鄒純龍　馬海群

〔摘要〕本文基于對政府網(wǎng)站評價和政府開放數(shù)據(jù)評價的研究，建立了政府開放數(shù)據(jù)網(wǎng)站評價指標體系。以美國20個具有代表性的政府開放數(shù)據(jù)網(wǎng)站為例進行指標數(shù)據(jù)獲取和專家打分，在此基礎(chǔ)上利用神經(jīng)網(wǎng)絡(luò)的BP算法確定總體的評價結(jié)果，與專家打分結(jié)果進行比較，滿足誤差精度的要求，從而驗證了該方法應(yīng)用于評價政府開放數(shù)據(jù)網(wǎng)站的可行性，為今后評價該類網(wǎng)站提供了科學(xué)、迅速、精準的評價體系。

〔關(guān)鍵詞〕神經(jīng)網(wǎng)絡(luò)；政府開放數(shù)據(jù)；網(wǎng)站評價；美國；BP算法

DOI：10.3969/j.issn.1008-0821.2016.09.003

〔中圖分類號〕G203；D63-39〔文獻標識碼〕A〔文章編號〕1008-0821（2016）09-0016-06

〔Abstract〕This paper built an index system for evaluating the government open data website based on the studies about government website evaluation and government open data evaluation.By taking 20 American representative governmental open data websites as a sample，this paper got the index data and score by experts and obtained the overall evaluation results through BP algorithm of neural network to compare the experts scores for getting the requirement of error precision.So it could test and verify the feasibility of this way to evaluate the government open data website and could supply a scientific，rapid and accurate system to evaluate the government open data website in the future.

〔Key words〕neural network；government open data；website evaluation；America；BP algorithm

政府?dāng)?shù)據(jù)是由政府部門或者政府相關(guān)機構(gòu)在管理公共部門得事務(wù)過程中產(chǎn)生的數(shù)據(jù)與信息。開放則意味著政府部門將這些數(shù)據(jù)與信息公開，并可以為任何人所瀏覽、下載和使用。政府開放數(shù)據(jù)包括，法律法規(guī)、政策文件、部門報告、公共注冊信息、氣象、科研等基于公共目的產(chǎn)生的信息與數(shù)據(jù)。大數(shù)據(jù)時代，政府開放數(shù)據(jù)主要通過開放數(shù)據(jù)網(wǎng)站實現(xiàn)數(shù)據(jù)的開放，由此便于用戶無礙的查詢、檢索和使用數(shù)據(jù)。因此，政府建立并完善開放數(shù)據(jù)網(wǎng)站，能夠有效的提高政府行政辦事的公平性和透明性，方便公眾監(jiān)督政府行為。

自2009年美國首先建立了政府開放數(shù)據(jù)網(wǎng)站——Datagov，目前，該網(wǎng)站已經(jīng)發(fā)布了逾127 113項數(shù)據(jù)集，并不斷有新的數(shù)據(jù)加入。其數(shù)據(jù)涉及20個主題，且可以通過各種分類進行排序。截至目前為止，美國已有40個州、48個市、縣推出了開放數(shù)據(jù)網(wǎng)站[1]，在整個世界范圍內(nèi)處于領(lǐng)先水平。對比來看中國的政府?dāng)?shù)據(jù)開放平臺成立的時間較晚，網(wǎng)站內(nèi)容和功能的建設(shè)都存在較大的提高空間。學(xué)者錢曉紅等對比了美國、歐盟、英國政府?dāng)?shù)據(jù)開放網(wǎng)站的建設(shè)現(xiàn)狀和現(xiàn)有的問題，認為我國網(wǎng)站還有大量基礎(chǔ)性建設(shè)工作需要完善，比如跨部門的數(shù)據(jù)共享、合理的元數(shù)據(jù)結(jié)構(gòu)、服務(wù)功能等[2]；侯人華等以美國政府開放數(shù)據(jù)網(wǎng)站為例，從數(shù)據(jù)管理的視角，對數(shù)據(jù)的特點、采集、管理、利用以及優(yōu)勢這5個方面進行了梳理和分析，以期對本國的網(wǎng)站建設(shè)提供借鑒[3]；陳美從數(shù)據(jù)保障機制著手，分析了美國利用云計算和大數(shù)據(jù)方式完善數(shù)據(jù)，建立保證體系，從而實現(xiàn)政府開放數(shù)據(jù)共享，為我國發(fā)展政府開放數(shù)據(jù)網(wǎng)站提出了建議[4]；可見，大多數(shù)學(xué)者都通過對比研究的方式，將處于領(lǐng)先地位的美國等國政府開放數(shù)據(jù)網(wǎng)站的發(fā)展歷史、現(xiàn)狀、特點、優(yōu)勢等作了描述性的分析，從而為提高中國政府開放數(shù)據(jù)網(wǎng)站水平提出意見。但是，較多的研究都集中于定性分析，缺乏從定量的視角客觀的解析美國開放政府?dāng)?shù)據(jù)網(wǎng)站現(xiàn)狀，而且這種對比研究沒有一套標準的衡量體系，不具有全局觀，因此研究出的結(jié)果也具有主觀性和片面性。

