基于BP神經網絡的旅游服務誠信的評價模型

金惠紅

（嘉興職業技術學院，浙江 嘉興 314001）

0 引言

加強旅游服務誠信體系建設，建立健全的誠信評價機制是現階段急需探索的重要課題。從我國的研究現狀來看，旅游誠信的量化評價研究相對比較零亂，信用分析與評價技術大都仍處于傳統的比例分析階段，我國旅游行業尚缺少一整套經過科學設計、嚴密論證、可推廣使用的誠信服務評價指標體系和相應的量化評價模型，以保證旅游服務誠信評價的公開化、標準化和公平性。

人工神經網絡（ANN）是人腦及其活動的一個理論化的數學模型，具有非線性處理和模式識別能力。筆者在旅游服務的誠信評價研究中引入BP神經網絡模型進行量化分析評價，通過評價指標體系的設置，進行對應數據的學習,調整模型的結構,建立了基于BP神經網絡的旅游服務誠信評價動態模型，增強了績效評價的科學性、可信度和可操作性，最終為全社會信用體系的建立和完善奠定良好的基礎。

1 旅游服務誠信評價指標體系

旅游服務誠信評價指標體系的構建必須堅持全面性、科學性、針對性和可操作性等原則。應從系統論出發，既要考慮評價要素的層次性，也要考慮評價要素的覆蓋面。應以信息經濟學理論和統計學理論為依據，并關注旅游企業的過去、未來、發展等各個方面[1]。

表1 旅游服務誠信評價指標體系

在廣泛調研的基礎上，從旅游業的特點出發，結合公共部門績效評估指標的 4E：經濟(Economic)、效率(Efficiency)、效果(Effectiveness)、公正(Equity)，筆者首先提出了一套由一級指標、二級指標和三級指標構成的旅游服務與管理的誠信評價指標體系的初稿，運用專家打分法，結合多層次指標體系和多因素分析方法，并對各指標進行相關性分析，刪除相關系數較大的部分指標，經過專家反復論證，最終構建了旅游服務誠信評價指標體系 （見表1）。該指標體系由一級指標、二級指標、三級指標等組成。其中，一級指標4項，分別為環境指數、功能指數、質量指數和績效指數。環境指數即旅游服務誠信的宏觀、微觀環境；功能指數即旅游服務誠信的保障措施；質量指數是游客對旅游服務誠信的滿意度；績效指數是旅游服務誠信效果的綜合反映。每一個一級指標都分別分解為二級指標，分別為經營環境、制度環境、規劃環境、經營管理水平、經濟信用、人力資源管理、成長能力和發展前景、顧客滿意度、員工工作誠信度、社會信用度、經濟效益、社會效益等12 項。 二級指標又進一步分解為 33 項（x1，x2，…x33）三級指標。

2 模型的建立

2.1 指標體系數據的預處理

由于多指標決策中指標間的不可公度性的特點，即各個指標沒有統一的度量標準，難以進行比較。因此需要將各個屬性值統一變換到[0,1]區間內，然后再進行決策。對于表1中部分主觀性指標,如表2所示進行量化。

(1)對于主觀性指標,假定Mi和mi分別為某一主觀性指標量化后的最大值和最小值,則式中xpi為量化后第p個樣本的第i個主觀指標的屬性分值,Xpi為xpi區間化后的數值,且Xpi∈[01]

(2)對于具有不同量綱的財務指標等數據,有效益型和成本型指標數據。假定樣本數據中包含m條記錄(一條獨立樣本數據),每條記錄包含n個屬性。這樣m條記錄的n指標就構成了評價矩陣X=(xij)m×n。對于效益型指標,取xj*=max對于成本型指標,取 xj*=

