[發(fā)明專利]一種專業(yè)性購物網(wǎng)站設(shè)計評價方法

在審

• 申請?zhí)枺?/td>: 201810230279.0
• 申請日: 2018-03-20
• 公開（公告）號: CN108596430A
• 公開（公告）日: 2018-09-28
• 發(fā)明（設(shè)計）人: 王玫;劉羽歆
• 申請（專利權(quán)）人: 四川大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F17/16
• 代理公司: 成都科海專利事務(wù)有限責任公司 51202
• 代理人: 呂建平

1.一種專業(yè)性購物網(wǎng)站設(shè)計評價方法，其特征在于包括以下步驟：

(1)根據(jù)Robert Rubinoff所提出的基于用戶體驗的視覺模型，并立足于中國和美國政府網(wǎng)站評估體系建立專業(yè)性購物網(wǎng)站評價指標體系；

(2)針對步驟(1)中建立的評價指標體系，利用網(wǎng)絡(luò)分析法程序確定指標權(quán)重；

(3)針對步驟(1)中獲得的評價指標體系，利用專家評價法獲得評價結(jié)果；

(4)針對步驟(3)中獲得的評價結(jié)果，利用優(yōu)化的TOPSIS方法程序進行數(shù)據(jù)分析，得出待評價方案的相對貼近度，并由小到大進行排序，獲得最優(yōu)方案。

2.根據(jù)權(quán)利要求1所述的專業(yè)性購物網(wǎng)站設(shè)計評價方法，其特征在于用于確定指標權(quán)重的所述網(wǎng)絡(luò)分析法為考慮了各個指標彼此之間的影響和反饋的優(yōu)化層次分析法。

3.根據(jù)權(quán)利要求2所述的專業(yè)性購物網(wǎng)站設(shè)計評價方法，其特征在于所述網(wǎng)絡(luò)分析法包括以下步驟：

1)確定控制因素和評價指標：對所要評價的網(wǎng)站評價指標體系進行分析，確定控制因素層的元素P₁，P₂，P₃，……P_n，控制因素層之下網(wǎng)絡(luò)層的元素組C₁，C₂，C₃，……，C_n，元素組C_i下的評價指標e_i1，e_i2，e_i3，……，e_ini；

2)構(gòu)造判斷矩陣：以控制因素層元素P_i作為評價目標，以C_i中元素e_ij為次評價指標，其中i＝1,2,…，n，j＝1,2,…，n，將元素組C_i中的每一個評價指標按照其對e_ij的影響力大小進行優(yōu)劣比較，以1～9標度法構(gòu)造出判斷矩陣：

3)構(gòu)造超矩陣：

歸一化判斷矩陣的特征向量

由特征根法對歸一化特征向量進行排序，得出排序向量其中l(wèi)＝1，…，n，記為W_ij：

W_ij的列向量就是元素組C_i中元素e_i1，e_i2，…e_ini分別對C_j中元素e_ji，…，e_jnj的影響程度排序向量，若無影響作用則W_ij＝0；

N個層次彼此之間影響作用的超矩陣W為：

4)以元素組C_j中的每一個評價指標作為一個元素，針對每個評價指標再進行兩兩比較，評估出其權(quán)重，建立元素組C_j的歸一化特征向量，其中j＝1,2,…，N：

采取步驟3)相同的方法得到一個加權(quán)矩陣A：

5)利用步驟4)得到的加權(quán)矩陣A對步驟3)得到的超矩陣W進行加權(quán)，得到加權(quán)超矩陣

加權(quán)超矩陣的元素

6)對加權(quán)超矩陣進行K次演化，形成一個穩(wěn)定的極限超矩陣，此時所獲得的極限超矩陣即為各評價指標的權(quán)重。

4.根據(jù)權(quán)利要求1或2或3所述的專業(yè)性購物網(wǎng)站設(shè)計評價方法，其特征在于所述優(yōu)化TOPSIS法為引入相對熵的優(yōu)化TOPSIS法。

5.根據(jù)權(quán)利要求4所述的專業(yè)性購物網(wǎng)站設(shè)計評價方法，其特征在于所述引入相對熵的優(yōu)化TOPSIS法包括以下步驟：

(1)構(gòu)造標準化決策矩陣{Z_ij}_m×n，矩陣元素為：

其中Z_ij表示第i個評價方案的第j個屬性的標準化指標值；

(2)構(gòu)造加權(quán)標準化決策矩陣{X_ij}_m×n，矩陣元素為：

x_ij＝w_jz_ij

其中w_j表示該評價指標的權(quán)重

(3)根據(jù)加權(quán)標準化決策矩陣求出正理想方案x_j^*與負理想方案x_j^-：

(4)計算待評價對象x_i與正理想方案和負理想方案的相對熵

(5)根據(jù)相對熵計算相對貼近度C_i^*或N_i^*

(6)根據(jù)計算的相對貼近度C_i^*或N_i^*，對各個方案進行由小到大的排序，C_i^*或N_i^*越大，則表示該被評價網(wǎng)站越接近正理想方案，該網(wǎng)站越優(yōu)異。