学术大数据在企业专家对接中的应用
學術大數據在企業專家對接中的應用
張永鋒1,?霍東云2,?李振華1,?智強2,3,?李燕茜2
1?清華大學軟件學院，北京 100084
2?北京賽時科技有限公司，北京 100084
3?東莞理工學院科技資源大數據研究與成果轉化中心，廣東 東莞 523808
?
摘要：基于創新驅動戰略的大背景，分析了企業和高校科研機構的專家在對接過程中面臨的困難。以學術大數據技術為支撐，搭建了產業領域專家數據集成系統，并以此為基礎，建立了科技成果全鏈轉化體系。在線上對企業需求進行收集與核實，利用學者大數據畫像技術進行精確匹配和推送；在線下聯系企業專家進行對接后，持續提供項目管理、風險評估和科技保險服務。目前該系統已經收集了上萬個企業的需求，完成了多個企業專家對接項目，提高了對接的精準度和效率，實現了企業和專家的互利共贏。
關鍵詞：?學術大數據?;?專家對接?;?企業服務?;?科技成果轉化
論文引用格式：
張永鋒，霍東云，李振華，智強，李燕茜.學術大數據在企業專家對接中的應用. 大數據[J], 2019, 5(5）：79-88
ZHANG Y F, HUO D Y, LI Z H, ZHI Q, LI Y X.Application of academic big data in the connection of enterprises and experts.Big Data Research[J], 2019, 5(5):79-88
1 引言
隨著大數據時代的到來，數據的重要性不斷凸顯，相比于傳統數據庫，大數據具有數據量大（volume）、數據種類繁多（variety）、處理速度快（velocity）、價值回報高（value）和數據真實性（veracity）的特點，即“5個V”。隨著全世界范圍內科研活動的進行，每天都有數以萬計的學術數據產生，這些海量學術數據（如專家學者信息、論文、專利等）被統稱為學術大數據。
學術大數據在學術和科研領域有很多重要的應用。目前，企業和專家的對接存在許多問題和盲點，本文以學術大數據技術作為支撐，結合一對一的交易服務，解決了對接過程中企業技術轉型、專家科研成果具體化、企業專家溝通等方面的難點和痛點。通過搭建產業領域專家數據集成系統、線上供需軟件即服務（software as a service，SaaS）系統平臺，建立科技成果轉化全鏈體系，幫助專家和企業實現精準對接、企業的科研難題獲得突破、專家的高新技術成功落地，實現雙贏的局面。
2?學術大數據的研究方向和現狀
近年來，學術數據呈現指數增長趨勢，全球學術論文已超過3億篇，學術工作者也已達到1億人。學術大數據技術的研究越來越受到高校和科研機構的重視。2015年10月，清華大學聯合微軟公司，成立了清華大學數據科學研究院·科技大數據研究中心，簽署了清華-微軟學術大數據項目合作備忘錄。目前學術大數據的研究主要集中在學術圖譜、學者畫像和學術評價等方面。
2.1?學術圖譜
知識圖譜本質上是一種語義網絡。其節點代表實體（entity）或者概念（concept），邊代表實體/概念之間的各種語義關系。知識圖譜融合了幾種數據管理方式的特征，具體如下。
● 數據庫：知識圖譜可以像數據庫一樣進行結構化查詢。
● 圖：知識圖譜可以像數據結構中的圖一樣進行分析。
● 知識庫：知識圖譜具有形式語義，并且可以用于解釋數據和推斷出新的事實。
近年來，學術關系知識圖譜（通常被稱為學術圖譜）的研究逐漸成為熱點。2017年，微軟公司和清華大學聯合發布了學術圖譜（open academic graph，OAG）。這個億級圖譜集成了微軟學術圖譜（Microsoft academic graph，MAG）和清華大學的AMiner學術圖譜。具體來說，該學術圖譜包含MAG中1.66億篇學術論文和AMiner中1.55億篇論文的元數據信息。經過集成這些數據信息，生成了兩個學術圖譜之間近6 500萬鏈接（匹配）關系。2019年1月，在之前的基礎上，2.0版本發布，OAG 2.0 版本的更新在于它在論文數據的基礎上，增加了與作者以及出版地點相關的數據，也就是說OAG 2.0 版本包括論文、作者、出版地點3類實體以及其相應的匹配關系。
