基于模糊語(yǔ)義算法的科研項(xiàng)目立項(xiàng)評(píng)估模型

向永坤，彭 穎，崔學(xué)峰

（武漢理工大學(xué)，湖北武漢 430063）

隨著科學(xué)技術(shù)的發(fā)展，科研項(xiàng)目評(píng)估作為現(xiàn)代化管理和決策科學(xué)化的重要內(nèi)容，其發(fā)展顯得日趨重要。它涉及經(jīng)濟(jì)、技術(shù)和市場(chǎng)等諸多復(fù)雜因素，貫穿于科技項(xiàng)目、機(jī)構(gòu)管理的全過(guò)程，評(píng)審的科學(xué)性與公平公正性，直接影響科研資源配置的效率，對(duì)科技創(chuàng)新工作的順利開展具有重要的引領(lǐng)和導(dǎo)向作用［1-3］。科研評(píng)估立項(xiàng)作為科學(xué)管理的一項(xiàng)重要內(nèi)容和手段，在美國(guó)已成為制度化、常態(tài)化的工作，并建立了科技評(píng)估支持系統(tǒng)。英國(guó)對(duì)科研項(xiàng)目立項(xiàng)有多種方式，主要可以分為客觀和主觀兩個(gè)部分。日本則根據(jù)著作和學(xué)術(shù)論文的數(shù)量、質(zhì)量、創(chuàng)新、引用率、研究的指導(dǎo)能力等方面來(lái)對(duì)基礎(chǔ)研究項(xiàng)目進(jìn)行評(píng)價(jià)。我國(guó)科研項(xiàng)目立項(xiàng)評(píng)審一般按照初審（形式審查）、同行專家評(píng)議、綜合處理、學(xué)科評(píng)審組或?qū)I(yè)委員會(huì)復(fù)議的程序進(jìn)行。由于科研項(xiàng)目往往具有前瞻性、探索性和不可預(yù)知性，對(duì)其進(jìn)行合理的評(píng)估比一般的項(xiàng)目要復(fù)雜困難得多，對(duì)這一問(wèn)題的研究也顯得尤為重要［4-7］。

目前立項(xiàng)評(píng)估中存在的問(wèn)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(qiáng)、量化信息過(guò)于粗糙等。影響科研項(xiàng)目立項(xiàng)評(píng)估的因素眾多，而且多是模糊的、難以量化的定性指標(biāo)，再加上人類思維的模糊性，評(píng)審專家在對(duì)科研項(xiàng)目進(jìn)行評(píng)估時(shí)，沒(méi)有絕對(duì)分明的界限［8-9］。模糊語(yǔ)義的本質(zhì)特征是“邊界不明”，實(shí)際上是模糊與清晰的統(tǒng)一體，由模糊概念空間及規(guī)則空間，作為對(duì)科研項(xiàng)目進(jìn)行形式化表示的統(tǒng)一框架［10-12］。本文從科研立項(xiàng)評(píng)估的實(shí)際出發(fā)，引入灰色理論，構(gòu)建基于模糊語(yǔ)義算法的科研項(xiàng)目立項(xiàng)評(píng)估模型，以期解決科研項(xiàng)目評(píng)審過(guò)程中所遇到的內(nèi)涵明確、外延不明確的模糊不確定性問(wèn)題，有效地集成各評(píng)審專家的經(jīng)驗(yàn)和知識(shí)，描述具體的計(jì)算過(guò)程，并進(jìn)行應(yīng)用實(shí)例分析，得到科研項(xiàng)目的綜合評(píng)價(jià)值，進(jìn)而進(jìn)行項(xiàng)目間的排序選優(yōu)，為客觀地評(píng)價(jià)和優(yōu)選科研項(xiàng)目立項(xiàng)提供一套更加科學(xué)、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(guò)描述不明確元素的隸屬關(guān)系，解決現(xiàn)實(shí)環(huán)境中的不確定性與模糊性信息，相關(guān)的定義如下：

1.2 三角模糊數(shù)

1.3 模糊數(shù)排序

模糊數(shù)排序用來(lái)比較方案之間的優(yōu)劣等級(jí)，為評(píng)審專家提供參考。本模型采用模糊數(shù)平均數(shù)和標(biāo)準(zhǔn)差的排序方法，該方法建立在模糊事件的機(jī)率測(cè)度排序模糊數(shù)，而對(duì)于模糊事件假定了兩種機(jī)率分配：

表1 不同模糊數(shù)的大小關(guān)系排序結(jié)果

表1 不同模糊數(shù)的大小關(guān)系排序結(jié)果

2 科研項(xiàng)目立項(xiàng)評(píng)估模型構(gòu)建

2.1 評(píng)估模式

基于模糊語(yǔ)義算法的科研項(xiàng)目立項(xiàng)評(píng)估模式如圖1所示，首先根據(jù)科研項(xiàng)目評(píng)分標(biāo)準(zhǔn)擬定模糊語(yǔ)義表，并由專家和主管部門的意見來(lái)提高模糊語(yǔ)義表的內(nèi)容后，填寫模糊語(yǔ)義表打分表。回收完打分表后，采用模糊語(yǔ)義算法提取出重要性較高的評(píng)估準(zhǔn)則、次準(zhǔn)則建立科研項(xiàng)目評(píng)估表。進(jìn)行評(píng)估時(shí)，評(píng)審委員針對(duì)各準(zhǔn)則語(yǔ)義給予重要性百分比以求出各準(zhǔn)則的權(quán)重，并按照評(píng)分表對(duì)參評(píng)科研項(xiàng)目進(jìn)行評(píng)估以獲得模糊評(píng)分矩陣。最后將權(quán)重與評(píng)分進(jìn)行整合排序，來(lái)獲得各參評(píng)科研項(xiàng)目的分?jǐn)?shù)排序。

