CN110750572A - 一种科技成果启发式评价的自适应方法和装置 - Google Patents

Abstract

本发明公开了一种科技成果启发式评价的自适应方法和装置。所述方法包括：获取科研成果信息，分析所述科研成果信息生成多个评价指标并为多个所述评价指标设置权重；对所述评价指标及其权重进行逆向耦合分析和调整；提取所述科研成果信息中的关键词，根据所述关键词以及关键词之间的关联关系构建关键词关联网络；根据所述关键词关联网络对所述科研成果信息进行挖掘与分析，生成评价结果并展示。本发明能够实现对科研成果的评价，为成果培育提供指导性和方向性建议。

Description

一种科技成果启发式评价的自适应方法和装置

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启发式评价的自适应方法和装置。

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启发式评价的自适应方法和装置，能够实现对科研成果的评价。

基于上述目的本发明实施例提供的一种科技成果启发式评价的自适应方法，包括：

获取科研成果信息，分析所述科研成果信息生成多个评价指标并为多个所述评价指标设置权重；

对所述评价指标及其权重进行逆向耦合分析和调整；

提取所述科研成果信息中的关键词，根据所述关键词以及关键词之间的关联关系构建关键词关联网络；

根据所述关键词关联网络对所述科研成果信息进行挖掘与分析，生成评价结果并展示。

可选的，所述分析所述科研成果信息生成多个评价指标包括：分析不同阶段的目标与关键环节和关键点，将各项描述性的指标进行细化和分解，建立多级评价指标。

可选的，所述对所述评价指标及其权重进行逆向耦合分析和调整包括：

采用理想点法，评价项目是否达到设定的入门指标；

若是，则采用数据包络方法从多个维度比较不同项目的进展和优势，评价项目是否按照预定计划顺利实施；

若是，则采用层次分析法对项目进行量化评价，将项目所获进展依据指标内容分解为多个不同领域的组，针对不同组中的指标内容给予定量表示，确定各因素的权值，从而计算出该组分值，求加权和得到最终分值并进行排序；

根据成果获奖评价历史数据，回溯分析指标体系及权重设置的合理性，并进行逆向耦合分析与调整。

可选的，还包括：

计算出所有关键词两词之间的语义相似度，将相似的词语归为一类，采用基于词语距离的计算来计算相似度，两个词语W1和W2，相似度为Sim(W1，W2)，其词语距离为Dis(W1，W2)，计算公式为：

其中α是一个可调节的参数，α的含义是：当相似度为0.5时的词语距离值；

将出现在同一个项目或文献中的关键词建立关联关系，从而构建一个关键词关联网络，并利用基于随机游走的中心性度量识别研究领域中的热点关键词。

可选的，所述根据所述关键词关联网络对所述科研成果信息进行挖掘包括：

根据综合接口数据的获取、数据校验、接口间及后续处理的关联关系，将数据的抽取、清洗、转换设计成可配置、可独立运行的任务，将不同类型数据源接口、字段映射、字段抽取以及处理流程和规则在动态配置文件中进行配置；

将配置后的信息导入评价系统进行评价，获得评价结果。

本发明实施例还提供一种科技成果启发式评价的自适应装置，包括：

分析模块，用于获取科研成果信息，分析所述科研成果信息生成多个评价指标并为多个所述评价指标设置权重；

调整模块，用于对所述评价指标及其权重进行逆向耦合分析和调整；

提取模块，用于提取所述科研成果信息中的关键词，根据所述关键词以及关键词之间的关联关系构建关键词关联网络；

生成模块，用于根据所述关键词关联网络对所述科研成果信息进行挖掘与分析，生成评价结果并展示。

可选的，所述分析模块还用于实现：分析不同阶段的目标与关键环节和关键点，将各项描述性的指标进行细化和分解，建立多级评价指标。

可选的，所述调整模块还用于实现：采用理想点法，评价项目是否达到设定的入门指标；

若是，则采用数据包络方法从多个维度比较不同项目的进展和优势，评价项目是否按照预定计划顺利实施；

若是，则采用层次分析法对项目进行量化评价，将项目所获进展依据指标内容分解为多个不同领域的组，针对不同组中的指标内容给予定量表示，确定各因素的权值，从而计算出该组分值，求加权和得到最终分值并进行排序；

