劉自強(qiáng)　岳麗欣

關(guān)鍵詞： 基金項(xiàng)目； 科學(xué)產(chǎn)出； 主題識(shí)別； 評(píng)估模型； 預(yù)測(cè)模型； 美國(guó)國(guó)家科學(xué)基金； 可視化

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．０７．０１２

〔中圖分類號(hào)〕Ｇ２５０.２５２ 〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ 〔文章編號(hào)〕１００８－０８２１ （２０２４） ０７－０１３５－１２

目前， 世界各國(guó)（地區(qū)）十分重視科技創(chuàng)新， 科技創(chuàng)新是國(guó)家推動(dòng)經(jīng)濟(jì)增長(zhǎng)、提升國(guó)際競(jìng)爭(zhēng)力和解決社會(huì)經(jīng)濟(jì)發(fā)展問(wèn)題的關(guān)鍵因素之一［１］ 。為了加強(qiáng)科技創(chuàng)新， 世界各國(guó)（地區(qū)）紛紛增加對(duì)科技研究和發(fā)展的投入， 政府通過(guò)增加科研經(jīng)費(fèi)、建立科技創(chuàng)新基金等方式， 鼓勵(lì)科學(xué)家和研究機(jī)構(gòu)進(jìn)行前沿研究， 比如： 中國(guó)國(guó)家自然科學(xué)基金（Ｎａｔｉｏｎａｌ ＮａｔｕｒａｌＳｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ ｏｆ Ｃｈｉｎａ， ＮＳＦＣ）、美國(guó)國(guó)家科學(xué)基金會(huì)（Ｎａｔｉｏｎａｌ Ｓｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ， ＮＳＦ）、歐洲研究理事會(huì)（Ｅｕｒｏｐｅａｎ Ｒｅｓｅａｒｃｈ Ｃｏｕｎｃｉｌ， ＥＲＣ）、德國(guó)研究基金會(huì)（Ｄｅｕｔｓｃｈｅ Ｆｏｒｓｃｈｕｎｇｓｇｅｍｅｉｎｓｃｈａｆｔ， ＤＦＧ）和日本學(xué)術(shù)振興會(huì)（Ｔｈｅ Ｊａｐａｎ Ｓｏｃｉｅｔｙ ｆｏｒ ｔｈｅ Ｐｒｏｍｏ?ｔｉｏｎ ｏｆ Ｓｃｉｅｎｃｅ， ＪＳＰＳ）等。

國(guó)家基金項(xiàng)目在科學(xué)技術(shù)發(fā)展過(guò)程中扮演著推動(dòng)和引領(lǐng)的重要作用， 不僅為科學(xué)研究提供了支持和推動(dòng)力， 資助產(chǎn)出了大量高質(zhì)量論文， 也為學(xué)術(shù)交流與合作、科技創(chuàng)新與應(yīng)用提供了幫助， 使得科學(xué)技術(shù)能夠不斷取得突破和進(jìn)步， 為社會(huì)發(fā)展和經(jīng)濟(jì)增長(zhǎng)做出巨大的貢獻(xiàn)［２］ 。近年來(lái)， 為了提高科學(xué)研究的質(zhì)量、優(yōu)化基金資助工作， 科學(xué)研究成果的評(píng)估和預(yù)測(cè)一直是政策制定者和科學(xué)界關(guān)注的焦點(diǎn)之一［３］ 。２０２３ 年６ 月２２ 日， ＮＳＦ 新成立的技術(shù)、創(chuàng)新和伙伴關(guān)系理事會(huì)（Ｄｉｒｅｃｔｏｒａｔｅ ｆｏｒ Ｔｅｃｈｎｏｌｏｇｙ，Ｉｎｎｏｖａｔｉｏｎ ａｎｄ Ｐａｒｔｎｅｒｓｈｉｐｓ， ＴＩＰ）， 啟動(dòng)了評(píng)估和預(yù)測(cè)技術(shù)結(jié)果（Ａｓｓｅｓｓｉｎｇ ａｎｄ Ｐｒｅｄｉｃｔｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ Ｏｕｔ?ｃｏｍｅｓ， ＡＰＴＯ）計(jì)劃， 將資助研究項(xiàng)目以識(shí)別新興趨勢(shì)使國(guó)家贏得未來(lái)的關(guān)鍵研發(fā)方向， 為決策者提供模型和信息（模型將預(yù)測(cè)特定技術(shù)的未來(lái)成果，以及哪些投資將可靠地改變或加速這些成果）以優(yōu)化ＮＳＦ 資助工作， 以長(zhǎng)期提高美國(guó)的競(jìng)爭(zhēng)力， 該計(jì)劃資助總額為３０００萬(wàn)美元。

評(píng)估與預(yù)測(cè)科學(xué)、技術(shù)結(jié)果對(duì)于優(yōu)化基金資助效果及提高科研質(zhì)量都具有重要作用， 而科學(xué)和技術(shù)的評(píng)估與預(yù)測(cè)存在一定的差異， 所以相關(guān)研究還有待進(jìn)一步深入。總體來(lái)說(shuō)， 目前基金資助的科學(xué)產(chǎn)出評(píng)估及預(yù)測(cè)方法研究相對(duì)不足， 主要以專家評(píng)估、定性分析為主， 基于定量方法的基金資助的科學(xué)產(chǎn)出評(píng)估及預(yù)測(cè)主要以數(shù)理統(tǒng)計(jì)為主（發(fā)文量層面）［４－５］ 。通過(guò)ＮＳＦ 的ＡＰＴＯ 計(jì)劃可知， 基金資助的科學(xué)、技術(shù)產(chǎn)出的評(píng)估與預(yù)測(cè)方向存在著巨大的研究潛力， 值得眾多學(xué)科領(lǐng)域有關(guān)學(xué)者進(jìn)行深入探索。

所以， 本研究旨在對(duì)基金科學(xué)產(chǎn)出的評(píng)估和預(yù)測(cè)問(wèn)題進(jìn)行探索， 從研究主題的角度切入， 評(píng)估和預(yù)測(cè)基金項(xiàng)目的科學(xué)產(chǎn)出（期刊論文）， 具體擬從基金資助的科學(xué)產(chǎn)出主題投入和產(chǎn)出入手， 提出一種基于機(jī)器學(xué)習(xí)、數(shù)理統(tǒng)計(jì)和可視化技術(shù)的基金項(xiàng)目科學(xué)產(chǎn)出評(píng)估模型， 以全面地評(píng)估ＮＳＦ 基金項(xiàng)目的科學(xué)創(chuàng)新和產(chǎn)出表現(xiàn)（投入產(chǎn)出比）， 然后通過(guò)建立預(yù)測(cè)模型， 預(yù)測(cè)科學(xué)產(chǎn)出主題未來(lái)的內(nèi)容，以期為基金項(xiàng)目機(jī)構(gòu)進(jìn)行科學(xué)產(chǎn)出評(píng)估和預(yù)測(cè)工作提供一定的參考、借鑒。