圖1 基于模糊語(yǔ)義算法的科研項(xiàng)目評(píng)估模式流程

2.2 評(píng)估指標(biāo)與次指標(biāo)

評(píng)估指標(biāo)與次指標(biāo)是對(duì)評(píng)估目標(biāo)在某一方面的具體規(guī)定，是把抽象、原則的評(píng)估目標(biāo)具體化，建立科學(xué)的評(píng)估指標(biāo)體系是開展評(píng)估活動(dòng)的必要前提。科研項(xiàng)目評(píng)估指標(biāo)的設(shè)計(jì)應(yīng)充分反映目標(biāo)，指標(biāo)將目標(biāo)具體化、行為化和操作化，并確保有效和公平，體系內(nèi)的指標(biāo)應(yīng)相互獨(dú)立，同一層次上的各指標(biāo)不能存在任何包含與被包含的關(guān)系，指標(biāo)應(yīng)反映被評(píng)估對(duì)象的共同屬性，具有可比性，并實(shí)際出發(fā)，是可行的，具有可接受性。本研究設(shè)計(jì)的科研項(xiàng)目指標(biāo)與次指標(biāo)如表2所示。

表2 科研項(xiàng)目評(píng)估指標(biāo)與次指標(biāo)一覽表

表2 （續(xù)）

2.3 模糊語(yǔ)義算法

本文提出的模糊語(yǔ)義表不同于一般模糊語(yǔ)義評(píng)分表，該算法利用百分比填答的方式，更能符合專家評(píng)委的心理特質(zhì)，模糊語(yǔ)義表格式如表3、表4所示。在運(yùn)算方面，本文提出模糊語(yǔ)義整合運(yùn)算法，將模糊語(yǔ)義以模糊數(shù)參數(shù)化表示，且利用質(zhì)量重心法整合各個(gè)得分項(xiàng)的語(yǔ)義值。文中使用模糊數(shù)來(lái)整合模糊語(yǔ)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(gè)語(yǔ)義尺度，因此最多有五個(gè)模糊數(shù)要整合。模糊數(shù)整合值可表示為：

例如表3的模糊語(yǔ)義量表其整合運(yùn)算如下，以模糊數(shù)參數(shù)化代數(shù)運(yùn)算的整合值為：

而表4的模糊語(yǔ)義量表的整合值為：

表3 科研項(xiàng)目模糊語(yǔ)義表各項(xiàng)評(píng)估要素重要程度格式（一）

表4 科研項(xiàng)目模糊語(yǔ)義表各項(xiàng)評(píng)估要素重要程度格式（二）

2.4 模糊語(yǔ)義算法評(píng)估步驟

（1）步驟一：提取變量。

（2）步驟二：構(gòu)建評(píng)估準(zhǔn)則的模糊權(quán)重向量與模糊評(píng)分矩陣。

1）由各評(píng)審專家對(duì)模糊語(yǔ)義表給予重要程度劃分，并以公式(10)計(jì)算各評(píng)審準(zhǔn)則的模糊數(shù)，最后以質(zhì)量重心法整合得到模糊權(quán)重向量

2）評(píng)審專家以模糊語(yǔ)義評(píng)估表給定評(píng)估值，形成模糊評(píng)分矩陣。用來(lái)評(píng)估項(xiàng)目，并產(chǎn)生模糊評(píng)分矩陣的定義如下：

（4）步驟四：模糊數(shù)排序。

根據(jù)基本概念中的模糊數(shù)排序方法(如表1)進(jìn)行排序，其中越大，則自主創(chuàng)新項(xiàng)目的成績(jī)?cè)胶茫粝嗟龋瑒t再比較越小則成績(jī)?cè)胶谩?/p>

3 案例分析

本文以國(guó)內(nèi)某科研項(xiàng)目立項(xiàng)流程為例。由項(xiàng)目評(píng)審委員會(huì)主任、項(xiàng)目評(píng)審委員會(huì)副主任、專家總體組長(zhǎng)三位作為主評(píng)審委員，編號(hào)為 E1、E2、E3，16位評(píng)審專家作為初評(píng)老師。以9個(gè)參評(píng)審的項(xiàng)目為例，分別編號(hào)A1、A2、A3、A4、A5、A6、A7、A8、A9。

