CN109102164A - 平台评估方法、装置、计算机设备和存储介质 - Google Patents
平台评估方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109102164A CN109102164A CN201810801268.3A CN201810801268A CN109102164A CN 109102164 A CN109102164 A CN 109102164A CN 201810801268 A CN201810801268 A CN 201810801268A CN 109102164 A CN109102164 A CN 109102164A
- Authority
- CN
- China
- Prior art keywords
- platform
- index
- evaluation
- goal
- data
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 237
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000004590 computer program Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 13
- 230000008901 benefit Effects 0.000 description 11
- 241001269238 Data Species 0.000 description 9
- 238000011161 development Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 210000003811 finger Anatomy 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 210000004932 little finger Anatomy 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及平台评估方法、装置、计算机设备和存储介质,属于数据处理技术领域。所述方法包括:获取平台的多个候选评估指标;根据所述多个候选评估指标与预设评估方向的对应关系,确定包含有候选评估指标的评估指标集合;确定所述评估指标集合对应的平台数据,作为集合数据;获取所述评估指标集合对应的目标评估指标;所述目标评估指标通过所述集合数据聚类得到;根据所述目标评估指标对所述平台进行评估。上述技术方案,解决了对平台的评估不够准确的问题。能准确地对平台进行评估。
Description
技术领域
本发明涉及数据处理技术领域,特别是涉及平台评估方法、装置、计算机设备和存储介质。
背景技术
为了深入贯彻创新驱动发展战略、抢占科技创新制高点,包括实验室在内的平台体系的建设已经成为各个领域、各个区域的突破口。目前,平台体系建设已面向社会大众、实验专业人员、平台建设依托单位(高校、企业、科研院所等)以及相关政府管理部门,同时在各行业领域均有相关布局。在实现本发明过程中,发明人发现现有技术中至少存在如下问题:现阶段对平台评估,一般是对平台进行调查,由专家对调查数据进行评分,通过专家评分来评估平台的发展状况、所属类别等,但专家评分较为主观,导致对平台的评估不够准确。
发明内容
基于此,本发明提供了平台评估方法、装置、计算机设备和存储介质,能准确地对平台进行评估。
本发明实施例的内容如下:
一种平台评估方法,包括以下步骤:获取平台的多个候选评估指标;根据所述多个候选评估指标与预设评估方向的对应关系,确定包含有候选评估指标的评估指标集合;确定所述评估指标集合对应的平台数据,作为集合数据;获取所述评估指标集合对应的目标评估指标;所述目标评估指标通过所述集合数据聚类得到;根据所述目标评估指标对所述平台进行评估。
在其中一个实施例中,所述确定包含有候选评估指标的评估指标集合的步骤,包括:确定与预设评估方向对应的候选评估指标;将所述对应的候选评估指标进行整合,得到与所述预设评估方向对应的评估指标集合;所述获取所述评估指标集合对应的目标评估指标的步骤,包括:从所述集合数据中选择一个平台数据作为初始聚类中心;根据所述初始聚类中心对所述集合数据进行聚类分析,根据聚类分析的结果得到所述评估指标集合对应的目标评估指标。
在其中一个实施例中,所述根据所述目标评估指标对所述平台进行评估的步骤,包括:将所述目标评估指标输入预先建立的分类模型中,根据分类模型的输出确定所述平台的所属类别。
在其中一个实施例中,所述分类模型包括多个分类子模型;所述将所述目标评估指标输入预先建立的分类模型中的步骤,包括:将目标评估指标输入对应的分类子模型中;所述分类子模型为监督学习模型;根据所述分类子模型的输出以及预先确定的分类子模型的权重确定所述分类模型的输出。
在其中一个实施例中,所述根据所述目标评估指标对所述平台进行评估的步骤,还包括:根据所述目标评估指标绘制所述平台的雷达图,根据所述雷达图对所述平台进行评估。
在其中一个实施例中,所述根据所述目标评估指标对所述平台进行评估的步骤,还包括:根据所述目标评估指标对多个平台进行排序,根据排序结果对所述多个平台进行评估。
在其中一个实施例中,所述获取平台的多个候选评估指标的步骤,包括:获取多个初始评估指标,对所述多个初始评估指标对应的平台数据进行数据清洗和/或缺失值处理,并剔除所述多个初始评估指标中无效的初始评估指标,得到平台的所述多个候选评估指标。
在其中一个实施例中,所述剔除所述平台数据中无效的候选评估指标的步骤,包括:根据经过数据清洗和/或缺失值处理的平台数据计算所述多个候选评估指标的熵值,去除熵值满足预设条件的候选评估指标。
相应的,本发明实施例提供一种平台评估装置,包括:候选指标获取模块,用于获取平台的多个候选评估指标;指标集合确定模块,用于根据所述多个候选评估指标与预设评估方向的对应关系,确定包含有候选评估指标的评估指标集合;目标指标确定模块,用于确定所述评估指标集合对应的平台数据,作为集合数据;获取所述评估指标集合对应的目标评估指标;所述目标评估指标通过所述集合数据聚类得到;以及,平台评估模块,用于根据所述目标评估指标对所述平台进行评估。
