標(biāo)矩陣進行無量綱化處理。[Aij]的無量綱化具體處理方式如下：

2.4 關(guān)聯(lián)系數(shù)求解

采用灰色關(guān)聯(lián)分析法對[S]的各元素之間的關(guān)聯(lián)系數(shù)進行計算，具體計算公式為：[rij=miniminj（1-sij）+εmaximaxj（1-sij）（1-sij）+εmaximaxj（1-sij）] （10）

式中：[min（1-sij）]表示企業(yè)誠信度評價方案的第一級最小差;[minmin（1-sij）]表示兩級最小差;[maxmax（1-sij）]表示兩級最大差;[ε]表示分辨系數(shù)。

2.5 層次分析法確定企業(yè)誠信度評價的指標(biāo)權(quán)值

在企業(yè)誠信度評價方案中，每一個指標(biāo)對評價結(jié)果的影響程度不同，常采用權(quán)值來描述，選擇層次分析法確定權(quán)值，具體為：

1） 企業(yè)誠信度評價目標(biāo)的確定，并構(gòu)建評價指標(biāo)集。

2） 構(gòu)造企業(yè)誠信度評價方案的判斷矩陣，采用多個專家確定，即：

2.6 計算關(guān)聯(lián)度

根據(jù)關(guān)聯(lián)系數(shù)和指標(biāo)權(quán)重可以得到企業(yè)誠信度評價的綜合關(guān)聯(lián)度[Ui，]具體計算公式為：

3 測試結(jié)果與分析

為了分析本文提出的企業(yè)誠信度評價方法的性能，選擇20家企業(yè)誠信度對象進行測試，它們的理想值如圖1所示。對圖1進行分析可以發(fā)現(xiàn)，本文方法的企業(yè)誠信度評價值與理想值相差很小，幾乎可以忽略不計，得到了理想的企業(yè)誠信度評價結(jié)果。

對表1的企業(yè)誠信度評價結(jié)果進行分析可知，本文方法的企業(yè)誠信度評價精度要遠遠高于主成分分析法、層次分析法、RBF神經(jīng)網(wǎng)絡(luò)，這是因為對比方法無法對企業(yè)誠信度過程進行準(zhǔn)確反映，導(dǎo)致企業(yè)誠信度評價偏差大，而本文方法通過主成分分析法對企業(yè)誠信度評價指標(biāo)進行選擇，剔除了一些無用的指標(biāo)，并通過灰色關(guān)聯(lián)法確定指標(biāo)之間的關(guān)聯(lián)程度，可以消除指標(biāo)之間的重復(fù)信息，最后通過層次分析法確定各個指標(biāo)對企業(yè)誠信度評價的貢獻，可以準(zhǔn)確描述企業(yè)誠信度的特點，得到較高精度的企業(yè)誠信度評價結(jié)果。

4 結(jié) 語

針對當(dāng)前企業(yè)誠信度評價中的指標(biāo)選擇問題，難以獲得更加理想的企業(yè)誠信度評價精度，提出基于灰色關(guān)聯(lián)分析的企業(yè)誠信度評價方法，并通過具體實驗驗證其有效性，可以得到如下結(jié)論：

1） 企業(yè)誠信度評價指標(biāo)眾多，每一個指標(biāo)對評價結(jié)果的貢獻具有一定的差異，傳統(tǒng)方法沒有考慮該方面的影響，評價結(jié)果精度受到影響。

2） 采用主成分分析法對企業(yè)誠信度評價指標(biāo)進行篩選，可以去掉一些不重要的評價指標(biāo)，簡化評價過程，加快了企業(yè)誠信度評價的速度。

3） 采用灰色關(guān)聯(lián)分析法對企業(yè)誠信度進行評價，可以有效區(qū)分各種企業(yè)誠信度的等級，得到比較科學(xué)、客觀的企業(yè)誠信度評價結(jié)果。

參考文獻

[1] WONG L H， CHAI C S， ZHANG X， et al. Employing the TPACK framework for researcher?teacher co?design of a mobile?assisted seamless language learning environment [J]. IEEE transactions on learning technologies， 2015， 8（1）： 31?42.

[2] 吳殿廷，吳迪.用主成分分析法作多指標(biāo)綜合評價應(yīng)該注意的問題[J].數(shù)學(xué)的實踐與認(rèn)識，2015，45（20）：143?150.

WU Dianting， WU Di. The problems that should be paid attention to by the principal component analysis method for multi index comprehensive evaluation [J]. Journal of mathematics in practice and theory， 2015， 45（20）： 143?150.

[3] ZHAO Y W， HUANG F L， LI Z F， et al. Research in method of reliability optimization based on multi?objective fuzzy matter?element with fuzzy chance constraint [J]. Key engineering materials， 2006， 316（10）： 430?435.

[4] LEE E， PARK Y， SHIN J G. Large engineering project risk management using a Bayesian belief network [J]. Expert systems with applications， 2009， 36（3）： 458?461.

[5] 戴婷.企業(yè)誠信度的貝葉斯估計研究[J].數(shù)學(xué)理論與應(yīng)用，2008，28（3）：35?39.

DAI Ting. The Bayesian estimation of the enterprise′s faith level [J]. Mathematical theory and application， 2008， 28（3）： 35?39.

[6] 羌薇，張黎翔.分級分類的多元綜合誠信評價指標(biāo)體系[J].市場研究，2016（2）：30?34.

QIANG Wei， ZHANG Lixiang. Hierarchical classification of multiple comprehensive integrity evaluation index system [J]. Marketing research， 2016（2）： 30?34.

[7] 袁磊，李書琴.主成分分析在小麥條銹病預(yù)測中的應(yīng)用[J].計算機工程與設(shè)計，2010，31（2）：459?461.

YUAN Lei， LI Shuqin. Application of principal component analysis in the prediction of wheat stripe rust [J]. Computer engineering and design， 2010， 31（2）： 459?461.

[8] ROY U， PRAMANIK N， SUDASAN R， et al. Function?to?form mapping： model， representation and applications in design synthesis [J]. Computer?aided design， 2001， 23（10）： 699?712.

[9] 姚延波，焦彥，胡宇橙，等.我國旅游企業(yè)誠信評價指標(biāo)體系的構(gòu)建[J].天津師范大學(xué)學(xué)報（社會科學(xué)版），2013（6）：30?34.

YAO Yanbo， JIAO Yan， HU Yucheng， et al. Credit evaluation index system construction of tourism enterprises in China [J]. Journal of Tianjin Normal University （social science edition）， 2013（6）： 30?34.

[10] 譚中明，江紅莉，張靜.基于貝葉斯網(wǎng)絡(luò)的食品生產(chǎn)企業(yè)誠信度評估[J].統(tǒng)計與決策，2015（23）：181?183.

TAN Zhongming， JIANG Hongli， ZHANG Jing. Integrity assessment of food production enterprises based on Bayesian networks [J]. Statistics and decision?making， 2015（23）： 181?183.