3.1 步驟一：提取變量

回收16位評(píng)審專家的評(píng)分表，經(jīng)表達(dá)式(10)計(jì)算，得到的5個(gè)主指標(biāo)的模糊語(yǔ)義整合值均大于，因此5項(xiàng)主指標(biāo)均保留。而28項(xiàng)次指標(biāo)的篩選方面，其整合值也均大于，所以也保留每一個(gè)次指標(biāo)。表5列出主指標(biāo)篩選時(shí)的整合值，結(jié)果如下。

表5 主指標(biāo)整合值

3.2 步驟二：構(gòu)建評(píng)估準(zhǔn)則的模糊權(quán)重向量與模糊評(píng)分矩陣

3.2.1 建立評(píng)估準(zhǔn)則的權(quán)重。

（1）項(xiàng)目評(píng)審委員會(huì)（E1、E2、E3）對(duì)各項(xiàng)主準(zhǔn)則的評(píng)審表模糊權(quán)重值如表6所示。

表6 評(píng)審委員的模糊權(quán)重值

（2）每個(gè)專家對(duì)各準(zhǔn)則的權(quán)重值。根據(jù)表達(dá)式（10）計(jì)算評(píng)審委員會(huì)主任E1對(duì)指標(biāo)X1的權(quán)重為依此類推，結(jié)果如表7所示。

表7 評(píng)審委員會(huì)對(duì)各主準(zhǔn)則的權(quán)重值

（3）主準(zhǔn)則權(quán)重的三角模糊數(shù)如表8所示。

表8 各主準(zhǔn)則權(quán)重的三角模糊數(shù)

表8 （續(xù)）

3.2.2 參評(píng)項(xiàng)目資料回收處理形成模糊評(píng)分矩陣

（1）產(chǎn)生參評(píng)項(xiàng)目各次準(zhǔn)則的三角模糊數(shù)如表9所示。

表9 參評(píng)項(xiàng)目各次準(zhǔn)則的三角模糊數(shù)

（2）主準(zhǔn)則值以三角模糊數(shù)顯示，如表10所示。如參評(píng)項(xiàng)目A1的X1 指標(biāo)的三角模糊數(shù)其中 l、n要滿足下列規(guī)則：若m＜ 1則m=1；若n＞5 則n=5。

表10 參評(píng)項(xiàng)目的模糊評(píng)分

3.3 步驟三：計(jì)算綜合評(píng)監(jiān)模糊數(shù)向量

根據(jù)公式（12）計(jì)算每一個(gè)參評(píng)項(xiàng)目的模糊數(shù)向量，如表11所示，為相對(duì)于每一個(gè)參評(píng)項(xiàng)目的模糊數(shù)向量（其中：為第一個(gè)參評(píng)項(xiàng)目的模糊數(shù)，為第二個(gè)參評(píng)項(xiàng)目的模糊數(shù)，以此類推）。

表11 參評(píng)項(xiàng)目的綜合評(píng)估模糊數(shù)向量

3.4 步驟四：排序模糊數(shù)

根據(jù)演算步驟，經(jīng)過(guò)上述程序，可計(jì)算出模糊數(shù)的排序如下表12所示，從表中可以很容易看出評(píng)審項(xiàng)目的高低，其中項(xiàng)目A6的評(píng)估最高，A1 與A5為最后兩名，若按照立項(xiàng)標(biāo)準(zhǔn)，很容易得出A6為最佳的項(xiàng)目，該模式摒棄了傳統(tǒng)的打分的由于評(píng)審老師不確定性因素的影響，引入了模糊語(yǔ)義算法，基于模糊數(shù)進(jìn)行評(píng)估，是一種簡(jiǎn)單、可行性相當(dāng)高的評(píng)估模式。

表12 模糊數(shù)排序的與值

表12 模糊數(shù)排序的與值

4 結(jié)語(yǔ)

科研項(xiàng)目立項(xiàng)評(píng)估本質(zhì)上是一種不完全信息下的多屬性群決策問(wèn)題，如何準(zhǔn)確、公正有效地從主觀和客觀兩個(gè)層面表示專家的意見極為重要，本文從科研立項(xiàng)評(píng)估的實(shí)際出發(fā)，引入模糊數(shù)學(xué)灰色理論，構(gòu)建了基于模糊語(yǔ)義算法的科研項(xiàng)目立項(xiàng)評(píng)估模型，本文的貢獻(xiàn)主要有兩點(diǎn)：

（1）構(gòu)建的不同于一般評(píng)委打分表的模糊語(yǔ)義評(píng)估模型，既有主觀又有客觀指標(biāo)的特點(diǎn)，其更能反映科研項(xiàng)目的真實(shí)狀況；

（2）采用模糊語(yǔ)義整合算法，對(duì)模糊語(yǔ)義表各單項(xiàng)，提取出評(píng)估項(xiàng)目的主指標(biāo)、次指標(biāo)，進(jìn)而建立基于模糊數(shù)排序的評(píng)估模式，具有較高的置信度。本文后續(xù)的研究可以采用PHP與MYSQL編程語(yǔ)言，開發(fā)基于模糊語(yǔ)義算法的科研項(xiàng)目評(píng)估管理系統(tǒng)，采用數(shù)字化辦公，進(jìn)而提高評(píng)估效率。