CN110909975B - 科研平台效益评估方法、装置 - Google Patents
科研平台效益评估方法、装置 Download PDFInfo
- Publication number
- CN110909975B CN110909975B CN201910961742.3A CN201910961742A CN110909975B CN 110909975 B CN110909975 B CN 110909975B CN 201910961742 A CN201910961742 A CN 201910961742A CN 110909975 B CN110909975 B CN 110909975B
- Authority
- CN
- China
- Prior art keywords
- knowledge
- scientific research
- research platform
- benefit
- platform
- 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.)
- Active
Links
- 238000011160 research Methods 0.000 title claims abstract description 474
- 230000008901 benefit Effects 0.000 title claims abstract description 236
- 238000011156 evaluation Methods 0.000 title claims abstract description 196
- 230000004927 fusion Effects 0.000 claims abstract description 86
- 238000000605 extraction Methods 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000003860 storage Methods 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 12
- 230000009193 crawling Effects 0.000 claims description 10
- 230000003190 augmentative effect Effects 0.000 claims description 6
- 238000002372 labelling Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000013468 resource allocation Methods 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003828 downregulation Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000003827 upregulation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
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
本申请涉及一种科研平台效益评估方法、科研平台效益评估装置、计算机设备和计算机可读存储介质。该方法通过构建科研平台领域本体，在科研平台领域本体的干预下，对科研平台效益评估的专家经验数据、科研平台基础数据以及科研平台效益评估的外延数据进行知识提取，获取经验知识、标注知识及扩充知识，而后根据经验知识、标注知识以及扩充知识，构建科研平台效益评估的多源融合知识图谱，以此确定科研平台效益评估结果。该评估方法通过构建多源融合知识图谱将主观知识与客观知识进行关联和融合，利用图谱评估科研平台效益，有效避免了采用主观的专家经验进行评估所带来的诸多问题，评价结果客观准确。
Description
技术领域
本申请涉及科研平台技术领域，特别是涉及一种科研平台效益评估方法、科研平台效益评估装置、计算机设备和计算机可读存储介质。
背景技术
科技资源是用于支撑科技活动的所有资源总称，随着我国科技资源投入的逐年攀升，如何高效使用科技资源、搭建科研平台，已成为全社会关注的热点。科研平台效益评估则是运用科学、可行的评估方法，将科技创新活动中投入的科研平台与所产生的学术影响和经济效益进行价值比较，其结果也是衡量科研平台配置合理性的关键指标。
现阶段科研平台效益评估研究通常采用专家评估模式，即对各类科研平台制定评价体系，通过专家评分并进行加权综合后形成评估结论。该评价模式因存在指标权重设置缺乏依据、评估指标体系难以统一标准等问题，导致该科研平台效益评估过程过于主观，得到的评价结果不理想。
发明内容
基于此，有必要针对上述技术问题，提供一种科研平台效益评估方法、科研平台效益评估装置、计算机设备和计算机可读存储介质。
一方面，本发明实施例提供一种科研平台效益评估方法，所述方法包括：
获取经验知识；所述经验知识是在科研平台领域本体的干预下，对科研平台效益评估的专家经验数据进行知识提取得到，所述科研平台领域本体根据科研平台元数据标准、通用知识图谱本体结构及科研平台效益评估的专家意见构建得到；
获取标注知识；所述标注知识是在所述科研平台领域本体的干预下，对科研平台基础数据进行知识提取得到；
获取扩充知识；所述扩充知识是在所述科研平台领域本体的干预下，对科研平台效益评估的外延数据进行知识提取得到，所述外延数据通过爬取网络信息得到；
构建科研平台效益评估的多源融合知识图谱；所述多源融合知识图谱根据所述经验知识、所述标注知识以及所述扩充知识得到；
基于所述多源融合知识图谱，确定科研平台效益评估结果。
在其中一个实施例中，所述科研平台基础数据包括科研平台效益数据、科研平台投入数据及科研平台机构数据；其中，所述科研平台效益数据包括项目成果数据、论文成果数据、专利成果数据和标准成果数据中的一个或多个。
在其中一个实施例中，所述获取扩充知识的步骤，包括：
获取待训练信息；所述待训练信息是在所述科研平台领域本体的干预下，对外延数据进行信息提取得到；
将所述待训练信息输入已训练的扩充知识提取模型；所述扩充知识提取模型基于所述标注知识训练得到；
根据所述扩充知识提取模型的提取结果，获取扩充知识。
在其中一个实施例中，构建所述科研平台领域本体的步骤，包括：