１相關(guān)研究

１.１基金資助的科學(xué)產(chǎn)出評(píng)估

目前， 世界各國(guó)（地區(qū)） 十分重視科技創(chuàng)新，而基金資助及其科學(xué)產(chǎn)出是反映一個(gè)國(guó)家（地區(qū)）、學(xué)科領(lǐng)域科技創(chuàng)新工作好壞的重要指標(biāo)之一。所以， 眾多研究者針對(duì)基金資助的科學(xué)產(chǎn)出評(píng)估問(wèn)題展開了大量探索， 旨在衡量和評(píng)估科研項(xiàng)目所產(chǎn)生的成果和影響力， 以期提高科技創(chuàng)新水平。

從評(píng)估指標(biāo)來(lái)說(shuō)， 基金資助的科學(xué)產(chǎn)出評(píng)估相關(guān)研究主要關(guān)注兩個(gè)重點(diǎn)指標(biāo)： ①科學(xué)產(chǎn)出數(shù)量評(píng)估， 研究者主要通過(guò)計(jì)量基金項(xiàng)目資助所產(chǎn)生的科學(xué)論文數(shù)量來(lái)進(jìn)行評(píng)估［６－７］ ； ②科學(xué)產(chǎn)出質(zhì)量評(píng)估，研究者主要通過(guò)計(jì)量基金項(xiàng)目資助所產(chǎn)生的科學(xué)論文被引次數(shù)、影響因子等進(jìn)行評(píng)估［８］ 。從學(xué)科領(lǐng)域來(lái)說(shuō)， 基金資助的科學(xué)產(chǎn)出評(píng)估是眾多學(xué)科領(lǐng)域所共同關(guān)注的重要問(wèn)題： ①合成生物學(xué)領(lǐng)域的研究表明， 基金資助對(duì)科學(xué)產(chǎn)出具有積極影響， 有助于推動(dòng)該領(lǐng)域的發(fā)展［９］ ； ②醫(yī)內(nèi)科、血瘀證和風(fēng)濕免疫等醫(yī)學(xué)領(lǐng)域的研究分析了國(guó)家自然科學(xué)基金在該領(lǐng)域的申請(qǐng)和資助情況， 并揭示了相關(guān)研究的趨勢(shì)和特點(diǎn)［１０－１２］ ； ③智能電網(wǎng)［１３］ 、眼科學(xué)［１４］ 、創(chuàng)業(yè)教育［１５］ 、遙感科學(xué)［１６］ 等領(lǐng)域的研究也證明了基金資助科學(xué)產(chǎn)出評(píng)估的重要性。從基金項(xiàng)目類別來(lái)說(shuō)，研究者對(duì)不同級(jí)別、不同類別基金資助的科學(xué)產(chǎn)出評(píng)估問(wèn)題進(jìn)行了有益探索： ①國(guó)家科學(xué)技術(shù)學(xué)術(shù)著作出版基金、國(guó)家出版基金等的研究分析了基金資助對(duì)出版業(yè)的影響和發(fā)展方向［１７－１９］ ； ②中國(guó)博士后科學(xué)基金、杰青基金等的研究評(píng)估了不同科研資助項(xiàng)目的效益和影響因素［２０－２１］ ； ③此外， 還有學(xué)者關(guān)注基金資助科學(xué)產(chǎn)出的國(guó)際比較， 對(duì)世界主要國(guó)家（地區(qū)）的基礎(chǔ)學(xué)科基金資助情況進(jìn)行比較分析， 揭示了基金資助工作對(duì)國(guó)際合作影響的效果和趨勢(shì)［２２－２３］ 。

總體而言， 現(xiàn)有研究對(duì)基金資助的科學(xué)產(chǎn)出評(píng)估問(wèn)題進(jìn)行了廣泛的探索， 但仍存在一些不足， 比如： ①目前的評(píng)估主要關(guān)注論文的外部數(shù)量特征（ＳＣＩ 論文數(shù)量、Ｈ 指數(shù)等指標(biāo)）， 忽略了具體內(nèi)容維度的評(píng)估； ②缺乏多維度評(píng)估， 目前的評(píng)估較為單一， 主要集中在數(shù)量和質(zhì)量維度（論文、專利等的數(shù)量和被引用指標(biāo)）， 對(duì)于社會(huì)影響力方面的評(píng)估相對(duì)不足。為了應(yīng)對(duì)以上不足， 應(yīng)該建立多維度評(píng)估指標(biāo)， 加強(qiáng)對(duì)具體內(nèi)容維度評(píng)估（比如研究主題維度）， 關(guān)注社會(huì)影響力、響應(yīng)程度等（替代計(jì)量指標(biāo)的使用）。

１.２ 基金資助的科學(xué)產(chǎn)出預(yù)測(cè)

