一种对知识图谱推荐系统的模糊综合评价方法

摘要

本发明公开了一种对知识图谱推荐系统的模糊综合评价方法，包括如下步骤：选取知识图谱推荐系统评价指标，构建知识图谱推荐系统评价指标体系；计算各指标之间的权重关系；根据知识图谱推荐系统评价指标体系，构建模糊评价矩阵；通过模糊评价矩阵和各指标之间的权重关系的结合，对知识图谱推荐系统进行多层次模糊综合评价，获取到评价结果。本发明基于可靠性、功能性、效率以及经济性四个方面建立了一套多层次的知识图谱推荐系统评价指标体系，共计四项一级指标、八项二级指标、十五项定量指标，分类清晰、逐层递进，系统全面、使得评价结果更加准确。

说明书

技术领域

本发明涉及知识图谱推荐系统的评价方法领域，具体涉及一种对知识图谱推荐系统的模糊综合评价方法。

背景技术

目前，国内许多企业都在大力推进知识图谱推荐系统在实际项目中的应用，但是对于知识图谱推荐系统的评价这一方面的研究却很少，现有的关于知识图谱推荐系统的评价只是局限于计算知识图谱构建以及推荐算法实现过程中的一些指标，而缺少对整个知识图谱推荐系统形成一套完整的评价指标体系与评价方法去评估它的实际工程效果。从长远角度考虑，一个知识图谱推荐系统需要完善的评价体系，系统全面的评价方法，同时建立有效的反馈机制，才能促进系统的更新迭代以达到更好的实际效果。

发明内容

发明目的：为了克服现有技术中存在的不足，提供一种对知识图谱推荐系统的模糊综合评价方法，填补了知识图谱推荐系统评价领域的空白、有助于知识图谱推荐系统建立反馈机制，促进系统维护与更新。

技术方案：为实现上述目的，本发明提供一种对知识图谱推荐系统的模糊综合评价方法，包括如下步骤：

S1：选取知识图谱推荐系统评价指标，构建知识图谱推荐系统评价指标体系；

S2：计算各指标之间的权重关系；

根据知识图谱推荐系统评价指标体系，构建模糊评价矩阵；

S3：通过模糊评价矩阵和各指标之间的权重关系的结合，对知识图谱推荐系统进行多层次模糊综合评价，获取到评价结果。

进一步地，所述步骤S1中知识图谱推荐系统评价指标体系由四层构成，总指标下包括四项一级指标，分别为功能性指标、可靠性指标、效率指标以及经济性指标；

所述功能性指标下有正确性、完备性两项二级指标，正确性指标对应精确率、召回率、F1值三项定量指标，完备性指标对应样本覆盖率一项定量指标；

所述可靠性指标下有鲁棒性、恢复性两项二级指标，鲁棒性指标对应平均失效前时间、平均故障间隔时间两项定量指标，恢复性指标对应平均故障修复时间一项定量指标；

所述效率指标下有时间消耗和资源消耗两项二级指标，时间消耗指标对应训练收敛速度、训练耗时、响应耗时三项定量指标，资源消耗对应内存占用、CPU占用两项定量指标；

所述经济性指标下有成本投入和系统效益两项二级指标，成本投入指标对应开发成本、运维成本两项定量指标，系统效益指标对应ROI值(投资回报率)一项定量指标。

进一步地，所述步骤S2中采用层次分析法计算各指标之间的权重关系，包括如下步骤：

A1：构造判断矩阵，判断矩阵中的元素表示同一层次中指标两两之间的相对重要性，通过指标的两两比较可以减少因性质不同的因素比较带来的不准确程度，采用1-9标度来表示指标之间的相对重要性；

