一种基于制造技术

技术编号:39789000 阅读:21 留言:0更新日期:2023-12-22 02:27
本发明专利技术属于机器人性能综合评价技术领域,具体涉及一种基于

【技术实现步骤摘要】
一种基于AHP

熵权法的AI机器人能力综合评价方法及系统


[0001]本专利技术属于机器人性能综合评价
,具体涉及一种基于
AHP

熵权法的
AI
机器人能力综合评价方法及系统


技术介绍

[0002]随着人工智能和自然语言处理技术的不断革新,
AI
服务机器人已经成为了企业界不可或缺的服务方式

这种先进的技术可以增强客户体验,降低运营成本,同时实现数字化转型

[0003]为了优化智能
(AII)
服务机器人的智能性能,充分利用智能服务机器人,需要建立有效的评价指标,并跟踪和分析指标数据,现有关于
AI
服务机器人能力的研究停留在定性指标的分析,
AI
服务机器人能力的一些定性的指标维度,采用主观的打分数据进行研究,没有结合定量的数据指标如响应速度

好评数量

促成销售额等更全面的对
AI
服务机器人能力进行评定,因此在对
AI
机器人能力评价时存在一定局限性


技术实现思路

[0004]本专利技术的目的就在于提供一种基于
AHP

熵权法的
AI
机器人能力综合评价方法及系统,以解决
技术介绍
中提出的问题

[0005]本专利技术通过以下技术方案来实现上述目的:
[0006]一种基于
AHP

熵权法的
AI
机器人能力综合评价方法,所述方法包括:
[0007]S1
:结合
AI
服务机器人的能力要求,形成不同层次的
AI
服务机器人能力评价准则,选取各层次评价准则下的评价指标,并基于所述评价指标构建
AI
服务机器人能力评价体系;
[0008]S2
:将所述能力评价体系下对应层次评价准则的所述评价指标划分为定性指标和定量指标,并分别获取对应指标的指标数值,对最终得到的指标数值进行标准化处理,生成指标数据集;
[0009]S3
:基于
AHP
层次分析法确定所述指标数据集中各个指标的主观权重值,基于熵权法确定所述指标数据集中各个指标的客观权重值,对所述主观权重值和所述客观权重值进行拟合,并基于综合赋权法确定综合权重;
[0010]S4
:将所述指标数据集中各个指标标准化处理之后数值与其对应的所述综合权重相乘得到该指标的评价分数,并在对所有评价分数的结果求和后,得到
AI
机器人能力的最终评价总分数

[0011]作为本专利技术的进一步优化方案,所述
S1
中,具体包括:
[0012]S1.1
:获取
AI
服务机器人所需能力包括一级指标:专业能力

互动能力

拟人化能力

个性化能力

移情能力

沟通能力

和促进交易力;
[0013]S1.2
:选取对应层次一级指标下的评价指标包括二级指标:所述专业能力评价指标包括信息质量

响应速度

使用简便性,所述互动能力评价指标包括互动有效性和互动即
时性,所述拟人化能力评价指标包括外形拟人化

声音拟人化和性格拟人化,所述个性化能力评价指标包括个性化信息推送和个性化方案定制,所述移情能力评价指标包括幽默回复和温暖感知,所述沟通能力评价指标包括任务型沟通和社交性沟通,所述促进交易力评价指标包括订单达成数量和商品交易总额

[0014]作为本专利技术的进一步优化方案,所述
S2
中,所述定量指标包括对应所述促进交易力评价指标,所述定性指标包括对应专业能力

互动能力

拟人化能力

个性化能力

移情能力

沟通能力

[0015]作为本专利技术的进一步优化方案,所述
S2
中,所述标准化处理包括:
[0016]对于得到的所述评价数值采取下式进行处理:
[0017][0018]式中,
x'
ij
为第
i
个评价对象的第
j
个指标值,
i
=1,2,


n

j
=1,2,


m。
[0019]作为本专利技术的进一步优化方案,所述
S3
具体包括:
[0020]S3.1
:依据
AI
机器人能力构建目标层,依据所述一级指标构建准则层,依据所述二级指标构建方案层;
[0021]S3.2
:构造层次判断矩阵:以1~9量化比较尺度,两两比较同一层次指标的各个评价指标,得出各评价指标的相对重要程度,最终得出判断矩阵;
[0022]S3.3
:进行层次单排序:根据所述判断矩阵确定二级指标中每个评价指标的权重值和权重系数
a
j

