一种基于机器学习的科技企业创新能力评价方法与流程

本发明涉及创新能力评价方法，更具体的说是一种基于机器学习的科技企业创新能力评价方法。

背景技术：

科技企业是指产品的技术含量比较高，具有核心竞争力，能不断推出适销对路的新产品，不断开拓市场的企业。科技企业创新能力是指科技企业在多大程度上能够系统地完成与创新有关的各项活动能力。传统科技企业创新能力评价方式采用专家评价打分的形式，完全依赖于专家经验，评价过程也较长。随着科技发展，科技企业知识与技术的更新也越来越快，如果仍然采用专家评价的方式，将导致人力成本增加，工作周期变长，工作强度加大。当科技企业所累积的原始数据量很大的时候，难度将更加突出。

机器学习技术的快速发展为开展科技企业创新能力评价研究提供了适合的研究工具。通过数据挖掘的方法，自动获取企业科技创新方面的信息，并对科技企业创新能力进行评价。该种评价方式成本将大为降低，并且可实现评价过程的自动化。基于创新过程的视角来评价企业创新能力是目前开展比较普遍的评价角度。但是，这类评价只是将企业作为一个独立个体分析，而忽略了外部环境对企业创新活动的影响。基于创新投入产出视角来评价企业创新能力的评价方式，比较关从事科研与试验发展活动所必需的人力与企业创新产出之间的相关性，但专利作为企业创新产出的重要指标其度量和评价也存在一定的局限性。因此，需要结合机器学习技术构建一种综合考虑各项指标的科技企业创新能力智能评价方法。

技术实现要素：

本发明的目的是提供一种基于机器学习的科技企业创新能力评价方法，可以采用数据挖掘的方法，从科技文献和研究报告中挖掘各项评价指标利用情况，并采用机器学习的方法计算各评价指标的权重，解决传统科技企业创新能力评价方式成本高、评价指标存在局限性的问题。

本发明的目的通过以下技术方案来实现：

一种基于机器学习的科技企业创新能力评价方法，该方法包括以下步骤：

步骤一：构建数据资源库；

步骤二：根据数据资源库构建科技企业创新能力评价指标体系，科技企业创新能力评价指标体系包括科技企业创新表现力评价和科技企业创新支撑力评价；

步骤三：采用数据挖掘和机器学习的方法计算科技企业创新表现力评价和科技企业创新支撑力评价体系各项评价指标权重；

步骤四：采用机器学习的方法计算科技企业创新表现力评价指标集和科技企业创新支撑力评价指标集；

步骤五：计算科技企业创新能力得分。

作为本技术方案的进一步优化，本发明一种基于机器学习的科技企业创新能力评价方法，所述数据资源库包括科技企业创新活动数据库和科技文献报告库。

作为本技术方案的进一步优化，本发明一种基于机器学习的科技企业创新能力评价方法，所述科技企业创新表现力评价指标体系准则层包括科技企业创新资源聚集能力、创新投入能力、创新产出能力、创新成果转化能力和创新价值实现能力。

作为本技术方案的进一步优化，本发明一种基于机器学习的科技企业创新能力评价方法，所述科技企业创新支撑力评价指标体系准则层包括企业内部优势、劣势和企业外部机会、威胁四个方面，分别代表企业内部正向创新支撑力、企业内部逆向支撑力、企业外部正向创新支撑力和企业外部逆向支撑力。

本发明一种基于机器学习的科技企业创新能力评价方法的有益效果为：

本发明一种基于机器学习的科技企业创新能力评价方法，在现有研究的基础上，进一步提出了由科技企业创新表现力和科技企业创新支撑力构成的科技企业创新能力评价体系，创新表现力评价在遵循传统创新过程的基础上，重点关注企业创新资源聚集能力、创新投入能力、创新产出能力、创新成果转化能力和创新价值实现能力，既体现企业创新活动，又兼顾经济效益；采用数据挖掘的方法，从科技文献和研究报告中挖掘各项评价指标利用情况，并采用机器学习的方法计算各评价指标的权重，打破了过于依赖个人经验和专家数量不足而造成设定不合理的壁垒。

附图说明

下面结合附图和具体实施方法对本发明做进一步详细的说明。

图1是本发明的科技企业创新能力评价方法流程图；

图2是本发明的科技企业创新表现力评价指标体系；

图3是本发明的科技企业创新支撑力评价指标体系；

图4是本发明的科技企业创新表现力权重机器学习过程流程图；

图5是本发明的科技企业创新表现力机器学习过程流程图；

图6是本发明的科技企业创新支撑力机器学习过程流程图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

具体实施方式一：

下面结合图1-6说明本实施方式，一种基于机器学习的科技企业创新能力评价方法，该方法包括以下步骤：

步骤一：构建数据资源库；

步骤二：根据数据资源库构建科技企业创新能力评价指标体系，科技企业创新能力评价指标体系包括科技企业创新表现力评价和科技企业创新支撑力评价；

步骤三：采用数据挖掘和机器学习的方法计算科技企业创新表现力评价和科技企业创新支撑力评价体系各项评价指标权重；

步骤四：采用机器学习的方法计算科技企业创新表现力评价指标集和科技企业创新支撑力评价指标集；

步骤五：计算科技企业创新能力得分。

具体实施方式二：

下面结合图1-6说明本实施方式，本实施方式对实施方式一作进一步说明，所述科技企业创新表现力评价包括目标层、准则层和要素层，科技企业创新支撑力评价包括目标层、准则层和要素层；如图2和图3所示。

