基于大數據分析的“五個一”工程考核評價研究

秦偉

摘 ?要： 大數據分析技術是目前海量網絡數據的主要處理方法，大數據分析性能直接決定了網絡數據處理結果。研究基于大數據分析的“五個一”工程考核評價，以一站式服務、統一管理、一致性、第一時間、一如既往作為框架建立大數據分析技術的“五個一”工程考核評價體系。通過層次分析法利用權重指標重新排序建立“五個一”工程考核評價指標，通過模糊綜合評價法量化獲取重新排序后的“五個一”工程考核評價指標的綜合評價結果，令大數據分析的“五個一”工程考核評價趨于精準和科學。實驗結果表明，該方法可有效獲取大數據分析技術在數據挖掘、數據整合、數據分類三種情況下“五個一”工程考核評價結果，考核評價結果均為優良，并驗證了該方法的考核評價精準性以及全面性。

關鍵詞： “五個一”工程; 大數據分析; 工程考核; 綜合評價; 數據處理; 評價指標

中圖分類號： TN911.1?34; TP309 ? ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）23?0107?05

Abstract： The big data analysis technology is the current main processing method for massive network data. The performance of big data analysis directly determines the results of network data processing. The Five?one Project assessment and evaluation based on big data analysis is studied. The Five?one Project assessment and evaluation system based on big data analysis technology is built， which takes one?stop service， unified management， consistency， first time and true to form as its framework. The weighted index is used to re?rank the established Five?one Project assessment and evaluation indicators by the hierarchy analysis method. The comprehensive evaluation results of the re?ranked Five?one Project assessment and evaluation indicators are obtained and quantized with the fuzzy comprehensive evaluation method， so that the Five?one Project assessment and evaluation based on big data analysis tend to be accurate and scientific. The experimental results show that this method can effectively obtain the results of the Five?one Project assessment and evaluation in the three cases of data mining， data integration and data classification of the big data analysis technology， and the results of the assessment and evaluation are all excellent. The method′s accuracy and comprehensiveness of the assessment and evaluation have been verified.

Keywords： Five?one Project; big data analysis; project assessment; comprehensive evaluation; data processing; evaluation index

0 ?引 ?言

隨著信息技術不斷發展，大數據時代已經到來，云計算、數據處理以及數據挖掘已廣泛應用于網絡數據處理中。大數據分析技術具有多層次、多維度的特點[1]，大數據分析技術通過分析海量數據獲取有價值信息，令用戶實時明確數據發展規律，獲取所需數據信息，預測數據發展方向和趨勢[2]。大數據分析技術應用于網絡數據中已成為網絡未來的發展趨勢。采用大數據分析技術分析網絡中海量、多維數據，為網絡規模進一步發展提供有效依據[3]。

徐州工程學院大學生素養提升“五個一”工程是引導學生實踐“系統研讀一本書、學會一些音樂知識或者一種樂器、愛上一項體育運動、參加一個科技創新團隊、參與一次社會實踐活動”。為提升海量網絡數據分析質量，研究基于大數據分析的“五個一”工程考核評價，將“五個一”工程應用于大數據分析技術中，通過考核大數據分析技術的“五個一”工程，評價大數據分析技術分析網絡數據的有效性[4]。大數據分析技術目前缺乏統一的評估體系，將層次分析法以及模糊評價法應用于大數據分析技術中，通過完善的大數據分析技術考核評價指標體系，明確“五個一”工程各項指標相對權重值[5]，通過模糊綜合評價法定量獲取大數據分析技術各項指標綜合得分，并通過實驗驗證該評價方法評價大數據分析技術的有效性與實用性。

