耐受度评估方法、装置、设备及存储介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种耐受度评估方法、装置、设备及存储介质。

背景技术

在日常生活以及工作过程中人们常常会遇到一些问题，生活中有“在哪里买房更好？”、“选择哪个学校哪个专业更好？”，工作中有“哪个候选人适合升职”、“应该选择哪家供应商更好”等等，以上问题的共同特点是问题本身都是定性问题，都需要综合多种因素进行评估，但对于以上的问题，人们的评判和决策过程往往都是在大脑中思量，主观臆断较强，缺乏系统的思考、梳理、权衡以及量化的过程，导致评估不准确的问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提出一种耐受度评估方法、装置、设备及存储介质，旨在解决现有技术中人们的评判和决策过程往往都是在大脑中思量，主观臆断较强，缺乏系统的思考、梳理、权衡以及量化的过程，导致评估不准确的技术问题。

为实现上述目的，本发明提供一种耐受度评估方法，所述耐受度评估方法包括以下步骤：

根据目标对象的特征信息确定评价指标；

根据所述评价指标构造判断矩阵，并根据所述判断矩阵确定元素权重；

根据所述元素权重确定一致性比率，并根据所述一致性比率进行一致性验证；

在一致性验证通过时，根据所述元素权重计算耐受度得分；

根据所述耐受度得分进行耐受度评估。

可选地，所述根据所述评价指标构造判断矩阵，并根据所述判断矩阵确定元素权重，包括：

从所述评价指标中选取目标评价指标；

根据所述目标评价指标构造判断矩阵；

对所述判断矩阵进行标准化处理，确定所述判断矩阵中各元素对应的元素权重。

可选地，所述根据所述目标评价指标构造判断矩阵，包括：

根据所述目标评价指标确定多个元素；

将所述多个元素进行两两比较，得到比较值；

根据所述比较值构造判断矩阵。

可选地，所述根据所述元素权重确定一致性比率，并根据所述一致性比率进行一致性验证，包括：

根据所述元素权重通过打分矩阵计算平均值；

根据所述平均值确定一致性比率；

将所述一致性比率与预设阈值进行比较，根据比较结果进行一致性验证。

可选地，所述根据所述元素权重通过打分矩阵计算平均值，包括：

根据所述元素权重通过打分矩阵确定求和值和权重值；

根据所述求和值和所述权重值计算比值，并根据所述比值计算平均值。

可选地，所述根据所述平均值确定一致性比率，包括：

获取打分矩阵的矩阵阶数，并根据所述矩阵阶数确定所述打分矩阵对应的元素个数；

根据所述平均值和所述元素个数计算第一数值，并根据所述矩阵阶数确定第二数值；

根据所述第一数值和所述第二数值确定一致性比率。

可选地，所述根据所述矩阵阶数确定第二数值，包括：

将所述矩阵阶数与预设随机一致性指数表中的待选矩阵阶数进行匹配，所述预设随机一致性指数表中记录有待选矩阵阶数与待选数值之间的对应关系；

将与所述矩阵阶数匹配的待选矩阵阶数作为目标矩阵阶数；

将所述目标矩阵阶数对应的待选数值作为第二数值。

可选地，所述将所述一致性比率与预设阈值进行比较，根据比较结果进行一致性验证之后，还包括：

在所述比较结果为所述一致性比率小于等于所述预设阈值时，判定一致性验证通过。

可选地，所述在一致性验证通过时，根据所述元素权重计算耐受度得分，包括：

在一致性验证通过时，根据所述元素权重进行加权计算，得到所述目标对象对应的耐受度得分。

可选地，所述根据所述耐受度得分进行耐受度评估，包括：

根据所述耐受度得分通过归一化方式进行计算，得到归一化得分；

根据所述评价指标进行聚类处理，获得多个对象类别；

获取各对象类别对应的归一化得分；

根据各对象类别对应的归一化得分进行耐受度评估。

可选地，所述根据各对象类别对应的归一化得分进行耐受度评估，包括：

根据各对象类别对应的归一化得分确定各对象类别对应的归一化得分均值；

根据各对象类别对应的归一化得分均值进行耐受度评估。

可选地，所述根据各对象类别对应的归一化得分均值进行耐受度评估，包括：

获取各对象类别对应的归一化得分均值之间的分布情况；

根据各对象类别对应的归一化得分均值以及所述分布情况进行耐受度评估。

此外，为实现上述目的，本发明还提出一种耐受度评估装置，所述耐受度评估装置包括：

评价指标模块，用于根据目标对象的特征信息确定评价指标；

判断矩阵模块，用于根据所述评价指标构造判断矩阵，并根据所述判断矩阵确定元素权重；

一致性验证模块，用于根据所述元素权重确定一致性比率，并根据所述一致性比率进行一致性验证；

耐受度得分模块，用于在一致性验证通过时，根据所述元素权重计算耐受度得分；

