情报检索系统用户相关性判断的层次分析模型
层次分析法与层次分析模型
b15
1b11 2b12 5b15
b25
1b21 2b22 5b25
b35
1b31 2b32 5b35
4 层次总排序的一致性检验
设 最下层对最上层中因素的层次单排序一致性指标为 CIj， 随机一致性指为 RIj，则层次总排序的一致性比率为：
CR
a1CI1 a1RI1
a2CI 2 a2 RI 2
amCI m am RI m
当 CR 0.1时，认为层次总排序通过一致性检验。到
此，根据最下层（决策层）的层次总排序做出最后决策。
三 层次分析法建模举例
(1)建模
一、旅游问题
Z
A1, A2 , A3, A4 , A5
分别分别表示景色、费用、
A1
A2 A3 A4 A5 居住、饮食、旅途。
B1
B2
计算 CR可k知 B1, B2 , B通3, 过B4一, B致5 性检验。
（4）计算层次总排序权值和一致性检验
B1 对总目标的权值为： 0.595 0.263 0.082 0.475 0.429 0.055 0.633 0.099 0.166 0.110 0.3
饮食 1/3 1/5 2 1 1
旅途 1/3 1/5 3 1 1
由上表，可得成对比较矩阵
1
1 2
4
3
3
2 1 7 5 5
A
1 4
1 7
1
1 1 2 3
1 3
1 3
1 5
1 5
2 3
1 1
1
1
问题：两两进行比较后，怎样才能定量求出到底去哪个地 方旅游最合理？
3 层次单排序
层次分析法用权值表示各个因素的优劣性，那 如何求权值呢？
层次分析法在军事情报质量评估中的应用
层次分析法在军事情报质量评估中的应用层次分析法（Analytic Hierarchy Process，AHP）是一种系统性的决策分析方法，广泛应用于各个领域的决策问题中，包括军事情报质量评估。
军事情报在决策和战争中起着重要的作用，决策者需要根据情报的质量进行评估和判断，以制定有效的战略和战术决策。
本文将从AHP方法的基本原理、在军事情报质量评估中的应用以及具体案例进行阐述，以便更好地理解AHP在军事情报质量评估中的应用。
AHP方法的基本原理是将一个复杂的决策问题分解为若干个具体的准则或指标，并通过对这些准则或指标之间的相对重要性进行比较，最终得出关于决策问题的结论。
AHP方法分为层次结构分析和权重确定两个步骤。
在军事情报质量评估中，可以将情报的质量评估问题分解为多个层次，如一级准则可以是情报的可靠性、准确性、及时性等，二级准则可以是每个一级准则的具体指标，三级准则可以是每个二级准则的具体子指标。
通过分析和对比这些准则之间的重要性，可以形成一个完整的层次结构。
权重确定是指对每个准则的重要性进行比较和判断，用以确定每个准则在整个评估体系中的重要性。
AHP方法中常用的判断方法是对两个准则进行比较，通过专家的主观意见和评价，进行配对比较，构建一个判断矩阵。
通过特征向量的运算，可以得到各个准则的权重，即其在整个评估体系中的相对重要性。
在军事情报质量评估中，AHP方法可以帮助决策者对不同准则之间的重要性进行判断和定量化，从而为决策提供有力的依据。
军事情报的可靠性和准确性对于制定战略决策非常重要，因此这两个准则的权重可能较高；而情报的及时性虽然也很重要，但相对于可靠性和准确性可能略低一些。
通过使用AHP方法，可以将主观的评估和判断量化为具体的数值，从而避免了决策中的主观偏差和误判。
以下是一个关于军事情报质量评估的具体案例：某军事指挥部需要对一份情报进行质量评估，共确定了三个一级准则：可靠性、准确性、及时性。
针对可靠性一级准则，又确定了两个二级准则：信息来源的可信度和情报搜集的完整性。
情报分析中数据分类分级的关键技术与方法
情报分析中数据分类分级的关键技术与方法情报分析是一项重要的任务，它可以帮助决策者了解和评估各种安全威胁。
在情报收集和分析过程中，数据分类分级是一项至关重要的工作。
本文将重点探讨情报分析中数据分类分级的关键技术与方法。
数据分类分级在情报分析中的作用不可忽视。
通过对收集到的情报数据进行分类分级，可以更好地组织和管理信息，提高分析的效率和准确性。
下面将介绍几种常用的关键技术与方法。
首先，一种常见的技术是基于内容的分类方法。
这种方法通过分析情报数据的内容特征，将数据划分为不同的类别。
例如，可以根据情报数据所涉及的主题或领域进行分类，比如恐怖主义、网络安全、军事威胁等。
此外，还可以根据情报数据的来源进行分类，比如政府机构、媒体报道、情报部门等。
基于内容的分类方法可以帮助分析员更好地理解情报数据的内涵与特点，提供针对性的分析和洞察。