上述平台评估方法及装置,将多个候选评估指标整合为评估指标集合,并确定评估指标集合的集合数据,对集合数据进行聚类得到目标评估指标。实现了对目标评估指标的选择,该目标评估指标能全面地表征对应平台的特征。因此,根据目标评估指标来评估平台能得到准确的平台评估结果。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:获取平台的多个候选评估指标;根据所述多个候选评估指标与预设评估方向的对应关系,确定包含有候选评估指标的评估指标集合;确定所述评估指标集合对应的平台数据,作为集合数据;获取所述评估指标集合对应的目标评估指标;所述目标评估指标通过所述集合数据聚类得到;根据所述目标评估指标对所述平台进行评估。
上述计算机设备,实现了对目标评估指标的选择,该目标评估指标能全面地表征对应平台的特征。因此,根据目标评估指标来评估平台能得到准确的平台评估结果。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:获取平台的多个候选评估指标;根据所述多个候选评估指标与预设评估方向的对应关系,确定包含有候选评估指标的评估指标集合;确定所述评估指标集合对应的平台数据,作为集合数据;获取所述评估指标集合对应的目标评估指标;所述目标评估指标通过所述集合数据聚类得到;根据所述目标评估指标对所述平台进行评估。
上述计算机可读存储介质,实现了对目标评估指标的选择,该目标评估指标能全面地表征对应平台的特征。因此,根据目标评估指标来评估平台能得到准确的平台评估结果。
附图说明
图1为一个实施例中平台评估方法的应用环境图;
图2为一个实施例中平台评估方法的流程示意图;
图3为另一个实施例中平台评估方法的流程示意图;
图4为一个实施例中平台雷达图的结构示意图;
图5为一个实施例中平台得分排名的结构示意图;
图6为再一个实施例中平台评估方法的流程示意图;
图7为一个实施例中平台评估装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请提供的平台评估方法可以应用于如图1所示的计算机设备中。该计算机设备可以是服务器,其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储候选评估指标、平台数据等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时实现一种平台评估方法。
本领域技术人员可以理解,图1中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本发明实施例提供一种平台评估方法、装置、计算机设备和存储介质。以下分别进行详细说明。
在一个实施例中,如图2所示,提供了一种平台评估方法,包括以下步骤:
S201、获取平台的多个候选评估指标。
平台在发展过程中在多个评估指标中都会生成数据,因此本步骤获取平台的多个候选评估指标。当然,所获取的信息中也可以包括这些候选评估指标对应的平台数据。
其中,平台可以指科研平台(如:实验室、教研室等)、网络平台等。同时,平台可以为一个,也可以为多个,本发明实施例对平台的数量不做限制。
候选评估指标指的是能对平台起到评价作用的指标,这些候选评估指标中有些对平台的评估较为重要,有些则对平台的评估影响不大。另外,候选评估指标可以对应有小指标,例如,若候选评估指标为科研项目,则其对应可以有973计划项目、863计划项目、国家科技支撑计划项目、国家科技重大专项、国家级其他项目等小指标。在对候选评估指标进行处理的过程中,小指标可以跟随对应的候选评估指标,例如,当删除某一候选评估指标时,也将对应的小指标删除。
进一步地,以平台为科研平台为例,科研平台的候选评估指标可以包括以下内容(以下内容对候选评估指标进行了初步分类):
表1候选评估指标列表
其中,平台数据指的是这些候选评估指标对应的数据,是这些平台数据是平台在某一个指标上的某一个具体的数值。获取平台数据可以是从平台成立以来的多年平台过程管理数据(可以参见上表1)中查找,也可以是从某一年份的平台过程管理数据中查找。当平台数据为某一年份的数据时,可以评估平台当年的发展情况;当平台数据为多年时,可以评估平台多年内的发展情况。
S202、根据所述多个候选评估指标与预设评估方向的对应关系,确定包含有候选评估指标的评估指标集合。
在本步骤中,由于候选评估指标的数量可能较多,为便于分析,将这些候选评估指标归类到与之相近或相关的预设评估方向中,得到对应的评估指标集合。该评估指标集合的数量往往比候选评估指标的数量少,当然,评估指标集合的数量也可以多于或等于比候选评估指标。
其中,预设评估方向指的是对平台进行评估的若干个大。以平台为科研平台为例,根据实际工作中遇到的问题,通过对现阶段科研平台数据的调查和总结归纳,发现科研平台的平台数据往往具有六大方向:人才队伍、项目数量、奖项数量、知识产权、开放共享以及经济效益。
S203、确定所述评估指标集合对应的平台数据,作为集合数据;获取所述评估指标集合对应的目标评估指标;所述目标评估指标通过所述集合数据聚类得到。
本步骤确定某一评估指标集合中所包含的候选评估指标并确定这些所包含的候选评估指标对应的平台数据;将这些平台数据作为该评估指标集合的集合数据;对这些集合数据进行聚类分析,聚类分析的结果是将这些集合数据整合为一个或多个数据,整合得到的数据作为目标评估指标。
其中,聚类分析的初始聚类中心可以为一个、两个甚至多个,因此一个评估指标集合可以对应有一个目标评估指标(将该评估指标集合中的所有集合数据整合为一个数据);也可以对应有多个目标评估指标。同时,一个预设评估方向可以对应一个评估指标集合,因此,一个目标评估指标可以对应一个预设评估方向。基于此,所确定的目标评估指标的命名可以与预设评估方向一致,例如,与人才队伍这一预设评估方向对应的目标评估指标也可以称为人才队伍。
