CN117078054A - 一种科技型企业创新能力量化评估方法及*** - Google Patents
一种科技型企业创新能力量化评估方法及*** Download PDFInfo
- Publication number
- CN117078054A CN117078054A CN202310667200.1A CN202310667200A CN117078054A CN 117078054 A CN117078054 A CN 117078054A CN 202310667200 A CN202310667200 A CN 202310667200A CN 117078054 A CN117078054 A CN 117078054A
- Authority
- CN
- China
- Prior art keywords
- innovation
- evaluation
- index
- independent
- coordinate system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 338
- 238000004364 calculation method Methods 0.000 claims description 42
- 238000007418 data mining Methods 0.000 claims description 18
- 238000012512 characterization method Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 10
- 238000005065 mining Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 15
- 238000011158 quantitative evaluation Methods 0.000 abstract description 10
- 230000002776 aggregation Effects 0.000 abstract description 2
- 238000004220 aggregation Methods 0.000 abstract description 2
- 238000011157 data evaluation Methods 0.000 abstract description 2
- 238000012827 research and development Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
- G06Q50/184—Intellectual property management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Technology Law (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种科技型企业创新能力量化评估方法及***，涉及企业数据评估领域，包括：对企业创新能力预设评估指标集合进行数据汇聚，生成多个独立评估指标，并根据其生成多个量化独立评估指标和多个非量化独立评估指标；多个非量化独立评估指标创新级别词袋模型，遍历多个量化独立评估指标和多个非量化独立评估指标，构建多维度创新度评估坐标系；多个独立评估指标，遍历待评估科技型企业集合采集多组指标特征值输入多维度创新度评估坐标系，生成多维度科技型企业创新度评估结果。解决针对科技型企业的创新能力评估效果不佳的技术问题，达到提升科技型企业的创新能力评估质量的技术效果。
Description
技术领域
本发明涉及数据评估领域，具体地，涉及一种科技型企业创新能力量化评估方法及***。
背景技术
企业既是科技创新的主体，又是推动科技与经济紧密结合的主力军。研究设计一种对科技型企业的创新能力进行量化评估的方法，实现科技型企业的创新能力的精准画像，从而精准引导科技资源、金融资源、产业投资等各类创新资源向科技型企业聚集，对推动科技型企业的创新发展、提升科技型企业的发展质量具有重要意义。
现有技术中，存在针对科技型企业的创新能力评估准确性不足，进而造成科技型企业的创新能力评估效果不佳的技术问题。
发明内容
本申请提供了一种科技型企业创新能力量化评估方法及***。解决了现有技术中针对科技型企业的创新能力评估准确性不足，进而造成科技型企业的创新能力评估效果不佳的技术问题。
鉴于上述问题，本申请提供了一种科技型企业创新能力量化评估方法及***。
第一方面，本申请提供了一种科技型企业创新能力量化评估方法，其中，所述方法应用于一种科技型企业创新能力量化评估***，所述方法包括：获取企业创新能力预设评估指标集合；对所述企业创新能力预设评估指标集合进行数据挖掘，生成多个独立评估指标；将所述多个独立评估指标拆解，生成多个量化独立评估指标和多个非量化独立评估指标；遍历所述多个非量化独立评估指标，构建创新级别词袋模型；基于所述创新级别词袋模型，遍历所述多个量化独立评估指标和所述多个非量化独立评估指标，构建多维度创新度评估坐标系；基于所述多个独立评估指标，遍历待评估科技型企业集合，采集多组指标特征值；将所述多组指标特征值输入所述多维度创新度评估坐标系，生成多个科技型企业创新度评估结果。
