CN108717601A - 一种面向企业难题的多创新方法集成与融合方法 - Google Patents

Abstract

一种面向企业难题的多创新方法集成与融合方法，包括构建创新方法资源空间、创新方法柔性模板的配置和实例化。通过数据挖掘和自然语言处理对创新方法进行分析，得到创新方法资源空间，然后利用提出的多创新方法集成与融合模型和创新方法聚类算法构建多创新方法柔性模板。当企业遇到具体难题的时候，通过对难题进行分析，借助基于创新活动触发的状态转移模型和创新方法推荐算法，得到该难题的解决方案。该方法通过对大量的专业文本数据进行综合分析，避免了创新方法应用中存在的主观性较强的缺点，借助科学的模型，使得多创新方法的集成与融合应用过程更加科学，减少了企业对创新方法缺用、误用的情况，提高企业的创新能力。

Description

一种面向企业难题的多创新方法集成与融合方法

技术领域

本发明属于创新方法应用领域，特别涉及一种面向企业难题的多创新方法集成与融合方法。

技术背景

当前，我国正处在从“中国制造”到“中国智造”的关键过渡期，如何结合企业创新现状和创新难题，提高企业的创新能力是企业亟需解决的问题。创新方法作为人类在创新实践活动中的经验总结，能够辅助企业解决难题，提高创新效率。企业需要应用创新方法来提高自身的创新能力。所以亟需一种适合企业解决实际难题的多创新方法集成应用理论来协助企业提高自身的创新能力。想要进行科学的创新就要利用创新方法来提高自身的创新能力。具体来说(1)创新方法作为提高企业创新能力的关键技术，没有受到人们的广泛重视，导致创新方法的只在少部分企业开展应用，目前所广泛应用的创新方法也主要集中在质量管理和精益生产中的常见方法。(2)创新方法理论体系不够完善，导致传统创新方法应用过程中大多数是凭借经验选取创新方法，并不一定适合当前企业所面临的难题，导致创新方法的应用效果欠佳。

在创新方法的应用研究方面，国内外学者较多利用单一创新方法解决单一的企业难题，但是却忽略了这些工具的使用特点和使用范围，比如Pareto图需要大量的历史质量统计数据，鱼骨图的使用十分依赖经验知识。也有部分学者将六西格玛、TRIZ和精益生产等方法结合，实现了初步的创新方法集成应用，比如在产品设计阶段的TRIZ和六西格玛集成框架，基于创新原理、创新思维、创新方法应用特征参数的创新方法应用集成模型等。但是，目前对于创新方法继承应用的研究没有深入创新方法集成应用原理，也没有给出形式化的数学模型描述。在创新方法分类问题上存在一定的主观性、在创新方法的关联关系认知上存在局限性，从而影响多创新方法集成应用的效果。

传统的创新方法应用模式无法满足企业需求，而创新的方法的集成应用模型仍然处于研究阶段，在企业为了满足个性化需求从而导致生产活动复杂的现实情况下，企业的类型多样化和难题多样化使得创新方法的集成应用成为一个复杂的系统问题。

发明内容

本发明的目的在于解决传统创新方法应用在企业实际问题中存在的问题，提供了一种面向企业难题的多创新方法集成与融合方法，可以实现对现有的创新方法进行定量化的分类和分析，并在此基础上使用所提出的多创新方法集成与融合模型构建新的多创新方法应用模板助企业实施创新方法，提高企业的创新能力。

为了达到上述目的，本发明采用的技术方案是：

一种面向企业难题的多创新方法集成与融合方法，其特征在于，包括以下步骤：

步骤一：利用数据挖掘技术对创新方法文本数据进行处理，从而得到创新方法的特征向量和关联关系；所获取的创新方法文本包括百科数据、文献资料、专业书籍资料；关联关系包括创新方法的互斥指数、创新方法的前后关系、创新方法的嵌套关系；以此形成创新方法资源空间，为后续创新方法柔性模板的构建提供数据支持。

步骤二：建立多创新方法集成与融合模型，用关系代数描述多创新方法集成与融合模型为：

C＝{u₁，u₂，u₃，...，u_n}

其中：C表示容器型创新方法，u_i表示构件型创新方法。

在此基础上，通过分析现有多创新方法应用的组合嵌套关系，结合创新方法聚类算法和创新方法资源空间，以现有模板为基础配置多创新方法柔性模板；提出柔性模板的可集成度和可融合度量化指标，用以衡量模板特性。

