一种质量水平评估方法、系统、存储介质及电子设备与流程

1.本技术涉及数据处理技术领域，更具体地说，涉及一种质量水平评估方法、系统、存储介质及电子设备。


背景技术：

2.产品质量是指产品满足规定需要和潜在需要的特征和特性的总和。对于产品质量来说，不论是简单产品还是复杂产品，都应当用产品质量特性或特征去描述。为了满足用户的使用需要，需要对产品质量水平进行评估。
3.传统评估方法在评估产品质量水平时，影响产品质量水平的指标数据复杂多样化，且不同的指标影响程度也不一样，有的指标权重带有一定的主观性，容易产生冗余指标，从而造成产品质量水平评估的准确性降低。


技术实现要素：

4.有鉴于此，本技术公开了一种质量水平评估方法、系统、存储介质及电子设备，旨在能够更有效地反应出各项指标对产品质量水平的影响程度，提高产品质量水平评估的准确性。
5.为了实现上述目的，其公开的技术方案如下：
6.本技术第一方面公开了一种质量水平评估方法，所述方法包括：
7.获取指标数据；所述指标数据为影响产品质量水平的指标数据；
8.对所述指标数据进行数据预处理，得到预设格式的指标数据；所述数据预处理用于确保指标数据中的数据类型一致；
9.通过预设属性约简算法对所述预设格式的指标数据进行属性约简，得到目标指标数据；所述目标指标数据用于表征无冗余数据的指标数据；所述目标指标数据包括多个指标；
10.通过预设属性重要度函数计算所述目标指标数据的各个指标对应的权重，并基于所述权重确定所述目标指标数据对应的产品质量水平分数；所述权重用于表征产品质量水平的影响程度；
11.在对待评估产品进行评估时，通过所述产品质量水平分数对所述待评估产品进行评估，得到评估结果；所述评估结果用于表征产品质量的分类等级。
12.优选的，所述获取指标数据，包括：
13.从产品质量数据库中获取指标数据。
14.优选的，所述对所述指标数据进行数据预处理，得到预设格式的指标数据，包括：
15.获取所述指标数据的数据类型；所述数据类型至少包括符号型属性和数值型属性；
16.当所述指标数据的数据类型为所述符号型属性时，通过符号型属性距离公式对所述指标数据进行计算，得到符号型属性的指标数据；
17.当所述指标数据的数据类型为所述数值型属性时，通过数值型属性距离公式对所述指标数据进行计算，得到数值型属性的指标数据。
18.优选的，所述通过预设属性约简算法对所述预设格式的指标数据进行属性约简，得到目标指标数据，包括：
19.通过启发式搜索属性约简算法对不完备决策信息系统进行属性约简，约简后的决策信息系统；约简后的决策信息系统用于表征剔除冗余数据的不完备决策信息系统；
20.通过所述约简后的决策信息系统对所述预设格式的指标数据进行属性约简，得到目标指标数据。
21.优选的，所述通过预设属性重要度函数计算所述目标指标数据的各个指标对应的权重，并基于所述权重确定所述目标指标数据对应的产品质量水平分数，包括：
22.通过预设属性重要度函数获取所述目标指标数据的各个指标在预先构建的质量指标体系中对应的各个权重；
23.通过所述各个权重确定所述目标指标数据对应的产品质量水平分数。
24.优选的，构建质量指标体系的过程，包括：
25.通过所述指标数据构建质量指标体系。
26.本技术第二方面公开了一种质量水平评估系统，所述系统包括：
27.获取单元，用于获取指标数据；所述指标数据为影响产品质量水平的指标数据；
28.预处理单元，用于对所述指标数据进行数据预处理，得到预设格式的指标数据；所述数据预处理用于确保指标数据中的数据类型一致；
29.属性约简单元，用于通过预设属性约简算法对所述预设格式的指标数据进行属性约简，得到目标指标数据；所述目标指标数据用于表征无冗余数据的指标数据；所述目标指标数据包括多个指标；
30.确定单元，用于通过预设属性重要度函数计算所述目标指标数据的各个指标对应的权重，并基于所述权重确定所述目标指标数据对应的产品质量水平分数；所述权重用于表征产品质量水平的影响程度；
31.评估单元，用于在对待评估产品进行评估时，通过所述产品质量水平分数对所述待评估产品进行评估，得到评估结果；所述评估结果用于表征产品质量的分类等级。
32.优选的，所述获取单元具体用于：
33.从产品质量数据库中获取指标数据。
34.本技术第三方面公开了一种存储介质，所述存储介质包括存储的指令，其中，在所述指令运行时控制所述存储介质所在的设备执行如第一方面任意一项所述的质量水平评估方法。
