李雨田, 宋昊澄, 陳衛(wèi)衛(wèi), 杜金麗

(西安航空職業(yè)技術(shù)學(xué)院 1.國(guó)有資產(chǎn)管理處； 2.后勤管理處； 3.現(xiàn)代教育技術(shù)中心, 陜西 西安 710089)

0 引言

隨著信息技術(shù)的不斷發(fā)展，政府采購(gòu)的透明性越來(lái)越高，為了更加科學(xué)、準(zhǔn)確地實(shí)現(xiàn)政府采購(gòu)，減少政府采購(gòu)成本，提高政府采購(gòu)質(zhì)量，需要對(duì)政府采購(gòu)方案進(jìn)行高精度的評(píng)價(jià)。因此，政府采購(gòu)方案評(píng)價(jià)研究具有十分重要的意義，成為當(dāng)前研究的重點(diǎn)[1-3]。

針對(duì)政府采購(gòu)方案評(píng)價(jià)問(wèn)題，許多學(xué)者投入了大量的時(shí)間、精力進(jìn)行了深入的研究，涌出了許多有效的政府采購(gòu)方案評(píng)價(jià)模型。當(dāng)前政府采購(gòu)方案評(píng)價(jià)模型可以劃分為兩類：一種是定性分析的政府采購(gòu)方案評(píng)價(jià)模型;另一種是定量分析的政府采購(gòu)方案評(píng)價(jià)模型[4]，其中定性分析方法主要通過(guò)專家系統(tǒng)對(duì)政府采購(gòu)方案評(píng)價(jià)進(jìn)行研究，該方法評(píng)價(jià)的結(jié)果主觀性強(qiáng)、偏差大、耗時(shí)長(zhǎng)，無(wú)法滿足現(xiàn)代政府采購(gòu)方案評(píng)價(jià)研究[5-7]；定量分析方法主要有多元線性回歸的政府采購(gòu)方案評(píng)價(jià)模型；層次分析法的政府采購(gòu)方案評(píng)價(jià)模型；人工神經(jīng)網(wǎng)絡(luò)的政府采購(gòu)方案評(píng)價(jià)模型等，其中多元線性回歸、層次分析法屬于線性建模方法，而政府采購(gòu)方案的優(yōu)劣與多種因素相關(guān)，如渠道來(lái)源、社會(huì)效率、地方經(jīng)濟(jì)，具有明顯的隨機(jī)性、時(shí)變性，因此它們的政府采購(gòu)方案評(píng)價(jià)誤差大[8-10]；人工神經(jīng)網(wǎng)絡(luò)雖然具有較強(qiáng)的非線性建模能力，但收斂速度慢、結(jié)構(gòu)復(fù)雜，使得政府采購(gòu)方案評(píng)價(jià)結(jié)果極不穩(wěn)定，缺陷十分明顯。同時(shí)在當(dāng)前政府采購(gòu)方案評(píng)價(jià)過(guò)程中，認(rèn)為每一個(gè)指標(biāo)對(duì)政府采購(gòu)方案評(píng)價(jià)結(jié)果的貢獻(xiàn)是一樣的，這與實(shí)際不相符，使得政府采購(gòu)方案評(píng)價(jià)精度有待進(jìn)一步提高[11]。

為了獲得理想的政府采購(gòu)方案評(píng)價(jià)結(jié)果，設(shè)計(jì)了數(shù)據(jù)挖掘的政府采購(gòu)方案評(píng)價(jià)模型，該模型集成了灰色關(guān)聯(lián)分析法、支持向量機(jī)等優(yōu)點(diǎn)，測(cè)試結(jié)果表明，本文方法可以很好地描述政府采購(gòu)方案的變化特點(diǎn)，提高政府采購(gòu)方案評(píng)價(jià)精度，改善政府采購(gòu)方案評(píng)價(jià)效率，具有明顯的優(yōu)勢(shì)。

1 數(shù)據(jù)挖掘的政府采購(gòu)方案評(píng)價(jià)模型

1.1 層次分析法建立政府采購(gòu)方案評(píng)價(jià)指標(biāo)體系

為了對(duì)政府采購(gòu)方案進(jìn)行高精度評(píng)價(jià)，要建立良好的評(píng)價(jià)指標(biāo)體系，政府采購(gòu)方案評(píng)價(jià)指標(biāo)較多，基于科學(xué)性、客觀性、可操作性、全面性的原則，建立了政府采購(gòu)方案評(píng)價(jià)指標(biāo)體系，如表1所示。

