多源情报汇聚分析方法及系统与流程
背景技术：
1、竞争情报分析是企业进行竞争决策的重要支撑，其数据来源通常包括企业官网、新闻报道、行业研究报告、公开招标信息等多源异构渠道。现有竞争情报分析主要依赖人工或半自动方式，将上述渠道中分散的企业、竞品、市场与客户信息进行收集和整理，存在以下技术缺陷：(1)情报来源繁杂、质量参差不齐，缺乏系统化的信源可信度评估机制，低质量情报容易混入分析结果，情报可信度难以验证；(2)情报多以非结构化文本存在，缺乏统一的知识表示与结构化抽取手段，难以自动建立企业与竞品、产品、客户、市场之间的关联关系；(3)人工汇总效率低、时效性差，难以满足企业对竞争态势的快速洞察需求；(4)现有自动化情报聚合方案大多停留在简单检索与聚合层面，缺少采集、验证、结构化与推理的完整闭环，生成结果难以直接支撑竞争决策。
2、在竞争分析理论层面，传统波特价值链主要聚焦企业内部的线性价值创造过程，难以直接刻画特定市场边界内多主体之间的价值博弈关系。竞争情报视角下的价值链，即竞争价值链（competitive value chain，cvc），是指在特定市场边界内由客户、市场、竞争对手、合作伙伴四类核心实体构成的动态价值网络系统，其以价值争夺与获取为核心，关注各实体之间价值创造、传递与分配的博弈关系。现有技术尚缺乏能够自动将多源情报汇聚为上述动态价值网络模型的方法与系统。
技术实现思路
1、本发明旨在克服现有技术的不足，提供一种多源情报汇聚分析方法及系统，实现多源竞争情报的自动汇聚、信源可信度验证、结构化关系抽取与竞争洞察生成，形成可信、可追溯的竞争价值链（cvc）模型，为企业识别价值链关键控制点、评估相对竞争地位、预判格局变化并制定差异化竞争策略提供决策依据。
2、本发明整体技术逻辑为：通过本体建模为多源情报提供统一的实体与图谱基础，依托竞争情报采集实现多源渠道的情报汇聚，结合信源可信验证滤除低可信情报，通过因果模型抽取将非结构化情报转化为结构化关系数据，最终通过洞察生成与校验产出竞争情报画像、竞争态势洞察与竞争价值链模型，形成“本体建模-情报采集-信源验证-因果模型抽取-洞察生成”的完整闭环情报处理体系。
3、本体建模方案：确定目标企业以及与目标企业关联的产品、客户、合作伙伴、市场、竞争对手等实体，构建本体知识图谱并补充各实体的属性信息；为营收、市场份额、增长率、客户数等量化指标生成占位标识，为后续处理提供统一的实体与图谱基础。
4、竞争情报采集方案：针对目标企业及关联实体构建中英文双语检索关键词，并采用英文优先策略；从行业名称中提取中英文行业关键词并与事件类关键词组合；从内部情报库、第三方情报汇聚服务、公开新闻源、企业官网等多数据源进行检索，经相关性判定后滤除不相关情报，得到候选情报集合。
5、信源可信验证方案：综合信源媒体权威等级、链接可达性、属性完整性与关联性等因素计算可信度分数，滤除可信度低于预定阈值的情报，得到验证情报集合。
6、因果模型抽取方案：利用大语言模型抽取竞争、合作、投资、中标、产品发布等关系三元组，基于预设的命名实体集合对抽取结果进行过滤，并将过滤后的关系三元组写入知识图谱，在模型重建时先删除原有图数据再重新写入，实现幂等重建。
7、洞察生成与校验方案：基于过滤后的关系三元组生成企业画像、市场画像、客户画像、竞品动态、市场动态、客户动态与竞争态势数据，并生成竞争、合作、市场细分、客户群体等图谱关系；利用第二语言模型对生成的洞察进行可信度校验，并对缺失或可信度低的字段进行补齐。
8、本发明系统整体分为六大核心模块，协同工作实现全流程智能化情报汇聚与竞争价值链模型生成：本体建模模块，负责确定目标企业及关联实体，构建本体知识图谱并补充实体属性信息；竞争情报采集模块，负责构建检索关键词，从多个情报源检索竞争情报并滤除不相关情报；信源可信验证模块，负责对候选情报进行可信度评估与过滤；因果模型抽取模块，负责关系三元组抽取、命名实体过滤与知识图谱写入；洞察生成与校验模块，负责竞争情报画像与竞争态势洞察的生成、校验与补齐；模型生成模块，负责综合各模块处理结果生成竞争价值链模型。
