一种基于科研多维特征的项目可行性预测分析方法技术

本发明专利技术涉及一种基于科研多维特征的项目可行性预测分析方法，该方法包括：S1，定义项目可行性特征属性分类和表达方法；S2，评价特征属性提取和计算；S3，基于多层神经网络的项目可行性预测；S4，评分规则与特征属性的映射，并实现特征属性值计算；S5，基于评分规则的项目可行性分析；S6，给出项目可行性分析报告。本发明专利技术适用于利用特征属性和评分规则，基于神经网络实现项目可行性的预测，以及项目可行性评分。

【技术实现步骤摘要】
一种基于科研多维特征的项目可行性预测分析方法
本专利技术属于大数据分析(BigDataAnalysis)
，是一种通过获取科研项目可行性报告中研究内容、技术路线、团队等信息，形成研究先进性、团队实力、内容相似性等多维特征，在与历史项目库对比比较的基础上，构建可行性预测模型判断项目先进性，并结合多类规则实现项目可行性分析和评价。
技术介绍
在项目可行性分析评估过程中，涉及到对项目研究内容是否与项目指南相匹配，研究内容是否具有先进性，项目团队是否具备实力等诸多因素。由于各类项目类型跨度大、研究方向多样、填写内容不一，缺少统一的评价方法和评价规则，使得项目是否可行主要通过人工方式来进行评价。即项目是否具备可行性主要基于专家经验来判断，具有较大的主观性。通过合理的特征提取，可以从项目可行性报告中提取相关关键字和主题、项目团队人员科研能力和研究基础，即转化为文本内容、关系网络和时间等特征属性，通过特征属性计算将项目可行性问题转变为二分类问题，判断项目是否可行或不可行，并提出可行性的判断理由和依据。因此，通过合理的选择特征，提取相关特征属性值并作为特本文档来自技高网...

【技术保护点】
1.一种基于科研多维特征的项目可行性预测分析方法，其特征在于，包括以下步骤：/n步骤一、定义项目可行性特征属性分类和表达方法，细粒度表示项目可行性特征以及约束，并通过主成分分析方式学习特征属性的权重；/n步骤二、评价特征属性提取和计算，提取本文内容特征和关系网络特征，计算相应评价特征属性的数值；/n步骤三、基于多层神经网络的项目可行性预测；/n步骤四、评分规则与特征属性的映射，并实现特征属性值计算；/n步骤五、基于评分规则的项目可行性分析；/n步骤六、给出项目可行性分析报告。/n

【技术特征摘要】
1.一种基于科研多维特征的项目可行性预测分析方法，其特征在于，包括以下步骤：
步骤一、定义项目可行性特征属性分类和表达方法，细粒度表示项目可行性特征以及约束，并通过主成分分析方式学习特征属性的权重；
步骤二、评价特征属性提取和计算，提取本文内容特征和关系网络特征，计算相应评价特征属性的数值；
步骤三、基于多层神经网络的项目可行性预测；
步骤四、评分规则与特征属性的映射，并实现特征属性值计算；
步骤五、基于评分规则的项目可行性分析；
步骤六、给出项目可行性分析报告。


2.根据权利要求1所述的方法，其特征在于，在所述步骤二中，本文内容特征包括题目、关键词、研究内容、科学问题、技术路线段落中抽取的关键词；关系网络特征包括人物合著网络中的学者地位中心性、基于PageRank的人物领域内影响力、团队聚类系数、相关成果影响力，以及关键词热度、团队实力；针对本文内容特征，采用LDA文档主题生成模型来表示和计算，其公式为：




表示文本特征属性poj在主题lti上的概率分布，该概率分布由LDA模型计算得到；越大说明文本特征属性poj与主题lti的相关度越高；则表示所有文本特征属性在主题上的概率分布加和。


3.根据权利要求2所述的方法，其特征在于，在所述步骤二中，考虑基于时间因素的特征叠加，即研究方向的热度；研究方向可表示为关键词的热度，通过以下公式表示：



其中Num(Δt)表示在规定的周期时间的数量，Sum(kw)表示获得得到的关键词数量；通过Nmax用于归一化为[0,1]值。


4.根据权利要求1或2所述的方法，其特征在于，在所述步骤二中，关系网络特征特征计算方法包括：
通过以下公式计算项目成员地位中心性：



其中，N代表学者关系网络中总节点的个数；代表网络中任意两节点i和j之间的最短路径，常用是用Dijkstra方法进行计算；
通过以下公式计算PageRank值：

其中是所有和该人物pi有直接合作关系的作者集合，L(pj)是作者pj的直接连接作者的数量，N是作者总数，α通常取0.85。
团队聚类系数定义为聚类系数Ci表达了节点i的所有邻节点间彼此连接的程度，ki是节...

【专利技术属性】
技术研发人员：王月，于建军，
申请(专利权)人：中国科学院计算机网络信息中心，
类型：发明
国别省市：北京;11