随着高等教育信息化的发展,信息技术在高校应用越来越广泛,典型的应用就是高校的门户网站。高校门户网站对促进高校管理再造,教学改革,教育资源共享,方便师生互动,提高学校社会影响力等方面发挥着重要作用。然而目前各高校门户网站建设良莠不齐,其作用并没有得到充分发挥。常用的高校门户网站评价方法也存在人为因素较多、不够准确的问题,并缺乏统一的评价标准。因此,建立先进的高校门户网站评价模型,完善现有的评价标准,对高校门户网站做出客观、准确的评价具有非常重要的现实意义和实用价值。人工神经网络作为对人脑结构和功能的模拟,具有联想记忆、自学习的功能。BP神经网络是人工神经网络的精华,更容易处理并行、非线性的问题,具有自适应等能力。对复杂问题的研究和处理,BP神经网络充分显示出了很强的优越性。通过自然的、非线性的过程完成网络建模,无需刻意区分线性关系,并能够不断学习,从大量复杂的数据中发现规律。自从上世纪BP神经网络理论被提出至今,就受到心理学、计算机、信息科学等领域的专家的重视,并不断发展。目前在人工智能、数据挖掘、语音识别、系统仿真、系统辨识、计算机图像处理、工业控制等方面有着广泛的应用。目前网站评价常用的专家打分法,主要依靠评估人员的经验和能力,有很强的主观性,而人脑无法并行处理多指标之间的关系,结果会有较大的偏差,很难保证客观、公正。为了减少人为因素对高校门户网站评价的主观影响,本文使用了BP神经网络方法建立神经网络评价模型,对传统的高校门户网站评价方法进行改进,使评价系统能够根据客观环境的变化自动调节,不断提高评价的准确度。本文在借鉴前人经验的基础上,结合实际,主要做了以下工作：1.概述了高校门户网站评价国内外的研究现状；介绍了网站评价常用的定性、定量以及综合的评价方法主要包括：网址评价法、形式评价法、链接分析法、软件测试法、自动评价法、网站日志文件数据挖掘法、神经网络评价法的概念和步骤、层次分析法的概念和步骤、基于信息构建评价法、模糊综合评价法；简单介绍了人工神经网络产生和发展的历史,分析了BP神经网络的学习方法,并绘制出流程图；对传统BP算法需要时间长、收敛速度慢,网络可能会收敛于极小值而不是最小值等问题提出了改进建议,并采用改进的激活函数、附加动量的高斯牛顿算法进行模型设计。2.通过分析已有的网站评价指标体系,总结前人的经验、结合高校实际情况,并充分考虑到指标必须具有客观性、逻辑性、突出内容重要性、全面性的原则,制定一套新的定性定量结合的高校门户网站评价指标体系,绘制指标体系模型图。通过层次分析法,计算出各指标的权重和合成权重,设计问卷调查表并进行了预调查,证明调查表有效。提供将这些指标中定性部分进行量化和归一化的方法,使其符合作为神经网络输入数据的要求。3.论证了神经网络用于高校门户网站评价的可行性,并介绍了用神经网络对高校门户网站评价方法进行改进的原理和思路。设计了评价模型的网络结构,包括：网络层数的设计、网络输入层和输出层的设计、网络隐含层的设计、网络期望误差、网络的学习速率以及数据预处理的方式。通过Matlab软件建立用于评价的神经网络模型,采集安徽省30所高校门户网站的评价数据,并进行归一化处理后,使用其中20个样本对网络进行学习和训练,对网络权值、阀值进行调整,另10个样本作为测试数据,并进行测试。通过对测试结果的分析,证明使网络模型有效,性能完全能够满足要求。采用Matcom工具与VC++混合编程的方式,建立了易于使用的图形化用户界面。应用N折交叉验证法对网络性能进行测试,分析了神经网络方法与传统方法相比的优势,阐述了研究中样本数量较少,网络学习时间偏长等问题和不足之处,提出了进一步完善和改进的方向。