基于模糊語義算法的科研項目立項評估模型

向永坤，彭 穎，崔學峰

（武漢理工大學，湖北武漢 430063）

隨著科學技術的發展，科研項目評估作為現代化管理和決策科學化的重要內容，其發展顯得日趨重要。它涉及經濟、技術和市場等諸多復雜因素，貫穿于科技項目、機構管理的全過程，評審的科學性與公平公正性，直接影響科研資源配置的效率，對科技創新工作的順利開展具有重要的引領和導向作用［1-3］。科研評估立項作為科學管理的一項重要內容和手段，在美國已成為制度化、常態化的工作，并建立了科技評估支持系統。英國對科研項目立項有多種方式，主要可以分為客觀和主觀兩個部分。日本則根據著作和學術論文的數量、質量、創新、引用率、研究的指導能力等方面來對基礎研究項目進行評價。我國科研項目立項評審一般按照初審（形式審查）、同行專家評議、綜合處理、學科評審組或專業委員會復議的程序進行。由于科研項目往往具有前瞻性、探索性和不可預知性，對其進行合理的評估比一般的項目要復雜困難得多，對這一問題的研究也顯得尤為重要［4-7］。

目前立項評估中存在的問題主要有專家判斷映射失真，不完全信息難以描述，主觀性強、量化信息過于粗糙等。影響科研項目立項評估的因素眾多，而且多是模糊的、難以量化的定性指標，再加上人類思維的模糊性，評審專家在對科研項目進行評估時，沒有絕對分明的界限［8-9］。模糊語義的本質特征是“邊界不明”，實際上是模糊與清晰的統一體，由模糊概念空間及規則空間，作為對科研項目進行形式化表示的統一框架［10-12］。本文從科研立項評估的實際出發，引入灰色理論，構建基于模糊語義算法的科研項目立項評估模型，以期解決科研項目評審過程中所遇到的內涵明確、外延不明確的模糊不確定性問題，有效地集成各評審專家的經驗和知識，描述具體的計算過程，并進行應用實例分析，得到科研項目的綜合評價值，進而進行項目間的排序選優，為客觀地評價和優選科研項目立項提供一套更加科學、可行的方法。

1 模糊理論

1.1 模糊集合

模糊集合理論是通過描述不明確元素的隸屬關系，解決現實環境中的不確定性與模糊性信息，相關的定義如下：

1.2 三角模糊數

1.3 模糊數排序

模糊數排序用來比較方案之間的優劣等級，為評審專家提供參考。本模型采用模糊數平均數和標準差的排序方法，該方法建立在模糊事件的機率測度排序模糊數，而對于模糊事件假定了兩種機率分配：

表1 不同模糊數的大小關系排序結果

表1 不同模糊數的大小關系排序結果

2 科研項目立項評估模型構建

2.1 評估模式

基于模糊語義算法的科研項目立項評估模式如圖1所示，首先根據科研項目評分標準擬定模糊語義表，并由專家和主管部門的意見來提高模糊語義表的內容后，填寫模糊語義表打分表。回收完打分表后，采用模糊語義算法提取出重要性較高的評估準則、次準則建立科研項目評估表。進行評估時，評審委員針對各準則語義給予重要性百分比以求出各準則的權重，并按照評分表對參評科研項目進行評估以獲得模糊評分矩陣。最后將權重與評分進行整合排序，來獲得各參評科研項目的分數排序。

圖1 基于模糊語義算法的科研項目評估模式流程

2.2 評估指標與次指標

評估指標與次指標是對評估目標在某一方面的具體規定，是把抽象、原則的評估目標具體化，建立科學的評估指標體系是開展評估活動的必要前提。科研項目評估指標的設計應充分反映目標，指標將目標具體化、行為化和操作化，并確保有效和公平，體系內的指標應相互獨立，同一層次上的各指標不能存在任何包含與被包含的關系，指標應反映被評估對象的共同屬性，具有可比性，并實際出發，是可行的，具有可接受性。本研究設計的科研項目指標與次指標如表2所示。

表2 科研項目評估指標與次指標一覽表

表2 （續）

2.3 模糊語義算法

本文提出的模糊語義表不同于一般模糊語義評分表，該算法利用百分比填答的方式，更能符合專家評委的心理特質，模糊語義表格式如表3、表4所示。在運算方面，本文提出模糊語義整合運算法，將模糊語義以模糊數參數化表示，且利用質量重心法整合各個得分項的語義值。文中使用模糊數來整合模糊語義表，其中分別代表很高(VH)，高(H)，普通(M)，低(L)，很低(VL)。由于采用五個語義尺度，因此最多有五個模糊數要整合。模糊數整合值可表示為：

