〔摘 要〕分析了影响pis（personalized information service）的影响因素，给出了pis能力的评价指标体系，由于评价指标存在一定的模糊性和不确定性，提出了一种融合专家主观和客观赋权的专家聚类综合赋权法；利用该方法借助matlab工具对pis能力评价的各级指标进行赋权；最后对各指标的权值进行合理性的分析。
　　〔关键词〕pis；能力评价；指标体系；专家赋权
　　doi：10.3969/j.issn.1008-0821.2014.02.006
　　〔中图分类号〕g202 〔文献标识码〕b 〔文章编号〕1008-0821（2014）02-0026-06
　　随着网络应用的普及和网络信息技术的不断发展，新的信息服务形式不断涌现，比如个性化定制、个性化信息检索、个性化导航、个性化推荐、个性化站点、个性化过滤等。人们对海量信息中有效信息的需求促进了pis在各个行业的兴起，如电子政务中的pis、数字图书馆中的pis、商情网站的pis、医院网站医疗信息的个性化服务等。pis有着诱人的市场潜力，并逐渐成为国内外许多信息服务行业占有市场的强有力的竞争手段。为了监督与促进pis在各个行业的推广与完善，有必要对信息服务行业的pis能力进行综合评价，因此，建立一个科学、合理地评价pis能力的指标体系显得尤为重要。我国最近几年对pis的研究比较多，大多数文章都是对pis理论进行的研究，在信息服务评价指标的选择和评价体系的建立方面，我国已有不少学者进行了有益的探索，如：2005年蒋琳[1]对网络环境下图书馆信息服务能力的评价研究；2007年许振宇[2]对市级电子政务信息服务的评价研究；2010年朱雷[3]对我国医院网站医疗信息服务的综合评价研究等；2012年潘虹[4]对旅游公共信息服务的评价研究。近几年有少数学者开始对pis的应用成熟度进行评价研究，如：赵伟[5]等基于证据理论建立了pis能力评价模型，并给出了具体算法；王曰芬[7]对pis影响因素进行了分析，并利用层次分析法对关键影响因素进行了评价研究；刘华银通过建立数字图书馆pis综合评价指标体系，采用模糊综合评判法对其进行全面评价等。上述说明在pis能力评价指标研究方面已具备了一定的研究基础，总结研究成果发现已有的研究成果仍存在一些不足，如：对影响pis能力的影响因素分析不够全面、系统，选取的指标不具有代表性、全面性；对pis能力指标权重的赋权方法还有待改进，多数赋权方法采用的是主观赋权法，如delphi专家调查法、层次分析法、最小二乘法、二项系数法等，也有的采用客观赋权法，如专家聚类赋权、专家信息熵赋权等，主、客观赋权法各有利弊，单纯利用哪一种都会影响指标权重的合理分配，影响对pis能力的正确评价。基于上述，本文试图构建一个定性与定量相结合的科学、合理地评价pis能力的指标体系，提出一种综合专家主、客观赋权的赋权法，以求获得一个pis能力评价指标的合理权重，提高对pis能力评价的效果。
　　指标体系的确定
　　1.1 指标层次维度的建立pis能力评价指标的选择和制定，对信息资源建设、提高服务质量有着重要的意义。评价的质量在很大程度上依赖于评价体系的科学性和完善程度，完善合理的评价指标体系能够帮助信息服务行业分析现状，做出正确决策。评价指标体系对于整个评价活动起着统揽全局的作用，构建信息服务行业pis能力评价指标体系模型，应该探究pis的基本发展规律，关注pis过程的特点及其各影响要素之间的相互关系。由于pis是一个复杂的服务系统，其服务能力受服务人员、服务技术、服务环境等很多因素的影响，因此在进行指标的选取时，每个指标都是对系统的某种特征所进行的度量，反应pis能力的各项指标之间既相互联系又相互制约。为了准确评价信息服务行业pis能力的强弱，根据pis能力影响因素结构，在查阅文献资料[5-16]和专家访谈的基础上，以科学性、通用性、可操作性、系统性、导向性、定量与定性相结合等为指导原则，以影响pis能力的因素为基础构架设计了评价指标的初始集，在此基础上再经过专家小组讨论和专家咨询，最后从服务基础设施与环境、信息资源、服务技术、服务人员、服务满意度等5个层面构建了一套含有20个二级指标的pis能力评价指标体系，如图1所示。图1 pis能力评价指标层次结构模型
