基于深度學(xué)習(xí)的成果篩選與評(píng)價(jià)

劉雪飛 唐帥 唐亮 孫辰軍

摘要：科技成果篩選與評(píng)價(jià)對(duì)于判斷成果的價(jià)值非常重要，是科技成果產(chǎn)品產(chǎn)業(yè)化領(lǐng)域的一項(xiàng)重要研究課題，也是降低科技成果產(chǎn)業(yè)化風(fēng)險(xiǎn)的關(guān)鍵，具有重要的研究?jī)r(jià)值和實(shí)際意義。但由于傳統(tǒng)的成果篩選與評(píng)價(jià)方式存在缺陷，一方面導(dǎo)致了一些產(chǎn)業(yè)化能力較弱的成果進(jìn)入產(chǎn)業(yè)化階段，提高了成果轉(zhuǎn)化的成本、代價(jià)與風(fēng)險(xiǎn)；另一方面也導(dǎo)致了一些優(yōu)質(zhì)的項(xiàng)目評(píng)價(jià)指標(biāo)與結(jié)果不佳而失去了有效的機(jī)會(huì)。為了更好地促進(jìn)科技成果轉(zhuǎn)化，提高轉(zhuǎn)化率，將從目前科技成果篩選與評(píng)價(jià)過程中存在的問題入手，在貝葉斯理論基礎(chǔ)算法下，滲透深度學(xué)習(xí)思想，提出了一套科技成果篩選與評(píng)價(jià)的方法，并建立了相應(yīng)的評(píng)估指標(biāo)體系，為科技成果轉(zhuǎn)化提供了有效的參考與借鑒。

關(guān)鍵詞：科技成果；成果篩選；成果評(píng)價(jià)；深度學(xué)習(xí)

中圖分類號(hào)：TP391文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1008-1739（2019）15-65-4

0引言

隨著科學(xué)技術(shù)的迅猛發(fā)展，科技成果產(chǎn)業(yè)化的需求也越來(lái)越高，科技成果轉(zhuǎn)化服務(wù)在國(guó)家或地區(qū)的創(chuàng)新體系中發(fā)揮著越來(lái)越重要的作用。但是我國(guó)的科技成果轉(zhuǎn)化率不高，能在生產(chǎn)中穩(wěn)定使用且具有一定規(guī)模的不足20%，最后形成產(chǎn)業(yè)的只有5%左右，原因之一就是尚未形成有效的技術(shù)市場(chǎng)評(píng)估方法與風(fēng)險(xiǎn)控制體制[1]。盡管目前國(guó)內(nèi)己經(jīng)建立了許多科技成果立項(xiàng)與轉(zhuǎn)化評(píng)估的組織機(jī)構(gòu)，但是由于知識(shí)存量以及知識(shí)產(chǎn)權(quán)在科技成果中所具有的關(guān)鍵性影響[2]，使得評(píng)價(jià)過程與結(jié)果呈現(xiàn)出復(fù)雜特性。

傳統(tǒng)的成果評(píng)估基本上是以個(gè)別專家的個(gè)人鑒定因素為依據(jù)，而在整個(gè)項(xiàng)目評(píng)估操作過程中，難免會(huì)存在一些人為因素并影響到科技項(xiàng)目評(píng)估的獨(dú)立性、客觀性、公正性和科學(xué)性。因此，提高科技成果的轉(zhuǎn)化效率以及降低成果轉(zhuǎn)化的風(fēng)險(xiǎn)，加強(qiáng)對(duì)科技成果產(chǎn)業(yè)化程度評(píng)價(jià)的可行性、合理性和公平公正性，已成為科技成果轉(zhuǎn)化與投資過程中一個(gè)迫切需要解決的問題[3]。

針對(duì)上述情況，在建立一套科學(xué)、完整的科技成果產(chǎn)業(yè)化評(píng)估指標(biāo)體系的基礎(chǔ)上[4]，根據(jù)科技成果產(chǎn)業(yè)化評(píng)估的實(shí)際情況，采取定性與定量相結(jié)合的方法，建立和開發(fā)一套完善的科技成果產(chǎn)業(yè)化評(píng)估系統(tǒng)，運(yùn)用快速計(jì)算來(lái)協(xié)調(diào)不同地域的專家資源，利用專家評(píng)估經(jīng)驗(yàn)與新的評(píng)估方法以及快速準(zhǔn)確的高效運(yùn)算能力，來(lái)減少因評(píng)估專家的標(biāo)準(zhǔn)差異而導(dǎo)致評(píng)估結(jié)果的不同，從而保證了評(píng)估工作的公正性與效率，為科技成果產(chǎn)業(yè)化評(píng)估提供快速、準(zhǔn)確的科學(xué)方法與依據(jù)。