表1 政府采購(gòu)方案評(píng)價(jià)指標(biāo)體系

1.2 灰色關(guān)聯(lián)分析確定政府采購(gòu)方案評(píng)價(jià)指標(biāo)權(quán)重

在政府采購(gòu)方案評(píng)價(jià)過(guò)程中，每一個(gè)指標(biāo)對(duì)評(píng)價(jià)的結(jié)果貢獻(xiàn)程度不一樣，傳統(tǒng)模型沒(méi)有考慮指標(biāo)之間的差異性，使得政府采購(gòu)方案評(píng)價(jià)結(jié)果達(dá)不到最優(yōu)。因此，本文引入灰色關(guān)聯(lián)分析法確定政府采購(gòu)方案評(píng)價(jià)指標(biāo)的權(quán)重。

灰色關(guān)聯(lián)分析方法對(duì)指標(biāo)的相關(guān)系數(shù)進(jìn)行分析，計(jì)算指標(biāo)的關(guān)聯(lián)度，并依據(jù)關(guān)聯(lián)度大小進(jìn)行排序[12-14]，具體步驟如下。

(1) 分別將政府采購(gòu)方案的得分和評(píng)價(jià)指標(biāo)作為參考數(shù)列y(k)和比較序列xi(k)。

(2) 政府采購(gòu)方案評(píng)價(jià)指標(biāo)的單位各異，數(shù)值的范圍大，因此對(duì)其進(jìn)行歸一化處理，并仍記為xi(t),如式(1)。

(1)

(3) 采用式(2)計(jì)算參考數(shù)列與比較序列間的關(guān)聯(lián)系數(shù)。

ξi(k)=

(2)

式中，ρ為分辨系數(shù)。

(4) 采用式(3)計(jì)算政府采購(gòu)方案評(píng)價(jià)指標(biāo)關(guān)聯(lián)度。

(3)

(5) 根據(jù)關(guān)聯(lián)度對(duì)評(píng)價(jià)指標(biāo)進(jìn)行排序，并選擇關(guān)聯(lián)度較大的指標(biāo)進(jìn)行政府采購(gòu)方案評(píng)價(jià)建模。

(6) 關(guān)聯(lián)度刻畫(huà)了指標(biāo)對(duì)政府采購(gòu)方案評(píng)價(jià)結(jié)果的貢獻(xiàn)，根據(jù)關(guān)聯(lián)度對(duì)政府采購(gòu)方案評(píng)價(jià)指標(biāo)賦予權(quán)值，描述政府采購(gòu)方案評(píng)價(jià)指標(biāo)的重要性。

1.3 支持向量機(jī)

支持向量機(jī)是一種數(shù)據(jù)挖掘算法，采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則進(jìn)行訓(xùn)練，不存在人工神經(jīng)網(wǎng)絡(luò)收斂速度慢的弊端，建模效果更優(yōu)[15]。

對(duì)于政府采購(gòu)方案評(píng)價(jià)樣本集合為{(xi,yi)|i=1,2,…,l};xi為政府采購(gòu)方案評(píng)價(jià)的指標(biāo);yi為政府采購(gòu)方案的得分，采用函數(shù)φ()將政府采購(gòu)方案評(píng)價(jià)樣本映射到高維特間進(jìn)行回歸，如式(4)。

f(x)=wTφ(x)+b

(4)

式(4)的求解過(guò)程復(fù)雜，影響政府采購(gòu)方案評(píng)價(jià)效率，為此對(duì)式(4)進(jìn)行變換，得到對(duì)偶形式，如式(5)。

s.t.

