劉士偉 李丹

摘 要： 創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估是大學(xué)創(chuàng)業(yè)過(guò)程一個(gè)重要研究?jī)?nèi)容，當(dāng)前大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估算法存在評(píng)估精度低、誤差大的局限性為了獲得理想的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估結(jié)果，提出基于大數(shù)據(jù)分析的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估算法。首先對(duì)大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行分析，找到引起大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估錯(cuò)誤率高的原因，然后根據(jù)大數(shù)據(jù)分析方法的支持向量機(jī)建立大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估模型，最后通過(guò)具體仿真對(duì)比實(shí)驗(yàn)對(duì)算法的有效性和優(yōu)越性進(jìn)行分析。實(shí)驗(yàn)結(jié)果表明，所提算法提高了大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估精度，而且評(píng)估速度也大幅度加快，評(píng)估結(jié)果明顯優(yōu)于當(dāng)前其他的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估算法。

關(guān)鍵詞： 大學(xué)生創(chuàng)業(yè)； 風(fēng)險(xiǎn)評(píng)估； 模型； 支持向量機(jī)； 大數(shù)據(jù)分析； 評(píng)估結(jié)果

中圖分類號(hào)： TN911.1?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）19?0125?04

Abstract： The entrepreneurial risk assessment is an important research content of the college students entrepreneurial process. Since the current risk assessment evaluation algorithm of college students entrepreneurship has the limitations of low precision and big error， a large data analysis based risk evaluation algorithm of college students entrepreneurship is proposed to obtain the ideal risk evaluation results of college students entrepreneurship. The research status of college students entrepreneurial risk assessment at home and abroad is analyzed to find the reason causing the high error rate of college students entrepreneurial risk assessment. The risk assessment model of college students entrepreneurship is established according to the support vector machine of large data analysis method. The validity and superiority of this algorithm are analyzed with the specific simulation. The results show that the algorithm improves the risk assessment accuracy of college students entrepreneurship， also quickens the evaluation speed greatly， and its evaluation results are significantly better than that of the current other risk assessment algorithms of college students entrepreneurship.

Keywords： college students entrepreneurship； risk assessment； model； support vector machine； large data analysis； assessment result

0 引 言

近年來(lái)，隨著我國(guó)高校教育從精英教育向大眾教育轉(zhuǎn)變，大學(xué)生就業(yè)形勢(shì)更加嚴(yán)峻，大學(xué)生自主創(chuàng)業(yè)是解決大學(xué)生就業(yè)問(wèn)題的一種重要途徑[1?2]。在大學(xué)生自主創(chuàng)業(yè)過(guò)程中，由于大學(xué)生剛步入社會(huì)，經(jīng)驗(yàn)、意識(shí)等各方向的知識(shí)欠缺，創(chuàng)業(yè)風(fēng)險(xiǎn)相當(dāng)高[3]。而大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估可以對(duì)未來(lái)的風(fēng)險(xiǎn)進(jìn)行預(yù)估，根據(jù)預(yù)估結(jié)果采取有效的防范措施，因此如何提高大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性和客觀性是一個(gè)當(dāng)前亟待解決的難題[4]。

大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估研究受到了高校教育工作的高度重視，最初通過(guò)人工方式對(duì)大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)進(jìn)行評(píng)估，該方法的評(píng)估過(guò)程十分繁瑣，而且評(píng)估結(jié)果與實(shí)際風(fēng)險(xiǎn)等級(jí)偏離很大，評(píng)價(jià)結(jié)果的盲目性比較嚴(yán)重[5]。隨著計(jì)算機(jī)自動(dòng)化技術(shù)的不斷發(fā)展，有學(xué)者提出基于專家系統(tǒng)的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估方法，通過(guò)專家的知識(shí)和經(jīng)驗(yàn)對(duì)大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)進(jìn)行分析，得到大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估結(jié)果，比人工方式的評(píng)估效率更高，而且大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估精度得以提升[6?7]。隨著機(jī)器學(xué)習(xí)算法的不斷發(fā)展，出現(xiàn)基于神經(jīng)網(wǎng)絡(luò)的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估算法，該算法通過(guò)神經(jīng)網(wǎng)絡(luò)模擬大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)價(jià)過(guò)程，對(duì)大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估結(jié)果進(jìn)行高精度擬合，得到了不錯(cuò)的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估結(jié)果。然而神經(jīng)網(wǎng)絡(luò)存在收斂速度慢，易得到“過(guò)擬合”大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估結(jié)果[8?9]。近年來(lái)，隨著大數(shù)據(jù)分析技術(shù)的不斷成熟，出現(xiàn)了支持向量機(jī)、層次分析等大數(shù)據(jù)分析技術(shù)，為大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估的研究提供了更多技術(shù)支撐[10]。