基于此，本文綜合借鑒前人評價政府網(wǎng)站以及政府開放數(shù)據(jù)的評價研究，首先確定評價政府開放數(shù)據(jù)網(wǎng)站的體系指標。再以美國20個地方政府開放數(shù)據(jù)網(wǎng)站為樣本收集定量和定性指標的數(shù)據(jù)和專家總評結(jié)果，在此基礎(chǔ)上利用神經(jīng)網(wǎng)絡(luò)的BP算法確定總體的評價結(jié)果，與專家打分結(jié)果進行比較，從而驗證了該方法應(yīng)用于評價政府開放數(shù)據(jù)網(wǎng)站的可行性，為今后評價該類網(wǎng)站提供了科學(xué)、迅速、精準的評價體系。同時也構(gòu)建了一種綜合的、應(yīng)用廣泛的評價政府開放數(shù)據(jù)網(wǎng)站的體系。

1政府開放數(shù)據(jù)網(wǎng)站評價體系構(gòu)建及評價過程設(shè)計

11神經(jīng)網(wǎng)絡(luò)法

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡寫為ANNs）也簡稱為神經(jīng)網(wǎng)絡(luò)（NNs），是20世紀80年代以來人工智能領(lǐng)域興起的研究熱點。它的工作原理是仿照人腦的運作模式，具有并行處理機制和學(xué)習(xí)、聯(lián)想、記憶等功能和強大的容錯能力，這使它在環(huán)境知識的獲取與處理中表現(xiàn)得相當(dāng)出色，從而受到各學(xué)科學(xué)者的關(guān)注。BP神經(jīng)網(wǎng)絡(luò)模型是人工神經(jīng)網(wǎng)絡(luò)算法的一種，是一種通過多層結(jié)構(gòu)來解決非線性問題的算法，這多層結(jié)構(gòu)包括輸入層、若干個隱含層和輸出層[5]。本文構(gòu)建四層網(wǎng)絡(luò)結(jié)構(gòu)，采用四層前向BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，包含兩個隱含層，一個輸入層和一個輸出層。將訓(xùn)練樣本輸入網(wǎng)絡(luò)進行運算，采用梯度下降法對BP網(wǎng)絡(luò)進行訓(xùn)練[6]，直到系統(tǒng)誤差符合指定要求后，所得到的網(wǎng)絡(luò)模型便是所需要的政府開放數(shù)據(jù)網(wǎng)站評價模型，文中基于BP神經(jīng)網(wǎng)絡(luò)的政府開放數(shù)據(jù)網(wǎng)站評價，訓(xùn)練神經(jīng)網(wǎng)絡(luò)并計算訓(xùn)練誤差方法如下：

12評價指標選取及體系構(gòu)建

合理的指標選取是評價一個網(wǎng)站的重要前提，但是關(guān)于政府開放數(shù)據(jù)網(wǎng)站評價體系的研究還不是很充分。因此，筆者將綜合前人評價政府網(wǎng)站的評價體系，因為政府網(wǎng)站和政府開放數(shù)據(jù)網(wǎng)站都是政府舉辦的信息公開，資源共享的服務(wù)性質(zhì)網(wǎng)站，在一定程度上具有相似性。并且結(jié)合政府開放數(shù)據(jù)的評價特點，總結(jié)一套適合政府開放數(shù)據(jù)網(wǎng)站的評價體系。

