[发明专利]基于大数据挖掘算法实现办税服务厅自动分级的方法

权利要求书

1.基于大数据挖掘算法实现办税服务厅自动分级的方法，其特征在于，包括步骤：

S1、响应于用户的输入数据，确定进行办税服务厅自动分级所需的指标集；

S2、根据指标集的每项指标，对多个税务服务厅进行对应的原始数据采集后，对采集的原始数据进行数据清洗和转换；

S3、通过层次分析处理方法，计算每项指标的权重，进而构建KPI算法模型，计算输出每个办税服务厅的KPI得分；

S4、根据计算出的KPI得分，采用K-means聚类算法对所述多个办税服务厅进行分类。

2.根据权利要求1所述的基于大数据挖掘算法实现办税服务厅自动分级的方法，其特征在于，所述步骤S2中所述对采集的原始数据进行数据清洗和转换的步骤，其具体为：

对采集的原始数据进行去噪处理后，采用数据归一化算法对其进行数据标准化。

3.根据权利要求2所述的基于大数据挖掘算法实现办税服务厅自动分级的方法，其特征在于，所述归一化算法包括min-max标准化算法和Z-score标准化算法。

4.根据权利要求1所述的基于大数据挖掘算法实现办税服务厅自动分级的方法，其特征在于，所述步骤S3，包括：

S31、根据指标集中的多项指标，利用一致矩阵法，两两比较指标之间的重要性，从而构造比较矩阵；

S32、分别计算每项指标的权重；

S33、对比较矩阵进行一致性检验，并在一致性检验结果不合格时，返回步骤S31重新构造比较矩阵进行计算，在一致性检验结果合格时，执行步骤S34；

S34、根据每项指标的权重计算每个办税服务厅的KPI得分。

5.根据权利要求4所述的基于大数据挖掘算法实现办税服务厅自动分级的方法，其特征在于，所述步骤S32，具体包括：

S321、根据下式分别计算比较矩阵的每一行的指标的累计乘积：

Mi=Πj=1nbij,i=1,2...,n.]]>

上式中，M_i表示第i个指标的累积乘积，b_ij表示比较矩阵的第i行第j列的值，i、j表示序号，n表示矩阵的阶；

S322、根据下式分别计算每一个累计乘积M_i的n次方根W_i^*：

Wi*=Min]]>

S323、根据下式分别计算每个指标的权重：

wi=Wi*/Σi=1nWi*]]>

上式中，w_i表示第i个指标的权重。