基于生物特征表达企业要素之间联结方式的方法及其系统技术方案

本发明专利技术涉及基于生物特征表达企业要素之间联结方式的方法及其系统，该方法包括对特定企业要素的值进行归一化处理；利用归一化处理后的企业要素值按照同一纬度的向量表示，对企业表征向量化，获取原始向量；采用神经网络训练模型进行企业的深度表征，获取企业深度向量；根据企业深度向量获取企业要素之间的内部联结以及外部联结。本发明专利技术通过对特定的企业要素的值进行归一化，企业表征向量化及深度向量化，利用获取的企业深度向量获取企业要素的内部联结和外部联结，实现利用生物特征中的神经网络模型与企业要素之间联结有相似之处，为建立企业要素之间深层联结的表达方式提供了依据，有助于对单个企业态势的预测以及对多家企业的背景和态势的分析。

Method and system to express the connection between enterprise elements based on biometric features

The invention relates to a biological feature expression method of connection between enterprise elements and system based on this method, including the specific elements of the enterprise value is normalized; using the normalized value of enterprise elements according to the vector of the same latitude, for enterprises to obtain the original vector quantization representation, using neural network model training; in-depth characterization enterprises, enterprises to obtain depth vector; according to the enterprise depth vector obtaining elements of the enterprise internal connection and external connection. The invention of enterprises through elements of specific values were normalized to the quantitative characterization of enterprises, and the depth of vector, get enterprise elements using the enterprise obtain the depth vector of internal connection and external connection, realize the connection with the neural network model and enterprise elements biological characteristics between the similarities, provide the basis for the expression between the establishment of enterprise elements deep connection, analysis helps to predict the trend of individual enterprises and enterprises in the background and situation of the.

