基于人工智能分析的企业创新能力评估方法及系统与流程

1.本发明涉及互联网技术领域，具体涉及一种基于人工智能分析的企业创新能力评估方法及系统。


背景技术：

2.随着大数据时代的发展以及科学技术的进步，人们越来越重视通过数据处理、分析等手段来判断或处理比较棘手的问题，以及评估处理问题的能力、所面临的风险等；其中，简单的统计、分析、评估是比较容易理解和处理的，但是若是已知数据与需要的结果之间对应关系并不明显，往往需要通过特别的程序或装置进行统计处理、然后再进行分析评估，往往会出现操作复杂、计算繁重、与实际结果存在偏差、准确性低等问题。
3.在目前的社会环境下，核心技术逐步转向创新型企业，因此创新能力的高低也直接决定企业能否在竞争激烈的市场中存活、是企业市场竞争力的重要体现。因此，如果帮助企业对自身创新能力进行有效的综合评估、给予企业正确的定位，同时在评估后给出改进建议、使得企业的创新能力得到正向发展，是目前多数创新型企业所面临与亟待解决的问题。


技术实现要素：

4.针对以上现有技术存在的问题，本发明的目的在于提供一种基于人工智能分析的企业创新能力评估方法，该方法能够在大信息繁杂的网络中爬取与目标企业的各项创新信息，同时获取与目标企业同类别企业的创新能力信息，通过目标企业与同类别企业的比较、实现对目标企业的创新能力的评估。
5.本发明的另一个目的在于提供一种用于上述基于人工智能分析的企业创新能力评估方法的系统。
6.本发明的目的通过以下技术方案实现：
7.本发明具有如下技术效果：
8.一种基于人工智能分析的企业创新能力评估方法，其特征在于：
9.包括以下步骤：
10.s001、采用企业分类器对目标企业进行分类，同时采用网络爬虫获取与目标企业所属同类别的同类企业、建立同类企业列表；
11.s002、采用数据采集模块、指标量化模块与创新能力评定模块分别得到目标企业与同类企业列表中同类企业、共计n个企业的创新能力评价分数；
12.其中，所述数据采集模块为采用网络爬虫获取企业各年度知识产权信息与人才信息；
13.所述指标量化模块为根据数据采集模块采集的数据进一步进行量化，从而得到所需的指标数据；
14.所述创新能力评定模块通过将指标量化模块中获取的指标数据结果形成组合特
征，将组合特征输入预先训练完成的训练评定模型中，训练评定模型输出的结果即为企业创新能力评价分数；
15.s003、将目标企业与同类企业按照创新能力评价分数由低到高进行排序，并依次编号为0、1、
…
、(n-1)，其中目标企业的标号为i且i∈[0，n-1]；
[0016]
s004、然后获取目标企业的创新能力评价结果si；具体为：
[0017]
si∈[0,1)。
[0018]
作进一步优化，所述步骤s001中企业分类器根据企业注册信息中的经营范围、按照中国行业分类标准对目标企业进行分类。
[0019]
作进一步优化，所述步骤s002中知识产权信息包括企业各年度专利申请数py与各年度专利授权数pay，其中y表示年份；所述人才信息为各年度人才配比，即企业员工具备博士、硕士、本科或中高级职称所占企业总员工数的比例yy。
[0020]
作进一步优化，所述指标量化模块量化的指标数据包括专利申请平均增长速率、专利申请增长速率、人才平均增长率、人才增长率以及专利授权效率；
[0021]
所述专利申请平均增长速率用于反应企业专利申请总体的增长趋势，具体为：
[0022][0023]
式中，表示专利申请平均增长速率；cy表示距离当前最近的完整自然年，cy-i-1表示cy-i的前一个自然年，下同；
[0024]
所述专利申请增长速率用于反应企业当前专利申请的增长趋势，具体为：
[0025]vp
＝p
cy-p
cy-1
；
[0026]
式中，v
p
表示专利申请增长速率；
[0027]
所述人才平均增长速率用于反应企业人才配置提升的平均水平，具体为：
[0028][0029]
式中，表示人才平均增长速率；
[0030]
所述人才增长率用于表征企业当前人才配置提升的水平，具体为：
[0031]vy
＝y
cy-y
cy-1
；
[0032]
式中，vy表示人才增长率；
[0033]
所述专利授权效率包括企业提交专利的授权效率与年度授权效率；其中企业提交专利的授权效率通过专利授权质量分获得，年度授权效率通过年度专利授权质量分差获得；