具体实施方式三：

下面结合图1-6说明本实施方式，本实施方式对实施方式二作进一步说明，所述数据资源库包括科技企业创新活动数据库和科技文献报告库；是科技企业创新能力评价指标集和评价指标权重计算的数据来源。

具体实施方式四：

下面结合图1-6说明本实施方式，本实施方式对实施方式三作进一步说明，所述采用数据挖掘和机器学习的方法计算科技企业创新表现力评价和科技企业创新支撑力评价体系要素层各项评价指标权重包括以下步骤；

步骤一：提取科技文献报告库中有关科技企业创新表现力评价指标和科技企业创新支撑力评价指标数据；

步骤二：以科技企业创新表现力评价要素层和科技企业创新支撑力评价要素层各项评价指标的使用频次和科技文献报告库中的指标权重为输入，未体现权重的以平均权重计算，以科技企业创新表现力评价要素层和科技企业创新支撑力评价要素层各项评价指标权重wi为输出，训练出科技企业创新表现力评价指标权重模型，得出科技企业创新表现力评价指标权重集w＝{w1,w2,...,wn}；如图4所示；

根据科技企业创新支撑力评价值标体系，对各项评价内容设置指标变量值yi如下：

具体实施方式五：

下面结合图1-6说明本实施方式，本实施方式对实施方式四作进一步说明，所述科技企业创新表现力评价指标集为p＝{p1,p2,...,pn}如图5所示，所述科技企业创新支撑力评价指标集为s＝{s1,s2,...,sm}如图6所示。

具体实施方式六：

下面结合图1-6说明本实施方式，本实施方式对实施方式五作进一步说明，所述采用机器学习的方法计算科技企业创新表现力评价指标集包括以下步骤：

步骤一：采用机器学习的方法对科技企业创新活动数据库中科技企业创新表现力数据进行处理和训练；

步骤二：以科技企业创新表现力评价指标体系中要素层，如图2所示各项指标数据为输入，以各项指标分值为输出，训练出科技企业创新表现力评价指标分值模型；

步骤三：将科技企业创新表现力输入该模型进行处理，得到科技企业创新表现力评价指标集p＝{p1,p2,...,pn}；如图5所示。

具体实施方式七：

下面结合图1-6说明本实施方式，本实施方式对实施方式六作进一步说明，所述采用机器学习的方法计算科技企业创新支撑力评价指标集包括以下步骤：

步骤一：采用机器学习的方法对科技企业创新活动数据库中科技企业创新支撑力信息进行处理和训练；

步骤二：以科技企业创新支撑力评价指标体系中要素层，如图3所示指标信息为输入，以各项指标分值为输出，训练出科技企业创新支撑力评价指标分值模型；

步骤三：将科技企业创新支撑力输入该模型进行处理，得到科技企业创新支撑力指标集s＝{s1,s2,...,sm}；如图6所示。

具体实施方式八：

下面结合图1-6说明本实施方式，本实施方式对实施方式七作进一步说明，所述计算科技企业创新能力得分包括以下步骤：

步骤一：科技企业创新表现力分值计算；科技企业创新表现力分值为各项科技企业创新表现力评价指标值与权重乘积之和；

步骤二：科技企业创新支撑力分值计算；科技企业创新支撑力分值为各项科技企业创新支撑力评价指标分值与变量值乘积之和；

步骤三：科技企业创新能力分值计算；科技企业创新表现力分值和科技企业创新支撑力分值权重均为50％，其综合结果即为科技企业创新能力水平；科技企业创新能力综合分值in；in＝p*50％+s*50％。

具体实施方式九：

下面结合图1-6说明本实施方式，本实施方式对实施方式一至八任一项作进一步说明，所述科技企业创新表现力评价指标体系准则层包括科技企业创新资源聚集能力、创新投入能力、创新产出能力、创新成果转化能力和创新价值实现能力，要素层各项指标具体如下：

具体实施方式十：

下面结合图1-6说明本实施方式，本实施方式对实施方式一至八任一项作进一步说明，所述科技企业创新支撑力评价指标体系准则层包括企业内部优势、劣势和企业外部机会、威胁四个方面，分别代表企业内部正向创新支撑力、企业内部逆向支撑力、企业外部正向创新支撑力和企业外部逆向支撑力；要素层具体评价指标如下：

当然，上述说明并非对本发明的限制，本发明也不仅限于上述举例，本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也属于本发明的保护范围。