【技术实现步骤摘要】
基于生物特征表达企业要素之间联结方式的方法及其系统
本专利技术涉及企业要素，更具体地说是指基于生物特征表达企业要素之间联结方式的方法及其系统。
技术介绍
企业要素之间存在联结，利用企业要素之间的联结，以进行企业态势的预测，也可以对多家企业的背景和态势的分析，缺少联结的要素对分析企业之间关系的作用不大。目前，大部分企业要素之间的联结是通过关系数据库实现的，但是仅仅是一定程度的要素联结，而且主要通过主键外键之间的映射进行联结，要素之间的潜移默化的关系需要从不同角度挖掘，目前的联结方式无法表达深层的联结，导致企业态势的预测不够准确。因此，有必要设计一种基于生物特征表达企业要素之间联结方式的方法，利用生物特征中的神经网络模型与企业要素之间联结有着相似之处，为建立企业要素之间深层联结的表达方式提供了依据，有助于对单个企业态势的预测以及对多家企业的背景和态势的分析。
技术实现思路
本专利技术的目的在于克服现有技术的缺陷，提供基于生物特征表达企业要素之间联结方式的方法及其系统。为实现上述目的，本专利技术采用以下技术方案：基于生物特征表达企业要素之间联结方式的方法，所述方法包括：对特定企业要素的值进行归一化处理；利用归一化处理后的企业要素值按照同一纬度的向量表示，对企业表征向量化，获取原始向量；采用神经网络训练模型进行企业的深度表征，获取企业深度向量；根据企业深度向量获取企业要素之间的内部联结以及外部联结。其进一步技术方案为：对特定企业要素的值进行归一化处理的步骤，包括以下具体步骤：对所有企业要素进行编码；将每类企业要素的值按照标准化算法进行标准化，形成归一化处理的企业要素的值。其进一步技术方案为：将每类企业要素的值按照标准化算法进行标准化，形成归一化处理的企业要素的值的步骤，包括以下具体步骤：针对同一纬度的企业要素的值建立集合；统计集合内同一纬度的企业要素的值出现的频率；获取单个企业要素的值内的每个名词的权重以及每一个企业要素的概率，以每个名词以及对应的权重、每一个企业要素以及对应的概率形成归一化处理的企业要素的值。其进一步技术方案为：采用神经网络训练模型进行企业的深度表征，获取企业深度向量的步骤，包括以下具体步骤：建立<企业名词,企业名词>的频率表以及<企业名词，事件>的频率表；根据频率表建立霍夫曼树；原始向量作为输入层，将霍夫曼树作为输出层，训练神经网络，获取权重矩阵；从权重矩阵中映射出企业向量，形成企业深度向量。其进一步技术方案为：建立<企业名词,企业名词>的频率表以及<企业名词，事件>的频率表的步骤，包括以下具体步骤：获取符合要求的句子，提取二元组；对所述句子进行切词处理，获取集合；统计集合中的二元组的频率，形成建立<企业名词,企业名词>的频率表以及<企业名词，事件>的频率表。其进一步技术方案为：原始向量作为输入层，将霍夫曼树作为输出层，训练神经网络，获取权重矩阵的步骤，包括以下具体步骤根据原始向量获取二元组向量；根据霍夫曼树获取二元组向量的路径；根据路径获取对应的二元组向量的两个分类的概率；将两个概率相乘，获取似然函数；根据似然函数获取权重矩阵。本专利技术还提供了基于生物特征表达企业要素之间联结方式的系统，包括归一化处理单元、原始向量获取单元、企业深度向量获取单元以及联结获取单元；所述归一化处理单元，用于对特定企业要素的值进行归一化处理；所述原始向量获取单元，用于利用归一化处理后的企业要素值按照同一纬度的向量表示，对企业表征向量化，获取原始向量；所述企业深度向量获取单元，用于采用神经网络训练模型进行企业的深度表征，获取企业深度向量；所述联结获取单元，用于根据企业深度向量获取企业要素之间的内部联结以及外部联结。其进一步技术方案为：所述归一化处理单元包括编码模块以及标准化模块；所述编码模块，用于对所有企业要素进行编码；所述标准化模块，用于将每类企业要素的值按照标准化算法进行标准化，形成归一化处理的企业要素的值。其进一步技术方案为：所述标准化模块包括集合建立子模块、频率统计子模块以及归一值获取子模块；所述集合建立子模块，用于针对同一纬度的企业要素的值建立集合；所述频率统计子模块，用于统计集合内同一纬度的企业要素的值出现的频率；所述归一值获取子模块，用于获取单个企业要素的值内的每个名词的权重以及每一个企业要素的概率，以每个名词以及对应的权重、每一个企业要素以及对应的概率形成归一化处理的企业要素的值。其进一步技术方案为：所述企业深度向量获取单元包括频率表建立模块、霍夫曼树建立模块、权重矩阵获取模块以及深度向量形成模块；所述频率表建立模块，用于建立<企业名词,企业名词>的频率表以及<企业名词，事件>的频率表；所述霍夫曼树建立模块，用于根据频率表建立霍夫曼树；所述权重矩阵获取模块，用于原始向量作为输入层，将霍夫曼树作为输出层，训练神经网络，获取权重矩阵；所述深度向量形成模块，用于从权重矩阵中映射出企业向量，形成企业深度向量。本专利技术与现有技术相比的有益效果是：本专利技术的基于生物特征表达企业要素之间联结方式的方法，通过对特定的企业要素的值进行归一化处理，企业表征向量化以及深度向量化，进行企业要素进行规范化，再利用获取的企业深度向量获取企业要素的内部联结和外部联结，实现利用生物特征中的神经网络模型与企业要素之间联结有着相似之处，为建立企业要素之间深层联结的表达方式提供了依据，有助于对单个企业态势的预测以及对多家企业的背景和态势的分析。下面结合附图和具体实施例对本专利技术作进一步描述。附图说明图1为本专利技术具体实施例提供的基于生物特征表达企业要素之间联结方式的方法的流程图；图2为本专利技术具体实施例提供的对特定企业要素的值进行归一化处理的流程图；图3为本专利技术具体实施例提供的将每类企业要素的值按照标准化算法进行标准化的流程图；图4为本专利技术具体实施例提供的采用神经网络训练模型进行企业的深度表征的流程图；图5为本专利技术具体实施例提供的建立<企业名词,企业名词>的频率表以及<企业名词，事件>的频率表的流程图；图6为本专利技术具体实施例提供的获取权重矩阵的流程图；图7为本专利技术具体实施例提供的基于生物特征表达企业要素之间联结方式的系统的结构框图；图8为本专利技术具体实施例提供的归一化处理单元的结构框图；图9为本专利技术具体实施例提供的标准化模块的结构框图；图10为本专利技术具体实施例提供的企业要素及其值的表格；图11为本专利技术具体实施例提供的总词频的表格；图12为本专利技术具体实施例提供的单个企业要素所含词的词权重表格；图13为本专利技术具体实施例提供的每一个企业要素的概率表格；图14为本专利技术具体实施例提供的企业原始向量的表格；图15为本专利技术具体实施例提供的霍夫曼树的框架图；图16为本专利技术具体实施例提供的企业要素粒子产生的势能可视化图；图17为本专利技术具体实施例提供的生物学中提出的神经元创新机制图；图18为本专利技术具体实施例提供的BE->T->Q->V网络图；图19为本发本文档来自技高网...

