CN110751355A - 一种科技成果评估方法和装置 - Google Patents

一种科技成果评估方法和装置 Download PDF

Info

Publication number
CN110751355A
CN110751355A CN201811489082.5A CN201811489082A CN110751355A CN 110751355 A CN110751355 A CN 110751355A CN 201811489082 A CN201811489082 A CN 201811489082A CN 110751355 A CN110751355 A CN 110751355A
Authority
CN
China
Prior art keywords
scientific research
evaluation
index system
scientific
evaluation index
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811489082.5A
Other languages
English (en)
Inventor
刘雪飞
赵丙军
孙轶良
安佳坤
唐帅
谢延涛
高立坡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Hebei Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Economic and Technological Research Institute of State Grid Hebei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201811489082.5A priority Critical patent/CN110751355A/zh
Publication of CN110751355A publication Critical patent/CN110751355A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Abstract

本发明公开了一种科技成果评估方法和装置。所述方法包括：收集科研成果历史信息，分析所述科研成果历史信息获得科研成果特征；根据所述科研成果特征构建科研成果自适应评价指标体系；对所述科研成果自适应评价指标体系进行量化，构建科研成果自适应评价指标体系模型；调整所述科研成果自适应评价指标体系模型中各项评价指标的权重；对不同科研成果历史信息同一指标的权重进行对比分析，根据权重设置与奖励特征、指标的属性的关系优化所述科研成果自适应评价指标体系模型；采用所述科研成果自适应评价指标体系模型对多个项目进行评估，获得评估结果。本发明能够为成果培育提供指导性和方向性建议。