　　1.2 评价指标分析
　　1.2.1 基础设施与环境对pis基础设施与环境的评价主要从个性化服务空间、软硬件资源和个性化服务系统3个方面进行，个性化服务空间主要指个人的学习空间

、团体协同工作空间以及信息服务台等，软件资源为通用软件和一些高端软件，硬件资源为个人计算机、扫描仪、打印机等，对个性化服务系统的评价主要从系统的结构、全面性、可利用性、可操作性、网络化程度、动态性、自动更新能力、数据的存储与组织方式等方面评价。
　　1.2.2 信息资源对信息资源的评价主要从信息资源的全面性、针对性、权威性、独特性、实效性5个方面进行。对全面性评价主要从资源总量、各类型资源所占比例进行；针对性是指信息资源是否能满足特定用户群体，资源的深度和广度能否满足用户的专业需求；权威性是指信息资源是否有专门的人员按照相关标准进行选择和加工，并得到同行专家的评价和认可；独特性是指服务机构能否根据自己服务的特色，自建特色数据库；实效性是指资源的新颖性和时效性，更新周期和速度。
　　1.2.3 服务技术对服务技术的评价主要从信息获取与过滤技术、数据挖掘技术、数据推送技术、个性化检索技术、安全技术5个方面进行评价。信息获取与过滤技术即能够全面、准确地获取用户的需求信息，通过自身的过滤机制匹配提取最适合用户需要的信息资源；数据挖掘技术主要通过关联分析、聚类分析、偏差分析等技术对用户兴趣、爱好、需求、职业等信息的获取和了解；数据推送技术即根据用户的个人信息、检索习惯等，主动搜集用户可能感兴趣的信息；个性化检索技术主要是ontology、agent技术、元搜索引擎、语义网在检索技术中的应用；安全技术主要包括过程跟踪技术、身份认证技术、数据加密技术、用户隐私保护技术。 　　1.2.4 服务人员对服务人员的评价主要从服务人员的仪表态度、人际沟通、专业技术、创新能力4个方面进行评价。仪表态度即穿着是否合适得体，服务态度是否和蔼可亲、认真大方；是否有较强的人际沟通能力，快速获取用户信息需求；专业技术主要为用户需求分析能力、外部信息收集与处理能力、信息过滤匹配能力；创新能力表现在经常提供一些pis的新观点、新技术。
　　1.2.5 服务满意度对服务满意度的评价主要从服务质量满意度、服务效果满意度、服务满足需求度3个方面进行。服务质量满意度即资源的信息量、知识含量和创新程度、内容的新颖度、信息的针对性以及可用性的满意程度；服务效果满意度即服务的利用率、用户使用服务后创造的价值与成果产生所消耗的价值比较以及服务后所产生的社会反响和创造的效益；服务满足需求度即用户的信息需求得到满足的程度。
　　2 专家综合赋权法评价体系中各指标权重的大小对pis能力评价结果起到决定作用，所以对每个指标权重大小的分配要由各指标作用的大小来决定。由于主观赋权的主观随意性比较大，客观赋权又具有绝对的客观性，所以本文在研究参考文献[17-25]的基础上，提出了一种主客观相结合的综合赋权法，该方法以专家给出的判断矩阵为基础，利用层次分析法求出各指标的主观权重，然后根据判断矩阵提供的信息对各专家先进行聚类，然后再赋权，等到专家客观权重，最后综合主客观赋权值，使得到的指标权重科学合理。
　　3 pis能力评价指标的确定
