CN119416632B - 一种影响分析评估模型的构建方法 - Google Patents

Abstract

本发明公开了一种影响分析评估模型的构建方法，包括收集文献输入变量；分别以国际影响力代用指标Altmetrics和学术引用作为输出变量进行建模分析；选择算法基准系数最高的作为建模的输入算法进行建模的网格调参；采用使用特征重要性评估模型，并对比各变量对成果影响力的贡献程度；使用偏相关图显示各变量对成果影响的趋势，结合所述使用特征重要性和偏相关图对成果影响力综合进行评估输出结果。本发明通过对比对学术引用影响最大的因素和对Almetrics影响最大的因素，可有效分析研究成果国际影响的主要来源，及其影响方式，为研究成果国际影响评估提供更为科学可溯源的分析工具。

Description

一种影响分析评估模型的构建方法

技术领域

本发明涉及工业5G领域，尤其涉及一种影响分析评估模型的构建方法。

背景技术

评价技术在工业5G领域的应用越来越广泛，可以帮助交互系统及时、高效地评估网络，实现网络的分析和评估。目前，5G信息量庞大、种类多样、信息密度大等特点，评估方法存在较多的不确定因素，导致评估方法存在较大的不确定性。虽然已经发明了一些5G网络的评估模型的构建方法，但是仍不能有效解决评估方法的不确定问题。

发明内容

本发明的目的是要提供一种影响分析评估模型的构建方法。

为达到上述目的，本发明是按照以下技术方案实施的：

本发明包括以下步骤：

A收集文献输入变量；

B分别以国际影响力代用指标Altmetrics和学术引用作为输出变量进行建模分析；

C将学术应用量和国际影响力代用指Altmetrics加入数据集，基于决策树的继承算法池进行10倍交叉验证，依次评估算法在数据集上的重要表现，采用10倍交叉验证依次评估各算法在数据集上的基准表现；

D选择算法基准系数最高的作为建模的输入算法进行建模的网格调参；

E采用使用特征重要性评估模型，并对比各变量对成果影响力的贡献程度；

F使用偏相关图显示各变量对成果影响的趋势，结合所述使用特征重要性和偏相关图对成果影响力综合进行评估输出结果。

进一步地，对所述预处理的方法包括缺失值处理、异常值检测与处理、数据类型转换。

进一步地，所述文献输入变量包括论文的发表年份、作者、研究机构、研究领域、摘要内容、关键词。

进一步地,基于决策树的继承算法包括Adaptive Boosting、ExtremelyRandomized Trees、Random Forest和Gradient Boosting Machine。

一种影响分析评估模型的构建方法，其特征在于，进行10倍交叉验证评估算法在数据集上的表现，包括准确率、召回率、F1分数指标,估该算法是否在所有算法中表现最好，如不是，返回选择其他算法重复步骤。

进一步地,所述偏相关图的具体标准化方程的计算如下：

其中f为算法，i为样本实例，i为变量，n为样本数量，j为样本编号。

进一步地，所述偏相关图的计算方式如下：

其中X为输入数据集，Xs为被分析的变量数据集，而Xc为其它变量数据集，xs为Xs中单个实例，xc为Xc中单个实例，对单个变量的分析包括如下：

其中n为样本量。

第二方面，本申请实施例还提供一种电子设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行第一方面所述的方法步骤。

第三方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序。

本发明的有益效果是：

本发明是一种影响分析评估模型的构建方法，与现有技术相比，本发明具有以下技术效果：

本发明通过对比对学术引用影响最大的因素和对Almetrics影响最大的因素，可有效分析研究成果国际影响的主要来源，及其影响方式，为研究成果国际影响评估提供更为科学可溯源的分析工具。

附图说明

图1为本发明一种影响分析评估模型的构建方法的步骤流程图；

图2是本申请的一个实施例电子设备的结构示意图。

具体实施方式

下面通过具体实施例对本发明作进一步描述，在此发明的示意性实施例以及说明用来解释本发明，但并不作为对本发明的限定。

本发明一种影响分析评估模型的构建方法包括以下步骤：

如图1所示，在本实施例中，包括以下步骤：

本发明以受到第二次某地区综合科学考察研究项目资助的研究成果为例演示模型建立和评估过程，研究数据来源于Dimensions数据库(https://app.dimensions.ai/discover/publication)，

基于截至2022年11月11日的STEP项目资助号，共检索到4679条出版物记录。建模过程中，选择了3221条在Resurchify上能找到匹配期刊名称的记录。用于建模的条目维度包括：研究主题、研究引用次数、研究的altmetrics指标、研究发表后的年数、作者数量、专业科学传播动作，以及发表该研究的期刊的影响因子、h指数、SCImago期刊排名(SJR)和整体排名。其中专业科学传播动作指由科研机构专业科学传播人员在国际科学传播平台上发布的宣传通稿，如可搜到相关研究的通稿，则为专业科学传播动作。除了专业科学传播动作，数据均从Resurchify网站获取。

收集文献输入变量；分别以国际影响力代用指标Altmetrics和学术引用作为输出变量进行建模分析；将学术引用量和Altmetrics加入数据集，基于决策树的继承算法池进行10倍交叉验证，依次评估算法在数据集上的重要表现，采用10倍交叉验证依次评估各算法在数据集上的基准表现；选择算法基准系数最高的作为建模的输入算法进行建模的网格调参；使用使用特征重要性评估模型，并对比各变量对成果影响力的贡献程度。用PDP显示各变量对成果影响的趋势，最后结合FIS和PDP对成果影响力综合进行评估

其中Gradient Boosting Machine(GBM):

