基于数据挖掘的政府采购方案评价模型

李雨田, 宋昊澄, 陈卫卫, 杜金丽

(西安航空职业技术学院 1.国有资产管理处； 2.后勤管理处； 3.现代教育技术中心, 陕西 西安 710089)

0 引言

随着信息技术的不断发展，政府采购的透明性越来越高，为了更加科学、准确地实现政府采购，减少政府采购成本，提高政府采购质量，需要对政府采购方案进行高精度的评价。因此，政府采购方案评价研究具有十分重要的意义，成为当前研究的重点[1-3]。

针对政府采购方案评价问题，许多学者投入了大量的时间、精力进行了深入的研究，涌出了许多有效的政府采购方案评价模型。当前政府采购方案评价模型可以划分为两类：一种是定性分析的政府采购方案评价模型;另一种是定量分析的政府采购方案评价模型[4]，其中定性分析方法主要通过专家系统对政府采购方案评价进行研究，该方法评价的结果主观性强、偏差大、耗时长，无法满足现代政府采购方案评价研究[5-7]；定量分析方法主要有多元线性回归的政府采购方案评价模型；层次分析法的政府采购方案评价模型；人工神经网络的政府采购方案评价模型等，其中多元线性回归、层次分析法属于线性建模方法，而政府采购方案的优劣与多种因素相关，如渠道来源、社会效率、地方经济，具有明显的随机性、时变性，因此它们的政府采购方案评价误差大[8-10]；人工神经网络虽然具有较强的非线性建模能力，但收敛速度慢、结构复杂，使得政府采购方案评价结果极不稳定，缺陷十分明显。同时在当前政府采购方案评价过程中，认为每一个指标对政府采购方案评价结果的贡献是一样的，这与实际不相符，使得政府采购方案评价精度有待进一步提高[11]。

为了获得理想的政府采购方案评价结果，设计了数据挖掘的政府采购方案评价模型，该模型集成了灰色关联分析法、支持向量机等优点，测试结果表明，本文方法可以很好地描述政府采购方案的变化特点，提高政府采购方案评价精度，改善政府采购方案评价效率，具有明显的优势。

1 数据挖掘的政府采购方案评价模型

1.1 层次分析法建立政府采购方案评价指标体系

为了对政府采购方案进行高精度评价，要建立良好的评价指标体系，政府采购方案评价指标较多，基于科学性、客观性、可操作性、全面性的原则，建立了政府采购方案评价指标体系，如表1所示。

表1 政府采购方案评价指标体系

1.2 灰色关联分析确定政府采购方案评价指标权重

在政府采购方案评价过程中，每一个指标对评价的结果贡献程度不一样，传统模型没有考虑指标之间的差异性，使得政府采购方案评价结果达不到最优。因此，本文引入灰色关联分析法确定政府采购方案评价指标的权重。

灰色关联分析方法对指标的相关系数进行分析，计算指标的关联度，并依据关联度大小进行排序[12-14]，具体步骤如下。

(1) 分别将政府采购方案的得分和评价指标作为参考数列y(k)和比较序列xi(k)。

(2) 政府采购方案评价指标的单位各异，数值的范围大，因此对其进行归一化处理，并仍记为xi(t),如式(1)。

(1)

(3) 采用式(2)计算参考数列与比较序列间的关联系数。

ξi(k)=

(2)

式中，ρ为分辨系数。

(4) 采用式(3)计算政府采购方案评价指标关联度。

(3)

(5) 根据关联度对评价指标进行排序，并选择关联度较大的指标进行政府采购方案评价建模。

(6) 关联度刻画了指标对政府采购方案评价结果的贡献，根据关联度对政府采购方案评价指标赋予权值，描述政府采购方案评价指标的重要性。

1.3 支持向量机

支持向量机是一种数据挖掘算法，采用结构风险最小化原则进行训练，不存在人工神经网络收敛速度慢的弊端，建模效果更优[15]。

对于政府采购方案评价样本集合为{(xi,yi)|i=1,2,…,l};xi为政府采购方案评价的指标;yi为政府采购方案的得分，采用函数φ()将政府采购方案评价样本映射到高维特间进行回归，如式(4)。

f(x)=wTφ(x)+b

(4)

式(4)的求解过程复杂，影响政府采购方案评价效率，为此对式(4)进行变换，得到对偶形式，如式(5)。

s.t.