(5)

式中，C為懲罰參數(shù)。

采用拉格朗日方法對(duì)式(5)進(jìn)行求解，建立如下的拉格朗日函數(shù)，如式(6)。

L(w,b,e,α)=

(6)

式中，αi為拉格朗日乘子。

對(duì)式(6)的w，b，ei，αi進(jìn)行求偏導(dǎo)，并使它們的偏導(dǎo)為0，如式(7)。

(7)

消去w和ei，建立矩陣形式，如式(8)。

(8)

式中，E=[1,…,1]T，α=[α1,…,αl]T，y=[y1,…,yl]T，Ωil=φ(xi)φ(xl)。

采用核函數(shù)代替內(nèi)積操作，即：K(xi,xl)=φ(xi)φ(xl)，得式(9)。

(9)

根據(jù)Q=Ω+C-1I，得式(10)。

(10)

最后，基于支持向量機(jī)的政府采購(gòu)方案評(píng)價(jià)函數(shù)，如式(11)。

(11)

核函數(shù)定義，如式(12)。

(12)

1.4 數(shù)據(jù)挖掘的政府采購(gòu)方案評(píng)價(jià)步驟

(1) 構(gòu)建政府采購(gòu)方案評(píng)價(jià)指標(biāo)，并收集相應(yīng)的政府采購(gòu)方案評(píng)價(jià)指標(biāo)數(shù)據(jù)。

(2) 采用灰色關(guān)聯(lián)分析方法確定政府采購(gòu)方案評(píng)價(jià)指標(biāo)的權(quán)值，去掉了一些不重要評(píng)價(jià)指標(biāo)。

(3) 采用專家為政府采購(gòu)方案進(jìn)行打分，并將其作為支持向量機(jī)的輸出，政府采購(gòu)方案評(píng)價(jià)指標(biāo)作為支持向量機(jī)輸入，構(gòu)建政府采購(gòu)方案評(píng)價(jià)建模的學(xué)習(xí)樣本。

(4) 采用支持向量機(jī)對(duì)學(xué)習(xí)樣本進(jìn)行訓(xùn)練，通過(guò)10折交叉驗(yàn)證算法確定最優(yōu)參數(shù)，建立政府采購(gòu)方案評(píng)價(jià)指標(biāo)評(píng)價(jià)模型。具體流程如圖1所示。

圖1 數(shù)據(jù)挖掘的政府采購(gòu)方案評(píng)價(jià)流程

2 數(shù)據(jù)挖掘的政府采購(gòu)方案評(píng)價(jià)模型性能的測(cè)試

2.1 測(cè)試環(huán)境

為了測(cè)試數(shù)據(jù)挖掘的政府采購(gòu)方案評(píng)價(jià)模型性能，對(duì)其進(jìn)行仿真實(shí)驗(yàn)，仿真硬件和軟件環(huán)境參數(shù)，如表1所示。

表1 數(shù)據(jù)挖掘的政府采購(gòu)方案評(píng)價(jià)的仿真環(huán)境

選擇BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘的政府采購(gòu)方案評(píng)價(jià)模型、RBF神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘的政府采購(gòu)方案評(píng)價(jià)模型在相同仿真測(cè)試環(huán)境下進(jìn)行對(duì)比實(shí)驗(yàn)。

2.2 測(cè)試數(shù)據(jù)

選擇150個(gè)政府采購(gòu)方案作為測(cè)試對(duì)象，首先采集評(píng)價(jià)指標(biāo)數(shù)據(jù)，由于評(píng)價(jià)指數(shù)據(jù)較多，在此不列出，然后采用專家對(duì)每一個(gè)政府采購(gòu)方案進(jìn)行打分，得到的分值，如圖2所示。

圖2 政府采購(gòu)方案評(píng)價(jià)實(shí)驗(yàn)的樣本數(shù)據(jù)

2.3 政府采購(gòu)方案評(píng)價(jià)指標(biāo)的權(quán)值

采用灰色關(guān)聯(lián)分析方法對(duì)政府采購(gòu)方案評(píng)價(jià)指標(biāo)進(jìn)行處理，計(jì)算它們的關(guān)聯(lián)度，然后根據(jù)關(guān)聯(lián)度得到政府采購(gòu)方案評(píng)價(jià)指標(biāo)的權(quán)值。得到結(jié)果，如圖3所示。

