域坐标轴交叉式价值观量化方法与流程

本发明的方法属于互联网信息大数据处理分析、数据挖掘领域，实现对个人/群体的价值观、事物的价值的不断的、动态的、逼真的量化。

背景技术

定性事物的能力是价值观，或者描述为评鉴能力、眼光、认知度，其绑定对象为事物的价值，价值观决定了价值；而相反，由于事物的存在有其固有属性，以及生物/人类的主观认识，事物存在固有的且上下波动的定性价值，且形成了：多数的主观认识(即多数的价值观)决定了事物的固有价值，反过来影响和决定了后续少数新生的主观认识(即后续新生的少数价值观)。在不断的影响和更新过程中，新建立的少数价值观相互影响、结合、集合，更新着多数的价值观，即整体价值观，而最终决定了事物的固有价值和人类价值观的发展方向。

技术实现要素：

基于价值观对价值的衡量方法，如果仅仅是单纯且自由的主观个性评论和定性，都会遵从价值的真实体现和价值观的认知程度。但是比如在购物方面，涉及到非主观自由的利益性、权威性等的外部影响的评价、打分等鉴赏操作，特别是基于简单的数据记录和参考系统，就很难形成高信誉度的认知体系和参考体系，即传统简单的数据记录方案在价值观、价值体现方面特别容易失真。

为了能够在附加有非主观自由的利益性、权威性等的外部因素影响下，提高比如在购物方面的个人/群体对外输出价值观能力体现的最终输出结果，提供高信誉度的价值观、价值的认知体系和参考体系，而有了发明-域坐标轴交叉式价值观量化方法，其方法如下：

步骤1)、根据业务强度设计，收集获取一个周期事件所需的数据，包含个人/群体对事物的主观定性行为和打分数据、个人/群体的本身量化值和等级、事物已知的数据；

步骤2)、按照周期的时间和算法作用时间，区分数据为增量数据、存量数据；

步骤3)、按照量化方法的算法，增量数据对存量数据中的个人/群体的价值观量化值进行充值或扣除，并在价值观量化处理结束后，更新个人/群体的等级；

步骤4)、按照步骤3更新后的个人/群体的价值观量化值，依据量化方法的算法，更新事物的价值量化值，并在价值量化处理结束后，更新事物的价值体现能力；

步骤5)、持续性的周期性的重复前4个步骤，持续性的更新个人/群体的价值观、事物的价值量化值和量化体现。

方法的特征解释为：

域–方法涉及的数据由事物类型或者地域而模块化；

坐标轴–方法涉及的个人/群体的打分情况和分值数据，从所用数据的增量数据对存量数据的计算影响效果来看，价值观、价值的量化数据集合体现，就相当于坐标轴横轴，把当前时间点记为原点。趋向坐标轴正方向的未来的价值观、价值的量化，受到每个周期增量数据的影响，但和已知的个人/群体产生的数据相关；趋向坐标轴负方向的已知、计算所得的价值观、价值的量化，由当前增量数据对存量数据的作用决定。另外，随着时间推进，周期性更新，正方向未知的价值观、价值的量化会变为已知的决定性数据，从而持续、动态的量化个人/群体的价值观，和事物的价值；

交叉式-坐标轴纵轴表示不同的域，即不同的事物类型或者地域的个人/群体价值观之间有基于算法的相互作用。

在以上说明的步骤1、2、3、4中数据具体包含：人对事物打分的事物的种类(记为n)、人/群体的量值所体现的等级(新数据记为y，旧数据记为x)、事物价格(p)、人对事物的打分情况和分值(z)、事物价值量值、个人/群体的价值量值(za)；这些数据是基于用户的个人/群体对于事物的交互、买卖中的评价打分产生。一次打分的分值包含了个人/群体对事物的一次价值观输出，并且每次交互、买卖只能有1次打分机会，多次交互、买卖就有多次。每次打分分值存在正负数的情况，比如分值设定为-9、-5、-1、0、1、5、9的5个级别，一个分值代表了一次定性的对事物的喜恶程度，且分值参与运算，对存量的旧打分数据产生量化值的充值或扣除效果。新打分分值和旧打分分值，同为正分或同为负分进行充值，分值不同为正或负则进行扣除。充值和扣除的量化数和新打分的分值、旧打分的分值、新打分个人/群体的等级、旧打分个人/群体的等级、价格有关，使用一系列算法实现。在每个周期处理完毕用户个人/群体的价值观量化后，再更新用户个人/群体的id等级。(注释：不是所有的历史数据都会参与更新处理，要根据业务能力设定一定时间的数据为有效参与算法的数据)