35.本技术第四方面公开了一种电子设备，包括存储器，以及一个或者一个以上的指令，其中一个或者一个以上指令存储于存储器中，且经配置以由一个或者一个以上处理器执行如第一方面任意一项所述的质量水平评估方法。
36.经由上述技术方案可知，本技术公开了一种质量水平评估方法、系统、存储介质及电子设备，获取指标数据；所述指标数据为影响产品质量水平的指标数据，对指标数据进行数据预处理，得到预设格式的指标数据，数据预处理用于确保指标数据中的数据类型一致，通过预设属性约简算法对预设格式的指标数据进行属性约简，得到目标指标数据，目标指
标数据用于表征无冗余数据的指标数据，目标指标数据包括多个指标，通过预设属性重要度函数计算目标指标数据的各个指标对应的权重，并基于权重确定目标指标数据对应的产品质量水平分数，权重用于表征产品质量水平的影响程度，在对待评估产品进行评估时，通过产品质量水平分数对待评估产品进行评估，得到评估结果，评估结果用于表征产品质量的分类等级。通过上述，将传统的计算指标的权重问题转换为属性的重要度问题，利用粗糙集理论中的邻域容差信息熵的属性重要度以及属性约简进一步简化影响产品质量水平的指标，剔除冗余指标数据，使得所获得的目标指标数据具备客观性和合理性，且能够更有效地反应出各项指标对产品质量水平的影响程度，提高产品质量水平评估的准确性。
附图说明
37.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
38.图1为本技术实施例公开的一种质量水平评估方法的流程示意图；
39.图2为本技术实施例公开的一种质量水平评估系统的结构示意图；
40.图3为本技术实施例公开的一种电子设备的结构示意图。
具体实施方式
41.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
42.在本技术中，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
43.由背景技术可知，传统评估方法在评估产品质量水平时，影响产品质量水平的指标数据复杂多样化，且不同的指标影响程度也不一样，有的指标权重带有一定的主观性，容易产生冗余指标，从而造成产品质量水平评估的准确性降低。
44.为了解决上述问题，本技术实施例公开了一种质量水平评估方法、系统、存储介质及电子设备，将传统的计算指标的权重问题转换为属性的重要度问题，利用粗糙集理论中的邻域容差信息熵的属性重要度以及属性约简进一步简化影响产品质量水平的指标，剔除冗余指标数据，使得所获得的目标指标数据具备客观性和合理性，且能够更有效地反应出各项指标对产品质量水平的影响程度，提高产品质量水平评估的准确性。具体实现方式通过下述实施例具体进行说明。
45.需要说明的是，本技术提供的一种质量水平评估方法、系统、存储介质及电子设备，可用于大数据领域或其他领域。上述仅为示例，并不对本技术提供的一种质量水平评估
方法、系统、存储介质及电子设备的应用领域进行限定。
46.参考图1所示，为本技术实施例公开的一种质量水平评估方法的流程示意图，该质量水平评估方法主要包括如下步骤：
47.s101：获取指标数据；指标数据为影响产品质量水平的指标数据。
48.在s101中，从产品质量数据库中获取指标数据。
49.s102：对指标数据进行数据预处理，得到预设格式的指标数据；数据预处理用于确保指标数据中的数据类型一致。
50.在s102中，产品质量数据库中的数据类型复杂多样，有数值型、缺失型、离散型等，因此需对指标数据进行数据预处理，即，将指标数据中的数据类型进行统一。
51.在对指标数据进行数据预处理的过程中，设不完备决策信息系统idis＝(u,c∪d,v,f)，混合属性b＝{b1,b2,
…
,bn}，n的取值为大于等于1的整数，δ＝0.15，x,y∈u。上述参数为构建决策信息系统的必要参数。
52.具有容差能力的距离函数d
t
(x,y)可定义如公式(1)所示。
[0053][0054]
其中，idis就是一个不完备的决策信息系统，该不完备的决策信息系统可以视作一个信息决策表，该决策表由论域u构成u＝{x1，x2，x3…
xn}。
[0055]
x1，x2，x3…
