基于自組織神經(jīng)網(wǎng)絡(luò)的建筑市場執(zhí)業(yè)資格人員信用分類研究

范志清,王雪青,李寶龍

(1.國家開發(fā)銀行天津市分行,天津 300072;2.天津大學(xué)管理學(xué)院,天津 300072)

1 前言

改革開放30年,我國建筑業(yè)在國民經(jīng)濟(jì)中的地位不斷增強(qiáng),為適應(yīng)社會經(jīng)濟(jì)發(fā)展的需要,中華人民共和國住房和城鄉(xiāng)建設(shè)部在調(diào)研國外專業(yè)技術(shù)人員資格管理的經(jīng)驗(yàn)和做法的基礎(chǔ)上,會同中華人民共和國人力資源和社會保障部逐步建立了監(jiān)理工程師、造價工程師、建造師等9項(xiàng)執(zhí)業(yè)資格制度,為建筑業(yè)的快速發(fā)展做出了貢獻(xiàn)。但在取得成績的同時,部分執(zhí)業(yè)資格人員信用缺失,導(dǎo)致任意撕毀合同、隨意跳槽、出借資質(zhì)、以權(quán)謀私、高估冒算、侵權(quán)等行為屢見不鮮,給國家經(jīng)濟(jì)造成巨大損失。因此,迫切需要建立有效的建筑市場執(zhí)業(yè)資格人員信用評價體系,規(guī)范、調(diào)整和引導(dǎo)執(zhí)業(yè)資格人員的守信意識和誠信行為將成為今后需要重點(diǎn)解決的問題。

總體而言,建筑市場執(zhí)業(yè)資格人員信用評價方法可分為兩類。一類是在沒有系統(tǒng)評價標(biāo)準(zhǔn)下,統(tǒng)稱為聚類評價;另一類是在給定系統(tǒng)評價標(biāo)準(zhǔn)下,統(tǒng)稱為等級評價[1]。常用的方法有綜合評價法[2]、多元統(tǒng)計(jì)法[3]、BP(back propagation)神經(jīng)網(wǎng)絡(luò)法[4]等。然而,在處理復(fù)雜的非線性函數(shù)逼近問題時,傳統(tǒng)的綜合評價法與多元統(tǒng)計(jì)法對執(zhí)業(yè)資格人員信用的模擬具有難度,而BP網(wǎng)絡(luò)在處理該問題時,盡管理論上是可行的,但其學(xué)習(xí)效率低、收斂速度慢、易陷入局部極小狀態(tài),并且網(wǎng)絡(luò)的泛化及適應(yīng)能力都較差。

自組織神經(jīng)網(wǎng)絡(luò)作為一種不需要教師信號的網(wǎng)絡(luò),可以通過對輸入信號的競爭學(xué)習(xí)而將其劃歸不同的類別,從而克服了上述方法在此方面的不足。因此,在對建筑市場執(zhí)業(yè)資格人員信用進(jìn)行綜合評價時,運(yùn)用自組織神經(jīng)網(wǎng)絡(luò)的聚類分析是有效合理的途徑。鑒于自組織神經(jīng)網(wǎng)絡(luò)的這些優(yōu)良性能,筆者提出建筑市場執(zhí)業(yè)資格人員信用識別的自組織神經(jīng)網(wǎng)絡(luò)方法,通過算例研究,證明自組織神經(jīng)網(wǎng)絡(luò)具有較好的執(zhí)業(yè)資格人員信用識別效果。

2 自組織神經(jīng)網(wǎng)絡(luò)模型

2.1 自組織競爭人工神經(jīng)網(wǎng)絡(luò)

自組織競爭神經(jīng)網(wǎng)絡(luò)作為一種無教師指導(dǎo)的訓(xùn)練網(wǎng)絡(luò),可以通過自身訓(xùn)練,自動對輸入模式進(jìn)行分類。它最早由Kohonen提出,此后被廣泛應(yīng)用于模式識別和系統(tǒng)分類之中[5]。它通過側(cè)抑制作用促使神經(jīng)元細(xì)胞之間產(chǎn)生競爭,進(jìn)而得到一個獲勝的神經(jīng)元,并對那些與獲勝神經(jīng)元有關(guān)的各連接權(quán)朝著更有利于競爭的方向調(diào)整。其網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 自組織競爭神經(jīng)網(wǎng)絡(luò)基本競爭結(jié)構(gòu)Fig.1 The structure diagram of self-organizing neural network