进一步地,对集合数据进行聚类分析可以采用常规的聚类方法,例如可以采用K-means聚类法等方法。本发明实施例对聚类分析的具体方法不做限制。
另外,候选评估指标可以称之为二级指标,目标评估指标可以称之为一级指标。各个评估指标对应的平台数据可以称之为特征,即本实施例的候选评估指标是根据指标选择确定,目标评估指标是根据特征选择确定。
S204、根据所述目标评估指标对所述平台进行评估。
从前述几个步骤的描述可以看出,目标评估指标可以从整体上代表对应评估指标集合的集合数据,而这些集合数据是候选评估指标对应的平台数据,因此目标评估指标能从整体上表明平台在各个方面的信息。基于此,根据该目标评估指标来评估平台就能得到较为准确的评估结果。本实施例,实现了对目标评估指标的选择,该目标评估指标能全面地表征对应平台的特征。因此,根据目标评估指标来评估平台能得到准确的平台评估结果。
在一个实施例中,所述确定包含有候选评估指标的评估指标集合的步骤,包括:确定与预设评估方向对应的候选评估指标;将所述对应的候选评估指标进行整合,得到与所述预设评估方向对应的评估指标集合;所述获取所述评估指标集合对应的目标评估指标的步骤,包括:从所述集合数据中选择一个平台数据作为初始聚类中心;根据所述初始聚类中心对所述集合数据进行聚类分析,根据聚类分析的结果得到所述评估指标集合对应的目标评估指标。
其中,初始聚类中心可以是随机选择的,也可以是从集合数据中选择一个有代表性的数据,本发明实施例对初始聚类中心的选择方式不做限制。
本实施例,将与某一预设评估方向对应的候选评估指标整合在一起,作为一个评估指标集合,然后将评估指标集合对应的集合数据聚类为一个数据,将这个数据作为一个目标评估指标。能将众多的集合数据整合为一个最具代表性的数据,有效提高平台的评估准确性。
在一个实施例中,以平台为科研平台为例,所确定的评估指标集合可以为:
表2评估指标集合列表
在一个实施例中,所述根据所述目标评估指标对所述平台进行评估的步骤,包括:将所述目标评估指标输入预先建立的分类模型中,根据分类模型的输出确定所述平台的所属类别。
其中,所属类别可以指根据平台的突出特征所确定的多个类别。以平台为科研平台为例,所属类别可以指学科型科研平台、企业型科研平台、共享型科研平台、公共型科研平台等。其中,学科型可以指论文、科研项目较突出的科研平台;企业型可以指企业服务数量、成果转化较多的科研平台;共享型可以指共享服务较多的科研平台;公共型可以指人才培养较多的科研平台。
本实施例将目标评估指标输入到预先建立的分类模型中,由分类模型对目标评估指标进行分析,确定出该平台的所属类别。在确定平台的所属类别以后能够判断平台当前的所属类别与其建立之初的发展方向是否一致,若不一致可以进行相应的调整。另外,也能够根据分类模型所确定出的所属类别为平台推荐发展路线,以提高平台的发展速度。
在一个实施例中,所述分类模型包括多个分类子模型;所述将所述目标评估指标输入预先建立的分类模型中的步骤,包括:将目标评估指标输入对应的分类子模型中;所述分类子模型为监督学习模型;根据所述分类子模型的输出以及预先确定的分类子模型的权重确定所述分类模型的输出。
其中,分类子模型的确定过程可以是:通过对多个目标评估指标进行监督学习。
本实施例,通过多个分类子模型分别分析对应的目标评估指标,得出对应的分类结果,之后再根据对应分类子模型的权重以及分类子模型的分类结果确定分类模型的输出。
图3为平台进行评估的整体示意图,包括对数据获取、数据处理、平台评估等方面。在一个实施例中,如图3所示,对候选评估指标的整合后得到6个评估指标集合,这些评估指标集合分别对应一个目标评估指标,将这些目标评估指标分别输入到对应的分类子模型中,将各个分类子模型的输出以及对应的权重(S1’、S2’、…、S6’)输入到分类模型D中确定最后的分类结果。
其中,这些分类子模型的权重可以是根据各个评估方向对平台分类的影响程度来确定,影响程度更高的评估方向所对应分类子模型的权重可以更大。另外,这些权重可以是根据往年的年份报告中某一目标评估指标的指标值与所有目标评估指标的占比来设定,比如对上一年份各个指标值求平均值得到:
其中,指的是第一个目标评估指标相对应的各个平台数据的平均值,S′1指的是第一个目标评估指标对应的权重。
本实施例将六个分类子模型进行综合,形成将目标评估指标跟平台所属类别相结合的分类模型。同时,以平台数据为某一年的数据为例,将平台当年份的调查数据输入分类模型后,分类模型将预测该平台在当年的所属类别,并提示该平台可以从哪些方面入手来维护和发展平台,同时也有利于该平台下一年份的评估。同时,根据分类模型确定的平台所属类别既结合了平台的绩效评估(根据各个目标评估指标的指标值可以分析得到)也结合了所属类型这两方向发展的建议。
在一个实施例中,所述根据所述目标评估指标对所述平台进行评估的步骤,还包括:根据所述目标评估指标绘制所述平台的雷达图,根据所述雷达图对所述平台进行评估。
目标评估指标确定以后,可以根据目标评估指标绘制对应的雷达图。图4为根据目标评估指标绘制的平台雷达图。如图4所示,该平台在项目数量和人才队伍方面较有优势,但是在奖项数量、经济效益、开放共享等方面较为欠缺。由图4可知,雷达图可以作为平台的平台画像,能更直观地展现平台的特征,代表平台的发展现状和水平。
在一个实施例中,所述根据所述目标评估指标对所述平台进行评估的步骤,还包括:根据所述目标评估指标对多个平台进行排序,根据排序结果对所述多个平台进行评估。
本实施例,根据目标评估指标对多个平台进行排序,能有效确定出各个平台在某一方向的优势或劣势,同时有助于各个平台找出其在某个维度的具体位置和水平。
在一个实施例中,当需要对多个平台进行评估比较时,可以分别确定各个平台在对应目标评估指标的指标值,按照指标值的高低对各个平台进行排序;也可以对这些目标评估指标对应的指标值进行运算,得出一个总分值,根据该总分值对这些平台进行评估。如图5所示,为根据总分值的高低对10个平台进行排序的示意图,从图5可以看出平台1的总体实力强于其他平台。
在一个实施例中,所述获取平台的多个候选评估指标的步骤,包括:获取多个初始评估指标,对所述多个初始评估指标对应的平台数据进行数据清洗和/或缺失值处理,并剔除所述多个初始评估指标中无效的初始评估指标,得到平台的所述多个候选评估指标。