其次，另一种重要的技术是基于关系网络的分类方法。
在情报分析中，了解数据之间的关系是非常重要的。
通过建立关系网络，可以更好地理解情报数据之间的联系和影响。
例如，可以建立嫌疑人之间的社交网络，分析他们之间的关系密切程度，从而判断他们是否构成了一个恐怖组织。
此外，还可以建立事件之间的关系网络，分析事件之间的因果关系和影响程度。
基于关系网络的分类方法可以帮助分析员更全面地了解情报数据的背景和关联，提供更深入的分析和预测。
除了以上两种方法，还有一种重要的技术是机器学习和人工智能。
随着大数据时代的来临，情报分析面临着海量的数据，传统的分类方法已经不再适用。
机器学习和人工智能可以通过训练算法，自动从大量的数据中学习和发现规律，提供更准确和高效的分类结果。
例如，可以使用机器学习算法对情报数据进行自动分类，训练模型根据数据的特征和模式判断其所属的类别。
此外，还可以利用人工智能技术进行情报数据的自动标注和归类，大大提高分析的速度和准确性。
除了技术和方法，数据分类分级还需要考虑到安全性和隐私保护。
情报数据往往涉及到国家安全和个人隐私，必须严格控制和管理。
信息检索基本原理
信息检索基本原理信息检索是指通过计算机技术获取、组织和利用文本信息的过程。
它是计算机应用领域中重要的研究方向之一，也是现代社会信息化进程中不可或缺的组成部分。
1. 信息需求分析信息需求分析是信息检索的第一步，也是最重要的一步。
它涉及识别用户的信息需求、确定检索策略、选择合适的检索语言等内容。
在这一阶段，需要对用户信息需求的主题、范围、领域等进行分析，以便更准确地确定检索规则和选择检索词语。
2. 信息检索模型信息检索模型是指描述和解释信息检索过程和结果的数学模型。
信息检索模型包括传统的布尔、向量空间和概率模型等。
布尔模型是最早的信息检索模型，它将文档看作是一个集合，用布尔运算符AND、OR、NOT进行查询。
向量空间模型则把文档看作是一个向量空间，用欧几里得距离或余弦相似度来计算文档之间的相似度。
概率模型则根据贝叶斯定理来计算文档的概率。
3. 检索语言检索语言是指在信息检索过程中用来表达信息需求的语言。
常见的检索语言包括人工语言、自然语言和形式语言。
人工语言是由人工定义的符号体系，例如机构名、作者名、出版社等。
自然语言则是人们日常使用的语言，例如英语、中文等。
形式语言是计算机可识别的语言体系，例如SQL、XPath等。
4. 检索策略检索策略是指根据信息需求制定的检索规则和方法。
它通常包括查询词语、检索模型、检索路径、检索结果排序等。
查询词语是检索语言中用来表达用户信息需求的关键词或短语。
检索路径则是指检索过程中所采用的搜索引擎或数据库，并对其应用检索模型。
5. 检索结果评价检索结果评价是对检索结果的量化评估。
常见的评价指标包括查准率、查全率、F-measure、平均准确率等。
查准率是检索系统返回的结果中正确的结果所占的比例，查全率是系统返回的正确结果与所有正确结果的比例。
F-measure则是查准率和查全率的加权平均值，平均准确率则是查准率的平均数。
综上所述，信息检索基本原理包括信息需求分析、信息检索模型、检索语言、检索策略和检索结果评价等方面。
信息检索模型
信息检索模型信息检索模型是指通过计算机系统从大规模信息中自动地检索出与用户需求相关的信息的一种技术。
它是信息检索领域的重要研究内容，旨在提高用户检索信息的效率和准确性。
一、信息检索的定义和基本原理信息检索是指根据用户输入的查询需求，在大规模信息库中自动地查找并返回与用户需求相关的信息的过程。
它基于一定的检索模型和算法，通过匹配和排序等过程，将最相关的信息呈现给用户。
信息检索的基本原理包括以下几个方面：1. 查询处理：用户输入的查询需求经过预处理和分析，提取关键词和特征，形成查询向量。
2. 文档表示：对于每个文档，通过特征提取和表示方法，将其转化为向量表示，以便与查询向量进行匹配。
3. 相似度计算：根据查询向量和文档向量之间的相似度计算方法，评估文档与查询的相关性。
4. 排序和评价：根据相似度计算结果，对文档进行排序，将最相关的文档排在前面，并根据评价指标对结果进行评估。
5. 结果呈现：将排序后的文档结果以列表或摘要的形式呈现给用户，用户可以根据需要进行浏览和选择。
根据不同的检索模型和算法，信息检索可以分为多种模型，常见的有布尔模型、向量空间模型和概率模型等。
1. 布尔模型布尔模型是最早的信息检索模型之一，它基于布尔代数，将查询和文档转化为布尔表达式，通过逻辑运算来匹配和检索文档。
