[1]万 昊 谭宗颖 张福俊 朱相丽 刘小玲.项目验收的同行评议辅助决策评价方法研究*———基于贝叶斯正则化修正的BP 人工神经网络模型[J].情报杂志,2017,(11):192.
点击复制

项目验收的同行评议辅助决策评价方法研究* ———基于贝叶斯正则化修正的BP 人工神经网络模型()
分享到:

《情报杂志》[ISSN:1002-1965/CN:61-1167/G3]

卷:
期数:
2017年11期
页码:
192
栏目:
出版日期:
2017-11-18

文章信息/Info

Title:
Research on Method to Assist the Decision-making of Project Evaluation through Peer Review —Based on BP Artificial Neural Network Model with Bayesian Regularization Correction
作者:
万 昊123 谭宗颖3 张福俊1 朱相丽3 刘小玲23
1. 山东科技大学图书馆 青岛 266590;2. 中国科学院大学 北京 100191; 3. 中国科学院文献情报中心 北京 100190
关键词:
同行评议 科技评价 BP 人工神经网络 贝叶斯正则化 948 计划
摘要:
[目的/ 意义]个体的同行评议判断不可避免地会由于专家主观性导致评审结果嵌入式有偏,而个体成员聚 集在一起开展有组织的群体决策时,由于客观组织评审标准的存在,能有效避免个体非理性因素导致的系统整体偏 差。[方法/ 过程]为了找到更适合的定量化模型来模拟专家组群体的复杂评审决策,本研究借助BP 人工神经网络 模型,样本选取2001-2005 年间批准实施的林业“948 计划”项目126 项,从“投入—产出”视角选取表征项目特征的36 个指标,基于以上指标通过有监督的机器学习来模拟项目评审专家组(5 ~ 9 名成员) 的决策打分值,并添加贝叶斯 正则化修正项来提高模型的预测精度。[结果/ 结论] 所建构的同行评议打分预测模型在添加贝叶斯正则化修正项 后,平均误差平方和由10-3 上升到10-4 数量级,而模型的预测值与真实值间相关系数籽由0. 37 (0. 33)上升到0. 61 (0. 47),模型实现了在个体水平上对项目评审打分的较准确预测,即通过精准计量评价来有效辅助同行评议决策。
更新日期/Last Update: 1900-01-01