[发明专利]多语言人才等级评价方法和系统

说明书

本发明公开了一种多语言人才等级评价方法，包括获取多语言人才用户历史数据，对所述用户历史数据进行信用评分；初始化前向神经结构，初始化权值和阈值，并传输至改进型PSO算法；初始化PSO种群并接收前向神经传输的值，根据适应度函数不断更新个体极值、全局极值更新速度和惯性权值，直到满足最小误差要求或达到最大迭代次数；将得到的值赋值给前向神经，得到最优的权值和阈值，输入用户历史数据，进行网络训练，直到满足误差要求或者达到最大迭代次数，则训练结束；输入待评价用户数据进行信用评价。本发明网络学习速度快，而且测试精确率高，在多语言人才用户信用评价中具有实用性。

技术领域

本发明涉及语言文化信息领域，具体地讲，是涉及一种多语言人才等级评价方法。

背景技术

随着政治、经济、文化形势的国际化发展，国际社会需要并朝着国家和地区的区域合作方向迈进，例如以亚欧非大陆及附近海洋的互联互通为基础的区域合作，建立和加强沿线各国互联互通伙伴关系，构建全方位、多层次、复合型的互联互通网络，实现沿线各国多元、自主、平衡、可持续的发展。

该沿线的国家和地区众多，多数国家和地区都拥有自己的语种和语言体系，随着区域合作倡议的逐步推进，这些国家和地区需要进一步的促进经济、政治、文化的多方面深化发展，语言问题成为了影响各方面深入交流的最大阻碍，而且这些语言多为小语种，除当国当地的民众外，很少有其他人员会学习掌握这些语言。为了尽量减小语言问题对各方面合作推进的影响，申请人针对性地提出了一套多语言信息文化共享方案，通过搜集沿线各国语言文化信息，构建多语言文化数据库及数据共享系统，为广大民众提供相应的多语言文化信息内容的普及教育学习平台，促进区域合作的经济政治文化尤其是语言文化信息的发展。本申请作为系统测评段，用于实现多语言人才等级评价。

发明内容

针对上述现有技术的不足，本发明提供一种多语言人才等级评价方法。

为了实现上述目的，本发明采用的技术方案如下：

一种多语言人才等级评价方法，包括如下步骤：

(1)获取多语言人才用户历史数据，对所述用户历史数据进行信用评分；

(2)初始化前向神经结构，初始化权值和阈值，并传输至改进型PSO算法；

(3)初始化PSO种群并接收前向神经传输的值，根据适应度函数不断更新个体极值、全局极值更新速度和惯性权值，直到满足最小误差要求或达到最大迭代次数；

(4)将得到的值赋值给前向神经，得到最优的权值和阈值，输入用户历史数据，进行网络训练，直到满足误差要求或者达到最大迭代次数，则训练结束；

(5)输入待评价用户数据进行信用评价。

具体地，所述步骤(1)包括：

建立用户信用等级评价指标体系；

基于所述指标体系统计样本用户的信用特征，并进行信用评分。

具体地，所述前向神经结构采用三层网络结构。

具体地，所述步骤(3)包括：

初始化粒子群的种群，确定粒子群算法的参数：粒子总个数，粒子初始位置、初始速度、

最大训练次数和加速常数；

采用均方误差作为改进型PSO算法的适应度函数：

其中，分别为训练的实际输出值和期望输出值，M为前向神经的输出层节点数，取M＝1，表示输出客户信用等级；

迭代更新，更新每个粒子的适应度函数F i，以此确定每次的个体极值pbest i和全局极值gbest，更新位置x i、速度vi和权重w；