本实施例在获取平台数据以后对这些数据进行处理,能有效防止无效数据或错误数据对评估结果造成影响。
在一个实施例中,如图3所示,平台的评估方法可以整体概括为:获取平台数据-->数据预处理-->剔除无效指标-->确定候选评估指标-->形成目标评估指标-->目标评估指标排序-->通过程序编码在系统中呈现各个待评估平台的雷达图。其中确定候选评估指标、形成目标评估指标、目标评估指标排序等可以参见前面几个实施例的叙述。而通过程序编码呈现雷达图可以采用常规的实现方法,在此不再赘述。
以下以平台为实验室为例,叙述获取平台数据、数据预处理以及提出无效数据的实现过程。
对于获取平台数据(初始评估指标对应的平台数据):
获取实验室历年的调查数据(L1)、项目数据(L2)、基础数据(L3)等。
其中,调查数据(L1)可以包括如下内容:
1)L1=[实验室ID,年份,新增人才数,成果转化项目数,实验室评分,……]
调查数据(L1)可以概括为多个数据子集:
论文子集=[作者名称,论文名称,论文等级,项目支撑,……];
研究人员子集=[实验室ID,人员名称,职称,学历];
代表性成果子集=[获奖名称,获奖人员,获奖单位,奖励等级]。
2)项目数据(L2)可以包括如下内容:
L2=[实验室ID,项目名称,立项年份,项目类型,经济效益……]
3)基础数据(L3)可以包括如下内容:
L3=[实验室ID,实验室名称,依托单位,负责人,学术带头人,研究方向,……]
从上述内容可以看出这些数据中有些是以表的形式存在,有些是以文本(例如:研究方向、学术带头人等)的形式存在。
对于数据预处理:
数据预处理实现的是对这些数据进行数据校验、缺失值处理和非结构化数据处理,得到具有结构性和非结构性特征的数据。
其中,对于数据校验(也即数据清洗)。由于平台数据可能采用年份填报、项目申报等方式获取,因此对这些填报数据需进行真实性校验。当某字段的往年平均值、最大值等与正常值偏离较大时,需要进行异常值处理(删除或修改相应的数据)。例如,正常实验室的院士数量不会太多,若某实验室填报的院士为20多位,则需要系统提示后进行人工沟通处理修改,以保证数据的准确性。
对于缺失值处理。缺失值处理的实现过程可以为:对于数量类型,当某项重要字段未填写时,通过该实验室该项的历年平均值进行补充。对于字符类型,采用该实验室最近一年的数据来补充;例如,对于是否建设研发机构的项目,当该项现年份的字段未填写时,可查看上一年份,如果上一年份为已建设,则现年份也填写为已建设。
对于非结构化数据处理。非结构化数据处理的实现过程可以为:如对于项目申报书,采用数据自动提取技术,只保留关键字段的信息(如项目名称、立项金额、项目负责人、立项年份等)以形成半结构化数据,将数据进行半结构化处理能方便后续对数据的分析处理,提高平台评估的效率。
将数据整理过程中得到的半结构化数据转存入数据表中进行多表关联,例如,论文子集中的作者名称与研究人员子集中的人员名称关联,代表性成果子集中获奖单位与基础数据L3中的依托单位关联;同时,实验室的基础信息、效益信息可以与项目信息、知识产权信息、人才信息、成果信息、开放共享情况是一对多的关系。因此,可以形成相互关联的一对多的数据集合。最终形成实验室的基础信息、项目信息、知识产权信息、人才信息、成果信息、效益信息、开放共享情况等的关联数据集。
所形成的关联数据集可以为:
其中,L0为有l条记录d项指标的数据集。由于原始各数据子集是一对多的关系,平台ID具有重复的情况,因此,l可以大于实验室的数量。
对于剔除无效指标:
所述剔除所述多个初始评估指标中无效的初始评估指标的步骤,包括:根据经过数据清洗和/或缺失值处理的平台数据计算所述多个初始评估指标的熵值,去除熵值满足预设条件的初始评估指标。根据指标的熵值去除其中的无效指标,实现方式简单,同时能保证后续对平台评估过程的准确性。
其中,熵值所满足的预设条件可以是熵值大于某一阈值。
进一步地,剔除无效指标的实现过程可以为:
计算各个初始评估指标的熵值,判断各指标对实验室评估的贡献程度,将熵值大于某一阀值的初始评估指标直接去除,最后形成数据集合T:
1)为方便计算,论文子集在整合进关联数据集时,只将对应实验室下的论文数量和论文等级作为计算依据。当论文数量为多项时,论文等级以各等级的数量占比作为权重进行计算;代表性成果子集在整合进关联数据集时,只将奖励数量与奖励等级作为计算依据,当奖励存在多项时,奖励等级以数量占比作为权重进行计算,其它相似情况进行类似的处理。将L0中的一个实验室整合为一个列表,得到以下的矩阵:
其中,该矩阵为n行m列的矩阵,n为实验室数量,m为初始评估指标数量;
2)对矩阵L进行指标优化处理:
对于某一列的初始评估指标,可表示为
对于高优指标(有益型指标,即数量越大对实验室评估的影响越大的指标),处理公式为:
对于低优指标(有损型指标,即数量越大对实验室评估的影响越小的指标),处理公式为:
3)采用简单的占比方式进行归一化处理,即:
4)计算熵值eij:
其中,若pij=0,则zij=0;若pij≠0,则zij=log pij。
对于某项指标,可以用熵值来判断某个指标的离散程度。根据信息熵的定义,某项指标的熵值越小,其离散程度越大,该指标对实验室评估的影响越大。如果某项指标的值全部相等,则该指标在评估中不起作用,从上述公式中也可以看出其熵值为无穷大。因此,本实施例剔除熵值较大的初始评估指标。
另外,也可以根据所需的指标数量,将熵值进行排序再来选择所要剔除的初始评估指标,防止剔除过多或过少的初始评估指标,影响后续实验室评估的准确性。
在一个实施例中,如图6所示,提供一种平台评估方法,包括以下步骤:
S601、获取多个初始评估指标,对所述多个初始评估指标对应的平台数据进行数据清洗和/或缺失值处理。
S602、根据经过数据清洗和/或缺失值处理的平台数据计算所述多个初始评估指标的熵值,去除熵值满足预设条件的初始评估指标,得到平台的所述多个候选评估指标。
S603、根据所述多个候选评估指标与预设评估方向的对应关系,确定与预设评估方向对应的候选评估指标;将所述对应的候选评估指标进行整合,得到与所述预设评估方向对应的评估指标集合。
