基于信息融合技术的图书馆服务质量综合评价

来源:用户上传      作者: 管祥兵 陈万梅

　　［摘 要］图书馆服务质量综合评价的核心计算是实现从各指标隶属度到目标隶属度的转换。但是，现有的隶属度转换方法，不能揭示指标隶属度中“哪些部分对目标分类有用，哪些部分无用”；结果是指标隶属度中原本对目标分类不起作用的冗余数值，也被用于计算目标隶属度。实际上，隶属度转换是一种信息融合技术，实现信息融合的关键环节是挖掘隐藏在各指标隶属度中关于目标分类的知识信息。为此，通过挖掘这种信息设计一种滤波器，能清除指标隶属度中对目标分类不起作用的冗余数值，在没有冗余数据干扰条件下实现隶属度转换，由此建立了一种基于“一滤、二比、三合成”的图书馆服务质量综合评价方法。
　　［关键词］图书馆服务质量 隶属度转换 区分权 可比值
　　
　　图书馆的发展水平是一个国家、一个地区文明进步程度的重要标志之一。随着社会竞争的加剧以及就业压力的增加，提升自身价值、提高知识水平成为了大多数人的首选。图书馆作为社会的文献信息中心，是读者学习、查阅资料的主要场所，人们对其需求自然也日益增加。同时，随着我国不断推行“和平发展”重大发展战略，图书馆社会服务的观念也越来越深入人心，但是如何评价图书馆服务质量却是一个极其复杂的问题，原因在于它是一种伸缩性很强的工作，且优质服务几乎是无止境的。定期对图书馆服务质量做全面、客观、科学的评价不但有利于图书馆的自身建设与长远发展，而且对于提高图书馆的文献资源质量与服务水平以及图书馆的快速发展都有重大意义。文献[1]分析影响图书馆服务质量的各种因素，建立了如第5页表1所示的图书馆服务质量指标评价体系。该指标体系是一个三层递阶层次结构，文献[1]用了层次分析法确定各层分指标的权重，用统计专家评分法确定底层指标在五个评语等级{优、良、中、差、劣}上的隶属度向量；最终给出了如表1所示的图书馆服务质量指标评价表。
　　建立符合实际的服务质量评价指标体系是评价基础 ，根据领域知识合理确定各层分指标重要性权重与底层指标隶属度，是模糊综合评判的基本条件；但是，要想依据这些条件得到可信赖的评估结果 ，还必须辅以正确的计算方法。模糊综合评判的核心计算是“隶属度转换”。即从底层指标隶属度出发，逐层计算相邻上层中每一项指标的隶属度向量 ；并且在每个层次上实现的每一次隶属度转换都可归结为下述抽象的转换模型。
　　已知影响目标状态的指标有种，每种指标被划分为个等级，表示第等级。如果目标的指标属于的隶属度已知，且满足：
　　求目标属于的隶属度。
　　对于上述隶属度转换，模糊数学给出4种转换模型：和；长期应用结果表明，其中只有 得到多数应用者认可，即把目标隶属度作为指标隶属度与指标重要性权重的“加权和”。并且，“加权和”作为隶属度转换的主流方法，数十年来一直被广泛用于各种不同的领域。
　　模糊数学中关于隶属度转换的上述方法，在学术界一直存有不同意见，特别是近十年来，陆续出现了一些不同算法和改进算法。如文献[8]认为模型过于简单化，利用信息不充分，提出基于证据推理与粗集理论的“主客观综合法”，用于实现隶属度转换。文献[9]在改进的模糊综合评判中定义一种颇有新意的“综合权重”，用以替代指标重要性权重计算“加权和”。但是，以模型为代表的现有隶属度转换方法，都不是从目标分类角度设计的，不能揭示指标隶属度中 “哪部分对目标分类有用，哪部分对目标分类没用”；结果是：指标隶属度中对目标分类不起作用的冗余部分，也被用于计算目标隶属度。方法存在的冗余性表明，模糊数学中看似早已解决了的隶属度转换问题，实则是一个尚未解决、至少是尚未很好解决的问题。
　　实际上，不同指标的隶属度源于不同实测参数空间上的分类信息，所以，从各指标隶属度到目标隶属度转换是一种信息融合技术。而实现信息融合的关键是：用某种数据挖掘方法[14-18]，挖掘隐藏在各指标隶属度中关于目标分类的知识信息。为此，通过挖掘这种知识信息设计一种滤波器，能清除指标隶属度中对目标分类不起作用的冗余数值，在没有冗余数据干扰的情况下实现隶属度转换，进而建立一种基于信息融合技术的图书馆服务质量评价模型。
　　一、区分权与指标隶属度的 类有效值