2.2 自組織競爭神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的構(gòu)造

設(shè)網(wǎng)絡(luò)的輸入層有n個神經(jīng)元,競爭層有m個神經(jīng)元,輸入模式為:Pk=(,…,),與其對應(yīng)的競爭層輸出模式為:Ak=(,…),其中k為T個學(xué)習(xí)模式中的一個,k=1,2,…,T。網(wǎng)絡(luò)的連接權(quán)為 {wij},i=1,2,…,n;j=1,2,…,m,且約束條件為[6]:

網(wǎng)絡(luò)學(xué)習(xí)算法的步驟為[7]:

1)初始化并賦予連接權(quán)在[0,1]區(qū)間內(nèi)的隨機(jī)值,i=1,2,…,n;j=1,2,…,m。

2)任選T個學(xué)習(xí)模式中的一個模式Pk提供給網(wǎng)絡(luò)的輸入層。

3)計(jì)算競爭層各神經(jīng)元的輸入值sj:

4)按照“勝者為王”的原則,sj(j=1,2,…,m)中最大值所對應(yīng)的神經(jīng)元為勝利者,輸出值為1,而其他所有神經(jīng)元輸出值為0,即:

如果出現(xiàn)sj=si的情況,則統(tǒng)一約定取左邊的神經(jīng)元為獲勝神經(jīng)元。

5)對與獲勝神經(jīng)元相連的各連接權(quán)值進(jìn)行調(diào)整,而其他所有連接權(quán)值保持不變。競爭網(wǎng)絡(luò)權(quán)值修正的公式為:

式(4)中η為學(xué)習(xí)系數(shù),0＜η＜1;m為第k個學(xué)習(xí)模式Pk=(,…)中元素為1的個數(shù)。

6)選取另一個學(xué)習(xí)模式,返回步驟3),直至T個學(xué)習(xí)模式全部提供給網(wǎng)絡(luò)。

7)返回步驟2),直至各連接權(quán)的調(diào)整量變得很小為止。

由此,通過這種無教師的學(xué)習(xí),網(wǎng)絡(luò)不斷調(diào)整與獲勝神經(jīng)元相連的權(quán)值,從而獲得穩(wěn)定后的網(wǎng)絡(luò)輸入與其輸出的特征映射,進(jìn)而實(shí)現(xiàn)網(wǎng)絡(luò)自動分類的目的。

3 執(zhí)業(yè)資格人員信用的自組織聚類分析

3.1 執(zhí)業(yè)資格人員信用影響因素的選擇

執(zhí)業(yè)資格人員在執(zhí)業(yè)過程中,影響其信用水平的因素眾多,國內(nèi)外很多學(xué)者都在此方面進(jìn)行過相關(guān)研究[8,9]。爭議頗多,目前尚無統(tǒng)一的標(biāo)準(zhǔn)。執(zhí)業(yè)資格人員是受聘于一個建設(shè)工程相關(guān)單位,擔(dān)任施工單位項(xiàng)目負(fù)責(zé)人或從事相關(guān)活動的專業(yè)技術(shù)人員。一方面,他的執(zhí)業(yè)行為代表了受聘單位的意志,表現(xiàn)了該執(zhí)業(yè)資格人員的執(zhí)業(yè)水平;另一方面,他在執(zhí)業(yè)過程中不可避免地受個人信用因素的影響。所以,筆者認(rèn)為,執(zhí)業(yè)資格人員的信用評價應(yīng)該包含兩方面內(nèi)容:執(zhí)業(yè)信用指標(biāo)和個人信用指標(biāo)。根據(jù)構(gòu)建指標(biāo)體系的科學(xué)性原則、全面性原則、獨(dú)立性原則、層次性原則與可操作性原則等,擬定專業(yè)技術(shù)職稱、專業(yè)本職工作年限、單位培訓(xùn)情況、工作獲獎情況、處罰記錄、工程質(zhì)量合格率、年齡、學(xué)歷、婚姻狀況、年收入水平、現(xiàn)有負(fù)債總額、信貸歷史記錄共12個指標(biāo)來反映。問卷主要發(fā)放到浙江省和安徽省的建筑企業(yè),發(fā)放總數(shù)100份,回收70份,其中,有效問卷61份。從返回問卷的背景材料看,填寫人主要具有國家級資質(zhì),且工作于人數(shù)在300人以上的大型建筑企業(yè),填寫人從事該行業(yè)10年以上的居多。所從事的工程發(fā)包人最多的是企業(yè),其次是政府機(jī)關(guān)。從61份調(diào)查問卷中隨機(jī)選取23份,對這23名執(zhí)業(yè)資格人員的執(zhí)業(yè)相關(guān)數(shù)據(jù)進(jìn)行處理。其中,處罰記錄、現(xiàn)有負(fù)債總額、信貸歷史記錄這3個指標(biāo)為越小越優(yōu)型,其余9個指標(biāo)為越大越優(yōu)型,標(biāo)準(zhǔn)化處理用如下形式。

