本發(fā)明屬于產(chǎn)業(yè)鏈數(shù)據(jù)，具體涉及一種產(chǎn)業(yè)鏈企業(yè)識(shí)別與分析方法。

背景技術(shù)：

1、識(shí)別產(chǎn)業(yè)鏈上的企業(yè)有多種應(yīng)用場(chǎng)景，如產(chǎn)業(yè)鏈優(yōu)化配置、投資決策與戰(zhàn)略規(guī)劃、供應(yīng)鏈管理等，這些場(chǎng)景涵蓋了不同行業(yè)和經(jīng)濟(jì)活動(dòng)，旨在優(yōu)化資源配置、促進(jìn)產(chǎn)業(yè)升級(jí)和提高市場(chǎng)效率。我國(guó)登記在冊(cè)的企業(yè)超過(guò)5000萬(wàn)戶，如何基于海量信息精準(zhǔn)識(shí)別產(chǎn)業(yè)鏈相關(guān)的企業(yè)是一個(gè)難點(diǎn)問(wèn)題。其中一個(gè)關(guān)鍵點(diǎn)是需要收集準(zhǔn)確的產(chǎn)業(yè)鏈領(lǐng)域知識(shí)，以輔助準(zhǔn)確識(shí)別相關(guān)企業(yè)。

2、現(xiàn)有技術(shù)分別構(gòu)建基于特定維度（預(yù)設(shè)信息的指標(biāo)）的評(píng)價(jià)模型，形成評(píng)分，并通過(guò)不同權(quán)重形成各個(gè)階段（上中下游）的綜合評(píng)分，按照取最高分或閾值比較的方式判斷所屬階段，目前現(xiàn)有技術(shù)中存在的問(wèn)題：

3、1）產(chǎn)業(yè)鏈領(lǐng)域知識(shí)涉及內(nèi)容廣、條目細(xì)，基于獨(dú)立訓(xùn)練構(gòu)建的預(yù)設(shè)模型很難保證識(shí)別效果；

4、2）每個(gè)企業(yè)都需要必須經(jīng)過(guò)多個(gè)模型的判斷，企業(yè)數(shù)量較多的情況下算法效率相對(duì)較低。

技術(shù)實(shí)現(xiàn)思路

1、為達(dá)到上述目的，本發(fā)明的技術(shù)方案如下：一種產(chǎn)業(yè)鏈企業(yè)識(shí)別與分析方法，具體包括如下步驟：

2、步驟一，構(gòu)建產(chǎn)業(yè)鏈知識(shí)庫(kù)，包括收集產(chǎn)業(yè)鏈的主要階段及相關(guān)技術(shù)描述和相關(guān)度信息，分別形成若干知識(shí)因子組成產(chǎn)業(yè)鏈知識(shí)庫(kù)；構(gòu)建核驗(yàn)數(shù)據(jù)集，通過(guò)多種渠道收集并標(biāo)注企業(yè)清單；

3、步驟二，收集企業(yè)信息，與產(chǎn)業(yè)鏈知識(shí)庫(kù)進(jìn)行關(guān)聯(lián)計(jì)算，生成特定企業(yè)與知識(shí)因子的相關(guān)性量化指標(biāo)和文本性描述，構(gòu)成企業(yè)特征集合；

4、步驟三，采用產(chǎn)業(yè)鏈匹配模型識(shí)別目標(biāo)產(chǎn)業(yè)鏈上的候選企業(yè)集合，產(chǎn)業(yè)鏈匹配模型的輸入為特征集合中的指標(biāo)，基于產(chǎn)業(yè)鏈匹配模型輸出的相關(guān)性指數(shù)選擇目標(biāo)產(chǎn)業(yè)鏈上的候選企業(yè)；

5、步驟四，采用產(chǎn)業(yè)鏈階段識(shí)別模型判別企業(yè)所屬的產(chǎn)業(yè)鏈階段，產(chǎn)業(yè)鏈階段識(shí)別模型包含若干子模型，分別對(duì)應(yīng)產(chǎn)業(yè)鏈的不同階段，產(chǎn)業(yè)鏈階段識(shí)別模型的輸入為特征集合中的指標(biāo)，基于模型輸出的預(yù)測(cè)概率判別企業(yè)是否屬于特定產(chǎn)業(yè)鏈階段；

