鄭麗娜
(福建省經濟和信息化技術中心,福建 福州 350001)
粗糙集理論作為處理不確定性的數學工具,本質上是一種軟計算方法,近年來受到相關領域的重點關注。粗糙集理論最大的優勢在于能夠將復雜的問題簡單化,通過自身強大的分類能力,再比較若干因素的屬性重要度,得出不同的方案,進而確定解決問題的最佳方案[1]。目前,各地政府機構都存在電子政務績效評估方法不完善的情況。 在我國,電子政務績效評估方法基本適用于所有工作人員,缺乏對電子政務績效管理人員的針對性,無法對電子政務績效管理人員的績效進行精準、全面的綜合評估[2]。電子政務績效評估方法是政府對于績效進行年度考核的綜合評價,其績效評估方法必須具有針對性,對政府管理以及干部選拔均具有借鑒意義[3]。 由于電子政務績效評估方法是一個龐大且復雜的體系,不能從單一角度出發,必須結合電子政務的實際情況。 因此,針對目前電子政務績效評估方法存在的主要問題,本文基于粗糙集建立一種新型電子政務績效評估方法,致力于構建一個完整度更高,可操作性更強的電子政務績效評估方法。
基于粗糙集對電子政務績效一致性評估指標進行劃分,采用合適的離散化方法,建立電子政務績效評估指標信息表,如表1 所示[4]。
由表1 可知,二級指標是一級指標的分支,可以突出一級指標的特征,強調電子政務績效評估指標屬性,保障評估內容能夠及時反映電子政務績效。
本文基于粗糙集理論中條件屬性相對于決策屬性的重要度進行電子政務績效評估指標權重確定,采用對數據分級分解的方法計算電子政務績效評估指標屬性重要度[5]。 設電子政務績效評估指標屬性重要度為c, 基于粗糙集通過一個下近似和上近似對來描述,則其計算公式,如公式(1)所示。


表1 電子政務績效評估指標信息表
在公式(1)中,n 指的是電子政務績效評估指標數據特征矢量;i 指的是電子政務績效評估指標特征個數, 為實數;w 指的是評估指標屬性依賴度;m 指的是分級綜合評估的摩擦系數;k 指的是電子政務績效評估指標特征權值系數;g 指的是電子政務績效評估指標特征隸屬度函數;μ 指的是電子政務績效評估指標特征維數;x 指的是電子政務績效評估指標特征的Hamming 距離橫坐標;y 指的是電子政務績效評估指標特征的Hamming 距離縱坐標;指的是評估指標特征相似權值[6]。 通過公式(1),得出電子政務績效評估指標屬性重要度,根據粗糙集屬性重要度體現出評估指標與結論間的非線性關系,并以事實為依據,排除人為的增加評價體系的模糊性, 通過粗糙集模糊聚類,用替代后的種群作為下一代進化的種群, 如此迭代,直到滿足終止條件時,輸出最終的聚類結果,進而獲取更為準確的電子政務績效評估相關本體類。
在得到電子政務績效評估指標屬性重要度的基礎上,采用連續性評估的方式,根據粗糙集中離散值,進行歸一化處理。 設電子政務績效的總體評估公式為,則其歸一化處理計算公式,如公式(2)所示。

在公式(2)中,m 指的是電子政務績效評估指標賦值;j 指的是數據數量,為實數;a 指的是一級指標下評估重要度量值;h 指的是二級指標下評估重要度量值。在通過公式(2),可以將電子政務績效評估看作是評估點的一種延伸, 將評估過程內所包含粗糙集根據其不確定性分為上近似集和下近似集, 當電子政務績效評估數據不屬于上近似集和下近似集時, 則可通過上述公式基于粗糙集進行計算。與此同時,本文得出的電子政務績效的總體評估公式能夠被計算機識別[7]。在實際進行評估時,能夠根據獲得相關評估信息,實時掌握電子政務績效情況。 通過以上研究,有理由相信在無特殊情況下本文設計評估方法能夠獲得電子政務績效的有效信息。
提出仿真實驗,對比本文設計評估方法與傳統評估方法在評估矢量上的差異,設置傳統評估方法為對照組,分析兩種評估方法所獲數據,確定評估性能更好的評估方法。 選取某地政府電子政務績效為例,對電子政務績效進行綜合評估,分別使用兩種效率評估體系代入CVERTELY 軟件, 以一種曲線圖形的方法Co-plot 將實驗結果顯示出來。
根據上述設計的對比實驗, 實驗結果如下圖1所示。

圖1 評估矢量對比圖
根據圖1 可以明顯看出,評估矢量越高證明該評估方法對于電子政務績效的綜合評估精度越高。本文設計方法評估矢量最高可達0.89, 對照組為0.51,設計方法可以實現對電子政務績效的精準評估。
考慮到電子政務績效評估的重要性,基于粗糙集的電子政務績效評估方法經歷了從起步到快速發展的階段。 因此,本文對電子政務績效評估方法進行基于粗糙集的優化設計是十分必要的,通過仿真實驗證明設計的評估方法是具有現實意義的,能夠為電子政務績效評估提供理論支持。 但本文不足之處在于,沒有對基于粗糙集的電子政務績效評估方法可行性進行深入分析,相信這一點,可以作為電子政務績效評估領域日后的研究內容之一。