1科技成果應(yīng)用型轉(zhuǎn)化指標(biāo)及權(quán)重分析

國(guó)家大力推動(dòng)科研工作力度，重視產(chǎn)學(xué)研一體化發(fā)展模式，科研的深度和廣度要充分體現(xiàn)在產(chǎn)品成果轉(zhuǎn)化方面，應(yīng)有一定的成果輸出，研究的理論和算法除了經(jīng)過實(shí)驗(yàn)室測(cè)試外還應(yīng)能夠經(jīng)受得住現(xiàn)場(chǎng)的驗(yàn)證和考驗(yàn)。科研成果將由過去的理論型向應(yīng)用型成果轉(zhuǎn)變，理論型科研成果的評(píng)價(jià)指標(biāo)主要檢查理論創(chuàng)新點(diǎn)，是否有新的想法和解決問題的方法，通過查重或者專家評(píng)審方式可確定評(píng)價(jià)指標(biāo)系數(shù)[5]。應(yīng)用型科技成果評(píng)估過程相對(duì)要復(fù)雜很多，應(yīng)用型科技成果除了理論性創(chuàng)新要求外，還應(yīng)形成設(shè)備輸出，綜合評(píng)價(jià)設(shè)備性能，具體的轉(zhuǎn)化指標(biāo)內(nèi)容及權(quán)重比例如圖1所示。

技術(shù)可行性：是科研工作的前提，完全不可行的技術(shù)盲目研究對(duì)科研經(jīng)費(fèi)是一種極大的浪費(fèi)，因此一般在立項(xiàng)之前，都需要對(duì)重點(diǎn)的技術(shù)難點(diǎn)實(shí)現(xiàn)進(jìn)行可行性方案論證，在充分說(shuō)明后則可開展研究。但是在后續(xù)的深入研究中也會(huì)存在陷入歧途的風(fēng)險(xiǎn)，因此在最后驗(yàn)收階段同樣對(duì)技術(shù)要做可行性驗(yàn)證，對(duì)這個(gè)指標(biāo)評(píng)價(jià)是一個(gè)最基礎(chǔ)的參數(shù)，占比一般為20%。

對(duì)可行性的評(píng)估主要分為技術(shù)方案和產(chǎn)品應(yīng)用2個(gè)方面。技術(shù)方案主要針對(duì)技術(shù)理論、設(shè)計(jì)方案、開發(fā)方法、軟硬件平臺(tái)、網(wǎng)絡(luò)結(jié)構(gòu)、系統(tǒng)布局和結(jié)構(gòu)、輸入輸出技術(shù)以及系統(tǒng)相關(guān)技術(shù)是否符合應(yīng)用設(shè)計(jì)需求；產(chǎn)品應(yīng)用主要是針對(duì)產(chǎn)品成熟度、產(chǎn)品風(fēng)險(xiǎn)和產(chǎn)品應(yīng)用場(chǎng)景等現(xiàn)實(shí)性指標(biāo)進(jìn)行綜合評(píng)估，二者同時(shí)滿足的情況下，才能給出指標(biāo)的綜合評(píng)分。

技術(shù)創(chuàng)新性：是近年國(guó)家科技部比較看重的指標(biāo)，技術(shù)在持續(xù)推行多年后，已經(jīng)逐步走向發(fā)展瓶頸階段，必須采用科技創(chuàng)新的方式突破難點(diǎn)，為科研創(chuàng)造更廣闊的領(lǐng)域。創(chuàng)新指標(biāo)由過去的屬于加分項(xiàng)逐步轉(zhuǎn)為必須項(xiàng)，分值一般為5%，雖然不多，但是將會(huì)是整個(gè)項(xiàng)目的亮點(diǎn)，項(xiàng)目方案及產(chǎn)品特性應(yīng)具備一定的差異化特性，在未來(lái)市場(chǎng)上有競(jìng)爭(zhēng)性。在技術(shù)報(bào)告或者產(chǎn)品說(shuō)明中一般都會(huì)有創(chuàng)新性描述部分，評(píng)審專家會(huì)以經(jīng)驗(yàn)值判斷創(chuàng)新程度，創(chuàng)新性具有前瞻發(fā)展性，且創(chuàng)新點(diǎn)數(shù)多，得分一般比較高。

