CN114780735B - 基于数据分析的政策匹配方法、系统和可读存储介质 - Google Patents
基于数据分析的政策匹配方法、系统和可读存储介质 Download PDFInfo
- Publication number
- CN114780735B CN114780735B CN202210155790.5A CN202210155790A CN114780735B CN 114780735 B CN114780735 B CN 114780735B CN 202210155790 A CN202210155790 A CN 202210155790A CN 114780735 B CN114780735 B CN 114780735B
- Authority
- CN
- China
- Prior art keywords
- policy
- matching
- enterprise
- panoramic
- policies
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
- G06F16/287—Visualization; Browsing
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开的一种基于数据分析的政策匹配方法、系统和可读存储介质，其中方法包括：基于预设因子输出对应的政策智能标签，进而基于所述政策智能标签构建全景政策图谱；基于目标客户调用预设数据库进行政策匹配，并结合所述全景政策图谱输出所述客户对应的企业画像；基于所述全景政策图谱对政策进行区域性比对以提取区域政策，其中，比对分析具体包括政策对比、政策重合度对比、政策热词分析以及政策影响评价。本发明可以生成全景政策图谱，并且基于不同客户的实际需要输出适配的政策，同时还可以对政策进行分析，基于不同的区域进行对比，输出区域政策热力图，并利用多源数据对政策施行效果进行融合分析，提供全面、科学的数据支撑给到施政者。
Description
技术领域
本发明涉及数据分析技术领域，更具体的，涉及一种基于数据分析的政策匹配方法、系统和可读存储介质。
背景技术
随着时代的进步，需要充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，壮大经济发展新引擎。
其中，社会各企业、团体或者个人在从事市场活动时多数依靠着相关部门颁发的政策而定，因此政策是调控宏观经济水平、结构，实施经济发展战略的指导方针，是促进就业、吸引人才、扶助企业的“有效杠杆”，尤其是“政策-企业”间的精准匹配是研究方向。
发明内容
本发明的目的是提供一种基于数据分析的政策匹配方法、系统和可读存储介质，可以生成全景政策图谱，并且基于不同客户的实际需要输出适配的政策，实现精准匹配政策的目标，同时还利用多源数据对政策施行效果进行融合分析，提供全面、科学的数据支撑给到施政者，进一步完善政策体系。
本发明第一方面提供了一种基于数据分析的政策匹配方法，包括以下步骤：
基于预设因子输出对应的政策智能标签，进而基于所述政策智能标签构建全景政策图谱；
基于目标客户调用预设数据库进行政策匹配，并结合所述全景政策图谱输出所述客户对应的企业画像；
基于所述全景政策图谱对政策进行区域性比对以提取区域政策，其中，比对分析具体包括政策对比、政策重合度对比、政策热词分析以及政策影响评价。
本方案中，所述基于预设因子输出对应的政策智能标签，进而基于所述政策智能标签构建全景政策图谱，具体包括：
基于政策因子、企业因子、人才因子以及社会因子构建所述政策智能标签；
基于预设模型结合对象类别、政策层级、发文单位、专题内容以及政策类别构建所述全景政策图谱。
本方案中，所述基于目标客户调用预设数据库进行政策匹配，并结合所述全景政策图谱输出所述客户对应的企业画像，具体包括：
基于所述目标客户获取企业资质、融资、知识产权数据，以得到企业数据库；
调用所述预设数据库与所述企业数据库进行数据匹配处理分析，并提取匹配度超过预设第一阈值的数据以生成所述企业画像。
本方案中，所述基于所述全景政策图谱对政策进行区域性比对以提取区域政策，其中，比对分析具体包括政策对比、政策重合度对比、政策热词分析以及政策影响评价，具体包括：
基于用户搜索的政策匹配对不同区域内的政策进行对比，以输出差异价值；
按政策对应的行业和类型，匹配若干对比区域的政策重合度，并提取所述政策重合度高于第二阈值的政策作为交集进行展示；
提取若干所述对比区域重合的热词，并按照所述热词出现频次的量级进行降序显示；