S604、确定所述评估指标集合对应的平台数据,作为集合数据;从所述集合数据中选择一个平台数据作为初始聚类中心;根据所述初始聚类中心对所述集合数据进行聚类分析,根据聚类分析的结果得到所述评估指标集合对应的目标评估指标。
S605、将所述目标评估指标输入预先建立的分类模型中,根据分类模型的输出确定所述平台的所属类别。
本实施例,实现了对目标评估指标的选择,该目标评估指标能全面地表征对应平台的特征。因此,根据目标评估指标来评估平台能得到准确的平台评估结果。
为了更好地理解上述方法,以下详细阐述一个本发明平台评估方法的应用实例,本应用实例以平台为实验室为例进行叙述。
1、获取实验室的多个初始评估指标:实验室介绍信息、实验室类型、实验室主任副主任信息、主要研究方向、实验室成立后所承担的各类科研项目、市场项目、立项项目、实验室研究人员的职称、获奖情况、技术成果、所发表的论文、专著、专利、标准规范、成果转化、产业效益、技术转让、服务企业等等,并获取这些初始评估指标对应的平台数据。
2、对这些初始评估指标对应的平台数据进行数据清洗和/或缺失值处理。
3、根据经过数据清洗和/或缺失值处理的平台数据计算所述多个初始评估指标的熵值,去除熵值满足预设条件的初始评估指标,得到二级指标。
4、根据各个二级指标与人才队伍、项目数量、奖项数量、知识产权、开放共享、经济效益的预设评估方向的对应关系,确定与预设评估方向对应的二级指标;将这些应的二级指标进行整合,得到与各个预设评估方向对应的评估指标集合。
5、确定所述评估指标集合对应的平台数据,作为集合数据;从所述集合数据中选择一个平台数据作为初始聚类中心;根据所述初始聚类中心对所述集合数据进行聚类分析,根据聚类分析的结果得到所述评估指标集合对应的一级指标。即分别得到与人才队伍、项目数量、奖项数量、知识产权、开放共享、经济效益相对应的一级指标。
6、将一级指标输入预先建立的分类模型中,根据分类模型的输出确定该实验室的所属类别。
本实施例根据指标选择确定二级指标,根据特征选择确定一级指标。同时根据实验室的评估指标实现对实验室的分类评估,能为实验室的发展推荐路线,既能够使实验室往初设的类型进行发展,也能得到较好的绩效评价结果。
需要说明的是,对于前述的各方法实施例,为了简便描述,将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其它顺序或者同时进行。
基于与上述实施例中的平台评估方法相同的思想,本发明还提供平台评估装置,该装置可用于执行上述平台评估方法。为了便于说明,平台评估装置实施例的结构示意图中,仅仅示出了与本发明实施例相关的部分,本领域技术人员可以理解,图示结构并不构成对装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图7所述,平台评估装置包括候选指标获取模块701、指标集合确定模块702、目标指标确定模块703和平台评估模块704,详细说明如下:
候选指标获取模块701,用于获取平台的多个候选评估指标。
指标集合确定模块702,用于根据所述多个候选评估指标与预设评估方向的对应关系,确定包含有候选评估指标的评估指标集合。
目标指标确定模块703,用于确定所述评估指标集合对应的平台数据,作为集合数据;获取所述评估指标集合对应的目标评估指标;所述目标评估指标通过所述集合数据聚类得到。
以及,平台评估模块704,用于根据所述目标评估指标对所述平台进行评估。
本实施例实现了对目标评估指标的选择,该目标评估指标能全面地表征对应平台的特征。因此,根据目标评估指标来评估平台能得到准确的平台评估结果。
在一个实施例中,指标集合确定模块702,还用于确定与预设评估方向对应的候选评估指标;将所述对应的候选评估指标进行整合,得到与所述预设评估方向对应的评估指标集合;目标指标确定模块703,包括:聚类中心确定子模块,用于从所述集合数据中选择一个平台数据作为初始聚类中心;聚类子模块,用于根据所述初始聚类中心对所述集合数据进行聚类分析,根据聚类分析的结果得到所述评估指标集合对应的目标评估指标。
在一个实施例中,平台评估模块704,还用于将所述目标评估指标输入预先建立的分类模型中,根据分类模型的输出确定所述平台的所属类别。
在一个实施例中,平台评估模块704,包括:指标输入子模块,用于将目标评估指标输入对应的分类子模型中;所述分类子模型为监督学习模型;分类子模块,用于根据所述分类子模型的输出以及预先确定的分类子模型的权重确定所述分类模型的输出。
在一个实施例中,平台评估模块704,还用于根据所述目标评估指标绘制所述平台的雷达图,根据所述雷达图对所述平台进行评估。
在一个实施例中,平台评估模块704,还用于根据所述目标评估指标对多个平台进行排序,根据排序结果对所述多个平台进行评估。
在一个实施例中,候选指标获取模块701,还用于获取多个初始评估指标,对所述多个初始评估指标对应的平台数据进行数据清洗和/或缺失值处理,并剔除所述多个初始评估指标中无效的初始评估指标,得到平台的所述多个候选评估指标。
在一个实施例中,候选指标获取模块701,还用于根据经过数据清洗和/或缺失值处理的平台数据计算所述多个初始评估指标的熵值,去除熵值满足预设条件的初始评估指标。
需要说明的是,本发明的平台评估装置与本发明的平台评估方法一一对应,在上述平台评估方法的实施例阐述的技术特征及其有益效果均适用于平台评估装置的实施例中,具体内容可参见本发明方法实施例中的叙述,此处不再赘述,特此声明。