布尔模型简单直观，适用于处理简单的查询需求，但不擅长处理复杂的查询语句和表达需求的语义。
2. 向量空间模型向量空间模型是一种基于向量表示的信息检索模型，它将查询和文档都表示为向量，通过计算向量之间的相似度来评估文档的相关性。
向量空间模型可以灵活地处理复杂的查询需求和语义表达，常用的相似度计算方法包括余弦相似度和欧氏距离等。
3. 概率模型概率模型是一种基于概率统计的信息检索模型，它通过建立查询和文档之间的概率模型，利用统计方法计算文档的相关性。
概率模型可以较好地处理查询的不确定性和语义的歧义，常用的概率模型包括BM25模型和语言模型等。
网络用户信息查寻行为模型构建
网络用户信息查寻行为模型构建*任立肖檀柏红=摘要>首先通过文献调查,分析网络用户信息查寻行为的特点。
其次,对国外已有7个典型信息行为模型进行回顾,并从研究关注点、研究视角、研究方法等方面对这几个模型进行比较。
再次,结合使用观察法和访谈法,对50名网络用户进行了调查研究,得出一些重要结论。
最后,构建网络用户信息查寻行为过程的描述性模型,梳理网络用户信息查寻行为的一般步骤。
=关键词>信息查寻行为模型用户网络计量学Abstract:The paper analyzes characteristics of user p s information-seeking behavior in th e netw ork environment firstly1Secondly,it review s seven typical overseas information behavior m odels,and com pares these models in term s of concern of th e research,research perspective and research method1Th irdly,using observation m ethod and interview s method,the paper investigates50netw ork users,and draw s some important conclusions1Finally,the authors construct a descriptive model of user p s information-seeking behavior,and sives the general steps in user p s information-seeking process in the netw ork environment1Key words:Information-seeking Beh avior model user w ebometrics1问题的提出自1981年,Wilson模型最早提出信息行为模型以后,国外相继出现一些信息行为模型及理论,为用户行为的研究奠定了良好的基础。
第四章 信息检索模型
向量空间模型
➢ 向量空间模型（Vector Space Model，VSM） 是由G·Salton等人在1958年提出的
➢ 代表系统
SMART（ System for the Manipulation and Retrieval of Text）
➢ 这一系统理论框架到现在仍然是信息检索 技术研究的基础
D={d1, d2 , … , dm} 为了满足检索匹配所要求的快速与便利，文档di通常由
从文档中抽取的能够表达文档内容的特征项（如索引 项/检索词/关键词）来表示 设K={k1, k2 , … , kn} 为系统索引项集合 则di ={ωi1,ωi2 , … ,ωin} (ωij≥0) ωij→索引词kj在文档di中的重要性（权值weight）
相当于识别包含了一个某个特定term的文档
➢ 经过某种训练的用户可以容易地写出布尔查询 式
➢ 布尔模型可以通过扩展来包含排序的功能，即 “扩展的布尔模型”
布尔模型存在的问题
➢ 布尔模型被认为是功能最弱的方式，其主要问题在于不支 持部分匹配，而完全匹配会导致太多或者太少的结果文档 被返回 非常刚性: “与”意味着全部; “或”意味着任何一 个
模型中的问题
➢ 怎样确定文档中哪些词是重要的词？（索 引项）
➢ 怎样确定一个词在某个文档中或在整个文 档集中的重要程度？（权重）
➢ 怎样确定一个文档和一个查询式之间的相 似度？
索引项的选择
➢ 若干独立的词项被选作索引项(index keys) or 词表 vocabulary
➢ 索引项代表了一个应用中的重要词项 计算机科学图书馆中的索引项应该是哪些呢?