提取历史数据中政策发布后对应企业的变化数据，作为该政策对应的所述政策影响评价。
本方案中，所述方法还包括对所述政策进行施政评估分析，将所述政策输入到训练好的神经网络模型中进行训练，以输出对应的不同所述政策的评估结果。
本方案中，所述方法还包括基于所述目标客户结合所述全景政策图谱进行人才政策匹配。
本发明第二方面还提供一种基于数据分析的政策匹配系统，包括存储器和处理器，所述存储器中包括基于数据分析的政策匹配方法程序，所述基于数据分析的政策匹配方法程序被所述处理器执行时实现如下步骤：
基于预设因子输出对应的政策智能标签，进而基于所述政策智能标签构建全景政策图谱；
基于目标客户调用预设数据库进行政策匹配，并结合所述全景政策图谱输出所述客户对应的企业画像；
基于所述全景政策图谱对政策进行区域性比对以提取区域政策，其中，比对分析具体包括政策对比、政策重合度对比、政策热词分析以及政策影响评价。
本方案中，所述基于预设因子输出对应的政策智能标签，进而基于所述政策智能标签构建全景政策图谱，具体包括：
基于政策因子、企业因子、人才因子以及社会因子构建所述政策智能标签；
基于预设模型结合对象类别、政策层级、发文单位、专题内容以及政策类别构建所述全景政策图谱。
本方案中，所述基于目标客户调用预设数据库进行政策匹配，并结合所述全景政策图谱输出所述客户对应的企业画像，具体包括：
基于所述目标客户获取企业资质、融资、知识产权数据，以得到企业数据库；
调用所述预设数据库与所述企业数据库进行数据匹配处理分析，并提取匹配度超过预设第一阈值的数据以生成所述企业画像。
本方案中，所述基于所述全景政策图谱对政策进行区域性比对以提取区域政策，其中，比对分析具体包括政策对比、政策重合度对比、政策热词分析以及政策影响评价，具体包括：
基于用户搜索的政策匹配对不同区域内的政策进行对比，以输出差异价值；
按政策对应的行业和类型，匹配若干对比区域的政策重合度，并提取所述政策重合度高于第二阈值的政策作为交集进行展示；
提取若干所述对比区域重合的热词，并按照所述热词出现频次的量级进行降序显示；
提取历史数据中政策发布后对应企业的变化数据，作为该政策对应的所述政策影响评价。
本方案中，所述方法还包括对所述政策进行施政评估分析，将所述政策输入到训练好的神经网络模型中进行训练，以输出对应的不同所述政策的评估结果。
本方案中，所述方法还包括基于所述目标客户结合所述全景政策图谱进行人才政策匹配。
本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括机器的一种基于数据分析的政策匹配方法程序，所述基于数据分析的政策匹配方法程序被处理器执行时，实现如上述任一项所述的一种基于数据分析的政策匹配方法的步骤。
本发明公开的一种基于数据分析的政策匹配方法、系统和可读存储介质，可以生成全景政策图谱，并且基于不同客户的实际需要输出适配的政策，同时还可以对政策进行分析，基于不同的区域进行对比，输出区域政策热力图，并利用多源数据对政策施行效果进行融合分析，提供全面、科学的数据支撑给到施政者。
附图说明
图1示出了本发明一种基于数据分析的政策匹配方法的流程图；
图2示出了本发明一种基于数据分析的政策匹配方法的政策匹配示意图；
图3示出了本发明一种基于数据分析的政策匹配方法的匹配算法示意图；
图4示出了本发明一种基于数据分析的政策匹配方法的人才匹配示意图；
图5示出了本发明一种基于数据分析的政策匹配系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本申请一种基于数据分析的政策匹配方法的流程图。
如图1所示，本申请公开了一种基于数据分析的政策匹配方法，包括以下步骤：
S102，基于预设因子输出对应的政策智能标签，进而基于所述政策智能标签构建全景政策图谱；
S104，基于目标客户调用预设数据库进行政策匹配，并结合所述全景政策图谱输出所述客户对应的企业画像；
S106，基于所述全景政策图谱对政策进行区域性比对以提取区域政策，其中，比对分析具体包括政策对比、政策重合度对比、政策热词分析以及政策影响评价。
根据本发明实施例，所述基于预设因子输出对应的政策智能标签，进而基于所述政策智能标签构建全景政策图谱，具体包括：
基于政策因子、企业因子、人才因子以及社会因子构建所述政策智能标签；
基于预设模型结合对象类别、政策层级、发文单位、专题内容以及政策类别构建所述全景政策图谱。