　　从目标分类的角度讲我们最关心的问题是：是不是每一项指标隶属度对于目标分类都起作用呢？指标隶属度中有没有对目标分类来说是不起作用的冗余数值呢？这些问题非常重要，因为这涉及到究竟哪些指标隶属度和隶属度中怎样的数值有资格参与计算目标的隶属度。为了弄清楚这一点，定义指标区分权概念。
　　1. 区分权
　　（1）设想，则指标的隶属度提供了这样的分类信息：单从指标看，目标属于各类的程度都一样。显然，这种信息对目标分类不起作用，删除指标也不会影响的分类。如果用实数表示指标对目标分类所做贡献大小的归一化量化值，则此种情况下有。
　　（2）如果存在整数使其余隶属度均为0，则指标隶属度提供的分类信息是：单从指标看，目标只能属于类，不可能属于其它类。此时，指标对于目标的分类做出了最大的贡献，实数应取到最大值。
　　（3）同理，若隶属度对而言取值越集中时，指标对目标分类做出的贡献越大即越大；反之，当对而言取值越分散时，指标对目标分类做出的贡献越小即越小。
　　上述三条说明，反映指标对目标分类贡献大小的实数由隶属度关于的取值集中与分散的程度决定；而隶属度关于取值集中与分散的程度可用隶属度的熵决定，所以，实数可表为熵的函数：
　　区分权的意义在于“区分”，即指标的各类隶属度能否把目标所属类别区分开和在怎样的程度上区分开的一种度量。如果，由熵的性质知，此时必有，表明 指标的隶属度是对目标分类不起作用的冗余指标隶属度。对目标分类不起作用的冗余指标隶属度自然不能参与计算目标的各类隶属度。
　　2.指标隶属度有效值
　　定义1：若是目标的指标属于类的隶属度，且满足（1）式；是指标关于目标的区分权，则称
　　是指标的类隶属度的有效区分值，简称类有效值。
　　当区分权时，表明指标隶属度对目标分类不起作用的冗余指标隶属度，因而不能参与计算目标的隶属度；注意到，当时，有，由此可发现这样一个基本事实，那就是：计算目标的类隶属度时，用的不是指标的类隶属度，而是指标类隶属度的有效值，这是一个至关重要的结论。
　　当用指标隶属度的有效值代替隶属度参与计算目标隶属度时，那么，区分权就是一种滤波器，在隶属度转换过程中，能识别并滤掉对目标分类来说不起作用的冗余的指标隶属度和指标隶属度中的冗余数值。
　　二、指标隶属度的类可比值与隶属度转换
　　毫无疑问，各指标的类隶属度的有效值对于计算目标的类隶属度来说是必不可少的；但问题是，不同指标的类隶属度的有效值之间，在通常情况下并不具有可比性，更不具有直接可加性；因为对于确定目标的类隶属度来说，这些有效值的“单位重要性”程度不同。原因是：在计算指标隶属度时，通常情况下并没有用到各指标关于目标的相对重要性。所以，当用各指标的类有效值计算目标的类隶属度时，必须将不同指标的类有效值转化为可进行大小比较的类可比有效值。
　　定义2：若是指标的类有效值，是指标关于目标的重要性权重，则称：
　　是指标类隶属度的可比有效值，简称类可比值。
　　显然，不同指标的类可比值之间具有可比性和直接可加性。
　　定义3 ：若是目标的指标的类可比值，则称
　　是目标的类可比和，
　　显然，目标的类可比和相对越大，表明属于类的程度越大。
　　定义4：若是目标的类可比和，是属于类的隶属度，则：

　　至此，在目标的各影响指标的隶属度和指标（关于目标的）重要性权重已知条件下，通过公式（2）（3）（4）（8）（9），求出了目标的隶属度，实现了由指标隶属度到目标隶属度的转换；并且转换过程不增加任何先验知识，也不造成分类信息失真。
　　上述隶属度转换算法可概括为“一滤、二比、三合成”。“一滤”指用区分权滤波，滤掉那些对目标分类不起作用的冗余的指标隶属度和指标隶属度中的冗余数值，从指标隶属度中分离出对目标分类起作用的有效值；“二比”是把有效值转化为可比值并生成可比和；“三合成”是指由可比和定义目标隶属度。
　　三、应用例
　　以图书馆服务质量评价为例。
　　1.图书馆服务质量模糊评价矩阵
　　文献[1]对某图书馆服务质量评价给出了如下表1所示的模糊评价矩阵，表1中的数字是该分指标的重要性权重，由领域专家按层次分析法确定；底层指标后的向量是该底层指标关于5个评语等级{优、良、中、差、劣}的隶属度向量，是在无干扰条件下120名读者确定。表中所有数据摘自文献[1]：
　　则判属于等级，且有不低于的置信度.
