基于因子-BP人工神經(jīng)網(wǎng)絡(luò)的期刊評(píng)價(jià)方法選擇研究

俞立平 阮先鵬 陳一濤 郭靜東

基金項(xiàng)目：國(guó)家社會(huì)科學(xué)基金項(xiàng)目：學(xué)術(shù)評(píng)價(jià)與創(chuàng)新績(jī)效評(píng)價(jià)問(wèn)題研究（項(xiàng)目編號(hào)：19FTQB011）;浙江省一流學(xué)科A類(lèi)項(xiàng)目（浙江工商大學(xué)統(tǒng)計(jì)學(xué)，管理科學(xué)與工程）。

作者簡(jiǎn)介：俞立平（1967-），男，教授，博士，博士生導(dǎo)師，研究方向：技術(shù)經(jīng)濟(jì)、科技評(píng)價(jià)。阮先鵬（2001-），男，本科生，研究方向：應(yīng)用統(tǒng)計(jì)。陳一濤（2001-），男，本科生，研究方向：應(yīng)用統(tǒng)計(jì)。郭靜東（2001-），男，本科生，研究方向：應(yīng)用統(tǒng)計(jì)。

摘要：[目的/意義]學(xué)術(shù)評(píng)價(jià)中多屬性評(píng)價(jià)方法有幾十種，每種評(píng)價(jià)方法結(jié)果均不相同，難以進(jìn)行方法選擇。[方法/過(guò)程]本文在分析評(píng)價(jià)本質(zhì)屬性的基礎(chǔ)上，提出了一種新的多屬性評(píng)價(jià)方法選取方法：因子-BP人工神經(jīng)網(wǎng)絡(luò)篩選法，并以JCR2017經(jīng)濟(jì)學(xué)期刊為評(píng)價(jià)對(duì)象，同時(shí)采用專(zhuān)家會(huì)議賦權(quán)法、主成分分析、因子分析、TOPSIS進(jìn)行評(píng)價(jià)，并進(jìn)行評(píng)價(jià)方法的選擇。[結(jié)果/結(jié)論]研究結(jié)果表明：在學(xué)術(shù)評(píng)價(jià)中多屬性評(píng)價(jià)方法的選擇必須兼顧主觀和管理因素;因子-BP人工神經(jīng)網(wǎng)絡(luò)篩選法是一種有效的評(píng)價(jià)方法選取手段;因子-BP人工神經(jīng)網(wǎng)絡(luò)篩選法可以用來(lái)輔助專(zhuān)家賦權(quán);對(duì)于多屬性評(píng)價(jià)方法的進(jìn)一步優(yōu)化成為新的問(wèn)題;當(dāng)評(píng)價(jià)對(duì)象較少時(shí)不宜采用本文方法。

關(guān)鍵詞：學(xué)術(shù)評(píng)價(jià);多屬性評(píng)價(jià);方法選擇;人工神經(jīng)網(wǎng)絡(luò);因子人工神經(jīng)網(wǎng)絡(luò)篩選法

DOI：10.3969/j.issn.1008-0821.2020.11.013

〔中圖分類(lèi)號(hào)〕G302〔文獻(xiàn)標(biāo)識(shí)碼〕A〔文章編號(hào)〕1008-0821（2020）11-0128-08

Research on the Selection of Academic Evaluation

Methods Based on Factor-artificial Neural Network-

Taking Multi-attribute Evaluation Method as an Example

Yu LipingRuan XianpengChen YitaoGuo Jingdong

（School of Statistics and Mathematics，Zhejiang Gongshang University，Hangzhou 310018，China）

Abstract：[Purpose/Significance]There are dozens of multi-attribute evaluation methods in academic evaluation，and the results of each method are different，thus，it is difficult to choose a method.[Method/Process]Based on the analysis of the essential attributes of evaluation，this paper proposed a new way of selecting multi-attribute evaluation methods：factor-artificial neural network screening.This paper took JCR2017 economic journal as the evaluation object while adapting the expert meeting weighting method，principal component analysis，factor analysis and TOPSIS to evaluate and select the evaluation method.[Result/Conclusion]The results showed that the choice of multi-attribute evaluation method in academic evaluation must consider both subjective and management factors;factor-artificial neural network screening was an effective method to select evaluation methods;factor-artificial neural network screening can be used to assist expert empowerment;further optimization of multi-attribute evaluation method becomes a new problem;this method should not be used when there are few evaluation objects.

Key words：academic evaluation;multi-attribute evaluation;method selection;artificial neural network;factor-artificial neural network screening

指標(biāo)體系多屬性評(píng)價(jià)方法是學(xué)術(shù)評(píng)價(jià)中應(yīng)用最為廣泛的評(píng)價(jià)方法之一。世界大學(xué)主流大學(xué)評(píng)價(jià)、教育部學(xué)科評(píng)價(jià)及中國(guó)第三方機(jī)構(gòu)學(xué)術(shù)期刊評(píng)價(jià)等，均廣泛采用多屬性評(píng)價(jià)方法。多屬性評(píng)價(jià)方法圍繞評(píng)價(jià)目的，通過(guò)選取各種評(píng)價(jià)指標(biāo)來(lái)建立評(píng)價(jià)體系，從而避免了單一評(píng)價(jià)指標(biāo)的片面性，使得評(píng)價(jià)更加全面，在實(shí)踐中取得了較好的評(píng)價(jià)結(jié)果。