需要说明的是，基于所述政策因子、所述企业因子、所述人才因子以及所述社会因子可以构建所述政策智能标签，具体地，所述政策智能标签包括例如：“纳税地”、“税务风险”、“环保处罚”等，其中，所述政策因子例如对外颁布的各项政策，所述企业因子例如企业自身的经营数据，所述人才因子例如企业的员工数据以及毕业生数据，以“环保处罚”为例，将所述政策因子中的环保法规法条进行提取形成一个智能标签，同样，将企业的环保等级以及环保事件进行提取形成对应的智能标签，进一步地，所述全景政策图谱具体构成包括所述对象类别、所述政策层级、所述发文单位、所述专题内容以及所述政策类别，即所述全景政策图谱涵盖所有的图谱内容，利用树状图或者网格图将不同的类别进行填充构成，其中，所述对象类别包括个人和企业，个人例如：高校毕业生、在职人员以及港澳台侨等，企业例如：社会组织、事业单位以及民营企业等；所述政策层级包括国家、部委、省/直辖市/自治区、市、县/区等；所述发文单位包括各所述政策层级对应的职能机关，例如：“国务院”、“发改委”、“教委”以及“税务部门”等等；所述专题内容包括：“检验检疫”、“环保气象”以及“科技创新”等等；所述政策类别包括：部门规章、法律法规、申报征集等等。
根据本发明实施例，所述基于目标客户调用预设数据库进行政策匹配，并结合所述全景政策图谱输出所述客户对应的企业画像，具体包括：
基于所述目标客户获取企业资质、融资、知识产权数据，以得到企业数据库；
调用所述预设数据库与所述企业数据库进行数据匹配处理分析，并提取匹配度超过预设第一阈值的数据以生成所述企业画像。
需要说明的是，融合大量的企业资质、融资、知识产权等数据形成所述企业数据库，通过对数据处理和分析生成精准的所述企业画像，其中，提取匹配度超过预设第一阈值的数据以生成所述企业画像，所述第一阈值可设为“90％”，所述匹配度即为所述企业数据库中的数据与所述预设数据库中的数据的匹配程度，每一个所述目标客户对应的所述企业数据库均会与所述预设数据库进行匹配分析，以得到所述目标客户的所述企业数据库对应的所述匹配度，进一步地，当所述匹配度超过“90％”时，提取所述预设数据库中匹配成功的数据形成所述企业画像，优选地，于发明一实施例中，如图2所示，还可以结合政策的智能化分解，为所述目标客户输出量身定制的“政策套餐”。
值得一提的是，生成所述企业画像可以通过匹配算法得到，具体地，如图3所示，所述匹配算法计算式如下：
其中，I为指示函数，
其中，所述条件为该企业的类型，若企业类型相同则满足条件，否则为不满足，n代表准入条件个数，即企业类型相同的个数，w0是满足准入条件的企业的基础匹配度，wj是匹配型指标权重，设为
m代表政策可选要求个数,sj为可选单项要求的得分，其中，所述基础匹配度即为所述第一阈值。
根据本发明实施例，所述基于所述全景政策图谱对政策进行区域性比对以提取区域政策，其中，比对分析具体包括政策对比、政策重合度对比、政策热词分析以及政策影响评价，具体包括：
基于用户搜索的政策匹配对不同区域内的政策进行对比，以输出差异价值；
按政策对应的行业和类型，匹配若干对比区域的政策重合度，并提取所述政策重合度高于第二阈值的政策作为交集进行展示；
提取若干所述对比区域重合的热词，并按照所述热词出现频次的量级进行降序显示；
提取历史数据中政策发布后对应企业的变化数据，作为该政策对应的所述政策影响评价。
需要说明的是，根据用户搜索的政策文件，对不同区域政策进行对比，分析出不同政策的差异价值进行输出；按政策对应的行业和类型，匹配两个对比区域的政策重合度，并提取所述政策重合度高于第二阈值的政策按集合的交集展示，其中，所述政策重合度可以设为“50％”，即两个对比区域的某个政策重合度超过“50％”，则将其提取进行展示；进一步地，把两个区域重合的热词列出来，并按照所述热词出现频次的量级进行降序显示，优选地，可以按热词出现的频次显示大小(频次越高，显示体积越大)；根据政策发布后带来的企业变化数、经济变化等，作为该政策对应的所述政策影响评价进行输出。
根据本发明实施例，所述方法还包括对所述政策进行施政评估分析，将所述政策输入到训练好的神经网络模型中进行训练，以输出对应的不同所述政策的评估结果。
需要说明的是，大数据背景下的施政评估，将数据与政策关联起来，充分利用多源数据的融合分析，对政策施行的效果进行量化分析和直观化展示，将所述政策输入到训练好的神经网络模型中进行训练，以输出对应的不同所述政策的评估结果，为领导决策层、各业务部门和基层工作人员提供全面、科学的数据服务支撑，其中，训练好的所述神经网络模型可以选为GAN模型。
根据本发明实施例，所述方法还包括基于所述目标客户结合所述全景政策图谱进行人才政策匹配。
需要说明的是，如图4所示，为人才匹配界面，具体通过所述全景政策图谱的所述对象类别中个人类别可以获取。
值得一提的是，所述方法还包括生成区域政策热力图。