【技术保护点】
基于生物特征表达企业要素之间联结方式的方法，其特征在于，所述方法包括：对特定企业要素的值进行归一化处理；利用归一化处理后的企业要素值按照同一纬度的向量表示，对企业表征向量化，获取原始向量；采用神经网络训练模型进行企业的深度表征，获取企业深度向量；根据企业深度向量获取企业要素之间的内部联结以及外部联结。

【技术特征摘要】
1.基于生物特征表达企业要素之间联结方式的方法，其特征在于，所述方法包括：对特定企业要素的值进行归一化处理；利用归一化处理后的企业要素值按照同一纬度的向量表示，对企业表征向量化，获取原始向量；采用神经网络训练模型进行企业的深度表征，获取企业深度向量；根据企业深度向量获取企业要素之间的内部联结以及外部联结。2.根据权利要求1所述的基于生物特征表达企业要素之间联结方式的方法，其特征在于，对特定企业要素的值进行归一化处理的步骤，包括以下具体步骤：对所有企业要素进行编码；将每类企业要素的值按照标准化算法进行标准化，形成归一化处理的企业要素的值。3.根据权利要求2所述的基于生物特征表达企业要素之间联结方式的方法，其特征在于，将每类企业要素的值按照标准化算法进行标准化，形成归一化处理的企业要素的值的步骤，包括以下具体步骤：针对同一纬度的企业要素的值建立集合；统计集合内同一纬度的企业要素的值出现的频率；获取单个企业要素的值内的每个名词的权重以及每一个企业要素的概率，以每个名词以及对应的权重、每一个企业要素以及对应的概率形成归一化处理的企业要素的值。4.根据权利要求1至3任一项所述的基于生物特征表达企业要素之间联结方式的方法，其特征在于，采用神经网络训练模型进行企业的深度表征，获取企业深度向量的步骤，包括以下具体步骤：建立<企业名词,企业名词>的频率表以及<企业名词，事件>的频率表；根据频率表建立霍夫曼树；原始向量作为输入层，将霍夫曼树作为输出层，训练神经网络，获取权重矩阵；从权重矩阵中映射出企业向量，形成企业深度向量。5.根据权利要求4所述的基于生物特征表达企业要素之间联结方式的方法，其特征在于，建立<企业名词,企业名词>的频率表以及<企业名词，事件>的频率表的步骤，包括以下具体步骤：获取符合要求的句子，提取二元组；对所述句子进行切词处理，获取集合；统计集合中的二元组的频率，形成建立<企业名词,企业名词>的频率表以及<企业名词，事件>的频率表。6.根据权利要求5所述的基于生物特征表达企业要素之间联结方式的方法，其特征在于，原始向量作为输入层，将霍夫曼树作为输出层...

【专利技术属性】
技术研发人员：刘海霞，
申请(专利权)人：前海梧桐深圳数据有限公司，
类型：发明
国别省市：广东,44