第二方面，本申请还提供了一种科技型企业创新能力量化评估***，其中，所述***包括：预设评估指标获取模块，所述预设评估指标获取模块用于获取企业创新能力预设评估指标集合；数据挖掘模块，所述数据挖掘模块用于对所述企业创新能力预设评估指标集合进行数据挖掘，生成多个独立评估指标；指标拆解模块，所述指标拆解模块用于将所述多个独立评估指标拆解，生成多个量化独立评估指标和多个非量化独立评估指标；模型构建模块，所述模型构建模块用于遍历所述多个非量化独立评估指标，构建创新级别词袋模型；坐标系构建模块，所述坐标系构建模块用于基于所述创新级别词袋模型，遍历所述多个量化独立评估指标和所述多个非量化独立评估指标，构建多维度创新度评估坐标系；特征值采集模块，所述特征值采集模块用于基于所述多个独立评估指标，遍历待评估科技型企业集合，采集多组指标特征值；评估结果生成模块，所述评估结果生成模块用于将所述多组指标特征值输入所述多维度创新度评估坐标系，生成多个科技型企业创新度评估结果。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过对企业创新能力预设评估指标集合进行数据挖掘，生成多个独立评估指标；通过对多个独立评估指标进行拆解，生成多个量化独立评估指标和多个非量化独立评估指标；遍历多个非量化独立评估指标，构建创新级别词袋模型；基于创新级别词袋模型，遍历多个量化独立评估指标和多个非量化独立评估指标，构建多维度创新度评估坐标系；基于多个独立评估指标，遍历待评估科技型企业集合，采集多组指标特征值；将多组指标特征值输入多维度创新度评估坐标系，生成多个科技型企业创新度评估结果。达到了实现对科技型企业创新能力的精准化、智能化的量化评估，提高科技型企业的创新能力评估准确性、适应性，提升科技型企业的创新能力评估质量，为科技型企业的进一步创新发展提供可靠的数据参考的技术效果。
附图说明
图1为本申请一种科技型企业创新能力量化评估方法的流程示意图；
图2为本申请一种科技型企业创新能力量化评估方法中对创新级别词袋模型进行更新的流程示意图；
图3为本申请一种科技型企业创新能力量化评估***的结构示意图。
附图标记说明：预设评估指标获取模块11，数据挖掘模块12，
指标拆解模块13，模型构建模块14，坐标系构建模块15，特征值采集模块16，评估结果生成模块17。
具体实施方式
本申请通过提供一种科技型企业创新能力量化评估方法及***。解决了现有技术中针对科技型企业的创新能力评估准确性不足，进而造成科技型企业的创新能力评估效果不佳的技术问题。达到了实现对科技型企业创新能力的精准化、智能化的量化评估，提高科技型企业的创新能力评估准确性、适应性，提升科技型企业的创新能力评估质量，为科技型企业的进一步创新发展提供可靠的数据参考的技术效果。
实施例
请参阅附图1，本申请提供一种科技型企业创新能力量化评估方法，其中，所述方法应用于一种科技型企业创新能力量化评估***，所述方法具体包括如下步骤：
步骤S100：获取企业创新能力预设评估指标集合；
具体而言，基于一种科技型企业创新能力量化评估***进行数据查询，获得企业创新能力预设评估指标集合。其中，所述企业创新能力预设评估指标集合包括企业研发投入金额评估指标、企业研发费用增速评估指标、企业研发专利申请量评估指标、企业研发费用比例评估指标、企业研发产品效益评估指标、企业研发产品质量评估指标、企业研发人员评估指标等多个企业创新能力预设评估指标。达到了确定企业创新能力预设评估指标集合，为后续对企业创新能力预设评估指标集合进行数据挖掘奠定基础的技术效果。
步骤S200：对所述企业创新能力预设评估指标集合进行数据挖掘，生成多个独立评估指标；
进一步的，本申请步骤S200还包括：
步骤S210：根据所述企业创新能力预设评估指标集合，采集预设评估指标特征值数据集合；
具体而言，基于企业创新能力预设评估指标集合，对多个科技型企业进行创新能力评估的历史数据查询，获得预设评估指标特征值数据集合。其中，所述预设评估指标特征值数据集合包括多组预设评估指标特征值数据。每组预设评估指标特征值数据包括企业创新能力预设评估指标集合下，每个企业对应的多个评估指标历史取值信息。示例性地，按照企业创新能力预设评估指标集合，对企业W进行创新能力评估的历史数据查询，获得企业W对应的W组预设评估指标特征值数据。W组预设评估指标特征值数据包括企业W对应的企业研发投入金额历史评估值w1、企业研发费用增速历史评估值w2、企业研发专利申请量历史评估值w3。则获得的预设评估指标特征值数据集合包括企业W对应的W组预设评估指标特征值数据。达到了通过企业创新能力预设评估指标集合对多个科技型企业进行创新能力评估的历史数据查询，获得预设评估指标特征值数据集合，从而提高对企业创新能力预设评估指标集合进行数据挖掘的准确性的技术效果。
步骤S220：对所述预设评估指标特征值数据集合进行m项关联指标挖掘，生成多组m项关联特征值数据集合；
进一步的，本申请步骤S220还包括：
步骤S221：构建m项支持度计算公式：
其中，表征第n组指标特征值，/>表征第n组第k个指标的特征值，/>表征N组数据中/>共m个指标同时出现的频率，记为m项支持度，当/>=0时不进行频率统计，且/>，m属于整数；
步骤S222：构建m项置信度计算公式：
其中，表征第n组m项指标特征值在N组数据中的出现频率，/>表征m项置信度，表征/>出现频率在总频率中的占比；
步骤S223：构建m项关联度计算公式：
表征两组只有指标/>和/>变化的数据中/>的变化量，/>表征只有指标/>和/>变化的数据中/>的变化量，/>为整数，且k≥1，/>表征指标/>和的关联度；
步骤S224：根据所述m项支持度计算公式、所述m项置信度计算公式和所述m项关联度计算公式进行m项关联指标挖掘，生成所述多组m项关联特征值数据集合。
进一步的，本申请步骤S224还包括：
步骤S2241：对所述预设评估指标特征值数据集合进行标准化处理，生成多个标准化数据序列；
步骤S2242：获取m项支持度阈值、m项置信度阈值和m项关联度阈值；
步骤S2243：根据所述m项支持度计算公式遍历所述多个标准化数据序列，计算m项指标支持度；
步骤S2244：当所述m项指标支持度满足所述m项支持度阈值时，根据所述m项置信度计算公式遍历所述多个标准化数据序列，计算m项指标置信度；
步骤S2245：当所述m项指标置信度满足所述m项置信度阈值时，根据所述m项关联度计算公式遍历m项指标，基于所述多个标准化数据序列，计算多个指标关联度；
