一种基于层次分析法的节目评价系统及方法与流程

技术特征：

1.一种基于层次分析法的节目评价系统，包括：

输入单元，用于输入待评价节目和评价指标；

节目评价层次结构模型构建单元，根据输入单元输入的评价指标以及指标间的相互关联及隶属关系，形成多层次分析结构模型，该模型包括多层因素，同一层次的因素既从属于上一层的因素或对上层因素有影响，又支配下一层的因素，或受下一层因素作用；

判断矩阵构建单元，根据节目评价层次结构模型构建单元得到的层次结构模型，从层次结构模型的第2层开始，直到最下层，对于从属于或影响上一层每个因素的同一层因素，用成对比较法和1-9比较尺度构造成对比较阵，即判断矩阵，

其中，判断矩阵A＝(a_ij)_n×n，满足a_ij＞0，a_ij＝1/a_ji(i≠j)，a_ii＝1，其中，a_ij为第i个因素对第j个因素的重要性尺度，i，j＝1，2，…，n，n为因素的个数，其中，a_ij的值由1-9比较尺度赋值确定，判断尺度为一个输入量，取值范围是1-9，判断尺度1表示两个因素同样重要，取值越大，一个因素比另一个因素越重要，以该输入量为判断矩阵赋值；

层次单排序获得单元，对每个判断矩阵计算最大特征值及其对应的特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，归一化后的特征向量即为层次单排序，若不通过，需要重新构造判断矩阵，

其中，一致性指标其中，λ_max为判断矩阵A的最大特征值，随机一致性指标RI的度量为

n123456789RI0.000.000.580.901.121.241.321.411.45

随机一致性比率

层次总排序获得单元，根据层次单排序获得单元获得的层次单排序，从上而下，逐层计算各层次对于系统的总排序权重，第二层的单排序结果就是总排序结果，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，则可按照总排序进行决策，若不通过，需要重新构造层次分析模型或重新构造一致性比率较大的判断矩阵，

其中，CI_j为第k层n个因素对于第k-1层第j个因素的层次单排序的一致性指标，RI_j为第k层n个因素对于第k-1层第j个因素的层次单排序的随机一致性指标，第k层n个因素的层次总排序的一致性比率$CR=$$\frac{{\mathrm{\ω}}_1^{(k-1)}{\mathrm{CI}}_1+{\mathrm{\ω}}_2^{(k-1)}{\mathrm{CI}}_2+...+{\mathrm{\ω}}_m^{(k-1)}{\mathrm{CI}}_m}{{\mathrm{\ω}}_1^{(k-1)}{\mathrm{RI}}_1+{\mathrm{\ω}}_2^{(k-1)}{\mathrm{RI}}_2+...+{\mathrm{\ω}}_m^{(k-1)}{\mathrm{RI}}_m},$其中，m为第k-1层因素个数；

获得单元，根据待评价节目的收视信息和层次总排序权重，从而获得各节目的综合评价值和节目排序。

2.根据权利要求1所述的节目评价系统，其中，所述节目评价层次结构模型构建单元包括：

目标层构建单元，目标层因素为决策目标，将“广播电视节目评价”作为目标层因素，其中，目标层因素只有一个；

准则层构建单元，准则层因素为衡量决策目标能够达到的指标，将输入单元输入的评价指标作为准则层因素；

措施层构建单元，措施层因素为可选择的方案，将输入单元输入的待评价节目作为措施层因素。

3.根据权利要求1所述的节目评价系统，其中，所述层次单排序获得单元包括：

最大特征值及对应特征向量计算单元，对每个判断矩阵计算最大特征值及其对应的特征向量；

一致性检测单元，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，归一化后的特征向量即为层次单排序，若不通过，需要重新构造判断矩阵。

4.根据权利要求1所述的节目评价系统，其中，所述层次总排序获得单元包括：

层次总排序计算单元，从最高层到最底层逐层合成，第二层的单排序结果就是总排序结果，利用上一层的层次总排序和本层的层次单排序获得本层的层次总排序；

一致性检测单元，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，则可按照总排序进行决策，若不通过，需要重新构造层次分析模型或重新构造一致性比率较大的判断矩阵。