　　本例判Q属于“良好”等级，且有不低于77.46%（0.2981+0.4765=77.46%）的置信度。判断结果与文献[1]一致，并且有高达77.46%的置信度。由矩阵知，服务质量评价指标中仅图书馆的资源和服务两项指标为达到“优秀”的置信度为26.79%和24.52%，其他的指标都有很高的置信度，表明对该图书馆服务质量比较满意的，为了进一步提高建议在资源和服务上更下功夫。
　　四、结论
　　1.“一滤、二比、三合成”算法是隶属度转换的一般模式，也是一种重要的信息融合技术；其中关键步骤是通过挖掘隐藏在每个指标隶属度中关于目标分类的知识信息所构建的滤波器滤波。
　　2.评价结果由模糊评价矩阵决定，所以，在构建符合实际评价指标体系后，如何利用领域知识合理确定各层分指标的重要性权重与底层指标隶属度，是保证评价结果可信的基础性计算环节 。
　　3.由评价过程知，只要按“一滤、二比、三合成” 要求求出一项指标的隶属度向量，则按同一计算程序，可求出一直到顶层目标的隶属度向量。所以“一滤、二比、三合成”算法适于多层次、多指标、大数据量的隶属度转换；按着时间顺序，只要输入获取的各底层指标的隶属度向量，则系统立即可输出评价结果，所以评估系统极具实时性 。
　　
　　参考文献：
　　[1] 孟祥业.基于AHP―模糊数学的图书馆服务质量综合评价研究[J].现代情报,2009(10)1:24-126
　　[2] 张向晖,高吉喜,董伟.非线性复合模型在云南纵向岭谷区生态安全评价中的应用[J].环境科学研究，20007,20(4）：81-86
　　[3] 肖龙,戴宗坤.信息系统风险的多级模糊综合评判模型[J].四川大学学报,2004,36(5): 98-102.
　　[4] 郑贤斌,陈国明.基于FTA油气长输管道失效的模糊综合评价方法研究[J].系统工程理论与实践,2005, 25(2):139-144.
　　[5] 易俊,伍建林,史佩等.二级模糊安全评估方法及其在油库安全中的应用[J].中国安全科学学报,2007, 17(6):135-139.
　　[6] 马国忠,米文勇,刘晓东.民航系统安全的多层模糊评估方法[J].西南交通大学学报,2007,42(1): 104-109.
　　[7] 耿雪霏，刘凯，王德占.供应链风险的模糊综合评价[J].物流技术，2007，26（8）：164-167
　　[8] 黄广龙,余忠华,吴昭同. 基于证据推理与粗集理论的主客观评价方法[J].中国机械工程,2001,12(8): 930-934.
　　[9] 郭捷, 胡美新. 改进的项目风险模糊评价研究[J].工业工程,2007,10(3):86-90.
　　[10] 汪海渊,朱彦东,杨东援.数据融合技术及其在交通领域中的应用[J].上海公路, 2001:29-32.
　　[11] 张彦铎,姜兴渭.多传感器信息融合及在智能故障诊断中的应用[J].传感器技术,1999, 18(2):18-23.
　　[12] 王伦文，钟子发，杨俊安等. 多传感器数据融合理论在复杂通信信号识别中的应用[J].计算机与网络，2001：28-31
　　[13] 蔡兴国,基于信息融合技术的并发故障诊断的研究[J].中国电机工程学报,2003,23(5): 112-115
　　[14] Jianwei Han, Micheline Kamber, Data Mining: Concepts and Techniques, CA: Morgan Kaufmann Publisher, 2000.
　　[15] 贾林，李明. 基于数据挖掘的电信客户流失模型的建立与实现[J]，计算机工程与应用，2004：185-187
　　[16] 杨文献,任兴民,秦卫阳等.基于数据挖掘的复杂设备故障诊断方法研究[J].振动工程学报,2000, 13(5): 48-51
　　[17] 高毅龙. 数据挖掘及其在工程诊断中的应用[D]. 西安交通大学, 2000.
　　[18] 程乾生.属性识别理论模型及应用[J].北京大学学报(自然科学版),1997,33(1):23-30.
　　注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文

转载注明来源:https://www.xzbu.com/3/view-1473899.htm