步骤S2246：将所述多个指标关联度大于或等于所述m项关联度阈值的指标聚集为一组，添加进所述多组m项关联特征值数据集合。
步骤S230：遍历所述多组m项关联特征值数据集合，确定所述多个独立评估指标。
具体而言，预设评估指标特征值数据集合的数据信息具有不同的量纲、单位，为了消除预设评估指标特征值数据集合中数据信息之间的量纲、单位不一致的影响，提高对预设评估指标特征值数据集合进行m项关联指标挖掘的准确性。优选地，分别对预设评估指标特征值数据集合中多组预设评估指标特征值数据进行标准化处理，获得多个标准化数据序列。继而，确定m项支持度阈值、m项置信度阈值和m项关联度阈值。其中，所述标准化处理是指采用现有技术中极差法、标准化法等标准化处理方法对预设评估指标特征值数据集合中多组预设评估指标特征值数据进行量纲消除、单位统一，从而获得无量纲的纯数据。此外，在对预设评估指标特征值数据集合中多组预设评估指标特征值数据进行标准化处理时，当某组预设评估指标特征值数据的某个企业创新能力预设评估指标没有评估指标取值信息时，将该企业创新能力预设评估指标对应的评估指标取值信息记为0，该企业创新能力预设评估指标对应的评估指标取值信息统计时不计入频率计算。所述多个标准化数据序列包括预设评估指标特征值数据集合中多组预设评估指标特征值数据对应的多组无量纲的纯数据。所述m项支持度阈值、所述m项置信度阈值、所述m项关联度阈值可由所述一种科技型企业创新能力量化评估***自适应设置确定。
进一步，依次将多个标准化数据序列中，每个标准化数据序列设置为第n组标准化数据序列。继而，将第n组标准化数据序列作为输入信息，输入m项支持度计算公式，获得m项指标支持度。其中，所述第n组标准化数据序列与多个标准化数据序列一一对应。在m项支持度计算公式中，表征第n组指标特征值，即/>为输入的第n组标准化数据序列；/>表征第n组第k个指标的特征值，/>包括第n组标准化数据序列中，每个企业创新能力预设评估指标对应的标准化数据信息；/>表征N组数据中/>共m个指标同时出现的频率，/>为输出的m项指标支持度，当/>=0时不进行频率统计，且/>，m属于整数。
进一步，对m项指标支持度是否满足m项支持度阈值进行判断，如果m项指标支持度满足m项支持度阈值时，将已获得的第n组标准化数据序列作为输入信息，输入m项置信度计算公式，获得m项指标置信度。在m项置信度计算公式中，表征第n组m项指标特征值在N组数据中的出现频率，/>包括第n组标准化数据序列中每个企业创新能力预设评估指标对应的标准化数据信息在多个标准化数据序列中出现的频率；/>为输出的m项指标置信度，可用于表征/>出现频率在总频率中的占比。
进一步，对m项指标置信度是否满足m项置信度阈值进行判断，如果m项指标置信度满足m项置信度阈值，将已获得的第n组标准化数据序列作为输入信息，输入m项关联度计算公式，获得多个指标关联度。在m项关联度计算公式中，表征第n组指标特征值，即/>为输入的第n组标准化数据序列；/>为输入的第n组标准化数据序列中，两组只有指标/>和变化的数据中/>的变化量；/>为输入的第n组标准化数据序列中，只有指标/>和/>变化的数据中/>的变化量，/>为整数，且k≥1；/>为输出的多个指标关联度。
进一步，分别对多个指标关联度是否不小于m项关联度阈值进行判断，将多个指标关联度大于或等于m项关联度阈值的指标聚集为一组，获得多组m项关联特征值数据集合。多组m项关联特征值数据集合中每组m项关联特征值数据集合包括多个指标关联度大于或等于m项关联度阈值的多个企业创新能力预设评估指标。进一步，分别对多组m项关联特征值数据集合中每组m项关联特征值数据集合进行筛选，优先选择每组m项关联特征值数据集合中可以量化、容易采集的企业创新能力预设评估指标作为独立评估指标。所述多个独立评估指标包括多组m项关联特征值数据集合中，每组m项关联特征值数据集合对应的独立评估指标。达到了通过对企业创新能力预设评估指标集合进行多次数据挖掘，获得准确的多个独立评估指标，从而提高科技型企业的创新能力评估准确性的技术效果。
步骤S300：将所述多个独立评估指标拆解，生成多个量化独立评估指标和多个非量化独立评估指标；
具体而言，按照是否可以量化，分别对多个独立评估指标进行拆解，获得多个量化独立评估指标和多个非量化独立评估指标。其中，所述多个量化独立评估指标包括多个独立评估指标中，每个独立评估指标对应的多个可以量化部分指标。所述多个非量化独立评估指标包括多个独立评估指标中，每个独立评估指标对应的多个不可以量化部分指标。示例性地，所述多个独立评估指标包括独立评估指标V，独立评估指标V为企业研发人员评估指标。对独立评估指标V进行拆解后，获得的独立评估指标V对应的多个量化独立评估指标包括企业研发人员数量评估指标、企业研发人员学历评估指标，获得的独立评估指标V对应的多个非量化独立评估指标包括企业研发人员创新力评估指标、企业研发人员潜力评估指标。达到了对多个独立评估指标进行拆解，获得多个量化独立评估指标、多个非量化独立评估指标，从而提高科技型企业的创新能力评估的精确度、全面性的技术效果。
步骤S400：遍历所述多个非量化独立评估指标，构建创新级别词袋模型；
进一步的，如附图2所示，本申请步骤S400还包括：
步骤S410：当满足预设更新周期，遍历所述多个非量化独立评估指标，采集独立指标描述语句集合；
步骤S420：将所述独立指标描述语句集合发送至第一专家组、第二专家组直到第L专家组进行创新等级划分，采集多组一一对应的描述语句和创新等级数据集；
步骤S430：根据所述多组一一对应的描述语句和创新等级数据集，对所述创新级别词袋模型进行更新。
