论文部分内容阅读
智库发展程度正成为一个国家或地区治理能力的重要体现。对于智库评价的探索有助于通过理解智库评价中的指标体系及方法,进而研究拓宽智库影响决策的路径。目前,中国的国家高端智库和省市级重点智库都在迅速发展,科学高效的考核评价体系,能够激励智库不断寻求发展,进而对中国新型智库体系的形成具有重要意义。本文从智库评价出发,首先论证了利用BP神经网络进行国内智库评价的优势。然后基于文献资料、我国智库特点与专家建议,制作了调查问卷。通过因子分析对调查问卷结果进行分析,理清了指标层级关系和权重。在此基础上遵循科学性、综合性等原则建立了国内智库评价指标体系。接着构建了基于BP神经网络和MIV算法的国内智库评价模型。模型基于Python3.6,采用TensorFlow框架、JetBrains PyCharm和BP算法建立,训练和校验样本数据取自100家已知等级的高校智库,选用其二级指标加权分数和已知等级作为学习样本。在基于BP神经网络的国内智库评价模型建立后,为尽可能降低因选取的评价指标不准确造成模型的精确度问题,选用MIV算法对神经网络变量进行特征筛选。从作为输入层节点的8个二级指标中筛选出7个关键指标,并从训练时间、评价精度的角度得出对比结果:基于MIV算法优化后的国内智库评价模型虽然会使模型的训练时间略长,但评价精度方面表现更好。因此,本文得到了优化后具有7个关键评价指标的国内智库评价模型。最后本文以2018年度江苏省16家重点培育新型智库考核作为案例,运用优化后的BP神经网络评价模型对16家智库进行评价,得到的等级结果与江苏省该年度实际考核结果基本一致,证明了本文基于BP神经网络和MIV算法建立的国内智库评价模型具有实用性。本文建立了基于BP神经网络和MIV算法的国内智库评价模型,并在实际智库评价工作中体现出可操作性、科学性以及实用性,丰富了智库评价研究方法,为国内实际智库评价工作提供了新思路。