步骤三：提出基于创新活动触发的状态转移模型模型用以描述应用多创新方法解决实际难题的过程。用关系代数描述状态转移模型模型，在解决企业难题的过程中，随着创新活动的不断触发，企业难题逐步被分解成多个子难题，通过分析状态特征和创新方法推荐算法来实现创新方法推荐的智能化，最终实现创新方法模板的实例化，也就是具体难题的解决方案。

本发明的有益效果为：

1)本发明通过数据挖掘技术对创新方法文本数据进行分析，得到的创新方法资源空间能够最大程度解决传统创新方法分析中存在的主观性较强、依赖大量经验知识的问题。

2)建立的多创新方法集成与融合模型，能够为多个创新方法的应用提供理论基础。

3)通过多创新方法柔性模板可以为企业提供多种解决问题的思路，从而有效的辅助企业进行创新。

4)可以对企业解决问题的过程状态，动态的调整创新方法的选用，从而提高企业对于复杂多变的个性化难题的解决能力。

附图说明

图1为本发明的应用流程图。

图2为利用多创新方法资源空间的构建过程。

图3为本发明提出的创新方法集成与融合模型。

图4为本发明提出的多创新方法柔性模板的配置过程。

图5为本发明提出的多创新方法聚类算法。

图6为本发明构建的基于创新活动触发的状态转移模型。

图7为本发明提出的柔性模板的实例化流程和推荐算法。

具体实施方式

下面结合附图和实例对本发明作详细的说明，此处所说明的附图是本申请的一部分，用来对本发明作进一步解释，但并不构成对本发明的限定。

参见图1，本发明中涉及的一种面向企业难题的多创新方法集成与融合方法，其具体流程包括创新方法资源空间的构件、创新方法柔性模板的配置以及柔性模板的实例化过程。具体步骤内容如下：

步骤一：基于数据挖掘技术的创新方法资源空间构建。

参见图2，本发明所使用的数据挖掘技术主要通过爬虫技术对网络中的创新方法文本数据进行收集，利用自然语言处理技术(Natural Language Processing,NLP)对文本数据进行分词、语序分析、语义分析、利用数据挖掘技术对建立多创新方法实体之间的关联关系，为后续的多创新方法柔性模板的建立提供依据。数据挖掘阶段的具体流程描述如下：

a)首先通过爬虫技术对互联网终的创新方法文本数据进行收集。收集数据包括百度百科、互动百科、维基百科、创新方法手册以及文献资料等。

b)对采集到的数据进行格式化和清洗，对文本进行预处理主要是对收集到的文本进行字符转化、数字转化、时间日期格式转化。

c)文本处理：对文本数据进行中文分词采用基于N-gram统计模型的双向LSTM(Long Short-Term Memory)网络对中文语料进行分词，然后利用自定义词典对分词结果进行词语组合和优化。

d)特征提取：通过对等价词、反义词、意愿词、情态动词、否定词、上下位词表等处理，完成知识抽取。然后采用词频-逆向词频(Term Frequency–Inverse DocumentFrequency,TF-IDF)算法，将特征表示为FV＝{t₁，t₂，t₃，...，t_n}，其中FV代表的是创新方法的实体特征，t_i为创新方法所包含的关键词。N特征向量的维度。TF-IDF计算公式：

式中f_i，j表示词频，即词w_j在文档d_i中出现的频率次数。表示逆文本词频，其中N表示所有文档的数量，n_j表示文本集中所有含词语w_j的文档数量。

e)关系抽取：构建关系抽取模型，得到创新方法之间的关联关系，采用的关系抽取策略包括关系实例抽取、模式构建、新实例抽取。

通过上述流程可以获得创新方法实体的特征向量和创新方法之间的关联关系，进而形成创新方法资源空间。

2)多创新方法柔性模板的配置

为了实现多个创新方法的集成与融合应用，提出了多创新方法集成与融合模型，参见图3，利用“模板-容器-构件”三层实体模型来描述创新方法的之间的集成与融合关系。模型中的具体定义如下：

构件：“构件型”创新方法，是指创新方法中可以作为一个整体来解决问题的方法。构件作为创新方法的基本单元，可以用来与其他创新方法集成解决多个问题。构件可以表示为u＝(v₁，v₂，...，v_n)，其中u代表当前创新方法对应的特征向量，v_i代表第i个特征值，n为当前创新方法的特征向量维度。

容器：“容器型”创新方法，是指创新方法中包含“流程”属性的创新方法，可以被认为是一种特殊的构件，其使用过程包含较为明显的多个阶段，每个阶段可以使用其它创新方法来解决阶段问题(即将构件填充进容器的中的每个阶段)，可以将这类创新方法称为容器。比如DMAIC，5S等。容器可以表示为C＝{P₁，P₂，...，P_n}，其中P_i代表第i阶段，n代表容器中所包含的阶段总数。