具体而言，基于多个非量化独立评估指标，对多个科技型企业进行创新能力评估的历史数据采集，获得历史非量化指标数据库，并将历史非量化指标数据库设置为创新级别词袋模型。进一步，基于预设更新周期，按照非量化独立评估指标进行描述语句采集，获得独立指标描述语句集合。进而，将独立指标描述语句集合发送至第一专家组、第二专家组……第L专家组，由第一专家组、第二专家组……第L专家组对独立指标描述语句集合进行创新等级划分，获得多组一一对应的描述语句、创新等级数据集，并按照多组一一对应的描述语句、创新等级数据集对创新级别词袋模型进行更新。其中，所述历史非量化指标数据库包括多个科技型企业对应的多个非量化独立评估指标的多个历史描述数据。所述创新级别词袋模型包括历史非量化指标数据库。所述预设更新周期包括预先设置确定的创新级别词袋模型的更新周期信息。例如，所述预设更新周期可以为3周、3个月等时间周期数据信息。所述独立指标描述语句集合包括预设更新周期下，多个科技型企业对应的多个非量化独立评估指标的多个描述语句。第一专家组、第二专家组……第L专家组中每个专家组均包括多个科技型企业创新能力评估专家。所述多组一一对应的描述语句包括第一专家组、第二专家组……第L专家组对应的独立指标描述语句集合的多个描述语句。所述创新等级数据集包括多组一一对应的描述语句对应的创新等级参数信息。达到了通过多组一一对应的描述语句、创新等级数据集对创新级别词袋模型进行更新，从而提高对科技型企业进行创新能力评估的适应性、准确性的技术效果。
步骤S500：基于所述创新级别词袋模型，遍历所述多个量化独立评估指标和所述多个非量化独立评估指标，构建多维度创新度评估坐标系；
进一步的，本申请步骤S500还包括：
步骤S510：基于所述创新级别词袋模型，遍历所述多个非量化独立评估指标，构建多维度创新度评估第一子坐标系；
步骤S520：遍历所述多个量化独立评估指标，构建多维度创新度评估第二子坐标系；
步骤S530：将所述多维度创新度评估第一子坐标系和所述多维度创新度评估第二子坐标系作为并行节点合并，生成所述多维度创新度评估坐标系。
进一步的，本申请步骤S530还包括：
步骤S531：为所述多维度创新度评估第一子坐标系的输出设定第一预设权重，为所述多维度创新度评估第二子坐标系设定第二预设权重，构建模长融合输出层；
步骤S532：根据所述模长融合输出层，合并所述多维度创新度评估第一子坐标系和所述多维度创新度评估第二子坐标系，生成所述多维度创新度评估坐标系。
具体而言，将多个非量化独立评估指标作为多个坐标轴，并按照创新级别词袋模型分别对多个非量化独立评估指标构成的多个坐标轴进行坐标轴刻度划分、坐标轴尺度划分，获得多维度创新度评估第一子坐标系。将多个量化独立评估指标作为多个坐标轴，构建多维度创新度评估第二子坐标系。进一步，对多维度创新度评估第一子坐标系的输出设定第一预设权重，对多维度创新度评估第二子坐标系设定第二预设权重，构建模长融合输出层，并根据模长融合输出层，对多维度创新度评估第一子坐标系、多维度创新度评估第二子坐标系进行合并，获得多维度创新度评估坐标系。其中，所述多维度创新度评估第一子坐标系包括以多个非量化独立评估指标为多个坐标轴的多维坐标系。所述多维度创新度评估第二子坐标系包括以多个量化独立评估指标作为多个坐标轴的多维坐标系。所述第一预设权重、所述第二预设权重为预先设置确定的权重系数。所述模长融合输出层包括坐标系合并计算规则。坐标系合并计算规则为多维度创新度评估坐标系的输出=多维度创新度评估第一子坐标系的输出×第一预设权重+多维度创新度评估第二子坐标系的输出×第二预设权重。所述多维度创新度评估坐标系包括模长融合输出层、多维度创新度评估第一子坐标系、多维度创新度评估第二子坐标系。达到了通过多个量化独立评估指标和多个非量化独立评估指标，构建可靠、适配的多维度创新度评估坐标系，提高对科技型企业进行创新能力量化评估的精确度的技术效果。
步骤S600：基于所述多个独立评估指标，遍历待评估科技型企业集合，采集多组指标特征值；
步骤S700：将所述多组指标特征值输入所述多维度创新度评估坐标系，生成多个科技型企业创新度评估结果。
具体而言，基于待评估科技型企业集合，按照多个独立评估指标进行信息采集，获得多组指标特征值，并将多组指标特征值作为输入信息，输入多维度创新度评估坐标系，获得多个科技型企业创新度评估结果。其中，所述待评估科技型企业集合包括使用所述一种科技型企业创新能力量化评估***进行智能化创新能力评估的任意多个科技型企业。所述多组指标特征值包括待评估科技型企业集合中多个科技型企业对应的多个独立评估指标参数信息。且，多组指标特征值与待评估科技型企业集合具有对应关系。所述多个科技型企业创新度评估结果包括多组指标特征值对应的多维度创新度评估坐标系的多个输出信息。达到了通过多维度创新度评估坐标系对待评估科技型企业集合的多组指标特征值进行可靠的量化评估，提高科技型企业的创新能力评估质量的技术效果。
综上所述，本申请所提供的一种科技型企业创新能力量化评估方法具有如下技术效果：
1.通过对企业创新能力预设评估指标集合进行数据挖掘，生成多个独立评估指标；通过对多个独立评估指标进行拆解，生成多个量化独立评估指标和多个非量化独立评估指标；遍历多个非量化独立评估指标，构建创新级别词袋模型；基于创新级别词袋模型，遍历多个量化独立评估指标和多个非量化独立评估指标，构建多维度创新度评估坐标系；基于多个独立评估指标，遍历待评估科技型企业集合，采集多组指标特征值；将多组指标特征值输入多维度创新度评估坐标系，生成多个科技型企业创新度评估结果。达到了实现对科技型企业创新能力的精准化、智能化的量化评估，提高科技型企业的创新能力评估准确性、适应性，提升科技型企业的创新能力评估质量，为科技型企业的进一步创新发展提供可靠的数据参考的技术效果。
2.通过对企业创新能力预设评估指标集合进行多次数据挖掘，获得准确的多个独立评估指标，从而提高科技型企业的创新能力评估准确性。
3.通过对多个独立评估指标进行拆解，获得多个量化独立评估指标、多个非量化独立评估指标，从而提高科技型企业的创新能力评估的精确度、全面性。
实施例
基于与前述实施例中一种科技型企业创新能力量化评估方法，同样发明构思，本发明还提供了一种科技型企业创新能力量化评估***，请参阅附图3，所述***包括：
预设评估指标获取模块11，所述预设评估指标获取模块11用于获取企业创新能力预设评估指标集合；
数据挖掘模块12，所述数据挖掘模块12用于对所述企业创新能力预设评估指标集合进行数据挖掘，生成多个独立评估指标；