xn均为对象，c表示条件属性，d表示决策属性，v是称为全体属性集的值域，f是为函数关系映射关系。上述参数是构建决策信息系统的必要参数，公式1跟这些参数是有关系的，这个距离函数d
t
(x,y)是根据对象x和对象y在不同属性值b下的欧式距离。
[0056]
(x,y)表示决策信息系统中的不同对象，表示在属性
bl
下对象x和y之间的差值；距离函数d
t
(x,y)是根据对象(x,y)在不同属性值
bl
下的欧式距离。
[0057]
具体对指标数据进行数据预处理，得到预设格式的指标数据的过程如a1-a3所示。
[0058]
a1：获取指标数据的数据类型；数据类型至少包括符号型属性和数值型属性。
[0059]
a2：当指标数据的数据类型为符号型属性时，通过符号型属性距离公式对指标数据进行计算，得到符号型属性的指标数据。
[0060]
其中，当b
l
为符号型属性时，首先设定一个阈值ξ1，其中，v1,v2,
…
,vm表示在属性b
l
下的所有不同且非空的属性值；表示在属性b
l
下，属性值为vi的个数，b
l
(x)＝vi的取值概率为则符号型属性距离公式可定义如公式(2)所示。
[0061][0062]
其中，其他表示非上述三个条件(上述公式(2)中0的3个条件)。
[0063]
表示在属性b
l
下对象x和对象y之间的差值；b
l
(x)表示对象x在属性b
l
下的值；b
l
(y)表示对象y在属性b
l
下的值；vi表示在属性b
l
下的所有不同且非空的属性值；*为缺失值。
[0064]
a3：当指标数据的数据类型为数值型属性时，通过数值型属性距离公式对指标数据进行计算，得到数值型属性的指标数据。
[0065]
其中，当b
l
为数值型属性时，首先也得设置一个阈值为ξ2和邻域半径δ，对于当对象x在属性b
l
取值为非空时，将定义为对象x关于属性b
l
的邻域类，并且满足
[0066]
其中，为属性b
l
下的非空属性集合，|n
bl
|表示的是集合n
bl
的基数。则数值型属性距离公式可定义如公式(3)。
[0067][0068]
其中，公式(3)中的其他指的也是非上述三个条件。公式(3)跟公式(2)的区别是，公式(3)计算的是符号型属性距离公式，公式(2)计算的是数值型属性距离公式。
[0069]
此外，为了方便计算数据集中对象之间的距离，本技术将数值型属性按照公式(4)进行标准化处理。
[0070][0071]
其中，b
l
(x)表示对象x在属性b
l
下的值；b
l
(x)
min
表示对象x在属性b
l
下的最小值；b
l
(x)
min
表示对象x在属性b
l
下的最大值。
[0072]
s103：通过预设属性约简算法对预设格式的指标数据进行属性约简，得到目标指
标数据；目标指标数据用于表征无冗余数据的指标数据；目标指标数据包括多个指标。
[0073]
在s103中，利用统计学的方法求出已知属性值的频率，将该频率作为该属性值的概率，同时引入邻域容差信息熵的概念，概念如下：
[0074]
设不完备决策信息系统idis＝(u,c∪d,v,f)，由诱导的邻域容差关系为δ为一个非负数值，基于的邻域容差信息熵可定义如公式(5)所示。
[0075][0076]
其中，nth
δ
(b)为b属性下的邻域容差信息熵。
[0077]
|u|表示角色信息系统中的对象数，如u＝{x1,x2,x3},则|u|＝3。
[0078]
表示对象xi在邻域容差关系下的邻域容差类。若则
[0079]
具体通过预设属性约简算法对预设格式的指标数据进行属性约简，得到目标指标数据的过程如下：
[0080]
首先，通过启发式搜索属性约简算法对不完备决策信息系统进行属性约简，得到约简后的决策信息系统；约简后的决策信息系统用于表征剔除冗余数据的不完备决策信息系统。
[0081]
其中，通过启发式搜索属性约简算法对信息系统is进行属性约简，剔除冗余指标数据，约简后的决策信息系统为is'。
[0082]
基于属性重要度函数，构建启发式搜索属性约简算法，通过启发式搜索属性约简算法得到剔除冗余指标数据，简化指标数据的约简后的决策信息系统。
[0083]
输入：设不完备决策信息系统idis＝(u,c∪d,v,f)，b＝bn∪bs，其中，bn为数值属性集，bs为符号属性集。邻域半径为δ，u/d＝{d1,d2,
…
,dm}。
[0084]
输出：属性约简red，得到约简后的决策信息系统为is'。
[0085]