耐受度评估模块，用于根据所述耐受度得分进行耐受度评估。

可选地，所述判断矩阵模块，还用于从所述评价指标中选取目标评价指标；根据所述目标评价指标构造判断矩阵；对所述判断矩阵进行标准化处理，确定所述判断矩阵中各元素对应的元素权重。

可选地，所述判断矩阵模块，还用于根据所述目标评价指标确定多个元素；将所述多个元素进行两两比较，得到比较值；根据所述比较值构造判断矩阵。

可选地，所述一致性验证模块，还用于根据所述元素权重通过打分矩阵计算平均值；根据所述平均值确定一致性比率；将所述一致性比率与预设阈值进行比较，根据比较结果进行一致性验证。

可选地，所述一致性验证模块，还用于根据所述元素权重通过打分矩阵确定求和值和权重值；根据所述求和值和所述权重值计算比值，并根据所述比值计算平均值。

可选地，所述一致性验证模块，还用于获取打分矩阵的矩阵阶数，并根据所述矩阵阶数确定所述打分矩阵对应的元素个数；根据所述平均值和所述元素个数计算第一数值，并根据所述矩阵阶数确定第二数值；根据所述第一数值和所述第二数值确定一致性比率。

此外，为实现上述目的，本发明还提出一种耐受度评估设备，所述耐受度评估设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的耐受度评估程序，所述耐受度评估程序被处理器执行时实现如上所述的耐受度评估方法。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有耐受度评估程序，所述耐受度评估程序被处理器执行时实现如上所述的耐受度评估方法。

本发明提出的耐受度评估方法中，根据目标对象的特征信息确定评价指标；根据所述评价指标构造判断矩阵，并根据所述判断矩阵确定元素权重；根据所述元素权重确定一致性比率，并根据所述一致性比率进行一致性验证；在一致性验证通过时，根据所述元素权重计算耐受度得分；根据所述耐受度得分进行耐受度评估，从而根据评价指标构建的判断矩阵，再根据判断矩阵中的元素权重来进行一致性验证以及计算耐受度得分，进而进行耐受度评估，避免了评判和决策过程在大脑中思量，主观臆断较强，缺乏系统的思考、梳理、权衡以及量化的过程，导致评估不准确的问题，提高了评估结果的准确性。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的耐受度评估设备结构示意图；

图2为本发明耐受度评估方法第一实施例的流程示意图；

图3为本发明耐受度评估方法一实施例的实现流程示意图；

图4为本发明耐受度评估方法一实施例的评价指标示意图；

图5为本发明耐受度评估方法第二实施例的流程示意图；

图6为本发明耐受度评估方法第三实施例的流程示意图；

图7为本发明耐受度评估方法第四实施例的流程示意图；

图8为本发明耐受度评估方法一实施例的聚类结果分布示意图；

图9为本发明耐受度评估装置第一实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的耐受度评估设备结构示意图。

如图1所示，该耐受度评估设备可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如按键，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如Wi-Fi接口)。存储器1005可以是高速随机存取存储器(Random Access Memory，RAM)，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的设备结构并不构成对耐受度评估设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及耐受度评估程序。

在图1所示的耐受度评估设备中，网络接口1004主要用于连接外网，与其他网络设备进行数据通信；用户接口1003主要用于连接用户设备，与所述用户设备进行数据通信；本发明设备通过处理器1001调用存储器1005中存储的耐受度评估程序，并执行本发明实施例提供的耐受度评估方法。

基于上述硬件结构，提出本发明耐受度评估方法实施例。

参照图2，图2为本发明耐受度评估方法第一实施例的流程示意图。

在第一实施例中，所述耐受度评估方法包括以下步骤：

步骤S10，根据目标对象的特征信息确定评价指标。

需要说明的是，本实施例的执行主体可为耐受度评估设备，例如具有数据处理功能的计算机设备，还可为其他可实现相同或相似功能的设备，本实施例对此不作限制，在本实施例中，以计算机设备为例进行说明。