2.2?學者畫像
學者畫像是從學者學術研究信息中抽象出的一個標簽化的模型。學者畫像的基本目標是為每個學者建立檔案。每個學者可以從多個維度進行描述，如個人信息、聯系信息、教育經歷等，通過學者畫像可以更精確地描述一位學者的信息。
目前，對于學者畫像的研究主要有以下幾個方面。
● 構建高精準學者畫像庫：從異構數據源中提取科研數據，構建多維、立體的學術畫像模型。
● 多維度標簽化技術：解決科研人員、科研專家和科研行為的標簽化方法，同時精確刻畫其靜態屬性、動態行為和科研社群特征。
●?學者畫像庫的增量更新與溯源：通過增量更新，減少運算開銷，同時保持數據的時效性。通過構建面向科研學者的溯源模型，在不斷更新的過程中，始終保留數據溯源的機制，在時間層面保持數據的可靠性、可追溯性。
2.3 學術評價
隨著論文數據量的增加，單一的學術評價指標已經難以滿足現今的學術評價要求。在大學排名上，就有QS世界大學排名、泰晤士高等教育世界大學排名、上海交通大學世界大學學術排名等多種方式；在個人的學術水平評價上，有論文數、被引數、H指數等一系列不同的指標。如何建立相對公正合理的學術評價體系，一直是國際學術界高度關注的話題。
在大數據的背景下，涌現了很多新的學術評價的嘗試。目前主要有以下幾個方面。
● 基于學術圖譜的評價方式：學術圖譜繪制了巨大的關系網絡，利用這些關系網絡，結合數據挖掘和畫像分析，得出一套評價方法。
● 借助深度學習的評價方式：深度學習相關技術的飛速發展使機器在很多領域表現出了比過去更優秀的性能，可以更好地幫助人們完成相應的工作。在對學者或大學的排序中，通過采集數據集，嘗試不同方法訓練神經網絡模型，最終選出表現最佳的模型作為評價方式，以求進一步優化學術評價。
3 專家和企業對接的問題和解決方案
3.1 問題描述
創新驅動戰略是新時期我國全面深化供給側改革的重要途徑。在創新驅動戰略的時代背景下，我國科技成果產出大幅增加，但是質量和產業化的能力還較為欠缺；企業的創新能力不斷增強，但是投入強度和技術能力還相對滯后；政府激勵創新的體制機制和政策環境逐步改善，但仍難以滿足創新驅動發展的需要。在這樣的大背景下，專家、企業、政府都面臨著不同的發展困境。
● 在專家層面，專家普遍希望實現科技成果的轉化和落地，但也存在困難：一方面，很多專家沒有充足的科研經費，需要找一些橫向課題作為支撐，難以把全部精力投入技術的研發與改進中；另一方面，專家精通技術，卻不熟悉市場，很難在市場上找到有生產能力的合適企業進行合作，大部分科研機構的專家難以在企業的技術改造與創新過程中發揮作用，大量的科研成果被湮沒。
● 在企業層面，企業面臨著兩大問題：一是原有的經營思維與當前需要的、適應新技術革命的研發思維之間的沖突，如何實現思維轉化，迅速跟上時代技術潮流，是對企業的一個重要考驗；二是創業者在新的環境下，要想實現企業的升級轉型，必須有科技和創新作為支撐。
● 在政府層面，政府面臨調結構、促改革的壓力，需要主導經濟結構轉型升級，而經濟結構轉型升級、企業升級等都需要科技創新來驅動。
除了企業和專家自身存在的困難之外，其溝通與合作同樣有很多問題。第一，企業和專家之間難以架起相互溝通的橋梁。面對科技問題，若企業缺少專家技術的支持會陷入科技瓶頸，專家在籌備項目落地時也常因為沒有對口企業而陷入僵局。第二，科研與生產的兩套“話語體系”與運轉機制的鴻溝使得某個生產場景下的具體技術問題難以被直接定義出來，需要有中間平臺進行需求的深度加工。第三，技術交易的信用體系和定價機制的缺失使得企業和專家難以互相信任，在缺少中間人作為溝通橋梁和風險擔保時，企業和專家難以實現互相信任，對推動進一步合作有一定的阻礙。