1 ?大數據分析的“五個一”工程考核評價

1.1 ?大數據分析技術的考核評價指標體系

網絡大數據包括數據定義、數據采集、數據存儲、數據呈現、數據整合等眾多方面，大數據分析技術質量受到眾多因素影響[6]。大數據分析技術的考核評價需要綜合考慮大數據分析技術的完整性、準確性以及實時性，大數據分析技術分析質量以及使用效果同時也是大數據分析技術重要考核因素[7]。影響大數據分析技術的因素眾多，為高效考核評價大數據分析技術的有效性，需要獲取影響大數據分析技術有效性的核心要素，并需要明確分析各要素間的相關性[8]。

以“五個一”工程的一站式服務、統一管理、一致性、第一時間、一如既往作為框架，建立大數據分析技術對“五個一”工程進行考核評價，如圖1所示。

一站式服務是指大數據分析技術需要具有可靠的權限管理模式，大數據分析技術應用于海量網絡數據中應具備穩定性以及兼容性。統一管理主要包括單元完整、結構完整以及數據完整三部分，統一管理是指采用大數據分析技術應用于海量網絡數據時，通過統一的管理令網絡數據單元、結構以及數據具有完整性[9]。大數據分析技術應保持數據信息不存在缺失，若數據中存在缺失，大數據分析技術有效性將大幅度降低。一致性是指數據一致、規范一致以及變更一致，主要通過規范性以及邏輯性體現，規范性是指網絡數據應存在于指定格局中，邏輯性是指采用大數據分析技術時，數據存在一定邏輯關系，數據變更應同步進行。第一時間主要包括有效期以及更新頻率，大數據分析技術應具有實時性，數據更新應及時，避免由于時間延誤造成分析結果不具有價值。一如既往是指大數據分析技術準確性應保持一如既往，準確性主要包括描述準確、格式準確以及位置準確[10]。

“五個一”工程考核評價指標體系可廣泛應用于網絡數據分析技術中，考核評價大數據分析技術應用于網絡數據，不同網絡數據可依據評分結果對大數據分析技術各項指標有所改動。

1.2 ?層次分析法確定考核指標

依據圖1建立的“五個一”工程考核評價指標體系，利用層次分析法將考核指標按權重重新排序，解構、分析“五個一”工程考核評價指標，建立因子梯次層次網絡模型，利用大數據相關技術獲取不同影響因素關聯度[11]，明確最終考核目標。

當大數據分析“五個一”工程考核元素過多時，會直接影響評價決策者決策，容易出現實際重要程度與提供重要程度存在差異情況[12]，可能出現相互矛盾的評價結果。設存在數量為[n]的因子用[Y=y1，y2，…，yn]表示，取隨機兩個因子[yi]與[yj]，某因素[P]受兩個因子[yi]與[yj]的影響作用程度比值用[bij]表示，利用[B=（bij）n×n]表示所有比照結果集合，則[P-Y]判斷矩陣為[B]。可利用數字1～9以及倒數作為[bij]值標度，1～9標度賦值標準如表1所示。

表1 ?元素賦值標準

[[aij] 定義 1 二者重要性相同 2 介于1～3之間 3 前者略重要于后者 4 介于3～5之間 5 二者的重要性明顯 6 介于5～7之間 7 前者十分重要于后者 8 介于7～9之間 9 二者的絕對重要性 ]

除符合表1賦值標準外，還需滿足當[bijbjk=bik，][i，j，k=1，2，…，n]，且[B]表示一致矩陣，此時[αmax=n]，當[B]的一致性具有誤差時，[αmax>n]，[αmax-n]值在誤差越大時越大。

最大特征根[αmax]持續依賴[bij]，則[B]的非一致性在最大特征根[αmax>n]時更加強烈，相應地，無法體現[P]受[Y]的影響比重，因此需要檢驗判斷性矩陣[B]的一致性，一致性檢驗步驟如下：