需要说明的是，本方案意在构建一个系统的分析框架，通过将影响决策的因素及权重量化，将定性问题定量化，然后计算各候选项得分，最后通过聚类算法将各影响因素进行聚类，将聚类结果和得分结合计算各类得分均值差异，评判定量结果的合理性。

应当理解的是，本实施例中的目标对象可为需要评估耐受度的对象，例如广告、视频以及文章等对象，还可为其他对象，本实施例对此不作限制，在本实施例中，以目标对象为广告为例进行说明，通过本方案可基于AHP分层技术以及Kmeans聚类技术进行广告耐受度评估。

在具体实现中，可如图3所示，图3为实现流程示意图，本方案的主要思路在于：构建耐受度影响准则及衡量指标，分层构造判断矩阵，计算指标权重，一致性验证，计算耐受度得分，Kmeans聚类查看得分均值，从而通过上述方式来进行广告耐受度评估。

需要说明的是，层次分析法的多级递阶层次模型分为三类：完全相关性结构(上层每一因素与下层所有因素均有联系)、完全独立性结构(上层每一因素都有独立的下层要素)、混合型结构(前述两种结构的混合结构)。本例为完全独立性结构,层次分析法涉及多层次的因素打分与赋权，首先针对最底层指标构建判断矩阵，一致性检验一般使用于2-9个因子，所以最底层只需对打开率、关闭率、不再提示率构建判断矩阵及检验一致性，活跃天数、浏览频次只需构建权重无需进行检验，在中间时间窗口层权重确认及一致性判断以此类推。

可以理解的是，在确定目标对象后，可获取目标对象的特征信息，然后根据目标对象的特征信息确定评价指标。

在具体实现中，可如图4所示，图4为评价指标示意图，针对广告耐受度，可以确定以下评价指标：第一层评价指标：“及时反应A”、“产品长期反应A”、“广告整体长期反应A”。第二层评价指标：“及时反应A”对应的“当天B”、“近1周B”、“近1月B”；“产品长期反应A”对应的“近1月B”；“广告整体长期反应A”对应的“近1月B”。第三层评价指标：“打开率C”、“关闭率C”、“不再提示率C”、“活跃天数C”、“浏览频次C”、“广告收入C”。其中，以上三层评价只是举例说明，还可根据实际情况设计更多层以及更多数量的评价指标，本实施例对此不作限制。

步骤S20，根据所述评价指标构造判断矩阵，并根据所述判断矩阵确定元素权重。

应当理解的是，在确定上述这些评价指标之后，可根据这些评价指标构造判断矩阵，在判断矩阵构造完成之后，可获取判断矩阵中的多个元素以及各元素对应的元素权重。

步骤S30，根据所述元素权重确定一致性比率，并根据所述一致性比率进行一致性验证。

应当理解的是，在确定判断矩阵中各元素对应的元素权重之后，可根据元素权重确定第一数值CI，并查找对应的第二数值RI，然后根据第一数值CI和第二数值RI计算一致性比率，进而根据计算得到的一致性比率进行一致性验证。

步骤S40，在一致性验证通过时，根据所述元素权重计算耐受度得分。

应当理解的是，在一致性验证通过时，可基于上述方法，计算出各层元素的元素权重，从最底层到最上层自下而上加权计算得分，最终计算出用户的耐受度得分。

步骤S50，根据所述耐受度得分进行耐受度评估。

应当理解的是，在计算得到耐受度得分后，可根据耐受度得分进行Kmeans聚类，得到得分均值并查看不同类别下的得分分布，从而实现耐受度评估。

可以理解的是，本发明将AHP层次分析法与聚类方法相结合，并很好地应用到互联网用户对广告的耐受度评测上，该方法特点：首先，将复杂问题结构化、层次化、简单化，并且将定性问题进行定量描述；其次，提供打分标度，可以解决定性因素的处理及可比性问题；再者，简单、方便、系统、实用且不复杂；最后，通过聚类的结果对评价指标进行聚类，对得分结果进行二次验证，保证特征相似人群得分相近，不同特征人群得分相差较大。

可以理解的是，AHP层次分析法是多准则决策方法之一，它是一种从配对比较中得出比率比例的方法。输入可以是实际的测量值，也可以是主观意见(例如满意度、偏好、耐受度)。输出是根据一致性计算和权重来衡量的。AHP层次分析法把研究对象作为一个系统，按照分解、比较判断、综合的思维方式进行决策，成为继机理分析、统计分析之后发展起来的系统分析的重要工具。系统的思想在于不割断各个因素对结果的影响，而层次分析法中每一层的权重设置最后都会直接或间接影响到结果，而且在每个层次中的每个因素对结果的影响程度都是量化的，非常清晰、明确。这种方法尤其可用于对无结构特性的系统评价以及多目标、多准则、多时期等的系统评价。

