[發明專利]基于多源信息融合的中小微企業綜合質量畫像方法

有效

• 申請號: 202010874130.3
• 申請日: 2020-08-26
• 公開（公告）號: CN111950932B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 曹麗娜;陳進東;張健;任智軍;樊輝
• 申請（專利權）人: 北京信息科技大學
• 主分類號: G06Q10/0631
• 分類號: G06Q10/0631;G06F18/2135;G06F18/23213;G06F18/2411;G06F40/289
• 代理公司: 北京惠智天成知識產權代理事務所(特殊普通合伙) 11681
• 代理人: 袁瑞紅

1.基于多源信息融合的中小微企業綜合質量畫像方法，其特征在于，所述方法包括如下步驟：

(1)將企業質量畫像維度分解，構建質量畫像體系；

(2)企業數據收集和預處理；

(3)將收集到的企業數據按照類別分別設定標簽；

(4)利用標簽生成各企業質量畫像；

所述企業質量畫像維度分解為6個，包括5個外顯質量維度和1個內在質量維度；其中外顯質量維度為：

(1)一級指標——企業基本信息；其二級指標包括工商信息和行政許可信息；工商信息包括三級指標經營范圍、企業類型、企業狀態、注冊資金、實收注冊資金、成立年限；行政許可信息包括三級指標證照名稱、所屬行業、證照狀態；

(2)一級指標——知識產權信息；其二級指標包括商標信息和專利信息；商標信息包括三級指標商標數量、商標類型、馳名商標數量；專利信息包括三級指標專利數量、有效專利數量、發明專利占比；

(3)一級指標——企業經營風險；由二級指標行政處罰信息、抵質押信息和清算信息綜合反映；行政處罰信息包括三級指標近期處罰、歷史行政處罰、處罰類型和證照吊銷/撤銷；抵質押信息由三級指標被擔保債權種類、被擔保債權數額；清算信息由三級指標有無清算信息來反映；

(4)一級指標——司法風險；其二級指標為司法協助信息，三級指標包括司法協助類型、司法協助狀態和股權數額；

(5)一級指標——網絡輿情：其二級指標包括企業新聞輿情和產品質量輿情；企業新聞輿情由三級指標企業輿情事件來反映；產品質量輿情由三級指標質量評論情感來反映；

所述內在質量維度為：一級指標——產品質量信息：其二級指標包括產品資質或認證、產品質量評價、產品缺陷處置；其中產品資質或認證包括三級指標產品許可、產品標識認證和質量認證；產品質量評價包括三級指標產品質量合格率和抽查合格率；產品缺陷處置包括三級指標缺陷產品召回機制和質量爭議處置；

所述企業數據收集的方法為：利用企業工商信息作為關鍵詞，使用網絡爬蟲程序收集已公開的第三方數據，包括工商信息、經營相關的行政許可信息、知識產權信息、企業經營風險信息、司法風險信息；利用企業名稱作為關鍵詞，使用網絡爬蟲程序采集多渠道的企業輿情相關數據；根據企業產品名稱的關鍵詞收集第三方網購平臺上的商品評論數據；采用批量上傳法獲取企業內部的產品質量管理數據；

步驟(3)將收集到的企業數據按照類別設定三種標簽：

(1)標簽一：包括的企業數據維度指標為：企業基本信息、知識產權信息、企業經營風險、司法風險、產品質量信息；

(2)標簽二：包括的企業數據是網絡輿情信息維度下的三級指標之一——網絡輿情信息；

(3)標簽三：包括的企業數據為：網絡輿情信息維度下的三級指標之一——質量評論情感；

標簽一的設定方法為：

(1)設Y_j為標簽變量，X_i-j為三級指標變量，依次選取Y_i對應的X_i-j值作為原始矩陣，其中列是X_i-j值，行是各企業，i＝1，2，……，n；j＝1，2，……，m；按以下步驟進行操作：

①PCA特征提取：調用sklearn中PCA函數，計算主成分貢獻率和累加貢獻率，通過累加貢獻率篩選出質量指標的主要成分，計算各指標對于各主成分的載荷數；若Y_j對應的變量X_i-j個數≤2，則省略本步驟，直接從②開始；

②K-means聚類分析：調用sklearn中KMeans包，通過kmeans聚類算法對指標下數據進行聚類分析，并計算不同類別數K值下的輪廓值；定義某個樣本點的輪廓值為：

其中disMean_in為該點與本類其他點的平均距離，disMean_out為該點與非本類點的平均距離；則所有樣本的S_i均值為聚類結果的輪廓值，確定相應的聚類類別個數；

③設定標簽類別：通過對步驟②中的聚類類別進行分析，定義規則和標簽類別；

標簽二的設定方法為：

①文本分詞：下載所在行業名詞詞典、公司新聞報道正負面詞匯，利用“jieba”分詞工具，采用精確模式對產品質量評論文本進行分詞；

②文本標注：人工判斷食品行業相關新聞文本對企業的正、負面影響并進行正、負標注；

③使用Word2Vec訓練詞向量：調用gensim模塊函數，訓練Word2Vec模型，生成詞向量矩陣，從矩陣中抽取詞的向量值，每篇文本得到一個二維矩陣，行為文本，列為模型維度；

④PCA降維：由③得到矩陣數據，調用skleam中的PCA函數，通過PCA模型計算出累加貢獻率，選擇使得累加貢獻率大于90％時的前K個主成分作為SVM訓練模型的輸入，提升數據處理速度；

⑤使用SVM訓練模型：調用sklearn中svm包，采用RBF核函數，其計算公式為：

其中，x，y為樣本，||x-y||表示向量的模，γ為超參，用于調整模型復雜度；通過多次參數調整，確定分類效果最優的懲罰系數C值和參數γ值；對訓練好的模型進行測試，保障預測模型的準確性；

⑥新聞文本分類：采用Word2Vec對已切分詞的文本向量化，利用訓練好的預測模型進行分類，得到待分類新聞文本的正負向類別；

⑦設定企業形象標簽：為企業計算正向新聞占比，得到企業形象得分Z值；根據Z值整體分布情況，對不同范圍下的值劃分設定相應企業形象標簽；

標簽三的設定方法為：

①情感詞典構建：下載能夠獲取情感詞分數和程度級別副詞的詞典，并根據語料庫中常用否定詞建立否定詞詞典；

②文本分詞：下載所在行業名詞詞典、公司新聞報道正負面詞匯，利用“jieba”分詞工具，采用精確模式對產品質量評論文本進行分詞；

③計算評論情感分值：通過分詞結果遍歷出情感詞、否定詞和程度副詞；設給定句子為S_t，其所包含的評價短語S_i的情感分值

E_i＝D_i×w×w_j????(3)

其中，i＝1，2，……，n；D_i為情感詞分數，w_j設定為每個程度副詞權重；初始權重w＝1，當短語中有否定詞時w＝-1；w_j初始值為1，當短語中有程度副詞時則w_j為程度副詞權重，句子情感值：

其中，Score(S_t)大于0的歸于正向，小于0的歸于負向；統計所有句子情感值，產品質量總體滿意度為正向句子情感的總體占比；

④設定產品質量口碑標簽：根據質量總體滿意度值的整體分布情況，對不同范圍下的值劃分設定相應質量口碑標簽。

2.根據權利要求1所述的方法，其特征在于，獲取情感詞分數的詞典為BosonNLP情感詞典，獲取程度級別副詞的詞典為Hownet情感詞典。