[發(fā)明專利]一種基于XGBoost模型的多維指標(biāo)集成的技術(shù)評(píng)價(jià)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011581170.5
• 申請(qǐng)日: 2020-12-28
• 公開(kāi)（公告）號(hào): CN112685562B
• 公開(kāi)（公告）日: 2021-12-07
• 發(fā)明（設(shè)計(jì)）人: 劉冰冰;馮凱;王元卓;彭亮
• 申請(qǐng)（專利權(quán)）人: 中科院計(jì)算技術(shù)研究所大數(shù)據(jù)研究院
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35;G06F16/31;G06F40/205;G06K9/62;G06Q10/06
• 代理公司: 鄭州明華專利代理事務(wù)所(普通合伙) 41162
• 代理人: 王明朗

1.一種基于XGBoost模型的多維指標(biāo)集成的技術(shù)評(píng)價(jià)方法，其特征在于：包括以下步驟：

S1、獲取技術(shù)評(píng)價(jià)科技類數(shù)據(jù)，所述技術(shù)評(píng)價(jià)科技類數(shù)據(jù)包括全球的論文、專利、項(xiàng)目數(shù)據(jù)；

S2、對(duì)技術(shù)評(píng)價(jià)科技類數(shù)據(jù)進(jìn)行處理，包括以下步驟：

(1)從論文、專利、項(xiàng)目中抽取專家和機(jī)構(gòu)；

(2)對(duì)科技文獻(xiàn)中的科研人員和機(jī)構(gòu)名稱消歧；

(3)對(duì)論文、專利、項(xiàng)目、專家和機(jī)構(gòu)打上通用的技術(shù)領(lǐng)域標(biāo)簽、國(guó)家/地區(qū)標(biāo)簽；

(4)計(jì)算專家和機(jī)構(gòu)的評(píng)價(jià)指標(biāo)并進(jìn)行排名；

(5)從論文、專利、項(xiàng)目科技數(shù)據(jù)中按照領(lǐng)域抽取技術(shù)名詞；

S3、選擇技術(shù)名詞作為樣本，計(jì)算樣本技術(shù)的技術(shù)得分：通過(guò)國(guó)家統(tǒng)計(jì)局統(tǒng)計(jì)的全國(guó)技術(shù)熱度排行榜，對(duì)全國(guó)的技術(shù)熱度進(jìn)行排名，并計(jì)算技術(shù)的技術(shù)得分score(i)，

score(i)＝100-0.09*(i-1)

i＝1,…,1000

S4、選擇技術(shù)的評(píng)價(jià)指標(biāo)，將各評(píng)價(jià)指標(biāo)根據(jù)維度分為一級(jí)指標(biāo)和二級(jí)指標(biāo)，建立技術(shù)評(píng)價(jià)指標(biāo)體系，對(duì)每一項(xiàng)技術(shù)逐項(xiàng)計(jì)算指標(biāo)結(jié)果，并對(duì)計(jì)算結(jié)果進(jìn)行歸一化處理；

S5、對(duì)XGBoost模型進(jìn)行訓(xùn)練與調(diào)優(yōu)，輸出最終的評(píng)價(jià)模型，包括以下步驟：

(1)以技術(shù)得分score(i)作因變量，評(píng)價(jià)指標(biāo)作獨(dú)立變量，采用XGBoost進(jìn)行模型訓(xùn)練與調(diào)優(yōu)；

(2)將1000個(gè)技術(shù)的指數(shù)作為數(shù)據(jù)集，隨機(jī)打散之后按照7:2:1的方式拆分成訓(xùn)練集、驗(yàn)證集和測(cè)試集；

(3)對(duì)XGBoost模型進(jìn)行訓(xùn)練：通過(guò)每輪迭代產(chǎn)生一個(gè)弱回歸器使每個(gè)回歸器在上一輪回歸器的殘差基礎(chǔ)上進(jìn)行訓(xùn)練，通過(guò)降低偏差提高回歸器的精度，所述弱回歸器選擇為CART TREE，將每輪訓(xùn)練得到的弱回歸器加權(quán)求和得到總回歸器，得到模型目標(biāo)函數(shù)為：

式中，obj^t表示目標(biāo)函數(shù)，l表示損失函數(shù)，y_i即真實(shí)值(對(duì)應(yīng)score(i))，f_t(x_i)是第t棵樹(shù)的輸出結(jié)果，是模型當(dāng)前輸出的結(jié)果，所以就是t次迭代輸出的最終結(jié)果，Ω(f_t)是懲罰模型的復(fù)雜度，包括兩個(gè)部分，即葉子節(jié)點(diǎn)的總數(shù)和葉子節(jié)點(diǎn)得到的L2正則化項(xiàng)；

(4)將訓(xùn)練集中的樣本輸入XGBoost模型，先添加一棵樹(shù)，根據(jù)特征訓(xùn)練集中的特征進(jìn)行分裂，若生成的樹(shù)滿足要求，訓(xùn)練完成，得到訓(xùn)練好的XGBoost模型；否則繼續(xù)添加樹(shù)，在對(duì)上一次分裂樹(shù)進(jìn)行分裂，通過(guò)不斷添加學(xué)習(xí)新的函數(shù)，最終得到訓(xùn)練好的XGBoost模型；

(5)用測(cè)試集和驗(yàn)證集對(duì)訓(xùn)練好的XGBoost模型進(jìn)行測(cè)試和驗(yàn)證，選擇參數(shù)最優(yōu)的模型為最終評(píng)價(jià)模型；

S6、采用評(píng)價(jià)模型按照評(píng)價(jià)指標(biāo)體系計(jì)算出技術(shù)的綜合得分。

2.根據(jù)權(quán)利要求1所述的基于XGBoost模型的多維指標(biāo)集成的技術(shù)評(píng)價(jià)方法，其特征在于：所述評(píng)價(jià)指標(biāo)體系為：

3.根據(jù)權(quán)利要求2所述的基于XGBoost模型的多維指標(biāo)集成的技術(shù)評(píng)價(jià)方法，其特征在于：所述E-score是通過(guò)考慮技術(shù)的新穎性、持久性、社區(qū)性、增長(zhǎng)性計(jì)算E-score分值，計(jì)算方法為：首先按照規(guī)則過(guò)濾新興技術(shù)；然后計(jì)算新興的技術(shù)名詞的E-Score，其計(jì)算數(shù)據(jù)源是最近十年在各類文獻(xiàn)中技術(shù)出現(xiàn)的情況，這十年的前三年為活躍期，后七年為持續(xù)期；其中新興技術(shù)過(guò)濾規(guī)則包括：

a、至少連續(xù)三年均出現(xiàn)文獻(xiàn)中；

b、至少在7篇文獻(xiàn)中出現(xiàn)；

c、活躍期技術(shù)的發(fā)文數(shù)/持續(xù)期發(fā)文數(shù)＝2；

d、持續(xù)期技術(shù)的發(fā)文數(shù)/持續(xù)期所有文獻(xiàn)數(shù)＝0.15；

e、技術(shù)出現(xiàn)在不同文章不同作者；

若未通過(guò)過(guò)濾規(guī)則，則E-score為0；若滿足過(guò)濾規(guī)則，E-Score＝2*活躍期趨勢(shì)+(近期趨勢(shì)+年中到去年的斜率)。