一种基于物联网的园区产业链的智慧分析方法、系统和可读存储介质技术方案

本发明专利技术公开的一种基于物联网的园区产业链的智慧分析方法、系统和可读存储介质，包括：通过网页爬取产业链数据，并对产业链数据进行预处理，得到结果信息；建立数据分类模型，根据数据分类模型对结果信息进行分类，生成若干个同源产业链网与异源产业链网；将同源产业链网内的若干个产业链与期望产业链数据进行相似度分析，得到相似度信息；将相似度信息与预设信息进行比较，得到偏差率；判断所述偏差率是否大于所述偏差率阈值；若大于，则将产业链数据输入价值分析模型，得到产业链价值评价信息；将若干个产业链进行价值排序，保留排序前N位的产业链；根据保留的产业链获取关联的企业数据，并形成企业空间分布图。并形成企业空间分布图。并形成企业空间分布图。

【技术实现步骤摘要】
一种基于物联网的园区产业链的智慧分析方法、系统和可读存储介质


[0001]本专利技术涉及产业链智慧分析领域，更具体的，涉及一种基于物联网的园区产业链的智慧分析方法、系统和可读存储介质。

技术介绍

[0002]随着生产技术的发展，生产规模的逐步扩大，现有生产过程越来越倾向于一系列互相关联的生产环节的组合，即产业链。根据产业链的定义，产业链是根据特定的逻辑联系和时空布局形成的上下关联的动态的链式结构。对于绝大部分企业来说，均处在某一个或某几个产业链中充当一定角色并与产业链中的其他企业形成链式关系，企业的发展越发依赖于产业链整体的发展。因此，对于产业链的有效、合理分析成为了产业链建设以及促进产业链内所有参与者共同发展的关键步骤。现有的产业链分析，针对的是企业群体的上下联动的链式组织关系分析，通过人工分析产业链的上下游关系及企业之间的关系，但是不能准确分析企业与相关产业的关联度高低，导致在产业链补强环节中无法针对性的招商，对创新资源不合理的配置导致资源浪费，利用率低，此外现有的产业链分析没有建立价值分析模型对产业链价值进行评价，无法形成关联企业空间分布图，难以全方位的对产业链进行智慧分析，分析精度较低。