Cora Sio KuanLai等以用戶接受和滿意的視角構(gòu)建了評價政府網(wǎng)站的四維度測試模型，包含信息質(zhì)量、系統(tǒng)質(zhì)量、感知效率和社會影響，并對464名測試者進行問卷測試，通過技術(shù)接受模型檢驗，認為社會影響是最重要的影響因素[7]；Freida Palma等從系統(tǒng)質(zhì)量入手評價政府網(wǎng)站，通過對比韓國政府網(wǎng)站和伯利茲城網(wǎng)站在網(wǎng)站性能、網(wǎng)站可達性、隱私保護及安全方面的差異，對伯利茲城為代表的發(fā)展中國家提高政府網(wǎng)站建設(shè)水平提供經(jīng)驗[8]；A Vetrò等認為評價政府開放數(shù)據(jù)可以從可追溯性、價值性、延遲性、完整性、規(guī)范性、可讀性和精確性方面考慮，并建立了一套數(shù)據(jù)集評價模型[9]；國際開放政府工作組經(jīng)過會議研究認為，政府開放數(shù)據(jù)從數(shù)據(jù)的特點出發(fā)，應(yīng)該具有及時性、全面性、原始性、可獲得性、機器可讀、非歧視性、非專有性、無須授權(quán)（涉及隱私、安全和特別限制的除外）等特性，因此評價政府開放數(shù)據(jù)應(yīng)該滿足這八大原則[10]。

綜合上述研究成果，本文建構(gòu)了5個維度下16個評價指標，這5個維度分別是網(wǎng)站規(guī)模、網(wǎng)站性能、網(wǎng)站體驗、網(wǎng)站內(nèi)容和網(wǎng)站影響。網(wǎng)站規(guī)模體現(xiàn)了網(wǎng)站資源豐富程度，它的投入大小會直接作用于用戶的線索效率，是評價任何網(wǎng)站必不可少的要素，通過網(wǎng)站總頁面數(shù)、網(wǎng)站總鏈接數(shù)、Web對象數(shù)量來進行評價。網(wǎng)站性能體現(xiàn)網(wǎng)站在建設(shè)過程中的技術(shù)投入，本文通過鏈路完整性、頁面返回率和內(nèi)鏈數(shù)指標進行評價。網(wǎng)站體驗是用戶在瀏覽網(wǎng)站過程中的主觀反應(yīng)，會受到很多因素的直接影響，本文通過連通率、下載速度、頁面友好程度進行評價。網(wǎng)站內(nèi)容是指政府開放數(shù)據(jù)網(wǎng)站公開、共享、可下載的內(nèi)容，這項指標是政府開放數(shù)據(jù)網(wǎng)站評價體系的獨有且最基本的指標，是該類網(wǎng)站存在意義的基礎(chǔ)，通過數(shù)據(jù)可獲性、數(shù)據(jù)及時性和數(shù)據(jù)全面性進行評價。網(wǎng)站影響是指網(wǎng)站建設(shè)及運行過程中對外產(chǎn)生的直接或間接的作用。本文通過被搜索引擎收錄、訪問量、網(wǎng)站評級、網(wǎng)站信任得分進行評價。具體政府開放數(shù)據(jù)網(wǎng)站評價體系及指標內(nèi)容如表1所示。

13評價過程設(shè)計

第一步：收集數(shù)據(jù)，依照上文構(gòu)建的評價體系，選擇合理的樣本，通過軟件抓取和問卷調(diào)查的方式獲取樣本數(shù)據(jù)。為讓神經(jīng)網(wǎng)絡(luò)計算結(jié)果表現(xiàn)的更好，要對原始數(shù)據(jù)進行歸一化處理。歸一化處理后的數(shù)據(jù)集分為學(xué)習(xí)樣本和測試樣本，用來對BP網(wǎng)絡(luò)進行學(xué)習(xí)與測試。

第二步：構(gòu)建BP網(wǎng)絡(luò)模型，確定BP網(wǎng)絡(luò)參數(shù)。合理確定網(wǎng)絡(luò)層數(shù)及各網(wǎng)絡(luò)層的神經(jīng)元數(shù)是成功應(yīng)用BP網(wǎng)絡(luò)模型的關(guān)鍵。為使神經(jīng)網(wǎng)絡(luò)更加可靠，本文選擇隱含層數(shù)為2，采用4層BP網(wǎng)絡(luò)來構(gòu)建政府開放數(shù)據(jù)網(wǎng)站評價模型。

