毛凱 劉明 李志愷 李偉 夏瑜潞

摘? ?要：科技事件作為科技發(fā)展的產(chǎn)物，對其影響力進(jìn)行評估，可以對預(yù)測新興科技事件的發(fā)展走向、相關(guān)部門配置科技資源、科教機(jī)構(gòu)進(jìn)行科普教育選取事件提供重要參考。當(dāng)今市場上存在的對科技事件影響力評估的方法具有應(yīng)用場景局限、評價(jià)結(jié)果受人為主觀影響較大等不足。文章提出一種新的評估方法，利用各大搜索引擎產(chǎn)生的海量數(shù)據(jù)，結(jié)合機(jī)器學(xué)習(xí)中的K-means算法，對科技事件的影響力進(jìn)行評估。彌補(bǔ)了當(dāng)前已存在方法對科技事件影響力進(jìn)行評估的局限，解決了如何基于當(dāng)前時(shí)代產(chǎn)生的大量數(shù)據(jù)對科技事件做出一個(gè)較為客觀準(zhǔn)確的評估結(jié)果這一問題。

關(guān)鍵詞：科技事件;影響力評估;K-means;搜索引擎

1? ? 相關(guān)工作

在漫長的科技發(fā)展史中，每一個(gè)科技發(fā)現(xiàn)與創(chuàng)新事件背后往往包含著大量的信息，包括時(shí)空屬性、不同事件之間的互相聯(lián)系、引起的社會討論熱度等。對科技事件在一段時(shí)間內(nèi)的影響力進(jìn)行評估，不僅可以對科技事件的發(fā)展走向進(jìn)行預(yù)測、規(guī)劃，還可以為相關(guān)部門制定科技政策、配置科技資源、和進(jìn)行科普教育提供重要參考。研究表明，對于科技事件影響力評價(jià)方法，目前普遍從定性評價(jià)和定量評價(jià)兩個(gè)角度進(jìn)行。定性評價(jià)方法[1]主要包括同行評議法和案例與回溯評價(jià)法，定量評價(jià)方法主要包括文獻(xiàn)計(jì)量法和經(jīng)濟(jì)計(jì)量評價(jià)法。沈利華等[2]認(rèn)為，同行評議法已經(jīng)被各國廣泛應(yīng)用，可以作為鑒定科研成果的重要評價(jià)手段。但是有很多弊端，如難以支持創(chuàng)新，難以對科技成果保密，評議專家的主觀傾向性占比太大等。案例與回溯評價(jià)方法[3]是對關(guān)鍵事件或典型案例進(jìn)行回顧和分析，分析導(dǎo)致該事件發(fā)生的內(nèi)外部因素，而非事件本身的影響力。趙丹等[4]則認(rèn)為，可以利用科技事件產(chǎn)出的文獻(xiàn)計(jì)量指標(biāo)的定量數(shù)據(jù)，采用數(shù)學(xué)和統(tǒng)計(jì)學(xué)方法，對科學(xué)活動規(guī)律及其影響進(jìn)行研究與分析，即文獻(xiàn)計(jì)量評價(jià)法。文獻(xiàn)計(jì)量評價(jià)方法[5]具有統(tǒng)計(jì)學(xué)意義上的合理性和可信度，但存在指標(biāo)單一、學(xué)科間不可比較、科學(xué)價(jià)值不可表征等局限性。而經(jīng)濟(jì)計(jì)量評價(jià)法局限于開發(fā)類科技活動的評價(jià)，不適于基礎(chǔ)類、應(yīng)用類的科技事件?？梢钥闯?，以上幾種對科技事件的評價(jià)方法應(yīng)用場景局限，無法通過一種方法較好的評價(jià)不同領(lǐng)域內(nèi)科技事件的影響力，并且缺乏數(shù)據(jù)支撐，客觀性不足。

本文提出一種新的對科技事件影響力的評估方法，首先，選取分屬不同學(xué)科的科技事件，搜集其在百度、谷歌、知網(wǎng)等搜索引擎中的數(shù)據(jù)，分析其數(shù)據(jù)特征。其次，通過咨詢領(lǐng)域內(nèi)專家及社會公識度調(diào)查的方式，確定科技事件影響力的級別數(shù)量。最后，利用機(jī)器學(xué)習(xí)算法中的K-means算法，根據(jù)事件不同的數(shù)據(jù)特征，將不同影響力的科技事件聚入不同的類別，完成對科技事件影響力的評估。該方法具有海量的搜索引擎數(shù)據(jù)支撐，因此，評估結(jié)果相比于前文提及的幾種方式更為客觀合理，應(yīng)用場景更為寬闊。