2.2 網絡參數的選取

具有單隱層的BP神經網絡可以映射任意連續函數,因此可以構造一個三層的BP神經網絡來對旅游服務誠信進行評價。在BP網絡模型中，同層各神經元互不連接，相鄰層的神經元通過權值連接。對于輸入層的結點數由指標體系中的指標個數決定，這里a=33,文中輸入矢量X=(x1，x2，…，x33)T;輸出層結點數q為1,輸出值z為模型實際輸出,即誠信得分值;中間隱含層節點數的選擇較為復雜，根據以往學者的經驗公式為（其中,n為隱含層節點數,a為輸入節點數,q為輸出結點數,b為1～10之間的常數），往往再通過實驗來確定。

按照前面建立的評價指標體系，利用浙江省40個旅游企業的相應數據進行網絡訓練。首先將各數據進行無量綱化等預處理，生成各企業與評價指標體系一致的數據。應用Matlab多次實驗,得到表3中網絡的隱含層節點數與網絡誤差的關系,可知網絡訓練速度在隱含層節點數為5～14的情況下變化并不明顯,因此確定模型中隱層內結點數為8，使得網絡誤差最小。

表2 主觀性指標量化表

表3 BP神經網絡訓練誤差

應用Matlab進行學習訓練。由于樣本數據較少，在訓練時采用V-fold交叉實驗方法，將40個旅游企業數據等分成10組進行多次測試，每次測試采用其中的9組數據作為訓練數據，用剩余的1組作為測試數據。從輸入層到隱含層選用tansig函數,從隱含層到輸出層采用logsig函數,網絡訓練函數選用trainlm，最大訓練步數為2000,期望最小誤差為0.001。BP神經網絡結構圖略。

2.3 BP神經網絡模型

設 X=(x1，x2，…，x33)T為輸入向量,Y=(y1，y2，…，y8)T為隱含層輸出向量,z為輸出值，W=(wij)8×33為輸入層與隱含層之間的連接權，V=(v1，v2，…，v8)為隱含層與輸出層之間的連接權，δj(1)=(δ1，δ2，…，δ8)T為隱含層偏置權，δ(2)為輸出層偏置權，f(x)=

具體學習算法如下：

連接權的修正按誤差的反方向進行，設V的修正步長為η1，則連接權V的修正公式為：

同理可得E(l)關于W的梯度：

設W修正步長η2，則連接權值W修正公式為：

E(l)關于 δ(2)的梯度為

設δ(2)的修正步長為η3，則偏置權δ(2)的修正公式為：

E(l)關于 δ(1)的梯度為

設δ(1)的修正步長為η4，則偏置權δ(1)的修正公式為：

這個算法[3][4]是一個迭代過程，每一輪將各權值調整一遍，這樣一輪一輪迭代下去，直到期望輸出與計算輸出的誤差小于某一個容許值。學習訓練結束時，旅游服務的誠信評價模型也就建立了。

3 實例分析

訓練好網絡后，筆者對旅游企業A進行實例分析。

設誠信等級分為5個級別，即AAA級，AA級，A級，B級和C級，其量化值對應于輸出向量z值（誠信得分值）分別為0.9,0.7,0.5,0.3和0.1。數據來源于2000～2009年無量綱化等預處理過的A企業相關數據（限于篇幅數據略），代入已建立的BP神經網絡仿真,利用Matlab仿真得結果見表4。

從表4可以看出，A企業的總體誠信水平尚不理想。

表4 A企業誠信狀況仿真結果表

4 結語

本文中所構建的評價指標體系，在指標靈活啟用上有許多突破性的建議，起到決策支持的作用。本文將BP神經網絡用于旅游服務的誠信評價,結果表明:該模型解決了傳統評價中權重確定不客觀、定量分析不足、評價效率低下等缺陷，形成了一套更科學、有效和實用的旅游服務誠信評價方法，具有其它一些方法無法比擬的優點，并有較好的實際應用效果。

[1]馬秀娟.旅游企業誠信體系的建設[J].赤峰學院學報(自然科學版)，2009，(1).

[2]鐘守銘,劉碧森等.神經網絡穩定性理論[M].北京：科學出版社，2008.

[3]蔣宗禮.人工神經網絡電子講義[M].北京:高等教育出版社，2004.

[4]李翔.從復雜到有序—神經網絡智能控制理論新進展[M].上海:上海交通大學出版社,2006.