投資比例：項(xiàng)目投資包括研發(fā)、開發(fā)、建設(shè)和驗(yàn)收等周期投資，每個(gè)階段的投資金額應(yīng)配合比例要求，一般開發(fā)和建設(shè)比例最大，如果研發(fā)比例過大則表示此技術(shù)的成熟度不夠，投入了大量的人力、物力開發(fā)，不具備任何借鑒性的開發(fā)是不建議進(jìn)行的。投資比例的合理性直接影響著投資總金額，占比一般為10%。

經(jīng)濟(jì)效益：國(guó)家提倡整體集約化發(fā)展，主要針對(duì)財(cái)務(wù)方面，項(xiàng)目開發(fā)和建設(shè)一定要綜合考慮資金的全壽命周期的配比及銜接，以及產(chǎn)品上市后的效益成效，此指標(biāo)值很低，說(shuō)明科技成果轉(zhuǎn)化的應(yīng)用意義越低，因此它的占比較高，為45%。在科研編制階段會(huì)重點(diǎn)對(duì)項(xiàng)目經(jīng)濟(jì)效益進(jìn)行分析，包括試點(diǎn)應(yīng)用及大規(guī)模商用經(jīng)濟(jì)分析。經(jīng)濟(jì)效益和投資成本應(yīng)該按照一定比例計(jì)算，符合條件的項(xiàng)目才允許開展，效益太低不利于整體科研發(fā)展。

產(chǎn)業(yè)化水平：說(shuō)明產(chǎn)品的大規(guī)模應(yīng)用及產(chǎn)業(yè)滲透的能力，評(píng)價(jià)產(chǎn)品適應(yīng)市場(chǎng)的能力高低，越高說(shuō)明產(chǎn)品能更好地符合目前市場(chǎng)需求，并且能夠同已有產(chǎn)品完美兼容，可進(jìn)一步推動(dòng)產(chǎn)業(yè)化發(fā)展，形成良性的產(chǎn)業(yè)鏈發(fā)展，此指標(biāo)占比一般為10%。

市場(chǎng)推廣性：主要是說(shuō)明未來(lái)發(fā)展的前景，具備可持續(xù)發(fā)展的能力。如果某個(gè)產(chǎn)品使用周期很短，說(shuō)明產(chǎn)品的綜合效能有限，指標(biāo)太低，會(huì)給市場(chǎng)的連貫性和融合性造成一定困擾，此指標(biāo)一般占比為10%。

評(píng)價(jià)一個(gè)科技成果的綜合性能主要從這6個(gè)指標(biāo)進(jìn)行說(shuō)明，總分為1，分為3個(gè)等級(jí)：0≤撤銷<45，45≤可接受<70，70≤大力推薦<100。

2科技成果定量篩選及產(chǎn)業(yè)培育規(guī)劃方法研究

為了有效規(guī)劃未來(lái)產(chǎn)業(yè)發(fā)展，應(yīng)對(duì)已有的科技成果進(jìn)行綜合評(píng)價(jià)，提取重點(diǎn)研究方向并聯(lián)合分析，結(jié)合市場(chǎng)產(chǎn)業(yè)鏈發(fā)展現(xiàn)狀，給出較準(zhǔn)確的發(fā)展藍(lán)圖。前瞻性技術(shù)制定越貼近未來(lái)發(fā)展需求，越能形成可持續(xù)發(fā)展的產(chǎn)業(yè)生態(tài)鏈。

對(duì)于一個(gè)企業(yè)而言，每年會(huì)產(chǎn)生大量的科技成果，梳理和清洗成果集合，從龐大的數(shù)量和復(fù)雜的內(nèi)容中提取出有條理的信息，需要經(jīng)過系列數(shù)據(jù)處理，通過智能學(xué)習(xí)算法中準(zhǔn)確地判斷重要指標(biāo)信息，不同類型成果之間形成合理組合策略，有效整合技術(shù)資源，充分運(yùn)用企業(yè)已有的科技成果做鋪墊，不斷提升企業(yè)重點(diǎn)技術(shù)及產(chǎn)品的市場(chǎng)競(jìng)爭(zhēng)能力[6]。科技成果定量篩選及產(chǎn)業(yè)培育規(guī)劃方法如圖2所示。

