[發(fā)明專利]一種判斷支付意愿的方法

在審

• 申請?zhí)枺?/td>: 201710512710.6
• 申請日: 2017-06-29
• 公開（公告）號(hào): CN107491829A
• 公開（公告）日: 2017-12-19
• 發(fā)明（設(shè)計(jì)）人: 彭卓越;殷峻暹;張麗麗;梁云;雷冠軍
• 申請（專利權(quán)）人: 中國水利水電科學(xué)研究院
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q30/02
• 代理公司: 北京聿宏知識(shí)產(chǎn)權(quán)代理有限公司11372
• 代理人: 吳大建,桑勝梅

技術(shù)領(lǐng)域

本發(fā)明涉及一種判斷支付意愿的方法，尤其涉及一種基于貝葉斯網(wǎng)絡(luò)模型判斷支付意愿的方法，屬于支付意愿判斷領(lǐng)域。

背景技術(shù)

目前對于支付意愿的研究有許多方法，以往的相關(guān)研究中通常采用多元線性回歸模型、以及Probit、Tobit和linear regression(OLS)等模型對支付意愿進(jìn)行回歸分析。現(xiàn)有的回歸模型多采用局部獨(dú)立的假設(shè)，僅考慮變量與支付意愿之間的顯著性關(guān)系，忽略了個(gè)人社會(huì)屬性間以及對調(diào)查內(nèi)容的認(rèn)識(shí)之間的相互關(guān)系。且回歸模型建立的模型僅為單層、線狀模型結(jié)構(gòu)，只能單方向一次性預(yù)測，不能重復(fù)預(yù)測。回歸模型各影響因素的值必須清楚的量化確定，對信息或數(shù)據(jù)的要求較高，若不能清楚地知道各影響因素的值，則會(huì)大大降低預(yù)測的精準(zhǔn)性。

由于現(xiàn)有技術(shù)存在上述技術(shù)問題，本領(lǐng)域急需一種可全面考慮各影響因素、更符合實(shí)際情況、預(yù)測精準(zhǔn)性高的支付意愿研究方法。

近年來，貝葉斯網(wǎng)絡(luò)得到了大家的普遍關(guān)注，具有強(qiáng)大的不確定知識(shí)的表達(dá)能力和靈活的推理機(jī)制。貝葉斯網(wǎng)絡(luò)又稱信度網(wǎng)絡(luò)(Belief Networks,BN)，是目前不確定知識(shí)表達(dá)和推理領(lǐng)域最有效的理論模型之一，是人工智能、概率論、圖論和決策理論相結(jié)合的產(chǎn)物。貝葉斯網(wǎng)絡(luò)是個(gè)有向無環(huán)圖(DAG，Directed Acyclic Graph)，包含節(jié)點(diǎn)(Nodes)、相關(guān)性(Dependency)和概率分布這三部分。節(jié)點(diǎn)變量表示各個(gè)信息要素，用連接節(jié)點(diǎn)的有向弧表達(dá)各個(gè)信息要素之間的關(guān)聯(lián)關(guān)系，用條件概率表(Conditional Probabilities Table,CPT)表示各信息要素之間的影響程度。該網(wǎng)絡(luò)以概率論為基礎(chǔ)，研究客觀事物中多個(gè)變量之間相互依賴的統(tǒng)計(jì)規(guī)律性，以圖論的形式形象直觀地表達(dá)隨機(jī)變量之間的因果關(guān)聯(lián)關(guān)系。貝葉斯網(wǎng)絡(luò)學(xué)習(xí)由結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)組成，結(jié)構(gòu)學(xué)習(xí)是利用樣本集，結(jié)合先驗(yàn)知識(shí)，確定合適的貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)；參數(shù)學(xué)習(xí)是在給定貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的情況下，確定各節(jié)點(diǎn)的概率分布。貝葉斯網(wǎng)絡(luò)模型已成功運(yùn)用于專家系統(tǒng)、數(shù)據(jù)挖掘、人工智能等領(lǐng)域，貝葉斯網(wǎng)絡(luò)在支付意愿的影響因素分析領(lǐng)域還處于探索階段。

發(fā)明內(nèi)容

本發(fā)明的目的是針對現(xiàn)有技術(shù)存在的問題，提供一種基于貝葉斯網(wǎng)絡(luò)模型判斷支付意愿的方法，本發(fā)明方法考慮到了各影響因素間的相互關(guān)系，構(gòu)建具有多層結(jié)構(gòu)的貝葉斯網(wǎng)絡(luò)模型，將各影響因素聯(lián)系起來，預(yù)測結(jié)果精準(zhǔn)性高，更符合實(shí)際情況。

本發(fā)明提供了一種判斷支付意愿的方法，包括：

S1通過對收集到的信息進(jìn)行相關(guān)性分析獲取與支付意愿相關(guān)的影響因素；

S2根據(jù)所述影響因素構(gòu)建支付意愿的貝葉斯網(wǎng)絡(luò)模型；

S3根據(jù)所述貝葉斯網(wǎng)絡(luò)模型判斷支付意愿。

根據(jù)本發(fā)明的一些實(shí)施方式，所述步驟S1包括：

收集不同人群的社會(huì)特征及支付意愿信息，得到有可能影響支付意愿的因素；

對所述收集到的信息支付意愿及因素進(jìn)行相關(guān)性分析，得到與支付意愿相關(guān)的影響因素。

根據(jù)本發(fā)明的優(yōu)選實(shí)施例，所述收集不同人群的社會(huì)特征及支付意愿信息包括通過調(diào)查問卷收集不同人群的社會(huì)特征及支付意愿信息。

根據(jù)本發(fā)明的一些實(shí)施方式，對于所述社會(huì)特征及支付意愿信息的收集沒有特別的限定，按照本領(lǐng)域常規(guī)技術(shù)手段進(jìn)行即可。例如，可采用以下方式：第一部分是搜集被調(diào)查者的相關(guān)社會(huì)背景信息，可包括年齡、性別、學(xué)歷、收入、職業(yè)、住宅類型等問題；第二部分是對被調(diào)查者對評估對象的了解情況的調(diào)查；第三部分是獲取被調(diào)查者的支付意愿，即個(gè)人WTP值。

根據(jù)所述調(diào)查問卷，得到有可能影響支付意愿的因素。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，通過對所述收集到的有可能影響支付意愿的因素和支付意愿進(jìn)行相關(guān)性分析，去除與支付意愿相關(guān)性弱的因素，得到與支付意愿相關(guān)的影響因素。同時(shí)，根據(jù)相關(guān)性分析，還能得到與支付意愿直接相關(guān)的影響因素和間接相關(guān)的影響因素。

在過去的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)中，為了提高效率，貝葉斯的結(jié)構(gòu)學(xué)習(xí)不基于實(shí)際數(shù)據(jù)，而是根據(jù)專家意見或經(jīng)驗(yàn)確定網(wǎng)絡(luò)結(jié)構(gòu)，這種方法的缺陷就是受主觀影響較大，脫離數(shù)據(jù)，模型的可移植性差。本發(fā)明采用相關(guān)分析法進(jìn)行各因素間的相關(guān)性分析，可大大提高網(wǎng)絡(luò)結(jié)構(gòu)的可移植性和效率。

根據(jù)本發(fā)明的優(yōu)選實(shí)施方式，采用Pearson相關(guān)系數(shù)法來進(jìn)行相關(guān)性分析，其公式為：