基于集成权重和贝叶斯模型的科技奖励评价.docVIP

基于集成权重和贝叶斯模型的科技奖励评价 摘要：采用聚类分析法将多专家的动态综合评价转换为 静态综合评价；引入横向拉开档次法对各指标客观赋权，结 合指标主观权重，运用数学规划法得到指标的集成权重；采 用贝叶斯网络模型对24项科技成果进行分类评价，对每一 项成果获得某一等级奖项的可能性给出测度，并对每一类内 的项目排序。实证分析表明：我国科研成果大部分具有研宄 价值，且成果丰硕，但突破性、创造性的研究成果较少。 关键词：贝叶斯网络；集成权重；拉开档次法；聚类 分析法 中图分类号：G311文献标识码：A 与2013年、2012年相比，2014年度国家科学技术奖 授奖项目明显减少。对此，国家科技部奖励办表示，优化奖 励结构、减少奖励数量，是为了突出鼓励自主创新成果和重 大的发明创造科技成果。科技成果的评价作为科技奖励的前 期工作，对科技奖励的最终决策有着举足轻重的作用，也是 保证真正的重大创新项目获得应有奖励、鼓励科研人员进一 步有所突破的关键。 目前，学者们对科技奖励综合评价体系的研究做了大 量工作，部分研宄成果已经投入实际应用。张立军等构建了 基于路径系数权重体系的科技奖励评价模型。王瑛等提出了 基于模糊多属性投影法的科技奖励模型和E-BP神经网络的 科技奖励评价模型。黄卫春等提出了 一种基于云模型的科技 奖励评审模型，利用云模型描述项目评分在各属性下的分布 情况，通过计算云模型参数来确定云模型数字特征图或云滴 分布情况，并以此确定评价等级。王瑛、蒋晓东等提出了改 进CRITIC法和云模型的科技奖励评价模型，既考虑评价过 程中专家评分的模糊性和随机性，又考虑了定性语言与定量 语言之问的转换。王瑛、王娜等提出了基于随机森林赋权和 改进的ELECTRE-III方法的科技奖励评价方法，既提高了权 重估计的精确度和可信度，又解决了难以给定门槛值和不能 完全排序的问题。朱紫巍等针对国内外科技评价方法，进行 比较分析，提出了改革我国科技评价方法的建议。 针对科技奖励评价涉及多专家、多项目、多指标的特 点，此前，学界的研宄主要集中在评价指标的客观赋权法与 主观赋权法的单方面研究，没有将这两方面有机结合起来； 在评价方法上主要集中在数理统计和人工智能等方面，但对 于评价结果的可靠性没有给出科学的测度。对此，本文提出 一种集成权重的方法对科技奖励的评价指标进行综合赋权； 应用概率论中的贝叶斯网络模型进行科技奖励综合评价，该 方法不仅可实现对科技成果的分类评价，而且可对每一项科 技成果获得某一等级奖项的可能性给出概率测度，并在分类 评价的基础上，对每一类内的项目进行排序。 1集成权重的理论 评价指标权重的确定可分为主观赋权法和客观赋权 法，两者各有千秋。本文采用一令N主、客观权重集成的方 法，计算各评价指标的综合权重，该方法既能满足决策者的 主观偏好，又能实现决策的客观性、真实性。 1.1基于聚类分析的专家权重理论 聚类分析方法是一种作为模式识别的分类方法，它常 常被用来判断样品质量的好坏。把评审专家的个体排序向量 看作是待识别的样品，对其进行聚类分析并判别其客观可信 性，再根据聚类结果给专家赋权。 动态专家赋权坚持的是简单多数的基本原则，即一个 评审结果体现的是整个专家群体的综合意见。因此，一个专 家的个人评审意见和大多数专家的评审结果的吻合程度决 定了该专家在整个综合评价中所占的分量。如果他的评价结 果与大多数专家的结论基本一致，就可以给这一类专家赋以 较大的权重；反之，其意见就值得怀疑，可以给这一类专家 赋以较小的权重。 通过聚类分析，可以将个体排序向量划分成不同的类 别，即将k个评审专家分成s类，假设第1类内包含（pl个个 体排序向量，那么，第k位专家的权重nk应该和他所在的 类别中包含的专家人数q)k成正比，其具体计算公式为： 对nk进行归一化处理，即可得到基于聚类分析的动态 专家权重： 1.2拉开档次法的指标赋权理论 拉开档次法就是在使得各被评价对象之问的整体差异 尽量拉大的条件下确定评价指标权重的方法。 对于静态综合评价问题，一般解决办法是取线性综合 评价函数： 式中：wi为评价指标权重。 式中： 当指标权重矩阵W为对称矩阵H的最大特征值对应的 特征向量时，取最大值。此时权重系数W最大可能地体 现了各评价对象问的差异。 1.3基于数学规划法的集成权重理论 本文应用数学规划法在非线性约束条件下，求解线性 目标函数的极值问题。该方法在科技奖励综合评价中的具体 应用如下。 解得: 由式即可求得评价指标的集成权重。 2贝叶斯网络模型的理论 式中：P为条件概率；P为事件Bi的概率。 结合科技奖励评价的特点，Bi为科技奖励的等级集， 元素yji表示第j个指标在第i等级时的标准值；A表示科技 奖励的指标集，元素xjk表示第k项科技成果的第j个指标