一級(jí)分類：首先利用關(guān)鍵字搜索將科技成果大致分類，關(guān)鍵字一般為專利、論文、技術(shù)報(bào)告、軟著、專著、產(chǎn)品和軟件等，將科技成果庫(kù)的所有成果按照類型分為不同類別，并統(tǒng)計(jì)各子集合數(shù)量；其次對(duì)子集合進(jìn)行降維，成果庫(kù)中文檔和產(chǎn)品存在很多濫竽充數(shù)的問題，針對(duì)每個(gè)子集制定一定的初步篩選規(guī)則，如技術(shù)報(bào)告可規(guī)定頁(yè)面數(shù)、創(chuàng)新點(diǎn)數(shù)和關(guān)鍵詞等作為評(píng)判規(guī)則，能夠?qū)⑵焚|(zhì)極度差的成果直接作為備份，不再進(jìn)入下一級(jí)評(píng)價(jià)過程，如果某些得分會(huì)預(yù)估很低，可能會(huì)降低整體得分，導(dǎo)致誤判結(jié)果。

二級(jí)分類：主要是根據(jù)研發(fā)方向進(jìn)行主題分類，按照樹形結(jié)構(gòu)進(jìn)行逐一搜索分類，形成正三角的篩選模型，以論文篩選為例，將論文做了4級(jí)分類，并統(tǒng)計(jì)了每一個(gè)子集的數(shù)量，下一步對(duì)每一個(gè)子集進(jìn)行算法訓(xùn)練，這樣會(huì)提升訓(xùn)練的時(shí)效，一類相似數(shù)據(jù)更具有聚合性，在訓(xùn)練的過程中很容易收斂，并且判斷結(jié)果相對(duì)準(zhǔn)確。

指標(biāo)評(píng)價(jià)算法：目前指標(biāo)評(píng)價(jià)的算法很多，包括聚類算法、因子分析法、貝葉斯分析法、權(quán)重分析法和主成分分析法等，這些方法的目的都是為了把不同指標(biāo)的評(píng)價(jià)得分取得更加精確，但這些算法都存在一個(gè)難題就是缺乏對(duì)較相近的點(diǎn)特性區(qū)分。

規(guī)劃優(yōu)化：在指標(biāo)計(jì)算結(jié)果出來(lái)后，充分分析評(píng)分細(xì)節(jié)，應(yīng)對(duì)企業(yè)科技規(guī)劃重新編排，根據(jù)現(xiàn)實(shí)研究進(jìn)展，深度挖掘指標(biāo)得分等級(jí)，進(jìn)行相應(yīng)的優(yōu)化調(diào)整。國(guó)家政策和市場(chǎng)需求都會(huì)不停地變化，計(jì)算的指標(biāo)評(píng)價(jià)結(jié)果也會(huì)有所變化，有時(shí)方向會(huì)呈較大的扭向，因此必須及時(shí)調(diào)整規(guī)劃方向，否則對(duì)企業(yè)來(lái)說(shuō)造成效率低下的辦公模式。

產(chǎn)業(yè)培育：規(guī)劃的作用是為了企業(yè)形成核心的產(chǎn)品體系，并配有輔助的產(chǎn)品增加營(yíng)業(yè)收入。那么規(guī)劃優(yōu)化后進(jìn)一步就是做產(chǎn)業(yè)培育。企業(yè)的產(chǎn)品研制一定具有持續(xù)性和兼容性，主流方向應(yīng)有自己的明星產(chǎn)品，作為企業(yè)招牌，并且可持續(xù)性衍生和擴(kuò)大產(chǎn)品類型，最終形成產(chǎn)品生態(tài)圈；而針對(duì)特殊時(shí)期或特色需求時(shí)可視實(shí)考慮研制少量產(chǎn)品填補(bǔ)市場(chǎng)的空缺，這樣就形成了主打+配合的產(chǎn)品體系，企業(yè)將產(chǎn)業(yè)培育方向作為基準(zhǔn)培養(yǎng)科學(xué)技術(shù)人才，并部署配套科研基礎(chǔ)設(shè)施，逐步提升企業(yè)的市場(chǎng)占有率。

3貝葉斯算法模型

貝葉斯分類方法是以統(tǒng)計(jì)學(xué)的相關(guān)知識(shí)為基礎(chǔ)進(jìn)行分類的算法，能夠?yàn)槲粗悇e的數(shù)據(jù)屬性進(jìn)行分類，即指出數(shù)據(jù)屬性屬于哪個(gè)類別的概率。其本質(zhì)就是利用先驗(yàn)概率進(jìn)行分類的一種方法，因此，可以說(shuō)各個(gè)類別中所有的樣本全體為待分類樣本進(jìn)行分類提供了基礎(chǔ)[7]。貝葉斯分類方法的特點(diǎn)如下：

