基于語言信息的檔案網(wǎng)站績效評估模型研究

王小容，衛(wèi)貴武

(1．重慶文理學院學校辦公室，重慶 永川 402160;2．重慶文理學院經(jīng)濟與管理學院，重慶 永川 402160)

20世紀80年代以來，各國政府政務(wù)信息網(wǎng)的陸續(xù)開通，對以政府網(wǎng)站績效評估為中心的研究逐漸成為國內(nèi)外學術(shù)界的一個熱點話題．伴隨著政務(wù)信息公開化的呼聲，檔案網(wǎng)站的建設(shè)開始被提上議事日程．然而，國內(nèi)學者對檔案網(wǎng)站績效評估問題的研究卻不多，并且對檔案網(wǎng)站績效評估在關(guān)鍵問題上沒有形成統(tǒng)一認識，從而導(dǎo)致我國檔案網(wǎng)站績效評估舉步維艱．如何對檔案網(wǎng)站建設(shè)的成效做出公平、公正、公開的評估，如何引導(dǎo)檔案網(wǎng)站建設(shè)向正確的方向發(fā)展是我國檔案部門面臨的重要問題．

近年來，人們在對諸如人的思想品德、汽車性能等問題進行評估時往往會直接給出定性的評估信息(如：優(yōu)、良、差等語言形式)，因此對屬性值以語言變量形式給出的多屬性決策問題的研究具有重要的理論和實際應(yīng)用價值．目前，國內(nèi)外有關(guān)該問題的研究已有一部分成果［1-5，9-21］．由于客觀事物的復(fù)雜性、不確定性以及人類思維的模糊性，當專家受一些主、客觀因素制約時，屬性值往往以語言變量的形式給出，并且只能獲取部分屬性權(quán)重的信息，甚至對屬性權(quán)重信息完全未知，因此對該類多屬性決策問題的研究已引起了人們的關(guān)注．文獻［2］對屬性取值為語言變量、屬性權(quán)重信息完全未知的多屬性決策問題進行了研究．文獻［3］對屬性取值為語言變量、屬性權(quán)重信息不完全的多屬性決策問題給出了一種交互式的決策方法．文獻［4］對屬性取值為語言變量、屬性權(quán)重信息完全未知的多屬性群決策問題，基于離差最大化的思想，給出了一種求解屬性權(quán)重的公式．文獻［5］對屬性取值為語言變量、屬性權(quán)重信息不完全且對方案有偏好的多屬性決策問題給出了解決該問題的線性規(guī)劃模型．

鑒于此，本文將基于語言信息處理模型對我國檔案網(wǎng)站績效評估的問題進行深入和系統(tǒng)的研究，提煉出檔案網(wǎng)站建設(shè)中的關(guān)鍵指標，形成客觀公正的檔案網(wǎng)站績效評估指標體系和評估模型，協(xié)助相關(guān)部門發(fā)現(xiàn)檔案網(wǎng)站建設(shè)中存在的問題，為優(yōu)化檔案網(wǎng)站建設(shè)和應(yīng)用標準提供決策依據(jù)，為我國檔案網(wǎng)站的建設(shè)建立全面的參照系統(tǒng)，使其朝著規(guī)范化、有序化方向發(fā)展，進而提高我國檔案網(wǎng)站建設(shè)的整體水平．為此，本文首先引入語言變量的概念及其運算法則，然后結(jié)合文獻［6］的思想，對語言多屬性決策問題綜合考慮待評方案綜合屬性值之間相離度最大化和權(quán)系數(shù)的隨機性，引入Shannon熵［7］來描述權(quán)系數(shù)的不確定性，給出一種新的計算屬性權(quán)系數(shù)的方法．該方法以待評方案綜合屬性值之間相離度最大化和Jaynes最大熵原理［7］為依據(jù)，建立了確定屬性權(quán)系數(shù)的優(yōu)化模型，并給出了模型的精確解．隨后利用語言加權(quán)算術(shù)平均(LWAA)算子，對語言決策信息進行加權(quán)集成，繼而對檔案網(wǎng)站績效進行排序和擇優(yōu)．最后通過實例說明此方法的有效性．

1 預(yù)備知識

(a)若i＞ j，則si＞ sj;

(b)存在負算子neg(si)=s-i;

(c)若 si≥ sj，則 max(si，sj)=si;

(d)若 si≤ sj，則 min(si，sj)=si．

例如：S可以定義如下：

S={s-4=極差，s-3=很差，s-2=差，s-1=稍差，s0=一般，s1=稍好，s2=好，s3=很好，s4=極好}．

定義 1［2，5］設(shè) sα，sβ∈為兩個語言變量，那么sα與sβ之間的規(guī)范化距離定義為：

2 基于語言信息的檔案網(wǎng)站績效評估模型

令 M={1，2，…，m} ，N={1，2，…，n} ，利用LWAA算子對決策者的語言決策矩陣R=(rij)m×n的屬性值進行集結(jié)，得到?jīng)Q策方案Ai關(guān)于屬性Gj的綜合屬性值：