基金資助的科學(xué)產(chǎn)出預(yù)測(cè)方法， 旨在利用文獻(xiàn)計(jì)量、數(shù)據(jù)挖掘、數(shù)理統(tǒng)計(jì)和可視化方法， 基于基金項(xiàng)目及其資助的論文或者專利數(shù)據(jù)進(jìn)行預(yù)測(cè)［２４］ ，以期通過(guò)對(duì)歷史數(shù)據(jù)的分析和建模， 預(yù)測(cè)科學(xué)產(chǎn)出的可能發(fā)展方向， 幫助基金資助機(jī)構(gòu)做出更準(zhǔn)確的決策和布局［２５］ ?？偟膩?lái)說(shuō)， 基金資助的科學(xué)產(chǎn)出預(yù)測(cè)和新興趨勢(shì)預(yù)測(cè)聯(lián)系較為緊密， 基金資助的科學(xué)產(chǎn)出預(yù)測(cè)可以看成是基于基金項(xiàng)目及其資助論文或者專利數(shù)據(jù)的新興趨勢(shì)預(yù)測(cè)問(wèn)題。目前， 研究者利用基金項(xiàng)目、論文和專利數(shù)據(jù)進(jìn)行新興趨勢(shì)預(yù)測(cè)研究產(chǎn)出了大量?jī)?yōu)秀成果［２６－２８］ ， 從數(shù)據(jù)源來(lái)看， 以單一論文或者專利數(shù)據(jù)為主， 部分研究者開始嘗試?yán)没痦?xiàng)目或者綜合利用基金項(xiàng)目、論文和專利等數(shù)據(jù)進(jìn)行新興趨勢(shì)預(yù)測(cè)， 比如： 靜發(fā)沖等［２９］ 利用聚類方法對(duì)美國(guó)國(guó)家科學(xué)基金會(huì)資助的基金項(xiàng)目進(jìn)行分析， 展示了各類主題的項(xiàng)目研究?jī)?nèi)容以及識(shí)別新興主題， Ｙｅ Ｇ 等［３０］ 利用基金項(xiàng)目數(shù)據(jù)進(jìn)行研究前沿主題識(shí)別， 并利用演化可視化方法分析了研究前沿主題的發(fā)展趨勢(shì)； 從方法技術(shù)來(lái)看， 以關(guān)鍵詞、引文分析等文獻(xiàn)計(jì)量為主， 部分研究者開始嘗試?yán)脵C(jī)器學(xué)習(xí)（分類、回歸、主題模型等）［３１－３２］ 、深度學(xué)習(xí)等（向量表示學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等）［３３］ 前沿技術(shù)進(jìn)行新興趨勢(shì)預(yù)測(cè)， 比如： 梁繼文等［３４］ 基于ＬＤＡ 主題模型和詞向量模型進(jìn)行了知識(shí)單元重組視角下的科學(xué)主題預(yù)測(cè)； 魏明珠等［３５］ 結(jié)合知識(shí)圖譜和深度神經(jīng)網(wǎng)絡(luò)模型提出了新興技術(shù)預(yù)測(cè)方法，通過(guò)訓(xùn)練產(chǎn)業(yè)新興技術(shù)預(yù)測(cè)模型， 實(shí)現(xiàn)了產(chǎn)業(yè)新興技術(shù)精準(zhǔn)預(yù)測(cè)。概括來(lái)說(shuō)， 目前基金資助的科學(xué)產(chǎn)出預(yù)測(cè)相關(guān)研究仍存在一定的不足， 比如： 數(shù)據(jù)的局限（通常依賴于已發(fā)表、高被引的論文數(shù)據(jù)）、預(yù)測(cè)方法和指標(biāo)的局限（需要將更多的因素指標(biāo)考慮進(jìn)科研預(yù)測(cè)模型中， 提高預(yù)測(cè)的準(zhǔn)確性）。

綜上所述， 基金資助的科學(xué)產(chǎn)出評(píng)估與預(yù)測(cè)是一個(gè)復(fù)雜而多維度的任務(wù)， 單一的評(píng)價(jià)指標(biāo)可能無(wú)法全面反映基金項(xiàng)目及其資助科學(xué)產(chǎn)出的價(jià)值， 而僅通過(guò)論文數(shù)量、被引量等外部數(shù)量特征也難以有效進(jìn)行科學(xué)產(chǎn)出預(yù)測(cè)。因此， 本研究擬采用多種指標(biāo)和方法相結(jié)合的綜合評(píng)估、預(yù)測(cè)方式， 旨在對(duì)基金資助的科學(xué)產(chǎn)出評(píng)估和預(yù)測(cè)問(wèn)題進(jìn)行探索， 具體從研究主題的角度切入， 基于基金項(xiàng)目及其資助論文數(shù)據(jù)（根據(jù)基金號(hào)， 獲取基金項(xiàng)目所資助的論文），評(píng)估基金資助的科學(xué)產(chǎn)出主題并預(yù)測(cè)其發(fā)展趨勢(shì)，具體從投入、產(chǎn)出兩個(gè)方面， 全面地評(píng)估ＮＳＦ 基金項(xiàng)目的科學(xué)創(chuàng)新和產(chǎn)出表現(xiàn)， 然后通過(guò)建立預(yù)測(cè)模型預(yù)測(cè)論文主題未來(lái)的內(nèi)容和影響力， 以期提高科學(xué)產(chǎn)出評(píng)估和預(yù)測(cè)模型的準(zhǔn)確性與實(shí)用性， 為科研資助和管理提供支持。

２ 方法框架

基金主題和資助的論文主題之間的關(guān)系可以被看作是一個(gè)相互反饋、相互影響的科學(xué)創(chuàng)新系統(tǒng)，通過(guò)這種相互反饋關(guān)系， 基金主題和資助的論文主題可以在系統(tǒng)中相互影響、相互作用， 在時(shí)間維度上關(guān)聯(lián)式演化， 解決不斷變化的科學(xué)問(wèn)題。其中，基金項(xiàng)目對(duì)論文的發(fā)表起著重要引導(dǎo)、推動(dòng)作用，并且論文發(fā)表的數(shù)量、被引次數(shù)、社交媒體轉(zhuǎn)發(fā)數(shù)和新聞媒體轉(zhuǎn)發(fā)數(shù)等也可以反映基金項(xiàng)目的科學(xué)產(chǎn)出質(zhì)量， 此外， 基金資助通常會(huì)考慮到科學(xué)研究的新興趨勢(shì)、前沿?zé)狳c(diǎn)問(wèn)題， 從而引導(dǎo)研究者在特定主題方向進(jìn)行研究。

基于上述分析， 本研究設(shè)計(jì)了基金資助的科學(xué)產(chǎn)出主題評(píng)估和預(yù)測(cè)方法， 基本框架如圖１ 所示，具體可以分為３ 個(gè)主要步驟： 首先， 基于ＬＤＡ 模型識(shí)別出基金項(xiàng)目及其資助論文中蘊(yùn)含的研究主題； 然后， 根據(jù)主題資助金額、主題資助期限、主題熱度、主題質(zhì)量和主題影響力等指標(biāo)， 構(gòu)建基金資助的科學(xué)產(chǎn)出主題綜合評(píng)估模型； 最后， 基于深度學(xué)習(xí)方法從主題熱度和主題內(nèi)容兩個(gè)維度對(duì)基金資助的科學(xué)產(chǎn)出主題進(jìn)行預(yù)測(cè)。

２.１ 基于ＬＤＡ 模型的基金項(xiàng)目及其資助論文主題識(shí)別

本研究利用ＬＤＡ 模型［３６］ 進(jìn)行基金及其資助論文主題識(shí)別， 其中， 最優(yōu)主題數(shù)量通過(guò)一致性分?jǐn)?shù)、困惑度指標(biāo)和人工判讀確定。ＬＤＡ 模型中引入了隱變量來(lái)描述文檔的主題分布以及主題的詞分布， 從而將文檔的語(yǔ)料庫(kù)建模為一個(gè)概率模型， 聯(lián)合分布概率表示了ＬＤＡ 模型中的概率分布關(guān)系，具體聯(lián)合分布概率如式（１） 所示。