对科研平台元数据标准、通用知识图谱本体结构及科研平台效益评估的专家意见进行信息抽取，得到科研平台效益评估的实体信息、关系信息及属性信息；
根据所述实体信息、关系信息及属性信息，构建所述科研平台领域本体。
在其中一个实施例中，所述基于所述多源融合知识图谱，确定科研平台效益评估结果的步骤，包括：
基于所述多源融合知识图谱，确定科研平台的投入产出演化路径、投入产出效益比及投入产出效益水平；
根据所述投入产出演化路径、投入产出效益比及投入产出效益水平，确定科研平台的投入产出效益评估结果。
在其中一个实施例中，所述基于所述多源融合知识图谱，确定科研平台效益评估结果的步骤，包括：
基于所述多源融合知识图谱，识别影响科研平台效益的关键因素；
根据所述关键因素，确定科研平台的效益影响因素评估结果。
在其中一个实施例中，所述基于所述多源融合知识图谱，确定科研平台效益评估结果的步骤，包括：
根据所述多源融合知识图谱，确定科研机构分级知识图谱；
将目标科研平台拥有机构的绩效评价体系与所述科研机构分级知识图谱进行比对；
根据比对结果，确定所述目标科研平台拥有机构的绩效评价体系的绩效评价合理性评估结果。
在其中一个实施例中，所述基于所述多源融合知识图谱，确定科研平台效益评估结果的步骤，包括：
根据所述多源融合知识图谱，确定目标科研领域的预期研究方向；
将所述目标科研领域的实际研究方向与所述预期研究方向进行比对；
若比对结果为一致，则确定所述目标科研领域的实际研究方向稳定；
若比对结果为不一致，则确定所述目标科研领域的实际研究方向不稳定。
另一方面，本发明实施例提供一种科研平台效益评估装置，所述装置包括：
经验知识获取模块，用于获取经验知识；所述经验知识是科研平台领域本体的干预下，对科研平台效益评估的专家经验数据进行知识提取得到，所述科研平台领域本体根据科研平台元数据标准、通用知识图谱本体结构及科研平台效益评估的专家意见构建得到；
标注知识获取模块，用于获取标注知识；所述标注知识通过基于所述科研平台领域本体，对科研平台基础数据进行知识提取得到；
扩充知识获取模块，用于获取扩充知识；所述扩充知识通过基于所述科研平台领域本体，对科研平台效益评估的外延数据进行知识提取得到，所述外延数据通过爬取网络信息得到；
图谱构建模块，用于构建科研平台效益评估的多源融合知识图谱；所述多源融合知识图谱根据所述经验知识、所述标注知识以及所述扩充知识得到；
效益评估模块，用于基于所述多源融合知识图谱，进行科研平台效益评估。
再一方面，本发明实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现一种科研平台效益评估方法的步骤。
再一方面，本发明实施例提供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一种科研平台效益评估方法的步骤。
上述技术方案中的一个技术方案具有如下优点或有益效果：通过构建科研平台领域本体，并在该科研平台领域本体的干预下，对科研平台效益评估的专家经验数据、科研平台基础数据以及科研平台效益评估的外延数据进行知识提取，获取经验知识、标注知识及扩充知识，而后根据所述经验知识、所述标注知识以及所述扩充知识，构建科研平台效益评估的多源融合知识图谱，以此确定科研平台效益评估结果。该评估方法通过构建多源融合知识图谱将主观知识与客观知识进行关联和融合，利用图谱评估科研平台效益，有效避免了采用主观的专家经验进行评估所带来的指标权重设置缺乏依据、评估指标体系难以统一标准等问题，评价结果更加客观、准确和全面，既能体现科技活动中形成的效益数据等客观规律，又能表达出政府、专家的主观引导作用，为资源合理配置提供决策支撑，具有重要的社会、经济意义。
附图说明
图1为一个实施例中科研平台效益评估方法的应用环境图；
图2为一个实施例中科研平台效益评估方法的示意性流程图；
图3为另一个实施例中科研平台效益评估方法的示意性流程图；
图4为一个实施例中构建面向科研平台的多源融合知识图谱的示意性流程图；
图5为一个实施例中“1+3”科研平台效益评估方法的示意性流程图；
图6为一个实施例中科研平台效益评估装置的示意性结构图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请提供的科研平台效益评估方法，可以应用于如图1所示的应用环境中。其中，可包括计算机设备102，具体地，计算机设备102可以是终端或服务器，所说服务器既可以是包含多台服务器的一个服务器群组，也可以是单台服务器。该计算机设备102可用于根据科研平台领域相关的专家意见、基础数据以及网络上爬取的外延数据，对科研平台效益进行准确全面和客观的评估。
更具体地，该计算机设备102可基于知识图谱构建技术、无监督学习技术等对科研平台领域相关的专家意见、基础数据以及网络上爬取的外延数据进行知识提取，而后根据提取的知识数据构建多源融合知识图谱，最后基于多源融合知识图谱，确定科研平台效益评估结果。当然，确定的科研平台效益评估结果可包括多方面的评估结果，例如不仅可以发现科研平台投入与产出间的关联，也能够从效益影响因素、效益评估合理性和研究方向稳定性等多方面挖掘科研平台投入与产出的隐性知识，从输入、评价环节和输出等多方面视角反映科研平台的效益，具体此处不设限。
在一个实施例中，如图2所示，提供了一种科研平台效益评估方法，主要在于构建面向科研平台的多源知识图谱构建和基于该图谱进行科研平台效益评估；以该方法应用于图1中的计算机设备102为例进行说明，包括以下步骤：
S202，获取经验知识；经验知识是在科研平台领域本体的干预下，对科研平台效益评估的专家经验数据进行知识提取得到，科研平台领域本体根据科研平台元数据标准、通用知识图谱本体结构及科研平台效益评估的专家意见构建得到。
其中，经验知识，顾名思义，即与科研平台效益评估领域的专家的经验知识、经验数据、过往评估模式等相关；具体地，经验知识是在科研平台领域本体的干预下，基于知识图谱构建技术对科研平台效益评估的专家经验数据进行知识提取得到的子知识图谱。指标体系及专家评估数据通过数据清洗和知识提取，最终即可形在经验知识。
科研平台领域本体，可以理解为是科研平台领域中可以作为标准、指南的知识库，该知识库可用于指导科研平台领域中机器学习模型训练，以及对训练集中的训练数据进行增删、修改、扩充与更新等操作。该知识库具体可根据科研平台元数据标准、通用知识图谱本体结构及科研平台效益评估的专家意见构建得到；更具体地，该科研平台领域本体中可包括有从科研平台元数据标准、通用知识图谱本体结构及科研平台效益评估的专家意见中抽取得到的科研平台实体、关系、属性等可以作为基准的知识数据。