指标拆解模块13，所述指标拆解模块13用于将所述多个独立评估指标拆解，生成多个量化独立评估指标和多个非量化独立评估指标；
模型构建模块14，所述模型构建模块14用于遍历所述多个非量化独立评估指标，构建创新级别词袋模型；
坐标系构建模块15，所述坐标系构建模块15用于基于所述创新级别词袋模型，遍历所述多个量化独立评估指标和所述多个非量化独立评估指标，构建多维度创新度评估坐标系；
特征值采集模块16，所述特征值采集模块16用于基于所述多个独立评估指标，遍历待评估科技型企业集合，采集多组指标特征值；
评估结果生成模块17，所述评估结果生成模块17用于将所述多组指标特征值输入所述多维度创新度评估坐标系，生成多个科技型企业创新度评估结果。
进一步的，所述***还包括：
预设评估指标特征值数据集合确定模块，所述预设评估指标特征值数据集合确定模块用于根据所述企业创新能力预设评估指标集合，采集预设评估指标特征值数据集合；
关联指标挖掘模块，所述关联指标挖掘模块用于对所述预设评估指标特征值数据集合进行m项关联指标挖掘，生成多组m项关联特征值数据集合；
多个独立评估指标确定模块，所述多个独立评估指标确定模块用于遍历所述多组m项关联特征值数据集合，确定所述多个独立评估指标。
进一步的，所述***还包括：
支持度计算公式确定模块，所述支持度计算公式确定模块用于构建m项支持度计算公式：
其中，表征第n组指标特征值，/>表征第n组第k个指标的特征值，/>表征N组数据中/>共m个指标同时出现的频率，记为m项支持度，当/>=0时不进行频率统计，且/>，m属于整数；
置信度计算公式构建模块，所述置信度计算公式构建模块用于构建m项置信度计算公式：
其中，表征第n组m项指标特征值在N组数据中的出现频率，/>表征m项置信度，表征/>出现频率在总频率中的占比；
关联度计算公式构建模块，所述关联度计算公式构建模块用于构建m项关联度计算公式：
表征两组只有指标/>和/>变化的数据中/>的变化量，/>表征只有指标/>和/>变化的数据中/>的变化量，/>为整数，且k≥1，/>表征指标/>和的关联度；
关联特征值数据集合生成模块，所述关联特征值数据集合生成模块用于根据所述m项支持度计算公式、所述m项置信度计算公式和所述m项关联度计算公式进行m项关联指标挖掘，生成所述多组m项关联特征值数据集合。
进一步的，所述***还包括：
标准化处理模块，所述标准化处理模块用于对所述预设评估指标特征值数据集合进行标准化处理，生成多个标准化数据序列；
阈值获取模块，所述阈值获取模块用于获取m项支持度阈值、m项置信度阈值和m项关联度阈值；
指标支持度计算模块，所述指标支持度计算模块用于根据所述m项支持度计算公式遍历所述多个标准化数据序列，计算m项指标支持度；
指标置信度计算模块，所述指标置信度计算模块用于当所述m项指标支持度满足所述m项支持度阈值时，根据所述m项置信度计算公式遍历所述多个标准化数据序列，计算m项指标置信度；
指标关联度计算模块，所述指标关联度计算模块用于当所述m项指标置信度满足所述m项置信度阈值时，根据所述m项关联度计算公式遍历m项指标，基于所述多个标准化数据序列，计算多个指标关联度；
指标聚集模块，所述指标聚集模块用于将所述多个指标关联度大于或等于所述m项关联度阈值的指标聚集为一组，添加进所述多组m项关联特征值数据集合。
进一步的，所述***还包括：
语句采集模块，所述语句采集模块用于当满足预设更新周期，遍历所述多个非量化独立评估指标，采集独立指标描述语句集合；
创新等级划分模块，所述创新等级划分模块用于将所述独立指标描述语句集合发送至第一专家组、第二专家组直到第L专家组进行创新等级划分，采集多组一一对应的描述语句和创新等级数据集；
模型更新模块，所述模型更新模块用于根据所述多组一一对应的描述语句和创新等级数据集，对所述创新级别词袋模型进行更新。
进一步的，所述***还包括：
第一子坐标系构建模块，所述第一子坐标系构建模块用于基于所述创新级别词袋模型，遍历所述多个非量化独立评估指标，构建多维度创新度评估第一子坐标系；
第二子坐标系构建模块，所述第二子坐标系构建模块用于遍历所述多个量化独立评估指标，构建多维度创新度评估第二子坐标系；
多维度坐标系生成模块，所述多维度坐标系生成模块用于将所述多维度创新度评估第一子坐标系和所述多维度创新度评估第二子坐标系作为并行节点合并，生成所述多维度创新度评估坐标系。
进一步的，所述***还包括：
输出层构建模块，所述输出层构建模块用于为所述多维度创新度评估第一子坐标系的输出设定第一预设权重，为所述多维度创新度评估第二子坐标系设定第二预设权重，构建模长融合输出层；
坐标系合并模块，所述坐标系合并模块用于根据所述模长融合输出层，合并所述多维度创新度评估第一子坐标系和所述多维度创新度评估第二子坐标系，生成所述多维度创新度评估坐标系。
本申请提供了一种科技型企业创新能力量化评估方法，其中，所述方法应用于一种科技型企业创新能力量化评估***，所述方法包括：通过对企业创新能力预设评估指标集合进行数据挖掘，生成多个独立评估指标；通过对多个独立评估指标进行拆解，生成多个量化独立评估指标和多个非量化独立评估指标；遍历多个非量化独立评估指标，构建创新级别词袋模型；基于创新级别词袋模型，遍历多个量化独立评估指标和多个非量化独立评估指标，构建多维度创新度评估坐标系；基于多个独立评估指标，遍历待评估科技型企业集合，采集多组指标特征值；将多组指标特征值输入多维度创新度评估坐标系，生成多个科技型企业创新度评估结果。解决了现有技术中针对科技型企业的创新能力评估准确性不足，进而造成科技型企业的创新能力评估效果不佳的技术问题。达到了实现对科技型企业创新能力的精准化、智能化的量化评估，提高科技型企业的创新能力评估准确性、适应性，提升科技型企业的创新能力评估质量，为科技型企业的进一步创新发展提供可靠的数据参考的技术效果。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