嵌套：创新方法在使用过程中存在的嵌套关系。由于容器的容器属性，在每个阶段都可以应用其他创新方法，就形成了创新方法的嵌套关系。比如在DMAIC方法的D-定义阶段应用SIPOC对问题进行分析，可以看作DMAIC方法中嵌套了SIPOC方法。由此可以将容器和构件的关系用C＝{u₁，u₂，u₃，...，u_n}来进行表示，其中C为容器所包含的阶段集合，u_i为第i个创新方法，n为容器所包含其他创新方法总数。

前后关系：多个创新方法应用过程中存在的使用先后关系，表示为UR＝{<u_i，u_j>}，其中UR表示创新方法前后关系集，<u_i，u_j>为由创新方法u_i指向u_j的抽象的边。同时阶段之间也存在前后关系，表示为PR＝{<P_i，P_j>},其中PR表示阶段前后关系集，<P_i，P_j>为由阶段P_i指向P_j的抽象的边。

集成和融合：集成和融合就是指将多个创新方法联合使用以解决单个或者多个企业难题。其中集成和融合的定义存在差别。

集成：针对一个系统难题，可以选择有多个创新方法作为解决难题的候选解，定义为创新方法的集成。

融合：针对一个系统难题，利用多个创新方法分别解决相应的子难题，从而解决系统难题的过程，定义为创新方法的融合。

模板：创新方法应用“模板”，是指对多个创新方法进行集成和融合后得到的用来解决某一问题的创新方法集合，集合内包含构件和容器，可以表示为T＝CA∪UA，其中T被称为模板所包含的创新方法的集合，CA＝{C₁，C₂，C₃，...，C_i}为模板所包含容器的集合,UA＝{u₁，u₂，...，u_j}的集合。其中模板又可以分类为柔性模板和实例化模板。柔性模板是指包含解决某类问题的所有创新方法的集合；实例化模板是指柔性模板在解决具体问题的过程中，通过逐步选用创新方法，完成柔性模板的配置而得到的模板，可以认为实例化模板是柔性模板的子集。

为了更好的区别创新方法的集成和融合的概念，提出了可集成度和可融合度两项定量指标对创新方法的应用过程进行评估，需要注意的是可集成度和可融合度都是对于模板而言的。具体定义如下：

可集成度：可集成度表示在创新方法应用过程中某个阶段可选的创新方法个数。用DOI进行表示，可集成度的计算公式如下：

其中sim_i，j表示p阶段对应的创新方法i和创新方法j之间的相似程度,k表示p阶段可集成的创新方法个数。N表示当前创新方法模板的阶段个数。

可融合度：可融合度表示在多创新方法应用过程中，每个阶段使用的创新方法之间的关联程度。用DOF进行表示，可融合度的计算公式如下：

其中t_i，j表示p-1阶段和p阶段对应的创新方法u_i和u_j之间的关联程度，k_p-1表示p-1阶段的可集成创新方法个数，k_p表示p阶段的可集成创新方法个数。N表示当前创新方法模板的阶段个数。

如果DOF＞＞DOI＞0表示当前模板可融合度较高，是以融合为主导的模板，阶段与阶段的之间的关联性较强。

如果DOI＞＞DOF＞0表示当前模板可集成度较高，是以集成为主导的模板，阶段内可选创新方法较多，模板的柔性较强。

如果DOF≈DOI＞＞0表示当前模板的可集成度和可融合度都比较高。是一种较为理想的模板。

以上模型能够很好的描述多创新方法的集成与融合应用的原理，利用数据挖掘阶段得到的创新方法资源空间结合上述模型可以实现多创新方法柔性模板的配置。参考图4，提出两种多创新方法柔性模板的配置过程，分别是以现有模板为基础的多创新方法柔性模板配置和以新建模板为基础的多创新方法柔性模板配置。具体描述如下：

以现有模板为基础：现有模板是指创新方法应用较为成熟的模板，比如六西格玛质量管理模板在产品质量管理中的应用、精益生产模板在提高生产效率中的应用等。通过对现有创新方法应用模板进行分析，获取当前模板对应的创新方法“模板-容器-构件”三层结构和结构数据，对结构中的每层实体应用创新方法聚类算法，将特征相似的创新方法合并到当前阶段集合中，从而拓展该创新方法内涵和应用范畴。

以新建模板为基础：现有创新模板可能无法解决当前难题或存在其他更优解，用户通过创新方法集成和融合模型创建一套新的创新方法使用流程，该流程每个阶段只包含一个创新方法，无法被称作创新方法柔性模板。利用创新方法聚类算法，计算其他方法与该创新方法的相似度，将相似度较高的创新方法集成进来，形成原方法的可替换解，建立了新的创新方法应用模式，形成了一套新的创新方法柔性模板。