Ｐ（θ，φ，ｗ）＝ Ｐ（θ）Ｐ（φ）Ｐ（ｗ ｜θ，φ） （１）

其中， Ｐ （θ） 是文檔—主題分布的先驗(yàn)分布，通常假設(shè)為Ｄｉｒｉｃｈｌｅｔ 分布； Ｐ（φ）是主題—詞分布的先驗(yàn)分布， 也通常假設(shè)為Ｄｉｒｉｃｈｌｅｔ 分布； Ｐ（ｗ ｜θ，φ）是給定文檔—主題分布和主題—詞分布條件下， 生成文檔的詞分布的似然函數(shù)。

２.２ 基金資助的科學(xué)產(chǎn)出主題評(píng)估指標(biāo)

如何有效評(píng)估基金資助的科學(xué)產(chǎn)出主題是一個(gè)值得深入分析的問(wèn)題。首先， 主題資助金額能夠反映該主題被認(rèn)為具有的重要性和研究潛力， 以及為其提供足夠的資源和支持的程度； 其次， 主題資助期限可以體現(xiàn)不同主題的研究時(shí)間需求， 確保足夠時(shí)間進(jìn)行深入研究和取得科研成果； 第三， 主題熱度作為一個(gè)衡量指標(biāo)， 可以反映科研領(lǐng)域中的研究熱點(diǎn)和關(guān)注度， 為資源分配和科學(xué)研究的發(fā)展提供指導(dǎo)； 第四， 主題質(zhì)量評(píng)估重點(diǎn)考慮研究的嚴(yán)謹(jǐn)性、數(shù)據(jù)可靠性和結(jié)果解讀的準(zhǔn)確性， 以提高科學(xué)產(chǎn)出的質(zhì)量和可信度； 最后， 主題影響力指標(biāo)可幫助評(píng)估研究成果對(duì)學(xué)術(shù)界和社會(huì)的影響程度， 體現(xiàn)科研成果的實(shí)際應(yīng)用和引領(lǐng)性。

基于以上深入分析， 通過(guò)對(duì)基金資助的科學(xué)產(chǎn)出主題評(píng)估的綜合考慮和基本指標(biāo)選擇原則（目標(biāo)相關(guān)性、真實(shí)性和可靠性、可操作性、多樣性和可衡量性）， 本研究綜合基金項(xiàng)目及其資助的科學(xué)產(chǎn)出（論文）內(nèi)部、外部特征， 并結(jié)合主題識(shí)別結(jié)果（主題—文檔矩陣）， 提出了基金資助的科學(xué)產(chǎn)出主題評(píng)估指標(biāo)體系（主題資助金額、主題資助期限、主題熱度、主題質(zhì)量和主題影響力５ 個(gè)指標(biāo)）， 并以各個(gè)指標(biāo)為基礎(chǔ)設(shè)計(jì)了基金資助的科學(xué)產(chǎn)出主題綜合評(píng)估模型。

基金資助的科學(xué)產(chǎn)出主題評(píng)估指標(biāo)的理論依據(jù)主要有： ①生產(chǎn)函數(shù)理論［３７］ ， 生產(chǎn)函數(shù)理論是經(jīng)濟(jì)學(xué)中用來(lái)描述投入和產(chǎn)出關(guān)系的經(jīng)典理論， 在基金資助和科學(xué)研究中， 可以將科學(xué)產(chǎn)出視為一種“生產(chǎn)”， 投入的是資源（如時(shí)間、資金、人力等），產(chǎn)出的則是期刊論文、專利等成果， 根據(jù)生產(chǎn)函數(shù)理論， 一定的資源投入可以帶來(lái)一定的產(chǎn)出， 因此可以通過(guò)對(duì)比資助金額和其他相關(guān)指標(biāo)來(lái)評(píng)估資助的效果和產(chǎn)出； ②創(chuàng)新擴(kuò)散理論［３８］ ： 創(chuàng)新擴(kuò)散理論是社會(huì)學(xué)中用來(lái)描述新事物在人群中傳播和接受過(guò)程的經(jīng)典理論， 在科學(xué)研究中， 可以將科學(xué)產(chǎn)出的擴(kuò)散視為一種“接受”， 通過(guò)分析科學(xué)產(chǎn)出的下載量、引用次數(shù)和影響力等指標(biāo)， 可以評(píng)估科研論文的影響力和價(jià)值。

本文提出的基金資助的科學(xué)產(chǎn)出主題評(píng)估指標(biāo)如下：

１） 科學(xué)產(chǎn)出主題資助金額指標(biāo)

資助金額是指基金項(xiàng)目的研究經(jīng)費(fèi)數(shù)額， 通?；痦?xiàng)目的資助金額是由評(píng)審專家評(píng)估項(xiàng)目的科學(xué)價(jià)值和可行性， 并結(jié)合相關(guān)的經(jīng)費(fèi)預(yù)算和分配政策來(lái)決定的， 能在一定程度上反映基金項(xiàng)目的重要程度。

科學(xué)產(chǎn)出主題資助金額指標(biāo)（Ｔｏｐｉｃ Ｆｕｎｄｉｎｇ Ｉｎ?ｄｅｘ， ＴＦＩ）， 旨在通過(guò)基金資助的科學(xué)產(chǎn)出主題相關(guān)資助金額來(lái)測(cè)度科學(xué)產(chǎn)出主題的資助力度（具體根據(jù)各個(gè)論文標(biāo)注的基金號(hào)獲取相應(yīng)的資助金額， 進(jìn)而可以計(jì)算得到相應(yīng)主題資助金額）。具體計(jì)算方法如式（２） 所示。

其中， ＴＦＩｉ 、ＴＴＩｉ 、ＴＨＩｉ 、ＴＱＩｉ 和ＴＩＩｉ 分別表示科學(xué)產(chǎn)出主題資助金額、主題資助期限、主題熱度、主題質(zhì)量和主題影響力指標(biāo)， ｉ 表示主題序號(hào)，ｉ∈｛０，１，２，…，正整數(shù)｝， ｊ 表示任意主題相關(guān)論文的序號(hào)， ｊ∈｛１，２，３，…，正整數(shù)｝。

２.３ 基金資助的科學(xué)產(chǎn)出主題預(yù)測(cè)