6、步驟五，采用產(chǎn)業(yè)鏈階段識(shí)別語(yǔ)言模型對(duì)未劃分階段的產(chǎn)業(yè)鏈企業(yè)進(jìn)行再次判別，產(chǎn)業(yè)鏈階段語(yǔ)言識(shí)別模型的輸入為企業(yè)的文本性描述，基于自然語(yǔ)言處理技術(shù)判斷企業(yè)是否屬于特定產(chǎn)業(yè)鏈；

7、步驟六，采用核驗(yàn)數(shù)據(jù)集對(duì)比識(shí)別結(jié)果，對(duì)產(chǎn)業(yè)鏈知識(shí)進(jìn)行誤判和漏判的歸因分析，識(shí)別知識(shí)庫(kù)中造成誤判的已有知識(shí)因子，提煉減少漏判的新知識(shí)因子，優(yōu)化產(chǎn)業(yè)鏈知識(shí)庫(kù)；

8、步驟七，更新識(shí)別結(jié)果至偏差小于預(yù)設(shè)值。

9、作為本發(fā)明的一種改進(jìn)，步驟一中產(chǎn)業(yè)鏈知識(shí)庫(kù)是指在判斷企業(yè)是否屬于目標(biāo)產(chǎn)業(yè)鏈及其所處產(chǎn)業(yè)鏈階段所需的領(lǐng)域知識(shí)；核驗(yàn)數(shù)據(jù)集是指用于核驗(yàn)產(chǎn)業(yè)鏈模型效果的特定企業(yè)名單。產(chǎn)業(yè)鏈知識(shí)庫(kù)由若干知識(shí)因子組成，知識(shí)因子有多種組織形式，可以是描述產(chǎn)業(yè)鏈相關(guān)原材料、技術(shù)、產(chǎn)品和服務(wù)的關(guān)鍵詞，也可以是產(chǎn)業(yè)準(zhǔn)入規(guī)則（如行政許可和資質(zhì)證書等）等?？蛇x地，知識(shí)因子可以對(duì)應(yīng)權(quán)重和產(chǎn)業(yè)鏈階段標(biāo)識(shí)。權(quán)重用于表示該知識(shí)因子的貢獻(xiàn)度，權(quán)重越大，與產(chǎn)業(yè)鏈相關(guān)性越高；產(chǎn)業(yè)鏈階段標(biāo)識(shí)用于說(shuō)明該知識(shí)因子對(duì)應(yīng)的一個(gè)或多個(gè)產(chǎn)業(yè)鏈階段，如上游、中游或下游。產(chǎn)業(yè)鏈知識(shí)庫(kù)由若干知識(shí)因子組成，核驗(yàn)數(shù)據(jù)集包括正向數(shù)據(jù)集和負(fù)向數(shù)據(jù)集，正向數(shù)據(jù)集包含若干已明確的屬于目標(biāo)產(chǎn)業(yè)鏈的企業(yè)，負(fù)向數(shù)據(jù)包括若干已明確的不屬于目標(biāo)產(chǎn)業(yè)鏈或不屬于特定產(chǎn)業(yè)鏈階段的企業(yè)。

10、作為本發(fā)明的一種改進(jìn)，步驟二中企業(yè)特征集合加工通過(guò)對(duì)比企業(yè)信息和產(chǎn)業(yè)鏈知識(shí)庫(kù)，形成數(shù)值化的指標(biāo)，和/或非結(jié)構(gòu)化內(nèi)容。企業(yè)信息是指能夠描述企業(yè)的經(jīng)營(yíng)范圍、發(fā)展領(lǐng)域、主要產(chǎn)品和服務(wù)的內(nèi)容；特征集合是指基于企業(yè)信息加工處理后形成的反映企業(yè)與產(chǎn)業(yè)鏈相關(guān)性的內(nèi)容。

11、作為本發(fā)明的一種改進(jìn)，步驟三中產(chǎn)業(yè)鏈匹配模型的輸入為特征集合中的指標(biāo)，模型的輸出值為評(píng)分或概率，輸出值越高說(shuō)明企業(yè)和產(chǎn)業(yè)相關(guān)性越高，通過(guò)設(shè)定閾值的方式從全量企業(yè)中篩選出目標(biāo)產(chǎn)業(yè)鏈上的候選企業(yè)，形成候選企業(yè)集合。

