本發(fā)明涉及專家評(píng)標(biāo)，具體涉及基于相關(guān)指標(biāo)數(shù)據(jù)的專家評(píng)標(biāo)系統(tǒng)。

背景技術(shù)：

1、在當(dāng)今復(fù)雜的商業(yè)環(huán)境中，企業(yè)面臨著眾多的項(xiàng)目招標(biāo)和評(píng)標(biāo)需求。隨著市場(chǎng)競(jìng)爭(zhēng)的加劇，對(duì)于評(píng)標(biāo)過程的公正性、準(zhǔn)確性和高效性提出了更高的要求，在各類招標(biāo)采購(gòu)活動(dòng)中，評(píng)標(biāo)是一個(gè)至關(guān)重要的環(huán)節(jié)，例如，在大型項(xiàng)目管理和采購(gòu)過程中，經(jīng)常需要進(jìn)行供應(yīng)商或承包商的選擇，這通常涉及到對(duì)多個(gè)標(biāo)書的評(píng)審，選擇一個(gè)合適的評(píng)標(biāo)專家團(tuán)隊(duì)對(duì)于確保項(xiàng)目的成功執(zhí)行至關(guān)重要。

2、然而，由于專家選擇的主觀性和不一致性，傳統(tǒng)的方法依賴于人工選擇或隨機(jī)分配專家，因?yàn)椴煌瑢＜铱赡苡胁煌脑u(píng)審標(biāo)準(zhǔn)和偏好而導(dǎo)致評(píng)標(biāo)結(jié)果的不一致性，缺乏對(duì)專家歷史合作數(shù)據(jù)的考慮，在選擇專家時(shí)，不充分考慮他們與企業(yè)的歷史合作數(shù)據(jù)，無法確保專家對(duì)企業(yè)項(xiàng)目的熟悉度和適應(yīng)性，同時(shí)僅僅考慮直接合作次數(shù)可能忽略了專家通過其他項(xiàng)目積累的相關(guān)經(jīng)驗(yàn)和知識(shí)而忽視間接合作經(jīng)驗(yàn)對(duì)于評(píng)標(biāo)的價(jià)值，導(dǎo)致評(píng)標(biāo)質(zhì)量參差不齊，評(píng)標(biāo)效率低下，基于此，提出基于相關(guān)指標(biāo)數(shù)據(jù)的專家評(píng)標(biāo)系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供基于相關(guān)指標(biāo)數(shù)據(jù)的專家評(píng)標(biāo)系統(tǒng)，解決了在選擇專家時(shí)，不充分考慮他們與企業(yè)的歷史合作數(shù)據(jù)，忽視間接合作經(jīng)驗(yàn)對(duì)于評(píng)標(biāo)的價(jià)值的技術(shù)問題。

2、本發(fā)明的目的可以通過以下技術(shù)方案實(shí)現(xiàn)：

3、基于相關(guān)指標(biāo)數(shù)據(jù)的專家評(píng)標(biāo)系統(tǒng)，包括：

4、歷史合作數(shù)據(jù)獲取模塊，獲取企業(yè)與各個(gè)待選評(píng)定專家的直接和間接合作次數(shù)；

5、直接信任指數(shù)獲取模塊，依據(jù)企業(yè)與各個(gè)待選評(píng)定專家的直接合作次數(shù)確定各個(gè)待選評(píng)定專家分別與企業(yè)之間的直接信任指數(shù)；

6、間接信任指數(shù)獲取模塊，統(tǒng)計(jì)各個(gè)待選評(píng)定專家分別與本司已合作專家共同參與的評(píng)定項(xiàng)目，區(qū)分其中的親本和友商項(xiàng)目數(shù)量并進(jìn)行分析，獲得各個(gè)待選評(píng)定專家分別與企業(yè)之間的間接信任指數(shù)；

7、可信任概率獲取模塊，分析各個(gè)待選評(píng)定專家的工作時(shí)長(zhǎng)和參與評(píng)標(biāo)次數(shù)，獲得各個(gè)待選評(píng)定專家分別對(duì)應(yīng)的可信任概率；