根据成果获奖评价历史数据，回溯分析指标体系及权重设置的合理性，并进行逆向耦合分析与调整。

可选的，所述提取模块还用于实现：

计算出所有关键词两词之间的语义相似度，将相似的词语归为一类，采用基于词语距离的计算来计算相似度，两个词语W1和W2，相似度为Sim(W1，W2)，其词语距离为Dis(W1，W2)，计算公式为：

其中α是一个可调节的参数，α的含义是：当相似度为0.5时的词语距离值；

将出现在同一个项目或文献中的关键词建立关联关系，从而构建一个关键词关联网络，并利用基于随机游走的中心性度量识别研究领域中的热点关键词。

可选的，所述生成模块还用于实现：

根据综合接口数据的获取、数据校验、接口间及后续处理的关联关系，将数据的抽取、清洗、转换设计成可配置、可独立运行的任务，将不同类型数据源接口、字段映射、字段抽取以及处理流程和规则在动态配置文件中进行配置；

将配置后的信息导入评价系统进行评价，获得评价结果。

从上面所述可以看出，本发明实施例提供的一种科技成果启发式评价的自适应方法和装置，能够实现对科研成果的评价，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启发式评价的自适应方法的流程图；

图2为本发明实施例一种科技成果启发式评价的自适应装置的结构图。

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启发式评价的自适应方法的流程图。

本发明实施例提供一种科技成果启发式评价的自适应方法，包括：

步骤101，获取科研成果信息，分析所述科研成果信息生成多个评价指标并为多个所述评价指标设置权重。

步骤102，对所述评价指标及其权重进行逆向耦合分析和调整。

步骤103，提取所述科研成果信息中的关键词，根据所述关键词以及关键词之间的关联关系构建关键词关联网络。

步骤104，根据所述关键词关联网络对所述科研成果信息进行挖掘与分析，生成评价结果并展示。

可选的，所述分析所述科研成果信息生成多个评价指标包括：分析不同阶段的目标与关键环节和关键点，将各项描述性的指标进行细化和分解，建立多级评价指标。

可选的，所述对所述评价指标及其权重进行逆向耦合分析和调整包括：

步骤201，采用理想点法，评价项目是否达到设定的入门指标；选取一个已获得国家最高级别科技奖励的项目作为标杆，将该项目对应指标体系的指标值提取出来作为理想点，同时选取一个各项指标最差的项目作为最差的参考标杆，提取其值作为负理想点，利用理想点法TOPSIS进行筛选合适的项目。

其中，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

式中，f_ij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Z_ij

Z_ij＝W_jZ′_ij

W_j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Z_ij值越大表示方案越好，则

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Z_i到Z⁺的距离为：

式中，Z_ij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Z_i到负理想解Z^-之间的距离为：

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。

若Z_i是理想解，则相应的C_i＝1；若Z_i是负理想解，则相应的C_i＝0。Z_i愈靠近理想解，C_i愈接近于1；反之，C_i愈接近于0。通过对C_i进行排序，以求出满意解。

步骤202，若是，则采用数据包络方法从多个维度比较不同项目的进展和优势，评价项目是否按照预定计划顺利实施。

其中，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DMU_j都有相应的效率评价指数：

其中，X_ij——DMU_j对第i种类型输入的投入量，X_ij>0。

Y_ij——DMU_j对第r种类型输出的产出总量，Y_ij>0。

V_i——对第i种类型输入的一种度量，权系数。

U_r——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h_j≤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：

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：

在以上CCR模型中，引入Σλ_j＝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s^*+＝0，s^*-＝0。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

是原值(x_ij0，yr_j0)在前沿面的投影，是DEA有效的。

步骤203，若是，则采用层次分析法对项目进行量化评价，将项目所获进展依据指标内容分解为多个不同领域的组，针对不同组中的指标内容给予定量表示，确定各因素的权值，从而计算出该组分值，求加权和得到最终分值并进行排序。其中，层次分析法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204，根据成果获奖评价历史数据，回溯分析指标体系及权重设置的合理性，并进行逆向耦合分析与调整。