5.一种基于层次分析法的节目评价方法，包括：

选择待评价节目和评价指标；

构建节目评价层次结构模型，即根据输入单元输入的评价指标以及指标间的相互关联及隶属关系，形成多层次分析结构模型，该模型包括多层因素，同一层次的因素既从属于上一层的因素或对上层因素有影响，又支配下一层的因素，或受下一层因素作用；

构建判断矩阵，即根据节目评价层次结构模型构建单元得到的层次结构模型，从层次结构模型的第2层开始，直到最下层，对于从属于或影响上一层每个因素的同一层因素，用成对比较法和1-9比较尺度构造成对比较阵，即判断矩阵；

计算层次单排序，对每个判断矩阵计算最大特征值及其对应的特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，归一化后的特征向量即为层次单排序，若不通过，需要重新构造判断矩阵；

计算层次总排序，根据层次单排序获得单元获得的层次单排序，从上而下，逐层计算各层次对于系统的总排序权重，第二层的单排序结果就是总排序结果，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，则可按照总排序进行决策，若不通过，需要重新构造层次分析模型或重新构造一致性比率较大的判断矩阵；

根据待评价节目的收视信息和层次总排序权重，获得各节目的综合评价值和节目排序。

6.根据权利要求5所述的节目评价方法，其中，所述构建节目评价层次结构模型包括：

构建目标层，目标层因素为决策目标，将“广播电视节目评价”作为目标层因素，其中，目标层因素只有一个；

构建准则层，准则层因素为衡量决策目标能够达到的指标，将输入单元输入的评价指标作为准则层因素；

构建措施层，措施层因素为可选择的方案，将输入单元输入的待评价节目作为措施层因素。

7.根据权利要求5所述的节目评价方法，其中，所述计算层次单排序包括：

计算最大特征值及对应特征向量，对每个判断矩阵计算最大特征值及其对应的特征向量；

一致性检测，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，归一化后的特征向量即为层次单排序，若不通过，需要重新构造判断矩阵。

8.根据权利要求7所述的节目评价方法，其中，所述计算层次单排序包括：

利用方根法计算判断矩阵的最大特征值及对应特征向量，其中，方根法的计算步骤为，计算判断矩阵A每一行因素的乘积M_i：计算M_i的n次方根计算特征向量W：对向量正规化，即则W＝[W₁，W₂，…，W_n]^T，计算判断矩阵的最大特征根：其中，(AW)_i表示向量AW的第i个元素；

利用一致性指标、随机一致性指标和一致性比率做一致性检测，其中，一致性指标CI：CI值越大，表明判断矩阵偏离完全一致性的程度越大，CI越小，表明判断矩阵一致性越好；随机一致性指标RI的度量为：

n123456789RI0.000.000.580.901.121.241.321.411.45

当阶数大于2时，判断矩阵的一致性指标CI与同阶平均一致性指标RI之比称为随机一致性比率，记为CR。当时，即判定判断矩阵具有 满意的一致性，否则就需要调整判断矩阵，使其具有满意的一致性；

9.根据权利要求5所述的节目评价方法，其中，所述计算层次总排序包括：

计算层次总排序，从最高层到最底层逐层合成，第二层的单排序结果就是总排序结果，利用上一层的层次总排序和本层的层次单排序获得本层的层次总排序；

一致性检测，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测通过，则可按照总排序进行决策，若不通过，需要重新构造层次分析模型或重新构造一致性比率较大的判断矩阵。

10.根据权利要求9所述的节目评价方法，其中，所述计算层次总排序包括：

计算层次总排序，设第k-1层m个因素的层次总排序为第k层n个因素对于第k-1层第j个因素的层次单排序为其中不受因素j支配的因素的权重为0，令表示第k层因素对第k-1层各因素的排序，则第k层因素的层次总排序为${\mathrm{\ω}}^{\left(k\right)}={({\mathrm{\ω}}_1^{\left(k\right)},{\mathrm{\ω}}_2^{\left(k\right)},...,{\mathrm{\ω}}_n^{\left(k\right)})}^T=W^{\left(k\right)}{\mathrm{\ω}}^{(k-1)};$

一致性检测，设第k层n个因素对于第k-1层第j个因素的层次单排序一致性指标为CI_j，随机一致性指标为RI_j，则层次总排序的一致性比率当CR＜0.10，认为层次总排序通过一致性检测，否则，需要重新构造层次分析模型或重新构造一致性比率较大的判断矩阵。