GBM是一种流行的梯度提升算法，它通过迭代地训练弱学习器(通常是决策树)，每次尝试纠正前一个模型的错误来提高模型的性能。

它从初始模型开始，然后添加新的模型来纠正前一个模型的残差。这个过程会重复进行，直到达到预定的迭代次数或模型性能不再显著提高。

Random Forest(RF):Gradient Boosting Machine

RF是一种集成学习方法，它构建多个决策树并将它们的预测结果结合起来，以提高模型的准确性和鲁棒性。

每个决策树在训练时使用随机选择的特征子集，这样可以增加树之间的多样性，减少过拟合的风险。

Extremely Randomized Trees(ET):Random Forest(RF):Gradient BoostingMachine

ET，也称为Extra-Trees，是一种类似于随机森林的集成方法，但它在构建决策树时使用极端的随机性。

在ET中，每个节点的分裂不是基于最佳分割点，而是基于随机选择的特征和随机选择的阈值，这有助于增加模型的多样性。

AB，也称为AdaBoost，是一种自适应的集成方法，它通过迭代训练弱学习器，每个新的学习器都会关注前一个学习器错误分类的样本。

AdaBoost通过为每个训练样本分配权重来工作，每个新模型都会更加关注那些被前一个模型错误分类的样本。

本发明的核心创新是对同组数据的双模型建立和模型间对比解读。具体解读通过特征重要性FIS和偏相关图PDP的分析实现，FIS主要判断对影响评估重要的变量，而PDP反映其影响的方式。对比时，主要对比对学术引用模型和国际影响模型的FIS和关键变量PDP，其中FIS通过在计算过程中加入标准化，可实现跨模型比较，而PDP主要是模型内比较，跨模型做趋势比较。

剔除那些在PDP分析中显示为平坦或无规律抖动的特征，因为这些特征对模型贡献不大；对于PDP曲线非常陡峭的特征，说明其对模型预测有较大影响，应保留这些特征并进一步分析；通过PDP展示单个特征对模型预测的平均影响，确定特征与预测结果之间的近似线性关系、单调关系或者更复杂的关系；

对于分类特征，可以为每个类别计算PDP来估计部分依赖。

对学术引用模型和国际影响模型进行FIS和关键变量PDP的对比分析，以识别不同模型中影响预测的关键特征和它们的影响方式；

通过标准化处理FIS，实现跨模型的比较，而PDP主要用于模型内的比较和跨模型的趋势比较。

根据FIS和PDP的分析结果，不断迭代优化模型，剔除无用特征，增强模型对重要特征的捕捉能力，提升模型的准确性和可解释性，

通过这些步骤，可以有效地利用FIS和PDP分析结果来优化模型性能，提高模型的预测准确率和可解释性。

具体标准化方式如下：

PDP的计算方式如下：

其中X为输入数据集，Xs为被分析的变量数据集，而Xc为其它变量数据集，xs为Xs中单个实例，xc为Xc中单个实例。

对单个变量的分析包括如下：

其中n为样本量。

图2是本申请的一个实施例电子设备的结构示意图。请参考图2，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。

处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图2中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。

处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成一种信息安全风险预警装置。处理器，执行存储器所存放的程序，并具体用于执行前述任意一种影响分析评估模型的构建方法。

上述如本申请图1所示实施例揭示的一种影响分析评估模型的构建方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central ProcessingUnit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

该电子设备还可执行图1中一种影响分析评估模型的构建方法，并实现图1所示实施例的功能，本申请实施例在此不再赘述。

本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，执行前述的任意一种影响分析评估模型的构建方法。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种影响分析评估模型的构建方法，其特征在于，包括以下步骤：

A收集文献输入变量；

B分别以国际影响力代用指标Altmetrics和学术引用作为输出变量进行建模分析；

C将学术应用量和国际影响力代用指Altmetrics加入数据集，基于决策树的继承算法池进行10倍交叉验证，依次评估算法在数据集上的重要表现，采用10倍交叉验证依次评估各算法在数据集上的基准表现；

D选择算法基准系数最高的作为建模的输入算法进行建模的网格调参；

E采用使用特征重要性评估模型，并对比各变量对成果影响力的贡献程度；

F使用偏相关图显示各变量对成果影响的趋势，结合所述使用特征重要性和偏相关图对成果影响力综合进行评估输出结果；

所述偏相关图的具体标准化方程的计算如下：

；

其中f为算法，i为样本实例，i为变量，n为样本数量，j为样本编号；

所述偏相关图的计算方式如下：

；

其中X为输入数据集，Xs为被分析的变量数据集，而Xc为其它变量数据集，xs为Xs中单个实例，xc为Xc中单个实例，对单个变量的分析包括如下：

；

其中n为样本量。

2.根据权利要求1所述的一种影响分析评估模型的构建方法，其特征在于，对预处理的方法包括缺失值处理、异常值检测与处理、数据类型转换。

3.根据权利要求1所述的一种影响分析评估模型的构建方法，其特征在于，所述文献输入变量包括论文的发表年份、作者、研究机构、研究领域、摘要内容、关键词。

4.根据权利要求1所述的一种影响分析评估模型的构建方法，其特征在于，基于决策树的继承算法包括Adaptive Boosting、Extremely Randomized Trees 、Random Forest 和Gradient Boosting Machine。

5.根据权利要求1所述的一种影响分析评估模型的构建方法，其特征在于，进行10倍交叉验证评估算法在数据集上的表现，包括准确率、召回率、F1分数指标,估该算法是否在所有算法中表现最好，如不是，返回选择其他算法重复步骤。

6.一种电子设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1~5之任一所述方法。

7.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1~5之任一所述方法。