[0034]
所述专利授权质量分获得具体步骤为：
[0035]
s101、通过网络爬虫收集年份y及之前年份的全部申请专利数据，包括：申请专利总数、授权专利总数以及专利申请无权总数(无权总数包括主动撤回、驳回以及无效)；
[0036]
s102、获得年份y的专利授权质量分，具体为：
[0037][0038]
式中，sy表示专利授权质量分；表示截止到年份y、授权专利总数；α表示授权奖励权重；表示截止到年份y、专利申请无权总数；β表示惩罚权重；表示截止到年份y、专利申请总数；
[0039]
所述年度专利授权质量分差具体为：
[0040]
dsy＝s
y-s
y-1
；
[0041]
式中，dsy表示年度专利授权质量分差；
[0042]
若dsy≥0，则表示企业在年份y时专利授权效率提升；
[0043]
若dsy＜0，则表示企业在年份y时专利授权效率下降；
[0044]
且dsy绝对值越大，提升或下降趋势越明显。
[0045]
作进一步优化，所述步骤s002中通过指标量化模块中获取的指标数据结果形成组合特征的具体步骤为：采用级联拼接的方式，将各年度专利申请总数、专利申请平均增长速率、专利申请增长速率、人才平均增长率、人才增长率以及专利授权效率拼接为列向量特征；所述训练评定模型采用支撑向量机与深度神经网络进行训练预测。
[0046]
作进一步优化，所述步骤s004后，还包括企业创新能力改进建议提出，具体为：
[0047]
s201、预先建立建议库：据创新能力评定模块中确定的组合特征维度顺序，为组合特征的各个维度设定判断符号和建议项，数据结果为{di，(δ
di
，sui)}；
[0048]
其中，di表示组合特征的第i维；δ
di
表示组合特征第i维的判断符号；
[0049]
sui表示根据第i维的值预先设定的建议内容；
[0050]
s202、提取目前企业改进企业创新力建议，具体为：
[0051]
s301、遍历查找所有排序编号大于目标企业排序编号的同类企业、定义为优质企业；
[0052]
s302、比较优质企业的组合特征与目标企业的组合特征各维度值，选取的组合特征维度、获得组合特征维度集合{di}；
[0053]
式中，j表示优质企业的排序编号，k表示目标企业的排序编号，则j＞k；v
di
表示企业组合特征第i维的值；
[0054]
s303、根据组合特征维度集合{di}，查询建议库，获取建议项，从而获得针对目标企业创新能力改进的建议。
[0055]
上述基于人工智能分析的企业创新能力评估方法所采用的系统，其特征在于：
[0056]
包括：企业分类器，数据存放模块、爬虫模块、数据采集模块、指标量化模块、创新能力评定模块以及排序模块；
[0057]
所述企业分类器用于对目标企业分类，企业分类器与数据存放模块、实现将分类后的目标企业存入数据存放模块中；所述数据存放模块分别与爬虫模块、数据采集模块连接，通过爬虫模块获取与目标企业所属同类别的同类企业、并依次存放在数据存放模块中，然后逐一输出到数据采集模块内；所述数据采集模块分别与爬虫模块、指标量化模块连接，
通过数据存放模块逐一输入的企业，逐一通过爬虫模块爬取知识产权信息与人才信息，并输出到指标量化模块中；所述指标量化模块与创新能力评定模块连接，量化后的数据逐一输入到创新能力评定模块进行评定；所述排序模块与创新能力评定模块连接，从而逐一接收创新能力评定模块中的企业评分并存储排序。
[0058]
作进一步优化，所述爬虫模块包括输入模块、爬取引擎以及输出模块，输入模块分别与数据存放模块、数据采集模块连接且连接通道相互独立，输出模块分别与数据存放模块、数据采集模块连接且连接通道相互独立，爬取引擎从输入模块获取请求后、开始工作从网页中爬取数据并通过输出模块返将爬取结果输出到数据存放模块或数据采集模块，然后再进行下一次爬取。
[0059]
本发明所具有的有益效果包括：
[0060]
本技术通过与同类别企业对比、能够在短时间实现目标企业的创新能力的评估，从而获知企业创新能力的高低、有针对性对企业创新能力进行改进，增加企业的市场竞争力。本发明综合考虑知识产权与人才资源多方面因素，从而保证创新能力评估时的多面性、合理性，确保评估结果更为准确、避免单一因素造成评估结果的局限性。
附图说明
[0061]
图1为本发明系统的结构示意图。
[0062]
