🔍 耿同学打假报告

论文信息

• 标题：基于图神经网络的种业企业创新能力评价方法研究
• 作者：唐珊珊
• 指导教师：王开义 研究员、杨锋 副研究员
• 学校/机构：黑龙江八一农垦大学
• 论文来源：基于图神经网络的种业企业创新能力评价方法研究_唐珊珊.pdf
• 发表/毕业年份：2026.06

综合评定：🟠 高度可疑

详细发现

发现 1：核心实验数据"精神分裂"（数据造假检测）

• 位置：表 3-4（第 41 页）与 3.4.2 节正文描述（第 42 页）
• 描述：在关系图有效性分析的实验中，作者在表 3-4 中报告了多通道模型的平均准确率（ACC），但在紧接着的下文对混淆矩阵图（图 3-6）进行解读时，所列举的准确率数值与表格数据全员对不上。
• 证据：
  • 完整 MGCN 模型：表 3-4 为 0.8359 (83.59%)，正文却说“从图 3-6（a）中可以看出，MGCN 模型的准确率为 83.76%”。
  • 移除持股图：表 3-4 为 0.8155 (81.55%)，正文说“降至 81.73%”。
  • 移除合作图：表 3-4 为 0.7911 (79.11%)，正文说“降至 79.70%”。
  • 移除创新相似图：表 3-4 为 0.7533 (75.33%)，正文说“为 75.13%”。
    作者在前文 3.3.1 节明确声明“以 5 次实验的模型性能指标的平均值与标准差作为最终评价指标”。这说明表格里的均值与单次跑出的混淆矩阵产生了严重脱节，存在随意篡改数据或拼凑实验结果的重大嫌疑。
• 严重程度：🔴
• 复核状态：✅ 成立

发现 2：图文编号引用的"薛定谔状态"（引用与方法学异常）

• 位置：3.4.2 节（第 43 页）
• 描述：在描述相似度阈值与 \(k\) 值的敏感性分析实验时，正文与图片的对应关系发生明显的复制粘贴遗漏错误。
• 证据：正文写道“进行构图参数的敏感性分析实验，结果如图 3-6 所示。”但实际上该实验结果对应的是下一页的图 3-7（“图 3-7 不同相似度阈值与 \(k\) 值下的模型准确率折线图”）。令人啼笑皆非的是，紧接着的下一段首句又变成了“从图 3-7 可以看出”。同一项实验结果，前后两段的图号居然不一致，暴露出作者在修改稿件时极不严谨，东拼西凑的痕迹明显。
• 严重程度：🟠
• 复核状态：✅ 成立

发现 3：概念混淆与术语乱用（方法学异常）

• 位置：3.3.2 节（第 36 页）
• 描述：在解释为什么传统机器学习模型性能不如图神经网络时，作者对随机森林（RF）的本质给出了令人咋舌的错误定义。
• 证据：正文写道：“RF 本质上仍是一种基于节点独立假设的模型，完全无法建模企业之间的多维关联”。在经典机器学习理论中，传统模型基于的假设叫做“样本独立同分布”，而“节点”一词是图论和图神经网络中的专属概念。这说明作者对所使用的基础算法理论缺乏最基本的准确认知，生搬硬套图神经网络的语境去贬低对比模型。
• 严重程度：🟡
• 复核状态：✅ 成立

⚠️ 发现 4：视觉材料缺失导致无法溯源

• 位置：全篇图表
• 描述：提供的论文图片视觉分析摘要显示，文件中仅包含论文封面、目录及摘要文本页，未包含任何核心实验数据图表（如对比柱状图、混淆矩阵、节点嵌入可视化等）。
• 证据：由于无法获取图片本体，无法对论文中声称的“模型 15 次运行的准确率箱线散点图”、“混淆矩阵结果”以及“2-Hop 子图可视化”等进行像素级的伪造或拼接检测。结合前文发现的文本数据冲突，这些缺失的图表更加重了数据的不可验证性。
• 严重程度：🟡
• 复核状态：⚠️ 依据不足

耿同学辣评

实验数据的“表里不一”堪称学术界的量子纠缠——看表格是一个数，看正文又变成了另一个数！如果连最基础的准确率数字都能在不同位置灵活变身，那我实在不敢想象这 981 家企业的真实评价结果是怎么“算”出来的。此外，连传统机器学习的经典假设都能被扭曲成图论的“节点独立”，这已经不是简单的笔误，而是暴露了理论基础极不扎实。做学术可不能像切菜一样随心所欲啊！

建议后续行动

• 联系作者要求提供完整的原始实验日志（Log）和混淆矩阵源数据
• 在学校盲审/答辩阶段由评委重点质询表 3-4 与正文数据的严重不一致问题
• 要求作者梳理全文所有图表引用逻辑，修正低级的图文错位问题
• 复核作者对机器学习基础概念的理解，确保方法论述的严谨性

⚠️ 免责声明

本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。