①貝葉斯分類方法是通過計(jì)算得出數(shù)據(jù)對(duì)象屬于不同類的概率。對(duì)于確定屬性屬于哪個(gè)類，分為單類標(biāo)數(shù)據(jù)和多類標(biāo)數(shù)據(jù)2種情況。單類標(biāo)數(shù)據(jù)是選取其中概率值最大的作為類的對(duì)象，而多類標(biāo)數(shù)據(jù)則有些不同，它不一定選最大值，只選取較大的類作為對(duì)象的類。

②通常情況下，所有屬性對(duì)于貝葉斯分類來(lái)說(shuō)都是有其潛在作用的，即要想得到更好的分類就要包括所有的屬性，當(dāng)然可能存在一些對(duì)分類有很大影響的屬性。

③利用貝葉斯分類方法的數(shù)據(jù)格式?jīng)]有具體要求，這保證了貝葉斯分類的實(shí)用性和通用性。

3.1樸素貝葉斯分類方法

貝葉斯分類方法中比較經(jīng)典的分類方法有樸素貝葉斯分類方法和樹擴(kuò)展模型TAN分類方法等，樸素貝葉斯分類模型方法的步驟如下：

①樸素貝葉斯一般只能處理離散的數(shù)據(jù)，因此，第1步是分別對(duì)訓(xùn)練樣本數(shù)據(jù)集和測(cè)試樣本數(shù)據(jù)集進(jìn)行缺失值處理和離散化處理。

②對(duì)訓(xùn)練樣本數(shù)據(jù)集進(jìn)行掃描，分別統(tǒng)計(jì)訓(xùn)練集中類別和類別的樣本中屬性取值為的實(shí)例樣本個(gè)數(shù)，分別用，表示，并根據(jù)結(jié)果構(gòu)成統(tǒng)計(jì)表。

③分別計(jì)算先驗(yàn)概率（ ）= /和條件概率（= | ）的結(jié)果。

④根據(jù)上面的知識(shí)構(gòu)建分類模型。

⑤最后掃描待分類的樣本數(shù)據(jù)集，調(diào)用前面已經(jīng)完成得到的統(tǒng)計(jì)表或概率表以及構(gòu)建好的分類模型，并得出結(jié)果。

上面表達(dá)了樸素貝葉斯實(shí)現(xiàn)的一個(gè)過程，從中可以看出貝葉斯分類方法的優(yōu)點(diǎn)，簡(jiǎn)單且易實(shí)現(xiàn)，通過試驗(yàn)證明算法健壯性和魯棒性都較好。

4科技成果篩選與評(píng)價(jià)逆向耦合模型建立

單一的貝葉斯網(wǎng)絡(luò)屬于基礎(chǔ)算法模型，根據(jù)概率來(lái)預(yù)測(cè)樣本類別，但是會(huì)因?yàn)闃颖镜奶厥庑?，?dǎo)致判斷誤差?？萍汲晒u(píng)價(jià)經(jīng)過一次計(jì)算過程得出的結(jié)果并不精確，必須設(shè)置反復(fù)訓(xùn)練，通過隱含層的設(shè)置，將先驗(yàn)信息經(jīng)過反復(fù)推理得到后驗(yàn)信息，后驗(yàn)信息在逆向耦合到算法輸入側(cè)，作為評(píng)價(jià)參考，自調(diào)整網(wǎng)絡(luò)參數(shù)關(guān)系，不斷優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)，提升輸出結(jié)果的有效性。

本文采用貝葉斯+深度學(xué)習(xí)算法，貝葉斯算法主要單純從概率估計(jì)角度判斷數(shù)據(jù)歸屬類別，但是一次性判斷往往缺乏可信度，而深度學(xué)習(xí)的思維恰好是利用多次自學(xué)習(xí)方式，加深算法的驗(yàn)證能力，因此結(jié)合二者的優(yōu)勢(shì)，提出深度學(xué)習(xí)思想輔助貝葉斯算法的模式，對(duì)原始性能指標(biāo)數(shù)據(jù)反復(fù)訓(xùn)練，確保評(píng)價(jià)結(jié)果的精準(zhǔn)性?？萍汲晒Y選和評(píng)價(jià)逆向耦合模型如圖3所示。