其中，100、企业分类器；200、数据存放模块；300、爬虫模块；400、数据采集模块；500、指标量化模块；600、创新能力评定模块；700、排序模块。
具体实施方式
[0063]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0064]
实施例：
[0065]
一种基于人工智能分析的企业创新能力评估方法，其特征在于：
[0066]
包括以下步骤：
[0067]
s001、采用企业分类器100对目标企业进行分类，企业分类器100根据企业注册信息中的经营范围、按照中国行业分类标准对目标企业进行分类；同时采用网络爬虫获取与目标企业所属同类别的同类企业、建立同类企业列表；
[0068]
s002、采用数据采集模块400、指标量化模块500与创新能力评定模块600分别得到目标企业与同类企业列表中同类企业、共计n个企业(即目标企业与同类企业的总数为n个)的创新能力评价分数；
[0069]
其中，数据采集模块400为采用网络爬虫获取企业各年度知识产权信息与人才信息；知识产权信息包括企业各年度专利申请数py与各年度专利授权数pay，其中y表示年份；人才信息为各年度人才配比，即企业员工具备博士、硕士、本科或中高级职称所占企业总员工数的比例yy；
[0070]
指标量化模块500为根据数据采集模块400采集的数据进一步进行量化，从而得到
所需的指标数据；
[0071]
指标量化模块500量化的指标数据包括专利申请平均增长速率、专利申请增长速率、人才平均增长率、人才增长率以及专利授权效率；
[0072]
专利申请平均增长速率用于反应企业专利申请总体的增长趋势，具体为：
[0073][0074]
式中，表示专利申请平均增长速率；cy表示距离当前最近的完整自然年，cy-i-1表示cy-i的前一个自然年，下同；
[0075]
专利申请增长速率用于反应企业当前专利申请的增长趋势，具体为：
[0076]vp
＝p
cy-p
cy-1
；
[0077]
式中，v
p
表示专利申请增长速率；
[0078]
人才平均增长速率用于反应企业人才配置提升的平均水平，具体为：
[0079][0080]
式中，表示人才平均增长速率；
[0081]
人才增长率用于表征企业当前人才配置提升的水平，具体为：
[0082]vy
＝y
cy-y
cy-1
；
[0083]
式中，vy表示人才增长率；
[0084]
专利授权效率包括企业提交专利的授权效率与年度授权效率；其中企业提交专利的授权效率通过专利授权质量分获得，年度授权效率通过年度专利授权质量分差获得；
[0085]
专利授权质量分获得具体步骤为：
[0086]
s101、通过网络爬虫收集年份y及之前年份的全部申请专利数据，包括：申请专利总数、授权专利总数以及专利申请无权总数(无权总数包括主动撤回、驳回以及无效)；
[0087]
s102、获得年份y的专利授权质量分，具体为：
[0088][0089]
式中，sy表示专利授权质量分；表示截止到年份y、授权专利总数；α表示授权奖励权重；表示截止到年份y、专利申请无权总数；β表示惩罚权重；表示截止到年份y、专利申请总数；一般α＞β。
[0090]
年度专利授权质量分差具体为：
[0091]
dsy＝s
y-s
y-1
；
[0092]
式中，dsy表示年度专利授权质量分差；
[0093]
若dsy≥0，则表示企业在年份y时专利授权效率提升；
[0094]
若dsy＜0，则表示企业在年份y时专利授权效率下降；
[0095]
且dsy绝对值越大，提升或下降趋势越明显。
[0096]
创新能力评定模块600通过将指标量化模块500中获取的指标数据结果形成组合特征，具体为：采用级联拼接的方式，将各年度专利申请总数、专利申请平均增长速率、专利申请增长速率、人才平均增长率、人才增长率以及专利授权效率拼接为列向量特征；然后，将组合特征输入预先训练完成的训练评定模型中，训练评定模型输出的结果即为企业创新能力评价分数；训练评定模型采用支撑向量机与深度神经网络进行训练预测。
[0097]
s003、将目标企业与同类企业(共n个)按照创新能力评价分数由低到高进行排序，并依次编号为0、1、
…
、(n-1)，其中目标企业的标号为i且i∈[0，n-1]；
[0098]
s004、然后获取目标企业的创新能力评价结果si；具体为：
