浅谈基于关联规则的高校科研能力评价研究

1、浅谈基于关联规那么的高校科研才能评价研究摘要：科研才能是高校的核心才能，也是反映高校实力的重要指标。文章在明确高校科研才能内涵的根底上，分析高校科研才能的构成，提出了高校科研才能评价指标。采用关联规那么apriri算法对30所高校的科研才能提取评价规那么，结果说明，规那么具有重要的参考价值。关键词：高校；科研才能；评价；apriri算法一、引言科研作为高校职能的重要组成部分，对进步科技程度、进步高等教育质量、开发高层次人才资源和促进社会经济开展具有重要意义。高校作为国家科研创新体系的重要组成部分，既是科学研究与知识创新的基地，又是科研成果产出的基地。高校科研一直是我国科研工作的重要组成部分，在

2、国家整个科研系统及经济建立中的地位和作用日渐增长。科研才能是高校的核心才能，其上下已成为衡量一所高校综合实力的重要指标。科研才能的上下不仅影响高校自身的开展，对高校所在地区的经济开展也有重大影响。如何准确评价高校的科研才能已成为摆在政府、企业和高校面前的一个非常重要的问题。影响科研才能的因素很多，且互相穿插、互相浸透和互相影响，无法用确定的数学模型描绘。目前，高校科研才能评价方法很多，但普遍存在工作繁琐、时间滞后等缺点，且人为主观因素对评价结果有很多的影响。如何快速、准确地对众多高校的科研才能进展客观、公正地评价？这是一个目前急需解决的问题。二、高校科研才能评价体系的构建高校科研才能由静态才能

3、和动态才能合成。高校静态科研才能是高校开展科学研究活动所固有的、潜在的才能，是开展科研活动的根底，包括5个方面：科技队伍，它是构成高校科研势能的人力因素，是最积极也是最活泼的因素，由人员素质、知识构造和梯队组织构造构成；科研基地，它包括科研机构、仪器设备、建筑设施等；科技学识深度、广度及其相应的载体；科研经费，它是构成高校科研势能的财力因素；科研管理，它是保证科技活动正常顺利进展的充分条件。高校动态科研才能是一种科技显现才能，包括6个方面：1信息接收加工才能。高校必须具有以最快的速度、最科学的方法在浩瀚如海的知识库中接收、分析和加工各种信息的才能，以及汲取最需要最准确的信息内容的才能，以力求掌

4、握最前沿的科技信息和其他信息，把握科技开展的最新动向。2学识积累与技术储藏才能，包括学习新知识新技术的才能和将新知识新技术理论化系统化重新加工的才能。3科技创新才能。事物的开展在于创新，科技的开展更需要创新。4知识释放才能。科研是复杂而繁重的脑力劳动，它具有探究性和创造性。在科研中需要深人的钻研、探究和创新，攻克理论与技术上的难关，创造出新思想、新理论、新技术、新工艺、新材料、新产品、新软件等，所有这些都存在一个知识释放的过程。5自适应调节才能。高校科研面向社会、面向经济建立，应与社会和经济建立严密联络，不断根据社会的开展调整高校的知识构造、科研队伍构造以及科研主攻方向等。同时，高校内部各学科

5、之间、各科研机构之间和管理部门之间等也存在互相适应和调节的问题。6科学决策才能。高校科研的各环节，从科研方向确实定、优势的发挥、特色的形成、政策的制定，到课题的选择与施行、科研人员梯队组成等无一不需要科学决策。这6方面并不互相独立，而是互相穿插、互相影响。总之，静态科研才能是进展科研活动的根底和条件，必须通过动态科研才能来释放；动态科研才能是加工本领、实干技巧。两者互相促进，缺一不可。影响高校科研才能的因素很多，笔者仅以较为重要的11个影响因素作为评价指标：科研队伍a、科研基地b、科技学识及其相应的载体、科研经费d、科研管理e、信息接收加工才能f、学识积累与技术储藏才能g、科研技术创新才能h、

6、知识释放才能i、自适应调节才能j、科学决策才能k。高校科研才能l用5个等级来评价：很强、较强、一般、较差和很差，分别取值5、4、3、2、1。三、关联规那么的apriri算法关联规那么是要找出在某一时间或数据中会同时出现的东西：假设itea是某一事件的一部分，那么iteb也出如今该事件中的概率为x%。关联规那么将特定的结论与一系列条件联络在一起。关联规那么算法自动寻找那些可通过可视化技术手段找到的关联，如eb节点，其优点是关联可存在于数据的任何属性中，它试图寻找出多条规那么，每条规那么都可得出一个相应的结论；其缺点是它试图在一个可能非常庞大的搜索空间中寻找模型，将消耗很长时间。它运用一种生成检验