可选的，还包括：

计算出所有关键词两词之间的语义相似度，将相似的词语归为一类，采用基于词语距离的计算来计算相似度，两个词语W1和W2，相似度为Sim(W1，W2)，其词语距离为Dis(W1，W2)，计算公式为：

其中α是一个可调节的参数，α的含义是：当相似度为0.5时的词语距离值；

将出现在同一个项目或文献中的关键词建立关联关系，从而构建一个关键词关联网络，并利用基于随机游走的中心性度量识别研究领域中的热点关键词。

可选的，所述根据所述关键词关联网络对所述科研成果信息进行挖掘包括：

根据综合接口数据的获取、数据校验、接口间及后续处理的关联关系，将数据的抽取、清洗、转换设计成可配置、可独立运行的任务，将不同类型数据源接口、字段映射、字段抽取以及处理流程和规则在动态配置文件中进行配置；

将配置后的信息导入评价系统进行评价，获得评价结果。

本发明实施例还提供一种科技成果启发式评价的自适应装置，参照图2所示，包括：

分析模块11，用于获取科研成果信息，分析所述科研成果信息生成多个评价指标并为多个所述评价指标设置权重。

调整模块12，用于对所述评价指标及其权重进行逆向耦合分析和调整。

提取模块13，用于提取所述科研成果信息中的关键词，根据所述关键词以及关键词之间的关联关系构建关键词关联网络。

生成模块14，用于根据所述关键词关联网络对所述科研成果信息进行挖掘与分析，生成评价结果并展示。

可选的，所述分析模块11还用于实现：分析不同阶段的目标与关键环节和关键点，将各项描述性的指标进行细化和分解，建立多级评价指标。

可选的，所述调整模块12还用于实现：采用理想点法，评价项目是否达到设定的入门指标；

若是，则采用数据包络方法从多个维度比较不同项目的进展和优势，评价项目是否按照预定计划顺利实施；

若是，则采用层次分析法对项目进行量化评价，将项目所获进展依据指标内容分解为多个不同领域的组，针对不同组中的指标内容给予定量表示，确定各因素的权值，从而计算出该组分值，求加权和得到最终分值并进行排序；

根据成果获奖评价历史数据，回溯分析指标体系及权重设置的合理性，并进行逆向耦合分析与调整。

可选的，所述提取模块13还用于实现：

计算出所有关键词两词之间的语义相似度，将相似的词语归为一类，采用基于词语距离的计算来计算相似度，两个词语W1和W2，相似度为Sim(W1，W2)，其词语距离为Dis(W1，W2)，计算公式为：

其中α是一个可调节的参数，α的含义是：当相似度为0.5时的词语距离值；

将出现在同一个项目或文献中的关键词建立关联关系，从而构建一个关键词关联网络，并利用基于随机游走的中心性度量识别研究领域中的热点关键词。

可选的，所述生成模块14还用于实现：

根据综合接口数据的获取、数据校验、接口间及后续处理的关联关系，将数据的抽取、清洗、转换设计成可配置、可独立运行的任务，将不同类型数据源接口、字段映射、字段抽取以及处理流程和规则在动态配置文件中进行配置；

将配置后的信息导入评价系统进行评价，获得评价结果。

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)

1.一种科技成果启发式评价的自适应方法，其特征在于，包括：

获取科研成果信息，分析所述科研成果信息生成多个评价指标并为多个所述评价指标设置权重；

对所述评价指标及其权重进行逆向耦合分析和调整；

提取所述科研成果信息中的关键词，根据所述关键词以及关键词之间的关联关系构建关键词关联网络；

根据所述关键词关联网络对所述科研成果信息进行挖掘与分析，生成评价结果并展示。

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信息生成多个评价指标包括：分析不同阶段的目标与关键环节和关键点，将各项描述性的指标进行细化和分解，建立多级评价指标。