例如：文档的统计特性 ➢ 用户规定一个词项(key)集合，可以给每个词项附加权重
层次分析法概述
层次分析法一、层次分析法概述层次分析法（Analytic Hierarchy Process ）是美国运筹学家T. L. Saaty教授于20世纪70年代初期提出的一种简便、灵活而又实用的多方案或多目标的决策方法，它是一种定性和定量相结合的、系统化的、层次化的分析方法，是一种具有定性分析与定量分析相结合的决策方法，可将决策者对复杂对象的决策思维过程系统化、模型化、数量化。
其基本思想是通过分析复杂问题包含的各种因素及其相互关系，将问题所研究的全部元素按不同的层次进行分类，标出上一层与下层元素之间的联系，形成一个多层次结构。
在每一层次，均按某一准则对该层元素进行相对重要性判断，构造判断矩阵，并通过解矩阵特征值问题，确定元素的排序权重，最后再进一步计算出各层次元素对总目标的组合权重，为决策问题提供数量化的决策依据。
层次分析法特别适用于无结构问题的建模。
自1982年被介绍到我国以来，由于它在处理复杂的决策问题上的实用性和有效性，以及其系统灵活简洁的优点，迅速地在我国社会经济各个领域内，如能源系统分析、城市规划、经济管理、科研评价行为科学、军事指挥、运输、农业、教育、人才、医疗、环境保护、冲突求解及决策预报等领域得到了广泛的重视和应用。
二、层次分析法的基本思想基本思想层次分析法的采用先分解后综合的系统思想，整理、综合人们的主观判断，将所要分析的问题层次化，根据问题的性质和要达到的总目标，将问题分解成不同的组成因素，按照因素间的相互关系及隶属关系，将因素按不同层次聚集组合，形成一个多层分析结构模型，最终归结为最低层（方案、措施、指标等）、中间层（准则层）、最高层（总目标）。
把实际问题转化为分析同层因素间相对重要程度的权重值或相对优劣次序的问题，使定性分析与定量分析有机结合，实现定量化决策。
三、确定权重值的基本原理人们在进行社会、经济以及科学管理领域问题的系统分析中，面临的常常是一个相互关联、相互制约的众多因素构成的复杂而往往缺少定量数据的系统。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
情报检索系统用户相关性判断的层次分析模型王筠田丽（辽宁师范大学管理学院，大连，116029）摘要利用层次分析法对情报检索系统用户相关性进行判断，从而可对检索结果进行定量取舍，也可用于对不同的检索系统进行比较和评价。
关键词情报检索系统，用户相关性，层次分析法，检索系统评价Stratifical Analyse Model about Judge of End-userRelevance for Information Retrieval SystemWang Jun（School of Management，Liaoning Normal University，Dalian 116029）Abstract This paper use stratifical analyse method for the End-user relevance judgment of retrieval results of information retrieval system.It can select retrieval results and evaluate of ration retrieval system.Keywords Information retrieval system，End-user relevance，Stratifical analyse method，Evaluation of retrieval system.层次分析法是人们用来研究决策问题的一种常用方法。
它将定性的分析与定量的计算结合起来，并可将多种因素综合起来考虑，其结果简单明确，可信度高，是一种系统化、层次化的分析方法。
层次分析法的基本思路与人们对复杂决策问题的思维判断过程大体上一致，因而便于人们接受和掌握。
情报检索系统的主要任务是确定与用户情报需求相关的文献。
然而用户相关性受多种因素的影响，面对用户的某项检索提问所得的一系列检索结果，往往难以作出取舍。
层次分析法可将多种因素综合起来考虑，而且能把检索结果按其相关程度进行排序，便于用户的选用。
另外，随着因特网的不断发展和成熟，一些便于使用地检索系统相继出现，这些检索系统各有利弊。
为了扬长避短，最大限度地满足用户的需求，有必要对它们进行评价和研究。
层次分析法也可承担这项任务，在多种检索系统之间做出选择和判断。
1.层次分析法简介我们以假期旅游为例。
假如有P1，P2，P3三个旅游胜地供你选择。
