一种基于人工智能的企业信息处理方法及系统技术方案

本发明专利技术涉及人工智能领域，特别是一种基于人工智能的企业信息处理方法及系统

【技术实现步骤摘要】
一种基于人工智能的企业信息处理方法及系统


[0001]本专利技术涉及人工智能领域，特别是一种基于人工智能的企业信息处理方法及系统
。

技术介绍

[0002]随着经济的快速发展，越来越多的企业注重于企业本身的宣传
、
策划和管理，因此社会中有许多的企业管理咨询
、
设计策划等需求
。
在寻找这些需求时，通常是利用人工进行电话咨询或者上门进行推广，但是利用人工进行海量咨询的情况下，在推广过程中由于推广人员对企业的信息理解不充分，会出现推广效率低下，且无法准确识别客户需求
。
因此如何提前对企业的信息进行收集整理，并利用企业的现有信息进行智能分析，获取企业的策划
、
管理等需求，实现精准需求把控是现阶段丞待解决的技术问题
。

技术实现思路

[0003]本专利技术的目的是为了解决上述问题，设计了一种基于人工智能的企业信息处理方法及系统
。
[0004]实现上述目的本专利技术的技术方案为，进一步，在上述一种基于人工智能的企业信息处理方法中，所述企业信息处理方法包括以下步骤：获取系统中历史企业信息数据，对所述历史企业信息数据进行数据预处理，得到待训练企业信息数据；基于
LSTM
双向长短期记忆神经网络建立
LSTM
企业信息处理神经网络模型，基于
PSO
改进粒子群算法对所述
LSTM
企业信息处理神经网络模型的参数值进行调整，得到初始r/>PSO
‑
LSTM
企业信息处理神经网络模型；将所述待训练企业信息数据输入至所述初始
PSO
‑
LSTM
企业信息处理神经网络模型中进行训练，得到目标
PSO
‑
LSTM
企业信息处理神经网络模型；获取系统中目标企业的目标企业信息数据，所述目标企业信息数据为待预测的企业信息数据，将所述目标企业信息数据输入至所述目标
PSO
‑
LSTM
企业信息处理神经网络模型进行处理，得到企业数据处理方案集；根据所述企业数据处理方案集对所述目标企业进行企业方案策划判断，若判断所述目标企业的有企业策划需求，则生成所述目标企业的目标企业策划方案；若判断所述目标企业的无企业策划需求，则通过所述目标
PSO
‑
LSTM
企业信息处理神经网络模型分析所述目标企业的目标企业信息数据，得到目标企业设计需求
、
目标企业管理需求和目标企业宣传需求
。
[0005]进一步，在上述企业信息处理方法中，所述获取系统中历史企业信息数据，对所述历史企业信息数据进行数据预处理，得到待训练企业信息数据，包括：获取系统中历史企业信息数据，所述历史企业信息数据至少包括企业产品信息
、
企业员工数量信息
、
企业基本工商信息，企业经营数据信息，企业财务数据信息，企业法律
风险信息，企业市场销售数据信息，企业知识产权信息；基于移动平均法对所述历史企业信息数据进行降噪处理，得到降噪企业信息数据；利用邻近值算法补充所述降噪企业信息数据中的缺失值，得到邻近企业信息数据，对邻近企业信息数据进行归一化处理，得到待训练企业信息数据
。
[0006]进一步，在上述企业信息处理方法中，所述基于
LSTM
双向长短期记忆神经网络建立
LSTM
企业信息处理神经网络模型，基于
PSO
改进粒子群算法对所述
LSTM
企业信息处理神经网络模型的参数值进行调整，得到初始
PSO
‑
LSTM
企业信息处理神经网络模型，包括：基于
LSTM
双向长短期记忆神经网络建立
LSTM
企业信息处理神经网络模型，所述
LSTM
企业信息处理神经网络模型至少包括输入门
、
输出门和遗忘门；初始化
PSO
改进粒子群算法的参数，包括最大迭代次数
、
学习因子
c1
和
c2、
惯性权重
、
粒子数和维度
、
参数范围；初始化粒子群的位置集合
X
和速度集合
V
，并保证位置集合
X
和速度集合
V
在所设定的范围内；
PSO
改进粒子群算法的适应度函数设为所述
LSTM
企业信息处理神经网络模型在训练集上的损失函数，根据损失函数最小的准则，计算出初始全局最优位置初以及每个粒子的初始个体最优位置；更新整个粒子群的速度参数和位置参数，所述位置参数为所述
LSTM
企业信息处理神经网络模型的参数值，得到初始
PSO
‑
LSTM
企业信息处理神经网络模型
。
[0007]进一步，在上述企业信息处理方法中，所述将所述待训练企业信息数据输入至所述初始
PSO
‑
LSTM
企业信息处理神经网络模型中进行训练，得到目标
PSO
‑
LSTM
企业信息处理神经网络模型，包括：将所述待训练企业信息数据输入至所述初始
PSO
‑
LSTM
企业信息处理神经网络模型中进行训练；设置所述初始
PSO
‑
LSTM
企业信息处理神经网络模型的迭代次数为
20
次，学习率为
0.05
；利用
Adam
优化器对所述初始
PSO
‑
LSTM
企业信息处理神经网络模型训练过程进行优化；将
ReLU
函数设置为所述初始
PSO
‑
LSTM
企业信息处理神经网络模型的激活函数，得到目标
PSO
‑
LSTM
企业信息处理神经网络模型
。
[0008]进一步，在上述企业信息处理方法中，所述获取系统中目标企业的目标企业信息数据，所述目标企业信息数据为待预测的企业信息数据，将所述目标企业信息数据输入至所述目标
PSO
‑
LSTM
