经济全球化使经济发展方式逐渐由资源依赖型向创新驱动型转变,国际竞争日益体现在高新技术和创新能力上。鉴于此,KDD CUP 2016提出了一种基于文章接收量方法对科研机构创新能力评价的方案。本文以从MAG数据集中获取的741个机构在8个国际学术会议上发表的文章信息为研究基础,对科研机构创新能力进行评价。具体包括:1)数据预处理与常用方法简述。从MAG数据集中获取741个机构历年发表文章的信息数据,对其做去噪和信息匹配等预处理,并对本文评价标准和常用创新能力评价方法做一简要概括。2)基于网络特征的科研机构创新能力评价。本文以不同机构间共同发表的文章为基础,构建机构间的合著网络,并利用网络中重要节点挖掘算法,挖掘出网络中较有影响力的机构,以此作为机构创新能力排名。同时,将网络中可以代表每个节点影响力的特征值作为机构的网络中心性特征。3)基于特征融合的科研机构创新能力评价。首先利用作者个体信息构建作者个体特征。然后利用集成学习思想,设计了一种异态集成学习方法(层叠泛化算法)。在第一层中,将构建的两种特征和两种特征的融合分别作为输入应用于每个基模型,并将每个模型的预测结果融合后作为第二层模型的输入,通过训练得到最终的预测结果。最后又将单个特征和融合特征分别应用于同态集成学习方法(随机森林算法),用于机构创新能力预测。通过以上方法的比较分析,对于机构创新能力评价,利用机构中心性和作者个体特征融合在层叠泛化和随机森林算法中都取得了较好的预测效果,分别为0.7236,0.8495;对于单个特征,利用随机森林方法的预测准确性也分别达到了0.7067,0.7807。相比于现有工作,本文使用的方法对于科研机构创新能力研究具有很好的有效性。