为了保证多创新方法柔性模板配置的科学性和合理性，本发明提出了多创新方法聚类算法。创新方法聚类主要依据聚类假设：同类的创新方法相似度较大，非同类的创新方法相似度较小。算法主要采用基于距离的层次凝聚法进行，将创新方法看作向量空间中的一个点，通过计算点之间的距离进行聚类。

参见图5，对于给定的创新方法集合D＝{d₁，d₂，..，d_i，...，d_n}多创新方法聚类算法流程具体描述如下：

a)将D中的每个创新方法d_i看成一个具有单一成员的簇c_i＝{d_i}这些簇构成了一个D的一个聚类C＝{c₁，c₂，...，c_i，...，c_n}；

b)计算C中每对簇(c_i，c_j)之间的相似度sim(c_i，c_j)，相似度计算方式采用余弦系数公式：

其中t分别代表两个簇特征向量空间中的特征向量值，T表示特征集合。

c)选取具有最大相似度的簇对sim(c_i，c_j)，将c_i和c_j合并为一个新的簇c_k＝simc_i∪c_j，从而构成了D的一个新的聚类C＝(c₁，c₂，...，c_n-1)。

d)重复以上步骤，直至C中剩下一个簇位置。

以上算法过程构造出一颗生成树，其中包含了簇的层次信息以及所有簇内和簇间的相似度。通过上述算法可以得到完成创新方法的聚类，从而实现多创新方法柔性模板的配置。使用上述算法构建的创新方法柔性模板具有高柔性、可拓展的优点；柔性模板的配置过程是动态的，可拓展的，一个新的创新方法只需要通过数据挖掘发现并确定相关特征向量和关联矩阵后即可引入该模型。

3)多创新方法柔性模板的运行及实例化

以上阶段得到的创新方法柔性模板包含多个创新方法，是针对难题解决的一种冗余方案组合。因为创新方法柔性模板中包含大量的创新方法实体，实体之间的组合方式较多，为了从创新方法柔性模板中形成最适合解决当前问题的多创新方法集成应用流程，本发明提出了基于创新活动触发的状态转移模型，参见图6，模型中的基本定义如下：

创新活动：创新活动表示应用创新方法解决某种难题的过程。通过创新方法的使用情况进行归纳总结，可以将创新活动过程抽象为“创新难题(Input)——创新方法(Process)——创新结果(Output)”模型，同时利用分型理论对创新活动进行粒度划分。

其中系统层面是从企业宏观目标出发；模板层面是从企业实际问题出发，以企业生产、经营活动作为研究对象；构件层面是从企业活动中发现的具体问题出发，以构件型创新方法使用过程为研究对象，可以看作创新活动的最小粒度，由此定义为基本创新活动。创新活动可以表示为一个三元组<I，P，O>，其中I为创新难题(集)，P是创新方法(集)，O是创新结果(集)。为了讨论简单且不失一般性，我们可以认为基本创新活动只包含一个创新难题、一个创新方法、一个创新结果。所以基本创新活动可以用单元素集合的三元组来表达{<i，v，t>}。

基于创新活动触发的状态转移模型模型的描述如下：

多创新方法集成与融合应用过程可以描述为从初始难题出发，应用多个创新方法，最终解决难题的过程。可以将此过程通过有限状态集合来进行表示。将集合定义为

M＝(S，∑，f，S0，Z)

状态：模型中的状态代表了创新方法集成应用过程中所表现出来的形态，S代表了创新方法使用过程的中间形态。S是一个有限集，集合中每个元素表示当前系统的一个状态。初始状态：未应用任何创新方法时系统所处的状态，在整个系统中只存在一个唯一的初态，以S₀来表示。S₀与S的关系是S₀∈S。终态集：代表经一系列的创新活动以后达到令人满意的状态，是一个状态集合，以Z进行表示，Z与S的关系是

触发：表示系统处于某种状态时，某个创新活动的触发导致系统从当前状态转移到下一个状态的过程。∑代表表示系统可能发生的条件集合，即创新活动集合。f代表一个从S×∑到S的单值部分映射，即状态转移的函数。f(s，A)＝s′代表当前系统状态遇到条件A时将转化到下一个系统状态s′，即后继状态。代表进行了某项创新活动将当前状态转移到后继状态，如果没有进行创新活动，那么系统状态不会改变；存在多个创新活动同时进行，达到后继状态，所以A是一个非空集合。

难题：代表对状态进行分析，获取使当前状态不稳定的具体难题，利用创新活动来解决这些难题。

结果集：表示通过创新方法的使用对创新难题进行解决后产生的结果集合。一个或多个创新方法产生的结果集合共同对下一个阶段的状态产生影响。

方法集：表示创新方法的集合。这里主要是指创新方法构件集合UA和创新方法容器集合CA。

假定状态集合含有m个系统状态节点和n个创新活动，那么创新方法集成应状态转化图有m个节点，每个状态节点都有n个箭弧与别的节点连接，每个弧用不同的输入条件作为标记，每个状态转化图之包含一个系统初态节点和若干个系统终结态节点。

对于∑中的任何创新活动组合A，若存在一条从系统初态到某一个系统终态的道路，同这条路上的所有条件连接成的结合等于A，那么称为A为创新方法集成应用的可行解，系统对应的创新方法活动组合的所有可行解称为可行解集。记为L(M)。

通过上述模型和创新方法推荐算法可以准确的选择每个阶段对应的创新方法，参见图7。在上述创新方法集成与融合应用模型中，以{s(t)，f[s(t)，A]}表示一个多阶段的决策过程，其中s(t)称为t阶段状态，A为创新活动集合，f[s(t)，A]表示一次状态转移变换。可见，状态转移变换过程仅依赖于当前所处状态和采用的创新活动，与此之前的各阶段的状态无关。

对于系统M，任意t＞0，假设在[0，t]的阶段内，系统共发生了n次转移。即

0＝t₀＜t₁＜t₂＜…＜t_n≤t

使得

s₁＝s₀

s_n＝f(s_n-1，A_n-1)，n＝2，3，...

对于创新方法的使用过程状态中创新活动有效集用A＝{A₁，A₂，A₃，...，A_n}表示，其中A₁表示可行的创新活动。根据创新活动的定义，A₁＝{I₁，P₁，O₁}，对于一个一定确定的状态来说，I₁是确定的，而O₁是由P₁所决定的，所以下一阶段状态S_n仅由当前阶段S_n-1和所选择的创新方法P_n-1决定的。

根据以上模型多创新方法柔性模板实例化的具体流程如下：

a)企业在自身的生产和经营活动中遇到难题，此时企业处于模型的初始状态，该状态由了企业的基本属性(企业类型、企业规模等)、难题的基本属性(难题的类别、难题对应的生产或经营活动阶段等)所决定。

b)难题识别。通过核心关键词提取技术获取企业当前难题的特征标签。比如某企业的轴质量不达标，那么可以由此得到问题属于质量问题、轴类问题这两个标签。分析问题，如果存在问题确定问题的特征标签，如果不存在问题直接结束。

c)根据难题的标签和企业目前状态特征向量与创新方法资源空间中的创新方法进行匹配。选取适合解决企业当前难题的创新方法。

d)使用完成创新方法。

e)是否满足需求，即认为当前难题已经解决，未出现新的难题。如果满足，那么到b)阶段，如果没有满足需求那么到c)阶段

其中比较关键的部分是如何选择合适的创新方法和如何确定当前状态是否完成。传统的创新方法选择方法是由依赖个人经验进行选取，主观性较强；为了提高创新方法选择的准确性、合理性，本发明结合目前比较成熟的推荐算法，加以改进，创建了一套针对难题的创新方法推荐机制，应用于体系架构中的技术支撑部分，最终创新方法的推荐顺序取决于创新方法在该阶段的匹配评分，这个数值由多个方面决定。

创新方法的匹配评分由两个方面决定，一个方面是创新方法的应用评价，另一方面是难题分类。难题分类是在企业分类的框架之下通过对当前难题进行归类，然后将该类难题对应的创新方法之间的相似关系和应用效果进行定量计算得到创新方法的匹配评分，从而实现创新方法的推荐排序。

本发明旨在利用数据挖掘技术和所提出的多创新方法集成与融合模型构建多创新方法集成和融合应用柔性模板，通过对企业进行难题定位从而实现柔性模板的实例化配置，最终建立起一整套完整的、服务于企业的多创新方法集成与融合应用体系；本发明提出的方法与传统的创新方法应用可以从以下方面区分：

一是本发明所提出的多创新方法集成与融合模型能够为多创新方法的集成与融合应用供技术支撑。可以解决企业难题类型复杂带来的创新方法的缺用、误用。

二是本发明提出的方法以数据分析结果作为依据，借助创新方法聚类算法、创新方法推荐算法可以有效的解决传统创新方法应用中存在的主观性过强和依赖经验的缺点。

综上所述，本发明提出一种面向企业难题的多创新方法集成与融合应用方法，该方法基于创新方法集成与融合应用模型并通过以下三个步骤完成多创新方法集成应用：1)利用数据挖掘建立多创新方法资源空间；2)利用创新方法集成与融合模型和创新方法资源空间建立多创新方法柔性模板；3)针对具体难题所属类别和相对应的柔性模板，利用基于创新活动触发的状态转移模型和多创新方法推荐算法针对具体难题选择相应的每个阶段对应的创新方法，从而完成创新方法的实例化过程，形成问题的解决方案。

Claims (5)

1.一种面向企业难题的多创新方法集成与融合方法，其特征在于，包括以下步骤：

步骤一：利用数据挖掘技术对创新方法文本数据进行处理，从而得到创新方法的特征向量和关联关系；所获取的创新方法文本包括百科数据、文献资料、专业书籍资料；关联关系包括创新方法的互斥指数、创新方法的前后关系、创新方法的嵌套关系；以此形成创新方法资源空间；

步骤二：建立多创新方法集成与融合模型，用关系代数描述多创新方法集成与融合模型为：

C＝{u₁，u₂，u₃，...，u_n}

其中：C表示容器型创新方法，u_i表示构件型创新方法；

分析现有多创新方法应用的组合嵌套关系，结合创新方法聚类算法和创新方法资源空间，以现有模板为基础配置多创新方法柔性模板；提出柔性模板的可集成度和可融合度量化指标，用以衡量模板特性；

步骤三：提出基于创新活动触发的状态转移模型模型用以描述应用多创新方法解决实际难题的过程；用关系代数描述状态转移模型模型，在解决企业难题的过程中，随着创新活动的不断触发，企业难题逐步被分解成多个子难题，通过分析状态特征和创新方法推荐算法来实现创新方法推荐的智能化，最终实现创新方法模板的实例化。

2.根据权利要求1所述的一种面向企业难题的多创新方法集成与融合方法，其特征在于，所述的步骤一具体如下：

a)首先通过爬虫技术对互联网终的创新方法文本数据进行收集；收集数据包括百度百科、互动百科、维基百科、创新方法手册以及文献资料；

b)对采集到的数据进行格式化和清洗，对文本进行预处理主要是对收集到的文本进行字符转化、数字转化、时间日期格式转化；

c)文本处理：对文本数据进行中文分词采用基于N-gram统计模型的双向LSTM网络对中文语料进行分词，然后利用自定义词典对分词结果进行词语组合和优化；

d)特征提取：通过对等价词、反义词、意愿词、情态动词、否定词、上下位词表处理，完成知识抽取，然后采用词频-逆向词频算法，将特征表示为FV＝{t₁,t₂,t₃，...，t_n)，其中FV代表的是创新方法的实体特征，t_i为创新方法所包含的关键词，N特征向量的维度，TF-IDF计算公式：

式中f_i，j表示词频，即词w_j在文档d_i中出现的频率次数；表示逆文本词频，其中N表示所有文档的数量，n_j表示文本集中所有含词语w_j的文档数量；

e)关系抽取：构建关系抽取模型，得到创新方法之间的关联关系，采用的关系抽取策略包括关系实例抽取、模式构建、新实例抽取。

3.根据权利要求1所述的一种面向企业难题的多创新方法集成与融合方法，其特征在于，所述的步骤二具体如下：

利用“模板-容器-构件”三层实体模型来描述创新方法的之间的集成与融合关系；模型中的具体定义如下：

构件：“构件型”创新方法，是指创新方法中作为一个整体来解决问题的方法；构件作为创新方法的基本单元，用来与其他创新方法集成解决多个问题；构件表示为u＝(v1，v2，...，v_n)，其中u代表当前创新方法对应的特征向量，v_i代表第i个特征值，n为当前创新方法的特征向量维度；

容器：“容器型”创新方法，是指创新方法中包含“流程”属性的创新方法，其使用过程包含较为明显的多个阶段，每个阶段使用其它创新方法来解决阶段问题，即将构件填充进容器的中的每个阶段；容器表示为C＝{P₁，P₂，...，P_n}，其中P_i代表第i阶段，n代表容器中所包含的阶段总数；

嵌套：创新方法在使用过程中存在的嵌套关系；由于容器的容器属性，在每个阶段都能够应用其他创新方法，就形成了创新方法的嵌套关系，因此将容器和构件的关系用C＝{u₁，u₂，u₃，...，u_n}来进行表示，其中C为容器所包含的阶段集合，u_i为第i个创新方法，n为容器所包含其他创新方法总数；

前后关系：多个创新方法应用过程中存在的使用先后关系，表示为UR＝{＜u_i，u_j＞}，其中UR表示创新方法前后关系集，＜u_i，u_j＞为由创新方法u_i指向u_j的抽象的边；同时阶段之间也存在前后关系，表示为PR＝{＜P_i，P_j＞}，其中PR表示阶段前后关系集，＜P_i，P_j＞为由阶段P_i指向P_j的抽象的边；

集成和融合：集成和融合就是指将多个创新方法联合使用以解决单个或者多个企业难题；集成：针对一个系统难题，能够选择有多个创新方法作为解决难题的候选解，定义为创新方法的集成；融合：针对一个系统难题，利用多个创新方法分别解决相应的子难题，从而解决系统难题的过程，定义为创新方法的融合；

模板：创新方法应用“模板”，是指对多个创新方法进行集成和融合后得到的用来解决某一问题的创新方法集合，集合内包含构件和容器，表示为T＝CA∪UA，其中T被称为模板所包含的创新方法的集合，CA＝{C₁,C₂，C₃，...,C_i}为模板所包含容器的集合,UA＝{u₁，u₂，...，u_j}的集合；其中模板又分类为柔性模板和实例化模板；柔性模板是指包含解决某类问题的所有创新方法的集合；实例化模板是指柔性模板在解决具体问题的过程中，通过逐步选用创新方法，完成柔性模板的配置而得到的模板，认为实例化模板是柔性模板的子集；

为了更好区别创新方法的集成和融合的概念，提出了可集成度和可融合度两项定量指标对创新方法的应用过程进行评估，具体定义如下：

可集成度：可集成度表示在创新方法应用过程中某个阶段可选的创新方法个数，用DOI进行表示，可集成度的计算公式如下：

其中sim_i，j表示p阶段对应的创新方法i和创新方法j之间的相似程度,k表示p阶段可集成的创新方法个数；N表示当前创新方法模板的阶段个数；

可融合度：可融合度表示在多创新方法应用过程中，每个阶段使用的创新方法之间的关联程度；用DOF进行表示，可融合度的计算公式如下：

其中t_i，j表示p-1阶段和p阶段对应的创新方法u_i和u_j之间的关联程度，k_p-1表示p-1阶段的可集成创新方法个数，k_p表示p阶段的可集成创新方法个数；N表示当前创新方法模板的阶段个数；

如果DOF＞＞DOI＞0表示当前模板可融合度较高，是以融合为主导的模板，阶段与阶段的之间的关联性较强；

如果DOI＞＞DOF＞0表示当前模板可集成度较高，是以集成为主导的模板，阶段内可选创新方法较多，模板的柔性较强；

如果DOF≈DOI＞＞0表示当前模板的可集成度和可融合度都比较高；是一种较为理想的模板；·

以上模型能够很好地描述多创新方法的集成与融合应用的原理，利用数据挖掘阶段得到的创新方法资源空间结合上述模型可以实现多创新方法柔性模板的配置，分别是以现有模板为基础的多创新方法柔性模板配置和以新建模板为基础的多创新方法柔性模板配置，具体描述如下：

以现有模板为基础：通过对现有创新方法应用模板进行分析，获取当前模板对应的创新方法“模板-容器-构件”三层结构和结构数据，对结构中的每层实体应用创新方法聚类算法，将特征相似的创新方法合并到当前阶段集合中，从而拓展该创新方法内涵和应用范畴；

以新建模板为基础：用户通过创新方法集成和融合模型创建一套新的创新方法使用流程，该流程每个阶段只包含一个创新方法，无法被称作创新方法柔性模板；利用创新方法聚类算法，计算其他方法与该创新方法的相似度，将相似度较高的创新方法集成进来，形成原方法的可替换解，建立了新的创新方法应用模式，形成了一套新的创新方法柔性模板；

为了保证多创新方法柔性模板配置的科学性和合理性，提出了多创新方法聚类算法，算法主要采用基于距离的层次凝聚法进行，将创新方法看作向量空间中的一个点，通过计算点之间的距离进行聚类。

4.根据权利要求3所述的一种面向企业难题的多创新方法集成与融合方法，其特征在于，所述的多创新方法聚类算法，对于给定的创新方法集合D＝{d₁，d₂，..，d_i，...，d_n}，多创新方法聚类算法流程具体描述如下

a)将D中的每个创新方法d_i看成一个具有单一成员的簇c_i＝{d_i}这些簇构成了一个D的一个聚类C＝{c₁，c₂，...，c_i，...，c_n}；

b)计算C中每对簇(c_i，c_j)之间的相似度sim(c_i，c_j)，相似度计算方式采用余弦系数公式：

其中t分别代表两个簇特征向量空间中的特征向量值，T表示特征集合；

c)选取具有最大相似度的簇对sim(c_i，c_j)，将c_i和c_j合并为一个新的簇c_k＝simc_i∪c_j，从而构成了D的一个新的聚类C＝(c₁，c₂，…，c_n-1)；

d)重复以上步骤，直至C中剩下一个簇位置；

以上算法过程构造出一颗生成树，其中包含了簇的层次信息以及所有簇内和簇间的相似度，通过上述算法得到完成创新方法的聚类，从而实现多创新方法柔性模板的配置。

5.根据权利要求1所述的一种面向企业难题的多创新方法集成与融合方法，其特征在于，所述的步骤三中状态转移模型模型基本定义如下：

创新活动：创新活动表示应用创新方法解决某种难题的过程；通过创新方法的使用情况进行归纳总结，可以将创新活动过程抽象为“创新难题Input——创新方法Process——创新结果Output”模型，同时利用分型理论对创新活动进行粒度划分；

其中系统层面是从企业宏观目标出发；模板层面是从企业实际问题出发，以企业生产、经营活动作为研究对象；构件层面是从企业活动中发现的具体问题出发，以构件型创新方法使用过程为研究对象，看作创新活动的最小粒度，由此定义为基本创新活动；创新活动表示为一个三元组＜I，P，O＞，其中I为创新难题(集)，P是创新方法(集)，O是创新结果(集)；基本创新活动只包含一个创新难题、一个创新方法、一个创新结果；所以基本创新活动用单元素集合的三元组来表达{＜i，v，t＞}；

基于创新活动触发的状态转移模型模型的描述如下：

多创新方法集成与融合应用过程可以描述为从初始难题出发，应用多个创新方法，最终解决难题的过程；将此过程通过有限状态集合来进行表示，将集合定义为

M＝(S,∑,f,S₀,Z)

状态：模型中的状态代表了创新方法集成应用过程中所表现出来的形态，S代表了创新方法使用过程的中间形态；S是一个有限集，集合中每个元素表示当前系统的一个状态；初始状态：未应用任何创新方法时系统所处的状态，在整个系统中只存在一个唯一的初态，以S₀来表示；S₀与S的关系是S₀∈S；终态集：代表经一系列的创新活动以后达到令人满意的状态，是一个状态集合，以Z进行表示，Z与S的关系是

触发：表示系统处于某种状态时，某个创新活动的触发导致系统从当前状态转移到下一个状态的过程；∑代表表示系统可能发生的条件集合，即创新活动集合；f代表一个从S×∑到S的单值部分映射，即状态转移的函数；f(s，A)＝s′代表当前系统状态遇到条件A时将转化到下一个系统状态s′，即后继状态；代表进行了某项创新活动将当前状态转移到后继状态，如果没有进行创新活动，那么系统状态不会改变；存在多个创新活动同时进行，达到后继状态，所以A是一个非空集合；

难题：代表对状态进行分析，获取使当前状态不稳定的具体难题，利用创新活动来解决这些难题；

结果集：表示通过创新方法的使用对创新难题进行解决后产生的结果集合；一个或多个创新方法产生的结果集合共同对下一个阶段的状态产生影响；

方法集：表示创新方法的集合；指创新方法构件集合UA和创新方法容器集合CA；

假定状态集合含有m个系统状态节点和n个创新活动，那么创新方法集成应状态转化图有m个节点，每个状态节点都有n个箭弧与别的节点连接，每个弧用不同的输入条件作为标记，每个状态转化图之包含一个系统初态节点和若干个系统终结态节点；

对于∑中的任何创新活动组合A，若存在一条从系统初态到某一个系统终态的道路，同这条路上的所有条件连接成的结合等于A，那么称为A为创新方法集成应用的可行解，系统对应的创新方法活动组合的所有可行解称为可行解集；记为L(M)；

创新方法集成与融合应用模型中，以{s(t)，f[s(t)，A]}表示一个多阶段的决策过程，其中s(t)称为t阶段状态，A为创新活动集合，f[s(t)，A]表示一次状态转移变换；对于系统M，任意t＞0，假设在[0，t]的阶段内，系统共发生了n次转移，即

0＝t₀＜t₁＜t₂＜…＜t_n≤t

使得

S₁＝s₀

s_n＝f(s_n-1，A_n-1)，n＝2，3，...

对于创新方法的使用过程状态中创新活动有效集用A＝{A₁，A₂，A₃，...，A_n}表示，其中A₁表示可行的创新活动；根据创新活动的定义，A₁＝{I₁，P₁，O₁}，对于一个一定确定的状态来说，I₁是确定的，而O₁是由P₁所决定的，所以下一阶段状态S_n仅由当前阶段S_n-1和所选择的创新方法P_n-1决定的。