基于知識挖掘的產業(yè)集群競爭力評價指標體系構建

蔡皎潔

（湖北工程學院，湖北 孝感 432000）

0 引言

在產業(yè)集群競爭力評價研究中，評價指標體系的構建顯得尤為重要，它的合理性及全面性直接影響了評價結果的準確率。國內外學者在這方面做出了深入研究，其中波特最早提出了鉆石模型[1]，隨后該模型被廣泛應用于我國早期對產業(yè)集群競爭力定性評價中，該模型把社會需求狀況、相關的支持企業(yè)、要素狀況以及企業(yè)戰(zhàn)略、結構和競爭者等要素作為產業(yè)集群評價的定性指標；Padmore和Gibson[2]在鉆石模型的基礎上提出了GEM模型，該模型把競爭力評價指標分為3組6個指標，分別是基礎組，包括資源與設施；企業(yè)組，包括供應商和相關輔助產業(yè)、企業(yè)結構、戰(zhàn)略和競爭；市場組，包括當地市場和外部市場。我國學者喻春光和劉友金[3]在GEM模型的基礎上提出了GEMN模型，充分考慮了產業(yè)集群網絡對評價的影響，因此添加了網絡組，包括內網和外網兩個因素。

從國內外有關產業(yè)集群競爭力評價指標體系構建研究現狀總結發(fā)現：一是多數評價指標體系構建的原理建立在鉆石模型和GEM模型基礎上，有其合理性；二是多數評價指標體系構建仍缺乏定量化的科學指導和分析，構建方法主要采用人為的、經驗性的定性分析，且指標要素繁雜而重復，增加了產業(yè)集群競爭力評價的復雜性和冗余性。本文提出了基于知識挖掘方法構建產業(yè)集群競爭力評價指標體系的思路，為定量研究開辟了新的研究途徑。

1 基于K-中心點聚類挖掘構建競爭力評價指標

1.1 理論基礎

K-中心點聚類法是典型的局域劃分的聚類方法，其基本的處理流程如下[4]：

（1）對待聚類的文本集D，確定要生成的簇的數目K；

（2）按照某種原則（可隨機）生成K個聚類中心作為聚類的初始中心點S={s1,...sj,...,sk}；

（3）對D中的每一個文本di，依次計算它與各個中心點 sj的相似度 sim(di,sj)；

（4）選取具有最大的相似度的中心點arg max sim(di,sj)，將di歸入以sj為聚類中心的簇Cj，從而得到D的一個聚類C={c1,...,ck}；

（5）重新確定每個簇的中心點；

（6）反復執(zhí)行步驟（3）到（5），直到中心點不再改變，文本不再重新被分配為止。

1.2 構建思路

1.2.1 K的確立

K值的確定會影響聚類結果的精確度，本文將上述K-中心點文本聚類方法進行適當演繹用于產業(yè)集群競爭力評價指標的確定中，目的是針對目前大多數指標體系多而雜的情況，找出關鍵評價指標，確定產業(yè)集群邊緣。K值確定的思路如下：

（1）將待研究的產業(yè)集群中的每個企業(yè)看成一個文本di，產業(yè)群看成文本集D；

（2）在對國內外學者構建產業(yè)集群競爭力評價指標體系研究成果總結的基礎上，列出一組初始的競爭力評價指標，形成[資源，成長]二維模式，綜合對比不同企業(yè)在最近5年中各種競爭資源的成長曲線平滑度，并按照這些資源對企業(yè)成長影響的大小賦予權值；

（3）計算每個企業(yè)在5年內各種資源成長量的加權平均，利用區(qū)間劃分方法來確定K的值。

1.2.2 初始指標集的聚類

用K-中心點法對初始指標集進行聚類，即完成在K個初始企業(yè)簇群區(qū)間中，重新實施聚類，并找出影響企業(yè)重新聚類的關鍵因素，這些因素就是最終確定的競爭力評價指標。其基本思路如下：