3.根据权利要求1所述的方法，其特征在于，所述对所述评价指标及其权重进行逆向耦合分析和调整包括：

采用理想点法，评价项目是否达到设定的入门指标；

若是，则采用数据包络方法从多个维度比较不同项目的进展和优势，评价项目是否按照预定计划顺利实施；

若是，则采用层次分析法对项目进行量化评价，将项目所获进展依据指标内容分解为多个不同领域的组，针对不同组中的指标内容给予定量表示，确定各因素的权值，从而计算出该组分值，求加权和得到最终分值并进行排序；

根据成果获奖评价历史数据，回溯分析指标体系及权重设置的合理性，并进行逆向耦合分析与调整。

4.根据权利要求1所述的方法，其特征在于，还包括：

计算出所有关键词两词之间的语义相似度，将相似的词语归为一类，采用基于词语距离的计算来计算相似度，两个词语W1和W2，相似度为Sim(W1，W2)，其词语距离为Dis(W1，W2)，计算公式为：

其中α是一个可调节的参数，α的含义是：当相似度为0.5时的词语距离值；

将出现在同一个项目或文献中的关键词建立关联关系，从而构建一个关键词关联网络，并利用基于随机游走的中心性度量识别研究领域中的热点关键词。

5.根据权利要求1所述的方法，其特征在于，所述根据所述关键词关联网络对所述科研成果信息进行挖掘包括：

根据综合接口数据的获取、数据校验、接口间及后续处理的关联关系，将数据的抽取、清洗、转换设计成可配置、可独立运行的任务，将不同类型数据源接口、字段映射、字段抽取以及处理流程和规则在动态配置文件中进行配置；

将配置后的信息导入评价系统进行评价，获得评价结果。

6.一种科技成果启发式评价的自适应装置，其特征在于，包括：

分析模块，用于获取科研成果信息，分析所述科研成果信息生成多个评价指标并为多个所述评价指标设置权重；

调整模块，用于对所述评价指标及其权重进行逆向耦合分析和调整；

提取模块，用于提取所述科研成果信息中的关键词，根据所述关键词以及关键词之间的关联关系构建关键词关联网络；

生成模块，用于根据所述关键词关联网络对所述科研成果信息进行挖掘与分析，生成评价结果并展示。

7.根据权利要求6所述的装置，其特征在于，所述分析模块还用于实现：分析不同阶段的目标与关键环节和关键点，将各项描述性的指标进行细化和分解，建立多级评价指标。

8.根据权利要求6所述的装置，其特征在于，所述调整模块还用于实现：采用理想点法，评价项目是否达到设定的入门指标；

若是，则采用数据包络方法从多个维度比较不同项目的进展和优势，评价项目是否按照预定计划顺利实施；

若是，则采用层次分析法对项目进行量化评价，将项目所获进展依据指标内容分解为多个不同领域的组，针对不同组中的指标内容给予定量表示，确定各因素的权值，从而计算出该组分值，求加权和得到最终分值并进行排序；

根据成果获奖评价历史数据，回溯分析指标体系及权重设置的合理性，并进行逆向耦合分析与调整。

9.根据权利要求6所述的装置，其特征在于，所述提取模块还用于实现：

计算出所有关键词两词之间的语义相似度，将相似的词语归为一类，采用基于词语距离的计算来计算相似度，两个词语W1和W2，相似度为Sim(W1，W2)，其词语距离为Dis(W1，W2)，计算公式为：

其中α是一个可调节的参数，α的含义是：当相似度为0.5时的词语距离值；

将出现在同一个项目或文献中的关键词建立关联关系，从而构建一个关键词关联网络，并利用基于随机游走的中心性度量识别研究领域中的热点关键词。

10.根据权利要求6所述的装置，其特征在于，所述生成模块还用于实现：

根据综合接口数据的获取、数据校验、接口间及后续处理的关联关系，将数据的抽取、清洗、转换设计成可配置、可独立运行的任务，将不同类型数据源接口、字段映射、字段抽取以及处理流程和规则在动态配置文件中进行配置；

将配置后的信息导入评价系统进行评价，获得评价结果。

Images