顯然，綜合屬性值zi(w)越大，則其所對應(yīng)的檔案網(wǎng)站Ai越優(yōu)，在權(quán)重向量已經(jīng)確知的情況下，很容易對方案進行排序．

由于客觀事物的復(fù)雜性及人類思維的模糊性，人們往往難以給出明確的屬性權(quán)重，有時會出現(xiàn)屬性權(quán)重完全未知這種極端情形．在這種情況下，需要事先確定屬性的權(quán)重．

有限個方案的多屬性評估問題，實質(zhì)上是對這些方案綜合屬性值的排序比較．若所有決策方案在屬性Gj下的屬性值差異越小，則說明該屬性對方案決策與排序所起的作用越小;反之，如果屬性Gj能使所有決策方案的屬性值有較大偏差，則說明其對方案決策與排序?qū)⑵鹬匾饔茫虼耍瑥膶Q策方案進行排序的角度考慮，方案屬性值偏差越大的屬性應(yīng)該賦予越大的權(quán)重，方案屬性值偏差越小的屬性應(yīng)該賦予越小的權(quán)重．特別地，若所有決策方案在屬性Gj下的屬性值無差異，則屬性Gj對方案排序?qū)⒉黄鹱饔茫闪钇錂?quán)重為零．

對于屬性Gj，若決策方案Ai與其它所有決策方案的偏差用Dij(w)表示，可以定義為：

因此，對屬性Gj而言，各決策方案與其它決策方案的屬性值的偏差為：

系統(tǒng)評價的目的就是要確定一個合理的屬性權(quán)系數(shù)，使所有評價屬性對所有待評方案之總離差為最大，即極大化：

來表示屬性權(quán)系數(shù)的不確定性．

多屬性決策的另一個目的就是盡量消除各屬性權(quán)系數(shù)的不確定性，根據(jù)Jaynes最大熵原理［7］，確定的屬性權(quán)系數(shù)應(yīng)使 Shannon熵取極大，

為達到上述兩個目的，求解權(quán)向量w就等價于求解如下最優(yōu)化問題：

其中u為正參數(shù)，滿足0＜u＜1，用來表示上述兩個目標之間的平衡系數(shù)，可根據(jù)實際問題給出．下面求解優(yōu)化問題．先構(gòu)造Lagrange函數(shù)

根據(jù)極值存在的必要條件，有

從而解得權(quán)重向量w：

綜上所述，給出如下算法：

步驟2 利用(10)式求出最優(yōu)屬性權(quán)重向量w，令式中u=0．2．

步驟3 由(3)式求得各檔案網(wǎng)站綜合屬性值zi(w)．

步驟4 根據(jù)zi(w)的值對檔案網(wǎng)站進行降序排列，zi(w)的值越大，對應(yīng)的檔案網(wǎng)站就越優(yōu)．

3 應(yīng)用舉例

現(xiàn)對5個綜合性檔案網(wǎng)站(A1～A5)的績效進行評估．在評估時，設(shè)4個評價屬性G1～G4(屬性分別為內(nèi)容服務(wù)，功能服務(wù)，質(zhì)量服務(wù)和系統(tǒng)建設(shè))．決策者利用語言評估標度S得到的評估矩陣為：

