(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211305688.5 (22)申请日 2022.10.24 (71)申请人 信云领创 （北京） 科技有限公司 地址 100089 北京市海淀区北四环中路2 29 号海泰大厦6层6 08 (72)发明人 易当祥　江云天　余志刚　李志红　 其他发明人请求 不公开姓名　 (74)专利代理 机构 北京丰浩知识产权代理事务 所(普通合伙) 11781 专利代理师 李奉瑾 (51)Int.Cl. G06N 5/00(2006.01) G06N 7/00(2006.01) G06Q 10/06(2012.01) (54)发明名称 一种评估指标群决策 赋权方法及系统 (57)摘要 本发明公开了一种评估指标群决策赋权方 法及系统， 该方法包括： 采集评估指标集合的权 重值， 得到评估指标独立赋权结果； 利用贝 叶斯 网络， 构建得到群决策赋权模型； 所述群决策赋 权模型包括评估指标节点、 独立赋权节点、 权威 等级节点； 响应于用户的分布数据参数的设置， 得到所有节 点的先验分布数据和条件分布数据； 响应于用户的赋权与权威参数的设置， 得到所有 对象的所述评估指标独立赋权结果和对象权威 等级数据； 利用所述群决策赋权模型、 信念传播 算法， 对所述数据进行权重融合处理， 得到评估 指标群决策融合权重值。 可见， 本发明有利于增 强共识、 平抑分歧， 有益于提升指标权重的可信 程度， 符合群决策时对象来源多样化的实际场 景。 权利要求书3页 说明书10页 附图4页 CN 115496211 A 2022.12.20 CN 115496211 A 1.一种评估指标群决策 赋权方法， 其特 征在于， 方法包括： S1， 采集评估指标集 合的权重值， 得到 评估指标独立赋权结果； S2， 利用贝叶斯网络， 构建得到群决策赋权模型； 所述群决策赋权模型包括评估指标节 点、 独立赋权节点、 权威 等级节点； S3， 响应于用户的分布数据参数的设置， 得到所有节点的先验分布数据和条件分布数 据； S4， 响应于用户的赋权与权威参数的设置， 得到所有对象的所述评估指标独立赋权结 果和对象权威 等级数据； S5， 利用所述群决策赋权模型、 信念传播算法， 对所述先验分布数据、 条件分布数据、 评 估指标独立赋权结果、 对 象权威等级数据进行权重融合处理， 得到评估指标群决策融合权 重值。 2.根据权利要求1所述的一种评估指标群决策赋权方法， 其特征在于， 所述采集评估指 标集合的权重值， 得到 评估指标独立赋权结果， 方法包括： S11， 确定特定业 务的初始评估指标集 合； S12， 对所述初始评估指标集合进行评估筛选， 得到评估指标集合， 所述评估指标集合 包括若干个评估指标， 表达式为： [Xi|i＝1～N]； 式中， N为指标数量， Xi为第i项评估指标； S13， 采集赋权对象对所述评估指标集合的权重值， 得到评估指标独立赋权结果， 所述 评估指标独立赋权结果包括若干个评估权 重， 表达式为： [ωki|k＝1～K,i ＝1～N,ωki≥0]； 式中， K为赋权对象参与数量， ωki为第k名对象对指标Xi赋予的评估权重， 满足 3.根据权利要求1所述的一种评估指标群决策赋权方法， 其特征在于， 所述利用贝叶斯 网络， 构建得到群决策 赋权模型， 方法包括： S21， 建立评估指标节点W； 所述评估指标节点W类型为离散型多项分布 随机变量， 取值 空间为评估指标集 合[Xi|i＝1～N]， 用于量 化指标事 件的出现概 率； S22， 建立独立赋权节点Dk； 所述独立赋权节点Dk类型为离散型多项 分布随机变量， 取值 空间为评估指标集 合[Xi|i＝1～N]， 用于设定第k名对象的赋权结果； S23， 建立权威等级节点Rk； 所述权威等级节点Rk类型为离散型多项 分布随机变量， 取值 空间为5个等级[L1,L2,L3,L4,L5]， 表示第k名对象的专业度、 权威 性等级； S24， 建立节点间条件概率依赖关系； 所述节点间条件概率依赖关系包括K个节点依赖 关系； 所述节点依赖关系包括第一依赖关系和第二依赖关系； 所述第一依赖关系表征所述 评估指标节点对所述独立赋权节点的影响； 所述第二依赖 关系表征所述权威等级节点对所 述独立赋权节点的影响； 所述K为 正整数； S25， 利用所述贝叶斯网络， 对所述评估指标节点W、 所述独立赋权节点Dk、 所述权威等级 节点Rk、 所述节点间条件概 率依赖关系进行处 理， 构建得到群决策 赋权模型。 4.根据权利要求1所述的一种评估指标群决策赋权方法， 其特征在于， 所述响应于用户权　利　要　求　书 1/3 页 2 CN 115496211 A 2的分布数据参数的设置， 得到所有节点的先验分布数据和条件分布数据， 方法包括： S31， 响应于用户的先验分布数据参数的设置， 得到所有节点的所述先验分布数据； 所 述评估指标节 点和权威等级节点在取值空间上遵循等概率先验分布； 对于i＝ 1～N,j＝1～ 5,k＝1～K， 所有节点的所述先验分布数据表达式为： 式中， 中P(·)表示随机事 件的先验概 率； S32， 响应于用户的条件分布数据参数的设置， 得到所有节点的所述条件分布数据； 对 于j＝1～5,k ＝1～K， 且 所有节点的所述条件分布数据表达式为： 式中， P(·|·)表示随机事件的条件概率， αj表示Lj等级下的敏感度参数； 在给定所述 评估指标集合的权重值时， 对 象的权威等级越高， 其赋权结果与所述评估指标集合的权重 值越接近。 5.根据权利要求1所述的一种评估指标群决策赋权方法， 其特征在于， 所述响应于用户 的赋权与权威参数的设置， 得到所有对象的所述评估指标独立赋权结果和对象权威等级 数 据， 方法包括： S41， 响应于用户的独立赋权参数的设置， 得到所有对象的所述评估指标独立赋权结 果； 对于第k名对象， 所述评估指标独立赋权结果以虚拟证据形式输入所述群决策赋权模 型； 所有对象的所述评估指标独立赋权结果表达式为： P(Dk＝X1):P(Dk＝X2):L:P(Dk＝XN)＝ωk1:ωk2:L:ωkN 所述虚拟证据形式用于表述随机事 件发生的客观概 率或主观信念； S42， 响应于用户的权威等级参数的设置， 得到所有对象的所述权威等级数据； 对于第k 名对象， 所述权威等级Lj由评估主体确定后， 以硬证据形式输入所述群决策赋权模型； 所有 对象的所述权威 等级数据表达式为： P(Rk＝Lj)＝1 所述硬证据形式用于确 切表述随机事 件发生或未发生。 6.根据权利要求1所述的一种评估指标群决策赋权方法， 其特征在于， 所述评估指标群 决策融合权 重值表达式为： 式中， Evd代表证据， 包含 所有对象的赋权结果及权威等级， 为指标Xi的群决策融合权 重。 7.一种评估指标群决策 赋权系统， 其特 征在于， 系统包括： 采集模块， 用于采集评估指标集 合的权重值， 得到 评估指标独立赋权结果；权　利　要　求　书 2/3 页 3 CN 115496211 A 3