3.2 解決方案
針對以上困難和痛點，筆者利用學術大數據，通過打造科技資源數據庫、搭建服務于一線科技部門的供需智能管理系統，提高對接工作的效率和效果，并提供全流程的在線服務及過程信息化。企業、專家對接系統總體可以分為以下幾個部分。
（1）學術大數據系統
筆者打造了專家數據集成系統作為數據支撐。搭建學術大數據系統是后續提供大數據科技服務的前提和保障。
（2）供需SaaS系統平臺
筆者打造了供需SaaS系統平臺。通過線上收集企業需求，利用大數據技術進行線上匹配，實現企業和專家的高效對接。
（3）科技成果全鏈轉化體系
科技成果全鏈轉化體系是連接產業研發需求與科技創新要素的服務體系，是基于產業發展的市場需求規律驅動科技成果研發的轉化路徑。它包括以企業為主體的產業技術需求、以轉化平臺為媒介的服務體系、以專家為核心的創新要素、以科技金融為保障的風險分擔和投融資支持。
4 系統實現
通過分析我國政府、企業、科研人員、機構面臨的科研創新困境，筆者構建了專家數據集成系統，與全國60多所高校和科研院所、50多個地方政府建立了合作關系，通過對接企業和專家的需求，為專家成果落地、企業技術需求、政府人才引進、科研績效管理探索了一條有效的道路。企業專家對接系統的整體架構如圖1所示，后文分別從專家數據集成系統、供需SaaS系統平臺和科技成果全鏈轉化體系3個方面講述系統實現。
圖1???系統整體架構
4.1 搭建專家數據集成系統
專家數據集成系統的研發目標是為后續平臺提供面向科技領域應用示范環境的專家數據實時推送更新接口和產業領域專家精準推薦技術應用接口，為科技成果全鏈轉化體系提供數據和關鍵技術支持。
系統主要通過數據爬取、數據清洗、畫像和推薦，實現對專家的數據集成和推薦。其主要架構如圖2所示，具體可以分為以下幾個方面。
圖2???專家數據集成系統架構
（1）從多個來源整合專家數據
多個來源的數據包括：從互聯網通過爬蟲和清洗得到的大量互聯網數據、通過對專利數據庫的解析得到的大量專家數據、通過導入線下技術需求對接過程中的專家數據以及通過其他渠道（比如深度訪談、項目合作）獲得的專家數據。
從互聯網爬取專家數據是主要的數據獲取方式。爬蟲系統以Python、Java為基礎開發語言，基于積累的一定數量的種子地址進行精準爬行和數據解析處理。爬蟲的數據源非常廣泛，包括百度學術、谷歌學術、ResearchGate、NSFC等。爬蟲首先由初始的統一資源定位符（uniform resource locator，URL）開始，獲取該URL的頁面，再通過該頁面進一步獲取后續的URL，并將其加入待爬取隊列，同時對已經爬取的頁面進行存儲，直到滿足結束條件為止。爬蟲流程如圖3所示。
圖3???爬蟲流程
在數據存儲方面，使用開源數據庫MySQL作為數據存儲數據庫，同時將阿里云對象存儲服務（object storage service， OSS）作為大量網頁文檔資料的存儲載體。MySQL作為關系型數據庫，擁有數據庫事務的原子性、一致性、隔離性、持久性（atomicity,consistency,isolation,durability，ACID）特性，這些特性可以在海量數據的持久存儲過程中保證數據的穩定和一致。阿里云OSS可以存放任何類型的文件，而且有使用方便的應用程序接口（application programming interface，API）和很高的安全性，成本低廉，很適合在學術大數據存儲中擔任對象存儲的角色。
（2）對專家資源進行篩選和過濾
從互聯網上爬取的專家數據量龐大，涉及的專家科研水平參差不齊，為了保證系統推薦專家的高質量和高準確度，需要對專家數據進行篩選。篩選主要從成果數量、被引數量、H指數、I10指數等角度出發，根據領域經驗和規則，對指標進行加權打分，得到一個質量分。通過研究和分析質量分的分布，可以將數據庫中的所有專家分為初級、中級、高級、杰出4類。