8、綜合信任指數(shù)獲取模塊，綜合直接信任指數(shù)、間接信任指數(shù)和可信任概率，獲得各個(gè)待選評(píng)定專家分別對(duì)應(yīng)的綜合信任指數(shù)；

9、評(píng)定專家推薦模塊，按綜合信任指數(shù)大小排序生成推薦列表，來對(duì)待評(píng)定標(biāo)書所需的評(píng)定專家進(jìn)行推薦；

10、聚類標(biāo)書標(biāo)定模塊，基于多個(gè)待評(píng)定標(biāo)書的直接項(xiàng)目指標(biāo)類，獲得各個(gè)標(biāo)書分別與其他標(biāo)書之間的相關(guān)指標(biāo)系數(shù)，根據(jù)相關(guān)指標(biāo)系數(shù)對(duì)多個(gè)待評(píng)定標(biāo)書中所對(duì)應(yīng)的各個(gè)聚類標(biāo)書進(jìn)行標(biāo)定。

11、作為本發(fā)明進(jìn)一步的方案確定各個(gè)待選評(píng)定專家分別與企業(yè)之間的直接信任指數(shù)的具體方式為：

12、獲得各個(gè)待選評(píng)定專家分別與企業(yè)之間的直接合作次數(shù)，將直接合作次數(shù)定義為各個(gè)待選評(píng)定專家分別對(duì)應(yīng)的直接信任指數(shù)hj,其中j指代為各個(gè)待選評(píng)定專家，j為正整數(shù)，j≥1。

13、作為本發(fā)明進(jìn)一步的方案獲得各個(gè)待選評(píng)定專家分別與企業(yè)之間的間接信任指數(shù)的具體方式為：

14、將各個(gè)待選評(píng)定專家，在過去兩年內(nèi)參與親本項(xiàng)目數(shù)量的平方和友商項(xiàng)目數(shù)量分別標(biāo)記為bj和yj，將各個(gè)待選評(píng)定專家的親本項(xiàng)目數(shù)量和友商項(xiàng)目數(shù)量分別與預(yù)設(shè)參數(shù)因子系數(shù)θ1和θ2的乘積之和，定義為各個(gè)待選評(píng)定專家分別對(duì)應(yīng)的間接信任指數(shù)jj，其中1＝θ1+θ2，θ1＞θ2。

15、作為本發(fā)明進(jìn)一步的方案獲得各個(gè)待選評(píng)定專家分別對(duì)應(yīng)的可信任概率的具體方式為：

16、將各個(gè)待選評(píng)定專家的工作時(shí)長(zhǎng)和參與評(píng)標(biāo)次數(shù)分別與預(yù)設(shè)比例系數(shù)β1和β2的乘積之和，定義為各個(gè)待選評(píng)定專家分別對(duì)應(yīng)的可信任概率rj，其中β1和β2均為預(yù)設(shè)比例系數(shù)，滿足1＝β1+β2，β2＞β1。

17、作為本發(fā)明進(jìn)一步的方案：獲得各個(gè)待選評(píng)定專家分別對(duì)應(yīng)的綜合信任指數(shù)的具體方式為：

18、通過公式：zj＝(hj)2×θ3+jj×θ4+rj×θ5，計(jì)算獲得各個(gè)待選評(píng)定專家分別對(duì)應(yīng)的綜合信任指數(shù)zj，其中θ3、θ4和θ5均為預(yù)設(shè)參數(shù)因子系數(shù)，滿足1＝θ3+θ4+θ5，θ3＞θ5＞θ4。

19、作為本發(fā)明進(jìn)一步的方案：按照各個(gè)待選評(píng)定專家分別對(duì)應(yīng)的綜合信任指數(shù)數(shù)值，將各個(gè)待選評(píng)定專家按照從大到小的順序進(jìn)行排序，進(jìn)而生成評(píng)定專家推薦列表，根據(jù)評(píng)定專家推薦列表對(duì)待評(píng)定標(biāo)書所需的評(píng)定專家進(jìn)行推薦。