步骤1：初始化
[0086]
步骤2：计算属性子集评估函数h(red)和h(red∪{bi})。
[0087]
步骤3：计算属性重要度sig(bi,red)＝h(red)-h(red∪{bi})。
[0088]
步骤4：end for。
[0089]
步骤5：对于步骤2中的所有属性，选择出属性bk＝arg(max sig(bi,red))，其中bi∈b-red。
[0090]
步骤6：if sig(bk,red)＞0then。
[0091]
步骤7：red
←
red∪{bk}。
[0092]
步骤8：进入步骤2。
[0093]
步骤9：else if。
[0094]
步骤10：进入步骤12。
[0095]
步骤11：end if。
[0096]
步骤12：return red。
[0097]
步骤1-步骤12执行完成后，得到简后的决策信息系统为is'。
[0098]
然后，通过约简后的决策信息系统is'对预设格式的指标数据进行属性约简，得到
目标指标数据。
[0099]
s104：通过预设属性重要度函数计算目标指标数据的各个指标对应的权重，并基于权重确定目标指标数据对应的产品质量水平分数；权重用于表征产品质量水平的影响程度。
[0100]
在s104中，通过预设属性重要度函数获取目标指标数据的各个指标在预先构建的质量指标体系中对应的各个权重，通过各个权重确定目标指标数据对应的产品质量水平分数。
[0101]
其中，质量指标体系由指标数据构建得到。质量指标体系是由各个指标数据构建而成，这些指标数据能够反映产品质量水平。如文档技术评审发现缺陷数、代码复查阶段缺陷数、内部测试/迭代测试缺陷数、功能测试阶段缺陷数、工作量、功能点等指标数据构建而成的体系，可以视为质量指标体系。
[0102]
根据预设属性重要度函数求取各个质量指标在该指标体系下的权重ωj，预设属性重要度函数和权重的定义如下：
[0103]
属性重要度函数的计算式如公式(6)所示。
[0104]
sig(b,bi)＝h(b)-h(b-{bi})(6)
[0105]
其中，属性重要度函数sig(b,bi)是由领域容差信息熵计算而来，即
[0106]
h(b)为混合属性b下的重要度；h(b-{bi})为混合属性b去掉bi的重要度。
[0107]
求取权重的公式如公式(7)所示。
[0108][0109]
其中，ωj为权重；sig(bj,b)表示bj在b下的属性重要度；表示属性bj在b下的属性重要度之和。
[0110]
s105：在对待评估产品进行评估时，通过产品质量水平分数对待评估产品进行评估，得到评估结果；评估结果用于表征产品质量的分类等级。
[0111]
在s105中，在通过粗糙集模型对待评估产品进行评估时，通过产品质量水平分数对待评估产品进行评估，得到评估结果。
[0112]
通过粗糙集理论进行分析，剔除冗余的指标属性，确定各项指标的权重，获取该产品的质量水平分数，并根据分数来对每个产品进行分类，得到分类等级(优、良、低、差)。
[0113]
根据指标属性权重求取产品评估分值，最后根据得分情况给产品质量进行划分，划分为优、良、低、差。
[0114]
根据各个指标的权重可以求得产品质量评估的总得分
[0115]
其中，v
ij
表示产品i在j指标下的分值。
[0116]
本方案将传统的计算指标的权重问题转换为属性的重要度问题，利用统计学的方法求出已知属性值的频率，将该频率作为该属性值的概率，相比之下这种方法更加严谨和客观，并基于邻域容差信息熵的属性约简算法，找到属性约简集合，计算出质量指标数据的权重，从而评估出哪些指标对质量水平影响最大，使得所获得的指标属性具有一定的客观
性和合理性，且能够更有效地反应出各项指标对产品质量水平的影响程度。
[0117]
本技术实施例中，将传统的计算指标的权重问题转换为属性的重要度问题，利用粗糙集理论中的邻域容差信息熵的属性重要度以及属性约简进一步简化影响产品质量水平的指标，剔除冗余指标数据，使得所获得的目标指标数据具备客观性和合理性，且能够更有效地反应出各项指标对产品质量水平的影响程度，提高产品质量水平评估的准确性。
[0118]
基于上述实施例图1公开的一种质量水平评估方法，本技术实施例还对应公开了一种质量水平评估系统，如图2所示，该质量水平评估系统包括获取单元201、预处理单元202、属性约简单元203、确定单元204和评估单元205。