在實際篩選和過濾的過程中，將層次分析法（analytic hierarchy process， AHP）作為基礎，構建所需的數學模型。層次分析法是一種適用于具有復雜評價指標、目標質量分不便具體定量描述的評價系統的方法。層次分析法基于實際問題，按層次分解總目標，將總目標分解為多個層次進行評判。在同一層次中，對篩選指標進行比較；通過計算判斷矩陣的特征向量，確定每個因素相對于層次的權重；最后通過加權和遞歸得到各個因素相對于總目標的重要程度。
具體而言，在對組織專家、企業專家的篩選過程中，對于特定領域的專家，有如下篩選過程：檢索與專家相關的文檔數據集；通過文檔被引數量等指標計算其重要性得分，通過線性加和將所有文檔得分相加，作為該專家得分；通過比較排序，確定專家的類別。由此保證推薦的專家質量更高，與需求契合得更加準確。
篩選和過濾可以凸顯專家的類別和特征，針對不同類別和規模的企業實現不同的推薦方案，對專家推薦的準確性、企業的滿意度、對接的成功率都有一定程度的提高。
（3）形成多維度專家畫像
依據多維、高精度專家畫像的需求，對專家的數據進行各個維度的補全，建立基于標簽的畫像體系。以研究領域畫像和合作網絡畫像為例，從項目課題、論文題目、論文關鍵詞、論文正文詞頻等方面提取專家的主要研究方向和領域，對提出的所有領域信息進行去重、歸類和篩選之后，形成研究領域畫像；從論文合作者、合作機構等方面可以構造出專家的合作網絡，進而提取出合作網絡畫像。
（4）提供推薦和更新接口
推薦和更新接口是專家數據集成系統的主要功能，通過實現產業專家推送接口、教育產業專家推薦接口、科技產業專家推薦接口、專家信息獲取接口和專家信息更新接口等，為供需SaaS系統和線下服務等提供數據支持。
4.2 建立供需SaaS系統平臺
企業真實需求是科技成果轉化的根本前提，科技成果轉化最終要以市場需求為約束條件。企業真實的研發需求、技術發展瓶頸、行業共性難點都是促進科技研發的需求源。供需SaaS系統平臺優化了企業需求收集、技術點拆分、生產語言轉化科研語言等一系列服務流程，解剖了研發需求結構，明確了產業行業需求列表，尤其是前沿重大領域攻關列表。
企業和專家供需對接的SaaS系統平臺（以下簡稱平臺）是基于海量學術大數據打造的，這些數據包括1 850萬名專家、80萬個科技類企業等。平臺的主要運作流程包括需求征集、需求核實、智能匹配、精準推送，如圖4所示。
圖4???供需SaaS系統平臺
平臺通過與高校、科研機構、政府和企業進行合作，可以有效地擴充專家和企業數據庫，助力專家企業高效對接。平臺已覆蓋清華大學、北京大學、西安交通大學、同濟大學、中國科學技術協會、中國科學院計算技術研究所、中國科學院理化技術研究所等60多家高校和科研院所以及全國50多家政府機構。
（1）需求征集
平臺在線上征集企業需求，有專家對接需求的企業在系統中描述項目概況、技術需求、人才需求等信息，并明確給出技術研發與產品設計的瓶頸。為了吸引更多的企業嘗試，需求征集系統的注冊流程簡單方便，門檻較低。
（2）需求核實
由于系統向用戶全面開放，企業注冊門檻較低，因此需求的真偽性需要由專業團隊進行核實和鑒別。專業團隊利用企業提交的表單和常用關鍵字列表，提煉整理需求的關鍵技術信息和指標，將企業使用的“生產語言”進行簡單易懂的“技術翻譯”。同時，團隊也利用企查查、天眼查等網站的接口完善企業資料。
（3）智能匹配和精準推送
由于產業研發需求和高校院所的創新要素存在信息鴻溝，要把資源要素和解決技術問題的專家能力與企業研發難點精準匹配在一起，就要把產業研發需求和創新要素精準對接作為突破口，平臺中這一突破口就是智能匹配技術。借助大數據及人工智能的精準匹配功能，挖掘、吸引、整合全國乃至全球的科技資源，為企業鏈接技術專家，解決產業技術問題。通過對需求的分析和關鍵信息的抽取，在專家集成系統中尋找對應畫像匹配的專家。平臺對一個企業需求會匹配2 000名相關領域專家，并進行郵件、短信、站內信等形式的推送。一般地，推送后3天左右就會有專家響應對接。