此外,上述示例的平台评估装置的实施方式中,各程序模块的逻辑划分仅是举例说明,实际应用中可以根据需要,例如出于相应硬件的配置要求或者软件的实现的便利考虑,将上述功能分配由不同的程序模块完成,即将所述平台评估装置的内部结构划分成不同的程序模块,以完成以上描述的全部或者部分功能。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:获取平台的多个候选评估指标;根据所述多个候选评估指标与预设评估方向的对应关系,确定包含有候选评估指标的评估指标集合;确定所述评估指标集合对应的平台数据,作为集合数据;获取所述评估指标集合对应的目标评估指标;所述目标评估指标通过所述集合数据聚类得到;根据所述目标评估指标对所述平台进行评估。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:确定与预设评估方向对应的候选评估指标;将所述对应的候选评估指标进行整合,得到与所述预设评估方向对应的评估指标集合。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:从所述集合数据中选择一个平台数据作为初始聚类中心;根据所述初始聚类中心对所述集合数据进行聚类分析,根据聚类分析的结果得到所述评估指标集合对应的目标评估指标。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将所述目标评估指标输入预先建立的分类模型中,根据分类模型的输出确定所述平台的所属类别。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将目标评估指标输入对应的分类子模型中;所述分类子模型为监督学习模型;根据所述分类子模型的输出以及预先确定的分类子模型的权重确定所述分类模型的输出。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据所述目标评估指标绘制所述平台的雷达图,根据所述雷达图对所述平台进行评估。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据所述目标评估指标对多个平台进行排序,根据排序结果对所述多个平台进行评估。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取多个初始评估指标,对所述多个初始评估指标对应的平台数据进行数据清洗和/或缺失值处理,并剔除所述多个初始评估指标中无效的初始评估指标,得到平台的所述多个候选评估指标。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据经过数据清洗和/或缺失值处理的平台数据计算所述多个初始评估指标的熵值,去除熵值满足预设条件的初始评估指标。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取平台的多个候选评估指标;根据所述多个候选评估指标与预设评估方向的对应关系,确定包含有候选评估指标的评估指标集合;确定所述评估指标集合对应的平台数据,作为集合数据;获取所述评估指标集合对应的目标评估指标;所述目标评估指标通过所述集合数据聚类得到;根据所述目标评估指标对所述平台进行评估。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:确定与预设评估方向对应的候选评估指标;将所述对应的候选评估指标进行整合,得到与所述预设评估方向对应的评估指标集合。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:从所述集合数据中选择一个平台数据作为初始聚类中心;根据所述初始聚类中心对所述集合数据进行聚类分析,根据聚类分析的结果得到所述评估指标集合对应的目标评估指标。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将所述目标评估指标输入预先建立的分类模型中,根据分类模型的输出确定所述平台的所属类别。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将目标评估指标输入对应的分类子模型中;所述分类子模型为监督学习模型;根据所述分类子模型的输出以及预先确定的分类子模型的权重确定所述分类模型的输出。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据所述目标评估指标绘制所述平台的雷达图,根据所述雷达图对所述平台进行评估。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据所述目标评估指标对多个平台进行排序,根据排序结果对所述多个平台进行评估。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取多个初始评估指标,对所述多个初始评估指标对应的平台数据进行数据清洗和/或缺失值处理,并剔除所述多个初始评估指标中无效的初始评估指标,得到平台的所述多个候选评估指标。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据经过数据清洗和/或缺失值处理的平台数据计算所述多个初始评估指标的熵值,去除熵值满足预设条件的初始评估指标。
本领域普通技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,作为独立的产品销售或使用。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本发明实施例的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或(模块)单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,不能理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种平台评估方法,其特征在于,包括以下步骤:
获取平台的多个候选评估指标;
根据所述多个候选评估指标与预设评估方向的对应关系,确定包含有候选评估指标的评估指标集合;
确定所述评估指标集合对应的平台数据,作为集合数据;获取所述评估指标集合对应的目标评估指标;所述目标评估指标通过所述集合数据聚类得到;
根据所述目标评估指标对所述平台进行评估。
2.根据权利要求1所述的平台评估方法,其特征在于,所述确定包含有候选评估指标的评估指标集合的步骤,包括:
确定与预设评估方向对应的候选评估指标;将所述对应的候选评估指标进行整合,得到与所述预设评估方向对应的评估指标集合;