（1）在K個初始企業(yè)簇群區(qū)間中，找出作為企業(yè)聚類的中心種子S={s1,...,sj,...,sk}，V(sj)=(W sj(d1),…,W sj(di),…,W sj(dn))，其中s代表資源，d代表企業(yè)，V代表資源—企業(yè)矩陣，W代表資源對企業(yè)影響的權值；

（2）對每個資源因子ti，依次計算它與各個種子sj的相似度sim(ti,sj)。其中ti和sj之間的相似度可以用向量V(ti)和V(sj)的余弦來計算，其公式[5]描述如下：

（3）選取具有最大相似度的種子arg max sim(ti,sj)，將ti歸入以sj為聚類中心的簇cj，從而得到初始指標集的聚類集C＝{c1,…,cj,…ck}；

（4）重新確定每個簇的中心點；

（5）重復步驟（2）、（3）、（4），直到中心點不再改變?yōu)橹埂?/p>

1.2.3 關鍵指標集的確定

該過程其實是對初始指標集聚類不斷反復實施的過程。其基本思路如下：

（1）抽取簇cj的中心點和孤立點，并存入關鍵指標集數據庫中；

（2）打亂已形成的聚類集C，重新進行[資源，成長]二維模式的數值評估，重新確定K值；

（3）利用K-中心點法重新實施聚類，把新生成的聚類集中心點和孤立點再抽取到關鍵指標集數據庫中；

（4）重復（1）、（2）、（3）步，直到企業(yè)簇群C穩(wěn)定為止。

2 基于關聯規(guī)則挖掘構建競爭力評價指標間關系

2.1 理論基礎

關聯規(guī)則挖掘是知識挖掘中最為重要的方法，主要在大量數據項集中發(fā)現有意義的關聯。其描述如下[6]：

設I是一個項集，其中的元素稱為項。設D是事務集，其中每個事務T是項的集合，即T?I。關聯規(guī)則的形式可表達為X?Y的蘊含式，其中X?I，Y?I，且X∩Y=Φ。其中support(X?Y)=P(X∪Y)表示規(guī)則X?Y在事務集D中的支持度，即D中包含X∪Y的百分比；confidence(X?Y)=P(Y|X)表示規(guī)則X?Y在事務集D中的置信度，即D中包含X∪Y的事務與包含X的事務數之比。同時滿足大于最小支持度閾值和最小置信度閾值的規(guī)則稱為強規(guī)則；如果項集的出現頻率大于或等于最小支持度閾值與D中事務總數的乘積時，則稱該項集為頻繁項集。

Apriori算法是關聯規(guī)則挖掘技術的核心方法。其基本思想是將關聯規(guī)則挖掘分解為兩步：

（1）找出所有支持度大于最小支持度的項集，即頻繁項集；

（2）使用第（1）步找到的頻繁項集產生所期望的規(guī)則。

2.2 構建思路

2.2.1 基于Apriori算法發(fā)現關鍵指標間的關系

（1）設I是關鍵指標集，其中的元素為影響企業(yè)成長的關鍵資源；D為企業(yè)集，其中每個事務是由I中元素的子集構成；

（2）設定最小支持度閾值min_sup，找出所有支持度大于min_sup值的項集，確定頻繁項集；

（3）在頻繁項集中產生有意義的規(guī)則，即企業(yè)間關鍵指標間的關聯規(guī)則。

2.2.2 基于企業(yè)本體賦予關鍵指標間關系權值

指標間關系權值的大小代表著企業(yè)相互影響量的多少，其總和代表了產業(yè)集群的凝聚力的大小。在計算兩指標之間關系權值時，我們需要參照企業(yè)本體全局概念體系，考量兩指標之間的語義相似度，從純客觀的角度來考慮兩指標之間互相影響的大小。本體作為共享的概念模型的形式化的規(guī)范說明，已普遍應用于計算機領域。企業(yè)本體描述了企業(yè)各方面的資源及活動、及其之間復雜網絡關系的概念體系?；谄髽I(yè)本體賦予關鍵指標間關系權值P的方法如下：