為了獲得理想的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估結(jié)果，本文提出基于大數(shù)據(jù)分析的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估算法，通過(guò)具體仿真對(duì)比實(shí)驗(yàn)，對(duì)本文算法的有效性和優(yōu)越性進(jìn)行分析。

1 大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估算法的工作框架

大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估變化具有動(dòng)態(tài)和非線性，同時(shí)受到許多因素的影響，如國(guó)家政策、大學(xué)生自身素質(zhì)、資金等，導(dǎo)致大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估過(guò)程相當(dāng)復(fù)雜。設(shè)大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估指標(biāo)共有[m]個(gè)，表示為[{x1，x2，…，xm}]，那么大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估等級(jí)可以描述為：

從式（1）可知，建立性能更好的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估模型，那么就要找最優(yōu)的[f（? ）]，該函數(shù)用于擬合大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估指標(biāo)和大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)等級(jí)的變化?；诖髷?shù)據(jù)分析的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估算法工作框架如圖1所示。

2 大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估算法的設(shè)計(jì)

2.1 層次分析法構(gòu)建大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估指標(biāo)

根據(jù)大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估判斷矩陣建立大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估指標(biāo)的層次模型。

2.2 灰色關(guān)聯(lián)分析法分析大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估指標(biāo)關(guān)系

根據(jù)灰色綜合關(guān)聯(lián)度的值得到大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估指標(biāo)與大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估結(jié)果的影響程度，從而實(shí)現(xiàn)大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估指標(biāo)的篩選。

2.3 支持向量機(jī)建立大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估模型

支持向量機(jī)是機(jī)器算法中的一種分類算法，分類目標(biāo)是找到一個(gè)最優(yōu)分類超平面，把所有的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)數(shù)據(jù)區(qū)分開(kāi)來(lái)，而且使所有樣本與分類超平面之間距離最大，具體工作原理如圖2所示。

支持向量機(jī)建立大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估模型的工作步驟如下：

1） 收集大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估的指標(biāo)進(jìn)行分析，通過(guò)專家們建立大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估的指標(biāo)體系。

2） 根據(jù)大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估的指標(biāo)收集評(píng)估數(shù)據(jù)，并對(duì)評(píng)估指標(biāo)做如下處理：

[x′i=xixmax] （14）

3） 采用層次分析法確定大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估的指標(biāo)層次性，并通過(guò)灰色關(guān)聯(lián)分析對(duì)大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估的指標(biāo)進(jìn)行篩選，選擇對(duì)大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估結(jié)果有重要影響的指標(biāo)。

4） 采用支持向量機(jī)對(duì)大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估訓(xùn)練樣本進(jìn)行學(xué)習(xí)，并確定相應(yīng)的參數(shù)，建立大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估模型。

5） 采用大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估模型對(duì)相應(yīng)的測(cè)試樣本進(jìn)行測(cè)試，輸出大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估結(jié)果。

3 大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估有效性測(cè)試

為了測(cè)試大數(shù)據(jù)分析的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估性能，選擇遼寧某大學(xué)的大學(xué)生創(chuàng)業(yè)數(shù)據(jù)作為研究對(duì)象，大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估指標(biāo)分為：教育程度（[x1]）、創(chuàng)業(yè)基金支持（[x2]）、創(chuàng)業(yè)氛圍（[x3]）、市場(chǎng)因素（[x4]）、項(xiàng)目競(jìng)爭(zhēng)力（[x5]）、大學(xué)生信用等級(jí)（[x6]）、潛在客戶（[x7]）、團(tuán)隊(duì)規(guī)模（[x8]）、組織能力（[x9]）和個(gè)人性格（[x10]），收集了100個(gè)大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估數(shù)據(jù)，采用Matlab 2014a工具箱進(jìn)行仿真實(shí)驗(yàn)，具體數(shù)據(jù)如表1所示。

對(duì)圖3的實(shí)驗(yàn)結(jié)果進(jìn)行分析可以看出，本文算法的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估值與實(shí)際得到的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)值十分接近，幾乎沒(méi)有什么偏差，獲得了高精度的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估結(jié)果。實(shí)驗(yàn)結(jié)果表明，本文算法是一種性能優(yōu)異的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估工具。

為了使本文算法的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估結(jié)果更具說(shuō)服力，將其與當(dāng)前經(jīng)典大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估算法——BP神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)比測(cè)試，BP神經(jīng)網(wǎng)絡(luò)的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估結(jié)果變化曲線如圖4所示。

從圖4可知，雖然BP神經(jīng)網(wǎng)絡(luò)得到了較高精度的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估結(jié)果，但是評(píng)估精度低于本文算法，同時(shí)在測(cè)試過(guò)程中發(fā)現(xiàn)，本文算法的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估結(jié)果時(shí)間要少于BP神經(jīng)網(wǎng)絡(luò)，改善了大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估效率。