在基金資助的科學(xué)產(chǎn)出評(píng)估基礎(chǔ)上， 根據(jù)科學(xué)產(chǎn)出主題綜合分?jǐn)?shù)進(jìn)行排序， 然后利用深度學(xué)習(xí)方法（ＬＳＴＭ 模型和詞向量模型）分別對(duì)其進(jìn)行預(yù)測(cè)分析， 具體將從主題熱度時(shí)間序列和主題內(nèi)容兩個(gè)維度進(jìn)行預(yù)測(cè)。

主題熱度趨勢(shì)預(yù)測(cè)思路： 使用ＴｅｎｓｏｒＦｌｏｗ 和Ｋｅｒａｓ 建立長(zhǎng)短期記憶網(wǎng)絡(luò)（Ｌｏｎｇ Ｓｈｏｒｔ－Ｔｅｒｍ Ｍｅｍｏ?ｒｙ， ＬＳＴＭ）模型來(lái)預(yù)測(cè)未來(lái)幾年的主題熱度趨勢(shì)，并使用Ｍａｔｐｌｏｔｌｉｂ 庫(kù)繪制了預(yù)測(cè)結(jié)果和實(shí)際數(shù)據(jù)的折線圖。其中， 為了評(píng)價(jià)預(yù)測(cè)結(jié)果的準(zhǔn)確性， 通過(guò)均方根誤差（Ｒｏｏｔ Ｍｅａｎ Ｓｑｕａｒｅｄ Ｅｒｒｏｒ， ＲＭＳＥ）進(jìn)行計(jì)算， 計(jì)算方法如式（８） 所示。

主題內(nèi)容趨勢(shì)預(yù)測(cè)思路： 從系統(tǒng)論角度來(lái)看，基金主題和資助論文主題之間的關(guān)系可以被看作是一個(gè)相互反饋、相互影響的科學(xué)創(chuàng)新系統(tǒng)， 基金主題內(nèi)容會(huì)影響到資助論文主題內(nèi)容， 但現(xiàn)實(shí)世界中變化和響應(yīng)之間必然存在時(shí)間延遲（滯后效應(yīng)），通過(guò)基金及其資助論文主題內(nèi)容上的滯后， 所以，在一定程度上可以根據(jù)基金主題內(nèi)容預(yù)測(cè)科學(xué)產(chǎn)出主題內(nèi)容。由于近期（近兩年）基金項(xiàng)目中相關(guān)知識(shí)（詞匯）會(huì)向論文主題傳遞、擴(kuò)散， 本研究的目標(biāo)是抽取出這部分詞匯作為科學(xué)產(chǎn)出主題內(nèi)容預(yù)測(cè)結(jié)果。具體將基于淺層神經(jīng)網(wǎng)絡(luò)模型（Ｗｏｒｄ２Ｖｅｃ 模型）將近兩年的基金項(xiàng)目文本表示為語(yǔ)義向量， 然后通過(guò)計(jì)算語(yǔ)義距離遠(yuǎn)近來(lái)篩選出科學(xué)產(chǎn)出主題未來(lái)可能的內(nèi)容詞匯， 從而預(yù)測(cè)未來(lái)一定時(shí)間的科學(xué)產(chǎn)出主題內(nèi)容。

３ 實(shí)證研究

３.１ 數(shù)據(jù)來(lái)源

本研究的數(shù)據(jù)源自美國(guó)國(guó)家科學(xué)基金會(huì)的社會(huì)和經(jīng)濟(jì)科學(xué)部、Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ 數(shù)據(jù)庫(kù)和Ａｌｔｍｅｔｒｉｃ數(shù)據(jù)庫(kù)。在數(shù)據(jù)收集過(guò)程中， 首先獲取了美國(guó)國(guó)家科學(xué)基金會(huì)官網(wǎng)中提供的歷年基金數(shù)據(jù)（ＸＭＬ 格式）， 對(duì)這些數(shù)據(jù)進(jìn)行了解析、合并和格式轉(zhuǎn)換，篩選出了２０１３ 年１ 月１ 日—２０２２ 年１２ 月３１ 日社會(huì)和經(jīng)濟(jì)科學(xué)部資助的基金項(xiàng)目， 得到４ ０１３個(gè)基金項(xiàng)目； 然后， 據(jù)社會(huì)和經(jīng)濟(jì)科學(xué)部資助的基金號(hào)構(gòu)建了簡(jiǎn)單、重復(fù)的檢索式（ＦＧ＝１４０１５２５ ＯＲ ＦＧ＝１４０７６９１ ＯＲ ＦＧ ＝ １４１１２０４ＯＲＦＧ ＝ １４１４３４２ ＯＲ……）， 登錄Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ數(shù)據(jù)庫(kù)進(jìn)行高級(jí)檢索并導(dǎo)出相應(yīng)基金資助的論文題錄數(shù)據(jù)（ＸＬＳ 格式），得到８ ４００篇基金資助的論文題錄數(shù)據(jù)； 最后， 抽取出ＷＯＳ 數(shù)據(jù)庫(kù)中導(dǎo)出的對(duì)應(yīng)論文ＤＯＩ號(hào)碼， 使用Ｐｙｔｈｏｎ爬蟲根據(jù)論文ＤＯＩ 號(hào)抓取每篇論文的Ａｌｔｍｅｔｒｉｃ數(shù)據(jù)。

３.２主題識(shí)別結(jié)果

在大小寫轉(zhuǎn)換、過(guò)濾停住詞等數(shù)據(jù)預(yù)處理基礎(chǔ)上， 利用ＬＤＡ 模型主題識(shí)別， 通過(guò)一致性分?jǐn)?shù)、困惑度指標(biāo)和人工判讀綜合判定基金及其資助論文主題的最優(yōu)主題數(shù)量， 然后經(jīng)過(guò)處理， 共得到２２個(gè)主題， 其中有７ 個(gè)基金主題（ＮＳＦ Ｔｏｐｉｃ，ＦＴ），１５ 個(gè)論文主題（Ｐａｐｅｒ Ｔｏｐｉｃ，ＰＴ）， 例如： 資源管理、決策分析、教育與健康和市場(chǎng)與經(jīng)濟(jì)等基金項(xiàng)目主題； 能源與環(huán)境、政策與環(huán)境、數(shù)據(jù)模型和社會(huì)與氣候等論文主題。部分結(jié)果如表１ 所示。