（1）統計頻繁項集中兩指標發(fā)生關聯的頻度N；

（2）參照企業(yè)本體概念體系，計算指標t1和t2之間的語義相似度，其公式[7]描述如下：

其中，兩指標 t1和 t2的相似度記為SimWord(t1，t2)，兩指標t1和t2在企業(yè)本體全局概念體系的語義距離記為Dis(t1，t2)，L1和 L2是 t1和 t2分別所處的層次，α是相似度為0.5時t1和t2之間的距離，α是一個可調節(jié)的參數，一般α＞0。（3）兩指標間關系權值P記為以下公式：

3 實證分析

武漢城市圈是指以武漢市為核心、半徑為100公里的城市群落，包括武漢市、黃石、孝感、黃岡、咸寧、仙桃、潛江及天門等8個城市。武漢城市圈是湖北品牌服裝、醫(yī)用紡織品、中高檔汽車內飾面料、工業(yè)用布、家用紡織品等的集中產地和銷售地，各項經濟指標占全省紡織服務業(yè)收益的2/3以上。其中漢川市馬口鎮(zhèn)形成了紡織、染紗、制線、織布、服裝、紡織機械和紡機配件等一條龍產業(yè)鏈；仙桃市澎湖鎮(zhèn)聚集了無紡布制品及其相關企業(yè)116家；武漢市江漢區(qū)和橋口區(qū)依托漢正街批發(fā)市場形成服裝產業(yè)集群等[8]。

實證分析的目的是隨機從武漢城市圈紡織服務產業(yè)集群中抽取130家企業(yè)為研究對象，其中包括30家龍頭企業(yè)，100家涉及供應、生產、配件等中小企業(yè)，運用上述提出的K-中心點聚類法、關聯規(guī)則挖掘等知識挖掘方法和技術，找出影響該產業(yè)集群競爭力的關鍵評價指標和指標間的關系，構建評價指標體系，并與GEM模型進行對比驗證該評價指標體系的有效性。

3.1 基于K-中心點聚類挖掘競爭力評價指標

3.1.1 K的確立

首先，在國內外學者關于產業(yè)集群競爭力評價指標構建的研究成果基礎上，我們選擇以下指標作為初始的競爭力評價指標，并形成[資源，成長]二維數據模式，如表1所示：

表1 初始競爭力評價指標

其次，根據[資源，成長]二維數據模式，依次畫出愛帝、紅人、佐美爾等企業(yè)在最近5年內的[資源，成長]曲線圖，綜合評價每個資源對不同企業(yè)成長影響度，即曲線平滑度，并賦予影響權值。圖1表示的是某企業(yè)最近5年內凈利潤指標對成長影響的曲線圖，其權值的大小為曲線中每個頂點夾角余玄之和，即cos450+cos150+cos300+cos450+cos(-150)=0.87。同理可以計算其它相關資源對該企業(yè)的影響大小，即權值。

圖1 凈利潤對企業(yè)影響力曲線圖

最后，計算最近5年內每個企業(yè)各種資源增長量的加權平均，經計算分析得出武漢城市圈紡織服裝產業(yè)大致形成5個數值區(qū)間，即定K值為5。

3.1.2 初始指標集的聚類和關鍵指標集的確立

根據K值，我們按照上述所提出的方法對企業(yè)群進行初始聚類，然后按照[資源，成長]曲線平滑度不斷移出對聚類結果中心點和邊緣點影響較大的資源因素，即為要找的關鍵指標，直到聚類結果形狀不再改變?yōu)橹?。圖2是經過CARROT2聚類工具三次重新聚類后形成的結果，可見武漢城市圈的紡織服裝產業(yè)集群已相當成熟，資源中心的改變對產業(yè)集群的影響不大。

