[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

说明书

技术领域

本发明涉及数据处理领域，特别是涉及基于大数据挖掘算法实现办税服务厅自动分级的方法。

背景技术

名词解释：

KPI：Key Performance Indicator，关键绩效指标；

K-means聚类：一种聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则；

AHP方法：层次分析处理方法，AHP全称Analytic Hierarchy Process，是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法；

min-max标准化：基于数据的最小值和最大值进行数据的标准化；

Z-score标准化：基于数据的均值和标准差进行数据的标准化；

目前办税服务厅的管理制度和资源配置要求，均是统一配置，不考虑服务厅的数据业务量等需求，导致办税服务厅存在资源浪费和资源不足、服务过度与服务不足、工作人员忙闲不均等问题。对办税服务厅进行分类可以较好的解决该问题。而当前办税服务厅分类的主要是基于人的主观意见采用手动操作方式进行分级或分类，基于手工的分级分类方法是基于传统的统计方法，在确定指标权重时，一般是根据主观经验人为设定的，然后根据设定好的权重进行加权求和。在实际评价中，各个因子的重要性、影响力或者优先程度难以量化，人的主观选择会起着相当重要的作用。由人为选定的原因，这种方法往往不一定会得到一个统一科学的评价标准。总的来说，目前的分级方法在人工统计和决策的过程中，会消耗大量的人力，同时在分类过程中主要是依据人的主观意志，导致分类结果的输出耗时耗力、不够客观、不够科学，而且存在各地市无法统一标准，无法全省对标等现状。

发明内容

为了解决上述的技术问题，本发明的目的是提供基于大数据挖掘算法实现办税服务厅自动分级的方法。

本发明解决其技术问题所采用的技术方案是：

基于大数据挖掘算法实现办税服务厅自动分级的方法，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。

进一步，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。

进一步，所述归一化算法包括min-max标准化算法和Z-score标准化算法。

进一步，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。

进一步，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：

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^*：

S323、根据下式分别计算每个指标的权重：

上式中，w_i表示第i个指标的权重。

进一步，所述步骤S4，包括：

S41、根据计算出的KPI得分，采用K-means聚类算法将办税服务厅聚类成N小类，N＝6,7或8；

S42、计算每个小类的平均KPI得分，并根据该平均KPI得分对N个小类进行排名后，将排名相邻的各小类合并成3大类；