4.3 提供科技成果全鏈轉化服務
學術大數據技術實現了從“人找人”到“大數據找人”的轉變，讓企業和專家的高效對接成為可能。在大數據技術之外，平臺提供額外的系統性服務，保障專家和企業的利益，減少技術交易風險。在平臺的幫助下，企業、專家和平臺可以進行線上三方會談和線下對接，進而最終簽署合同，完成項目交付。作為中間方，平臺參與全流程，可起到保險和監督的作用。平臺以市場化和專業化的服務支撐科技成果轉化工作，需要從以下幾點出發。
● 能夠識別基于產業技術問題帶來的潛在收益價值，為技術定價。
● 能夠判別科技成果與技術研發在供給方和需求側的風險狀況，建立合理的風險共擔體系，確定研發收益和知識產權保護的方案。
● 能夠在科技成果轉化過程中承擔合同研發的項目管理工作，建立包括研發咨詢管理、專家顧問和項目動態評估在內的服務支撐工作。
● 具備承擔研發成品交付的管理能力，包括組織產品中試、尋找供應商進行方案的設備化管理、成品測試和交付產線等。
● 能夠合理管控科技成果轉化過程中的風險點，推動各方共同籌建市場導向的研發資金池，組建研發風險創新擔保基金，用于企業合同研發風險投資，開展合同研發風險擔保。
以上的幾點工作實現了成果轉化、共享了知識產權、建立了全新的市場導向成果轉化收益分配體系。提供科技成果全鏈轉化服務需要從企業的需求中挖掘價值，并申請專利，持續運營，收益合理分配，建立以知識智力利益最大化的成果轉化與收入分享系統，建立基于市場化的創新型的成果收益分享體系，激發調動積極性，將資源集聚到體系中，打造線上科技服務平臺和線下研發機制，建立完整的成果轉化全鏈服務中心。在科技成果全鏈轉化服務的過程中，關鍵是要實現產業收益和研發增益，發揮市場需求在科技成果轉化配置中發揮的決定性作用。在此基礎上，形成具有社會效應和效益的創新驅動發展成效，完善研發合作后的項目管理，推動持續服務，追蹤企業研發后的生產與銷售情況，不斷完善技術與升級，通過科技保險和擔保基金直面交易風險，解決轉化糾紛。
4.4 平臺服務成果
在互聯網和大數據的創新形式下，平臺服務能力相較傳統模式大大增強。截至2018年12月，平臺已經為企業需求和多個政府人才項目引進需求服務近萬次，匹配和通知專家近百萬人次，收到700余個創業項目需求，形成技術交易30余項，促成技術交易額近5 000萬元。
在對2018年收集的9 266個需求進行線上核實的過程中，筆者發現一半以上的需求沒有實際意義，或者沒有實現的可能性，最終線上核實了4 432個需求。在線下聯系階段，經過電話、短信、郵件等方式與企業溝通后，得到真實需求659個，最終能夠繼續推進的有137個，占比僅為1.5%。在這137個需求中，每個需求會匹配2 000名專家。在這樣一個信息不對稱的背景下，供需SaaS系統平臺能在短時間內尋找到對接技術供需的方法，通過“一對一”的技術咨詢，為企業突破技術瓶頸、進行轉型升級提供專項“問診”，平臺通過智力資源的優化和知識技術的溢出，解決生產技術瓶頸，助推企業創新，構建產業鏈上下游的全新生態。平臺通過提高企業和專家對接的精準度和效率，實現企業和專家的互利共贏。
5 企業專家對接服務的應用案例
（1）案例一：提高政府科技服務效率與效能
通過線上系統的精準匹配與線下對接活動的定向開展，筆者團隊已多次成功與政府合作舉辦技術對接會，現場為企業解決問題類、研發類的技術需求。
2017年11月，筆者團隊協助舉辦了院士專家集中對接臺州市企業活動，50余位國內外專家為產業轉型提供智力支持。在會議舉辦之前，系統收集、核實了當地62家企業的技術需求，并由專業團隊進行需求的技術“問診把脈”，核實出22個有效需求，共推送全國相關領域專家10 953位，最終31位專家積極響應，邀約到場12位專家。匹配專家推送完成后，系統同步推送信息至科技供需系統平臺，形成推送路徑圖。對接會舉辦后，筆者團隊邀請專家分別前往11家對口企業進行現場考察，對其研發、生產線、物流等進行詳細的技術診斷。在與企業深度對接后，為6家企業提供了8個技術方案，并簽署了合作協議。