Description

一种科技成果评估方法和装置
技术领域
本发明涉及管理学技术领域，特别是指一种科技成果评估方法和装置。
背景技术
在当今经济社会的发展中，科学技术创新及扩散将是主要的科学技术进步手段，是社会发展的核心动力。因此，不论是国家还是企业，都大力鼓励科学技术创新，强调科技评价和奖励，并开始关注科技成果培育过程管理。科技评估要求实时关注科技项目申报、执行实施、后评估等各个流程，同时进行科学、有效地评价，重点评估科技成果的发展潜力、发展趋势，如科技成果的核心科研团队、科研带头人、科技资源投入、发展能力等，还要充分评估科技成果的发展难度、技术风险、支撑风险等，进而发现具有潜力和优势的科技成果，使科研成果的奖励培育工作更加有的放矢，并逐步提高科技成果培育的质量。
目前在发达国家，科技评估已成为立法保障、制度化的经常性工作，评价范围广，相关政策和管理方法相对成熟、完善。相比较而言，国内不论是在学界还是业界对科技成果评估也开展了一系列的研究与实际应用，试图从实务和应用的角度出发，运用各种方法满足科研项目执行情况、验收评估、产业化成果评估、成果转化评估等方面的需求，但尚处于起步阶段。科技成果评价的主要内容包括技术创新程度，技术指标先进程度，技术难度和复杂程度，成果的重现性和成熟程度，成果应用价值与效果，取得的经济效益与社会效益，进一步推广的条件和前景，存在的问题及改进意见等。由于涉及因素多、技术要求高、政策性强等局限，科技成果评估可以视为一个复杂系统，目前尚未形成比较成熟、完善的科技成果评价模型库。
发明内容
有鉴于此，本发明实施例的目的在于提出一种科技成果评估方法和装置，实现科研成果的评估。
基于上述目的本发明实施例提供的一种科技成果评估方法，包括：
收集科研成果历史信息，分析所述科研成果历史信息获得科研成果特征；
根据所述科研成果特征构建科研成果自适应评价指标体系；
对所述科研成果自适应评价指标体系进行量化，构建科研成果自适应评价指标体系模型；
调整所述科研成果自适应评价指标体系模型中各项评价指标的权重；
对不同科研成果历史信息同一指标的权重进行对比分析，根据权重设置与奖励特征、指标的属性的关系优化所述科研成果自适应评价指标体系模型；
采用所述科研成果自适应评价指标体系模型对多个项目进行评估，获得评估结果。
可选的，所述分析所述科研成果历史信息获得科研成果特征包括：
分析各类奖励的差异性，明确奖项的整体轮廓特征，约束指标体系的构建方向；
研究奖励组别划分过程中所包含的具体学科和学术性特征，研究与每种学科相关的指标体系，参考与学科有关的评价工作对科技奖的特征进行提取；
参考科技奖专家评审结果的历史结果，对获奖项目和落选项目挖掘关键信息，对比同类型信息之间的差异性，探索获奖项目的获奖原因。
可选的，所述根据所述科研成果特征构建科研成果自适应评价指标体系包括：
采用层次分析法判断评价项目是否达到设定的入门指标；
采用数据包络方法通过对投入和产出比率的综合分析，以各个投入和产出指标的权重为变量进行评价运算，确定有效生产前沿面，通过各项目与有效生产前沿面的距离状况判断各项目之间的优劣；
采用理想点法对历史数据进行分析，通过检测评价对象与最优解、最劣解的距离进行排序。
可选的，所述对所述科研成果自适应评价指标体系进行量化包括：采用数据挖掘方法对评价项目中的数据和相关资料数据进行分析，通过聚类处理和关联规则分析等无监督学习手段深度挖掘数据之间的特征和规律，分析项目关键词之间的语义相关关系。
可选的，所述调整所述科研成果自适应评价指标体系模型中各项评价指标的权重包括：运用逆向耦合算法调整各指标权重实现与评奖导向的拟合，确定每种奖励各自的指标权重。
本发明实施例还提供一种科技成果评估装置，包括：
分析模块，用于收集科研成果历史信息，分析所述科研成果历史信息获得科研成果特征；
构建模块，用于根据所述科研成果特征构建科研成果自适应评价指标体系；
量化模块，用于对所述科研成果自适应评价指标体系进行量化，构建科研成果自适应评价指标体系模型；
调整模块，用于调整所述科研成果自适应评价指标体系模型中各项评价指标的权重；
优化模块，用于对不同科研成果历史信息同一指标的权重进行对比分析，根据权重设置与奖励特征、指标的属性的关系优化所述科研成果自适应评价指标体系模型；
评估模块，用于采用所述科研成果自适应评价指标体系模型对多个项目进行评估，获得评估结果。
可选的，所述分析模块还用于实现：
分析各类奖励的差异性，明确奖项的整体轮廓特征，约束指标体系的构建方向；
研究奖励组别划分过程中所包含的具体学科和学术性特征，研究与每种学科相关的指标体系，参考与学科有关的评价工作对科技奖的特征进行提取；
参考科技奖专家评审结果的历史结果，对获奖项目和落选项目挖掘关键信息，对比同类型信息之间的差异性，探索获奖项目的获奖原因。
可选的，所述构建模块还用于实现：
采用层次分析法判断评价项目是否达到设定的入门指标；
采用数据包络方法通过对投入和产出比率的综合分析，以各个投入和产出指标的权重为变量进行评价运算，确定有效生产前沿面，通过各项目与有效生产前沿面的距离状况判断各项目之间的优劣；
采用理想点法对历史数据进行分析，通过检测评价对象与最优解、最劣解的距离进行排序。
可选的，所述量化模块还用于实现：采用数据挖掘方法对评价项目中的数据和相关资料数据进行分析，通过聚类处理和关联规则分析等无监督学习手段深度挖掘数据之间的特征和规律，分析项目关键词之间的语义相关关系。
可选的，所述调整模块还用于实现：运用逆向耦合算法调整各指标权重实现与评奖导向的拟合，确定每种奖励各自的指标权重。