本说明书和附图仅仅是本申请的示例性说明，如果本发明的修改和变型属于本发明及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种科技型企业创新能力量化评估方法，其特征在于，包括：
获取企业创新能力预设评估指标集合；
对所述企业创新能力预设评估指标集合进行数据挖掘，生成多个独立评估指标；
将所述多个独立评估指标拆解，生成多个量化独立评估指标和多个非量化独立评估指标；
遍历所述多个非量化独立评估指标，构建创新级别词袋模型；
基于所述创新级别词袋模型，遍历所述多个量化独立评估指标和所述多个非量化独立评估指标，构建多维度创新度评估坐标系；
基于所述多个独立评估指标，遍历待评估科技型企业集合，采集多组指标特征值；
将所述多组指标特征值输入所述多维度创新度评估坐标系，生成多个科技型企业创新度评估结果。
2.如权利要求1所述的方法，其特征在于，所述对所述企业创新能力预设评估指标集合进行数据挖掘，生成多个独立评估指标，包括：
根据所述企业创新能力预设评估指标集合，采集预设评估指标特征值数据集合；
对所述预设评估指标特征值数据集合进行m项关联指标挖掘，生成多组m项关联特征值数据集合；
遍历所述多组m项关联特征值数据集合，确定所述多个独立评估指标。
3.如权利要求2所述的方法，其特征在于，所述对所述预设评估指标特征值数据集合进行m项关联指标挖掘，生成多组m项关联特征值数据集合，包括：
构建m项支持度计算公式：
其中，表征第n组指标特征值，/>表征第n组第k个指标的特征值，/>表征N组数据中/>共m个指标同时出现的频率，记为m项支持度，当/>=0时不进行频率统计，且/>，m属于整数；
构建m项置信度计算公式：
其中，表征第n组m项指标特征值在N组数据中的出现频率，/>表征m项置信度，表征/>出现频率在总频率中的占比；
构建m项关联度计算公式：
表征两组只有指标/>和/>变化的数据中/>的变化量，/>表征只有指标和/>变化的数据中/>的变化量，/>为整数，且k≥1，/>表征指标/>和的关联度；
根据所述m项支持度计算公式、所述m项置信度计算公式和所述m项关联度计算公式进行m项关联指标挖掘，生成所述多组m项关联特征值数据集合。
4.如权利要求3所述的方法，其特征在于，所述根据所述m项支持度计算公式、所述m项置信度计算公式和所述m项关联度计算公式进行m项关联指标挖掘，生成所述多组m项关联特征值数据集合，包括：
对所述预设评估指标特征值数据集合进行标准化处理，生成多个标准化数据序列；
获取m项支持度阈值、m项置信度阈值和m项关联度阈值；
根据所述m项支持度计算公式遍历所述多个标准化数据序列，计算m项指标支持度；
当所述m项指标支持度满足所述m项支持度阈值时，根据所述m项置信度计算公式遍历所述多个标准化数据序列，计算m项指标置信度；
当所述m项指标置信度满足所述m项置信度阈值时，根据所述m项关联度计算公式遍历m项指标，基于所述多个标准化数据序列，计算多个指标关联度；
将所述多个指标关联度大于或等于所述m项关联度阈值的指标聚集为一组，添加进所述多组m项关联特征值数据集合。
5.如权利要求1所述的方法，其特征在于，所述遍历所述多个非量化独立评估指标，构建创新级别词袋模型，包括：
当满足预设更新周期，遍历所述多个非量化独立评估指标，采集独立指标描述语句集合；
将所述独立指标描述语句集合发送至第一专家组、第二专家组直到第L专家组进行创新等级划分，采集多组一一对应的描述语句和创新等级数据集；
根据所述多组一一对应的描述语句和创新等级数据集，对所述创新级别词袋模型进行更新。
6.如权利要求1所述的方法，其特征在于，所述基于所述创新级别词袋模型，遍历所述多个量化独立评估指标和所述多个非量化独立评估指标，构建多维度创新度评估坐标系，包括：
基于所述创新级别词袋模型，遍历所述多个非量化独立评估指标，构建多维度创新度评估第一子坐标系；
遍历所述多个量化独立评估指标，构建多维度创新度评估第二子坐标系；
将所述多维度创新度评估第一子坐标系和所述多维度创新度评估第二子坐标系作为并行节点合并，生成所述多维度创新度评估坐标系。
7.如权利要求6所述的方法，其特征在于，所述将所述多维度创新度评估第一子坐标系和所述多维度创新度评估第二子坐标系作为并行节点合并，生成所述多维度创新度评估坐标系，包括：
为所述多维度创新度评估第一子坐标系的输出设定第一预设权重，为所述多维度创新度评估第二子坐标系设定第二预设权重，构建模长融合输出层；
根据所述模长融合输出层，合并所述多维度创新度评估第一子坐标系和所述多维度创新度评估第二子坐标系，生成所述多维度创新度评估坐标系。
8.一种科技型企业创新能力量化评估***，其特征在于，所述***包括：
预设评估指标获取模块，所述预设评估指标获取模块用于获取企业创新能力预设评估指标集合；
数据挖掘模块，所述数据挖掘模块用于对所述企业创新能力预设评估指标集合进行数据挖掘，生成多个独立评估指标；
指标拆解模块，所述指标拆解模块用于将所述多个独立评估指标拆解，生成多个量化独立评估指标和多个非量化独立评估指标；
模型构建模块，所述模型构建模块用于遍历所述多个非量化独立评估指标，构建创新级别词袋模型；
坐标系构建模块，所述坐标系构建模块用于基于所述创新级别词袋模型，遍历所述多个量化独立评估指标和所述多个非量化独立评估指标，构建多维度创新度评估坐标系；
特征值采集模块，所述特征值采集模块用于基于所述多个独立评估指标，遍历待评估科技型企业集合，采集多组指标特征值；
评估结果生成模块，所述评估结果生成模块用于将所述多组指标特征值输入所述多维度创新度评估坐标系，生成多个科技型企业创新度评估结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310667200.1A CN117078054B (zh) | 2023-06-07 | 2023-06-07 | 一种科技型企业创新能力量化评估方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310667200.1A CN117078054B (zh) | 2023-06-07 | 2023-06-07 | 一种科技型企业创新能力量化评估方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117078054A true CN117078054A (zh) | 2023-11-17 |