2.1.3 關鍵指標間關系的確立和權值的賦予

首先，將帶有權值的關鍵指標集整理為有利于關聯規(guī)則挖掘算法實施的形式，為了表達方便將事務集進行標號，其部分數據集如表2所示：

其次，設min_sup為2，運用Apriori算法從上述事務—項集數據集中發(fā)現頻繁項集，并在領域專家的指導下選擇出有意義的指標間關聯規(guī)則模式，從中可見指標間關系的產生可來自于企業(yè)內部，也可以來自于不同企業(yè)中。其部分關聯規(guī)則模式集如表3所示：

表2 部分事務—項集數據集示例

表3 部分指標間關聯規(guī)則模式集

最后，參照企業(yè)本體全局概念體系，按照公式3計算指標間關系權值，并用基于本體的知識表示方式來表示，形成一個復雜的帶有語義權值標簽的網絡結構。部分競爭力評價指標體系如圖3所示：

圖3 競爭力評價指標間關系示意圖

3.2 競爭力評價指標體系有效性檢驗

本文對基于上述知識挖掘方法構建的競爭力評價指標體系與基于GEM模型的評價指標體系進行有效性對比研究，其基本思路如下：

（1）從武漢城市圈紡織服裝產業(yè)集群中隨機抽取60家企業(yè)作為評價數據集，避免與生成評價指標集的企業(yè)群訓練數據集重復；

（2）分別根據基于上述知識挖掘方法構建的競爭力評價指標體系與基于GEM模型的評價指標體系，對60家企業(yè)相對應的數據進行預處理，整理為（0，1）的數據形式；

（3）針對不同的評價指標集，分別對這60家企業(yè)評價數據集的相應數據進行神經網絡分類，對比分類結果的準確率，并在領域專家的指導下，評價不同指標集對評價集影響的有效性。其準確率表示為分類正確的企業(yè)簇占所有分類評價企業(yè)簇的大小，其計算公式[9]如下：

經過上述步驟驗證了基于知識挖掘方法所構建的競爭力評價指標體系要比基于GEM模型的評價指標體系更為有效。其準確率對比如表4所示：

表4 基于不同評價指標體系的神經網絡分類結果對比

4 結論

（1）本文在國內外研究成果的基礎上，運用知識挖掘等先進技術和方法構建指標體系，在定量研究方面有一定的理論創(chuàng)新性。

（2）在指標間關系權值計算中，引入了參照企業(yè)本體全局概念體系計算指標間語義相似度，使指標體系的構建上升到語義層次，提高了指標體系構建的準確度。

（3）以武漢城市圈紡織服裝產業(yè)集群為研究對象進行實證分析，驗證了本文所提出基于知識挖掘的競爭力評價指標構建方法，并運用神經網絡分類方法與基于GEM模型的指標體系對比了其有效性。

[1]邁克·波特著，鄭海燕譯.簇群與新競爭經濟學[J].經濟社會體制比較，2000，（2）.

[2]Padmore T.，Gibson H.Modeling Systems of the Innovation：a Framework for Industrial Cluster Analysis in Region[J].Research Policy，1998，（26）.

[3]喻春光，劉友金.產業(yè)集群競爭力定量評價GEMN模型及其應用[J].系統工程，2008，5（26）.

[4]蘇新寧等.數據倉庫和數據挖掘[M].北京：清華大學出版社，2006.

[5]張玉峰，蔡皎潔.基于數據挖掘的Web文本語義分析與標注研究[J].情報理論與實踐，2010，2（33）.

[6]唐濤.基于文本挖掘的領域本體學習研究[D].武漢大學博士論文，2009.

[7]劉群，李素鍵.基于《知網》的詞匯語義相似度計算[C].Processing of Computer Linguistics and Chinese Language Processing，2002，（2）.

[8]彭繼漢.武漢城市圈紡織服裝業(yè)布局新思路[N].中國紡織報，2012-3-11（10）.

[9]楊學明.基于本體學習的個性化網頁推薦[J].情報雜志，2009，18（3）.