从上面所述可以看出，本发明实施例提供的一种科技成果评估方法和装置，针对不同奖励科技成果评价体系特征，科技成果评价核心算法集，研究科技成果培育过程中的数据挖掘模型，为成果培育提供指导性和方向性建议。
附图说明
图1为本发明实施例一种科技成果评估方法的流程图；
图2为本发明实施例一种科技成果评估装置的结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。
图1为本发明实施例一种科技成果评估方法的流程图。
本发明实施例提供一种科技成果评估方法，包括：
一种科技成果评估方法，其特征在于，包括：
步骤101，收集科研成果历史信息，分析所述科研成果历史信息获得科研成果特征。
步骤102，根据所述科研成果特征构建科研成果自适应评价指标体系。
步骤103，对所述科研成果自适应评价指标体系进行量化，构建科研成果自适应评价指标体系模型。
步骤104，调整所述科研成果自适应评价指标体系模型中各项评价指标的权重。
步骤105，对不同科研成果历史信息同一指标的权重进行对比分析，根据权重设置与奖励特征、指标的属性的关系优化所述科研成果自适应评价指标体系模型。
步骤106，采用所述科研成果自适应评价指标体系模型对多个项目进行评估，获得评估结果。
可选的，采用基于D-S证据理论的评估方法进行评估。证据理论讨论一个识别框架Θ，它是关于命题的相互独立的可能答案或假设的一个有限集合。按传统方法可以把Θ的幂集表示为2Θ，表示Θ所有子集的集合，证据理论对这个识别框架Θ进行运算，并提供计算Θ中所有幂集元素的逻辑，然后使用这些计算结果完成对命题的高和低的不确定性表示。证据理论的核心内容是Dempster的证据合成规则。如果各条证据的来源是相互独立的，那么可以用以下方式合成信息
Figure BDA0001895252090000051
其中，
Figure BDA0001895252090000052
代表合成算子。当有两个相互独立的mass函数(m1,m2)的情况下，Dempster合成规则为
Figure BDA0001895252090000053
其中，K成为不一致因子，用来反映融合过程中各证据间冲突的程度，0≤K≤1，K越大，证据间冲突越激烈，矛盾越明显；而1/(1-K)是修正因子(组合规则的归一化系数)，Dempster对它的引入完善了识别框架Θ的理论，是为了避免证据组合时将非零的概率赋给空集，把空集所丢弃的信度分配按比例地补到非空集上。
在本发明的另一些实施例中，所述分析所述科研成果历史信息获得科研成果特征包括：
步骤201，分析各类奖励的差异性，明确奖项的整体轮廓特征，约束指标体系的构建方向。
步骤202，研究奖励组别划分过程中所包含的具体学科和学术性特征，研究与每种学科相关的指标体系，参考与学科有关的评价工作对科技奖的特征进行提取。
步骤203，参考科技奖专家评审结果的历史结果，对获奖项目和落选项目挖掘关键信息，对比同类型信息之间的差异性，探索获奖项目的获奖原因。
可选的，所述根据所述科研成果特征构建科研成果自适应评价指标体系包括：
步骤301，采用层次分析法判断评价项目是否达到设定的入门指标。
可选的，AHP解决问题的思路是，首先把要解决的问题分层次系列化，将问题分解为不同的组成因素，按照因素之间的相互影响和隶属关系将其分层聚类组合，形成一个阶梯有序的层次结构模型。然后，对模型中每一层次因素的相对重要性，依据人们对客观现实的判断给予定量表示，再利用数学方法确定每一层次全部因素相对重要性次序的权值。最后，通过综合计算各层因素相对重要性的权值，得到最低层(方案层)相当于最高层(总目标)的重要性次序的组合权值，以此作为评价和选择方案的依据。
第一步：首先要将评价目标分组，每一组作为一个层次，把目标条理化、层次化，构造层次分析的结构模型。
第二步：构造判断矩阵。根据人们对每一层次各因素的相对重要性给出的判断，并用数值表示出来，写成矩阵形式就是判断矩阵。
第三步：层次单排序。根据判断矩阵计算对于上一层某因素而言本层次与之有联系的因素的重要性次序的权值。
第四步：层次总排序。利用同一层次中所有层次单排序的结果，就可以计算针对上一层次而言本层次所有因素重要性的权值。层次总排序需要从上到下逐层顺序进行。
第五步：一致性检验。为评价层次总排序的计算结果的一致性如何，需要计算与单排序类似的检验量。由高层向下，逐层进行检验。
步骤302，采用数据包络方法通过对投入和产出比率的综合分析，以各个投入和产出指标的权重为变量进行评价运算，确定有效生产前沿面，通过各项目与有效生产前沿面的距离状况判断各项目之间的优劣。
可选的，DEA方法是以相对效率概念为基础，用于评价有相同类型的多投入、多产出的决策单元是否有效的一种非参数统计方法。其基本思路是把每个被评价单位作为一个决策单DMU，再由众多DMU构成被评群体，通过对投入和产出比率的综合分析，以DMU的各个投入和产出指标的权重为变量进行评价运算，确定有效生产前沿面，并根据各DMU与有效生产前沿面的距离状况，确定各DMU是否DEA有效，同时还可用投影方法指出非DEA有效或弱DEA有效的原因及改进方向和程度。
DEA方法的基本模型包括：假设有n个待评价的决策单元，使用m种投入要素，生产s种产出。对每一个决策单元DMUj都有相应的效率评价指数：
Figure BDA0001895252090000071
其中，Xij——DMUj对第i种类型输入的投入量，Xij>0。
Yij——DMUj对第r种类型输出的产出总量，Yij>0。
