基于大数据的企业科技服务个性化推荐方法及系统技术方案

本发明专利技术涉及用于推荐的数据处理技术领域，具体涉及基于大数据的企业科技服务个性化推荐方法及系统，包括：根据访问次数得到初步推荐企业，得到每个初步推荐企业的服务可行性、服务性价比、服务接受力以及最终效率，从而得到每个初步推荐企业的企业合适度，根据企业合适度得到若干合适推荐企业，根据访问次数得到最终平滑因子，根据最终平滑因子得到每个合适推荐企业的最终推荐度，最后得到最终推荐企业，实现基于大数据的企业科技服务个性化推荐。本发明专利技术将大量人为分析的部分转换为数据分析，减少人为参与部分，使最终推荐的服务更加适合用户服务要求。适合用户服务要求。适合用户服务要求。

【技术实现步骤摘要】
基于大数据的企业科技服务个性化推荐方法及系统


[0001]本专利技术涉及用于推荐的数据处理
，具体涉及基于大数据的企业科技服务个性化推荐方法及系统。

技术介绍

[0002]随着互联网技术的不断发展与数字化转型的不断深入，市场对企业科技服务的需求越来越大，然而在面对大量的服务提供商、服务类型和服务方案，企业难以选择适合自身的服务，所以需要个性化地推荐服务来辅助企业更好地选择适合自身的服务，而大数据技术的发展为个性化推荐提供了有力的支持，能够利用多维度的数据分析手段提供更加精准的服务推荐。
[0003]而现有的推荐方法，多依赖人为进行数据分析，通过分析结果进行数据的热点追踪，进而进行爱好或偏好的推送，其中人为参与的部分占比较大；为了推荐方法更加智能化，本专利技术提出了基于大数据的企业科技服务个性化推荐方法及系统，帮助企业快速、准确地获得适合自己的服务推荐，并进一步提供优化建议，以提高企业的效率和服务质量，预测企业发展方向、规模，实时推荐企业科技服务个性化方案。