知识提取，可理解为知识获取、知识抽取，通过知识图谱构建技术可实现知识提取操作。
S204，获取标注知识；标注知识是在科研平台领域本体的干预下，对科研平台基础数据进行知识提取得到。
其中，标注知识可由科研平台基础数据通过数据清洗和知识提取形成。进一步地，标注知识是在上述的科研平台领域本体的干预和指导下，基于知识图谱构建技术对科研平台基础数据进行知识提取得到的子知识图谱。
其中，参阅图3，科研平台基础数据可包括资源详情(即用于支撑科技活动的资源分布、概况等)、科研平台投入数据、科研平台效益数据、科研平台机构数据(科研平台拥有机构数据、科研平台服务机构数据)等；其中，科研平台效益数据包括项目成果数据、论文成果数据、专利成果数据和标准成果数据中的一个或多个。
S206，获取扩充知识；扩充知识是在科研平台领域本体的干预下，对科研平台效益评估的外延数据进行知识提取得到，外延数据通过爬取网络信息得到。
具体可在科研平台领域本体的指导下，通过对网络信息进行信息抽取、数据清洗和知识提取，形成扩充知识这一子知识图谱。
外延数据通过爬取网络信息得到，其中的网络信息可为科研平台效益评估时使用的网络数据来源，具体例如，与科研绩效信息、效益评估体系等相关的信息，此处不作具体限定。
S208，构建科研平台效益评估的多源融合知识图谱；多源融合知识图谱根据经验知识、标注知识以及扩充知识得到。
如图4所示，通过将上述经验知识、标注知识以及扩充知识的子知识图谱进行多源知识融合，最终形成面向科研平台的多源融合知识图谱。
具体地，数据融合的目标即找出经验知识、标注知识以及扩充知识中属于现实世界的同一实体，而后将各知识库的知识相互补充。数据融合主要解决的问题是数据层面的，将经验知识、标注知识以及扩充知识中指向真实世界的同一实体集成在一起，可检测和剔除各子知识图谱中的错误数据，提高数据的准确性。通过从经验知识、标注知识以及扩充知识提取数据进行融合，可构成支撑科研平台效益评估时所需的完整数据源，将多个数据源的数据融合起来，合并冗余信息，扩充有用信息。
S210，基于多源融合知识图谱，确定科研平台效益评估结果。
科研平台效益评估通常是对其投入与产出效益进行分析，然而仅采用投入产出比值分析并不能完全体现科研平台的真正效益。科研平台效益评估的特殊性在于：一方面，受科技研究热点等多种因素影响，其产出成果将有某种程度的偏离；另一方面，科研平台的产出质量与数量，与拥有资源的科研机构具有强关联性，采用何种评估模式以适应机构特性，将对评估结论产生重要影响，所以也需要考查其绩效评估的合理性；再一方面，研究方向稳定性对科技活动进行持续发力，才能获取更加深入、前沿的科研成果，以实现科研平台投入的优化配置。通过构建的多源融合知识图谱，不仅能够发现投入与产出间的关联，也能够从效益影响因素、效益评估合理性和研究方向稳定性等多方面挖掘科研平台投入与产出的隐性知识，从输入、评价环节和输出等多方面视角反映科研平台的效益，使评估更加客观合理，全面具体。
根据上述的多源融合知识图谱，可进行多项科研平台效益评估，并不局限于上述几个方向的评估，此处不作赘述。
上述实施例的科研平台效益评估方法中，通过构建科研平台领域本体，并在该科研平台领域本体的干预下，对科研平台效益评估的专家经验数据、科研平台基础数据以及科研平台效益评估的外延数据进行知识提取，获取经验知识、标注知识及扩充知识，而后根据经验知识、标注知识以及扩充知识，构建科研平台效益评估的多源融合知识图谱，以此确定科研平台效益评估结果。该评估方法通过构建多源融合知识图谱将主观知识与客观知识进行关联和融合，利用图谱评估科研平台效益，有效避免了采用主观的专家经验进行评估所带来的指标权重设置缺乏依据、评估指标体系难以统一标准等问题，评价结果更加客观、准确和全面，既能体现科技活动中形成的效益数据等客观规律，又能表达出政府、专家的主观引导作用，为资源合理配置提供决策支撑，具有重要的社会、经济意义。
进一步地，本申请提出的面向科研平台的多源融合知识图谱，汇聚及整合有科研平台各类基础数据，包括资源详情、投入情况、拥有机构、服务机构、科研产出(项目、论文、专利、标准等成果)，结合科研绩效信息、效益评估体系、专家评估信息等体现科研平台效益的评估来源，采用无监督知识提取、网络信息爬取和知识图谱构建技术，构建效益评估视角下的面向科研平台的多源融合知识图谱，解决现阶段单纯采用指标体系和专家评估方式进行科研平台效益评估的问题，多方面提高效益评估的精准性，为科研平台提供更完善的决策支撑信息。
在一些实施例中，S206具体包括：获取待训练信息；待训练信息是在科研平台领域本体的干预下，对外延数据进行信息提取得到；将待训练信息输入已训练的扩充知识提取模型；扩充知识提取模型基于标注知识训练得到，即标注知识可为网络信息的处理提供训练数据(参见图4)；根据扩充知识提取模型的提取结果，获取扩充知识。
其中，扩充知识提取模型可基于神经网络、支持向量机等原始模型训练后搭建，训练方法可采用无监督机器学习等，此处不设限。
标注知识可为网络信息的处理提供训练数据，即扩充知识提取模型对应的原始模型在训练时，输入的训练数据为对科研平台基础数据进行知识提取得到的精准、规范的子知识图谱，节省了训练数据的采集时间，同时提高了模型训练的精确度。
在一些实施例中，S202-S206中的科研平台领域本体的构建步骤，包括：对科研平台元数据标准、通用知识图谱本体结构及科研平台效益评估的专家意见进行信息抽取，得到科研平台效益评估的实体信息、关系信息及属性信息；根据实体信息、关系信息及属性信息，构建科研平台领域本体。
通过构建科研平台领域本体，以指导知识提取；具体为，基于科研平台元数据标准，利用无监督学习方法和相关统计方法，参考通用知识图谱的本体结构，结合相关学科领域专家意见及经验，进行了术语、同义关系、概念、分类关系、公理和规则等信息的抽取，构建上述面向科研平台的领域本体。该领域本体将用于指导知识图谱中标注知识、经验知识、扩充知识等实体关系及属性的提取和学习。
在一些实施例中，基于面向科研平台构建的多源融合知识图谱进行科研平台效益评估研究时，首先进行研究投入与产出效益，并以此为基础，进行效益影响因素研究、绩效评价合理性和研究方向稳定性研究，从而形成“1+3”的科研平台效益评估。
由于在知识图谱构建过程中融入了主观、客观评价，而在效益评估中不仅以投入产出效益评估为主体，也结合影响因素、评价合理性和研究方向稳定性等方面进行评估，因此，能够得出较客观、完善的评价结论，为科研平台配置或决策提供有力的参考依据。基于图谱的科研平台效益评估具体研究内容如图5所示。