本文建構(gòu)的評價體系包含16個二級指標，評價目標是政府開放數(shù)據(jù)網(wǎng)站。由此BP網(wǎng)絡(luò)的輸入層節(jié)點數(shù)定為16個，輸出層神經(jīng)元個數(shù)確定為1，神經(jīng)網(wǎng)絡(luò)輸出值即政府開放數(shù)據(jù)網(wǎng)站的評價值。我們采用常用的“試湊法”，即根據(jù)隱含層節(jié)點數(shù)的啟發(fā)式規(guī)則，某一隱含層節(jié)點數(shù)m=log2n，n為神經(jīng)網(wǎng)絡(luò)中上一層的節(jié)點數(shù)，從而我們確定隱含層節(jié)點數(shù)第一層為4，第二層為2。根據(jù)以上分析，BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)確定為16—4—2—1。

關(guān)于BP網(wǎng)絡(luò)參數(shù)作出以下設(shè)定：BP神經(jīng)網(wǎng)絡(luò)隱含層單元和輸出層單元上的激活函數(shù)都取為logsig函數(shù)，隱含層神經(jīng)元的傳遞函數(shù)和輸出層神經(jīng)元傳遞函數(shù)都采用S型對數(shù)函數(shù)logsig，初始權(quán)值取在（0，1）之間的隨機數(shù)，學(xué)習(xí)速率定為075，期望誤差為000010。

第三步：利用Python實現(xiàn)BP神經(jīng)網(wǎng)絡(luò)，并用訓(xùn)練數(shù)據(jù)進行訓(xùn)練。本文通過Python352軟件平臺開發(fā)程序，輸入學(xué)習(xí)樣本，讀入網(wǎng)絡(luò)參數(shù)，對BP網(wǎng)絡(luò)進行訓(xùn)練。如果網(wǎng)絡(luò)運行結(jié)果符合要求（訓(xùn)練達到預(yù)定學(xué)習(xí)次數(shù)或者誤差小于期望誤差），則網(wǎng)絡(luò)訓(xùn)練成功。否則，就要調(diào)整網(wǎng)絡(luò)參數(shù)，或輸入新的學(xué)習(xí)樣本對網(wǎng)絡(luò)重新訓(xùn)練。

第四步：利用Pyhton程序?qū)τ?xùn)練好的BP網(wǎng)絡(luò)進行仿真測試。BP網(wǎng)絡(luò)訓(xùn)練好后，還必須對它的精確程度加以檢驗。同樣利用Python程序，將測試樣本輸入到訓(xùn)練好的BP網(wǎng)絡(luò)中，檢驗測試誤差是否滿足要求。如果滿足，則網(wǎng)絡(luò)成功建立。如果測試結(jié)果出入較大，則要刪除不理想的樣本或輸入新的樣本重新對網(wǎng)絡(luò)進行訓(xùn)練，得到新的網(wǎng)絡(luò)權(quán)值后再利用測試樣本對網(wǎng)絡(luò)進行測試[11]。

2政府開放數(shù)據(jù)網(wǎng)站應(yīng)用分析

樣本的有效性是確保評價科學(xué)合理的基本條件。為保證網(wǎng)絡(luò)訓(xùn)練與模型的質(zhì)量，為使原始數(shù)據(jù)更加準確、科學(xué)，筆者通過比較篩選，選取美國的20家地方網(wǎng)站作為實驗對象，如表2所示，本文將其中前12個網(wǎng)站作為訓(xùn)練樣本，后8個網(wǎng)站作為測試樣本。

針對上文設(shè)計的體系指標，定量指標網(wǎng)站總頁面數(shù)、網(wǎng)站總鏈接數(shù)和Web對象數(shù)量、鏈路完整性、頁面返回率和內(nèi)鏈數(shù)、連通率、下載速度通過軟件Maxamine Web Analyst軟件進行抓取，搜索引擎收錄、訪問量、網(wǎng)站評級、網(wǎng)站信任通過站長工具獲??；定性指標包括頁面友好程度、數(shù)據(jù)可獲性、數(shù)據(jù)及時性、數(shù)據(jù)全面性以及最終總評由相關(guān)專家進行打分，獲得最終的數(shù)據(jù)。為使數(shù)據(jù)符合訓(xùn)練過程的函數(shù)運算要求，加快訓(xùn)練網(wǎng)絡(luò)的收斂性，必須首先對所有原始數(shù)據(jù)進行歸一化處理。數(shù)據(jù)歸一化結(jié)果保留小數(shù)點3位，如表3所示：

