[發(fā)明專利]基于人工智能的經(jīng)營指標(biāo)評價(jià)方法、裝置、設(shè)備及介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010584997.5
• 申請日: 2020-06-23
• 公開（公告）號: CN111754110A
• 公開（公告）日: 2020-10-09
• 發(fā)明（設(shè)計(jì)）人: 蔡金成
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06
• 代理公司: 深圳市賽恩倍吉知識產(chǎn)權(quán)代理有限公司 44334
• 代理人: 劉麗華;何春蘭

1.一種基于人工智能的經(jīng)營指標(biāo)評價(jià)方法，其特征在于，所述基于人工智能的經(jīng)營指標(biāo)評價(jià)方法包括：

當(dāng)接收到經(jīng)營指標(biāo)評價(jià)指令時(shí)，從所述經(jīng)營指標(biāo)評價(jià)指令中確定待評價(jià)體系；

獲取所述待評價(jià)體系中的評價(jià)指標(biāo)；

判斷所述評價(jià)指標(biāo)中的正向指標(biāo)及反向指標(biāo)；

采用熵值法計(jì)算所述正向指標(biāo)及所述反向指標(biāo)的權(quán)重；

基于P-IBI算法計(jì)算所述正向指標(biāo)及所述反向指標(biāo)的評分；

根據(jù)所述正向指標(biāo)及所述反向指標(biāo)的權(quán)重計(jì)算所述正向指標(biāo)及所述反向指標(biāo)的評分的加權(quán)和；

對所述加權(quán)和進(jìn)行標(biāo)準(zhǔn)化處理，得到所述待評價(jià)體系的評分。

2.如權(quán)利要求1所述的基于人工智能的經(jīng)營指標(biāo)評價(jià)方法，其特征在于，所述判斷所述評價(jià)指標(biāo)中的正向指標(biāo)及反向指標(biāo)包括：

確定所述評價(jià)指標(biāo)中各個(gè)指標(biāo)的干擾數(shù)據(jù)；

獲取隨所述干擾數(shù)據(jù)的增大而減小的指標(biāo)作為所述正向指標(biāo)；及

獲取隨所述干擾數(shù)據(jù)的增大而增大的指標(biāo)作為所述反向指標(biāo)。

3.如權(quán)利要求1所述的基于人工智能的經(jīng)營指標(biāo)評價(jià)方法，其特征在于，所述采用熵值法計(jì)算所述正向指標(biāo)及所述反向指標(biāo)的權(quán)重包括：

獲取所述正向指標(biāo)及所述負(fù)向指標(biāo)中每個(gè)指標(biāo)的實(shí)測值；

對每個(gè)指標(biāo)的實(shí)測值進(jìn)行歸一化處理，得到每個(gè)指標(biāo)的檢測值；

對于每個(gè)指標(biāo)，計(jì)算所述指標(biāo)下各個(gè)檢測值的比重；

利用各個(gè)檢測值的比重計(jì)算所述指標(biāo)的信息熵；

計(jì)算所述信息熵的冗余度；

根據(jù)所述冗余度確定所述指標(biāo)的權(quán)重。

4.如權(quán)利要求3所述的基于人工智能的經(jīng)營指標(biāo)評價(jià)方法，其特征在于，所述對每個(gè)指標(biāo)的實(shí)測值進(jìn)行歸一化處理，得到每個(gè)指標(biāo)的檢測值包括：

對于每個(gè)正向指標(biāo)，獲取所述指標(biāo)的實(shí)測值中的第一最大值及第一最小值；

對于所述指標(biāo)下的每個(gè)實(shí)測值，計(jì)算所述實(shí)測值與所述第一最小值的第一差值，并計(jì)算所述第一最大值與所述第一最小值的第二差值；

以所述第一差值與所述第二差值的商作為對所述實(shí)測值進(jìn)行歸一化處理后得到的檢測值；

整合每個(gè)正向指標(biāo)下的每個(gè)實(shí)測值對應(yīng)的檢測值，得到每個(gè)正向指標(biāo)的檢測值。

5.如權(quán)利要求3所述的基于人工智能的經(jīng)營指標(biāo)評價(jià)方法，其特征在于，所述對每個(gè)指標(biāo)的實(shí)測值進(jìn)行歸一化處理，得到每個(gè)指標(biāo)的檢測值還包括：

對于每個(gè)反向指標(biāo)，獲取所述指標(biāo)的實(shí)測值中的第二最大值及第二最小值；

對于所述指標(biāo)下的每個(gè)實(shí)測值，計(jì)算所述第二最大值與所述實(shí)測值的第三差值，并計(jì)算所述第二最大值與所述第二最小值的第四差值；

以所述第三差值與所述第四差值的商作為對所述實(shí)測值進(jìn)行歸一化處理后得到的檢測值；

整合每個(gè)反向指標(biāo)下的每個(gè)實(shí)測值對應(yīng)的檢測值，得到每個(gè)反向指標(biāo)的檢測值。

6.如權(quán)利要求1所述的基于人工智能的經(jīng)營指標(biāo)評價(jià)方法，其特征在于，所述基于P-IBI算法計(jì)算所述正向指標(biāo)及所述反向指標(biāo)的評分包括：

對于每個(gè)正向指標(biāo)，計(jì)算所述指標(biāo)在所有檢測值對應(yīng)的全部樣點(diǎn)中的95％分位數(shù)的值作為第一最佳期望值；

對于所述指標(biāo)下的每個(gè)實(shí)測值，將所述實(shí)測值與所述第一最佳期望值的商作為所述實(shí)測值對應(yīng)的樣點(diǎn)指標(biāo)分值；

累加每個(gè)實(shí)測值對應(yīng)的樣點(diǎn)指標(biāo)分值，得到所述正向指標(biāo)的第一P-IBI總分值；

確定所述指標(biāo)的第一理想期望值；

計(jì)算所述第一P-IBI總分值與所述第一理想期望值的第一商值；

對所述第一商值進(jìn)行標(biāo)準(zhǔn)化處理，得到所述指標(biāo)的評分。