AHP层次分析法+KMEANS聚类法可以使得一些定性问题尽可能的定量化，且通过一致性检验以及聚类结果查看特征及结果分布能很好的让评价指标的结果更加可靠更加稳健，极大的减少了因为人主观臆断拍脑袋而得出的结果。

在本实施例中，根据目标对象的特征信息确定评价指标；根据所述评价指标构造判断矩阵，并根据所述判断矩阵确定元素权重；根据所述元素权重确定一致性比率，并根据所述一致性比率进行一致性验证；在一致性验证通过时，根据所述元素权重计算耐受度得分；根据所述耐受度得分进行耐受度评估，从而根据评价指标构建的判断矩阵，再根据判断矩阵中的元素权重来进行一致性验证以及计算耐受度得分，进而进行耐受度评估，避免了评判和决策过程在大脑中思量，主观臆断较强，缺乏系统的思考、梳理、权衡以及量化的过程，导致评估不准确的问题，提高了评估结果的准确性。

在一实施例中，如图5所示，基于第一实施例提出本发明耐受度评估方法第二实施例，所述步骤S20，包括：

步骤S201，从所述评价指标中选取目标评价指标。

应当理解的是，因为需要针对最底层指标构建判断矩阵，因此，可先对评价指标进行筛选，从中选取最底层指标作为目标评价指标，例如，在存在三层评价指标的情况下，第三层评价指标为最底层评价指标，因此，可将第三层评价指标作为目标评价指标。

步骤S202，根据所述目标评价指标构造判断矩阵。

可以理解的是，多层次的评价指标体系结构一般比较复杂，各种评价指标的权重难以确定，通过两两比较评价因子的重要性来确定权重要比一次性确定所有因子的权重容易把握。该方法叫一致矩阵法，即不把所有因素放在一起比较，而是两两相互比较。对比时采用相对尺度，以尽可能减少性质不同因素相互比较的困难，以提高准确度。因此，可根据目标评价指标确定多个元素，将多个元素进行两两比较，得到比较值，然后根据所述比较值构造判断矩阵。

可以理解的是，可如表1所示，矩阵对角线上的元素的实际值a11、a22、a33均为1，即指标自己相对自己的重要性为1，其他位置元素的大小确定可以根据两个元素对于目标确定的重要性来填写，大于1，则行元素重要性大于列元素；小于1，则反之，列元素重要性大于行元素。

表1

可以理解的是，可通过各元素之间的两两比较确定合适的标度，将不同元素两两比较获得的值输入判断矩阵中，成对比较矩阵中的取值可如表2所示：

表2

步骤S203，对所述判断矩阵进行标准化处理，确定所述判断矩阵中各元素对应的元素权重。

可以理解的是，在判断矩阵构造完成之后，可对判断矩阵进行标准化处理，以确定判断矩阵中各元素对应的元素权重。

在本实施例中，从所述评价指标中选取目标评价指标；根据所述目标评价指标构造判断矩阵；对所述判断矩阵进行标准化处理，确定所述判断矩阵中各元素对应的元素权重，从而可降低矩阵构造的难度，并提高数据的准确性。

在一实施例中，如图6所示，基于第一实施例或第二实施例提出本发明耐受度评估方法第三实施例，在本实施例中，基于第一实施例进行说明，所述步骤S30，包括：

步骤S301，根据所述元素权重通过打分矩阵计算平均值。

应当理解的是，可根据所述元素权重通过打分矩阵确定求和值和权重值，然后根据求和值和权重值计算比值，进而根据比值计算平均值。

可以理解的是，打分矩阵可按列*对应元素的权重，并按行求和，计算求和值/权重值，对求和值与权重值之比求平均值。

步骤S302，根据所述平均值确定一致性比率。

应当理解的是，可获取打分矩阵的矩阵阶数，并根据矩阵阶数确定打分矩阵对应的元素个数，根据平均值和元素个数计算第一数值，并根据矩阵阶数确定第二数值，然后根据第一数值和第二数值确定一致性比率。