1） 獲取一致性指標CI。一致性指標CI公式如下：

2） 尋找對應RI。依據表2給出[n=1，2，…，9]相應RI值。

利用獲取的RI值建立樣本矩陣，從樣本矩陣內選取1～9以及相應倒數建立正反矩陣，獲取[αmax]平均值，用[α′max]表示，獲取公式如下：

一致性比例小于0.10時，表明其一致性可接受;一致性比例大于等于0.10時，通過調整判斷矩陣可令一致性比例實現可接受程度。

通過以上過程獲取考核大數據分析的“五個一”工程評價因子相應上層內因子權重向量，獲取因子權重次序，便于選取最優方案[13]。單一類別下不同因子權重經過分類后合成，并從上至下排序后獲取考核評價總體權重排序。

通過逐層一致性檢驗避免非一致性累積，令基于大數據分析的“五個一”工程考核評價整體呈現一致性。將一致性檢驗獲取指標[CIh，h=1，2，…，m]的單排序指標用[RIh]表示。層次隨機一致性總排序比例獲取如下：

以上公式計算結果小于0.1時，表明該層次總排序一致性結果為可接受。

1.3 ?模糊綜合評價法

利用層次分析法重新排序考核指標權重后，通過模糊綜合評價法獲取最終考核評價結果。模糊綜合評價法是利用模糊數學共聚評判以及分析復雜事物的方法。模糊綜合評價法需要先分析待評判因素指標集以及評判集，用[G=g1，g2，…，gn]與[U=u1，u2，…，um]表示指標集以及評判集。用[vi]表示單項指標，利用[uj]評判[vi]結果，可分為優、良、中、差、極差五個等級表示。

基于大數據分析的“五個一”工程考核評價要素為待評價對象、評價者、綜合評價模型、權重系數以及評價指標五部分。首先需要明確待評價對象以及評價者，通過層次分析法確定考核評價指標體系，通過獲取權重系數建立考核評價模型，利用評價模型獲取的評價值分類、排序以及討論[14]。

利用[G，U，K，M]組成模糊綜合評價數字模型，數字模型中，[G]與[U]分別表示評價因素集以及評判集;[K]與[M]分別表示模糊矩陣以及權重集合。設存在評判矩陣[K=K1，K2，…，KnT]，評價因素的單因素評判結果用[Ki]表示，可得[Ki=k1，k2，…，kim]。將權重向量[M]依據模糊變換原理符合模糊關系矩陣[K]獲取綜合評判結果[T]。

分別確定不同因素隸屬度向量[K]以及相應權重[M]，通過模糊變換獲取最終模糊評判矩陣[K]。將模糊評判矩陣集合以及因素權重向量利用模糊運算歸一化處理[15]，獲取最終模糊綜合評價結果集合[T]，即[T=M?K]。建立綜合評價模型用[G，U，K，M]表示，基于綜合評價模型獲取最終評價結果矩陣公式如下：

2 ?仿真實驗

為檢測本文研究基于大數據分析的“五個一”工程考核評價方法應用于海量網絡數據大數據分析技術的 有效性，選取Matlab仿真軟件模擬海量網絡數據環境，設置網絡數據大小為1 000 GB，統計采用本文方法在數據挖掘、數據整合、數據分類三種大數據分析技術情況下的考核評價結果。采用本文方法評價大數據分析的“五個一”工程在不同情況下的權重結果如表3所示。

獲取不同考核評價指標權重后，選取百分制評價各類指標，評分結果分為優秀（90～100）、良好（80～90）、中等（70～80）、普通（60～70）以及不及格（0～60），采用本文方法考核評價大數據分析的“五個一”工程最終結果如表4所示。

實驗結果表明，大數據分析的“五個一”工程對于數據挖掘、數據整合、數據分類三種情況考核評價結果均為優良，說明大數據分析技術應用于海量數據挖掘、數據整合以及數據分類中均具有較高的可靠性，但仍具有較高提升空間。考核評價過程中權重大小直接體現該指標對于大數據分析的“五個一”工程考核評價重要性。為提升大數據分析技術的有效性，可針對權重較高指標進一步優化、完善，提升大數據分析可靠性。