多屬性評(píng)價(jià)方法的選擇問(wèn)題是學(xué)術(shù)界長(zhǎng)期以來(lái)沒(méi)有得到解決的問(wèn)題。現(xiàn)有的多屬性評(píng)價(jià)方法有好幾十種，比如層次分析法、主成分分析、因子分析、秩和比、灰色關(guān)聯(lián)、康拓對(duì)角線、模糊數(shù)學(xué)、粗糙集、TOPSIS、VIKOR、ELECTRE、CRITIC等等，這些評(píng)價(jià)方法原理各異，并且各有其優(yōu)點(diǎn)，每種方法的適用性均較廣，很難從評(píng)價(jià)目的與評(píng)價(jià)方法自身角度進(jìn)行選擇。由于不同多屬性評(píng)價(jià)方法的評(píng)價(jià)結(jié)果不同，從而帶來(lái)了評(píng)價(jià)的不確定性。目前的解決方法圍繞兩個(gè)路徑展開(kāi)，一個(gè)多屬性評(píng)價(jià)方法的選擇，選出最合適的一種評(píng)價(jià)方法;二是組合評(píng)價(jià)，即同時(shí)采用若干種多屬性評(píng)價(jià)方法進(jìn)行評(píng)價(jià)，然后采用一定的方法將評(píng)價(jià)結(jié)果進(jìn)行組合，得到唯一評(píng)價(jià)結(jié)果。但是，組合評(píng)價(jià)面臨的問(wèn)題是，組合評(píng)價(jià)方法也有很多種，何況理論上任何一種單一的多屬性評(píng)價(jià)方法也可以用于組合評(píng)價(jià)。Serenko A[1]指出，即使兩種最流行的方法的組合也不能保證獲得的排名列表的準(zhǔn)確性。封鐵英[2]認(rèn)為，科技人才評(píng)價(jià)的關(guān)鍵在于對(duì)評(píng)價(jià)方法的選擇和創(chuàng)新，要準(zhǔn)確區(qū)分不同評(píng)價(jià)方法應(yīng)用的前提條件和適用范圍，避免采用恰當(dāng)?shù)脑u(píng)價(jià)方法而造成錯(cuò)誤的評(píng)價(jià)結(jié)果。相對(duì)多屬性評(píng)價(jià)方法選擇與組合評(píng)價(jià)兩條路徑，選擇合適的多屬性評(píng)價(jià)方法是首選思路。

開(kāi)展學(xué)術(shù)評(píng)價(jià)的多屬性評(píng)價(jià)方法選擇具有重要意義。首先，這是學(xué)術(shù)評(píng)價(jià)的基礎(chǔ)理論問(wèn)題，一旦取得進(jìn)展，不僅推進(jìn)了科學(xué)學(xué)方法論研究，同時(shí)也推進(jìn)了多元統(tǒng)計(jì)理論的研究。其次，從實(shí)踐角度，如果能夠優(yōu)選出最合適的多屬性評(píng)價(jià)方法，評(píng)價(jià)結(jié)果就具有唯一性，從而從評(píng)價(jià)方法角度提高了評(píng)價(jià)的公信力，有助于保證學(xué)術(shù)評(píng)價(jià)的公正、公平、公開(kāi)。第三，解決了多屬性評(píng)價(jià)方法的選擇問(wèn)題，也有利于政府相關(guān)部門(mén)在各種學(xué)術(shù)評(píng)價(jià)活動(dòng)中減少利益相關(guān)者沖突，提升形象。

關(guān)于多屬性評(píng)價(jià)方法在學(xué)術(shù)評(píng)價(jià)中的應(yīng)用，國(guó)外研究主要集中在學(xué)術(shù)期刊方面，F(xiàn)ranceschet M[3]提出，從信譽(yù)度和知名度兩個(gè)方面選取指標(biāo)來(lái)進(jìn)行學(xué)術(shù)期刊評(píng)價(jià)，信譽(yù)度主要采用特征因子類(lèi)指標(biāo)，知名度主要采用期刊影響因子類(lèi)指標(biāo)。Shotton D[4]提出了學(xué)術(shù)期刊評(píng)價(jià)的5個(gè)一級(jí)指標(biāo)，即同行評(píng)議、內(nèi)容質(zhì)量、數(shù)據(jù)集、計(jì)算機(jī)可讀元數(shù)據(jù)、開(kāi)放獲取。Sombatsompop N等[5]提出了采用期刊影響因子、文章影響因子、位置影響因子等多個(gè)指標(biāo)進(jìn)行評(píng)價(jià)。Philipp M[6]從搜索引擎、直接路徑和背部路徑3方面構(gòu)建了開(kāi)放存取期刊評(píng)價(jià)指標(biāo)。Mark J M等[7]從論文隨機(jī)質(zhì)量、編輯審稿能力、作者獲益度3個(gè)方面建立開(kāi)放存取期刊質(zhì)量評(píng)價(jià)模型。國(guó)內(nèi)關(guān)于采用多屬性評(píng)價(jià)方法進(jìn)行學(xué)術(shù)評(píng)價(jià)的文獻(xiàn)浩如煙海，目前已經(jīng)有數(shù)千篇相關(guān)論文。趙潔[8]則從引文數(shù)量是質(zhì)量視角研究了學(xué)術(shù)期刊的評(píng)價(jià)問(wèn)題。

關(guān)于學(xué)術(shù)評(píng)價(jià)中多屬性評(píng)價(jià)方法的選擇，俞立平提出了4種思路：第一種是對(duì)評(píng)價(jià)指標(biāo)和評(píng)價(jià)結(jié)果分別進(jìn)行聚類(lèi)，根據(jù)聚類(lèi)結(jié)果一致度高低來(lái)進(jìn)行選取[9];第二種是通過(guò)評(píng)價(jià)指標(biāo)公共因子的模擬權(quán)重來(lái)進(jìn)行選取[10];第三種是評(píng)價(jià)結(jié)果與評(píng)價(jià)指標(biāo)數(shù)據(jù)分布的擬合度，以及評(píng)價(jià)結(jié)果與評(píng)價(jià)指標(biāo)的擬合度[11];第四種是基于偏最小二乘法對(duì)評(píng)價(jià)結(jié)果與評(píng)價(jià)指標(biāo)進(jìn)行回歸，根據(jù)指標(biāo)權(quán)重單調(diào)性及其正負(fù)來(lái)進(jìn)行選取[12]。蘇為華[13]指出，可以從評(píng)價(jià)方法的區(qū)分度、靈敏度等角度進(jìn)行選取。段曉君等[14]提出，綜合考慮模型擬合殘差大小、殘差信息量與參數(shù)數(shù)量進(jìn)行選取。陳述云等[15]提出，采用不同多屬性評(píng)價(jià)方法結(jié)果的相關(guān)系數(shù)大小選擇多屬性評(píng)價(jià)方法。

從現(xiàn)有的研究看，多屬性評(píng)價(jià)方法已經(jīng)在學(xué)術(shù)評(píng)價(jià)中得到了廣泛的應(yīng)用，國(guó)外主要集中在學(xué)術(shù)期刊評(píng)價(jià)領(lǐng)域，國(guó)內(nèi)的研究領(lǐng)域非常廣泛，研究成果眾多。一些多屬性評(píng)價(jià)方法自身就有其適用性檢驗(yàn)，比如主成分或因子分析可以根據(jù)KMO檢驗(yàn)來(lái)進(jìn)行適用性初篩，但是這樣的評(píng)價(jià)方法太少了，更多的評(píng)價(jià)方法其實(shí)不存在適用性檢驗(yàn)。關(guān)于多屬性評(píng)價(jià)方法的選取問(wèn)題，學(xué)術(shù)界已經(jīng)意識(shí)到并開(kāi)展了一些研究，但是總體上成果不算太多，并且在以下幾個(gè)方面有待進(jìn)一步深入：

第一，一些多屬性評(píng)價(jià)方法篩選思路值得商榷。比如采用技術(shù)類(lèi)方法進(jìn)行篩選，如靈敏度、數(shù)據(jù)分布、相關(guān)系數(shù)、殘差大小、區(qū)分度等等。盛明科[16]在研究政府績(jī)效評(píng)價(jià)時(shí)指出，評(píng)價(jià)是一個(gè)倫理和價(jià)值問(wèn)題，而非純技術(shù)問(wèn)題。選擇評(píng)估方法不僅要考慮不同類(lèi)型方法的特點(diǎn)，還要求評(píng)價(jià)方法必須契合政府績(jī)效評(píng)價(jià)的價(jià)值取向和理念。

第二，單純采用純技術(shù)類(lèi)方法不能解決多屬性評(píng)價(jià)方法的選擇問(wèn)題。很難同時(shí)考慮靈敏度、數(shù)據(jù)分布、相關(guān)系數(shù)、殘差大小、區(qū)分度等進(jìn)行評(píng)價(jià)，只能考慮其中的部分技術(shù)相關(guān)內(nèi)容進(jìn)行評(píng)價(jià)方法的篩選。進(jìn)一步地，單純采用技術(shù)類(lèi)方法進(jìn)行多屬性評(píng)價(jià)方法的篩選，其篩選方法也是多樣的。

第三，一些評(píng)價(jià)方法的篩選方法難以保證篩選出的評(píng)價(jià)方法的唯一性。比如某種篩選方法篩選出的結(jié)果可能仍然還有數(shù)種評(píng)價(jià)方法，在這種情況下，如何進(jìn)一步進(jìn)行篩選有待研究。

第四，現(xiàn)有的篩選方法，許多只能用在非線性評(píng)價(jià)中，對(duì)于線性多屬性評(píng)價(jià)方法，缺乏有效的篩選手段。

本研究在分析評(píng)價(jià)本質(zhì)屬性的基礎(chǔ)上，提出采用因子分析與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，將技術(shù)方法與專(zhuān)家的主觀能動(dòng)性相結(jié)合進(jìn)行多屬性評(píng)價(jià)方法的選取，并以JCR2017經(jīng)濟(jì)學(xué)期刊為例，同時(shí)采用專(zhuān)家會(huì)議賦權(quán)法、主成分分析、因子分析、TOPSIS進(jìn)行評(píng)價(jià)，并進(jìn)行評(píng)價(jià)方法的篩選。本研究主要?jiǎng)?chuàng)新體現(xiàn)在，第一，讓評(píng)價(jià)回歸到評(píng)價(jià)的本質(zhì)，充分結(jié)合專(zhuān)家知識(shí)、管理需求與技術(shù)手段;第二，通過(guò)因子分析法降維，輔助專(zhuān)家進(jìn)行權(quán)重合理性的判斷。

1研究方法

11評(píng)價(jià)的本質(zhì)屬性分析

辭海中對(duì)評(píng)價(jià)的界定有兩種：“評(píng)估人、事、物的優(yōu)劣、善惡美丑、或合不合理，稱為「評(píng)價(jià)」”;“衡量評(píng)定人或事物的價(jià)值?！边@兩種解釋含義基本一致，都是評(píng)價(jià)主體對(duì)評(píng)價(jià)客體的看法。它說(shuō)明了以下幾個(gè)問(wèn)題：

第一，評(píng)價(jià)主體是人，也可以是機(jī)構(gòu)。之所以機(jī)構(gòu)也是評(píng)價(jià)主體，這是現(xiàn)代社會(huì)發(fā)展的必然。比如政府部門(mén)提供公共服務(wù)，必然會(huì)分配資源，進(jìn)而涉及到對(duì)資源應(yīng)用效果的評(píng)價(jià)。不過(guò)機(jī)構(gòu)評(píng)價(jià)集中的是若干人的智慧，即使評(píng)價(jià)中體現(xiàn)了文化道德和規(guī)章制度等，也是對(duì)以往傳統(tǒng)的繼承，本質(zhì)上，機(jī)構(gòu)也是“人”的體現(xiàn)，是機(jī)構(gòu)決策者的體現(xiàn)。

第二，評(píng)價(jià)是主觀的。從哲學(xué)層面，評(píng)價(jià)是人對(duì)他人或事情的看法，所以評(píng)價(jià)的主觀性是毋容置疑的。即使是機(jī)構(gòu)評(píng)價(jià)，也體現(xiàn)了一定的管理思想，同樣是主觀的。

第三，評(píng)價(jià)是動(dòng)態(tài)的。由于物質(zhì)是運(yùn)動(dòng)的，評(píng)價(jià)對(duì)象也是永遠(yuǎn)處在運(yùn)動(dòng)和變化中，任何評(píng)價(jià)均是針對(duì)一定時(shí)間范圍的人或事物的評(píng)價(jià)，并且任何評(píng)價(jià)均有一定的有效期。

第四，評(píng)價(jià)標(biāo)準(zhǔn)也是動(dòng)態(tài)的。由于作為評(píng)價(jià)主體的人也是不斷變化發(fā)展的，因此，評(píng)價(jià)標(biāo)準(zhǔn)也是動(dòng)態(tài)變化的。

12主觀評(píng)價(jià)與客觀評(píng)價(jià)的本質(zhì)

評(píng)價(jià)隨著人類(lèi)社會(huì)的發(fā)展越來(lái)越復(fù)雜。人類(lèi)社會(huì)發(fā)展初期，評(píng)價(jià)是相對(duì)簡(jiǎn)單的，人們可以根據(jù)評(píng)價(jià)客體的表現(xiàn)和各種特征，得出一個(gè)大致的評(píng)價(jià)結(jié)論。隨著人類(lèi)社會(huì)發(fā)展，被評(píng)價(jià)對(duì)象越來(lái)越復(fù)雜，需要評(píng)價(jià)的因素越來(lái)越多，超越了人類(lèi)大腦直接判斷的范圍，此時(shí)就必須借鑒一定的數(shù)學(xué)模型來(lái)進(jìn)行評(píng)價(jià)。多屬性評(píng)價(jià)就是在這樣的背景下產(chǎn)生的，現(xiàn)在復(fù)雜的多屬性評(píng)價(jià)已經(jīng)擁有幾百個(gè)指標(biāo)，比如世界衛(wèi)生組織的健康城市評(píng)價(jià)單純靠個(gè)人的力量很難判斷，即使是多個(gè)人共同評(píng)價(jià)也比較困難，所以，屬性評(píng)價(jià)也是在現(xiàn)實(shí)評(píng)價(jià)需求發(fā)展的背景下產(chǎn)生的。本質(zhì)上，多屬性評(píng)價(jià)方法是一種輔助人類(lèi)進(jìn)行評(píng)價(jià)的技術(shù)手段。

多屬性評(píng)價(jià)方法包括主觀評(píng)價(jià)方法與客觀評(píng)價(jià)方法兩大類(lèi)。所謂主觀評(píng)價(jià)方法，就是在評(píng)價(jià)中添加了人為因素，最典型的就是指標(biāo)權(quán)重。如層次分析法、專(zhuān)家打分法、加權(quán)TOPSIS等等。所謂客觀評(píng)價(jià)方法，就是不涉及主觀權(quán)重的評(píng)價(jià)方法，如主成分分析、因子分析、康拓對(duì)角線、概率權(quán)等等。當(dāng)然還有一種分類(lèi)方法是主客觀評(píng)價(jià)方法，本文將這類(lèi)評(píng)價(jià)方法仍然歸類(lèi)到主觀評(píng)價(jià)方法。

客觀評(píng)價(jià)方法仍然具有主觀性，并沒(méi)有改變?cè)u(píng)價(jià)的本質(zhì)。第一，評(píng)價(jià)是為管理服務(wù)的，邱均平等[17]指出，沒(méi)有科學(xué)的評(píng)價(jià)就沒(méi)有科學(xué)的管理，沒(méi)有科學(xué)的管理，就沒(méi)有科學(xué)的發(fā)展。管理是讓合適的人干合適的事情，本質(zhì)上就有很強(qiáng)的主觀性。第二，客觀評(píng)價(jià)方法貌似客觀，但是客觀評(píng)價(jià)方法的選取還是需要人，仍然是主觀的。第三，客觀評(píng)價(jià)方法的評(píng)價(jià)結(jié)果是否合適，還是要通過(guò)人工加以判斷。如果某種客觀評(píng)價(jià)方法的評(píng)價(jià)結(jié)果明顯不合理，那么該種客觀評(píng)價(jià)方法肯定是不能選取的。所以對(duì)于客觀評(píng)價(jià)方法的本質(zhì)判斷，不能簡(jiǎn)單看方法本身，而應(yīng)該從更系統(tǒng)、更全面的高度看。

13多屬性評(píng)價(jià)方法的選取必須引入主觀因素

無(wú)論是主觀評(píng)價(jià)方法還是客觀評(píng)價(jià)方法，均要考慮其本質(zhì)上的主觀性，都要考慮其評(píng)價(jià)目的必須為管理服務(wù)。就學(xué)術(shù)評(píng)價(jià)而言，無(wú)論是大學(xué)評(píng)價(jià)、學(xué)科評(píng)價(jià)、期刊評(píng)價(jià)、人才評(píng)價(jià)等等，評(píng)價(jià)結(jié)果均涉及到單位發(fā)展與資源分配。政府部門(mén)自身的評(píng)價(jià)是為管理服務(wù)，即使是民間或第三方機(jī)構(gòu)的評(píng)價(jià)，盡管貌似不直接參與管理與資源分配，但是對(duì)公眾或政府部門(mén)仍然發(fā)揮較大的影響。所以，在多屬性評(píng)價(jià)方法選取時(shí)，一定要納入人為因素或者管理因素，傳統(tǒng)的單純采用統(tǒng)計(jì)學(xué)技術(shù)手段的多屬性評(píng)價(jià)方法選擇方法，只可以用來(lái)輔助評(píng)價(jià)方法選取，但不可以作為終極手段。

24因子-BP人工神經(jīng)網(wǎng)絡(luò)篩選法

因子-BP人工神經(jīng)網(wǎng)絡(luò)篩選法的原因如圖1所示。對(duì)于任何一種多屬性評(píng)價(jià)方法，其評(píng)價(jià)過(guò)程是首先選擇評(píng)價(jià)指標(biāo)，然后采用某種多屬性評(píng)價(jià)方法進(jìn)行評(píng)價(jià)，并得到評(píng)價(jià)結(jié)果。方法篩選的思路是這樣，首先根據(jù)評(píng)價(jià)指標(biāo)采用因子分析法提取公共因子，然后用公共因子作為人工神經(jīng)網(wǎng)絡(luò)的輸入，評(píng)價(jià)結(jié)果作為人工神經(jīng)網(wǎng)絡(luò)的輸出，通過(guò)機(jī)器學(xué)習(xí)建立訓(xùn)練模型，最終得到各公共因子的權(quán)重，最后專(zhuān)家或管理者根據(jù)公共因子的權(quán)重是否符合管理需求來(lái)進(jìn)行評(píng)價(jià)方法的篩選。

人工神經(jīng)網(wǎng)絡(luò)是在現(xiàn)代心理學(xué)、神經(jīng)學(xué)、生物學(xué)、計(jì)算機(jī)技術(shù)等學(xué)科基礎(chǔ)上產(chǎn)生的，它是在模擬人類(lèi)大腦神經(jīng)組織工作原理基礎(chǔ)上發(fā)展起來(lái)的。人工神經(jīng)網(wǎng)絡(luò)具有生物神經(jīng)系統(tǒng)的基本特征，具有分布式處理、大規(guī)模并行、自學(xué)習(xí)、自組織等優(yōu)點(diǎn)，是人工智能的主要技術(shù)手段，廣泛應(yīng)用在圖像識(shí)別、語(yǔ)音分析、計(jì)算機(jī)視覺(jué)、數(shù)字水印、專(zhuān)家系統(tǒng)

多層前向BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最多的人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)。BP神經(jīng)網(wǎng)絡(luò)模型是對(duì)人腦神經(jīng)網(wǎng)絡(luò)若干基本特性的抽象和模擬，可以進(jìn)行分布式并行信息處理[18]。典型的BP神經(jīng)網(wǎng)絡(luò)由一個(gè)輸入層，若干個(gè)隱蔽層和一個(gè)輸出層構(gòu)成，其主干是隱蔽層。對(duì)于本文而言，輸入層節(jié)點(diǎn)的數(shù)量取決于公共因子的數(shù)量，輸出層節(jié)點(diǎn)數(shù)為1，就是評(píng)價(jià)結(jié)果，隱含層通過(guò)一定的算法確定。每層單元節(jié)點(diǎn)與它鄰近兩邊層的各個(gè)單元節(jié)點(diǎn)相連，每個(gè)連接都會(huì)賦予權(quán)重，表明上一個(gè)單元的輸出對(duì)下一個(gè)單元的影響力。

15多屬性評(píng)價(jià)方法

本文主觀評(píng)價(jià)法中以專(zhuān)家會(huì)議賦權(quán)法為例，客觀評(píng)價(jià)法中以主成分分析、因子分析、TOPSIS法為例。從另外一個(gè)角度看，專(zhuān)家會(huì)議賦權(quán)法屬于線性評(píng)價(jià)方法，而主成分分析、因子分析、TOPSIS屬于非線性評(píng)價(jià)方法。本文同時(shí)采取以上4種方法進(jìn)行評(píng)價(jià)，然后采用因子-BP人工神經(jīng)網(wǎng)絡(luò)篩選法進(jìn)行篩選，這樣可以進(jìn)一步闡明該方法的原理。至于主成分分析、因子分析、TOPSIS、專(zhuān)家會(huì)議賦權(quán)法的原理，由于其應(yīng)用眾多，本文不再贅述。

2研究數(shù)據(jù)

本文基于JCR2017數(shù)據(jù)庫(kù)，選取學(xué)科期刊數(shù)量較多的經(jīng)濟(jì)學(xué)期刊為例進(jìn)行說(shuō)明，從而保證了相對(duì)較大的樣本，以便取得較好的學(xué)習(xí)效果，提高研究的穩(wěn)健性。JCR2017共有經(jīng)濟(jì)學(xué)期刊353種，由于部分期刊數(shù)據(jù)缺失，需要將其刪除，經(jīng)過(guò)清洗后還有321種期刊。

關(guān)于評(píng)價(jià)指標(biāo)，本文選取總被引頻次、影響因子、他引影響因子、5年影響因子、即年指標(biāo)、特征因子、論文影響分值、被引半衰期、引用半衰期9個(gè)指標(biāo)進(jìn)行評(píng)價(jià)。影響因子百分位指標(biāo)沒(méi)有選取，因?yàn)樗鼇?lái)源于影響因子，另外具有非參數(shù)性質(zhì)，用于評(píng)價(jià)不太合適。此外標(biāo)準(zhǔn)特征因子來(lái)源于特征因子，選取存在重復(fù)計(jì)算。

另外，被引半衰期和引用半衰期屬于反向指標(biāo)，需要進(jìn)行正向處理，這樣才能進(jìn)一步用于評(píng)價(jià)，本文首先采用極大值減去每個(gè)指標(biāo)將其轉(zhuǎn)化為正向指標(biāo)，再采用極大值法標(biāo)準(zhǔn)化。

3實(shí)證研究結(jié)果

314種多屬性評(píng)價(jià)方法評(píng)價(jià)

采用專(zhuān)家會(huì)議賦權(quán)法進(jìn)行評(píng)價(jià)，首先要確定各評(píng)價(jià)指標(biāo)的權(quán)重。本文作為一個(gè)評(píng)價(jià)算例，邀請(qǐng)了8名學(xué)術(shù)評(píng)價(jià)領(lǐng)域的教授和研究人員進(jìn)行賦權(quán)，經(jīng)過(guò)兩輪打分，權(quán)重區(qū)域穩(wěn)定，各評(píng)價(jià)指標(biāo)的權(quán)重分別為：總被引頻次010、影響因子020、他引影響因子015、5年影響因子01、即年指標(biāo)005、特征因子012、論文影響分值008、被引半衰期01、引用半衰期01。

主成分分析和因子分析評(píng)價(jià)需要首先進(jìn)行適用性檢驗(yàn)，KMO檢驗(yàn)值為0772，Bartlett檢驗(yàn)值為3623831，相伴概率p為0000，說(shuō)明符合采用這兩種評(píng)價(jià)方法的前提條件。采用主成分分析，其主成分矩陣如表1所示。

從主成分矩陣可以看出，第一主成分包括總被引頻次、影響因子、他引影響因子、5年影響因子、即年指標(biāo)、特征因子、論文影響分值7個(gè)指標(biāo)，可以將其命名為期刊影響力;第二主成分包括被引半衰期和引用半衰期2個(gè)指標(biāo)，可以將其命名為期刊時(shí)效性。第一主成分的方差貢獻(xiàn)率為5698%，第二主成分的方差貢獻(xiàn)率為1649%，兩者累計(jì)貢獻(xiàn)率為7347%，根據(jù)方差貢獻(xiàn)率進(jìn)行加權(quán)匯總，就得到主成分分析的評(píng)價(jià)結(jié)果。

采用因子分析評(píng)價(jià)，需要對(duì)矩陣進(jìn)行旋轉(zhuǎn)，方法采用最大方差法，旋轉(zhuǎn)成分矩陣如表2所示。第一公共因子包括總被引頻次、影響因子、他引影響因子、5年影響因子、特征因子、論文影響分值6個(gè)指標(biāo)，為期刊影響力。第二公共因子包括即年指標(biāo)、被引半衰期和引用半衰期3個(gè)指標(biāo)，為期刊時(shí)效性。第一公共因子旋轉(zhuǎn)方差貢獻(xiàn)率為5594%，第二公共因子的旋轉(zhuǎn)方差貢獻(xiàn)率為1753%，兩者之和為7347%，同樣根據(jù)旋轉(zhuǎn)方差貢獻(xiàn)率進(jìn)行加權(quán)匯總，得到因子分析的評(píng)價(jià)結(jié)果。

TOPSIS評(píng)價(jià)包括加權(quán)TOPSIS和等權(quán)重TOPSIS，為了分析問(wèn)題方便，本文采取后者進(jìn)行評(píng)價(jià)。4種評(píng)價(jià)方法的評(píng)價(jià)結(jié)果如表3所示，由于篇幅所限，本文僅公布按照專(zhuān)家會(huì)議賦權(quán)法評(píng)價(jià)排名的前40種期刊評(píng)價(jià)結(jié)果。

從評(píng)價(jià)結(jié)果看，由于不同評(píng)價(jià)方法評(píng)價(jià)原理不同，其評(píng)價(jià)結(jié)果相差較大，除了前3名排序一致外，其他排序結(jié)果相差較大。從評(píng)價(jià)方法選取的角度，專(zhuān)家會(huì)議賦權(quán)法、TOPSIS評(píng)價(jià)方法幾乎可以適用于一切評(píng)價(jià)，主成分分析和因子分析需要進(jìn)行適用性檢驗(yàn)，但一般不通過(guò)的情況極其罕見(jiàn)，所以從評(píng)價(jià)方法角度來(lái)選擇評(píng)價(jià)方法幾乎是不可能的。

324種多屬性評(píng)價(jià)方法的相關(guān)性分析

4種評(píng)價(jià)方法的相關(guān)系數(shù)如表4所示，它們之間擁有極高的相關(guān)系數(shù)，最低的相關(guān)系數(shù)為因子分析與TOPSIS之間的相關(guān)系數(shù)，為0936;最高的相關(guān)系數(shù)為因子分析與主成分分析之間的相關(guān)系數(shù)，為0987。對(duì)比表3中的排序結(jié)果可以看出，盡管不同評(píng)價(jià)方法評(píng)價(jià)結(jié)果的相關(guān)系數(shù)很高，但是評(píng)價(jià)結(jié)果的排序相差仍然較大。需要注意的是，表3中這種排序差異是在區(qū)分度相對(duì)較好的優(yōu)秀期刊之間的，如果是處在中等水平的期刊排序，其差異會(huì)更大。

33因子-BP人工神經(jīng)網(wǎng)絡(luò)篩選法結(jié)果

下面用兩個(gè)公共因子作為輸入，4種評(píng)價(jià)方法的評(píng)價(jià)結(jié)果分別作為輸出，基于BP神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，并得到最終模型的權(quán)重。由于BP神經(jīng)網(wǎng)絡(luò)可能存在局部極小化問(wèn)題和網(wǎng)絡(luò)結(jié)構(gòu)不唯一問(wèn)題，為了提高研究的穩(wěn)健性，每種評(píng)價(jià)方法的BP神經(jīng)網(wǎng)絡(luò)模型均學(xué)習(xí)5次，每次迭代次數(shù)為500，取5次的平均結(jié)果。

專(zhuān)家賦權(quán)法、主成分分析、因子分析、TOPSIS這4種評(píng)價(jià)方法的因子-BP人工神經(jīng)網(wǎng)絡(luò)篩選結(jié)果權(quán)重如表5～8所示。

將4種評(píng)價(jià)方法的因子-BP人工神經(jīng)網(wǎng)絡(luò)平均權(quán)重做成1張表（如表9所示）。這樣就可以非常清晰地看出各種評(píng)價(jià)方法的側(cè)重點(diǎn)，專(zhuān)家會(huì)議賦權(quán)法影響力權(quán)重為0898，時(shí)效性權(quán)重為0102，更加側(cè)重影響力。因子分析法影響力權(quán)重為0922，時(shí)效性權(quán)重為0078，相比專(zhuān)家會(huì)議賦權(quán)法更加注重影響力。主成分分析賦權(quán)法影響力權(quán)重為0832，

時(shí)效性權(quán)重為0168，對(duì)時(shí)效性的重視程度有所加強(qiáng)。而TOPSIS最重視時(shí)效性，其權(quán)重為0433，影響力權(quán)重為0567。如果在這個(gè)基礎(chǔ)上進(jìn)一步比較權(quán)重，選擇評(píng)價(jià)方法則非常方便。

本文將這個(gè)權(quán)重組合發(fā)給各位專(zhuān)家，8位專(zhuān)家有7位傾向于采用主成分分析法進(jìn)行評(píng)價(jià)，即以期刊影響力評(píng)價(jià)為主，兼顧時(shí)效性進(jìn)行評(píng)價(jià)。這樣評(píng)價(jià)方法的選取就結(jié)束了，對(duì)于4種評(píng)價(jià)方法而言，選取主成分分析更合適，最后應(yīng)該采用主成分分析的評(píng)價(jià)結(jié)果作為唯一標(biāo)準(zhǔn)。

4研究結(jié)論

41在學(xué)術(shù)評(píng)價(jià)中多屬性評(píng)價(jià)方法的選擇必須兼顧主觀和管理因素

學(xué)術(shù)評(píng)價(jià)本質(zhì)上是主觀的，評(píng)價(jià)隨著人類(lèi)社會(huì)的發(fā)展越來(lái)越復(fù)雜，進(jìn)而誕生了客觀賦權(quán)法，但是客觀評(píng)價(jià)法也必須為管理服務(wù)，客觀評(píng)價(jià)方法的選取也是人為的，其評(píng)價(jià)結(jié)果是否合適也要依靠人工加以判斷，評(píng)價(jià)結(jié)果的運(yùn)用也要考慮到各利益相關(guān)者的感受，所以對(duì)于多屬性評(píng)價(jià)方法的選取，無(wú)論是客觀評(píng)價(jià)方法還是主觀評(píng)價(jià)方法，均要兼顧主觀和管理因素，即在方法選取中必須施加人工的判斷。

42因子-BP人工神經(jīng)網(wǎng)絡(luò)篩選法是一種有效的評(píng)價(jià)方法選取手段

因子-BP人工神經(jīng)網(wǎng)絡(luò)篩選法首先通過(guò)降維，從評(píng)價(jià)指標(biāo)中提取少數(shù)公共因子，再通過(guò)BP人工神經(jīng)網(wǎng)絡(luò)對(duì)某種多屬性評(píng)價(jià)方法的公共因子和評(píng)價(jià)結(jié)果進(jìn)行訓(xùn)練學(xué)習(xí)，從而得到該評(píng)價(jià)方法的因子權(quán)重，再輔助專(zhuān)家知識(shí)和管理需求來(lái)進(jìn)行評(píng)價(jià)方法的篩選。實(shí)證研究表明，通過(guò)因子分析降維，降低了專(zhuān)家判斷權(quán)重的難度。人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型具有較好的穩(wěn)定性，得到的權(quán)重是可信的。并且該方法適用于所有的多屬性評(píng)價(jià)方法，因此具有廣闊的應(yīng)用前景。

43因子-BP人工神經(jīng)網(wǎng)絡(luò)篩選法可以用來(lái)輔助專(zhuān)家賦權(quán)

雖然因子-BP人工神經(jīng)網(wǎng)絡(luò)篩選法是一種多屬性評(píng)價(jià)方法篩選方法，但是在專(zhuān)家賦權(quán)時(shí)，利用該方法可以得到公共因子的權(quán)重，并反饋給專(zhuān)家，由于只有少數(shù)公共因子，并且公共因子之間不相關(guān)，這樣可以讓專(zhuān)家非常容易地判斷指標(biāo)賦權(quán)是否合適，因?yàn)椴皇侵苯用鎸?duì)幾十個(gè)甚至更多的評(píng)價(jià)指標(biāo)。本質(zhì)上，因子-BP人工神經(jīng)網(wǎng)絡(luò)篩選法提高了評(píng)價(jià)要素的區(qū)分度，方便了專(zhuān)家。

44對(duì)于多屬性評(píng)價(jià)方法的進(jìn)一步優(yōu)化成為新的問(wèn)題

通過(guò)因子-BP人工神經(jīng)網(wǎng)絡(luò)篩選法進(jìn)行多屬性評(píng)價(jià)方法的篩選，只能依托現(xiàn)有的多屬性評(píng)價(jià)方法，在極限情況下，如果嘗試的所有多屬性評(píng)價(jià)方法的因子權(quán)重均不能達(dá)到專(zhuān)家或管理需求希望的結(jié)果，即有可能否決正在嘗試的所有多屬性評(píng)價(jià)方法。在這種情況下，如何進(jìn)一步推進(jìn)評(píng)價(jià)？一種可能的思路是進(jìn)一步調(diào)整各評(píng)價(jià)指標(biāo)的權(quán)重，采用專(zhuān)家賦權(quán)法重新進(jìn)行評(píng)價(jià)并進(jìn)行進(jìn)一步的檢驗(yàn)，但這種工作耗時(shí)長(zhǎng)，不確定性因素多，有待進(jìn)一步深入研究。

45當(dāng)評(píng)價(jià)對(duì)象較少時(shí)不宜采用本文方法

因子-BP人工神經(jīng)網(wǎng)絡(luò)篩選法必須符合兩個(gè)前提條件，第一是因子分析的前提條件，比如KMO檢驗(yàn)必須通過(guò)（這通常沒(méi)有問(wèn)題），評(píng)價(jià)對(duì)象至少達(dá)到一定數(shù)量;第二是人工神經(jīng)網(wǎng)絡(luò)的前提條件，比如對(duì)樣本數(shù)量的要求。如果這些前提條件不滿足，是無(wú)法應(yīng)用該方法進(jìn)行多屬性評(píng)價(jià)方法選取的。

需要說(shuō)明的是，本文中期刊評(píng)價(jià)方法的篩選方法嚴(yán)重依賴于研究數(shù)據(jù)，即依賴了評(píng)價(jià)指標(biāo)本身和評(píng)價(jià)數(shù)據(jù)。本文研究結(jié)果是以JCR經(jīng)濟(jì)學(xué)期刊為例進(jìn)行的研究，其他學(xué)科可以采用本文方法進(jìn)行期刊評(píng)價(jià)方法的篩選，至于具體的篩選結(jié)果存在不確定性。

參考文獻(xiàn)

[1]Serenko A，Bontis N.Global Ranking of Knowledge Management and Intellectual Capital Academic Journals：2013 Update[J].Journal of Knowledge Management，2013，17（2）：307-326.