可以理解的是，可根据平均值和元素个数通过以下公式计算第一数值：

CI＝(a-n)/(n-1)；

其中，CI为第一数值，a为平均值，n为元素个数。

应当理解的是，可将矩阵阶数与预设随机一致性指数表中的待选矩阵阶数进行匹配，其中，预设随机一致性指数表中记录有待选矩阵阶数与待选数值之间的对应关系。可将与矩阵阶数匹配的待选矩阵阶数作为目标矩阵阶数，并将目标矩阵阶数对应的待选数值作为第二数值。

可以理解的是，预设随机一致性指数表如表3所示，根据评分矩阵的阶数，可从预设随机一致性指数表中选取第二数值RI，如果n＝5，则选取5对应的1.12作为第二数值RI，如果n＝8，则选取8对应的1.41作为第二数值RI。

表3

可以理解的是，在确定第一数值和第二数值后，可根据第一数值和第二数值通过以下公式计算一致性比率：

CR＝CI/RI；

其中，CR为一致性比率，CI为第一数值，RI为第二数值。

步骤S303，将所述一致性比率与预设阈值进行比较，根据比较结果进行一致性验证。

需要说明的是，预设阈值可为预先设置的数值，例如，可将预设阈值设置为0.1，也可根据实际情况将预设阈值设置为其他数值，本实施例对此不作限制，在本实施例中，以预设阈值为0.1为例进行说明。

应当理解的是，可将一致性比率与预设阈值进行比较，在比较结果为一致性比率小于等于预设阈值时，判定一致性验证通过；在比较结果为一致性比率大于预设阈值时，判定一致性验证不通过。

可以理解的是，如果一致性比率的值小于等于0.1，则说明打分矩阵的数值具有规律性，一致性是可以接受的。如果一致性比率大于0.1，则说明打分矩阵的数值随机性较高，需要修改主观评分。

在本实施例中，根据所述元素权重通过打分矩阵计算平均值；根据所述平均值确定一致性比率；将所述一致性比率与预设阈值进行比较，根据比较结果进行一致性验证，通过一致性验证可提高数据的准确性，避免出现误差数据影响评估结果。

在一实施例中，如图7所示，基于第一实施例或第二实施例或第三实施例提出本发明耐受度评估方法第四实施例，在本实施例中，基于第一实施例进行说明，所述步骤S50，包括：

步骤S501，根据所述耐受度得分通过归一化方式进行计算，得到归一化得分。

可以理解的是，在计算得出耐受度得分之后，可将耐受度得分通过归一化方式(scorei-min(score))/(max(score)-min(score))计算出归一化得分Scaler_score。

步骤S502，根据所述评价指标进行聚类处理，获得多个对象类别。

应当理解的是，可基于分层结构最底层评判指标进行Kmeans聚类处理，以获得多个对象类别。其中，如果聚类数量n＝5，那么便可获得5类对象类别。

步骤S503，获取各对象类别对应的归一化得分。

应当理解的是，在确定多个对象类别之后，可确定各对象类别对应的归一化得分。例如，在5类对象类别的情况下，可确定这5类对象类型对应的归一化得分。

步骤S504，根据各对象类别对应的归一化得分进行耐受度评估。

应当理解的是，可根据各对象类别对应的归一化得分确定各对象类别对应的归一化得分均值，并获取各对象类别对应的归一化得分均值之间的分布情况，根据各对象类别对应的归一化得分均值以及所述分布情况进行耐受度评估。

可以理解的是，可如图8所示，图8为聚类结果分布示意图，可查看这5类对象类型的归一化得分均值以及分布情况，类间得分距离较大、类间得分分布分隔较明显，则得分效果较好。

在本实施例中，根据所述耐受度得分通过归一化方式进行计算，得到归一化得分；根据所述评价指标进行聚类处理，获得多个对象类别；获取各对象类别对应的归一化得分；根据各对象类别对应的归一化得分进行耐受度评估，从而可准确地进行耐受度评估，得到准确的耐受度评估结果。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有耐受度评估程序，所述耐受度评估程序被处理器执行时实现如上文所述的耐受度评估方法的步骤。

由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。

此外，参照图9，本发明实施例还提出一种耐受度评估装置，所述耐受度评估装置包括：

评价指标模块10，用于根据目标对象的特征信息确定评价指标。

需要说明的是，本方案意在构建一个系统的分析框架，通过将影响决策的因素及权重量化，将定性问题定量化，然后计算各候选项得分，最后通过聚类算法将各影响因素进行聚类，将聚类结果和得分结合计算各类得分均值差异，评判定量结果的合理性。