你首先会确定决策的几个准则，诸如景色，费用，居住、饮食、旅途条件等。
然后根据选定的几个准则反复比较三个候选地点。
接下来你会确定这些准则在你心目中各占多大比重，并就每个准则对三个地点进行对比。
最后你要将这两个层次的比较判断进行综合，在P1，P2，P3中确定哪一个为最佳旅游地点。
上面的思维过程可加工整理成层次分析法的几个步骤：1.1建立层次结构模式确定决策问题的几个准则，并将决策问题分为若干个层次（一般为三层），最上层为目标层，最下层为方案层，中间层为准则层。
同一层的诸因素————————————作者简介：王筠，女，1958年生，副教授。
主要研究方向为文献计量学。
田丽，女，1971年生，硕士，讲师，主要研究方向为信息安全、文献计量学。
从属上一层的因素或对上一层因素有影响，同时又支配下一层的因素或受下一层因素的作用。
各层次之间的联系用相连的直线表示（如下图）目标层 准则层方案层图11.2构造成对比较矩阵依次分析较低层次因素对高层次因素的影响，分析结果用成对比较矩阵表示。
从层次结构模式的第二层开始，对从属上一层的每一个因素的同一层诸因素，用成对比较法构造成对比较矩阵，直到最下一层，具体做法如下：对准则层，每次取两个因素c i 和c j ，用a ij 表示c i 和c j 对目标层影响之比，全部比较结果可用成对比较矩阵 A=（a ij ）n ×n 表示。
其中ij a ＞0，ji a =ija 1，,1=ii a i ，j=1,2,…,n （1）满足上式特点的矩阵，称为正互反矩阵。
同样可得方案层对准则层的成对比较矩阵B k （k=1,2,…,m ）,其中的元素)(k ij b 是方案p i 与p j 对c k 的优越性比较尺度,m 为方案的个数。
1.3计算权向量并做一致性检验为了确定各因素在目标中所占的比重，我们对正互反矩阵如下讨论.若一个正互反矩阵A 满足a ij ×a jk =a ik i,j,k,=1,2,…，n （2） 则A 称为一致性矩阵，简称一致阵。
如果得到的成对比较矩阵是一致阵，则取对应于特征根λ的归一化的特征向量表示诸因素c 1,…,c n 对上一层因素的权重，这个向量称为权向量。
成对比较矩阵通常不是一致阵，我们只好确定这种不一致的容许范围，在容许范围内，计算各因素c 1,…,c n 对目标的权重。
定义1--=n nCI λ为一致性指标，CI =0时A 为一致阵，CI 越大A 的不一致程度越严重。
为了确定成对比较矩阵不一致程度的容许范围，有关专家给出（见文献[1]）随机一致性指标RI 的定义并把数值列表如下：表（1） RI 和n 的对应值表中n =1,2时RI =0，是因为1，2阶正互反矩阵总是一致的。
对于n ≥3的成对比较矩阵将它的一致性指标CI 与同阶的随机一致性指标RI 之比称为一致性比率CR ，即RICI CR =。
当CR ＜0.1时认为成对比较矩阵的不一致程度在容许范围内，否则须重新比较，对A 加以调整。
1.4计算组合权向量并做组合一致性检验这一步是计算其方案对目标的权向量，称为组合权向量。
记准则对目标的权向量为W （2），Tn w w W ),,()2()2(1)2( =，各方案对每一准则的权向量为),,2,1()3(n k W K =,),,()3()3()3(1T k k k mw w W = 对于方案P 1，它在各准则的权重用)3(K W 的第一个分量表示，而各准则对于目标的权重又用权向量W （2）表示 ，所以P 1在目标中的组合权重应为它们两两乘积之和。
同样可算出P 2，P 3，…，P m 在目标中的组合权重。
记这些权重组成的权向量为W （3），则W（3）即为组合权向量。
也就是说若以)3(KW为列向量构成矩阵N（3），N （3）=),,()3()3(1n w w ，则组合权向量为W （3）= N （3）W （2）（3）下面进行组合一致性检验，若第P 层的一致性指标为)()(1,,p n P CI CI （n 是第p-1层因素的数目），随机一次性指标为)()(1,,p n p RI RI ，定义[])1()()(1)(,,-=p p n p p W CI CI CI （4）[])1()()(1)(,,-=p p n p p W RI RI RI （5）则第P 层对第一层的组合一致性比率为)()()1()(p p p p RICI CRCR+=- P =3,4,…,s （6） 通过一致性检验的组合权向量可以作为最终决策的依据。
2.情报检索系统信息评价指标鉴于目前情报检索主要使用了网络信息查询手段，因而情报检索系统评价指标也应采用网络资源评价指标。
