[發明專利]基于政策目標導向的招商引資項目預期效益評估方法

在審

• 申請號: 201810996460.2
• 申請日: 2018-08-29
• 公開（公告）號: CN109308572A
• 公開（公告）日: 2019-02-05
• 發明（設計）人: 張連祥
• 申請（專利權）人: 張連祥
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q40/06
• 代理公司: 天津濱海科緯知識產權代理有限公司 12211
• 代理人: 楊慧玲

1.一種基于政策目標導向的招商引資項目預期效益評估方法，其特征在于：具體包括如下步驟

S1：給出目標項目的規模、產業門類、簡介；

S2：在企業信息數據庫中篩選出一組相似的項目；

S3：對篩選出的一組項目的經濟效益、社會效益和生態環境效益的評價指標取加權平均值，作為預期效益分析評估基準，以加權平均值的可信區間作為預期效益評估的合理區間；

S4：依據計算出來的預期效益合理區間，對需要做分析項目的經濟效益、社會效益、生態環境效益進行分析和評估；

S5：對招商單位呈報的項目預期效益評估結果做自動對比；

S6：根據對比結果給出目標項目的預期效益分析報告。

2.根據權利要求1所述的一種基于政策目標導向的招商引資項目預期效益評估的方法，其特征在于：所述步驟S2中，包括對項目的規模、產業門類、簡介進行量化，量化的方法具體包括

1)投資規模的量化

將投資規模的單位轉變為可以與產業門類、項目簡介的量化值做比較的數值范圍，采用目標項目投資金額與比較項目投資金額的比值取對數的方式，取得項目投資金額量化值，

2)產業門類的量化

依據國家統計局發布的國民經濟行業分類標準中的四級分類，按照與目標項目門類的距離進行數值化；

3)項目簡介的量化

此方法分為兩個階段：學習訓練階段和實際運行階段；

在學習訓練階段，采用以企業信息數據庫中，歷史項目中的項目簡介文字作為訓練樣本，采用條件隨機場算法抽取其中的分詞；

對抽取的分詞數據進行數據清洗，去除其中不是項目描述的分詞；

以清洗后的分詞作為分詞庫，再次采用條件隨機場算法對樣本進行訓練，得到項目簡介文字的分詞庫，作為描述項目的標簽；

采用Word2Vec算法進行分詞向量化，用歷史項目中的項目簡介文字作為訓練樣本，建立項目簡介描述的分詞向量空間；

給Word2Vec算法得到的分詞相關度數值設定閥值，建立分詞相關詞庫。

在實際運行階段，采用Doc2Vec算法對項目簡介文字進行相似度比較，抽取出特征關鍵詞，作為企業簡介的標簽。

3.根據權利要求2所述的一種基于政策目標導向的招商引資項目預期效益評估的方法，其特征在于：建立分詞庫的具體方法包括

1)建立分詞庫數據模型

S101：漢語言中所有的字組成一個觀測集合，B，M，E，S組成一個狀態集合，其中B表示詞首字，E表示詞尾字，M表示詞中字，S表示單字成詞；

S102：通過人工的數據清洗與標注工作，獲得大量學習樣本，即為訓練集；訓練集中均為有上下語義邏輯的已經分詞完成的多個樣本；

S103：在Viterbi算法中設計函數計算初始概率，狀態轉移概率，觀測概率，同時統計出狀態序列，觀測序列，完成算法模型的搭建；其中觀測序列即為待分詞的語句；狀態序列即為該語句中每個字所對應的狀態，使用所述狀態集合中的狀態表示；初始概率，狀態轉移概率，觀測概率均為語料庫中狀態與觀測之間的對應關系所計算出的概率；

2)通過數學模型建立分詞庫：

S201：根據數學模型，利用Viterbi算法預測每一條新進語句中的每個字在該句下所對應的狀態；

S202：算法完畢以后，設計函數，針對每個字所對應的狀態，可以將字組合成詞，逢狀態E即添加回車字符，最終可得到完成的分詞文本；

3)分詞向量化

S301：使用Word2Vec算法，通過該分詞的前后N個詞來推斷該詞出現的概率；

S302：利用最大似然估計法確定參數。

4.根據權利要求2所述的一種基于政策目標導向的招商引資項目預期效益評估的方法，其特征在于：所述步驟S2中，還包括依據項目投資規模、所屬產業門類和項目簡介三個維度，采用歐幾里得距離算法，計算兩個項目間相似度距離數值，設定范圍，篩選出一組相似的項目；

設目標項目的規模、門類、簡介量化后得到：s1、c1、r1

設比對的項目規模、門類、簡介量化后得到：s2、c2、r2

計算項目相似度的值：