4 結(jié) 語(yǔ)

創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估結(jié)果可以為大學(xué)創(chuàng)業(yè)提供指導(dǎo)意見(jiàn)，本文針對(duì)當(dāng)前大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估算法存在的不足，結(jié)合大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估的特點(diǎn)，提出基于大數(shù)據(jù)分析的大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估算法。建立大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估指標(biāo)，并收集大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估數(shù)據(jù)，對(duì)大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估進(jìn)行預(yù)處理，并采用大數(shù)據(jù)分析方法的支持向量機(jī)建立大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估模型。實(shí)驗(yàn)測(cè)試結(jié)果表明，本文算法提高了大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估精度，評(píng)估速度快，解決了當(dāng)前大學(xué)生創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估過(guò)程中存在的問(wèn)題，具有較高的實(shí)際應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] 趙國(guó)欽，韓天實(shí).大學(xué)生創(chuàng)業(yè)的政策扶持體系：文本分析、感知評(píng)價(jià)和優(yōu)化建議[J].中國(guó)人力資源開(kāi)發(fā)，2016（15）：79?86.

ZHAO Guoqin， HAN Tianshi. The policy support system of college student entrepreneurship： text analysis， perception evaluation and optimization path [J]. Human resource development of China， 2016（15）： 79?86.

[2] TRABELSI S， ELOUEDI Z， MELLOULI K. Pruning belief decision tree methods in averaging and conjunctive approaches [J]. International journal of approximate reasoning， 2007， 46（3）： 568?595.

[3] 郭宏.創(chuàng)業(yè)板上市公司基于新指標(biāo)視角的發(fā)展能力評(píng)價(jià)模型及應(yīng)用研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2016，35（12）：76?83.

GUO Hong. The development capability evaluation model based on the new index of GEM listing corporation application research [J]. Industrial technology & economy， 2016， 35（12）： 76?83.

[4] 鐘云華，羅茜.大學(xué)生創(chuàng)業(yè)能力的影響因素及提升路徑[J].現(xiàn)代教育管理，2016（3）：124?128.

ZHONG Yunhua， LUO Xi. Influence factors and improving path of college students′ entrepreneurial ability [J]. Modern education management， 2016（3）： 124?128.

[5] 范俊峰，郭婷婷.一帶一路背景下大學(xué)生創(chuàng)業(yè)能力評(píng)估模型仿真[J].計(jì)算機(jī)仿真，2017，34（8）：228?232.

FAN Junfeng， GUO Tingting. Simulation of undergraduates′ entrepreneurial competence evaluation model in the background of along the way back [J]. Computer simulation， 2017， 34（8）： 228?232.

[6] 張?jiān)Q，陳苗，陸佳煒，等.基于MapReduce的Bagging決策樹(shù)優(yōu)化算法[J].計(jì)算機(jī)工程與科學(xué)，2017，39（5）：841?848.

ZHANG Yuanming， CHEN Miao， LU Jiawei， et al. An optimized Bagging decision tree algorithm based on MapReduce [J]. Computer engineering and science， 2017， 39（5）： 841?848.

[7] 程瑋.大學(xué)生創(chuàng)業(yè)能力結(jié)構(gòu)模型的建構(gòu)[J].黑龍江高教研究，2017（5）：133?136.

CHENG Wei. Construction of entrepreneurial ability structure model of university students [J]. Heilongjiang researches on higher education， 2017（5）： 133?136.

[8] 杜岸政.認(rèn)知視野下創(chuàng)業(yè)風(fēng)險(xiǎn)感知影響因素及評(píng)估[J].華北水利水電大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2014，30（4）： 142?144.

DU Anzheng. The cognitive factors of influencing entrepreneurial risk perception and evaluating [J]. Journal of North China University of Water Resources and Electric Power （social sciences edition）， 2014， 30（4）： 142?144.

[9] 吳斌葉，馬小龍，方佳威，等.基于模糊綜合評(píng)價(jià)法的大學(xué)生網(wǎng)上創(chuàng)業(yè)風(fēng)險(xiǎn)評(píng)估[J].湖州師范學(xué)院學(xué)報(bào)，2013，35（6）：29?34.

WU Binye， MA Xiaolong， FANG Jiawei， et al. Risk assessment research of college students′ innovative undertaking based on fuzzy comprehensive evaluation [J]. Journal of Huzhou Teachers College， 2013， 35（6）： 29?34.

[10] 李雪竹，陳國(guó)龍.基于智能最小二乘支持向量機(jī)的大數(shù)據(jù)分析與預(yù)測(cè)[J].計(jì)算機(jī)工程，2015，41（6）：38?42.

LI Xuezhu， CHEN Guolong. Big data analysis and forecasting based on intelligent least square support vector machine [J]. Computer engineering， 2015， 41（6）： 38?42.