A2：求出判断矩阵的最大特征根；

A3：对判断矩阵进行一致性检验，若通过一致性检验，则进入步骤A4，若没有通过一致性检验，则返回步骤A1重新构造判断矩阵；

A4：将判断矩阵最大特征值对应的特征向量进行归一化处理后即可得到同一层次指标对上一层次指标的权重序列。

进一步地，所述步骤A3中对判断矩阵进行一致性检验的方法为：

定义一致性指标CI，

进一步地，所述步骤S2中模糊评价矩阵的构建方法为：

B1：构建评语集V＝(v

B2：根据实际数据由专家建立十五项定量指标的单因素评价集；

B3：从第一个二级指标开始，将其对应的定量指标的单因素评价集构成模糊评价矩阵。

进一步地，所述步骤S3中评价结果的获取包括如下步骤：

C1：通过步骤S2中得到的各项二级指标和其定量指标之间的权重向量w

B

其中，ο为模糊算子，为了使得评价向量包含足够的信息内容，且评价过程兼顾各个因素的作用，本发明采用的模糊算子是加权平均型算子

C2：将二级指标评价向量作为对一级指标的单因素评价集，重复步骤B3和C1，可得到四个一级指标的评价向量A

C3：对于各项指标的等级根据最大隶属度原则，取评价向量中的最大值对应的等级为评价结果。

进一步地，所述步骤B3中模糊评价矩阵表示为：

模糊综合评价法是一种基于模糊数学的评价方法，它根据模糊数学的理论将定性的评价转化为定量的评价，适用于解决各种非确定性的问题。模糊综合分析法需要建立合适的评价指标体系，建立的指标体系应具有层次结构；采用层次分析法、专家经验法等方法可确定某层次指标对上一级指标的权重向量；构建模糊评价矩阵，将模糊评价矩阵和权重向量进行模糊运算，得到对象的评价结果。模糊综合评价法得到的评价结果是一个向量，包含的信息内容丰富，可以较为准确地刻画评价对象，但是在指标集个数较大的情况下会出现超模糊现象，即各隶属度相近，无法判断结果。

层次分析法属于运筹学的理论，是一种将复杂的问题划分为多层次结构分析的策略方法。在已经建立的指标体系的基础上，将同一层次的因素两两比较，根据标度理论确定判断矩阵，求出判断矩阵的最大特征值及特征向量。在通过一致性检验之后，再对最大特征值对应的特征向量进行归一化处理，即可得到该层次因素对上级层次因素的权重序列。层次分析法能够清晰地呈现评价对象各层次、各因素之间的关系，简化了评估过程，但是在构造判断矩阵时需要严格检验判断矩阵的一致性，而且层次分析法并没有考虑同层次因素之间的关联性。

本发明将模糊综合评价法和层次分析法进行结合应用，形成了本发明提供的一种对知识图谱推荐系统的模糊综合评价方法。

有益效果：本发明与现有技术相比，具备如下优点：

1、本发明提出了一种对知识图谱推荐系统的模糊综合评价方法，填补了知识图谱推荐系统评价领域的空白、有助于知识图谱推荐系统建立反馈机制，促进系统维护与更新。

2、本发明基于可靠性、功能性、效率以及经济性四个方面建立了一套多层次的知识图谱推荐系统评价指标体系，共计四项一级指标、八项二级指标、十五项定量指标，分类清晰、逐层递进，系统全面、使得评价结果更加准确。

3、本发明在评价过程中将定量指标作为评价定性指标的底层依据，十五项定量指标可通过测量、计算、统计等方式得到准确数据，从而提高了评价方法的客观性；同时，在评价过程中专家给出判断矩阵的相对重要性标度，建立评价集等步骤，都留有可主观调节的裕度；主客观相结合，使评价既能客观反映实际情况，又能根据不同的场景做出相应调整。

附图说明

图1为本发明模糊综合评价方法的流程框图；

图2为本发明模糊综合评价方法构建的指标体系示意图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

本发明提供一种对知识图谱推荐系统的模糊综合评价方法，如图1所示，其包括如下步骤：

S1：选取知识图谱推荐系统评价指标，构建知识图谱推荐系统评价指标体系。

如图2所示，知识图谱推荐系统评价指标体系由四层构成，总指标下包括四项一级指标，分别为功能性指标、可靠性指标、效率指标以及经济性指标；

功能性指标下有正确性、完备性两项二级指标，正确性指标对应精确率、召回率、F1值三项定量指标，完备性指标对应样本覆盖率一项定量指标；

可靠性指标下有鲁棒性、恢复性两项二级指标，鲁棒性指标对应平均失效前时间、平均故障间隔时间两项定量指标，恢复性指标对应平均故障修复时间一项定量指标；

效率指标下有时间消耗和资源消耗两项二级指标，时间消耗指标对应训练收敛速度、训练耗时、响应耗时三项定量指标，资源消耗对应内存占用、CPU占用两项定量指标；

经济性指标下有成本投入和系统效益两项二级指标，成本投入指标对应开发成本、运维成本两项定量指标，系统效益指标对应ROI值(投资回报率)一项定量指标。

S2：一、采用层次分析法计算各指标之间的权重关系，包括如下步骤：

A1：构造判断矩阵，判断矩阵中的元素表示同一层次中指标两两之间的相对重要性，通过指标的两两比较可以减少因性质不同的因素比较带来的不准确程度，采用1-9标度来表示指标之间的相对重要性；