３.３ 基金資助的科學(xué)產(chǎn)出主題評(píng)估指標(biāo)計(jì)算結(jié)果

在主題識(shí)別結(jié)果基礎(chǔ)上，結(jié)合主題—文檔矩陣，根據(jù)本研究設(shè)計(jì)的主題資助金額、主題資助期限、主題熱度、主題質(zhì)量和主題影響力５ 個(gè)指標(biāo)統(tǒng)計(jì)主題的數(shù)量、質(zhì)量和影響力等特征，從而得到各個(gè)主題的特征值， 進(jìn)而利用科學(xué)產(chǎn)出主題綜合評(píng)估模型ＴＣＥＭ 對(duì)各項(xiàng)主題特征值進(jìn)行計(jì)算，得到基金資助的科學(xué)產(chǎn)出主題評(píng)估指標(biāo)計(jì)算結(jié)果，如表２ 所示。

分析表２ 可知， 根據(jù)基金資助的科學(xué)產(chǎn)出主題綜合評(píng)估模型ＴＣＥＭ 計(jì)算， ＰＴ＿１、ＰＴ＿８、ＰＴ＿１１、ＰＴ＿３、ＰＴ＿１０ 和ＰＴ＿１３ 等主題具有較高的投入產(chǎn)出比， 說(shuō)明這些主題在投入同樣的經(jīng)費(fèi)和時(shí)間前提下能夠產(chǎn)出更多高質(zhì)量、高影響力的論文成果， 所以將這些科學(xué)產(chǎn)出主題的綜合評(píng)估等級(jí)判定為等級(jí)１。

此外， 為了分析不同綜合評(píng)估等級(jí)的科學(xué)產(chǎn)出主題之間的相互關(guān)系， 本研究在各個(gè)指標(biāo)特征基礎(chǔ)上， 利用ｔ－ＳＮＥ 降維算法結(jié)合可視化方法將科學(xué)產(chǎn)出主題的五維指標(biāo)特征進(jìn)行降維并映射到二維空間中， 結(jié)果如圖２ 所示。

圖２ 中， 圓點(diǎn)表示科學(xué)產(chǎn)出主題， 原點(diǎn)顏色由綜合評(píng)估等級(jí)確定， 原點(diǎn)大小由ＴＣＥＭ 值確定， 根據(jù)各個(gè)科學(xué)產(chǎn)出主題的綜合評(píng)估等級(jí)分布可以大致將整個(gè)二維空間分為優(yōu)秀（Ｅｘｃｅｌｌｅｎｔ）、良好（Ｇｏｏｄ）、一般（ Ｆａｉｒ） 和合格（ Ｐａｓｓ） ４ 個(gè)等級(jí)區(qū)域， 結(jié)合ＴＣＥＭ 結(jié)果可知， 具有相近ＴＣＥＭ 值的科學(xué)產(chǎn)出主題更傾向于分布在同一等級(jí)區(qū)域。其中， ＴＣＥＭ 等級(jí)為１ 的科學(xué)產(chǎn)出主題中， 除了ＰＴ＿１０ 都分布在優(yōu)秀（Ｅｘｃｅｌｌｅｎｔ）區(qū)域， 在一定程度上說(shuō)明基金資助的科學(xué)產(chǎn)出主題評(píng)估指標(biāo)降維結(jié)果具有一定的實(shí)踐價(jià)值。在實(shí)踐工作中， 對(duì)于投入產(chǎn)出比更高的科學(xué)產(chǎn)出主題進(jìn)行預(yù)測(cè)具有更高的性價(jià)比， 所以， 本研究將以綜合評(píng)估等級(jí)為１ 的科學(xué)產(chǎn)出主題為例進(jìn)行預(yù)測(cè)分析。

３.４ 科學(xué)產(chǎn)出主題熱度預(yù)測(cè)分析

按照方法框架所述步驟， 導(dǎo)入所需的Ｔｅｎｓｏｒ?ｆｌｏｗ、Ｋｅｒａｓ 和Ｍａｔｐｌｏｔｌｉｂ 等工具包， 構(gòu)建了基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)ＬＳＴＭ 的時(shí)間序列預(yù)測(cè)模型， 對(duì)ＰＴ_１： 政策與環(huán)境、ＰＴ_８： 科研發(fā)展與實(shí)踐、ＰＴ_１１： 健康與社會(huì)發(fā)展、ＰＴ_３： 氣候與資源、ＰＴ_１０： 健康風(fēng)險(xiǎn)應(yīng)對(duì)、ＰＴ_１３： 決策行為等科學(xué)產(chǎn)出主題熱度趨勢(shì)進(jìn)行了預(yù)測(cè)。具體調(diào)用ｔｒａｉｎ_ｍｏｄｅｌ函數(shù)進(jìn)行模型訓(xùn)練并得到預(yù)測(cè)結(jié)果， 將預(yù)測(cè)結(jié)果和實(shí)際數(shù)據(jù)繪制成折線圖， 結(jié)果如圖３ 所示。

圖３ 展示了基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)ＬＳＴＭ 模型的預(yù)測(cè)結(jié)果和實(shí)際數(shù)據(jù)之間的比較。分析均方根誤差ＲＭＳＥ 結(jié)果可知， ＲＭＳＥ 值都位于０ 和１ 之間并接近于０， 最大值為０ ０１９１， 表示模型效果較好； 并且通過(guò)觀察可知預(yù)測(cè)數(shù)據(jù)的趨勢(shì)和實(shí)際數(shù)據(jù)在趨勢(shì)和波動(dòng)方面較為一致， 訓(xùn)練得到的ＬＳＴＭ 模型可以較好地?cái)M合科學(xué)產(chǎn)出主題熱度時(shí)間序列的變化趨勢(shì)。

從主題熱度趨勢(shì)預(yù)測(cè)結(jié)果來(lái)看， 綜合評(píng)估等級(jí)為１ 的科學(xué)產(chǎn)出主題熱度普遍呈上升趨勢(shì)， 其中，ＰＴ_１： 政策與環(huán)境、ＰＴ_８： 科研發(fā)展與實(shí)踐、ＰＴ_３： 氣候與資源３ 個(gè)主題的上升趨勢(shì)更加明顯， 說(shuō)明這幾個(gè)科學(xué)產(chǎn)出主題發(fā)展趨勢(shì)良好并且投入產(chǎn)出比較高， 值得投入更多政策、經(jīng)費(fèi)支持進(jìn)行優(yōu)先布局和重點(diǎn)支持。本研究將在具體內(nèi)容維度對(duì)綜合評(píng)估等級(jí)為１ 的科學(xué)產(chǎn)出主題進(jìn)行預(yù)測(cè)分析。