下面是其中一個成功對接案例。臺州市某環保凈化器有限公司在對接會前提交了技術難點。供需SaaS系統平臺通過專業團隊核實和實地走訪調研，將需求指標進行量化處理，匹配出兩位專家。在對接會上，該企業詳細告知了現有的生產工藝、設備以及生產過程中的痛點。兩位教授將企業實地數據與自身研發實力進行對比后，認為該技術難題可以解決，并先由專家方進行技術問題的“預研究”。目前，兩位專家已為企業交付合格樣品。
（2）案例二：技術創新提升產品附加值位于東莞市的某家企業有面膜生產的基膜分離設備，這套設備需配合自動折疊機使用。該企業的合作專家團隊自研了自動折疊機，但在研制自動分離機時，遇到了技術瓶頸，由于基膜吸頭技術要求高，造價昂貴，導致生產成本過高。
該企業向供需SaaS系統平臺提交了需求，筆者團隊做完市場調研后，明確了該技術創新應用的市場價值，決定開展此項目的研發，并通過科研大數據平臺，為其篩選、匹配了專家。在專家團隊的通力合作下，目前第二版原型機已研發成功。該技術還可以用于紡織行業，不僅可以提高生產的自動化程度，還可以大幅降低生產成本，因此市場前景非常廣闊。
6 結束語
大數據時代，數據成為重要的生產要素和戰略資源，數據的“5個V”特性，尤其是數據價值顯得越來越重要。企業和高校科研機構在學術活動中產生的海量數據成為學術大數據的一部分，而學術大數據的技術應用又可以促進企業和高校科研機構的學術創新和合作。目前，企業科研水平滯后、專家高新技術難落地的行業問題仍然廣泛存在。筆者在應用學術大數據技術的同時，提供供需平臺和服務，幫助專家企業對接，取得了很好的效果。未來，通過總結經驗和積累技術，平臺可以服務更多的政府科技管理部門、高新技術園區、項目孵化園區，形成更加精準、有效的科研人才及成果供給，幫助企業解決問題、實現創新驅動發展。
作者簡介
張永鋒（1994- ），男，清華大學軟件學院碩士生，主要研究方向為云存儲、網絡信息爬取等。
霍東云（1981- ），男，北京賽時科技有限公司聯合創始人兼首席技術官（CTO），主要研究方向為大數據、云計算、移動互聯網等。
李振華（1983- ），男，博士，清華大學軟件學院副教授、博士生導師，主要研究方向為云計算、云存儲、 移動互聯網等。
智強（1983- ），男，北京賽時科技有限公司創始人兼首席執行官（CEO），東莞理工學院科技資源大數 據研究與成果轉化中心主任，主要研究方向為創新過程、科研管理與科技政策。
李燕茜（1989- ），女，北京賽時科技有限公司聯合創始人兼首席運營官（COO），主要研究方向為技術 創新、政府管理、產業政策等。
《大數據》期刊
《大數據（Big Data Research，BDR）》雙月刊是由中華人民共和國工業和信息化部主管，人民郵電出版社主辦，中國計算機學會大數據專家委員會學術指導，北京信通傳媒有限責任公司出版的中文科技核心期刊。
關注《大數據》期刊微信公眾號，獲取更多內容
往期文章回顧
基于大數據的主動科研管理模式與優化決策機制
圖靈指數——學術大數據下的跨領域跨年代學者影響力評估
“科學學”視角下的科研工作者行為研究
開放存取知識庫及其數據采集規范的研究
一種基于Gradient Boosting的公交車運行時長預測方法
創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎
總結
以上是生活随笔為你收集整理的学术大数据在企业专家对接中的应用的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 【CyberSecurityLearni
- 下一篇： 【CyberSecurityLearni