(5)

式中，C为惩罚参数。

采用拉格朗日方法对式(5)进行求解，建立如下的拉格朗日函数，如式(6)。

L(w,b,e,α)=

(6)

式中，αi为拉格朗日乘子。

对式(6)的w，b，ei，αi进行求偏导，并使它们的偏导为0，如式(7)。

(7)

消去w和ei，建立矩阵形式，如式(8)。

(8)

式中，E=[1,…,1]T，α=[α1,…,αl]T，y=[y1,…,yl]T，Ωil=φ(xi)φ(xl)。

采用核函数代替内积操作，即：K(xi,xl)=φ(xi)φ(xl)，得式(9)。

(9)

根据Q=Ω+C-1I，得式(10)。

(10)

最后，基于支持向量机的政府采购方案评价函数，如式(11)。

(11)

核函数定义，如式(12)。

(12)

1.4 数据挖掘的政府采购方案评价步骤

(1) 构建政府采购方案评价指标，并收集相应的政府采购方案评价指标数据。

(2) 采用灰色关联分析方法确定政府采购方案评价指标的权值，去掉了一些不重要评价指标。

(3) 采用专家为政府采购方案进行打分，并将其作为支持向量机的输出，政府采购方案评价指标作为支持向量机输入，构建政府采购方案评价建模的学习样本。

(4) 采用支持向量机对学习样本进行训练，通过10折交叉验证算法确定最优参数，建立政府采购方案评价指标评价模型。具体流程如图1所示。

图1 数据挖掘的政府采购方案评价流程

2 数据挖掘的政府采购方案评价模型性能的测试

2.1 测试环境

为了测试数据挖掘的政府采购方案评价模型性能，对其进行仿真实验，仿真硬件和软件环境参数，如表1所示。

表1 数据挖掘的政府采购方案评价的仿真环境

选择BP神经网络数据挖掘的政府采购方案评价模型、RBF神经网络数据挖掘的政府采购方案评价模型在相同仿真测试环境下进行对比实验。

2.2 测试数据

选择150个政府采购方案作为测试对象，首先采集评价指标数据，由于评价指数据较多，在此不列出，然后采用专家对每一个政府采购方案进行打分，得到的分值，如图2所示。

图2 政府采购方案评价实验的样本数据

2.3 政府采购方案评价指标的权值

采用灰色关联分析方法对政府采购方案评价指标进行处理，计算它们的关联度，然后根据关联度得到政府采购方案评价指标的权值。得到结果，如图3所示。

图3 政府采购方案评价指的权值

从图3可以发现，不同的采购方案评价指标它们权值差异性大，即对采购方案评价结果的影响程度不一样，考虑采购方案评价的效率，去掉一些权值较小的指标，因此它们对采购方案评价结果的影响不大，得到6个权值大指标作为支持向量机的输入向量，和图2采购方案得分组成样本集合，每一种模型均进行5次仿真实验，训练样本和测试样本的数量采用4∶1的方式，每次采用随机方式进行选择，以体现实验结果的公平性。

2.4 结果与分析

统计3种模型对政府采购方案训练样本和测试样本的评价，统计每一次实验评价精度的平均值，如图4、图5所示。

对图4、图5的政府采购方案评价精度进行对比分析可以发现，训练样本的政府采购方案评价精度要高于测试样本，这与实际情况相符，证明了本文设计的政府采购方案评价模型是有效的。

图4 训练样本的政府采购方案评价精度

图5 测试样本的政府采购方案评价精度

相对于对比模型，本文模型的政府采购方案评价精度更高，有效减少了政府采购方案评价误差，这是因为本文模型引入了灰色关联分析方法确定不同指标权值，体现了它们的差异性，并引入了建模性能更优的支持向量机对政府采购方案变化特点进行拟合，克服了对比模型的弊端，证明了本文政府采购方案评价模型的优越性。

统计不同模型的政府采购方案评价训练和测试总时间(秒)，如表2所示。

表2 不同模型的政府采购方案评价时间对比

从表2可以看出，本文模型由于采用灰色关联分析方法选择一些重要政府采购方案评价指标进行建模，减少了政府采购方案评价模型的输入向量，降低了政府采购方案评价复杂度，减少了政府采购方案评价时间，提升了政府采购方案评价效率。

3 总结

为了提高政府采购方案评价精度，针对当前政府采购方案评价过程中存在的问题，提出了基于数据挖掘的政府采购方案评价模型，并通过仿真实验得到如下结论。

(1) 利用灰色关联分析方法对政府采购方案评价指标的权值进行确定，并去除一些不重要的评价指标，可以改善政府采购方案评价效率。

(2) 采用支持向量机建立政府采购方案评价识别模型，提高了政府采购方案评价的准确性。