2? ? 數(shù)據(jù)的獲取與處理

2.1? 特征選擇

科技事件具有非常多的屬性，例如：名稱，被發(fā)明或被發(fā)現(xiàn)時(shí)間，發(fā)明人或是發(fā)現(xiàn)人，事件內(nèi)容，事件在網(wǎng)絡(luò)上的搜索指數(shù)，事件的相關(guān)論文數(shù)量等，不同的屬性可以形成不同的特征數(shù)據(jù)。建立一個(gè)利用數(shù)據(jù)評估科技事件影響力的數(shù)學(xué)模型，首先需要選取合適的特征數(shù)據(jù)。在科技事件的屬性中，能較為直觀地反映一個(gè)科技事件影響力的是該事件在網(wǎng)絡(luò)上的搜索指數(shù)。同一搜索引擎，產(chǎn)生較多搜索結(jié)果的科技事件在一定程度上比產(chǎn)生較少搜索結(jié)果的科技事件影響力大。但是使用單一的搜索指數(shù)來對科技事件影響力進(jìn)行評價(jià)，會存在一定的局限，因?yàn)橐粋€(gè)科技事件在網(wǎng)絡(luò)上的搜索指數(shù)，反應(yīng)的更多地是該事件在社會大眾中的影響力，而現(xiàn)實(shí)中存在一個(gè)科技事件影響了很多科技事件的誕生，但是這一科技事件在大眾間的傳播及影響力不大的情況。因此，為了使評估結(jié)果更為客觀合理，還應(yīng)該考慮科技事件在科學(xué)領(lǐng)域的影響力。

本文通過擴(kuò)寬特征數(shù)據(jù)選擇面和加深特征數(shù)據(jù)提取兩個(gè)途徑，來增加評估結(jié)果的客觀性。擴(kuò)寬特征數(shù)據(jù)選擇面，通過增加知網(wǎng)相關(guān)論文數(shù)量和谷歌學(xué)術(shù)相關(guān)數(shù)據(jù)這兩維特征數(shù)據(jù)實(shí)現(xiàn)。一個(gè)科技事件的影響力不僅包含在媒體大眾間的影響，也包含在科技工作者間的影響，一個(gè)科技事件的影響力大，大概率能得到相關(guān)研究論文數(shù)量多的結(jié)果，因此，科技事件相關(guān)論文數(shù)量的多少，也將作為本模型的一個(gè)特征數(shù)據(jù)。加深特征數(shù)據(jù)提取是指，選用多種主流搜索引擎的數(shù)據(jù)，減少因?yàn)樗阉饕嬗脩羯俣鸬恼`差和偶然性。主流搜索引擎的數(shù)據(jù)中，我們選用了百度搜索結(jié)果數(shù)、谷歌搜索結(jié)果數(shù)、百度搜索指數(shù)和媒體指數(shù)這4個(gè)數(shù)據(jù)。理由如下。（1）百度作為國內(nèi)最主要的搜索引擎，搜索結(jié)果數(shù)據(jù)是建立在國內(nèi)大量用戶的搜索之上，具有誤差小、總量大的特征。百度搜索結(jié)果數(shù)，能夠反映科技與創(chuàng)新事件在國人中的影響力。（2）谷歌是全球除中國以外其他地區(qū)的主要搜索引擎，谷歌搜索結(jié)果數(shù)，具有能夠反映科技事件在全球其他地區(qū)影響力的特征。（3）百度搜索和媒體指數(shù)，分為PC端和移動端，根據(jù)當(dāng)前互聯(lián)網(wǎng)在移動端的發(fā)展趨勢，我們將移動端的數(shù)據(jù)也納入了考慮。

2.2? 數(shù)據(jù)清洗及標(biāo)準(zhǔn)化處理

本實(shí)驗(yàn)按照信息、交通、醫(yī)藥、農(nóng)林、機(jī)械、化工6個(gè)學(xué)科分別挑選出了120個(gè)該學(xué)科領(lǐng)域內(nèi)具有象征意義的科技事件，爬取了這些事件從2011～2018年每個(gè)月的百度搜索指數(shù)和媒體指數(shù)、百度搜索結(jié)果數(shù)、谷歌搜索結(jié)果數(shù)、谷歌學(xué)術(shù)和知網(wǎng)相關(guān)論文數(shù)。

爬取的原始數(shù)據(jù)的數(shù)量級和量綱并不相同，如果直接使用原始數(shù)據(jù)進(jìn)行科技事件影響力的評估，數(shù)量級和量綱對最終結(jié)果的影響會遠(yuǎn)遠(yuǎn)大于數(shù)據(jù)本身的影響，產(chǎn)生的誤差較大。此外，部分科技事件的數(shù)據(jù)存在有缺失值的情況。因此，需要通過數(shù)據(jù)清洗和數(shù)據(jù)標(biāo)準(zhǔn)化處理，使不同的特征數(shù)據(jù)具有相同的尺度。

在實(shí)際實(shí)驗(yàn)中，有28個(gè)科技事件的數(shù)據(jù)缺失了百度搜索結(jié)果數(shù)，有32個(gè)科技事件缺失了谷歌搜索結(jié)果數(shù)，有53個(gè)數(shù)據(jù)缺少百度搜索指數(shù)或媒體指數(shù)。對缺失數(shù)據(jù)的事件，首先通過人工核查它們的官方命名，并進(jìn)行查找，對能獲取的數(shù)據(jù)進(jìn)行添加。人工查找之后依然缺失數(shù)據(jù)的事件，選擇了新的科技事件進(jìn)行代替。