| CN117078054B CN117078054B (zh) | 2024-04-05 |
Family
ID=88715896
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310667200.1A Active CN117078054B (zh) | 2023-06-07 | 2023-06-07 | 一种科技型企业创新能力量化评估方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117078054B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117575827A (zh) * | 2024-01-16 | 2024-02-20 | 之江实验室科技控股有限公司 | 一种企业报告的智能可视化管理***及方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030018451A1 (en) * | 2001-07-16 | 2003-01-23 | Level 3 Communications, Inc. | System, method and computer program product for rating enterprise metrics |
| US20100299167A1 (en) * | 2007-10-31 | 2010-11-25 | Paul Mulvanny | Technology enterprise management apparatus and method therefor |
| US20120059680A1 (en) * | 2010-09-02 | 2012-03-08 | Cox Communications, Inc. | Systems and Methods for Facilitating Information Technology Assessments |
| CN108615124A (zh) * | 2018-05-11 | 2018-10-02 | 北京窝头网络科技有限公司 | 基于词频分析的企业评价方法及*** |
| CN112148760A (zh) * | 2020-10-10 | 2020-12-29 | 北京火眼神算数据科技有限公司 | 大数据的筛选方法及装置 |
| CN112989827A (zh) * | 2021-05-20 | 2021-06-18 | 江苏数兑科技有限公司 | 一种基于多源异构特征的文本数据集质量评估方法 |
| CN113537796A (zh) * | 2021-07-22 | 2021-10-22 | 大路网络科技有限公司 | 一种企业风险评估方法、装置及设备 |
| CN114510405A (zh) * | 2022-01-28 | 2022-05-17 | 腾讯科技（深圳）有限公司 | 指标数据评估方法、装置、设备、存储介质及程序产品 |
| CN114638504A (zh) * | 2022-03-18 | 2022-06-17 | 中国建设银行股份有限公司 | 企业风险评估方法、装置、设备、介质及产品 |
| CN115344639A (zh) * | 2022-08-19 | 2022-11-15 | 维正科技服务有限公司 | 区域企业的全景分析方法、装置、计算机设备及介质 |
-
2023
- 2023-06-07 CN CN202310667200.1A patent/CN117078054B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030018451A1 (en) * | 2001-07-16 | 2003-01-23 | Level 3 Communications, Inc. | System, method and computer program product for rating enterprise metrics |
| US20100299167A1 (en) * | 2007-10-31 | 2010-11-25 | Paul Mulvanny | Technology enterprise management apparatus and method therefor |
| US20120059680A1 (en) * | 2010-09-02 | 2012-03-08 | Cox Communications, Inc. | Systems and Methods for Facilitating Information Technology Assessments |
| CN108615124A (zh) * | 2018-05-11 | 2018-10-02 | 北京窝头网络科技有限公司 | 基于词频分析的企业评价方法及*** |
| CN112148760A (zh) * | 2020-10-10 | 2020-12-29 | 北京火眼神算数据科技有限公司 | 大数据的筛选方法及装置 |
| CN112989827A (zh) * | 2021-05-20 | 2021-06-18 | 江苏数兑科技有限公司 | 一种基于多源异构特征的文本数据集质量评估方法 |