进而，在一些实施例中，S210具体可以包括：基于多源融合知识图谱，确定科研平台的投入产出演化路径、投入产出效益比及投入产出效益水平；根据投入产出演化路径、投入产出效益比及投入产出效益水平，确定科研平台的投入产出效益评估结果。
在科研平台有限的情况下，合理的资源配置将可以带来更高的收益，所以有必要对科研机构的投入与产出效益情况进行分析。通过多源融合知识图谱，其知识的关联可以表明投入与产出间的静态结构，共引关系可以揭示继承发展，网络可视化可以呈微观联系；因此，通过构建的知识图谱，可以发现投入与产出的演化路径、投入与产出效益比和趋势变化分析等信息。
其中，投入与产出的演化路径，主要是以科研平台类型、数量、投入方式作为源头，发现其关联的微观联系，挖掘出科研效益，体现其投入与产出的演化路径，路径的演化需充分考虑科研平台的时滞效应，即投入之后通常需经过一定的年限才能转化为效益。
投入与产出效益比，主要是通过图谱把属性进行归类、合并和累计，将各类型的投入与产出效益进行统计分析，并以统计值衡量科研平台效益情况；科研平台由于经常受政策环境影响、某学科领域重大关键技术突破的影响，其效益的增长率变化易受波动。当某学科领域重大关键技术突破，或受扶持力度较大时，产出成果数量往往是成倍增长的，而且这些容易掩饰其自身的发展水平。
投入产出效益水平，可以理解为，投入产出的深层次效益水平；知识图谱的构建能够清晰表达受影响因素和程度，因此较容易识别领域和年度重大事件的影响程度，发现其现阶段更深层次的效益水平，有利于科研主管单位更好地调整科研平台的投入情况，从而实现更大的科研效益。
在一些实施例中，如图5所示，基于输入视角，S210具体还可以包括：基于多源融合知识图谱，识别影响科研平台效益的关键因素；根据关键因素，确定科研平台的效益影响因素评估结果。
其中，影响科研平台利用率，提高科研平台效益的因素有许多，例如，政策扶持、研究热点、机构特征、科研压力、激励制度等，其均在一定程度上影响着科研平台效益。然而，众多的影响因素里面哪些是关键因素，同时，不同的学科类型、区域环境、资源应用场景具有不同的关键因素，此时，即可通过多源融合知识图谱的扩展进行识别。
具体例如，可通过多源融合知识图谱发现某阶段科研平台效益与当前的研究热点、研究内容、资源投入等众多因素息息相关，多源融合知识图谱中的高频关键词，即可在一定程度上反映出某一主题的研究方向和研究热点等因素。
或者，网络节点中心度，也可揭示研究热点等因素之间的内在联系，以用来衡量网络节点在特定图谱中的作用；网络节点的中心度越高，与其他节点建立共现关系的可能性越大，在网络图谱中的影响力和重要程度越强。
通过上述关键因素的识别，均可更好地引导不同场景下的科研平台配置。
在一些实施例中，如图5所示，基于评估环节视角，S210具体还可以包括：根据多源融合知识图谱，确定科研机构分级知识图谱；将目标科研平台拥有机构的绩效评价体系与科研机构分级知识图谱进行比对；根据比对结果，确定目标科研平台拥有机构的绩效评价体系的绩效评价合理性评估结果。
其中，科研机构分级，可理解为，科研平台拥有机构的等级情况；科研机构分级知识图谱，可从多源融合知识图谱中得到，也可通过对科研机构的分级数据进行知识提取得到，此处不作限定。
一般来说，科研平台拥有机构等级可根据团队规模、优秀研究人员数量、投入资金设备数量等指标来进行绩效评估并根据评估结果进行划分；通常情况下等级越高，其获得的资源配置(例如科研奖励)越多，相应的产出也应该越多。
在一个具体实施例中，目标科研平台拥有机构的绩效评价体系，可基于年度成果项目比、年度评审得分两个关键的科研机构评价指标，进行聚类分析得到。将得出的科研机构分级聚类结果与相应的面向科研机构分级的知识图谱进行对比分析，即可确定目标科研平台拥有机构的绩效评价体系的绩效评价合理性评估结果。
根据绩效评价合理性评估结果，可直观地反映科研机构各等级属性和属性值之间的关系，等级属性可包括等级上调科研机构属性和等级下调科研机构属性，等级上调科研机构属性和等级下调科研机构属性均可与原有科研机构分级属性形成了对比，为科研主管单位对于绩效评估分级情况提供了直观的参考。科研主管单位还可以根据实际情况调整相应科研机构的等级，使得科研机构的分级更为合理，从而更好地调整科研平台的配置，实现更大的科研效益。
在一些实施例中，如图5所示，基于输出视角，S210具体还可以包括：根据多源融合知识图谱，确定目标科研领域的预期研究方向；将目标科研领域的实际研究方向与预期研究方向进行比对；若比对结果为一致，则确定目标科研领域的实际研究方向稳定；若比对结果为不一致，则确定目标科研领域的实际研究方向不稳定。
需要说明的是，科研机构在申报项目时往往会提交其主要的研究方向和研究的项目内容，然后政府根据科研机构申报项目情况给予是否批准项目申请的答复和具体给予多少项目经费等信息内容。然而，如果科研机构在实际研究内容中，其研究方向与项目申请时提交的方向不一致，则会导致科研平台的浪费，同时影响科研平台在不同领域资源配置的合理性。因此，有必要对科研机构研究方向稳定性进行分析。
基于多源融合知识图谱将科研机构学科领域与近年来研究方向进行比对分析，便可得出科研机构研究方向是否稳定的结论。如果各科研机构近年来实际研究方向与其学科领域基本一致，则不存在申报项目与研究内容不匹配的情况，说明了各科研机构的研究方向具有稳定性，也说明科研平台在不同学科领域的配置合理，有利于各学科领域的持续和快速发展。
本申请针对现阶段科研平台效益评估中采用专家经验或信息技术手段评估存在结论不一致的问题，通过构建多源融合知识图谱将主观知识与客观知识进行关联和融合，利用图谱评估科研平台投入与产出效益，并进一步从影响因素、评估合理性和研究方向稳定性等方面进行综合研究，形成“1+3”科研平台效益评估方法，使得评估结果更加客观全面，实现了主观知识和客观知识的互补、政府导向与客观规律的互利，面向科研平台构建多源融合知识图谱，挖掘更深层次的科研平台投入与产出关联。通过构建的多源融合知识图谱，不仅能够发现投入与产出间的关联，也能够从效益影响因素、效益评估合理性和研究方向稳定性等多方面挖掘科研平台投入与产出的隐性知识，从输入、评价环节和输出等多方面视角反映科研平台的效益，使评估更加客观合理，全面具体。既能体现科技活动中形成的效益数据等客观规律，又能表达出政府、专家的主观引导作用，也能多层面分析科研平台效益，为资源合理配置提供决策支撑，具有重要的社会、经济意义。
应该理解的是，对于前述的各方法实施例，虽然流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，方法实施例的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