网络资源评价指标基本可沿用传统文献的评价指标，同时应考虑网上资源的特点，增设一些特定的标准，根据文献[2]，我们选取以下指标：（1）内容：准确性、权威性、客观性、可靠性、独特性、新颖性、针对性、范围面和写作水平等。
（2）设计：用户界面的友好程度、浏览和检索的难易、信息组织的科学性、页面设计的艺术性和适用性。
（3）运营：信息提供的保障性、可存取性、链接的可达性、设备使用的兼容性及费用的高低等。
决策指标可根据用户的需求设定，由于指标项数的多少不影响对该决策方法的介绍，我们不妨把决策指标确定为以上三大项。
3.建立用户相关性的层次分析模型设某检索系统用户的一项检索提问共输出三个检索结果P 1，P 2，P 3，要求用层次分析法选用其中的某个最优的检索结果。
并将三个检索结果按其相关性排序。
根据上面的讨论，我们分四个步骤进行。
3.1建立层次结构模式我们将问题分为三个层次，最上层为目标层，即选定检索结果；最下层为方案层，即输出的三个可供选择的检索结果；中间层为准则层，即网上资源评价的三个指标（1）内容，（2）设计，（3）运营。
其层次结构模式如图2图23.2构造成对比较矩阵例如根据用户的具体要求，得到准则层对目标层的成对比较矩阵⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=131413121421A又用同样方法得到第三层对第二层的成对比较矩阵为⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=1512151222111B⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=131********2B⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=14114131113B3.3计算权向量并做一致性检验分别用“和法”求A 与B i 的最大特征根和特征向量⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=11413121421A −−−−→−列向量归一化⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡125.0099.0143.0375.03.0286.05.0601.0571.0−−−→−按行求和⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡367.0961.0672.1−−→−归一化⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡122.032.0558.0=W （2）⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=369.0965.0686.1122.032.0558.0131413121421)2(AW021.3)122.0369.032.0965.0558.0686.1(31=++=λ在矩阵A 中由于343213=⨯a a ，而不是2（A中212=a ）即123213a a a ≠⨯，A 不是一致的，但我们可求得011.0133021.31)2(=--=--=n nCI λ 又从表（2）中查出RI （2）=0.58所以019.058.0011.0)2()2()2(===RI CI CR＜0.1符合一致性指标，我们可用其特征向量作为准则层对目标层的权重。
因此内容、设计、运营3个指标在选择检索结果这个目标中所占的比重分别为0.558，0.32，0.122。
由第三层的成对比较矩阵B k （k =1，2，3），计算出权向量)3(kW 、最大特征根λk及一致性指标CI k ，列表如下：表2 k k kCI W ,,)3(λ与k 的对应计算值不难算出这些比较矩阵的一致性比率k 均小于0.1，表明它们均符合一致性指标。
所以方案P 1对三个准则的权重为（0.277，0.429，0.192）；方案P 2对三个准则的权重为（0.595，0.429，0.633）；方案P 3对三个准则的权重为（0.129，0.142，0.175）。
3.4计算组合权向量并做组合一致性检验。
对方案P 1它在内容等三个准则中的权重为（0.277，0.429，0.192），而三个准则对目标的权重又用权向量W （2）表示，所以P 1在目标中的组合权重应为它们相应项的两两乘积之和，即0.277×0.558+0.429×0.32+0.192×0.122=0.315同理可求出方案P 2、P 3在目标中的组合权重为0.546和0.138。