| CN113537796A (zh) * | 2021-07-22 | 2021-10-22 | 大路网络科技有限公司 | 一种企业风险评估方法、装置及设备 |
| CN114510405A (zh) * | 2022-01-28 | 2022-05-17 | 腾讯科技（深圳）有限公司 | 指标数据评估方法、装置、设备、存储介质及程序产品 |
| CN114638504A (zh) * | 2022-03-18 | 2022-06-17 | 中国建设银行股份有限公司 | 企业风险评估方法、装置、设备、介质及产品 |
| CN115344639A (zh) * | 2022-08-19 | 2022-11-15 | 维正科技服务有限公司 | 区域企业的全景分析方法、装置、计算机设备及介质 |
Non-Patent Citations (4)
| Title |
|---|
| 徐洁: "基于文本分析的跨境电商食品选择研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 8, pages 138 - 226 * |
| 温全: "科技金融政策新工具："企业创新积分制"的典型工作做法及政策成效", 《中国科技产业》, no. 4, pages 48 - 49 * |
| 石幸: "基于关联规则和技术功效矩阵的企业技术创新机会发现和辅助决策方法", 《宁波大学学报(理工版)》, vol. 34, no. 4, pages 35 - 42 * |
| 郭伟伊: "基于Apriori-PCA的贵州大数据企业核心竞争力评价研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》, no. 3, pages 002 - 597 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117575827A (zh) * | 2024-01-16 | 2024-02-20 | 之江实验室科技控股有限公司 | 一种企业报告的智能可视化管理***及方法 |
| CN117575827B (zh) * | 2024-01-16 | 2024-05-03 | 之江实验室科技控股有限公司 | 一种企业报告的智能可视化管理***及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117078054B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112506990B (zh) | 一种基于时空信息的水文数据异常检测方法 | |
| CN102819772B (zh) | 电力配网建设物资需求预测方法及装置 | |
| CN117078054B (zh) | 一种科技型企业创新能力量化评估方法及*** | |
| CN116150897A (zh) | 一种基于数字孪生的机床主轴性能测评方法及*** | |
| CN104574209A (zh) | 一种城网配变重过载中期预警模型的建模方法 | |
| CN112668822A (zh) | 科技成果转化平台共享***、方法、存储介质、手机app | |
| CN112330121B (zh) | 一种配电网自动化建设投资效益评估方法 | |
| Lan et al. | A new linguistic aggregation operator and its application to multiple attribute decision making | |
| CN113506121A (zh) | 价格影响因素的分析方法及装置 | |
| CN116187835A (zh) | 一种基于数据驱动的台区理论线损区间估算方法及*** | |
| CN116109195A (zh) | 一种基于图卷积神经网络的绩效评估方法及*** | |
| CN111859814A (zh) | 基于lstm深度学习的岩石时效变形预测方法及其*** | |
| CN115310752A (zh) | 面向能源大数据的数据资产价值评价方法及*** | |
| CN108460191A (zh) | 基于质量功能展开的机床横梁设计方案的优选方法 | |
| Imron et al. | Application of data mining classification method for student graduation prediction using K-nearest neighbor (K-NN) algorithm | |
| Franta et al. | Forecasting Czech GDP using mixed-frequency data models | |
| CN112330030B (zh) | 业扩物资需求预测***及方法 | |
| CN117763316A (zh) | 一种基于机器学习的高维数据降维方法及降维*** | |
| CN112288187A (zh) | 一种基于大数据的售电量预测方法 | |
| CN111160715A (zh) | 基于bp神经网络新旧动能转换绩效评价方法和装置 | |
| CN116384820A (zh) | 一种企业的科技创新能力评估方法、***、设备及介质 | |
| CN111027799A (zh) | 一种国企产能分析*** | |
| CN115374570A (zh) | 一种用于穿越工程隧道变形预测的多源加权训练集构建方法 | |
| CN115809236A (zh) | 具有复杂数据源的交通工程材料质量数据分析方法及*** | |
| Liu et al. | Improved time-variant fuzzy time series forecast |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |