针对科研项目申报的学科选择方法

摘要

本发明公开了一种针对科研项目申报的学科选择方法，以为有志于申请国家省地各类科研项目的科研工作者提供简单易执行、同时又有理论支持的、最优化的学科选择方法。本发明方法具体包括以下步骤：计算个人研究方向、研究内容同项目申报指南中所列各学科的相关度；对所在单位员工近年来在每一学科申报的数据进行统计分析，计算数据特征值；将相关度数据和数据特征值按照贝叶斯推理规则进行融合计算，得到各学科的推荐权值；选择推荐权值最大的学科进行申报。本发明为科研项目申报过程提供了一种有效的学科选择方法，可用于个人项目申报，或科研管理部门对所在单位项目申报提出规划与建议。

说明书

技术领域

本发明涉及一种学科选择方法，尤其是一种为个人的科研项目申报提供学 科选择参考依据，或为科研管理部门提供单位项目申报相关的学科规划与建议 的方法，属于计算机科学技术领域。

背景技术

目前我国每年有大量研究人员会申报国家、省地各级各类科研项目，项目 申报时首先要选择一个申报学科，学科选择的准确性直接关系到项目申请的成 功率。科研人员选择申报学科前，通常先仔细查阅国家相关部门颁布的文件， 了解学科划分与分类情况。由于所划分的学科门类繁杂，学科门类间又有很大 的交叉性，并且当前国际学术界鼓励学科交叉研究解决重大科学问题，这给科 研人员申报科研项目带来了困扰，因为在申报前，需要首选解决:如何选择一 个合适的学科进行申报。

目前科研人员选择申报学科时基本上都是凭借自己的主观判断，缺乏科学 方法指导，这就往往会导致许多项目申报因为学科的选择失误而导致申报不成 功，并且申报耗时长、申报效率低下。

发明内容

为了解决上述问题，本发明提供了一种针对科研项目申报的学科选择方法， 为有志于申请国家省地各类科研项目的科研工作者提供简单易执行、同时又有 理论支持的、最优化的学科选择方法，本发明方法具体包括如下步骤：

S1：计算用户的个人研究方向同项目申请指南中所列各相关学科的关联度；

S2：对用户所在单位近年来在各相关申报学科领域中的申请数据进行统计 分析，计算数据特征值；

S3：采用贝叶斯推理规则对S1步骤中输出的关联度数据与S2步骤输出的 数据特征值进行融合计算，得到每个学科的推荐权值；

S4：根据学科的推荐权值，对适合申报的学科进行排序，供用户选择其一 进行申报。

进一步，在上述步骤S1中，关联度的计算方法为：先获取用户的个人研究 方向的关键词，然后计算该关键词与项目申请指南中所列的各项目申报学科的 对应关键词间的匹配程度，以此得到二者的关联度。

进一步，个人研究方向的关键词的来源为：可通过搜集个人所发表学术论 文中所列关键词获得；或者通过对个人所发表学术论文集进行文本统计分析获 得，统计分析过程可基于文本挖掘和主题建模方法进行；或者通过咨询本领域 专家或查询专家知识库获得。

进一步，在上述步骤S2中，数据特征值的计算过程中，不仅要考虑用户所 在单位在各个学科上的申报成功率，还需同时考虑在各学科上的申报数目。

进一步，上述数据特征值的计算方法具体为：将用户所在工作单位在学科p 中申请的项目总数记为N_p，在学科p中申请成功的项目个数记为N_p,s，本工作 单位在学科p领域中的项目申请成功率为R_p＝N_p,s/N_p，则本工作单位在学科p 领域的项目申请数据特征值

进一步，在上述步骤S4中，还可以将学科的推荐权值与个人申报意向进行 综合，即将用户个人针对每一学科的申报意向进行量化，得到量化申报意向值， 然后将各学科对应的量化申报意向值与该学科的推荐权值相乘，将乘积作为该 学科的选择标准值，最后将各学科按照所对应的选择标准值进行排序，选择最 大标准值对应的学科进行申报。

进一步，在上述步骤S3中，关联度数据与数据特征值的融合计算过程为： 针对每一学科，将个人研究方向与该学科的关联度与基于用户所在工作单位在 该学科方向上近年来的申请数据所算得的申请数据特征值相乘，将乘积称作该 学科的推荐权值，即学科p的推荐权值Wp＝Cp×Fp，其中Cp为关联度数据， Fp为数据特征值。

通过采用上述技术方案，将项目申报过程中人为主观的学科选择过程转化为 一个科学化的量化计算过程，该过程综合考虑了个人研究方向同各学科间的关 联程度，并充分利用了所在工作单位在各学科领域申请状况的历史数据信息。 为科研人员在面临纷繁复杂的学科明目时提供了科学的、简单易行的学科选择 方法。

附图说明

图1是本发明较佳实施例的方法流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步详细说明。

本实施例的总流程参见图1主要包括以下步骤：

S1：计算个人研究方向同项目申请指南中所列各相关学科的关联度；

在步骤S1中，首先获取个人研究方向关键词，然后将其与各项目申报学科 及其对应关键词间的匹配程度得到。个人研究方向关键词可通过搜集个人所发 表学术论文中所列关键词获得，也可通过咨询本领域专家或查询专家知识库获 得；也可通过对个人所发表学术论文集进行文本统计分析获得，统计分析过程 可基于文本挖掘和主题建模方法进行。所得到的关联度用Cp表示，p＝1，2，..., P,其中p表示学科索引，P表示学科总数。

S2：对所在工作单位近年来在各相关申报学科领域中的申请数据进行统计 分析，计算数据特征值；

根据学科代码检索本单位近年来，在各个学科门类中一共申请过多少项目， 将在学科p中申请的项目总数记为N_p；然后再检索在学科p中申请成功的项目 个数，用N_p,s来表示；则本工作单位在学科p领域中的项目申请成功率即为 R_p＝N_p,s/N_p。最后计算本工作单位在学科p领域的项目申请数据特征值,用F_D来 表示，计算公式为：

S3：对S1步骤中输出的相关度数据与S2步骤输出的特征值数据进行融合 计算，得到每个学科的推荐权值。

将推荐权值用Wp表示，融合计算方程为Wp＝Cp×Fp。

S4：直接按照S3步骤中算出的推荐权值，对各学科进行排序，选择权值最 大的学科进行申报；

或者首先将个人针对每一学科的申报意向进行量化，然后将针对每一学科 的个人意向量化值与所对应的该学科推荐权值进行相乘，依照乘积对各学科进 行排序。选择乘积最大的学科进行申报。

本发明不限于上述实施例，一切采用等同替换或等效替换形成的技术方案 均属于本发明要求保护的范围。