技术实现思路

[0004]本专利技术提供基于大数据的企业科技服务个性化推荐方法及系统，以解决现有的问题。
[0005]本专利技术的基于大数据的企业科技服务个性化推荐方法及系统采用如下技术方案：本专利技术一个实施例提供了基于大数据的企业科技服务个性化推荐方法，该方法包括以下步骤：获取每个企业的企业数据以及对应的访问次数；所述企业数据包括每家企业的注册资金、融资金额、受服务总成本、收益率、所推荐服务价格、人员规模、征信记录数、离职率、现有成果总数、单位周期内的实际成果转化数、单位周期内的需求成果转化数及技术成熟度；根据访问次数对企业进行阈值筛选得到若干初步推荐企业，根据每个初步推荐企业的企业数据得到每个初步推荐企业的服务可行性参考序列及服务性价比参考序列；根据服务可行性参考序列得到每个初步推荐企业的服务可行性；根据服务性价比参考序列得到每个初步推荐企业的服务性价比；根据注册资金与融资金额得到每个初步推荐企业的服务接受力；根据技术成熟度与单位周期内的实际成果转化数得到每个初步推荐企业的最终效率；根据初步推荐企业的服务可行性、服务性价比、服务接受力以及最终效率得到初步推荐企业的企业合适度，根据企业合适度对初步推荐企业进行阈值筛选得到若干合适推荐企业；根据服务接受力与最终效率的比值与访问次数得到每次访问每个合适推荐企业
的最终平滑因子，根据最终平滑因子得到每个合适推荐企业的最终推荐度，根据最终推荐度对合适推荐企业进行阈值筛选得到若干最终推荐企业，实现基于大数据的企业科技服务个性化推荐。
[0006]优选的，所述根据服务可行性参考序列得到每个初步推荐企业的服务可行性，包括的具体方法为：，对于任意一个初步推荐企业，式中，FZ1表示初步推荐企业的服务初步可行性；n1表示服务可行性参考序列中包含的企业数据类型数量；表示在服务可行性参考序列中，第j个企业数据的数值；获取所有初步推荐企业的服务初步可行性，对所有初步推荐企业的服务初步可行性进行线性归一化，得到的结果记为每个初步推荐企业的服务可行性。
[0007]优选的，所述根据服务性价比参考序列得到每个初步推荐企业的服务性价比，包括的具体方法为：，对于任意一个初步推荐企业，式中，FZ2表示初步推荐企业的服务初步性价比；n2表示服务性价比参考序列中包含的企业数据类型数量；表示在服务性价比参考序列中，第j1个企业数据的数值；获取所有初步推荐企业的服务初步性价比，对所有初步推荐企业的服务初步性价比进行线性归一化，得到的结果记为每个初步推荐企业的服务性价比。
[0008]优选的，所述根据注册资金与融资金额得到每个初步推荐企业的服务接受力，包括的具体方法为：对于任意一个初步推荐企业，将初步推荐企业的注册资金经sigmoid函数处理后的值记为初步推荐企业的第一注册资金；将初步推荐企业的融资金额经sigmoid函数处理后的值记为初步推荐企业的第一融资金额；初步推荐企业服务接受力的计算方法为：，式中，M1表示初步推荐企业的服务接受力；J表示初步推荐企业的第一注册资金；n表示初步推荐企业进行融资的次数；表示初步推荐企业第i次的第一融资金额。
[0009]优选的，所述根据技术成熟度与单位周期内的实际成果转化数得到每个初步推荐企业的最终效率，包括的具体方法为：对于任意一个初步推荐企业，初步推荐企业最终效率的计算方法为：，式中，W1表示初步推荐企业的最终效率；e表示初步推荐企业的单位周期内的实际成果转化数；d表示初步推荐企业的单位周期内的需求成果转化数；V表示初步推荐企业的技术成熟度。
[0010]优选的，所述根据初步推荐企业的服务可行性、服务性价比、服务接受力以及最终效率得到初步推荐企业的企业合适度，包括的具体方法为：，对于任意一个初步推荐企业，式中，Q表示初步推荐企业的企业初始合适度；F1表示初步推荐企业的服务可行性；F2表示初步推荐企业的服务性价比；M1表示初步推荐企业的服务接受力；W1表示初步推荐企业的最终效率；将初步推荐企业的企业初始合适度经sigmoid函数处理后的值记为初步推荐企业的企业合适度。
[0011]优选的，所述根据服务接受力与最终效率的比值与访问次数得到每次访问每个合适推荐企业的最终平滑因子，包括的具体方法为：对于任意一个合适推荐企业，将每一次访问合适推荐企业的服务接受力与最终效率的比值记为每一次访问合适推荐企业的第一比值，将第一比值经sigmoid函数处理后的值记为每一次访问合适推荐企业的平滑因子；对每一次访问合适推荐企业的平滑因子进行大小判断，从第一次访问合适推荐企业的平滑因子开始遍历：若第一次访问合适推荐企业的平滑因子大于第二次访问合适推荐企业的平滑因子，将第一次访问合适推荐企业的平滑因子作为第二次访问合适推荐企业的最终平滑因子；若第二次访问合适推荐企业的平滑因子大于第三次访问合适推荐企业的平滑因子，将第二次访问合适推荐企业的平滑因子作为第三次访问合适推荐企业的最终平滑因子；若第三次访问合适推荐企业的平滑因子大于第四次访问合适推荐企业的平滑因子，将第三次访问合适推荐企业的平滑因子作为第四次访问合适推荐企业的最终平滑因子；遍历完所有次访问合适推荐企业的平滑因子；若第一次访问合适推荐企业的平滑因子小于等于第二次访问合适推荐企业的平滑因子，将第二次访问合适推荐企业的平滑因子作为第二次访问合适推荐企业的最终平滑因子；若第二次访问合适推荐企业的平滑因子小于等于第三次访问合适推荐企业的平滑因子，将第三次访问合适推荐企业的平滑因子作为第三次访问合适推荐企业的最终平滑因子；若第三次访问合适推荐企业的平滑因子小于等于第四次访问合适推荐企业的平滑因子，将第四次访问合适推荐企业的平滑因子作为第四次访问合适推荐企业的最终平滑因子；遍历完所有次访问合适推荐企业的平滑因子；获取每一次访问合适推荐企业的最终平滑因子。