例如表3的模糊語義量表其整合運算如下，以模糊數參數化代數運算的整合值為：

而表4的模糊語義量表的整合值為：

表3 科研項目模糊語義表各項評估要素重要程度格式（一）

表4 科研項目模糊語義表各項評估要素重要程度格式（二）

2.4 模糊語義算法評估步驟

（1）步驟一：提取變量。

（2）步驟二：構建評估準則的模糊權重向量與模糊評分矩陣。

1）由各評審專家對模糊語義表給予重要程度劃分，并以公式(10)計算各評審準則的模糊數，最后以質量重心法整合得到模糊權重向量

2）評審專家以模糊語義評估表給定評估值，形成模糊評分矩陣。用來評估項目，并產生模糊評分矩陣的定義如下：

（4）步驟四：模糊數排序。

根據基本概念中的模糊數排序方法(如表1)進行排序，其中越大，則自主創新項目的成績越好，若相等，則再比較越小則成績越好。

3 案例分析

本文以國內某科研項目立項流程為例。由項目評審委員會主任、項目評審委員會副主任、專家總體組長三位作為主評審委員，編號為 E1、E2、E3，16位評審專家作為初評老師。以9個參評審的項目為例，分別編號A1、A2、A3、A4、A5、A6、A7、A8、A9。

3.1 步驟一：提取變量

回收16位評審專家的評分表，經表達式(10)計算，得到的5個主指標的模糊語義整合值均大于，因此5項主指標均保留。而28項次指標的篩選方面，其整合值也均大于，所以也保留每一個次指標。表5列出主指標篩選時的整合值，結果如下。

表5 主指標整合值

3.2 步驟二：構建評估準則的模糊權重向量與模糊評分矩陣

3.2.1 建立評估準則的權重。

（1）項目評審委員會（E1、E2、E3）對各項主準則的評審表模糊權重值如表6所示。

表6 評審委員的模糊權重值

（2）每個專家對各準則的權重值。根據表達式（10）計算評審委員會主任E1對指標X1的權重為依此類推，結果如表7所示。

表7 評審委員會對各主準則的權重值

（3）主準則權重的三角模糊數如表8所示。

表8 各主準則權重的三角模糊數

表8 （續）

3.2.2 參評項目資料回收處理形成模糊評分矩陣

（1）產生參評項目各次準則的三角模糊數如表9所示。

表9 參評項目各次準則的三角模糊數

（2）主準則值以三角模糊數顯示，如表10所示。如參評項目A1的X1 指標的三角模糊數其中 l、n要滿足下列規則：若m＜ 1則m=1；若n＞5 則n=5。

表10 參評項目的模糊評分

3.3 步驟三：計算綜合評監模糊數向量

根據公式（12）計算每一個參評項目的模糊數向量，如表11所示，為相對于每一個參評項目的模糊數向量（其中：為第一個參評項目的模糊數，為第二個參評項目的模糊數，以此類推）。

表11 參評項目的綜合評估模糊數向量

3.4 步驟四：排序模糊數

根據演算步驟，經過上述程序，可計算出模糊數的排序如下表12所示，從表中可以很容易看出評審項目的高低，其中項目A6的評估最高，A1 與A5為最后兩名，若按照立項標準，很容易得出A6為最佳的項目，該模式摒棄了傳統的打分的由于評審老師不確定性因素的影響，引入了模糊語義算法，基于模糊數進行評估，是一種簡單、可行性相當高的評估模式。

表12 模糊數排序的與值

表12 模糊數排序的與值

4 結語

科研項目立項評估本質上是一種不完全信息下的多屬性群決策問題，如何準確、公正有效地從主觀和客觀兩個層面表示專家的意見極為重要，本文從科研立項評估的實際出發，引入模糊數學灰色理論，構建了基于模糊語義算法的科研項目立項評估模型，本文的貢獻主要有兩點：

（1）構建的不同于一般評委打分表的模糊語義評估模型，既有主觀又有客觀指標的特點，其更能反映科研項目的真實狀況；

（2）采用模糊語義整合算法，對模糊語義表各單項，提取出評估項目的主指標、次指標，進而建立基于模糊數排序的評估模式，具有較高的置信度。本文后續的研究可以采用PHP與MYSQL編程語言，開發基于模糊語義算法的科研項目評估管理系統，采用數字化辦公，進而提高評估效率。