圖3 政府采購(gòu)方案評(píng)價(jià)指的權(quán)值

從圖3可以發(fā)現(xiàn)，不同的采購(gòu)方案評(píng)價(jià)指標(biāo)它們權(quán)值差異性大，即對(duì)采購(gòu)方案評(píng)價(jià)結(jié)果的影響程度不一樣，考慮采購(gòu)方案評(píng)價(jià)的效率，去掉一些權(quán)值較小的指標(biāo)，因此它們對(duì)采購(gòu)方案評(píng)價(jià)結(jié)果的影響不大，得到6個(gè)權(quán)值大指標(biāo)作為支持向量機(jī)的輸入向量，和圖2采購(gòu)方案得分組成樣本集合，每一種模型均進(jìn)行5次仿真實(shí)驗(yàn)，訓(xùn)練樣本和測(cè)試樣本的數(shù)量采用4∶1的方式，每次采用隨機(jī)方式進(jìn)行選擇，以體現(xiàn)實(shí)驗(yàn)結(jié)果的公平性。

2.4 結(jié)果與分析

統(tǒng)計(jì)3種模型對(duì)政府采購(gòu)方案訓(xùn)練樣本和測(cè)試樣本的評(píng)價(jià)，統(tǒng)計(jì)每一次實(shí)驗(yàn)評(píng)價(jià)精度的平均值，如圖4、圖5所示。

對(duì)圖4、圖5的政府采購(gòu)方案評(píng)價(jià)精度進(jìn)行對(duì)比分析可以發(fā)現(xiàn)，訓(xùn)練樣本的政府采購(gòu)方案評(píng)價(jià)精度要高于測(cè)試樣本，這與實(shí)際情況相符，證明了本文設(shè)計(jì)的政府采購(gòu)方案評(píng)價(jià)模型是有效的。

圖4 訓(xùn)練樣本的政府采購(gòu)方案評(píng)價(jià)精度

圖5 測(cè)試樣本的政府采購(gòu)方案評(píng)價(jià)精度

相對(duì)于對(duì)比模型，本文模型的政府采購(gòu)方案評(píng)價(jià)精度更高，有效減少了政府采購(gòu)方案評(píng)價(jià)誤差，這是因?yàn)楸疚哪Ｐ鸵肓嘶疑P(guān)聯(lián)分析方法確定不同指標(biāo)權(quán)值，體現(xiàn)了它們的差異性，并引入了建模性能更優(yōu)的支持向量機(jī)對(duì)政府采購(gòu)方案變化特點(diǎn)進(jìn)行擬合，克服了對(duì)比模型的弊端，證明了本文政府采購(gòu)方案評(píng)價(jià)模型的優(yōu)越性。

統(tǒng)計(jì)不同模型的政府采購(gòu)方案評(píng)價(jià)訓(xùn)練和測(cè)試總時(shí)間(秒)，如表2所示。

表2 不同模型的政府采購(gòu)方案評(píng)價(jià)時(shí)間對(duì)比

從表2可以看出，本文模型由于采用灰色關(guān)聯(lián)分析方法選擇一些重要政府采購(gòu)方案評(píng)價(jià)指標(biāo)進(jìn)行建模，減少了政府采購(gòu)方案評(píng)價(jià)模型的輸入向量，降低了政府采購(gòu)方案評(píng)價(jià)復(fù)雜度，減少了政府采購(gòu)方案評(píng)價(jià)時(shí)間，提升了政府采購(gòu)方案評(píng)價(jià)效率。

3 總結(jié)

為了提高政府采購(gòu)方案評(píng)價(jià)精度，針對(duì)當(dāng)前政府采購(gòu)方案評(píng)價(jià)過(guò)程中存在的問(wèn)題，提出了基于數(shù)據(jù)挖掘的政府采購(gòu)方案評(píng)價(jià)模型，并通過(guò)仿真實(shí)驗(yàn)得到如下結(jié)論。

(1) 利用灰色關(guān)聯(lián)分析方法對(duì)政府采購(gòu)方案評(píng)價(jià)指標(biāo)的權(quán)值進(jìn)行確定，并去除一些不重要的評(píng)價(jià)指標(biāo)，可以改善政府采購(gòu)方案評(píng)價(jià)效率。

(2) 采用支持向量機(jī)建立政府采購(gòu)方案評(píng)價(jià)識(shí)別模型，提高了政府采購(gòu)方案評(píng)價(jià)的準(zhǔn)確性。