12、作為本發(fā)明的一種改進(jìn)，步驟四中產(chǎn)業(yè)鏈階段識(shí)別模型可由若干子模型組成，分別對(duì)應(yīng)產(chǎn)業(yè)鏈的不同階段，子模型的輸入為特征集合中的指標(biāo)，子模型的輸出值為評(píng)分或概率，輸出值越高說(shuō)明企業(yè)和相應(yīng)產(chǎn)業(yè)鏈階段的相關(guān)性越高?？赏ㄟ^(guò)設(shè)定閾值的方式判斷候選企業(yè)是否屬于特定產(chǎn)業(yè)鏈階段，一個(gè)候選企業(yè)可以對(duì)應(yīng)多個(gè)產(chǎn)業(yè)鏈階段，也可能出現(xiàn)候選企業(yè)無(wú)法被劃分到任一產(chǎn)業(yè)鏈階段的情況。

13、作為本發(fā)明的一種改進(jìn)，步驟五中采用產(chǎn)業(yè)鏈階段識(shí)別語(yǔ)言模型對(duì)未劃分產(chǎn)業(yè)鏈階段的候選企業(yè)進(jìn)行再次判別，輸出是否屬于特定產(chǎn)業(yè)鏈，仍無(wú)法劃分產(chǎn)業(yè)鏈階段的候選企業(yè)被認(rèn)為非產(chǎn)業(yè)鏈上的企業(yè)，并形成產(chǎn)業(yè)鏈企業(yè)識(shí)別結(jié)果。產(chǎn)業(yè)鏈階段識(shí)別語(yǔ)言模型的輸入可以是特征集合中的非結(jié)構(gòu)化信息，采用自然語(yǔ)言處理等技術(shù)綜合判別企業(yè)所處的產(chǎn)業(yè)鏈階段。

14、作為本發(fā)明的一種改進(jìn)，步驟六中可以針對(duì)正向數(shù)據(jù)集但不在產(chǎn)業(yè)鏈企業(yè)識(shí)別結(jié)果的企業(yè)，將特征集合中漏判企業(yè)的信息與知識(shí)庫(kù)進(jìn)行比較，提煉新增知識(shí)因子補(bǔ)全知識(shí)庫(kù)?？梢詫?duì)比負(fù)向數(shù)據(jù)集和產(chǎn)業(yè)鏈企業(yè)識(shí)別結(jié)果，針對(duì)誤判的企業(yè)分別定位造成誤判的知識(shí)因子并做刪除或降低權(quán)重處理。

15、作為本發(fā)明的一種改進(jìn)，步驟七重復(fù)步驟三至六更新識(shí)別結(jié)果，至核驗(yàn)偏差小于收斂預(yù)設(shè)值。這里核驗(yàn)偏差可以是發(fā)生漏判或誤判的企業(yè)數(shù)的加權(quán)求和。

16、相對(duì)于現(xiàn)有技術(shù)，本發(fā)明的有益效果為：

17、1）提出了一種產(chǎn)業(yè)鏈知識(shí)庫(kù)構(gòu)建方法，可以支持分層的產(chǎn)業(yè)鏈識(shí)別模型；

18、2）在產(chǎn)業(yè)鏈識(shí)別中引入了反饋機(jī)制，通過(guò)對(duì)知識(shí)庫(kù)的迭代優(yōu)化提升識(shí)別效果；

19、3）在產(chǎn)業(yè)鏈企業(yè)識(shí)別中采用分層模型的機(jī)制，先粗篩再精細(xì)劃分，使模型有較高的識(shí)別效率。

技術(shù)特征：

1.一種產(chǎn)業(yè)鏈企業(yè)識(shí)別與分析方法，其特征在于，包括如下步驟：

2.根據(jù)權(quán)利要求1所述的一種產(chǎn)業(yè)鏈企業(yè)識(shí)別與分析方法，其特征在于，步驟一中核驗(yàn)數(shù)據(jù)集包括正向數(shù)據(jù)集和負(fù)向數(shù)據(jù)集，正向數(shù)據(jù)集包含若干已明確的屬于目標(biāo)產(chǎn)業(yè)鏈的企業(yè)，負(fù)向數(shù)據(jù)包括若干已明確的不屬于目標(biāo)產(chǎn)業(yè)鏈或不屬于特定產(chǎn)業(yè)鏈階段的企業(yè)。