基于与上述实施例中的科研平台效益评估方法相同的思想，本文还提供一种科研平台效益评估装置400。
在一个实施例中，如图6所示，提供了一种科研平台效益评估装置400，包括：经验知识获取模块401、标注知识获取模块402、扩充知识获取模块403、图谱构建模块404和效益评估模块405，其中：
经验知识获取模块401，用于获取经验知识；经验知识是科研平台领域本体的干预下，对科研平台效益评估的专家经验数据进行知识提取得到，科研平台领域本体根据科研平台元数据标准、通用知识图谱本体结构及科研平台效益评估的专家意见构建得到；
标注知识获取模块402，用于获取标注知识；标注知识是在科研平台领域本体的干预下，对科研平台基础数据进行知识提取得到；
扩充知识获取模块403，用于获取扩充知识；扩充知识是在科研平台领域本体的干预下，对科研平台效益评估的外延数据进行知识提取得到，外延数据通过爬取网络信息得到；
图谱构建模块404，用于构建科研平台效益评估的多源融合知识图谱；多源融合知识图谱根据经验知识、标注知识以及扩充知识得到；
效益评估模块405，用于基于多源融合知识图谱，确定科研平台效益评估结果。
在一些实施例中，科研平台基础数据包括科研平台效益数据、科研平台投入数据及科研平台机构数据；其中，科研平台效益数据包括项目成果数据、论文成果数据、专利成果数据和标准成果数据中的一个或多个。
在一些实施例中，扩充知识获取模块403，具体用于获取待训练信息；待训练信息是在科研平台领域本体的干预下，对外延数据进行信息提取得到；将待训练信息输入已训练的扩充知识提取模型；扩充知识提取模型基于标注知识训练得到；根据扩充知识提取模型的提取结果，获取扩充知识。
在一些实施例中，科研平台效益评估装置400还包括：本体构建模块，用于构建科研平台领域本体，具体用于：对科研平台元数据标准、通用知识图谱本体结构及科研平台效益评估的专家意见进行信息抽取，得到科研平台效益评估的实体信息、关系信息及属性信息；根据实体信息、关系信息及属性信息，构建科研平台领域本体。
在一些实施例中，效益评估模块405，具体用于基于多源融合知识图谱，确定科研平台的投入产出演化路径、投入产出效益比及投入产出效益水平；根据投入产出演化路径、投入产出效益比及投入产出效益水平，确定科研平台的投入产出效益评估结果。
在一些实施例中，效益评估模块405，具体还用于基于多源融合知识图谱，识别影响科研平台效益的关键因素；根据关键因素，确定科研平台的效益影响因素评估结果。
在一些实施例中，效益评估模块405，具体还用于根据多源融合知识图谱，确定科研机构分级知识图谱；将目标科研平台拥有机构的绩效评价体系与科研机构分级知识图谱进行比对；根据比对结果，确定目标科研平台拥有机构的绩效评价体系的绩效评价合理性评估结果。
在一些实施例中，效益评估模块405，具体还用于根据多源融合知识图谱，确定目标科研领域的预期研究方向；将目标科研领域的实际研究方向与预期研究方向进行比对；若比对结果为一致，则确定目标科研领域的实际研究方向稳定；若比对结果为不一致，则确定目标科研领域的实际研究方向不稳定。
关于科研平台效益评估装置400的具体限定可以参见上文中对于科研平台效益评估方法的限定，在此不再赘述。上述科研平台效益评估装置400中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
此外，上述示例的科研平台效益评估装置400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，即将科研平台效益评估装置400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，该计算机设备可以是终端或服务器设备，其内部结构图可以如图7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多源融合知识图谱数据，或用于科研平台效益评估的数据。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以实现一种科研平台效益评估方法。
本领域技术人员可以理解，图7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。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取经验知识；经验知识是在科研平台领域本体的干预下，对科研平台效益评估的专家经验数据进行知识提取得到，科研平台领域本体根据科研平台元数据标准、通用知识图谱本体结构及科研平台效益评估的专家意见构建得到；获取标注知识；标注知识是在科研平台领域本体的干预下，对科研平台基础数据进行知识提取得到；获取扩充知识；扩充知识是在科研平台领域本体的干预下，对科研平台效益评估的外延数据进行知识提取得到，外延数据通过爬取网络信息得到；构建科研平台效益评估的多源融合知识图谱；多源融合知识图谱根据经验知识、标注知识以及扩充知识得到；基于多源融合知识图谱，确定科研平台效益评估结果。
在一个实施例中，科研平台基础数据包括科研平台效益数据、科研平台投入数据及科研平台机构数据；其中，科研平台效益数据包括项目成果数据、论文成果数据、专利成果数据和标准成果数据中的一个或多个。
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：获取待训练信息；待训练信息是在科研平台领域本体的干预下，对外延数据进行信息提取得到；将待训练信息输入已训练的扩充知识提取模型；扩充知识提取模型基于标注知识训练得到；根据扩充知识提取模型的提取结果，获取扩充知识。
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：对科研平台元数据标准、通用知识图谱本体结构及科研平台效益评估的专家意见进行信息抽取，得到科研平台效益评估的实体信息、关系信息及属性信息；根据实体信息、关系信息及属性信息，构建科研平台领域本体。
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：基于多源融合知识图谱，确定科研平台的投入产出演化路径、投入产出效益比及投入产出效益水平；根据投入产出演化路径、投入产出效益比及投入产出效益水平，确定科研平台的投入产出效益评估结果。