20、作為本發(fā)明進(jìn)一步的方案：按綜合信任指數(shù)大小排序生成推薦列表來對(duì)待評(píng)定標(biāo)書所需的評(píng)定專家進(jìn)行推薦的具體方式為：

21、a1：從各個(gè)待評(píng)定標(biāo)書中任意選取一個(gè)為目標(biāo)評(píng)定標(biāo)書，將目標(biāo)評(píng)定標(biāo)書對(duì)應(yīng)的項(xiàng)目指標(biāo)類型標(biāo)記為l1；

22、通過公式：計(jì)算獲得目標(biāo)評(píng)定標(biāo)書分別與其他標(biāo)書之間的相關(guān)指標(biāo)系數(shù)j(1，u)；其中l(wèi)u為除去目標(biāo)評(píng)定標(biāo)書外剩余其他各個(gè)待評(píng)定標(biāo)書分別對(duì)應(yīng)的項(xiàng)目指標(biāo)類型，l1∩lu為目標(biāo)評(píng)定標(biāo)書與剩余其他各個(gè)待評(píng)定標(biāo)書之間分別對(duì)應(yīng)的相同的直接項(xiàng)目指標(biāo)類型數(shù)量，其中u指代為除去目標(biāo)評(píng)定標(biāo)書外剩余的其他各個(gè)待評(píng)定標(biāo)書，u為正整數(shù)，u≥1；

23、a2：將與目標(biāo)評(píng)定標(biāo)書之間的相關(guān)指標(biāo)系數(shù)大于預(yù)設(shè)值ys1的待評(píng)定標(biāo)書標(biāo)記與目標(biāo)評(píng)定標(biāo)書一起標(biāo)記為相同聚類標(biāo)書w1；對(duì)于相關(guān)指標(biāo)系數(shù)小于等于預(yù)設(shè)值ys1的待評(píng)定標(biāo)書，不做任何處理；

24、a3：在相關(guān)指標(biāo)系數(shù)小于等于預(yù)設(shè)值ys1的待評(píng)定標(biāo)書中任選一個(gè)評(píng)定標(biāo)書作為目標(biāo)評(píng)定標(biāo)書，重復(fù)步驟a1-a2，獲得多個(gè)待評(píng)定標(biāo)書中所對(duì)應(yīng)的各個(gè)相同聚類標(biāo)書。

25、作為本發(fā)明進(jìn)一步的方案：區(qū)分其中的親本和友商項(xiàng)目數(shù)量的具體方式為：

26、獲得各個(gè)待選評(píng)定專家分別與本司已合作專家之間的共同參與的評(píng)定項(xiàng)目，當(dāng)共同參與的評(píng)定項(xiàng)目為本司項(xiàng)目的標(biāo)記為親本項(xiàng)目，當(dāng)共同參與的評(píng)定項(xiàng)目不為本司項(xiàng)目的標(biāo)定為友商項(xiàng)目，將各個(gè)待選評(píng)定專家，在過去兩年內(nèi)參與親本項(xiàng)目數(shù)量和友商項(xiàng)目數(shù)量分別標(biāo)記為bj和yj。

27、本發(fā)明的有益效果：

28、(1)本發(fā)明，通過綜合考慮直接合作次數(shù)、間接合作次數(shù)和專家的工作履歷，可以更加客觀地評(píng)估專家的信任度，從而減少主觀偏差，更準(zhǔn)確地評(píng)估專家的專業(yè)能力和適應(yīng)性，從而提高評(píng)標(biāo)的準(zhǔn)確性和質(zhì)量。自動(dòng)化的推薦系統(tǒng)可以快速地根據(jù)綜合信任指數(shù)對(duì)專家進(jìn)行排序，提高了選擇專家的效率；

29、(2)本發(fā)明，對(duì)于多個(gè)待評(píng)定標(biāo)書，通過相同聚類標(biāo)書判定模塊，將具有相似項(xiàng)目指標(biāo)類型的標(biāo)書歸為一類進(jìn)行統(tǒng)一評(píng)標(biāo)處理，避免了重復(fù)工作，提高了評(píng)標(biāo)效率。