系统周期首先进行用户个人/群体的价值观量化处理，完毕后进行事物的价值量化处理。事物的价值量化和每个用户个人/群体的打分、个人/群体的等级、打分的参与者数量有关。事物的量化体现与个人/群体的量化体现不同，人物的体现为等级制，事物的体现为“1减去差优比值”，即事物的“逼真度”，也即这个逼真度的值越接近1，这个事物的价值越真实。

概括以上数据处理方式，大致分为三个阶段：

1、采集数据并拆分数据；

2、用户数据的价值观量化；

3、事物数据的价值量化。

而系统根据这样的算法进行持续的周期运作，不停的采集周期内产生的新数据作为更新价值观、价值的新材料，能够持续的、动态的、波动的体现价值观与价值，且展示的结果更加具备参考性，提高系统数据的信誉度。

而这在电商、信誉、评鉴方面会得到更好的参考价值和利用价值。

附图说明

图1是本发明-域坐标轴交叉式价值观量化方法的实例性实施数据流简介图；

图2是本发明-域坐标轴交叉式价值观量化方法的实例性数据更新流简介图。

具体实施方式

步骤1)、根据业务强度设计，收集获取一个周期事件所需的数据，包含个人/群体对事物的主观定性行为和打分数据、个人/群体的本身量化值和等级、事物已知的数据，即以上发明内容中标记的n、y、x、p、z、za；数据是基于用户的个人/群体对于事物的交互、买卖中的评价打分产生。一次打分的分值包含了个人/群体对事物的一次价值观输出，并且每次交互、买卖只能有1次打分机会，后续的交互、买卖也可以得到打分分值，如果不打分则没有分值相当于按照0分处理。每次打分分值存在正负数的情况，分值设定为-9、-5、-1、0、1、5、9的5个级别，分值代表了一次定性的对事物的喜恶程度，且分值参与运算；

步骤2)、按照周期的时间和算法作用时间，区分数据为增量数据、存量数据；

步骤3)、按照量化方法的算法，增量数据对存量数据中的个人/群体的价值观量化值进行充值或扣除，并在价值观量化处理结束后，更新个人/群体的等级；增量数据对存量数据的旧打分数据产生量化值的充值或扣除效果。新打分分值和旧打分分值，同为正分或同为负分进行充值，分值不同为正或负则进行扣除。充值和扣除的量化数和新打分的分值、旧打分的分值、新打分个人/群体的等级、旧打分个人/群体的等级、价格有关，使用一系列算法实现。在每个周期处理过用户个人/群体的价值观量化后，再更新用户个人/群体的id等级。；

步骤4)、按照步骤3更新后的个人/群体的价值观量化值，依据量化方法的算法，更新事物的价值量化值，并在价值量化处理结束后，更新事物的价值体现能力。事物的价值量化和每个用户个人/群体的打分、个人/群体的等级、打分的参与者数量有关。事物的量化体现与个人/群体的量化体现不同，人物的体现为等级制，事物的体现为“1减去差优比值”，即事物的“逼真度”，也即这个逼真度的值越接近1，这个事物的价值越真实；

步骤5)、持续性的周期性的重复前4个步骤，持续性的更新个人/群体的价值观、事物的价值量化值和量化体现。

概括以上数据处理方式，大致分为三个阶段：

1、采集数据并拆分数据；

2、用户数据的价值观量化；

3、事物数据的价值量化。

系统根据这样的算法进行持续的周期运作，不停的采集周期内产生的新数据作为更新价值观、价值的新材料，能够持续的、动态的、波动的价值观与价值的体现，提供高参考性的价值观、价值数据体系为电商、信誉参考、评鉴参考提供服务。