　　3.1 专家主观权重的计算利用delphi专家调研法来确定主观权重，首先选取本领域的15位专家组成专家小组，对评价模型中各指标发表自己的意见，专家之间不得互相讨论，不发生横向联系，通过多轮次调查专家对问卷所有指标的看法，经过反复征询、归纳、修改，最后汇总成专家基本一致的看法，作为预测的结果。然后选取5位本领域的和预测结果一致的资深专家进行问卷调查，请他们对评价体系进行逐层判断分析，构造两两比较矩阵。对回收的调查问卷中的个体判断矩阵的偏激判断信息采用均数法和标准差法进行有效剔除，然后在综合成群体判断矩阵，计算各个判断矩阵的特征向量u、
　　4 结果分析由表3 pis能力评价体系的权重赋值可以清晰地看出指标体系中各层次指标性对于总目标的重要性。从准则层来看，服务技术最重要，其次是基础设施与环境，再次是信息资源、服务满意度，最后是服务人员。服务技术的重要性达到了43.6%，它直接关系到了pis行业的生存和发展，因此应把对pis能力的评价重点放在服务技术上。从要素层来看，个性化服务系统、数据挖掘技术、个性化检索技术、数据推送技术、软硬件资源排在了20个指标的前五位，这5个指标的权重总和达到了62.2%，这说明在pis能力评价中，人们最重视的是个性化服务系统、服务

技术以及服务的资源。对各要素层深入分析发现，在基础设施与环境这一指标下，相对于个性化空间和软硬件资源来说，个性化服务系统的比重占到了68.8%，它是pis的核心。个性化服务系统的建设思想，系统的可利用性、可操作性、全面性、网络化程度，界面的亲和力，提供多层次的信息服务，系统中数据的存储和组织方式等都在很大程度上影响着pis的能力。在信息资源指标中，各个要素所占的权重大小依次是信息资源针对性（38.1%）、信息资源全面性（26.2%）、信息资源权威性（18.9%）、信息资源实效性（10.4%）、信息资源独特性（6.5%），从所占的权重我们可以看出，要想表3 pis能力评价体系和权重赋值表
　　目标层准则层要素层要素层相
　　对于目标
　　层权重个性化信息服务能力a基础设施与
　　提供高质量的pis，首先要保证信息资源的针对性和全面性，其次是信息资源的实效性和权威性。pis是在技术的支持下发展起来的，可以说没有技术就没有pis，从服务技术所占的比重（43.6%）也可以看出来，在服务技术中数据挖掘技术和个性化检索技术所占的比重达到了63.9%，提供个性化服务的前提是知道用户的个性化需求，这就需要用到数据挖掘技术，用户也能够根据提供的个性化检索技术来满足个性化需求。在服务人员这一指标中，服务人员的专业技术所占比重达到54%，在对服务人员进行评价时主要考虑的是服务人员的专业技术，其次是人际沟通、仪表态度等，创新能力（8.2%）所占的比重不大，说明在pis过程中，服务人员的创新能力对服务质量所起的作用并不大。在服务满意度这一指标中，服务质量满意度（49%）所占比重最大，服务效果满意度（26%）和服务满足需求度（25.2%）所占比重相似，在进行评价时要多考虑用户对提供资源的信息量、知识含量和创新程度、内容的新颖性、信息的针对性以及可用性的满意程度。pis能力体系中各指标是相辅相成的，对pis能力的评价既要考虑要素的整体性，又要考虑要素间的相互作用，每一个要素都有其独特的作用，对其他要素起着支持或制约作用，所以说评价过程中任何一个要素都不能忽略。
　　5 小 结通过查阅大量文献、专家访谈和调查问卷的方式，给出了pis能力的评价指标。由于pis能力评价指标存在着一定的模糊性和不确定性，提出了一种综合专家主观赋权、客观赋权的综合赋权法。这种赋权方法既考虑了专家判断矩阵一致性比率的影响，又考虑了排序向量引起的不确定性和判断矩阵引起的矛盾性，提高了指标权值分配的精确性。最后利用专家主客观综合赋权法，通过计算对pis能力评价的各级指标进行赋权。后续工作中通过对几个信息服务行业进行实际测评，对指标体系的合理性和科学性进行检验、修改，并逐步完善。
　　参考文献
　　[1]蒋琳.网络环境下图书馆信息服务能力评价研究[d].南京：南京理工大学硕士学位论文，2005：26-65.