筆者選取表2中前12個樣本數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練。通過Python程序，輸入預(yù)定網(wǎng)絡(luò)參數(shù)，利用歸一化處理后的訓(xùn)練樣本對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，經(jīng)過3075次訓(xùn)練后，網(wǎng)絡(luò)誤差達到預(yù)定閾值，其訓(xùn)練誤差隨迭代次數(shù)變化曲線如圖1所示，得到網(wǎng)絡(luò)輸出結(jié)果與專家總評數(shù)據(jù)比較如表4所示：

結(jié)果表明，8組測試數(shù)據(jù)的網(wǎng)絡(luò)輸出與專家評價值誤差均在設(shè)定范圍之內(nèi)，因此基于BP神經(jīng)網(wǎng)絡(luò)的政府開放數(shù)據(jù)網(wǎng)站評價模型訓(xùn)練和預(yù)測精度符合要求，是一個合理的、可行的、精度較高的預(yù)測模型。因此可以用來評價政府開放數(shù)據(jù)網(wǎng)站，且能夠精準的模仿人類專家的思維方式進行準確的計算，避免人腦的在評價同一事物時會因為情緒的不穩(wěn)定，而影響評價結(jié)果。

3結(jié)語

本文首先分析了國內(nèi)外在政府開放數(shù)據(jù)網(wǎng)站方面的相關(guān)研究，并建立了一套評價政府開放數(shù)據(jù)網(wǎng)站的指標體系，通過軟件抓取和專家打分得到分析數(shù)據(jù)。在此基礎(chǔ)上用BP神經(jīng)網(wǎng)絡(luò)算法進行計算得出一個評價結(jié)果，將此結(jié)果與專家打分結(jié)果進行對比，它在合理的誤差范圍內(nèi)，表明BP神經(jīng)網(wǎng)絡(luò)方法不但能夠高效、迅速的進行計算而且滿足誤差精度的要求，它能夠通過非線性的方法考慮評價標準的多樣性和不確定性，是一種可以用來評價政府開放數(shù)據(jù)網(wǎng)站的新型評價工具，具有十分重要的意義。

參考文獻

[1]Open data in the United States[EB/OL].https：∥www.data.gov/open-gov/，2016-08-12.

[2]錢曉紅，胡芒谷.政府開放數(shù)據(jù)網(wǎng)站的構(gòu)建及技術(shù)特征[J].圖書情報知識，2014，（3）：124-128.

[3]侯人華，徐少同.美國政府開放數(shù)據(jù)的管理和利用分析[J].圖書情報工作，2011，（4）：119-122.

[4]陳美.美國開放政府?dāng)?shù)據(jù)的保障機制研究[J].情報雜志，2013，（7）：148-153.

[5]韓力群.人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計及應(yīng)用[M].北京：化學(xué)工業(yè)出版社，2007：47-48.

[6]周瑛，劉天嬌.基于神經(jīng)網(wǎng)絡(luò)的高校圖書館知識服務(wù)評價體系研究[J].情報理論與實踐，2013，（2）：55-59.

[7]CSK Lai，G Pires.Testing of a Model Evaluating e-Government Portal Acceptance and Satisfaction[J].Electronic Journal of Information Systems Evaluation，2010，（1）：36-46.

[8]F Palma，SG Hong.Evaluating the Website Performance of Belizes e-Government Portal[J].Journal of Convergence Information Technology，2013，（5）：986-993.

[9]A Vetrò，L Canova，M Torchiano，et al.Open Data Quality Measurement Framework：Definition and Application to Open Government Data[J].Government Information Quarterly，2016，33（2）：325-337.

[10]Open data barometer global report[R/OL].http：∥boletines.prisadigital.com/Open%20Data%20Barometer%20-%20Global%20Report%20-%202nd%20Edition%20-%20PRINT.pdf，2016-08-12.

[11]賈潔，彭奇志.基于BP神經(jīng)網(wǎng)絡(luò)的圖書館電子資源質(zhì)量評價研究[J].圖書情報工作，2010，（21）：84-87.

（本文責(zé)任編輯：馬卓）