[0099]
si∈[0,1)。
[0100]
s005、企业创新能力改进建议提出，具体为：
[0101]
s201、预先建立建议库：根据创新能力评定模块600中确定的组合特征维度顺序，为组合特征的各个维度设定判断符号和建议项，数据结果为{di，(δ
di
，sui)}；(需要说明的是：对于同类型企业之间，其组合特征的各维度属性相同，例如：若第一维度为“各年度专利申请总数”，那么n个企业的组合特征的第一维度均是各个企业的“各年度专利申请总数”；即在预先建立建议库时：只需要对组合特征的各维度进行判断符号以及对应建议项的设定)
[0102]
其中，di表示组合特征的第i维；δ
di
表示组合特征第i维的判断符号(需要说明的是：判断符号δ
di
的取值只有1或﹣1；当组合特征第i维的值对于企业创新能力越大越好时，即该组合特征第i维的值对于企业创新能力具有正向影响，则δ
di
＝1；当组合特征第i维的值对于企业创新能力越小越好时，即该组合特征第i维的值对于企业创新能力具有负向影响，则δ
di
＝-1。而组合特征的第i维值对于企业创新能力具有正向影响还是负向影响，根据具体实际情况及经验值进行判断)；sui表示根据第i维的值预先设定的建议内容；建议内容预先设定，包括：人才配置项，如“加大人才匹配、加大引入高学历或高职级人才”等以及专利配置项，如“增加实用新型专利或发明专利申报项与授权项”等。
[0103]
s202、提取目前企业改进企业创新力建议，具体为：
[0104]
s301、遍历查找所有排序编号大于目标企业排序编号的同类企业、定义为优质企业；
[0105]
s302、比较优质企业的组合特征与目标企业的组合特征各维度值，选取的组合特征维度、获得组合特征维度集合{di}；
[0106]
式中，j表示优质企业的排序编号，k表示目标企业的排序编号，则j＞k；v
di
表示企业组合特征第i维的值；
[0107]
s303、根据组合特征维度集合{di}，查询建议库，获取建议项，从而获得针对目标企业创新能力改进的建议。
[0108]
如图1所示，上述基于人工智能分析的企业创新能力评估方法所采用的系统，其特征在于：
[0109]
包括：企业分类器100，数据存放模块200、爬虫模块300、数据采集模块400、指标量化模块500、创新能力评定模块600以及排序模块700；
[0110]
企业分类器100用于对目标企业分类，企业分类器100与数据存放模块200、实现将分类后的目标企业存入数据存放模块200中；数据存放模块200分别与爬虫模块300、数据采集模块400连接，通过爬虫模块300获取与目标企业所属同类别的同类企业、并依次存放在数据存放模块200中，然后逐一输出到数据采集模块400内；数据采集模块400分别与爬虫模块300、指标量化模块500连接，通过数据存放模块200逐一输入的企业，逐一通过爬虫模块300爬取知识产权信息与人才信息，并输出到指标量化模块500中；指标量化模块500与创新能力评定模块600连接，量化后的数据逐一输入到创新能力评定模块600进行评定；排序模块700与创新能力评定模块600连接，从而逐一接收创新能力评定模块600中的企业评分并存储排序。
[0111]
爬虫模块300包括输入模块、爬取引擎(爬取引擎采用本领域常规设计，本领域技术人员能够理解，本技术具体实施方式不做过多论述)以及输出模块，输入模块分别与数据存放模块200、数据采集模块400连接且连接通道相互独立(即数据存放模块200与输入模块通过一条通道连接、数据采集模块400与输入模块通过另一条通道连接，且数据存放模块200通道工作时，数据采集模块400通道断开，可通过设置模块开关实现)，输出模块分别与数据存放模块200、数据采集模块400连接且连接通道相互独立(即数据存放模块200与输出模块通过一条通道连接、数据采集模块400与输出模块通过另一条通道连接，且数据存放模块200通道工作时，数据采集模块400通道断开，可通过设置模块开关实现)，爬取引擎从输入模块获取请求后、开始工作从网页中爬取数据并通过输出模块返将爬取结果输出到数据存放模块200或数据采集模块400，然后再进行下一次爬取。
[0112]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。