7、的方法去寻找规那么最初生成简单的规那么，并被数据集证明是有效的。好的规那么被存储，所有的规那么都受到不同的制约，然后被专门化。专门化是一个将条件参加规那么的过程。这些新规那么接着被数据证实是有效的，而后这个过程反复地存储寻找到的最正确或最有意义的规那么。用户常对规那么中可能的前提数目提出一些限制。基于信息论或有效索引机制根底上的各种技术，常被用于压缩存在众多规那么的搜索空间。该过程生成的最正确规那么由图展示出来，但这套规那么不能直接用于预测，这是因为规那么中有许多不同的结论。由关联算法得到的关联规那么称为未精炼的模型。设i=i1，i2，i为所有工程的集合，d为事务数据库事务t是一个工程子集t?

8、哿i。每一个事务具有唯一的事务标识tid。设a是一个由工程构成的集合，称为项集。事务t包含项集a，当且仅当a?哿t。最小支持度insup即用户规定的关联规那么必须满足的最小支持度，它表示了一组物品集在统计意义上的需满足的最低程度。最小置信度innf即用户规定的关联规那么必须满足的最小置信度，它反响了关联规那么的最低可靠度。关联规那么的挖掘就是在事务数据库d中找出具有用户给定的最小支持度insup和最小置信度innf的关联规那么。假设项集的支持度超过用户给定的最小支持度阈值insup，就称该项集是频繁项集或大项集。关联规那么有两个步骤：根据最小支持度阈值找出数据集d中所有频繁工程集；根据频繁工程

9、集和最小置信度阈值产生所有关联规那么。关联规那么有多种算法。apriri算法只可处理字符型自变量和结果变量。由于其只用字符属性，可利用智能型子集技术加快搜索速度。它提供五种选择规那么的方法，使用一种复杂的指数方案以有效处理大型数据集。在执行节点前，字段类型必须充分实例化。它对可保存规那么数量没有专门的限制，可处理有多达32个前提的规那么。apriri算法使用层次顺序搜索的循环方法又称作逐层搜索的迭代方法产生频繁项集，即用频繁k-项集探究产生k+1-项集。首先，找出长度为1的频繁项集，记为l1，l1用于产生频繁2-项集l2的集合，而用于产生频繁3-项集l3的，如此循环下去，直到不能找到新的频繁k

10、-项集。找每个lk需要扫描数据库一次。利用如下公式来计算所获关联规那么的置信度。论文联盟其中，supprt_untab是包含项集ab的交易记录数目，supprt_unta是包含项集a的交易记录数目。利用频繁项集生成规那么的算法描绘如下：frall频繁k项集lk，k?叟2dbeginh1=lk中规那么的后件，该规那么的后件中只有一个工程；allap_genruleslk，h1；end；predureap_genruleslk：频繁项集，h：个工程的后件的集合ifk+1thenbeginh+1=apriri_genhfrallh+1h+1dbeginnf=supprtlk/supprtlk-h+1

11、；ifnf?叟innfthenutput规那么lk-h+1h+1ithnfidene=nfandsupprt=supprtlk。对于存在大量频繁形式、长形式或者最小支持度闭值较小时，apriri算法将面临以下缺乏：算法将花费较大的开销来处理数目特别宏大的候选项集；屡次扫描事务数据库，需要很大的i/负载。四、实证分析数据来源于某机构对高校科研才能的调查见表1，每个指标得分越高，说明该项科研才能越强。由表1可知，30所高校中，科研才能很强的7所，较强的6所，一般的6所，较差的5所，很差的5所。由于关联规那么的apriri算法需要对字符型变量来提取规那么，所以需要对原始数据离散化，离散化的标准是将得

12、分划分为0-19；20-39；40-59；60-79；80-100五等，见表2。采用apriri算法，令最低支持度为17%，最小规那么置信度为80%，最大前项数为1，得到8条关联规那么，见表3。五、结论由规那么1可知，高校科学决策才能较差20-39时，该高校的科研才能很差1；由规那么2可知，高校知识释放才能较差20-39时，该高校的科研才能很差1；由规那么3可知，高校科研经费较少20-39时，该高校的科研才能很差1；由规那么4可知，高校科研队伍很强80-90时，该高校的科研才能很强5；由规那么5可知，高校科学决策才能较强60-79时，该高校的科研才能一般3；由规那么6可知，高校知识释放才能较强60-79时，该高校的