Vi——对第i种类型输入的一种度量，权系数。
Ur——对第r种类型输出的一种度量，权系数。
我们总可以适当的取权系数V和U，使得hj≤1,j＝1,…，n。以第j0个决策单元的效率指数为目标，以所有决策单元的效率指数为约束，就构造了如下的CCR模型：
Figure BDA0001895252090000072
使用Charnes－Cooper变化，进一步引入松弛变量s+和剩余变量s-，将上面的不等式约束变为等式约束，可得：
Figure BDA0001895252090000073
在以上CCR模型中，引入Σλj＝1，构建BCC模型，可将创新效率分解为纯技术效率和规模效率，即创新效率＝纯技术效率*规模效率。1)当θ*＝1，且
Figure BDA0001895252090000074
Figure BDA0001895252090000075
则决策单元j0为DEA有效，决策单元的经济活动同时为技术有效和规模有效。2)θ*＝1，但至少某个输入或者输出大于0，则决策单元j0为弱DEA有效，决策单元的经济活动不是同时为技术效率最佳和规模最佳。3)θ*<1，决策单元j0非DEA有效，经济活动既不是技术效率最佳，也不是规模最佳。
当决策单元为非DEA有效的时候，可以采用投影分析的方法，构建一个新的决策单元，使其DEA有效。通过构建
Figure BDA0001895252090000081
是原值(xij0，yrj0)在前沿面的投影，是DEA有效的。
步骤303，采用理想点法对历史数据进行分析，通过检测评价对象与最优解、最劣解的距离进行排序。
可选的，理想点法TOPSIS是一种多目标决策方法，其基本思路是定义决策问题的理想解和负理想解，然后在可行方案中找到一个方案，使其距理想解的距离最近，而距负理想解的距离最远。理想解一般是设想最好的方案，它所对应的各个属性至少达到各个方案中的最好值；负理想解是假定最坏的方案，其对应的各个属性至少不优于各个方案中的最劣值。方案排队的决策规则，是把实际可行解和理想解与负理想解作比较，若某个可行解最靠近理想解，同时又最远离负理想解，则此解是方案集的满意解。
TOPSIS法的计算步骤如下：
第一步：设某一决策问题，其决策矩阵为A，由A可以构成规范化的决策矩阵Z′，其元素为Z′ij，且有
Figure BDA0001895252090000082
式中，fij由决策矩阵A给出。
第二步：构造规范化的加权决策矩阵Z，其元素Zij
Zij＝Wj Z′ij
Wj为第j个目标的权。
第三步：确定理想解和负理想解。决策矩阵Z中元素Zij值越大表示方案越好，则
Figure BDA0001895252090000083
Figure BDA0001895252090000084
第四步：按距离测度公式计算每个方案到理想点的距离和到负理想点的距离。一般用欧几里得范数作为距离的测度，则从任意可行解Zi到Z+的距离为：
Figure BDA0001895252090000091
式中，Zij为第j个目标对第i个方案(解)的规范化加权值。
同理，设为问题的规范化加权目标的负理想解，则任意可行解Zi到负理想解Z-之间的距离为：
Figure BDA0001895252090000093
第五步：计算可行解对于理想解的相对接近度，并按其大小排序，找出满意解。
Figure BDA0001895252090000094
若Zi是理想解，则相应的Ci＝1；若Zi是负理想解，则相应的Ci＝0。Zi愈靠近理想解，Ci愈接近于1；反之，Ci愈接近于0。通过对Ci进行排序，以求出满意解。
可选的，所述对所述科研成果自适应评价指标体系进行量化包括：采用数据挖掘方法对评价项目中的数据和相关资料数据进行分析，通过聚类处理和关联规则分析等无监督学习手段深度挖掘数据之间的特征和规律，分析项目关键词之间的语义相关关系。
可选的，所述调整所述科研成果自适应评价指标体系模型中各项评价指标的权重包括：运用逆向耦合算法调整各指标权重实现与评奖导向的拟合，确定每种奖励各自的指标权重。
本发明实施例还提供一种科技成果评估装置，包括：
分析模块11，用于收集科研成果历史信息，分析所述科研成果历史信息获得科研成果特征。
构建模块12，用于根据所述科研成果特征构建科研成果自适应评价指标体系。
量化模块13，用于对所述科研成果自适应评价指标体系进行量化，构建科研成果自适应评价指标体系模型。
调整模块14，用于调整所述科研成果自适应评价指标体系模型中各项评价指标的权重。
优化模块15，用于对不同科研成果历史信息同一指标的权重进行对比分析，根据权重设置与奖励特征、指标的属性的关系优化所述科研成果自适应评价指标体系模型。
评估模块16，用于采用所述科研成果自适应评价指标体系模型对多个项目进行评估，获得评估结果。
可选的，所述分析模块11还用于实现：
分析各类奖励的差异性，明确奖项的整体轮廓特征，约束指标体系的构建方向；
研究奖励组别划分过程中所包含的具体学科和学术性特征，研究与每种学科相关的指标体系，参考与学科有关的评价工作对科技奖的特征进行提取；
参考科技奖专家评审结果的历史结果，对获奖项目和落选项目挖掘关键信息，对比同类型信息之间的差异性，探索获奖项目的获奖原因。
可选的，所述构建模块12还用于实现：
采用层次分析法判断评价项目是否达到设定的入门指标；
采用数据包络方法通过对投入和产出比率的综合分析，以各个投入和产出指标的权重为变量进行评价运算，确定有效生产前沿面，通过各项目与有效生产前沿面的距离状况判断各项目之间的优劣；
采用理想点法对历史数据进行分析，通过检测评价对象与最优解、最劣解的距离进行排序。
可选的，所述量化模块13还用于实现：采用数据挖掘方法对评价项目中的数据和相关资料数据进行分析，通过聚类处理和关联规则分析等无监督学习手段深度挖掘数据之间的特征和规律，分析项目关键词之间的语义相关关系。
可选的，所述调整模块14还用于实现：运用逆向耦合算法调整各指标权重实现与评奖导向的拟合，确定每种奖励各自的指标权重。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种科技成果评估方法，其特征在于，包括：
收集科研成果历史信息，分析所述科研成果历史信息获得科研成果特征；
根据所述科研成果特征构建科研成果自适应评价指标体系；
对所述科研成果自适应评价指标体系进行量化，构建科研成果自适应评价指标体系模型；
调整所述科研成果自适应评价指标体系模型中各项评价指标的权重；
对不同科研成果历史信息同一指标的权重进行对比分析，根据权重设置与奖励特征、指标的属性的关系优化所述科研成果自适应评价指标体系模型；
采用所述科研成果自适应评价指标体系模型对多个项目进行评估，获得评估结果。
2.根据权利要求1所述的方法，其特征在于，所述分析所述科研成果历史信息获得科研成果特征包括：
分析各类奖励的差异性，明确奖项的整体轮廓特征，约束指标体系的构建方向；
研究奖励组别划分过程中所包含的具体学科和学术性特征，研究与每种学科相关的指标体系，参考与学科有关的评价工作对科技奖的特征进行提取；
参考科技奖专家评审结果的历史结果，对获奖项目和落选项目挖掘关键信息，对比同类型信息之间的差异性，探索获奖项目的获奖原因。
3.根据权利要求1所述的方法，其特征在于，所述根据所述科研成果特征构建科研成果自适应评价指标体系包括：
采用层次分析法判断评价项目是否达到设定的入门指标；
采用数据包络方法通过对投入和产出比率的综合分析，以各个投入和产出指标的权重为变量进行评价运算，确定有效生产前沿面，通过各项目与有效生产前沿面的距离状况判断各项目之间的优劣；
采用理想点法对历史数据进行分析，通过检测评价对象与最优解、最劣解的距离进行排序。
4.根据权利要求1所述的方法，其特征在于，所述对所述科研成果自适应评价指标体系进行量化包括：采用数据挖掘方法对评价项目中的数据和相关资料数据进行分析，通过聚类处理和关联规则分析等无监督学习手段深度挖掘数据之间的特征和规律，分析项目关键词之间的语义相关关系。
5.根据权利要求1所述的方法，其特征在于，所述调整所述科研成果自适应评价指标体系模型中各项评价指标的权重包括：运用逆向耦合算法调整各指标权重实现与评奖导向的拟合，确定每种奖励各自的指标权重。
6.一种科技成果评估装置，其特征在于，包括：
分析模块，用于收集科研成果历史信息，分析所述科研成果历史信息获得科研成果特征；
构建模块，用于根据所述科研成果特征构建科研成果自适应评价指标体系；
量化模块，用于对所述科研成果自适应评价指标体系进行量化，构建科研成果自适应评价指标体系模型；
调整模块，用于调整所述科研成果自适应评价指标体系模型中各项评价指标的权重；
优化模块，用于对不同科研成果历史信息同一指标的权重进行对比分析，根据权重设置与奖励特征、指标的属性的关系优化所述科研成果自适应评价指标体系模型；
评估模块，用于采用所述科研成果自适应评价指标体系模型对多个项目进行评估，获得评估结果。
7.根据权利要求6所述的方法，其特征在于，所述分析模块还用于实现：
分析各类奖励的差异性，明确奖项的整体轮廓特征，约束指标体系的构建方向；
研究奖励组别划分过程中所包含的具体学科和学术性特征，研究与每种学科相关的指标体系，参考与学科有关的评价工作对科技奖的特征进行提取；
参考科技奖专家评审结果的历史结果，对获奖项目和落选项目挖掘关键信息，对比同类型信息之间的差异性，探索获奖项目的获奖原因。
8.根据权利要求6所述的方法，其特征在于，所述构建模块还用于实现：
采用层次分析法判断评价项目是否达到设定的入门指标；
采用数据包络方法通过对投入和产出比率的综合分析，以各个投入和产出指标的权重为变量进行评价运算，确定有效生产前沿面，通过各项目与有效生产前沿面的距离状况判断各项目之间的优劣；
采用理想点法对历史数据进行分析，通过检测评价对象与最优解、最劣解的距离进行排序。
9.根据权利要求6所述的方法，其特征在于，所述量化模块还用于实现：采用数据挖掘方法对评价项目中的数据和相关资料数据进行分析，通过聚类处理和关联规则分析等无监督学习手段深度挖掘数据之间的特征和规律，分析项目关键词之间的语义相关关系。
10.根据权利要求6所述的，其特征在于，所述调整模块还用于实现：运用逆向耦合算法调整各指标权重实现与评奖导向的拟合，确定每种奖励各自的指标权重。
CN201811489082.5A 2018-12-06 2018-12-06 一种科技成果评估方法和装置 Pending CN110751355A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811489082.5A CN110751355A (zh) 2018-12-06 2018-12-06 一种科技成果评估方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811489082.5A CN110751355A (zh) 2018-12-06 2018-12-06 一种科技成果评估方法和装置

Publications (1)

Publication Number Publication Date
CN110751355A true CN110751355A (zh) 2020-02-04

Family

ID=69275612

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811489082.5A Pending CN110751355A (zh) 2018-12-06 2018-12-06 一种科技成果评估方法和装置

Country Status (1)

Country Link
CN (1) CN110751355A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111563647A (zh) * 2020-03-26 2020-08-21 国网福建省电力有限公司信息通信分公司 基于关联规则和dea的电力信息系统检测方法及系统
CN111815125A (zh) * 2020-06-18 2020-10-23 国网上海市电力公司 基于技术图谱的创新实体科技评价体系优化方法及装置
CN113469565A (zh) * 2021-07-21 2021-10-01 中国人民解放军国防科技大学 能力不可代偿机制下多功能装备方案选择方法及相关设备
CN114926012A (zh) * 2022-05-16 2022-08-19 广东省技术经济研究发展中心 一种研发项目智慧验收评审方法、系统及可读存储介质
WO2023130774A1 (zh) * 2022-01-07 2023-07-13 华中科技大学同济医学院附属协和医院 一种基于学科发展的科研能力评估用数据采集系统
CN116881870A (zh) * 2023-09-05 2023-10-13 齐鲁工业大学(山东省科学院) 一种基于科研成果分析的数据溯源方法和系统
CN117057667A (zh) * 2023-09-08 2023-11-14 湖北鸿锟科技服务有限公司 一种基于物联网的科技成果统计分析管理系统

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111563647A (zh) * 2020-03-26 2020-08-21 国网福建省电力有限公司信息通信分公司 基于关联规则和dea的电力信息系统检测方法及系统
CN111815125A (zh) * 2020-06-18 2020-10-23 国网上海市电力公司 基于技术图谱的创新实体科技评价体系优化方法及装置
CN113469565A (zh) * 2021-07-21 2021-10-01 中国人民解放军国防科技大学 能力不可代偿机制下多功能装备方案选择方法及相关设备
CN113469565B (zh) * 2021-07-21 2023-08-22 中国人民解放军国防科技大学 能力不可代偿机制下多功能装备方案选择方法及相关设备
WO2023130774A1 (zh) * 2022-01-07 2023-07-13 华中科技大学同济医学院附属协和医院 一种基于学科发展的科研能力评估用数据采集系统
CN114926012A (zh) * 2022-05-16 2022-08-19 广东省技术经济研究发展中心 一种研发项目智慧验收评审方法、系统及可读存储介质
CN116881870A (zh) * 2023-09-05 2023-10-13 齐鲁工业大学(山东省科学院) 一种基于科研成果分析的数据溯源方法和系统
CN116881870B (zh) * 2023-09-05 2024-02-27 齐鲁工业大学(山东省科学院) 一种基于科研成果分析的数据溯源方法和系统
CN117057667A (zh) * 2023-09-08 2023-11-14 湖北鸿锟科技服务有限公司 一种基于物联网的科技成果统计分析管理系统
CN117057667B (zh) * 2023-09-08 2024-01-26 湖北鸿锟科技服务有限公司 一种基于物联网的科技成果统计分析管理系统

Similar Documents

Publication Publication Date Title
Hendiani et al. A multi-stage multi-criteria hierarchical decision-making approach for sustainable supplier selection
CN110751355A (zh) 一种科技成果评估方法和装置
Xu et al. A discrete consensus support model for multiple attribute group decision making
Fülöp Introduction to decision making methods
Srdjevic et al. Synthesis of individual best local priority vectors in AHP-group decision making
Deng et al. Simulation-based evaluation of defuzzification-based approaches to fuzzy multiattribute decision making
CN110674850A (zh) 一种基于注意力机制的图像描述生成方法
Piao et al. Housing price prediction based on CNN
Lin et al. Evaluation of startup companies using multicriteria decision making based on hesitant fuzzy linguistic information envelopment analysis models
CN108898476A (zh) 一种贷款客户信用评分方法和装置
Sohrabinejad et al. Risk determination, prioritization, and classifying in construction project case study: gharb tehran commercial-administrative complex
CN106845777A (zh) 案件工作量评价方法、法官业绩评价方法、建模方法、计算装置和计算机可读存储介质
CN112668822B (zh) 科技成果转化平台共享系统、方法、存储介质、手机app
Cao et al. Early warning of enterprise decline in a life cycle using neural networks and rough set theory
CN116384551A (zh) 一种基于知识图谱的上市企业违法风险预测方法
Reig-Mullor et al. Evaluating ESG corporate performance using a new neutrosophic AHP-TOPSIS based approach
Zhang et al. A novel normal wiggly hesitant fuzzy multi-criteria group decision making method and its application to electric vehicle charging station location
Ren et al. Multi-criteria group decision-making based on quasi-order for dual hesitant fuzzy sets and professional degrees of decision makers
CN110310012B (zh) 数据分析方法、装置、设备及计算机可读存储介质
CN115221387A (zh) 一种基于深度神经网络的企业信息整合方法
de Moraes et al. Application of deterministic, stochastic, and hybrid methods for cloud provider selection
CN115310752A (zh) 面向能源大数据的数据资产价值评价方法及系统
Wang et al. E-commerce credit risk assessment based on fuzzy neural network
Yang et al. A q-rung orthopair fuzzy non-cooperative game method for competitive strategy group decision-making problems based on a hybrid dynamic experts’ weight determining model
CN113011788B (zh) 一种海上交通事故应急决策方法、终端设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200204

WD01 Invention patent application deemed withdrawn after publication