對于越小越優(yōu)型指標(biāo):

對于越大越優(yōu)型指標(biāo):

3.2 網(wǎng)絡(luò)的訓(xùn)練和測試

網(wǎng)絡(luò)的訓(xùn)練步數(shù)對于網(wǎng)絡(luò)性能的影響比較大,這里首先將訓(xùn)練步數(shù)設(shè)置為 300、500、700、1 000、2 000,分別觀察其分類性能。結(jié)果發(fā)現(xiàn),當(dāng)訓(xùn)練步數(shù)達(dá)到1 000步后,分類結(jié)果趨于穩(wěn)定,故選定訓(xùn)練步數(shù)為1 000。然后調(diào)整網(wǎng)絡(luò)結(jié)構(gòu),觀察不同網(wǎng)絡(luò)維數(shù)對神經(jīng)網(wǎng)絡(luò)分類數(shù)的影響,其運(yùn)行結(jié)果見表1。

表1 基于自組織競爭神經(jīng)網(wǎng)絡(luò)的分類結(jié)果Table 1 The classification results of self-organizing neural network for the testing samples

當(dāng)網(wǎng)絡(luò)維數(shù)較小時,隨著維數(shù)的增加,分類數(shù)也隨之增加,當(dāng)網(wǎng)絡(luò)維數(shù)增加到[4 1]以后,分類數(shù)并不像維數(shù)較小時一樣明顯增加,而是出現(xiàn)了平穩(wěn)性。與此同時,網(wǎng)絡(luò)的權(quán)值改變不大,對輸入樣本的靈敏度降低,也就是說,網(wǎng)絡(luò)不能更進(jìn)一步地從輸入樣本中識別出各自的差異,故網(wǎng)絡(luò)對執(zhí)業(yè)資格人員信用的有效聚類結(jié)果為4類,這里取上文中選定的4作為聚類數(shù),故網(wǎng)絡(luò)維數(shù)為[4 1]。

3.3 分類結(jié)果

根據(jù)表1所顯示的網(wǎng)絡(luò)分類的結(jié)果,結(jié)合實(shí)際調(diào)研情況的分析,對這23名執(zhí)業(yè)資格人員信用劃分為4類:第一類為{1 2 3 9 13 14};第二類為{4 11 12 21 22 23};第三類為{5 6 7 15 16 17};第四類為{8 10 18 19 20}。相應(yīng)地,其信用情況分別為優(yōu)、良、中、差。據(jù)此,雇主在對執(zhí)業(yè)資格人員進(jìn)行監(jiān)督過程中,便可以有的放矢,根據(jù)不同分類情況采取有針對性的措施,從而達(dá)到提高執(zhí)業(yè)資格人員信用水平的目的。

