基于數據挖掘的企業誠信度評價模型

王穎

摘 要： 針對當前企業誠信度評價精度低的難題，結合企業誠信度的特點，提出基于數據挖掘的企業誠信度評價模型。建立企業誠信度評價指標，并根據指標收集評價數據，采用主成分分析法對企業誠信度評價指標進行篩選，得到比較重要的企業誠信度評價指標，采用熵值法確定企業誠信度評價指標權值，并通過數據挖掘實現企業誠信度評價，進行具體企業誠信度評價測試。實驗結果表明，所提方法能夠有效挖掘企業誠信度的變化特點，獲得了較高精度的企業誠信度評價結果。

關鍵詞： 企業誠信度; 評價模型; 數據挖掘; 仿真實驗; 評價指標; 熵值法

中圖分類號： TN911?34 文獻標識碼： 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

隨著企業規模的發展以及經濟全球化的發展，企業之間的競爭越來越激烈，企業誠信度是衡量一個企業優劣的重要指標，因此對企業誠信度進行準確評價，具有十分重要的研究意義[1]。

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

針對當前企業誠信度評價精度低的難題，結合企業誠信度的特點，提出基于數據挖掘的企業誠信度評價模型，進行具體企業誠信度評價測試，以驗證本文模型的有效性。

1 企業誠信度指標的篩選

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

2 數據挖掘的企業誠信度評價模型

2.1 構建企業誠信度評價的指標矩陣

設企業誠信度評價方案有[m]個，每一個評價方案有[k]個評價指標，那么就可以建立如下的企業誠信度評價指標矩陣：

在構造企業誠信度評價指標矩陣時，常常需要進行定量分析，由于企業誠信度評價指標難以完全進行定量分析，只能通過模糊理論進行設置，建立一個全數字形式的企業誠信度評價指標矩陣。

2.2 確定理想的企業誠信度評價方案

企業誠信度評價方案的確定是灰色關聯分析的關鍵部分，因為只有根據理想的企業誠信度評價方案才能確定其他的技術最優值。設理想的企業誠信度評價方案的指標評價值向量為[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 企業誠信度評價指標的無量綱化

由于企業誠信度評價指標的單位不一樣，即量綱不同，那么它們的值會相差很大，這會給企業誠信度評價結果產生負面影響，因此需要對企業誠信度評價指標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 關聯系數求解

采用灰色關聯分析法對[S]的各元素之間的關聯系數進行計算，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。

2.5 層次分析法確定企業誠信度評價的指標權值

在企業誠信度評價方案中，每一個指標對評價結果的影響程度不同，常采用權值來描述，選擇層次分析法確定權值，具體為：

1） 企業誠信度評價目標的確定，并構建評價指標集。

2） 構造企業誠信度評價方案的判斷矩陣，采用多個專家確定，即：

2.6 計算關聯度

根據關聯系數和指標權重可以得到企業誠信度評價的綜合關聯度[Ui，]具體計算公式為：

3 測試結果與分析

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

對表1的企業誠信度評價結果進行分析可知，本文方法的企業誠信度評價精度要遠遠高于主成分分析法、層次分析法、RBF神經網絡，這是因為對比方法無法對企業誠信度過程進行準確反映，導致企業誠信度評價偏差大，而本文方法通過主成分分析法對企業誠信度評價指標進行選擇，剔除了一些無用的指標，并通過灰色關聯法確定指標之間的關聯程度，可以消除指標之間的重復信息，最后通過層次分析法確定各個指標對企業誠信度評價的貢獻，可以準確描述企業誠信度的特點，得到較高精度的企業誠信度評價結果。

4 結 語

針對當前企業誠信度評價中的指標選擇問題，難以獲得更加理想的企業誠信度評價精度，提出基于灰色關聯分析的企業誠信度評價方法，并通過具體實驗驗證其有效性，可以得到如下結論：

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

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

3） 采用灰色關聯分析法對企業誠信度進行評價，可以有效區分各種企業誠信度的等級，得到比較科學、客觀的企業誠信度評價結果。

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綜合評價應該注意的問題[J].數學的實踐與認識，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.企業誠信度的貝葉斯估計研究[J].數學理論與應用，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測中的應用[J].計算機工程與設計，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.我國旅游企業誠信評價指標體系的構建[J].天津師范大學學報（社會科學版），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.基于貝葉斯網絡的食品生產企業誠信度評估[J].統計與決策，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.