应当理解的是，本实施例中的目标对象可为需要评估耐受度的对象，例如广告、视频以及文章等对象，还可为其他对象，本实施例对此不作限制，在本实施例中，以目标对象为广告为例进行说明，通过本方案可基于AHP分层技术以及Kmeans聚类技术进行广告耐受度评估。

在具体实现中，可如图3所示，图3为实现流程示意图，本方案的主要思路在于：构建耐受度影响准则及衡量指标，分层构造判断矩阵，计算指标权重，一致性验证，计算耐受度得分，Kmeans聚类查看得分均值，从而通过上述方式来进行广告耐受度评估。

需要说明的是，层次分析法的多级递阶层次模型分为三类：完全相关性结构(上层每一因素与下层所有因素均有联系)、完全独立性结构(上层每一因素都有独立的下层要素)、混合型结构(前述两种结构的混合结构)。本例为完全独立性结构,层次分析法涉及多层次的因素打分与赋权，首先针对最底层指标构建判断矩阵，一致性检验一般使用于2-9个因子，所以最底层只需对打开率、关闭率、不再提示率构建判断矩阵及检验一致性，活跃天数、浏览频次只需构建权重无需进行检验，在中间时间窗口层权重确认及一致性判断以此类推。

可以理解的是，在确定目标对象后，可获取目标对象的特征信息，然后根据目标对象的特征信息确定评价指标。

在具体实现中，可如图4所示，图4为评价指标示意图，针对广告耐受度，可以确定以下评价指标：第一层评价指标：“及时反应A”、“产品长期反应A”、“广告整体长期反应A”。第二层评价指标：“及时反应A”对应的“当天B”、“近1周B”、“近1月B”；“产品长期反应A”对应的“近1月B”；“广告整体长期反应A”对应的“近1月B”。第三层评价指标：“打开率C”、“关闭率C”、“不再提示率C”、“活跃天数C”、“浏览频次C”、“广告收入C”。其中，以上三层评价只是举例说明，还可根据实际情况设计更多层以及更多数量的评价指标，本实施例对此不作限制。

判断矩阵模块20，用于根据所述评价指标构造判断矩阵，并根据所述判断矩阵确定元素权重。

应当理解的是，在确定上述这些评价指标之后，可根据这些评价指标构造判断矩阵，在判断矩阵构造完成之后，可获取判断矩阵中的多个元素以及各元素对应的元素权重。

一致性验证模块30，用于根据所述元素权重确定一致性比率，并根据所述一致性比率进行一致性验证。

应当理解的是，在确定判断矩阵中各元素对应的元素权重之后，可根据元素权重确定第一数值CI，并查找对应的第二数值RI，然后根据第一数值CI和第二数值RI计算一致性比率，进而根据计算得到的一致性比率进行一致性验证。

耐受度得分模块40，用于在一致性验证通过时，根据所述元素权重计算耐受度得分。

应当理解的是，在一致性验证通过时，可基于上述方法，计算出各层元素的元素权重，从最底层到最上层自下而上加权计算得分，最终计算出用户的耐受度得分。

耐受度评估模块50，用于根据所述耐受度得分进行耐受度评估。

应当理解的是，在计算得到耐受度得分后，可根据耐受度得分进行Kmeans聚类，得到得分均值并查看不同类别下的得分分布，从而实现耐受度评估。

可以理解的是，本发明将AHP层次分析法与聚类方法相结合，并很好地应用到互联网用户对广告的耐受度评测上，该方法特点：首先，将复杂问题结构化、层次化、简单化，并且将定性问题进行定量描述；其次，提供打分标度，可以解决定性因素的处理及可比性问题；再者，简单、方便、系统、实用且不复杂；最后，通过聚类的结果对评价指标进行聚类，对得分结果进行二次验证，保证特征相似人群得分相近，不同特征人群得分相差较大。

可以理解的是，AHP层次分析法是多准则决策方法之一，它是一种从配对比较中得出比率比例的方法。输入可以是实际的测量值，也可以是主观意见(例如满意度、偏好、耐受度)。输出是根据一致性计算和权重来衡量的。AHP层次分析法把研究对象作为一个系统，按照分解、比较判断、综合的思维方式进行决策，成为继机理分析、统计分析之后发展起来的系统分析的重要工具。系统的思想在于不割断各个因素对结果的影响，而层次分析法中每一层的权重设置最后都会直接或间接影响到结果，而且在每个层次中的每个因素对结果的影响程度都是量化的，非常清晰、明确。这种方法尤其可用于对无结构特性的系统评价以及多目标、多准则、多时期等的系统评价。