1.一种多源情报汇聚分析方法，其特征在于，包括以下步骤：本体建模步骤，确定目标企业以及与所述目标企业关联的产品、客户、合作伙伴、市场、竞争对手中的至少一种关联实体，构建包含所述目标企业与所述关联实体的本体知识图谱，并补充各实体的属性信息；竞争情报采集步骤，针对所述目标企业及所述关联实体构建检索关键词，从多个情报源检索竞争情报，得到候选情报集合；信源可信验证步骤，对所述候选情报集合中的各情报进行信源可信度评估，滤除可信度低于预定阈值的情报，得到验证情报集合；因果模型抽取步骤，利用大语言模型对所述验证情报集合中的情报进行关系三元组抽取，并基于预设的命名实体集合对抽取得到的关系三元组进行过滤；洞察生成与校验步骤，基于过滤后的关系三元组生成所述目标企业的竞争情报画像与竞争态势洞察，并对所述洞察进行校验与补齐；模型生成步骤，根据所述本体知识图谱、所述验证情报集合、过滤后的关系三元组以及校验后的洞察，生成竞争价值链模型。
2.根据权利要求1所述的多源情报汇聚分析方法，其特征在于，所述构建检索关键词具体包括：构建所述目标企业与所述关联实体的中英文双语关键词，并将英文关键词排列于中文关键词之前，优先使用所述英文关键词进行检索，以所述中文关键词作为补充；从所述目标企业所属行业的名称中提取中英文行业关键词，并将所述行业关键词与中英文事件类关键词进行组合，构建行业词与事件词组合查询。
3.根据权利要求1所述的多源情报汇聚分析方法，其特征在于，所述从多个情报源检索竞争情报具体包括：从内部情报库、第三方情报汇聚服务、公开新闻源以及企业官网中的至少两种数据源进行检索，并对检索结果进行相关性判定，滤除与所述目标企业或所述关联实体不相关的情报。
4.根据权利要求1所述的多源情报汇聚分析方法，其特征在于，所述信源可信度评估具体包括：根据信源媒体权威等级、情报链接可达性、情报属性完整性以及情报与所述目标企业的关联性中的至少一种因素，计算各情报的可信度分数；保留可信度分数不低于所述预定阈值且情报链接可访问的情报。
5.根据权利要求1所述的多源情报汇聚分析方法，其特征在于，所述关系三元组包括主体、关系谓词与客体，所述关系谓词包括竞争、合作、投资、中标、产品发布中的至少一种；所述方法还包括知识图谱写入步骤：将过滤后的关系三元组写入知识图谱，在所述竞争价值链模型需要重建时，先删除所述知识图谱中与所述目标企业对应的原有图数据，再重新写入，实现幂等重建。
6.根据权利要求1所述的多源情报汇聚分析方法，其特征在于，所述对所述洞察进行校验与补齐具体包括：利用第二语言模型对生成的洞察进行可信度校验，并对缺失或可信度低的字段进行补齐。
7.根据权利要求1所述的多源情报汇聚分析方法，其特征在于，还包括异步调度步骤：将所述本体建模步骤、所述竞争情报采集步骤、所述信源可信验证步骤、所述因果模型抽取步骤以及所述洞察生成与校验步骤作为异步任务，通过消息队列进行调度执行；维护所述异步任务的状态机与执行进度，并将所述执行进度实时推送给前端。
8.一种多源情报汇聚分析系统，其特征在于，包括：本体建模模块，用于确定目标企业以及与所述目标企业关联的至少一种关联实体，构建本体知识图谱并补充各实体的属性信息；竞争情报采集模块，用于针对所述目标企业及所述关联实体构建检索关键词，从多个情报源检索竞争情报，得到候选情报集合；信源可信验证模块，用于对所述候选情报集合中的各情报进行信源可信度评估，滤除可信度低于预定阈值的情报，得到验证情报集合；因果模型抽取模块，用于利用大语言模型对所述验证情报集合中的情报进行关系三元组抽取，并基于预设的命名实体集合对抽取得到的关系三元组进行过滤；洞察生成与校验模块，用于基于过滤后的关系三元组生成竞争情报画像与竞争态势洞察，并对所述洞察进行校验与补齐；模型生成模块，用于根据上述各模块的处理结果生成竞争价值链模型。
9.根据权利要求8所述的多源情报汇聚分析系统，其特征在于，还包括：异步调度模块，用于通过消息队列对所述各模块的处理任务进行异步调度，维护任务状态机与执行进度，并实时推送执行进度；知识图谱存储模块，用于存储所述本体知识图谱与过滤后的关系三元组，并在模型重建时先删除原有图数据再重新写入。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至7中任一项所述的多源情报汇聚分析方法。