所述获取所述评估指标集合对应的目标评估指标的步骤,包括:
从所述集合数据中选择一个平台数据作为初始聚类中心;
根据所述初始聚类中心对所述集合数据进行聚类分析,根据聚类分析的结果得到所述评估指标集合对应的目标评估指标。
3.根据权利要求1所述的平台评估方法,其特征在于,所述根据所述目标评估指标对所述平台进行评估的步骤,包括:
将所述目标评估指标输入预先建立的分类模型中,根据分类模型的输出确定所述平台的所属类别。
4.根据权利要求3所述的平台评估方法,其特征在于,所述分类模型包括多个分类子模型;
所述将所述目标评估指标输入预先建立的分类模型中的步骤,包括:
将目标评估指标输入对应的分类子模型中;所述分类子模型为监督学习模型;
根据所述分类子模型的输出以及预先确定的分类子模型的权重确定所述分类模型的输出。
5.根据权利要求1至4任一项所述的平台评估方法,其特征在于,所述根据所述目标评估指标对所述平台进行评估的步骤,还包括:
根据所述目标评估指标绘制所述平台的雷达图,根据所述雷达图对所述平台进行评估;
和/或,
根据所述目标评估指标对多个平台进行排序,根据排序结果对所述多个平台进行评估。
6.根据权利要求1所述的平台评估方法,其特征在于,所述获取平台的多个候选评估指标的步骤,包括:
获取多个初始评估指标,对所述多个初始评估指标对应的平台数据进行数据清洗和/或缺失值处理,并剔除所述多个初始评估指标中无效的初始评估指标,得到平台的所述多个候选评估指标。
7.根据权利要求6所述的平台评估方法,其特征在于,所述剔除所述多个初始评估指标中无效的初始评估指标的步骤,包括:
根据经过数据清洗和/或缺失值处理的平台数据计算所述多个初始评估指标的熵值,去除熵值满足预设条件的初始评估指标。
8.一种平台评估装置,其特征在于,包括:
候选指标获取模块,用于获取平台的多个候选评估指标;
指标集合确定模块,用于根据所述多个候选评估指标与预设评估方向的对应关系,确定包含有候选评估指标的评估指标集合;
目标指标确定模块,用于确定所述评估指标集合对应的平台数据,作为集合数据;获取所述评估指标集合对应的目标评估指标;所述目标评估指标通过所述集合数据聚类得到;
以及,平台评估模块,用于根据所述目标评估指标对所述平台进行评估。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810801268.3A CN109102164B (zh) | 2018-07-20 | 2018-07-20 | 平台评估方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810801268.3A CN109102164B (zh) | 2018-07-20 | 2018-07-20 | 平台评估方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109102164A true CN109102164A (zh) | 2018-12-28 |
CN109102164B CN109102164B (zh) | 2021-09-14 |
Family
ID=64846888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810801268.3A Active CN109102164B (zh) | 2018-07-20 | 2018-07-20 | 平台评估方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109102164B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111754126A (zh) * | 2020-06-29 | 2020-10-09 | 支付宝(杭州)信息技术有限公司 | 对应用进行评估的方法和系统 |
CN115081921A (zh) * | 2022-07-08 | 2022-09-20 | 米烁网络科技(广州)有限公司 | 一种基于大数据的erp电商管理系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530373A (zh) * | 2013-10-15 | 2014-01-22 | 无锡清华信息科学与技术国家实验室物联网技术中心 | 不均衡感知数据下的移动应用分类方法 |
CN104915805A (zh) * | 2015-07-07 | 2015-09-16 | 郑州大学 | 一种河流生态修复效果评估方法 |
CN106157132A (zh) * | 2016-06-20 | 2016-11-23 | 中国工商银行股份有限公司 | 信用风险监控系统及方法 |
CN106250709A (zh) * | 2016-08-18 | 2016-12-21 | 中国船舶重工集团公司第七�三研究所 | 基于传感器关联网络的燃气轮机异常检测与故障诊断算法 |
CN107844836A (zh) * | 2017-10-24 | 2018-03-27 | 信雅达系统工程股份有限公司 | 一种基于机器学习的系统及学习方法 |
CN107944480A (zh) * | 2017-11-16 | 2018-04-20 | 广州探迹科技有限公司 | 一种企业行业分类方法 |
CN108009077A (zh) * | 2017-11-30 | 2018-05-08 | 三盟科技股份有限公司 | 一种基于大数据环境的业务运行状态评估算法及系统 |
-
2018
- 2018-07-20 CN CN201810801268.3A patent/CN109102164B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530373A (zh) * | 2013-10-15 | 2014-01-22 | 无锡清华信息科学与技术国家实验室物联网技术中心 | 不均衡感知数据下的移动应用分类方法 |