試確定最佳檔案網(wǎng)站．下面利用本文所給的方法進行求解．

步驟1 由(10)式得最優(yōu)屬性權(quán)重向量w．w=(0．2213 0．2842 0．3221 0．1724)T．

步驟2 利用(3)式求得檔案網(wǎng)站Ai(i=1，2，…，5) 的綜合屬性值 zi(w)(i=1，2，…，5) ，

步驟3 檔案網(wǎng)站的排序結(jié)果為：A2＞A5＞A4＞A3＞A1．因此，最優(yōu)檔案網(wǎng)站為A2．

4 結(jié)語

本文基于語言信息處理模型對我國檔案網(wǎng)站績效評估的問題進行深入和系統(tǒng)的研究，提煉出檔案網(wǎng)站建設(shè)中的關(guān)鍵指標，形成客觀公正的檔案網(wǎng)站績效評估指標體系和評估模型．利用語言變量的運算法則，針對屬性權(quán)重完全未知的情形，利用待評檔案網(wǎng)站的綜合評價值之間的相離度最大化和屬性權(quán)系數(shù)的隨機性，給出了一種新的語言多屬性決策的賦權(quán)方法．該方法以優(yōu)化理論和Jaynes最大熵原理為依據(jù)，以待評檔案網(wǎng)站的綜合評價值之間的相離度和權(quán)系數(shù)的信息熵最大化為目標，建立了優(yōu)化模型，并給出了屬性權(quán)重的精確解．然后利用語言加權(quán)算術(shù)平均(LWAA)算子，對語言決策信息進行加權(quán)集成，進而對檔案網(wǎng)站進行排序和擇優(yōu)．從實例可以看出，本文給出的方法不但計算簡單，可信度高，而且可廣泛應(yīng)用于投資決策、人事管理、項目評估、經(jīng)濟效益綜合評價等諸多領(lǐng)域．

［1］Xu Z S．A note on linguistic hybrid arithmetic averaging operator in multiple attribute group decision making with linguistic information［J］．Group Decision and Negotiation，2007(2)：59-61．

［2］Xu Z S．A method for multiple attribute decision making with incomplete weight information in linguistic setting［J］．Knowledge-Based Systems，2007，20(8)：719-725．

［3］Xu Z S．An interactive procedure for linguistic multiple attribute decision making with incomplete weight information［J］．Fuzzy Optimization and Decision Making，2007，6(1)：17-27．

［4］Wu Z B，Chen Y H．The maximizing deviation method for group multiple attribute decision making under linguistic environment［J］．Fuzzy Sets and Systems，2007，158(14)：1608-1617．

［5］Xu Z S．Goal programming models for multiple attribute decision making under linguistic setting［J］．Journal of Management Sciences in China，2006，9(2)：9-17．

［6］Wang Y M．Using the method of maximizing deviations to make decision for multiindicies［J］．Systems Engineering and Electronics，1998，20(7)：24-26．

［7］Zhu X L．Application information theory basis［M］．Beijing：Tsinghua University Press，2001：91-95．

［8］Wang Z Y．A method of multi-object decision-making based on maximum deviations and entropy ［J］．Journal of PLA University of Science and Technology(Natural Science)，2002，3(6)：93-95．

［9］Wei Guiwu．Uncertain linguistic hybrid geometric mean operator and its application to group decision making under uncertain linguistic environment［J］．International Journal of Uncertainty，F(xiàn)uzziness，Knowledge-Based Systems，2009，17(2)，251-267．

［10］Wei Guiwu．A method for multiple attribute group decision making based on the ET-WG and ET-OWG operators with 2-tuple linguistic information［J］．Expert Systems with Applications，2010，37(12)，7895-7900．

［11］Wei Guiwu，Lin R，Zhao Xiaofei，et al．Models for multiple attribute group decision making with 2-tuple Linguistic assessment information［J］．International Journal of Computational Intelligence Systems，2010，3(3)，315-324．

［12］Wei Guiwu．Extension of TOPSIS method for 2-tuple linguistic multiple attribute group decision making with incomplete weight information［J］．Knowledge and Information Systems，2010，25：623-634．

［13］Wei Guiwu，Zhao Xiaofei．Some dependent aggregation operators with 2-tuple linguistic information and their application to multiple attribute group decision making［J］．Expert Systems with Applications，2012，39：5881-5886．

［14］Wei Guiwu．Some harmonic averaging operators with 2-tuple linguistic assessment information and their application to multiple attribute group decision making［J］．International Journal of Uncertainty，F(xiàn)uzziness and Knowledge-Based Systems，2011，19(6)：977-998．

［15］Wei Guiwu．Some generalized aggregating operators with linguistic information and their application to multiple attribute group decision making［J］．Computers ＆ Industrial Engineering，2011，61(1)：32-38．

［16］肖艷，王紅君．基于不確定語言環(huán)境的績效考評模型［J］．重慶文理學院學報：自然科學版，2010，29(1)：27-30．

［17］張學軍，衛(wèi)貴武．選聘優(yōu)秀管理人員的不確定語言決策模型［J］．科技管理研究，2009，29(3)：201-203．

［18］衛(wèi)貴武，王小容．基于理想解和熵的不確定語言多屬性決策方法［J］．科技管理研究，2008，28(2)：67-69．

［19］衛(wèi)貴武．不確定語言多屬性決策的組合方法［J］．模糊系統(tǒng)與數(shù)學，2008，22(4)：106-111．

［20］衛(wèi)貴武，黃登仕，魏宇．對方案有偏好的不確定語言多屬性決策方法［J］．管理學報，2007，4(5)：575-579．

［21］王紅君．不確定語言環(huán)境下的ERP系統(tǒng)選型方法［J］．重慶文理學院學報：自然科學版，2009，28(4)：67-70．