[0023]S3.4
:将
AI
机器人作为评价对象,依据所述一级指标和所述二级指标对应构建指标集合,将任一选定的单个一级指标对单个二级指标的值进行标准化处理,形成决策矩阵,再计算第
j
个二级指标值下第
i
个一级指标值的指标贡献度;
[0024]S3.5
:根据熵的定义和所述指标贡献度,确定第
j
项二级指标的熵值;
[0025]S3.6
:基于所述熵值进行差异系数计算,得到第
j
项二级指标的差异系数,再依据所述差异系数确定所述二级指标的指标集合中各指标的权重值,并基于权重值确定权重系数为
b
j

[0026]S3.7
:假设对于第
j
项二级指标,由主观赋权法确定的所述权重系数
a
j

以及客观赋权法确定的所述权重系数
b
j
,确定第
j
项指标的综合权重为:
[0027][0028]作为本专利技术的进一步优化方案,所述
S4
中,将各个二级指标标准化处理之后的数值
x

j
与其对应的综合权重相乘得到该指标的评价分数
p
j
,并对所有相乘的结果求和,即得到
AI
机器人能力的最终评价总分数
p

[0029]p...

【技术保护点】

【技术特征摘要】
1.
一种基于
AHP

熵权法的
AI
机器人能力综合评价方法,其特征在于,所述方法包括:
S1
:结合
AI
服务机器人的能力要求,形成不同层次的
AI
服务机器人能力评价准则,选取各层次评价准则下的评价指标,并基于所述评价指标构建
AI
服务机器人能力评价体系;
S2
:将所述能力评价体系下对应层次评价准则的所述评价指标划分为定性指标和定量指标,并分别获取对应指标的指标数值,对最终得到的指标数值进行标准化处理,生成指标数据集;
S3
:基于
AHP
层次分析法确定所述指标数据集中各个指标的主观权重值,基于熵权法确定所述指标数据集中各个指标的客观权重值,对所述主观权重值和所述客观权重值进行拟合,并基于综合赋权法确定综合权重;
S4
:将所述指标数据集中各个指标标准化处理之后数值与其对应的所述综合权重相乘得到该指标的评价分数,并在对所有评价分数的结果求和后,得到
AI
机器人能力的最终评价总分数
。2.
根据权利要求1所述的一种基于
AHP

熵权法的
AI
机器人能力综合评价方法,其特征在于:所述
S1
中,具体包括:
S1.1
:获取
AI
服务机器人所需能力包括一级指标:专业能力

互动能力

拟人化能力

个性化能力

移情能力

沟通能力

和促进交易力;
S1.2
:选取对应层次一级指标下的评价指标包括二级指标:所述专业能力评价指标包括信息质量

响应速度

使用简便性,所述互动能力评价指标包括互动有效性和互动即时性,所述拟人化能力评价指标包括外形拟人化

声音拟人化和性格拟人化,所述个性化能力评价指标包括个性化信息推送和个性化方案定制,所述移情能力评价指标包括幽默回复和温暖感知,所述沟通能力评价指标包括任务型沟通和社交性沟通,所述促进交易力评价指标包括订单达成数量和商品交易总额
。3.
根据权利要求2所述的一种基于
AHP

熵权法的
AI
机器人能力综合评价方法,其特征在于:所述
S2
中,所述定量指标包括对应所述促进交易力评价指标,所述定性指标包括对应专业能力

互动能力

拟人化能力

个性化能力

移情能力

沟通能力
。4.
根据权利要求3所述的一种基于
AHP

熵权法的
AI
机器人能力综合评价方法,其特征在于:所述
S2
中,所述标准化处理包括:对于得到的所述评价数值采取下式进行处理:式中,
x

ij
为第
i
个评价对象的第
j
个指标值,
i
=1,2,


n

j
=1,2,


m。5.
根据权利要求4所述的一种基于
AHP

熵权法的
...

【专利技术属性】
技术研发人员:王翠翠张成龙
申请(专利权)人:合肥工业大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1