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：基于多源融合知识图谱，识别影响科研平台效益的关键因素；根据关键因素，确定科研平台的效益影响因素评估结果。
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：根据多源融合知识图谱，确定科研机构分级知识图谱；将目标科研平台拥有机构的绩效评价体系与科研机构分级知识图谱进行比对；根据比对结果，确定目标科研平台拥有机构的绩效评价体系的绩效评价合理性评估结果。
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：根据多源融合知识图谱，确定目标科研领域的预期研究方向；将目标科研领域的实际研究方向与预期研究方向进行比对；若比对结果为一致，则确定目标科研领域的实际研究方向稳定；若比对结果为不一致，则确定目标科研领域的实际研究方向不稳定。
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：获取经验知识；经验知识是在科研平台领域本体的干预下，对科研平台效益评估的专家经验数据进行知识提取得到，科研平台领域本体根据科研平台元数据标准、通用知识图谱本体结构及科研平台效益评估的专家意见构建得到；获取标注知识；标注知识是在科研平台领域本体的干预下，对科研平台基础数据进行知识提取得到；获取扩充知识；扩充知识是在科研平台领域本体的干预下，对科研平台效益评估的外延数据进行知识提取得到，外延数据通过爬取网络信息得到；构建科研平台效益评估的多源融合知识图谱；多源融合知识图谱根据经验知识、标注知识以及扩充知识得到；基于多源融合知识图谱，确定科研平台效益评估结果。
在一个实施例中，科研平台基础数据包括科研平台效益数据、科研平台投入数据及科研平台机构数据；其中，科研平台效益数据包括项目成果数据、论文成果数据、专利成果数据和标准成果数据中的一个或多个。
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：获取待训练信息；待训练信息是在科研平台领域本体的干预下，对外延数据进行信息提取得到；将待训练信息输入已训练的扩充知识提取模型；扩充知识提取模型基于标注知识训练得到；根据扩充知识提取模型的提取结果，获取扩充知识。
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：对科研平台元数据标准、通用知识图谱本体结构及科研平台效益评估的专家意见进行信息抽取，得到科研平台效益评估的实体信息、关系信息及属性信息；根据实体信息、关系信息及属性信息，构建科研平台领域本体。
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：基于多源融合知识图谱，确定科研平台的投入产出演化路径、投入产出效益比及投入产出效益水平；根据投入产出演化路径、投入产出效益比及投入产出效益水平，确定科研平台的投入产出效益评估结果。
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：基于多源融合知识图谱，识别影响科研平台效益的关键因素；根据关键因素，确定科研平台的效益影响因素评估结果。
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：根据多源融合知识图谱，确定科研机构分级知识图谱；将目标科研平台拥有机构的绩效评价体系与科研机构分级知识图谱进行比对；根据比对结果，确定目标科研平台拥有机构的绩效评价体系的绩效评价合理性评估结果。
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：根据多源融合知识图谱，确定目标科研领域的预期研究方向；将目标科研领域的实际研究方向与预期研究方向进行比对；若比对结果为一致，则确定目标科研领域的实际研究方向稳定；若比对结果为不一致，则确定目标科研领域的实际研究方向不稳定。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上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。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
本文实施例的术语“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。
在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
在本文中提及的“第一\第二”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换，以使这里描述的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对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，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种科研平台效益评估方法，应用于计算机设备，所述方法包括：
获取经验知识；其中，所述经验知识存储于所述计算机设备的数据库；所述经验知识是在科研平台领域本体的干预下，对科研平台效益评估的专家经验数据进行知识提取得到，所述科研平台领域本体基于对科研平台元数据标准、通用知识图谱本体结构及科研平台效益评估的专家意见进行信息抽取，得到科研平台效益评估的实体信息、关系信息及属性信息，并根据所述实体信息、关系信息及属性信息来构建得到；所述科研平台领域本体用于指导所述经验知识、标注知识和扩充知识的所述实体信息、关系信息及属性信息的提取和学习；
获取所述标注知识；所述标注知识是在所述科研平台领域本体的干预下，对科研平台基础数据进行知识提取得到；其中，所述科研平台基础数据包括科研平台效益数据、科研平台投入数据及科研平台机构数据；其中，所述科研平台效益数据包括项目成果数据、论文成果数据、专利成果数据和标准成果数据中的一个或多个；
获取所述扩充知识；所述扩充知识是在所述科研平台领域本体的干预下，对科研平台效益评估的外延数据进行知识提取得到，所述外延数据通过爬取网络信息得到；
构建科研平台效益评估的多源融合知识图谱；所述多源融合知识图谱根据所述经验知识、所述标注知识以及所述扩充知识进行多源知识融合得到；
基于所述多源融合知识图谱，确定科研平台效益评估结果。