3.根據(jù)權(quán)利要求1所述的一種產(chǎn)業(yè)鏈企業(yè)識(shí)別與分析方法，其特征在于，步驟二中企業(yè)特征集合加工通過(guò)對(duì)比企業(yè)信息和產(chǎn)業(yè)鏈知識(shí)庫(kù)，形成數(shù)值化的指標(biāo)，和/或非結(jié)構(gòu)化內(nèi)容。

4.根據(jù)權(quán)利要求1所述的一種產(chǎn)業(yè)鏈企業(yè)識(shí)別與分析方法，其特征在于，步驟三中產(chǎn)業(yè)鏈匹配模型的輸入為特征集合中的指標(biāo)，模型的輸出值為評(píng)分或概率，輸出值越高說(shuō)明企業(yè)和產(chǎn)業(yè)相關(guān)性越高，通過(guò)設(shè)定閾值的方式從全量企業(yè)中篩選出目標(biāo)產(chǎn)業(yè)鏈上的候選企業(yè)，形成候選企業(yè)集合。

5.根據(jù)權(quán)利要求1所述的一種產(chǎn)業(yè)鏈企業(yè)識(shí)別與分析方法，其特征在于，步驟四中產(chǎn)業(yè)鏈階段識(shí)別模型可由若干子模型組成，分別對(duì)應(yīng)產(chǎn)業(yè)鏈的不同階段，子模型的輸入為特征集合中的指標(biāo)，子模型的輸出值為評(píng)分或概率，輸出值越高說(shuō)明企業(yè)和相應(yīng)產(chǎn)業(yè)鏈階段的相關(guān)性越高。

6.根據(jù)權(quán)利要求1所述的一種產(chǎn)業(yè)鏈企業(yè)識(shí)別與分析方法，其特征在于，步驟五中采用產(chǎn)業(yè)鏈階段識(shí)別語(yǔ)言模型對(duì)未劃分產(chǎn)業(yè)鏈階段的候選企業(yè)進(jìn)行再次判別，輸出是否屬于特定產(chǎn)業(yè)鏈階段的結(jié)論，仍無(wú)法劃分產(chǎn)業(yè)鏈階段的候選企業(yè)被認(rèn)為非產(chǎn)業(yè)鏈上的企業(yè)，并形成產(chǎn)業(yè)鏈企業(yè)識(shí)別結(jié)果。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種產(chǎn)業(yè)鏈企業(yè)識(shí)別與分析方法，具體包括步驟一，構(gòu)建產(chǎn)業(yè)鏈知識(shí)庫(kù)和核驗(yàn)數(shù)據(jù)集；步驟二，收集企業(yè)信息，與產(chǎn)業(yè)鏈知識(shí)庫(kù)進(jìn)行關(guān)聯(lián)計(jì)算，生成企業(yè)特征集合；步驟三，采用產(chǎn)業(yè)鏈匹配模型識(shí)別目標(biāo)產(chǎn)業(yè)鏈上的候選企業(yè)集合；步驟四，采用產(chǎn)業(yè)鏈階段識(shí)別模型判別企業(yè)所屬的產(chǎn)業(yè)鏈階段；步驟五，采用產(chǎn)業(yè)鏈階段識(shí)別語(yǔ)言模型對(duì)未劃分階段的產(chǎn)業(yè)鏈企業(yè)進(jìn)行再次判別；步驟六，采用核驗(yàn)數(shù)據(jù)集對(duì)比識(shí)別結(jié)果，對(duì)產(chǎn)業(yè)鏈知識(shí)進(jìn)行誤判和漏判的歸因分析，優(yōu)化產(chǎn)業(yè)鏈知識(shí)庫(kù)；步驟七，更新識(shí)別結(jié)果至偏差小于預(yù)設(shè)值。在產(chǎn)業(yè)鏈識(shí)別中引入了反饋機(jī)制，通過(guò)對(duì)知識(shí)庫(kù)的迭代優(yōu)化提升識(shí)別效果；在產(chǎn)業(yè)鏈企業(yè)識(shí)別中采用分層模型的機(jī)制，先粗篩再精細(xì)劃分，使模型有較高的識(shí)別效率。

技術(shù)研發(fā)人員：倪偉淵,周云松,王治平,劉錢,張輝,潘書全
受保護(hù)的技術(shù)使用者：江蘇省聯(lián)合征信有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15