CN104915805A (zh) * | 2015-07-07 | 2015-09-16 | 郑州大学 | 一种河流生态修复效果评估方法 |
CN106157132A (zh) * | 2016-06-20 | 2016-11-23 | 中国工商银行股份有限公司 | 信用风险监控系统及方法 |
CN106250709A (zh) * | 2016-08-18 | 2016-12-21 | 中国船舶重工集团公司第七�三研究所 | 基于传感器关联网络的燃气轮机异常检测与故障诊断算法 |
CN107844836A (zh) * | 2017-10-24 | 2018-03-27 | 信雅达系统工程股份有限公司 | 一种基于机器学习的系统及学习方法 |
CN107944480A (zh) * | 2017-11-16 | 2018-04-20 | 广州探迹科技有限公司 | 一种企业行业分类方法 |
CN108009077A (zh) * | 2017-11-30 | 2018-05-08 | 三盟科技股份有限公司 | 一种基于大数据环境的业务运行状态评估算法及系统 |
Non-Patent Citations (2)
Title |
---|
李太白 等: ""一种改进的SVM多类分类算法在入侵检测中的应用"", 《重庆师范大学学报(自然科学版)》 * |
闫建红: ""不平衡数据度量指标优化的提升分类方法"", 《计算机工程与应用》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111754126A (zh) * | 2020-06-29 | 2020-10-09 | 支付宝(杭州)信息技术有限公司 | 对应用进行评估的方法和系统 |
CN115081921A (zh) * | 2022-07-08 | 2022-09-20 | 米烁网络科技(广州)有限公司 | 一种基于大数据的erp电商管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109102164B (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Karasakal et al. | A multicriteria sorting approach based on data envelopment analysis for R&D project selection problem | |
Devi et al. | Decision Support Systems Assessment of the best village in Perbaungan sub-district with the Simple Additive Weighting (SAW) Method: Decision Support Systems Assessment of the best village in Perbaungan sub-district with the Simple Additive Weighting (SAW) Method | |
KR100487740B1 (ko) | 질문 답변 서비스 방법 | |
US7693808B2 (en) | Method for ordinal ranking | |
CN106096657B (zh) | 基于机器学习来预测数据审核目标的方法及系统 | |
Torres-Salinas et al. | A methodology for Institution-Field ranking based on a bidimensional analysis: the IFQ 2 A index | |
CN106997493A (zh) | 基于多维度数据的彩票用户流失预测方法及其系统 | |
CN111612294A (zh) | 一种基于时空大数据的城市体检系统 | |
CN109102164A (zh) | 平台评估方法、装置、计算机设备和存储介质 | |
KR20110078073A (ko) | 문제 선택 및 성취도 평가 방법 및 장치 | |
CN111639706A (zh) | 基于图像集的个人风险画像生成方法及相关设备 | |
CN113918806A (zh) | 自动推荐培训课程的方法及相关设备 | |
CN110716917A (zh) | 一种基于积分制的阅读评价方法及系统 | |
CN109784688A (zh) | 教育水平可视化评价方法、装置、设备及存储介质 | |
CN110232498A (zh) | 员工潜能分析方法、装置、设备及计算机可读存储介质 | |
CN114881547A (zh) | 一种互联网项目的团队绩效评估方法及装置 | |
CN110033191B (zh) | 一种商业人工智能的分析方法及系统 | |
WO2023061174A1 (zh) | 一种孤独症谱系障碍的风险预测模型构建方法及装置 | |
CN110675083A (zh) | 科技领域的综合推荐方法及装置 | |
KR101695163B1 (ko) | 한국사 학습을 위한 문제 출제 및 테스트 시스템과 이를 이용한 한국사 능력 레벨 테스트 방법 | |
RU2636019C1 (ru) | Способ организации и ведения мониторинга качества учебной работы преподавателей | |
CN112396319A (zh) | 一种地市供电局的员工人才评价系统 | |
CN106485402B (zh) | 用电检查人员资料审查实训系统及其用电资料审查方法 | |
CN112330305A (zh) | 一种基于区块链的电子政务系统 | |
CN109345104A (zh) | 一种用户能力提升方法、系统及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |