一种产业园区招商项目线索的智能核查方法及系统技术方案

本发明专利技术提出了一种产业园区招商项目线索的智能核查方法及系统，其方法包括：获取产业园区招商项目引进事前评估的主要内容和数据，得到项目线索核查的基本判断标准和标准范围；获取历史产业园区招商项目线索数据及相关指标，并进行预处理，建立历史招商项目线索数据集合以及相关指标的历史数值范围集合；建立CRF模型，基于历史招商项目线索数据集合以及历史数值范围集合对CRF模型进行训练，得到项目线索识别和判断模型；获取当前产业园区招商项目线索数据及相关指标，进行预处理后输入至项目线索识别和判断模型中进行核查。本发明专利技术基于CRF建立项目线索识别和判断模型，实现了对产业园区招商项目线索的智能核查，提高了核查准确率和招商工作效率。准确率和招商工作效率。准确率和招商工作效率。

【技术实现步骤摘要】
一种产业园区招商项目线索的智能核查方法及系统


[0001]本专利技术涉及招商引资
，尤其是涉及一种产业园区招商项目线索的智能核查方法及系统。

技术介绍

[0002]招商引资信息是经济区了解投资者群体动态、掌握招商引资需求与投资者投资的供求发展趋势，为投资者提供项目和服务的重要资源，没有准确、及时、有效的招商引资信息，招商引资就无法做出有效的决策。招商引资信息的数量和质量直接影响招商工作水平，如何获取招商项目线索成为了招商人的最大障碍。
[0003]传统的招商项目线索的核查方法主要是组织相关部门或专家成立招商引资项目评估委员会或工作专班，负责开展重大招商引资项目引进事前评估工作，人工核查的方法有很大的局限性和主观性，一旦核查失误或者把关不严格，会造成巨大的损失。

技术实现思路

[0004]有鉴于此，本申请提出了一种产业园区招商项目线索的智能核查方法及系统，用于解决传统人工核查容易带有主观性且核查过程容错率低的问题。
[0005]本专利技术的技术方案是这样实现的：
[0006]本专利技术提出了一种产业园区招商项目线索的智能核查方法，其方法包括：
[0007]S1，获取产业园区招商项目引进事前评估的主要内容和数据，得到项目线索核查的基本判断标准和标准范围；
[0008]S2，获取历史产业园区招商项目线索数据及相关指标，并进行预处理，建立历史招商项目线索数据集合以及相关指标的历史数值范围集合；
[0009]S3，建立CRF模型，基于历史招商项目线索数据集合以及历史数值范围集合对CRF模型进行训练，得到项目线索识别和判断模型；
[0010]S4，获取当前产业园区招商项目线索数据及相关指标，进行预处理后输入至项目线索识别和判断模型中进行核查，输出核查结果。
[0011]在以上技术方案的基础上，优选的，步骤S1具体包括：
[0012]所述项目线索核查的基本判断标准是根据国家法律法规以及国家产业政策来定；所述项目线索核查的标准范围由项目类型来定。
[0013]在以上技术方案的基础上，优选的，步骤S2具体包括：
[0014]对所述历史产业园区招商项目线索数据采用TF
‑
IDF分词技术进行处理，得到历史招商项目线索数据集合；对所述相关指标采用Excel统计其区间数字，得到相关指标的数值范围集合。
[0015]在以上技术方案的基础上，优选的，对所述历史产业园区招商项目线索数据采用TF
‑
IDF分词技术进行处理，得到历史招商项目线索数据集合具体包括：
[0016]对历史产业园区招商项目线索数据进行分词并去除停用词处理，得到数据文本，
采用TF
‑
IDF分词技术从数据文本中提取特征词；
[0017]数据文本中包含N个文档，每个文档中包含若干个词语，用d表示数据文本中的文档，t表示数据文本中的词语，所述TF
‑
IDF的计算公式为：
[0018]W
dt
＝(m
dt
/M
t
)
·
lg(N/n
t
+0.01)
[0019]其中，W
dt
为词语t在文档d中的权重，m
dt
表示词语t在文档d中出现的次数，M
t
表示文档d中词语的总数，n
t
为数据文本中包含t的文档数。
[0020]在以上技术方案的基础上，优选的，步骤S3具体包括：
[0021]S301，将项目线索核查的基本判断标准和标准范围作为项目线索输入序列X＝{x1,x2,
…
,x
p
}，将历史招商项目线索数据集合以及相关指标的历史数值范围集合作为项目线索输出序列Y＝{y1,y2,
…
,y
p
}；
[0022]S302，计算给定项目线索输入序列X的条件下项目线索输出序列Y的概率；
[0023]S303，基于步骤S302所得到的概率建立目标函数E，对目标函数E求解，并根据批量梯度下降法找到目标函数中的最优参数；
[0024]S304，基于最优参数重新训练CRF模型，将训练后的CRF模型作为项目线索识别和判断模型。
[0025]在以上技术方案的基础上，优选的，步骤S302具体包括：
[0026]给定项目线索输入序列X的条件下项目线索输出序列Y的概率的计算公式为：
[0027][0028]其中，Z(x)表示在给定项目线索输入序列X的条件下项目线索输出序列Y的所有可能结果概率之和，r表示当前是第r个字符，一共有R个字符，r＝1,2,
…
,R，w表示第w个特征函数，一共有W个特征函数，λ
w
表示特征函数权值，f(y
r
,y
r
‑1,x
r
,r)表示综合特征函数。
[0029]在以上技术方案的基础上，优选的，步骤S303具体包括：
[0030]对目标函数E求解的表达式为：
[0031][0032]其中，i＝1,2,
…
,p，λ为特征函数权值，采用批量梯度下降法找到最优的特征函数权值。
[0033]在以上技术方案的基础上，优选的，步骤S304还包括：
[0034]将项目线索输入序列和项目线索输出序列作为训练数据，将最优参数作为CRF模型的训练参数进行训练，在训练过程中，计算CRF模型得到的条件概率和真实条件概率间的均方根误差，设置均方根误差阈值，当CRF模型得到的条件概率和真实条件概率间的均方根误差小于均方根误差阈值时，将当前训练的CRF模型作为项目线索识别和判断模型。
[0035]在以上技术方案的基础上，优选的，步骤S4具体包括：
[0036]将当前产业园区招商项目线索数据及相关指标进行预处理后输入至项目线索识别和判断模型中，得到项目线索条件概率，设置特征条件，当项目线索条件满足特征条件时
核查结果取值为1，当项目线索条件不满足特征条件时核查结果取值为0，输出核查报告。
[0037]本专利技术还提出了一种产业园区招商项目线索的智能核查系统，所述系统包括：
[0038]标准设定模块，获取产业园区招商项目引进事前评估的主要内容和数据，得到项目线索核查的基本判断标准和标准范围；
[0039]数据处理模块，获取历史产业园区招商项目线索数据及相关指标，并进行预处理，建立历史招商项目线索数据集合以及相关指标的历史数值范围集合；
[0040]模型建立模块，建立CRF模型，基于历史招商项目线索数据集合以及历史数值范围集合对CRF模型进行训练，得到项目线索识别和判断模型；
[0041]核查模块，获取当前产业园区招商项目线索数据及相关指标，进行预处理后输入至项目线索识别和判断模型中进行核查，输出核查结果。
[0042]本专利技术的一种产业园区招商本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种产业园区招商项目线索的智能核查方法，其特征在于，所述方法包括：S1，获取产业园区招商项目引进事前评估的主要内容和数据，得到项目线索核查的基本判断标准和标准范围；S2，获取历史产业园区招商项目线索数据及相关指标，并进行预处理，建立历史招商项目线索数据集合以及相关指标的历史数值范围集合；S3，建立CRF模型，基于历史招商项目线索数据集合以及历史数值范围集合对CRF模型进行训练，得到项目线索识别和判断模型；S4，获取当前产业园区招商项目线索数据及相关指标，进行预处理后输入至项目线索识别和判断模型中进行核查，输出核查结果。2.如权利要求1所述的一种产业园区招商项目线索的智能核查方法，其特征在于，步骤S1具体包括：所述项目线索核查的基本判断标准是根据国家法律法规以及国家产业政策来定；所述项目线索核查的标准范围由项目类型来定。3.如权利要求1所述的一种产业园区招商项目线索的智能核查方法，其特征在于，步骤S2具体包括：对所述历史产业园区招商项目线索数据采用TF
‑
IDF分词技术进行处理，得到历史招商项目线索数据集合；对所述相关指标采用Excel统计其区间数字，得到相关指标的数值范围集合。4.如权利要求3所述的一种产业园区招商项目线索的智能核查方法，其特征在于，对所述历史产业园区招商项目线索数据采用TF
‑
IDF分词技术进行处理，得到历史招商项目线索数据集合具体包括：对历史产业园区招商项目线索数据进行分词并去除停用词处理，得到数据文本，采用TF
‑
IDF分词技术从数据文本中提取特征词；数据文本中包含N个文档，每个文档中包含若干个词语，用d表示数据文本中的文档，t表示数据文本中的词语，所述TF
‑
IDF的计算公式为：W
dt
＝(m
dt
/M
t
)
·
lg(N/n
t
+0.01)其中，W
dt
为词语t在文档d中的权重，m
dt
表示词语t在文档d中出现的次数，M
t
表示文档d中词语的总数，n
t
为数据文本中包含t的文档数。5.如权利要求1所述的一种产业园区招商项目线索的智能核查方法，其特征在于，步骤S3具体包括：S301，将项目线索核查的基本判断标准和标准范围作为项目线索输入序列X＝{x1,x2,
…
,x
p
}，将历史招商项目线索数据集合以及相关指标的历史数值范围集合作为项目线索输出序列Y＝{y1,y2,
…
,y
p
}；S30...

【专利技术属性】
技术研发人员：杜登斌，杜乐，杜小军，
申请(专利权)人：武汉东湖大数据交易中心股份有限公司，
类型：发明
国别省市：