為直觀展示本文方法考核評價性能，將本文方法與平衡計分方法、閉環評價方法以及TOPSIS方法對比，三種方法考核評價精度如圖2所示。

通過圖2實驗結果可以看出，采用本文方法考核評價大數據分析的“五個一”工程，考核評價精度明顯高于其他三種方法，本文方法考核評價精度高達95%以上，而其他三種方法考核評價精度均低于90%，實驗結果說明本文方法具有較高的考核評價精準性。

統計不同方法考核評價全面性，評價結果如圖3所示。

通過圖3實驗結果可以看出，采用本文方法考核評價大數據分析的“五個一”工程，考核評價全面性明顯高于另外三種方法，實驗結果表明采用本文方法考核評價大數據分析的“五個一”工程比較全面，可適用于大數據分析技術應用于不同數據分析處理中。

3 ?結 ?語

目前網絡中存在的海量數據，采用以往數據挖掘方法較難獲取所需目標，將大數據分析技術應用于海量網絡數據中，并通過“五個一”工程考核評價結果獲取影響大數據分析技術最高指標，利用考核評價結果適時調整大數據分析技術相關因素。通過科學合理地考核評價體系，監督大數據分析技術使用，提升網絡實用性，為用戶使用大數據分析技術提供有效依據，從而全面提升大學生素質。

參考文獻

[1] 馮貴蘭，李正楠，周文剛.大數據分析技術在網絡領域中的研究綜述[J].計算機科學，2019，46（6）：1?20.

[2] 賈賀，艾中良，賈高峰，等.基于Solr的司法大數據檢索模型研究與實現[J].計算機工程與應用，2017，53（20）：249?253.

[3] 王紅春，趙亞星.大數據環境下基于BP神經網絡的建筑企業供應商選擇[J].土木工程與管理學報，2019，36（3）：27?33.

[4] 佘承其，張照生，劉鵬，等.大數據分析技術在新能源汽車行業的應用綜述：基于新能源汽車運行大數據[J].機械工程學報，2019，55（20）：3?16.

[5] 許駿，付浩海，張素莉.基于大數據和AHP?DEMATEL分析法的VR產業知識基礎評價研究[J].工業技術經濟，2019，38（7）：101?107.

[6] 尹蕾，蔣建國，路瑞剛，等.面向大數據的新能源汽車復雜聯盟云評價研究[J].汽車工程，2019，41（1）：112?119.

[7] 孫利民，尚志強，夏燁.大數據背景下的橋梁結構健康監測研究現狀與展望[J].中國公路學報，2019，32（11）：1?20.

[8] 王靜宇，欒俊清，譚躍生.基于數據敏感性的大數據訪問控制模型研究[J].計算機工程與應用，2019，55（23）：70?77.

[9] 翟俊海，齊家興，沈矗，等.基于MapReduce和Spark的大數據主動學習比較研究[J].計算機工程與科學，2019，41（10）：1715?1722.

[10] 劉炳含，付忠廣，王鵬凱，等.大數據挖據技術在燃煤電站機組能耗分析中的應用研究[J].中國電機工程學報，2018，38（12）：3578?3587.

[11] 徐享，李俊奇，馮珂，等.海綿城市PPP項目績效考核體系的優化與提升[J].環境工程，2019，37（7）：1?7.

[12] 燕凱，岳振宇，高嘉浩.基于大數據的電力計量設備運行狀態評估與故障診斷方法研究[J].電子器件，2019，42（5）：1095?1098.

[13] 易明雨，肖赤心，潘暉，等.用于大數據分類的快速隱層優化分布式極限學習機[J].計算機工程與應用，2019，55（16）：165?169.

[14] 李品，楊建林.大數據時代哲學社會科學學術成果評價：問題、策略及指標體系[J].圖書情報工作，2018，62（16）：5?14.

[15] 趙洪山，馬利波.基于張量Tucker分解的智能配電網大數據壓縮[J].中國電機工程學報，2019，39（16）：4744?4752.