一般的數(shù)據(jù)分類法都是正向計(jì)算法，很少算法會(huì)進(jìn)行自反評(píng)估，但實(shí)際評(píng)估時(shí)，測(cè)算的評(píng)估結(jié)果往往對(duì)計(jì)算過程會(huì)有一定的影響，所謂的評(píng)價(jià)逆向耦合就是所謂的反評(píng)估過程。貝葉斯算法的后驗(yàn)結(jié)果對(duì)先驗(yàn)數(shù)據(jù)的遞歸過程則體現(xiàn)了逆向性，在通過選擇合適的深度計(jì)算權(quán)值矩陣，進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)，獲取可信評(píng)估結(jié)果。設(shè)置訓(xùn)練集權(quán)值為1，2，...，，輸入采樣集合為，根據(jù)以往專家系統(tǒng)經(jīng)驗(yàn)初設(shè)先驗(yàn)參考值，計(jì)算二者的概率分布值，并通過1權(quán)值進(jìn)行訓(xùn)練，得到后驗(yàn)概率1，計(jì)算過程中會(huì)摻雜白色噪聲，混合作為一級(jí)輸出，輸出結(jié)果逆向耦合到先驗(yàn)值和下一級(jí)權(quán)值，并自動(dòng)優(yōu)化調(diào)整，進(jìn)行二次權(quán)值訓(xùn)練，直到訓(xùn)練耦合性符合閾值要求，則說(shuō)明已經(jīng)收斂，結(jié)果可作為最后輸出。

此模型的優(yōu)點(diǎn)是計(jì)算的中間參考數(shù)據(jù)都具備智能調(diào)節(jié)能力，可朝著最優(yōu)化方向調(diào)整，過程無(wú)需人工干預(yù)，并依靠數(shù)據(jù)結(jié)構(gòu)間的關(guān)聯(lián)性，判斷指標(biāo)的發(fā)展趨勢(shì)，多層級(jí)的訓(xùn)練計(jì)算，避免了判斷的偶然性，綜合提升了計(jì)算的可靠穩(wěn)定性。

5結(jié)束語(yǔ)

科技成果的發(fā)展關(guān)系存在必然性和偶然性，通過貝葉斯算法確定指標(biāo)間的必然性，通過多次計(jì)算規(guī)避指標(biāo)的偶然性，成果指標(biāo)的判斷精準(zhǔn)性對(duì)公司的技術(shù)發(fā)展成敗起到?jīng)Q定性的作用，因此算法性能的選擇是至關(guān)重要的。本文提出的貝葉斯+深度學(xué)習(xí)算法首先在計(jì)算模式上是一種創(chuàng)新的逆向耦合思維，在分析過程中利用概率論和多層級(jí)計(jì)算等提供一種更穩(wěn)固的保障，將智能計(jì)算深入滲透到科技成果評(píng)價(jià)系統(tǒng)中，為固步的科技成果分析評(píng)價(jià)發(fā)展歷程注入了創(chuàng)新血液。

參考文獻(xiàn)

[1]劉家樹，菅利榮.科技成果轉(zhuǎn)化效率測(cè)度與影響因素分析[J].科技進(jìn)步與對(duì)策，2010，27（20）：113-116.

[2]黃偉.我國(guó)科技成果轉(zhuǎn)化績(jī)效評(píng)價(jià)、影響因素分析及對(duì)策研究[D].長(zhǎng)春：吉林大學(xué)，2013.

[3]曹晟，田大山.美國(guó)科技評(píng)估立法實(shí)踐及其對(duì)中國(guó)的借鑒意義[J].自然辯證法通訊，2004（6）：57-61.

[4]宋小燕，汪克強(qiáng).科技成果評(píng)價(jià)體系中的知識(shí)產(chǎn)權(quán)保護(hù)問題[J].科技與法律，2003（1）：24-25.

[5] Al-Najjar N， Weinstein J. A Bayesian Model of Knightian Uncertainty [R].Reihekonomie/Economics Series， Institutfür Hhere Studien （IHS）， No.300， 2013.

[6]畢克，吳甜，謝迎新.重大科技成果智能評(píng)價(jià)體系模型研究[J].企業(yè)技術(shù)開發(fā)，2012，31（23）：57-59.

[7]張明衛(wèi)，王波，張斌，等.基于相關(guān)系數(shù)的加權(quán)樸素貝葉斯分類算法[J].東北大學(xué)學(xué)報(bào)（自然科學(xué)版），2008（7）：952-955.