3.4 分類應(yīng)用

根據(jù)網(wǎng)絡(luò)獲得相應(yīng)的分類結(jié)果后,雇主可以記錄執(zhí)業(yè)資格人員日常的執(zhí)業(yè)活動,并與分類結(jié)果相對照,當(dāng)所建立的網(wǎng)絡(luò)分類結(jié)果與日常監(jiān)督記錄結(jié)果大部分相同時,則說明此網(wǎng)絡(luò)能準(zhǔn)確反映執(zhí)業(yè)資格人員信用的一定規(guī)律。此時,運(yùn)用自組織神經(jīng)網(wǎng)絡(luò)能夠預(yù)測和反映新的執(zhí)業(yè)資格人員的信用狀況。根據(jù)已有執(zhí)業(yè)資格人員信用數(shù)據(jù)庫,對一名新的執(zhí)業(yè)資格人員進(jìn)行信用分類。這里假設(shè)另有一名執(zhí)業(yè)資格人員,其相應(yīng)的輸入指標(biāo)為 [4,13,3,3,4,3,37,3,1,50 000,0,2],此時,運(yùn)用表1的分類結(jié)果,網(wǎng)絡(luò)便可根據(jù)其輸入對其進(jìn)行預(yù)測分類,最終分類結(jié)果屬于第二等級,即這名執(zhí)業(yè)資格人員信用等級為良,從而為雇主有針對性地管理這名執(zhí)業(yè)資格人員奠定基礎(chǔ)。

4 結(jié)語

執(zhí)業(yè)資格人員信用評價在我國尚處于探索的階段,要幫助建筑企業(yè)實(shí)施執(zhí)業(yè)資格人員信用評價,建立一套實(shí)用、完善、可操作的評價方案具有很強(qiáng)的實(shí)際指導(dǎo)意義。文章鑒于自組織神經(jīng)網(wǎng)絡(luò)是一種無監(jiān)督的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法,建立了基于自組織神經(jīng)網(wǎng)絡(luò)的建筑市場執(zhí)業(yè)資格人員信用分類模型,并進(jìn)行了實(shí)證研究,提出了預(yù)測執(zhí)業(yè)資格人員信用水平的相關(guān)方法。自組織神經(jīng)網(wǎng)絡(luò)既能有效區(qū)分執(zhí)業(yè)資格人員的不同信用狀況,又有效地將定性與定量分析結(jié)合起來,對于指導(dǎo)執(zhí)業(yè)資格人員信用管理具有重要的借鑒意義。但同時也存在一些問題,如在指標(biāo)選取時,盡管采取了一定的處理方法,但仍然在一定程度上不全面和帶有主觀性。需要在以后的研究中進(jìn)一步地完善和發(fā)展,以提高執(zhí)業(yè)資格人員信用分類的精度和準(zhǔn)度。

[1]金菊良,張禮兵,魏一鳴.水資源可持續(xù)利用評價的改進(jìn)層次分析法[J].水科學(xué)進(jìn)展,2004,15(2):227-232.

[2]石慶焱,靳云匯.多種個人信用評分模型在中國應(yīng)用的比較研究[J].統(tǒng)計(jì)研究,2004(6):43-47.

[3]Enached,Bonnet.Analyzing credit risk data—a comparison of logistic discrimination,classification tree analysis and feed-forward networks[J].Computational Statistics,1997(12):293-310.

[4]王雪青,喻 剛,孟海濤.基于GA改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的建設(shè)工程投標(biāo)報價研究[J].土木工程學(xué)報,2007,40(7):93-98.

[5]徐 芃,徐士進(jìn),周會群,等.基于自組織競爭人工神經(jīng)網(wǎng)絡(luò)的抽油系統(tǒng)故障診斷[J].計(jì)算機(jī)應(yīng)用與軟件,2006,23(4):48-50.

[6]劉占軍,王鐵麗,吳 鋼,等.自組織競爭神經(jīng)網(wǎng)絡(luò)板材拉深材料參數(shù)識別[J].鍛壓技術(shù),2006(4):17-19.

[7]張金屯,楊洪曉.自組織特征人工神經(jīng)網(wǎng)絡(luò)在龐泉溝自然保護(hù)區(qū)植物群落分類中的應(yīng)用[J].生態(tài)學(xué)報,2007,27(3):1005-1010.

[8]郭樹榮.建筑市場執(zhí)業(yè)資格人員信用體系建設(shè)[J].建筑經(jīng)濟(jì),2005(11):18-20.

[9]Nicholas J,Edwards D J.A model to evaluate materials suppliers’and contractors’business interactions[J].Construction Management and Economics,2003(21):237-245.