　　[2]许振宇.市级电子政务信息服务评价研究[d].西安：西北工业大学硕士学位论文，2007：18-59.
　　[3]朱雷.我国医院网站医疗信息服务综合评价模型及实证研究[d].长沙：中南大学博士学位论文，2010：36-70. 　[4]潘虹，基于顾客感知价值的旅游公共信息服务评价研究[d].桂林：广西师范大学硕士学位论文，2012：19-38.
　　[5]赵伟，张秀华.pis能力评价的证据理论模型及实证研究[j].实践研究，2010，33（10）：66-69.
　　[6]覃凤兰.基于知识管理的高校图书馆个性化服务绩效评价指标[j].图书馆学刊，2009，（3）：19-22.
　　[7]王曰芬，吴小雷.pis的影响因素与评价研究[j].情报科学，2005，23（8）：1183-1186.
　　[8]吕秀云.影响图书馆信息服务质量的因素[j].图书馆学刊，2005，（6）：89-91.
　　[9]刘银华.数字图书馆pis模糊综合评价[j].现代情报，2011，31（6）：62-68.
　　[10]吴晶，刘佳，周昕.国内外图书馆pis系统及服务模式比较研究[j].图书馆学研究，2010，（7）：24-29.
　　[11]唐小海.影响高校图书馆pis的因素分析[j].科技情报开发与经济，2005，15（6）：56-58.
　　[12]fengrong gao，chunxiao xing，xiaoyong dub，shan wang.personalized service system based on hybrid filtering for digital library[j].tsinghua science & technology，2007，12（1）：1-8.
　　[13]cui feng han.the module design of personalized informa

tion service system in college library based on agent[j].materials science and engineering，2011，（7）：1812-1816.
　　[14]谢海涛，孟祥武.适应用户需求进化的个性化信息服务模型[j].电子学报，2011，（3）：643-648.
　　[15]songjie gong.the personalized information retrieval model based on user interest[j].physics procedia，2012，（24）：817-821.
　　[16]enrique frias-martinez，sherry y.chen，xiaohui liu.evaluation of a personalized digital library based on cognitive styles：adaptivity vs.adaptability[j].international journal of information management，2009，（29）：48-56.
　　[17]minqi zhou，heng tao shen，xueqing gong，weining qian，aoying zhou.personalized query evaluation in ring-based p2p networks[j].information sciences，2013，（220）：463-482.
　　[18]曹志梅.图书馆动态模糊评价与实证分析[m].北京：北京图书馆出版社，2006，（8）：111-117.
　　[19]李香亭，杨风暴，等.信息熵和判断矩阵的专家聚类赋权法[j].火力与指挥控制，2012，（37）：103-106.
　　[20]李明奇，刘玉娟，赵美玲.一种基于判断矩阵的专家赋权方法[j].科技信息，2010，21：45-46.
　　[21]高阳，罗贤新，胡颖.基于判断矩阵的专家聚类赋权研究[j].系统工程与电子技术，2009，31（3）：593-596.
　　[22]周漩，张凤鸣，惠晓滨，等.基于信息熵的专家聚类赋权方法[j].控制与决策，2011，26（1）：153-156.
　　[23]顾冲时，汪自力，刘成栋.堤防工程安全评估专家赋权模型[j].岩土力学，2006，27（12）：2099-2104.
　　[24]王应明，徐南荣.群体判断矩阵及权向量的最优传递矩阵的求法[j].系统工程理论与实践，1991，（4）：70-74.
　　[25]宋力，沈静，赵一晗，等.基于信息熵权的ahp多目标施工方案决策评估[j].水利经济，2012，30（6）：32-34.
　　[26]曾雪兰，吉建华，吴小欢.基于相容性指标的聚类分析专家赋权法[j].广西大学学报，2005，30（4）：337-340.
　　（本文责任编辑：孙国雷）