2.根据权利要求1所述的方法，其特征在于，所述获取扩充知识的步骤，包括：
获取待训练信息；所述待训练信息是在所述科研平台领域本体的干预下，对外延数据进行信息提取得到；
将所述待训练信息输入已训练的扩充知识提取模型；所述扩充知识提取模型基于所述标注知识训练得到；
根据所述扩充知识提取模型的提取结果，获取扩充知识。
3.根据权利要求1至2任一项所述的方法，其特征在于，所述基于所述多源融合知识图谱，确定科研平台效益评估结果的步骤，包括：
基于所述多源融合知识图谱，确定科研平台的投入产出演化路径、投入产出效益比及投入产出效益水平；
根据所述投入产出演化路径、投入产出效益比及投入产出效益水平，确定科研平台的投入产出效益评估结果。
4.根据权利要求1至2任一项所述的方法，其特征在于，所述基于所述多源融合知识图谱，确定科研平台效益评估结果的步骤，包括：
基于所述多源融合知识图谱，识别影响科研平台效益的关键因素；
根据所述关键因素，确定科研平台的效益影响因素评估结果。
5.根据权利要求1至2任一项所述的方法，其特征在于，所述基于所述多源融合知识图谱，确定科研平台效益评估结果的步骤，包括：
根据所述多源融合知识图谱，确定科研机构分级知识图谱；
将目标科研平台拥有机构的绩效评价体系与所述科研机构分级知识图谱进行比对；
根据比对结果，确定所述目标科研平台拥有机构的绩效评价体系的绩效评价合理性评估结果。
6.根据权利要求1至2任一项所述的方法，其特征在于，所述基于所述多源融合知识图谱，确定科研平台效益评估结果的步骤，包括：
根据所述多源融合知识图谱，确定目标科研领域的预期研究方向；
将所述目标科研领域的实际研究方向与所述预期研究方向进行比对；
若比对结果为一致，则确定所述目标科研领域的实际研究方向稳定；
若比对结果为不一致，则确定所述目标科研领域的实际研究方向不稳定。
7.一种科研平台效益评估装置，其特征在于，所述装置包括：
经验知识获取模块，用于获取经验知识；其中，所述经验知识存储于计算机设备的数据库；所述经验知识是科研平台领域本体的干预下，对科研平台效益评估的专家经验数据进行知识提取得到，所述科研平台领域本体基于对科研平台元数据标准、通用知识图谱本体结构及科研平台效益评估的专家意见进行信息抽取，得到科研平台效益评估的实体信息、关系信息及属性信息，并根据所述实体信息、关系信息及属性信息来构建得到；所述科研平台领域本体用于指导所述经验知识、标注知识和扩充知识的所述实体信息、关系信息及属性信息的提取和学习；
标注知识获取模块，用于获取所述标注知识；所述标注知识是在所述科研平台领域本体的干预下，对科研平台基础数据进行知识提取得到；其中，所述科研平台基础数据包括科研平台效益数据、科研平台投入数据及科研平台机构数据；其中，所述科研平台效益数据包括项目成果数据、论文成果数据、专利成果数据和标准成果数据中的一个或多个；
扩充知识获取模块，用于获取所述扩充知识；所述扩充知识是在所述科研平台领域本体的干预下，对科研平台效益评估的外延数据进行知识提取得到，所述外延数据通过爬取网络信息得到；
图谱构建模块，用于构建科研平台效益评估的多源融合知识图谱；所述多源融合知识图谱根据所述经验知识、所述标注知识以及所述扩充知识进行多源知识融合得到；
效益评估模块，用于基于所述多源融合知识图谱，确定科研平台效益评估结果。
8.根据权利要求7所述的装置，其特征在于，所述扩充知识获取模块用于获取待训练信息；所述待训练信息是在所述科研平台领域本体的干预下，对外延数据进行信息提取得到；将所述待训练信息输入已训练的扩充知识提取模型；所述扩充知识提取模型基于所述标注知识训练得到；根据所述扩充知识提取模型的提取结果，获取扩充知识。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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6中任一项所述方法的步骤。
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6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910961742.3A CN110909975B (zh) | 2019-10-11 | 2019-10-11 | 科研平台效益评估方法、装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910961742.3A CN110909975B (zh) | 2019-10-11 | 2019-10-11 | 科研平台效益评估方法、装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110909975A CN110909975A (zh) | 2020-03-24 |
| CN110909975B true CN110909975B (zh) | 2022-11-29 |
Family
ID=69815499
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910961742.3A Active CN110909975B (zh) | 2019-10-11 | 2019-10-11 | 科研平台效益评估方法、装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110909975B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112288149A (zh) * | 2020-10-21 | 2021-01-29 | 中船第九设计研究院工程有限公司 | 一种船舶工业智能制造协同服务系统 |
| CN112766801A (zh) * | 2021-02-01 | 2021-05-07 | 浙江医药高等专科学校 | 一种基于层次分析法的高校科研管理绩效评价系统 |
| CN112800243A (zh) * | 2021-02-04 | 2021-05-14 | 天津德尔塔科技有限公司 | 一种基于知识图谱的项目预算分析方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106909680A (zh) * | 2017-03-03 | 2017-06-30 | 中国科学技术信息研究所 | 一种基于知识组织语义关系的科技专家信息聚合方法 |