３.５ 科學(xué)產(chǎn)出主題內(nèi)容預(yù)測(cè)分析

在科學(xué)產(chǎn)出主題熱度預(yù)測(cè)分析結(jié)果基礎(chǔ)上， 本研究基于淺層神經(jīng)網(wǎng)絡(luò)Ｗｏｒｄ２Ｖｅｃ 模型將近兩年的基金項(xiàng)目文本表示為語(yǔ)義向量， 然后通過(guò)兩兩計(jì)算詞匯之間的語(yǔ)義距離遠(yuǎn)近來(lái)篩選科學(xué)產(chǎn)出主題未來(lái)可能的內(nèi)容詞匯（僅保留了語(yǔ)義距離Ｔｏｐ３ 的詞匯）， 從而預(yù)測(cè)未來(lái)一定時(shí)間的科學(xué)產(chǎn)出主題內(nèi)容，其中， 對(duì)ＰＴ_１： 政策與環(huán)境、ＰＴ_８： 科研發(fā)展與實(shí)踐、ＰＴ_１１： 健康與社會(huì)發(fā)展、ＰＴ_３： 氣候與資源、ＰＴ_１０： 健康風(fēng)險(xiǎn)應(yīng)對(duì)、ＰＴ_１３： 決策行為等科學(xué)產(chǎn)出主題熱度內(nèi)容預(yù)測(cè)結(jié)果， 如圖４所示。

圖４ 中， 各個(gè)科學(xué)產(chǎn)出主題內(nèi)的１０ 個(gè)紅色詞匯為主題原始詞匯， 嵌套圓內(nèi)的３ 個(gè)黑色詞匯為計(jì)算得到的語(yǔ)義距離Ｔｏｐ３ 的基金項(xiàng)目詞匯， 為各個(gè)科學(xué)產(chǎn)出主題的內(nèi)容預(yù)測(cè)結(jié)果。本研究將結(jié)合上一步科學(xué)產(chǎn)出主題熱度預(yù)測(cè)分析結(jié)果， 以ＰＴ_１： 政策與環(huán)境、ＰＴ_８： 科研發(fā)展與實(shí)踐、ＰＴ_１１： 健康與社會(huì)發(fā)展３ 個(gè)科學(xué)產(chǎn)出主題為例， 進(jìn)行科學(xué)產(chǎn)出主題內(nèi)容預(yù)測(cè)分析。

ＰＴ_１： 政策與環(huán)境： 從主題熱度預(yù)測(cè)趨勢(shì)來(lái)看， 該主題呈現(xiàn)明顯的上升趨勢(shì)， 具有較好的發(fā)展勢(shì)頭。從主題內(nèi)容預(yù)測(cè)結(jié)果來(lái)看， 未來(lái)兩年可能重點(diǎn)關(guān)注政策測(cè)試（Ｐｏｌｉｃｙ Ｔｅｓｔ） 和政策研究（ＰｏｌｉｃｙＳｔｕｄｙ）； 健康領(lǐng)域（Ｈｅａｌｔｈ）的政策也將成為研究的焦點(diǎn)； 政策制定過(guò)程中人權(quán)（Ｈｕｍａｎ Ｒｉｇｈｔｓ）的相關(guān)議題， 特別與政治（Ｐｏｌｉｔｉｃａｌ）和法律（Ｌａｗ）相關(guān)的議題將獲得更多關(guān)注； 在環(huán)境方面， 氣候變化（Ｃｌｉｍａｔｅ Ｃｈａｎｇｅ）將持續(xù)成為重要議題， 相關(guān)詞匯可能包括氣候變化的相互作用（ Ｃｌｉｍａｔｅ Ｉｎｔｅｒａｃ?ｔｉｏｎ）、氣候變化的多樣性（Ｃｌｉｍａｔｅ Ｍｕｌｔｉｐｌｅ）以及氣候變化的具體變化（Ｃｌｉｍａｔｅ Ｃｈａｎｇｅｓ）等； 環(huán)境相關(guān)的調(diào)查研究（Ｓｕｒｖｅｙ）也可能涉及經(jīng)濟(jì)（Ｅｃｏｎｏｍｉｃ）和發(fā)展（Ｄｅｖｅｌｏｐ）等詞匯； 此外， 可持續(xù)發(fā)展和創(chuàng)新（Ｉｎｎｏｖａｔｉｏｎ）將在未來(lái)兩年內(nèi)成為該主題的重點(diǎn)研究?jī)?nèi)容。

ＰＴ_８： 科研發(fā)展與實(shí)踐： 從主題熱度預(yù)測(cè)趨勢(shì)來(lái)看， 該主題同樣呈現(xiàn)明顯的上升趨勢(shì)， 具有較好的發(fā)展勢(shì)頭。從主題內(nèi)容預(yù)測(cè)結(jié)果來(lái)看， 在未來(lái)兩年中， 凝聚力（Ｃｏｈｅｓｉｏｎ）、技術(shù)改進(jìn)（Ｉｍｐｒｏｖｅ）、過(guò)程組織（Ｏｒｇａｎｉｚａｔｉｏｎ）、方法改進(jìn)（Ｉｍｐｒｏｖｅ）和綜合發(fā)展（Ｉｎｃｌｕｄｅ）將成為重要研究?jī)?nèi)容； 研究者對(duì)科研文章的邏輯結(jié)構(gòu)和信息銜接的關(guān)注（Ｃｏｈｅｓｉｏｎ）將增加， 以提高文章的可讀性和科學(xué)價(jià)值； 探索新技術(shù)如何改進(jìn)科學(xué)研究和實(shí)踐方法（Ｉｍｐｒｏｖｅ）將是熱門方向； 此外， 研究者還可能關(guān)注如何組織和優(yōu)化科研工作流程（Ｏｒｇａｎｉｚａｔｉｏｎ）以提高效率和質(zhì)量，以及改進(jìn)研究方法和策略（Ａｐｐｒｏａｃｈ）以提高研究的可靠性和創(chuàng)新性。