企业信息处理神经网络模型进行处理，得到企业数据处理方案集，包括：获取系统中目标企业的目标企业信息数据，所述目标企业信息数据为待预测的企业信息数据，对所述目标企业信息数据进行数据预处理；将数据预处理后的目标企业信息数据输入至所述目标
PSO
‑
LSTM
企业信息处理神经网络模型进行处理，得到企业数据处理方案集；所述企业数据处理方案集至少包括目标企业策划需求
、
目标企业设计需求
、
目标企业管理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能的企业信息处理方法，其特征在于，所述企业信息处理方法包括以下步骤：获取系统中历史企业信息数据，对所述历史企业信息数据进行数据预处理，得到待训练企业信息数据；基于
LSTM
双向长短期记忆神经网络建立
LSTM
企业信息处理神经网络模型，基于
PSO
改进粒子群算法对所述
LSTM
企业信息处理神经网络模型的参数值进行调整，得到初始
PSO
‑
LSTM
企业信息处理神经网络模型；将所述待训练企业信息数据输入至所述初始
PSO
‑
LSTM
企业信息处理神经网络模型中进行训练，得到目标
PSO
‑
LSTM
企业信息处理神经网络模型；获取系统中目标企业的目标企业信息数据，所述目标企业信息数据为待预测的企业信息数据，将所述目标企业信息数据输入至所述目标
PSO
‑
LSTM
企业信息处理神经网络模型进行处理，得到企业数据处理方案集；根据所述企业数据处理方案集对所述目标企业进行企业方案策划判断，若判断所述目标企业的有企业策划需求，则生成所述目标企业的目标企业策划方案；若判断所述目标企业的无企业策划需求，则通过所述目标
PSO
‑
LSTM
企业信息处理神经网络模型分析所述目标企业的目标企业信息数据，得到目标企业设计需求
、
目标企业管理需求和目标企业宣传需求
。2.
如权利要求1所述的一种基于人工智能的企业信息处理方法，其特征在于，所述获取系统中历史企业信息数据，对所述历史企业信息数据进行数据预处理，得到待训练企业信息数据，包括：获取系统中历史企业信息数据，所述历史企业信息数据至少包括企业产品信息
、
企业员工数量信息
、
企业基本工商信息，企业经营数据信息，企业财务数据信息，企业法律风险信息，企业市场销售数据信息，企业知识产权信息；基于移动平均法对所述历史企业信息数据进行降噪处理，得到降噪企业信息数据；利用邻近值算法补充所述降噪企业信息数据中的缺失值，得到邻近企业信息数据，对邻近企业信息数据进行归一化处理，得到待训练企业信息数据
。3.
如权利要求1所述的一种基于人工智能的企业信息处理方法，其特征在于，所述基于
LSTM
双向长短期记忆神经网络建立
LSTM
企业信息处理神经网络模型，基于
PSO
改进粒子群算法对所述
LSTM
企业信息处理神经网络模型的参数值进行调整，得到初始
PSO
‑
LSTM
企业信息处理神经网络模型，包括：基于
LSTM
双向长短期记忆神经网络建立
LSTM
企业信息处理神经网络模型，所述
LSTM
企业信息处理神经网络模型至少包括输入门
、
输出门和遗忘门；初始化
PSO
改进粒子群算法的参数，包括最大迭代次数
、
学习因子
c1
和
c2、
惯性权重
、
粒子数和维度
、
参数范围；初始化粒子群的位置集合
X
和速度集合
V
，并保证位置集合
X
和速度集合
V
在所设定的范围内；
PSO
改进粒子群算法的适应度函数设为所述
LSTM
企业信息处理神经网络模型在训练集上的损失函数，根据损失函数最小的准则，计算出初始全局最优位置初以及每个粒子的初始个体最优位置；
更新整个粒子群的速度参数和位置参数，所述位置参数为所述
LSTM
企业信息处理神经网络模型的参数值，得到初始
PSO
‑
LSTM
企业信息处理神经网络模型
。4.
如权利要求1所述的一种基于人工智能的企业信息处理方法，其特征在于，所述将所述待训练企业信息数据输入至所述初始
PSO
‑
LSTM
企业信息处理神经网络模型中进行训练，得到目标
PSO
‑
LSTM
企业信息处理神经网络模型，包括：将所述待训练企业信息数据输入至所述初始
PSO
‑
LSTM
企业信息处理神经网络模型中进行训练；设置所述初始
PSO
‑
LSTM
企业信息处理神经网络模型的迭代次数为
20
次，学习率为
0.05
；利用
Adam
优化器对所述初始
PSO
‑
LSTM
企业信息处理神经网络模型训练过程进行优化；将
ReLU
函数设置为所述初始
PSO
‑
LSTM
企业信息处理神经网络模型的激活函数，得到目标
PSO
‑
LSTM
企业信息处理神经网络模型
。5.
如权利要求1所述的一种基于人工智能的企业信息处理方法，其特征在于，所述获取系统中目标企业的目标企业信息数据，所述目标企业信息数据为待预测的企业信息数据，将所述目标企业信息数据输入至所述目标
PSO
‑
LSTM
企业信息处理神经网络模型进行处理，得到企业数据处理方案集，包括：获取系统中目标企业的目标企业信息数据，所述目标企业信息数据为待预测的企业信息数据，对所述目标企业信息数据进行数据预处理；将数据预处理后的目标企业信息数据输入至所述目标
PSO
‑
LSTM
企业信息处理神经网络模型进行处理，得到企业数据处理方案集；所述企业数据处理方案集至少包括目标企业策划需求

【专利技术属性】
技术研发人员：林丽娜，陈枫，
申请(专利权)人：辰风策划深圳有限公司，
类型：发明
国别省市：