A2：求出判断矩阵的最大特征根；

A3：定义一致性指标CI，

A4：将判断矩阵最大特征值对应的特征向量进行归一化处理后即可得到同一层次指标对上一层次指标的权重序列。

二、根据知识图谱推荐系统评价指标体系，构建模糊评价矩阵，模糊评价矩阵的构建方法为：

B1：构建评语集V＝(v

B2：根据实际数据由专家建立十五项定量指标的单因素评价集；

B3：从第一个二级指标开始，将其对应的定量指标的单因素评价集构成模糊评价矩阵。

模糊评价矩阵表示为：

S3：通过模糊评价矩阵和各指标之间的权重关系的结合，对知识图谱推荐系统进行多层次模糊综合评价，获取到评价结果。

评价结果的获取包括如下步骤：

C1：通过步骤S2中得到的各项二级指标和其定量指标之间的权重向量w

B

其中，ο为模糊算子，为了使得评价向量包含足够的信息内容，且评价过程兼顾各个因素的作用，本发明采用的模糊算子是加权平均型算子

C2：将二级指标评价向量作为对一级指标的单因素评价集，重复步骤B3和C1，可得到四个一级指标的评价向量A

C3：对于各项指标的等级根据最大隶属度原则，取评价向量中的最大值对应的等级为评价结果。

本实施例还提供一种对知识图谱推荐系统的模糊综合评价系统，该系统包括网络接口、存储器和处理器；其中，网络接口，用于在与其他外部网元之间进行收发信息过程中，实现信号的接收和发送；存储器，用于存储能够在所述处理器上运行的计算机程序指令；处理器，用于在运行计算机程序指令时，执行上述有限元分析方法的步骤。

本实施例还提供一种计算机存储介质，该计算机存储介质存储有计算机程序，在处理器执行所述计算机程序时可实现以上所描述的方法。所述计算机可读介质可以被认为是有形的且非暂时性的。非暂时性有形计算机可读介质的非限制性示例包括非易失性存储器电路(例如闪存电路、可擦除可编程只读存储器电路或掩膜只读存储器电路)、易失性存储器电路(例如静态随机存取存储器电路或动态随机存取存储器电路)、磁存储介质(例如模拟或数字磁带或硬盘驱动器)和光存储介质(例如CD、DVD或蓝光光盘)等。计算机程序包括存储在至少一个非暂时性有形计算机可读介质上的处理器可执行指令。计算机程序还可以包括或依赖于存储的数据。计算机程序可以包括与专用计算机的硬件交互的基本输入/输出系统(BIOS)、与专用计算机的特定设备交互的设备驱动程序、一个或多个操作系统、用户应用程序、后台服务、后台应用程序等。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

基于上述方案，本实施例中将上述方案应用于某工业某机床故障知识图谱推荐系统的评价，具体的过程为：

第一步：根据实际情况由专家给出定量指标和二级指标间的判断矩阵。

其中，精确率C1、召回率C2、F1值C3对二级指标正确性B1的判断矩阵为：

样本覆盖率C4对二级指标完备性B2的判断矩阵为：

r

平均失效前时间C5、平均故障间隔时间C6对二级指标鲁棒性B3的判断矩阵为：

平均故障修复时间C7对二级指标恢复性B4的判断矩阵为：

r

训练收敛速度C8、训练耗时C9、响应耗时C10对二级指标时间消耗B5的判断矩阵为：

内存占用C11、CPU占用C12对二级指标资源消耗B6的判断矩阵为：

开发成本C13、运维成本C14对二级指标成本投入B7的判断矩阵为：

ROI值C15对二级指标系统效益B8的判断矩阵为：

r

正确性B1、完备性B2对一级指标功能性A1的判断矩阵为：

鲁棒性B3、恢复性B4对一级指标可靠性A2的判断矩阵为：

时间消耗B5、资源消耗B6对一级指标效率A3的判断矩阵为：

成本投入B7、系统效益B8对一级指标经济性A4的判断矩阵为：

功能性A1、可靠性A2、效率A3、经济性A4对总指标S的判断矩阵为：

第二步：根据层次分析法计算出权值向量，并进行一致性检验，其结果如表1所示。

表1，各判断矩阵层次分析法结果

第三步：根据十五项定量指标的数据，由专家打分的方式得到单因素评价集，如表2所示。

表2，十五项定量指标评价集

第四步：根据评价集构造模糊评价矩阵，并自下而上计算各指标的评价向量。C1、C2、C3的评价集构成对指标B1的模糊评价矩阵为：

C4的评价集构成对B2的模糊评价矩阵为：

R

C5、C6的评价集构成B3的模糊评价矩阵为：

C7的评价集构成对B4的模糊评价矩阵为：

R

C8、C9、C10的评价集构成对B5的模糊评价矩阵为：

C11、C12的评价集构成对B6的模糊评价矩阵为：

C13、C14的评价集构成对B7的模糊评价矩阵为：

C15的评价集构成对B8的模糊评价矩阵为：

R

由B

表3，八项二级指标评价结果

将二级指标的评价向量作为对一级指标的评价集。

B1、B2的评价集构成对A1的模糊评价矩阵为：

B3、B4的评价集构成对A2的模糊评价矩阵为：

B5、B6的评价集构成对A3的模糊评价矩阵为：

B7、B8的评价集构成对A4的模糊评价矩阵为：

由A

表4，四项一级指标评价结果

将一级指标的评价向量作为对总指标的评价集。

A1、A2、A3、A4的评价集构成对S1的模糊评价矩阵为：

由S

表5，总指标评价结果