| CN109241278A (zh) * | 2018-07-18 | 2019-01-18 | 绍兴诺雷智信息科技有限公司 | 科研知识管理方法及系统 |
| CN109271530A (zh) * | 2018-10-17 | 2019-01-25 | 长沙瀚云信息科技有限公司 | 一种疾病知识图谱构建方法和平台系统、设备、存储介质 |
| CN109657918A (zh) * | 2018-11-19 | 2019-04-19 | 平安科技（深圳）有限公司 | 关联评估对象的风险预警方法、装置和计算机设备 |
-
2019
- 2019-10-11 CN CN201910961742.3A patent/CN110909975B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106909680A (zh) * | 2017-03-03 | 2017-06-30 | 中国科学技术信息研究所 | 一种基于知识组织语义关系的科技专家信息聚合方法 |
| CN109241278A (zh) * | 2018-07-18 | 2019-01-18 | 绍兴诺雷智信息科技有限公司 | 科研知识管理方法及系统 |
| CN109271530A (zh) * | 2018-10-17 | 2019-01-25 | 长沙瀚云信息科技有限公司 | 一种疾病知识图谱构建方法和平台系统、设备、存储介质 |
| CN109657918A (zh) * | 2018-11-19 | 2019-04-19 | 平安科技（深圳）有限公司 | 关联评估对象的风险预警方法、装置和计算机设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110909975A (zh) | 2020-03-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110489520B (zh) | 基于知识图谱的事件处理方法、装置、设备和存储介质 | |
| CN110909975B (zh) | 科研平台效益评估方法、装置 | |
| CN108491511B (zh) | 基于图数据的数据挖掘方法和装置、模型训练方法和装置 | |
| CN111126668B (zh) | 基于图卷积网络的Spark作业时间预测方法和装置 | |
| CN109360105A (zh) | 产品风险预警方法、装置、计算机设备和存储介质 | |
| Hutter et al. | Identifying key algorithm parameters and instance features using forward selection | |
| CN104679743A (zh) | 一种确定用户的偏好模式的方法及装置 | |
| Wang et al. | Effective bigdata-space service selection over trust and heterogeneous QoS preferences | |
| CN113254630B (zh) | 一种面向全球综合观测成果的领域知识图谱推荐方法 | |
| CN109918653A (zh) | 确定文本数据的关联话题及模型的训练方法、装置和设备 | |
| Yu et al. | Tracing the main path of interdisciplinary research considering citation preference: A case from blockchain domain | |
| US20190340517A2 (en) | A method for detection and characterization of technical emergence and associated methods | |
| CN110880006A (zh) | 用户分类方法、装置、计算机设备和存储介质 | |
| CN110674636A (zh) | 一种用电行为分析方法 | |
| Costagliola et al. | Effort estimation modeling techniques: a case study for web applications | |
| Linton et al. | An extension to a DEA support system used for assessing R&D projects | |
| Jun et al. | Quasi-optimal case-selective neural network model for software effort estimation | |
| CN112685639A (zh) | 活动推荐方法、装置、计算机设备和存储介质 | |
| CN115408186A (zh) | 根因定位方法、装置、计算机设备和存储介质 | |
| Manrique et al. | Towards the identification of concept prerequisites via knowledge graphs | |
| CN111160566A (zh) | 样本生成方法、装置、计算机可读存储介质和计算机设备 | |
| Liu et al. | An obsolescence forecasting method based on improved radial basis function neural network | |
| Weng et al. | Mining time series data for segmentation by using Ant Colony Optimization | |
| WO2021139255A1 (zh) | 基于模型的预测数据变化频率的方法、装置和计算机设备 | |
| Lasso et al. | Towards an alert system for coffee diseases and pests in a smart farming approach based on semi-supervised learning and graph similarity |
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 |