[0012]优选的，所述根据最终平滑因子得到每个合适推荐企业的最终推荐度，包括的具体方法为：，对于任意一个合适推荐企业，式中，A表示合适推荐企业的最终推荐度；B表示合适推荐企业的访问次数；表示第b本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于大数据的企业科技服务个性化推荐方法，其特征在于，该方法包括以下步骤：获取每个企业的企业数据以及对应的访问次数；所述企业数据包括每家企业的注册资金、融资金额、受服务总成本、收益率、所推荐服务价格、人员规模、征信记录数、离职率、现有成果总数、单位周期内的实际成果转化数、单位周期内的需求成果转化数及技术成熟度；根据访问次数对企业进行阈值筛选得到若干初步推荐企业，根据每个初步推荐企业的企业数据得到每个初步推荐企业的服务可行性参考序列及服务性价比参考序列；根据服务可行性参考序列得到每个初步推荐企业的服务可行性；根据服务性价比参考序列得到每个初步推荐企业的服务性价比；根据注册资金与融资金额得到每个初步推荐企业的服务接受力；根据技术成熟度与单位周期内的实际成果转化数得到每个初步推荐企业的最终效率；根据初步推荐企业的服务可行性、服务性价比、服务接受力以及最终效率得到初步推荐企业的企业合适度，根据企业合适度对初步推荐企业进行阈值筛选得到若干合适推荐企业；根据服务接受力与最终效率的比值与访问次数得到每次访问每个合适推荐企业的最终平滑因子，根据最终平滑因子得到每个合适推荐企业的最终推荐度，根据最终推荐度对合适推荐企业进行阈值筛选得到若干最终推荐企业，实现基于大数据的企业科技服务个性化推荐。2.根据权利要求1所述基于大数据的企业科技服务个性化推荐方法，其特征在于，所述根据服务可行性参考序列得到每个初步推荐企业的服务可行性，包括的具体方法为：，对于任意一个初步推荐企业，式中，FZ1表示初步推荐企业的服务初步可行性；n1表示服务可行性参考序列中包含的企业数据类型数量；表示在服务可行性参考序列中，第j个企业数据的数值；获取所有初步推荐企业的服务初步可行性，对所有初步推荐企业的服务初步可行性进行线性归一化，得到的结果记为每个初步推荐企业的服务可行性。3.根据权利要求1所述基于大数据的企业科技服务个性化推荐方法，其特征在于，所述根据服务性价比参考序列得到每个初步推荐企业的服务性价比，包括的具体方法为：，对于任意一个初步推荐企业，式中，FZ2表示初步推荐企业的服务初步性价比；n2表示服务性价比参考序列中包含的企业数据类型数量；表示在服务性价比参考序列中，第j1个企业数据的数值；获取所有初步推荐企业的服务初步性价比，对所有初步推荐企业的服务初步性价比进行线性归一化，得到的结果记为每个初步推荐企业的服务性价比。4.根据权利要求1所述基于大数据的企业科技服务个性化推荐方法，其特征在于，所述根据注册资金与融资金额得到每个初步推荐企业的服务接受力，包括的具体方法为：对于任意一个初步推荐企业，将初步推荐企业的注册资金经sigmoid函数处理后的值记为初步推荐企业的第一注册资金；将初步推荐企业的融资金额经sigmoid函数处理后的值记为初步推荐企业的第一融资金额；初步推荐企业服务接受力的计算方法为：
，式中，M1表示初步推荐企业的服务接受力；J表示初步推荐企业的第一注册资金；n表示初步推荐企业进行融资的次数；表示初步推荐企业第i次的第一融资金额。5.根据权利要求1所述基于大数据的企业科技服务个性化推荐方法，其特征在于，所述根据技术成熟度与单位周期内的实际成果转化数得到每个初步推荐企业的最终效率，包括的具体方法为：对于任意一个初步推荐企业，初步推荐企业最终效率的计算方法为：，式中，W1表示初步推荐企业的最终效率；e表示初步推荐企业的单位周期内的实际成果转化数；d表示初步推荐企业的单位周期内的需求成果转化数；V表示初步推荐企业的技术成熟度。6.根据权利要求1所述基于大数据的企业科技服务个性化推荐方法，其特征在于，所述根据初步推荐企业的服务可行性、服务性价比、服务接受力以及最终效率得到初步推荐企业的企业合适度，包括的具体方法为：，对于任意一个初步推荐企业，式中，Q表示初步推荐企业的企业初始合适度；F1表示初步推荐企业的...

【专利技术属性】
技术研发人员：赵中元，段梦雅，刘晓辉，
申请(专利权)人：青岛阿斯顿工程技术转移有限公司，
类型：发明
国别省市：