技术实现思路

[0003]为了解决上述至少一个技术问题，本专利技术提出了一种基于物联网的园区产业链的智慧分析方法、系统和可读存储介质。
[0004]本专利技术第一方面提供了一种基于物联网的园区产业链的智慧分析方法，包括如下步骤：通过网页爬取产业链数据，并对产业链数据进行预处理，得到结果信息；建立数据分类模型，根据数据分类模型对结果信息进行分类，生成若干个同源产业链网与异源产业链网；将同源产业链网内的若干个产业链与期望产业链数据进行相似度分析，得到相似度信息；将相似度信息与预设信息进行比较，得到偏差率；判断所述偏差率是否大于所述偏差率阈值；若大于，则将产业链数据输入价值分析模型，得到产业链价值评价信息；将若干个产业链进行价值排序，保留排序前N位的产业链；根据保留的产业链获取关联的企业数据，并形成企业空间分布图。
[0005]本专利技术一个较佳实施例中，通过网页爬取产业链数据，并对产业链数据进行预处理，得到结果信息；具体包括：建立网页爬取文本，将网页爬取文件转换为词向量，在词向量空间内将语义相近
的文件聚集，并生成多个文本库；选取至少两个文本库内的文本交叉匹配形成数据检索关键词，根据数据检索关键词获取产业链数据；将获取的产业链数据根据清洗原则进行数据清洗，去除无效数据，得到筛选后的产业链数据。
[0006]本专利技术一个较佳实施例中，所述清洗原则包括数据生成的时间节点、数据的完整性或数据的有效性。
[0007]本专利技术一个较佳实施例中，所述数据分类模型为神经网络模型，数据分类方法如下：利用预训练的词向量初始化词嵌入矩阵，把输入数据中的词转化为词向量的形式；将词向量进行卷积运算，将卷积运算后的结果送入到池化层，降低数据的维度；采用最大池化层遍历所有的卷积尺寸后，将结果按照最后一个维度进行拼接，并将结果变为二维的数据输入到全连接层；根据全连接层输出的结果进行数据分类。
[0008]本专利技术一个较佳实施例中，所述数据分类模型包括交叉熵损失函数，通过交叉熵损失函数用于将分类错误的样本进行区分并提取；其中交叉熵损失函数公式如下：式中，y表示交叉熵损失函数；表示权重因子，且，正分类为；负分类为；表示经过激活函数的输出值，且；；表示调节因子，表示聚焦参数，且。
[0009]本专利技术一个较佳实施例中，同源产业链网包括若干个同源产业链，同源产业链为与核心企业研发技术相同的企业或与核心企业行业相同的企业。
[0010]本专利技术一个较佳实施例中，价值分析模型训练方法如下：通过大数据获取价值分析评价指标值，将价值分析评价指标值进行标准化处理；将处理后的各个指标值进行加权组合构建价值分析模型，通过价值分析模型计算产业链价值评价信息，并将产业链进行分级，分级后的产业链进行细分成产业链分布图，并得到相关企业信息。
[0011]所述价值分析评价指标值呈正态分布，对指标值进行标准化处理的公式为：式中表示修正系数；表示指标值；表示指标的平均值；表示指标的标准差。
[0012]本专利技术一个较佳实施例中，相关企业信息包括企业名称、企业所属行业、企业研发
技术情况、企业地址、企业经营范围信息。
[0013]本专利技术第二方面还提供了一种基于物联网的园区产业链的智慧分析系统，该系统包括：存储器、处理器，所述存储器中包括基于物联网的园区产业链的智慧分析方法程序，所述基于物联网的园区产业链的智慧分析方法程序被所述处理器执行时实现如下步骤：通过网页爬取产业链数据，并对产业链数据进行预处理，得到结果信息；建立数据分类模型，根据数据分类模型对结果信息进行分类，生成若干个同源产业链网与异源产业链网；将同源产业链网内的若干个产业链与期望产业链数据进行相似度分析，得到相似度信息；将相似度信息与预设信息进行比较，得到偏差率；判断所述偏差率是否大于所述偏差率阈值；若大于，则将产业链数据输入价值分析模型，得到产业链价值评价信息；将若干个产业链进行价值排序，保留排序前N位的产业链；根据保留的产业链获取关联的企业数据，并形成企业空间分布图。
[0014]本专利技术第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括基于物联网的园区产业链的智慧分析方法程序，所述基于物联网的园区产业链的智慧分析方法程序被处理器执行时，实现如上述任一项所述的基于物联网的园区产业链的智慧分析方法的步骤。
[0015]与现有技术相比，本专利技术所获得的有益技术效果：本申请通过数据分类模型，产业链数据进行分类，筛选出同源产业链网，并剔除异源产业链网，提高数据的处理速度，产业链数据分类后与期望产业链进行相似度分析，并通过价值分析模型对产业链价值进行评价，形成关联企业空间分布图，能够全方位的对产业链进行智慧分析，分析精度较高，分析结果更加接近实际值，通过根据产业链上中下游间的辐射与互动关系，发现产业瓶颈、选定优势赛道，从而为产业链优化提供参考依据。
附图说明
[0016]图1示出了本专利技术一种基于物联网的园区产业链的智慧分析方法的流程图；图2示出了本专利技术产业链数据预处理方法流程图；图3示出了本专利技术数据分析方法流程图；图4示出了本专利技术价值分析模型训练方法流程图；图5示出了本专利技术基于物联网的园区产业链的智慧分析系统框图。
具体实施方式
[0017]为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施方式对本专利技术进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
[0018]在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是，本专利技术还可以采用其他不同于在此描述的其他方式来实施，因此，本专利技术的保护范围并不受下面公开的具体实施例的限制。
[0019]图1示出了本专利技术一种基于物联网的园区产业链的智慧分析方法的流程图。
[0020]如图1所示，本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网的园区产业链的智慧分析方法，其特征在于，包括如下步骤：通过网页爬取产业链数据，并对产业链数据进行预处理，得到结果信息；建立数据分类模型，根据数据分类模型对结果信息进行分类，生成若干个同源产业链网与异源产业链网；将同源产业链网内的若干个产业链与期望产业链数据进行相似度分析，得到相似度信息；将相似度信息与预设信息进行比较，得到偏差率；判断所述偏差率是否大于所述偏差率阈值；若大于，则将产业链数据输入价值分析模型，得到产业链价值评价信息；将若干个产业链进行价值排序，保留排序前N位的产业链；根据保留的产业链获取关联的企业数据，并形成企业空间分布图。2.根据权利要求1所述的一种基于物联网的园区产业链的智慧分析方法，其特征在于，通过网页爬取产业链数据，并对产业链数据进行预处理，得到结果信息；具体包括：建立网页爬取文本，将网页爬取文件转换为词向量，在词向量空间内将语义相近的文件聚集，并生成多个文本库；选取至少两个文本库内的文本交叉匹配形成数据检索关键词，根据数据检索关键词获取产业链数据；将获取的产业链数据根据清洗原则进行数据清洗，去除无效数据，得到筛选后的产业链数据。3.根据权利要求2所述的一种基于物联网的园区产业链的智慧分析方法，其特征在于，所述清洗原则包括数据生成的时间节点、数据的完整性或数据的有效性。4.根据权利要求1所述的一种基于物联网的园区产业链的智慧分析方法，其特征在于，所述数据分类模型为神经网络模型，数据分类方法如下：利用预训练的词向量初始化词嵌入矩阵，把输入数据中的词转化为词向量的形式；将词向量进行卷积运算，将卷积运算后的结果送入到池化层，降低数据的维度；采用最大池化层遍历所有的卷积尺寸后，将结果按照最后一个维度进行拼接，并将结果变为二维的数据输入到全连接层；根据全连接层输出的结果进行数据分类。5.根据权利要求4所述的一种基于物联网的园区产业链的智慧分析方法，其特征在于，所述数据分类模型包括交叉熵损失函数，通过交叉熵损失函数用于将分类错误的样本进行区分并提取；其中交叉熵损失函数公式如下：式中，y表示交叉熵损失函数；表示权重因子，且，正分类为；负分类为；表示经过激活函数的输出值，且；

【专利技术属性】
技术研发人员：谷俊，郭伟薇，
申请(专利权)人：博观创新上海大数据科技有限公司，
类型：发明
国别省市：