ＰＴ_１１： 健康與社會(huì)發(fā)展： 從主題熱度預(yù)測(cè)趨勢(shì)來(lái)看， 該主題呈現(xiàn)先下降再上升的明顯的趨勢(shì)，具有一定的發(fā)展?jié)摿Γ?這可能和全球范圍健康衛(wèi)生事件轉(zhuǎn)好相關(guān)（相關(guān)下降）， 并隨著人們對(duì)健康問(wèn)題的重視， 相關(guān)研究逐漸開始增多。從主題內(nèi)容預(yù)測(cè)結(jié)果來(lái)看， 在未來(lái)兩年， 社會(huì)公眾參與（Ｓｏｃｉａｌｐｕｂｌｉｃ）可能受到研究者的重視， 比如： 通過(guò)社交媒體平臺(tái)傳播公益信息和促進(jìn)社會(huì)責(zé)任感； 社會(huì)健康（Ｓｏｃｉａｌ－ｈｅａｌｔｈ）問(wèn)題也會(huì)引發(fā)更多討論， 利用社交媒體傳播健康意識(shí)和鼓勵(lì)健康行為； 社會(huì)資本（Ｓｏｃｉａｌ－ｃａｐｉｔａｌ）的重要性也會(huì)引起關(guān)注， 包括發(fā)展社會(huì)網(wǎng)絡(luò)、社區(qū)組織和社交技能等； 此外， 數(shù)據(jù)分析（Ａｎａｌｙｓｉｓ）和人工智能技術(shù)將在社會(huì)健康領(lǐng)域發(fā)揮重要作用， 通過(guò)識(shí)別（Ｉｄｅｎｔｉｆｙ）、檢查（Ｅｘａｍｉｎｅ）和學(xué)習(xí)（Ｌｅａｒｎ）， 可以更好地了解社會(huì)健康問(wèn)題并為決策提供指導(dǎo)， 這些趨勢(shì)的發(fā)展將推動(dòng)社會(huì)的健康發(fā)展和社會(huì)的可持續(xù)發(fā)展。

３.６ 討論

本研究提出了基金資助的科學(xué)產(chǎn)出評(píng)估和預(yù)測(cè)方法， 綜合運(yùn)用了文獻(xiàn)計(jì)量、數(shù)理統(tǒng)計(jì)、機(jī)器學(xué)習(xí)和可視化方法， 建立了相關(guān)的評(píng)估指標(biāo)和預(yù)測(cè)模型，通過(guò)美國(guó)國(guó)家科學(xué)基金會(huì)社會(huì)和經(jīng)濟(jì)學(xué)部的基金項(xiàng)目及其資助論文的實(shí)證， 在一定程度上驗(yàn)證了方法的可行性和有效性， 對(duì)于優(yōu)化基金資助效果、提高科學(xué)研究質(zhì)量， 以及科研管理部門優(yōu)選布局方向、優(yōu)化資源配置等具有一定的理論和實(shí)踐指導(dǎo)意義。

首先， 本研究提出了主題資助金額、主題資助期限、主題熱度、主題質(zhì)量和主題影響力５ 個(gè)指標(biāo)， 并以之為基礎(chǔ)設(shè)計(jì)了基金資助的科學(xué)產(chǎn)出主題綜合評(píng)估模型， 可以有效評(píng)估基金資助的科學(xué)產(chǎn)出主題的投入產(chǎn)出比； 其次， 本研究利用ＬＳＴＭ 和Ｗｏｒｄ２Ｖｅｃ模型進(jìn)行基金資助的科學(xué)產(chǎn)出主題時(shí)序和內(nèi)容的預(yù)測(cè)是合理、有效的， ＬＳＴＭ 模型可以捕捉到主題演化的模式和規(guī)律， 并用于預(yù)測(cè)未來(lái)主題的發(fā)展走向， 這種方法在時(shí)間序列預(yù)測(cè)領(lǐng)域有較高的可靠性和效果。Ｗｏｒｄ２Ｖｅｃ 模型能夠?qū)卧~轉(zhuǎn)換為密集向量表示， 具有保留詞義和語(yǔ)義關(guān)系的能力，對(duì)于主題內(nèi)容的預(yù)測(cè)， 可以使用Ｗｏｒｄ２Ｖｅｃ 模型來(lái)學(xué)習(xí)主題詞匯之間的語(yǔ)義關(guān)聯(lián)， 并在新的主題中預(yù)測(cè)相關(guān)的關(guān)鍵詞或主題詞。這種方法能夠豐富情報(bào)分析人員對(duì)科學(xué)研究主題的理解， 并有助于發(fā)現(xiàn)主題之間的關(guān)聯(lián)和新興方向的隱含主題。

但是， 本研究也存在一定的不足。比如： 數(shù)據(jù)涉及基金項(xiàng)目、論文和替代計(jì)量數(shù)據(jù)， 在收集方面可能受到限制， 雖然本研究通過(guò)數(shù)據(jù)清洗、去重、排除異常值等方式， 提高了數(shù)據(jù)的可靠性和準(zhǔn)確性，但數(shù)據(jù)丟失、空值等可能仍會(huì)對(duì)研究結(jié)果具有一定影響； 在科學(xué)產(chǎn)出主題預(yù)測(cè)部分， 分為主題熱度和主題內(nèi)容兩個(gè)方面， 雖然可以增加分析的維度， 但是在具體解讀工作中做好兩者的整合對(duì)于情報(bào)工作者的情報(bào)分析能力具有一定的要求。

４結(jié)語(yǔ)

本研究提出了基金資助的科學(xué)產(chǎn)出評(píng)估和預(yù)測(cè)方法， 綜合主題資助金額、主題資助期限、主題熱度、主題質(zhì)量和主題影響力５ 個(gè)指標(biāo)， 可以有效評(píng)估基金資助的科學(xué)產(chǎn)出主題的投入產(chǎn)出比， 并設(shè)計(jì)了基于神經(jīng)網(wǎng)絡(luò)算法的主題熱度和主題內(nèi)容預(yù)測(cè)方法， 可以實(shí)現(xiàn)基金資助的科學(xué)產(chǎn)出主題評(píng)估和預(yù)測(cè)。通過(guò)對(duì)美國(guó)國(guó)家科學(xué)基金會(huì)社會(huì)和經(jīng)濟(jì)學(xué)部的基金項(xiàng)目及其資助論文的實(shí)證， 驗(yàn)證了方法的可行性和有效性。該方法雖然可以有效評(píng)估和預(yù)測(cè)基金資助的科學(xué)產(chǎn)出， 但仍存在一定的局限， 一方面是對(duì)于數(shù)據(jù)源的要求較高； 另一方面對(duì)于情報(bào)人員的解讀能力也有一定的要求。在未來(lái)的研究中， 本研究將嘗試改進(jìn)基于算法模型的評(píng)估和預(yù)測(cè)方法， 考慮采用更先進(jìn)的機(jī)器學(xué)習(xí)算法或深度學(xué)習(xí)模型來(lái)提高預(yù)測(cè)的準(zhǔn)確性和可靠性； 引入領(lǐng)域知識(shí)， 結(jié)合領(lǐng)域?qū)＜业闹R(shí)， 將領(lǐng)域?qū)＜业慕庾x能力納入模型中， 以幫助更好地解析和理解科學(xué)產(chǎn)出數(shù)據(jù)。