AHP层次分析法+KMEANS聚类法可以使得一些定性问题尽可能的定量化，且通过一致性检验以及聚类结果查看特征及结果分布能很好的让评价指标的结果更加可靠更加稳健，极大的减少了因为人主观臆断拍脑袋而得出的结果。

在本实施例中，根据目标对象的特征信息确定评价指标；根据所述评价指标构造判断矩阵，并根据所述判断矩阵确定元素权重；根据所述元素权重确定一致性比率，并根据所述一致性比率进行一致性验证；在一致性验证通过时，根据所述元素权重计算耐受度得分；根据所述耐受度得分进行耐受度评估，从而根据评价指标构建的判断矩阵，再根据判断矩阵中的元素权重来进行一致性验证以及计算耐受度得分，进而进行耐受度评估，避免了评判和决策过程在大脑中思量，主观臆断较强，缺乏系统的思考、梳理、权衡以及量化的过程，导致评估不准确的问题，提高了评估结果的准确性。

在一实施例中，所述一致性验证模块30，还用于将所述矩阵阶数与预设随机一致性指数表中的待选矩阵阶数进行匹配，所述预设随机一致性指数表中记录有待选矩阵阶数与待选数值之间的对应关系；将与所述矩阵阶数匹配的待选矩阵阶数作为目标矩阵阶数；将所述目标矩阵阶数对应的待选数值作为第二数值。

在一实施例中，所述一致性验证模块30，还用于在所述比较结果为所述一致性比率小于等于所述预设阈值时，判定一致性验证通过。

在一实施例中，所述耐受度得分模块40，还用于在一致性验证通过时，根据所述元素权重进行加权计算，得到所述目标对象对应的耐受度得分。

在一实施例中，所述耐受度评估模块50，还用于根据所述耐受度得分通过归一化方式进行计算，得到归一化得分；根据所述评价指标进行聚类处理，获得多个对象类别；获取各对象类别对应的归一化得分；根据各对象类别对应的归一化得分进行耐受度评估。

在一实施例中，所述耐受度评估模块50，还用于根据各对象类别对应的归一化得分确定各对象类别对应的归一化得分均值；根据各对象类别对应的归一化得分均值进行耐受度评估。

在一实施例中，所述耐受度评估模块50，还用于获取各对象类别对应的归一化得分均值之间的分布情况；根据各对象类别对应的归一化得分均值以及所述分布情况进行耐受度评估。

在本发明所述耐受度评估装置的其他实施例或具体实现方法可参照上述各方法实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该估算机软件产品存储在如上所述的一个估算机可读存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台智能设备(可以是手机，估算机，耐受度评估设备，或者网络耐受度评估设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