技術(shù)特征：

1.基于相關(guān)指標(biāo)數(shù)據(jù)的專家評(píng)標(biāo)系統(tǒng)，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于相關(guān)指標(biāo)數(shù)據(jù)的專家評(píng)標(biāo)系統(tǒng)，其特征在于，確定各個(gè)待選評(píng)定專家分別與企業(yè)之間的直接信任指數(shù)的具體方式為：

3.根據(jù)權(quán)利要求2所述的基于相關(guān)指標(biāo)數(shù)據(jù)的專家評(píng)標(biāo)系統(tǒng)，其特征在于，獲得各個(gè)待選評(píng)定專家分別與企業(yè)之間的間接信任指數(shù)的具體方式為：

4.根據(jù)權(quán)利要求3所述的基于相關(guān)指標(biāo)數(shù)據(jù)的專家評(píng)標(biāo)系統(tǒng)，其特征在于，獲得各個(gè)待選評(píng)定專家分別對(duì)應(yīng)的可信任概率的具體方式為：

5.根據(jù)權(quán)利要求4所述的基于相關(guān)指標(biāo)數(shù)據(jù)的專家評(píng)標(biāo)系統(tǒng)，其特征在于，獲得各個(gè)待選評(píng)定專家分別對(duì)應(yīng)的綜合信任指數(shù)的具體方式為：

6.根據(jù)權(quán)利要求5所述的基于相關(guān)指標(biāo)數(shù)據(jù)的專家評(píng)標(biāo)系統(tǒng)，其特征在于，按照各個(gè)待選評(píng)定專家分別對(duì)應(yīng)的綜合信任指數(shù)數(shù)值，將各個(gè)待選評(píng)定專家按照從大到小的順序進(jìn)行排序，進(jìn)而生成評(píng)定專家推薦列表，根據(jù)評(píng)定專家推薦列表對(duì)待評(píng)定標(biāo)書所需的評(píng)定專家進(jìn)行推薦。

7.根據(jù)權(quán)利要求6所述的基于相關(guān)指標(biāo)數(shù)據(jù)的專家評(píng)標(biāo)系統(tǒng)，其特征在于，按綜合信任指數(shù)大小排序生成推薦列表來對(duì)待評(píng)定標(biāo)書所需的評(píng)定專家進(jìn)行推薦的具體方式為：

8.根據(jù)權(quán)利要求3所述的基于相關(guān)指標(biāo)數(shù)據(jù)的專家評(píng)標(biāo)系統(tǒng)，其特征在于，區(qū)分其中的親本和友商項(xiàng)目數(shù)量的具體方式為：

技術(shù)總結(jié)
本發(fā)明公開了基于相關(guān)指標(biāo)數(shù)據(jù)的專家評(píng)標(biāo)系統(tǒng)，涉及專家評(píng)標(biāo)技術(shù)領(lǐng)域，包括歷史合作數(shù)據(jù)獲取模塊、直接信任指數(shù)獲取模塊、間接信任指數(shù)獲取模塊、可信任概率獲取模塊、綜合信任指數(shù)獲取模塊、評(píng)定專家推薦模塊和聚類標(biāo)書標(biāo)定模塊；解決了在選擇專家時(shí)，不充分考慮他們與企業(yè)的歷史合作數(shù)據(jù)，忽視間接合作經(jīng)驗(yàn)對(duì)于評(píng)標(biāo)的價(jià)值的技術(shù)問題；通過綜合考慮直接合作次數(shù)、間接合作次數(shù)和專家的工作履歷，可以更加客觀地評(píng)估專家的信任度，從而減少主觀偏差，更準(zhǔn)確地評(píng)估專家的專業(yè)能力和適應(yīng)性，從而提高評(píng)標(biāo)的準(zhǔn)確性和質(zhì)量。自動(dòng)化的推薦系統(tǒng)可以快速地根據(jù)綜合信任指數(shù)對(duì)專家進(jìn)行排序，提高了選擇專家的效率。

技術(shù)研發(fā)人員：沈家桓,魏曉磊,丁三,劉藥,郭文萍,張鎖良,周亮,張本富,陳小偉,趙鵬
受保護(hù)的技術(shù)使用者：安徽安天利信工程管理股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19