[0119]
获取单元201，用于获取指标数据；指标数据为影响产品质量水平的指标数据。
[0120]
预处理单元202，用于对指标数据进行数据预处理，得到预设格式的指标数据；数据预处理用于确保指标数据中的数据类型一致。
[0121]
属性约简单元203，用于通过预设属性约简算法对预设格式的指标数据进行属性约简，得到目标指标数据；目标指标数据用于表征无冗余数据的指标数据；目标指标数据包括多个指标。
[0122]
确定单元204，用于通过预设属性重要度函数计算目标指标数据的各个指标对应的权重，并基于权重确定目标指标数据对应的产品质量水平分数；权重用于表征产品质量水平的影响程度。
[0123]
评估单元205，用于在对待评估产品进行评估时，通过产品质量水平分数对待评估产品进行评估，得到评估结果；评估结果用于表征产品质量的分类等级。
[0124]
进一步的，获取单元201，具体用于从产品质量数据库中获取指标数据。
[0125]
进一步的，预处理单元202包括第一获取模块、第一计算模块和/或第二计算模块。
[0126]
第一获取模块，用于获取指标数据的数据类型；数据类型至少包括符号型属性和数值型属性。
[0127]
第一计算模块，用于当指标数据的数据类型为符号型属性时，通过符号型属性距离公式对指标数据进行计算，得到符号型属性的指标数据。
[0128]
第二计算模块，用于当指标数据的数据类型为所述数值型属性时，通过数值型属性距离公式对指标数据进行计算，得到数值型属性的指标数据。
[0129]
进一步的，属性约简单元203包括第一属性约简模块和第二属性约简模块。
[0130]
第一属性约简模块，用于通过启发式搜索属性约简算法对不完备决策信息系统进行属性约简，得到约简后的决策信息系统；约简后的决策信息系统用于表征剔除冗余数据的不完备决策信息系统。
[0131]
第二属性约简模块，用于通过约简后的决策信息系统对预设格式的指标数据进行属性约简，得到目标指标数据。
[0132]
进一步的，确定单元204包括第二获取模块和确定模块。
[0133]
第二获取模块，用于通过预设属性重要度函数获取目标指标数据的各个指标在预先构建的质量指标体系中对应的各个权重。
[0134]
确定模块，用于通过各个权重确定目标指标数据对应的产品质量水平分数。
[0135]
进一步的，构建质量指标体系的过程的第二获取模块具体用于通过指标数据构建质量指标体系。
[0136]
本技术实施例中，将传统的计算指标的权重问题转换为属性的重要度问题，利用粗糙集理论中的邻域容差信息熵的属性重要度以及属性约简进一步简化影响产品质量水平的指标，剔除冗余指标数据，使得所获得的目标指标数据具备客观性和合理性，且能够更有效地反应出各项指标对产品质量水平的影响程度，提高产品质量水平评估的准确性。
[0137]
本技术实施例还提供了一种存储介质，存储介质包括存储的指令，其中，在指令运行时控制存储介质所在的设备执行上述质量水平评估方法。
[0138]
本技术实施例还提供了一种电子设备，其结构示意图如图3所示，具体包括存储器301，以及一个或者一个以上的指令302，其中一个或者一个以上指令302存储于存储器301中，且经配置以由一个或者一个以上处理器303执行所述一个或者一个以上指令302执行上述质量水平评估方法。
[0139]
对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本技术所必须的。
[0140]
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于系统类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0141]
本技术各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
[0142]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
[0143]
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
[0144]
以上所述仅是本技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。