本发明公开了A1、一种耐受度评估方法，所述耐受度评估方法包括以下步骤：

根据目标对象的特征信息确定评价指标；

根据所述评价指标构造判断矩阵，并根据所述判断矩阵确定元素权重；

根据所述元素权重确定一致性比率，并根据所述一致性比率进行一致性验证；

在一致性验证通过时，根据所述元素权重计算耐受度得分；

根据所述耐受度得分进行耐受度评估。

A2、如A1所述的耐受度评估方法，所述根据所述评价指标构造判断矩阵，并根据所述判断矩阵确定元素权重，包括：

从所述评价指标中选取目标评价指标；

根据所述目标评价指标构造判断矩阵；

对所述判断矩阵进行标准化处理，确定所述判断矩阵中各元素对应的元素权重。

A3、如A2所述的耐受度评估方法，所述根据所述目标评价指标构造判断矩阵，包括：

根据所述目标评价指标确定多个元素；

将所述多个元素进行两两比较，得到比较值；

根据所述比较值构造判断矩阵。

A4、如A1至A3中任一项所述的耐受度评估方法，所述根据所述元素权重确定一致性比率，并根据所述一致性比率进行一致性验证，包括：

根据所述元素权重通过打分矩阵计算平均值；

根据所述平均值确定一致性比率；

将所述一致性比率与预设阈值进行比较，根据比较结果进行一致性验证。

A5、如A4所述的耐受度评估方法，所述根据所述元素权重通过打分矩阵计算平均值，包括：

根据所述元素权重通过打分矩阵确定求和值和权重值；

根据所述求和值和所述权重值计算比值，并根据所述比值计算平均值。

A6、如A4所述的耐受度评估方法，所述根据所述平均值确定一致性比率，包括：

获取打分矩阵的矩阵阶数，并根据所述矩阵阶数确定所述打分矩阵对应的元素个数；

根据所述平均值和所述元素个数计算第一数值，并根据所述矩阵阶数确定第二数值；

根据所述第一数值和所述第二数值确定一致性比率。

A7、如A6所述的耐受度评估方法，所述根据所述矩阵阶数确定第二数值，包括：

将所述矩阵阶数与预设随机一致性指数表中的待选矩阵阶数进行匹配，所述预设随机一致性指数表中记录有待选矩阵阶数与待选数值之间的对应关系；

将与所述矩阵阶数匹配的待选矩阵阶数作为目标矩阵阶数；

将所述目标矩阵阶数对应的待选数值作为第二数值。

A8、如A4所述的耐受度评估方法，所述将所述一致性比率与预设阈值进行比较，根据比较结果进行一致性验证之后，还包括：

在所述比较结果为所述一致性比率小于等于所述预设阈值时，判定一致性验证通过。

A9、如A1至A3中任一项所述的耐受度评估方法，所述在一致性验证通过时，根据所述元素权重计算耐受度得分，包括：

在一致性验证通过时，根据所述元素权重进行加权计算，得到所述目标对象对应的耐受度得分。

A10、如A1至A3中任一项所述的耐受度评估方法，所述根据所述耐受度得分进行耐受度评估，包括：

根据所述耐受度得分通过归一化方式进行计算，得到归一化得分；

根据所述评价指标进行聚类处理，获得多个对象类别；

获取各对象类别对应的归一化得分；

根据各对象类别对应的归一化得分进行耐受度评估。

A11、如A10所述的耐受度评估方法，所述根据各对象类别对应的归一化得分进行耐受度评估，包括：

根据各对象类别对应的归一化得分确定各对象类别对应的归一化得分均值；

根据各对象类别对应的归一化得分均值进行耐受度评估。

A12、如A11所述的耐受度评估方法，所述根据各对象类别对应的归一化得分均值进行耐受度评估，包括：

获取各对象类别对应的归一化得分均值之间的分布情况；

根据各对象类别对应的归一化得分均值以及所述分布情况进行耐受度评估。

本发明还公开了B13、一种耐受度评估装置，所述耐受度评估装置包括：

评价指标模块，用于根据目标对象的特征信息确定评价指标；

判断矩阵模块，用于根据所述评价指标构造判断矩阵，并根据所述判断矩阵确定元素权重；

一致性验证模块，用于根据所述元素权重确定一致性比率，并根据所述一致性比率进行一致性验证；

耐受度得分模块，用于在一致性验证通过时，根据所述元素权重计算耐受度得分；

耐受度评估模块，用于根据所述耐受度得分进行耐受度评估。

B14、如B13所述的耐受度评估装置，所述判断矩阵模块，还用于从所述评价指标中选取目标评价指标；根据所述目标评价指标构造判断矩阵；对所述判断矩阵进行标准化处理，确定所述判断矩阵中各元素对应的元素权重。

B15、如B14所述的耐受度评估装置，所述判断矩阵模块，还用于根据所述目标评价指标确定多个元素；将所述多个元素进行两两比较，得到比较值；根据所述比较值构造判断矩阵。

B16、如B13所述的耐受度评估装置，所述一致性验证模块，还用于根据所述元素权重通过打分矩阵计算平均值；根据所述平均值确定一致性比率；将所述一致性比率与预设阈值进行比较，根据比较结果进行一致性验证。

B17、如B16所述的耐受度评估装置，所述一致性验证模块，还用于根据所述元素权重通过打分矩阵确定求和值和权重值；根据所述求和值和所述权重值计算比值，并根据所述比值计算平均值。

B18、如B17所述的耐受度评估装置，所述一致性验证模块，还用于获取打分矩阵的矩阵阶数，并根据所述矩阵阶数确定所述打分矩阵对应的元素个数；根据所述平均值和所述元素个数计算第一数值，并根据所述矩阵阶数确定第二数值；根据所述第一数值和所述第二数值确定一致性比率。

本发明还公开了C19、一种耐受度评估设备，所述耐受度评估设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的耐受度评估程序，所述耐受度评估程序配置有实现如上所述的耐受度评估方法。

本发明还公开了D20、一种存储介质，所述存储介质上存储有耐受度评估程序，所述耐受度评估程序被处理器执行时实现如上所述的耐受度评估方法。