需要说明的是，基于政策智能文本分析，以大院大所、重点产业、高新企业为点，以科技孵化、载体资源、金融服务为线，通过全面、生动展示城市产业、楼宇、企业发展环境和政策，为科技人才选择、创业、扎根，提供便携直观的预期和资讯，实现政策与企业、产业、院所精准对接，使大院大所的人才、资源、资本向城市集聚，不断提高区域科技创新策源功能；。
值得一提的是，所述方法还包括识别点击到的热词，输出该所述热词对应的政策。
需要说明的是，在政策显示界面，设置一个窗口用来显示所述热词，并且当识别到某个所述热词被用户点击后，将该所述热词对应的政策输出到所述政策显示界面供用户查阅。
图5示出了本发明一种基于数据分析的政策匹配系统的框图。
如图5所示，本发明公开了一种基于数据分析的政策匹配系统，包括存储器和处理器，所述存储器中包括基于数据分析的政策匹配方法程序，所述基于数据分析的政策匹配方法程序被所述处理器执行时实现如下步骤：
基于预设因子输出对应的政策智能标签，进而基于所述政策智能标签构建全景政策图谱；
基于目标客户调用预设数据库进行政策匹配，并结合所述全景政策图谱输出所述客户对应的企业画像；
基于所述全景政策图谱对政策进行区域性比对以提取区域政策，其中，比对分析具体包括政策对比、政策重合度对比、政策重合热词分析以及政策影响评价。
根据本发明实施例，所述基于预设因子输出对应的政策智能标签，进而基于所述政策智能标签构建全景政策图谱，具体包括：
基于政策因子、企业因子、人才因子以及社会因子构建所述政策智能标签；
基于预设模型结合对象类别、政策层级、发文单位、专题内容以及政策类别构建所述全景政策图谱。
需要说明的是，基于所述政策因子、所述企业因子、所述人才因子以及所述社会因子可以构建所述政策智能标签，具体地，所述政策智能标签包括例如：“纳税地”、“税务风险”、“环保处罚”等，其中，所述政策因子例如对外颁布的各项政策，所述企业因子例如企业自身的经营数据，所述人才因子例如企业的员工数据以及毕业生数据，以“环保处罚”为例，将所述政策因子中的环保法规法条进行提取形成一个智能标签，同样，将企业的环保等级以及环保事件进行提取形成对应的智能标签，进一步地，所述全景政策图谱具体构成包括所述对象类别、所述政策层级、所述发文单位、所述专题内容以及所述政策类别，即所述全景政策图谱涵盖所有的图谱内容，利用树状图或者网格图将不同的类别进行填充构成，其中，所述对象类别包括个人和企业，个人例如：高校毕业生、在职人员以及港澳台侨等，企业例如：社会组织、事业单位以及民营企业等；所述政策层级包括国家、部委、省/直辖市/自治区、市、县/区等；所述发文单位包括各所述政策层级对应的职能机关，例如：“国务院”、“发改委”、“教委”以及“税务部门”等等；所述专题内容包括：“检验检疫”、“环保气象”以及“科技创新”等等；所述政策类别包括：部门规章、法律法规、申报征集等等。
根据本发明实施例，所述基于目标客户调用预设数据库进行政策匹配，并结合所述全景政策图谱输出所述客户对应的企业画像，具体包括：
基于所述目标客户获取企业资质、融资、知识产权数据，以得到企业数据库；
调用所述预设数据库与所述企业数据库进行数据匹配处理分析，并提取匹配度超过预设第一阈值的数据以生成所述企业画像。
需要说明的是，融合大量的企业资质、融资、知识产权等数据形成所述企业数据库，通过对数据处理和分析生成精准的所述企业画像，其中，提取匹配度超过预设第一阈值的数据以生成所述企业画像，所述第一阈值可设为“90％”，所述匹配度即为所述企业数据库中的数据与所述预设数据库中的数据的匹配程度，每一个所述目标客户对应的所述企业数据库均会与所述预设数据库进行匹配分析，以得到所述目标客户的所述企业数据库对应的所述匹配度，进一步地，当所述匹配度超过“90％”时，提取所述预设数据库中匹配成功的数据形成所述企业画像，优选地，于发明一实施例中，如图2所示，还可以结合政策的智能化分解，为所述目标客户输出量身定制的“政策套餐”。
值得一提的是，生成所述企业画像可以通过匹配算法得到，具体地，如图3所示，所述匹配算法计算式如下：
其中，I为指示函数，
其中，所述条件为该企业的类型，若企业类型相同则满足条件，否则为不满足，n代表准入条件个数，即企业类型相同的个数，w0是满足准入条件的企业的基础匹配度，wj是匹配型指标权重，设为
m代表政策可选要求个数,sj为可选单项要求的得分，其中，所述基础匹配度即为所述第一阈值。
根据本发明实施例，所述基于所述全景政策图谱对政策进行区域性比对以提取区域政策，其中，比对分析具体包括政策对比、政策重合度对比、政策热词分析以及政策影响评价，具体包括：
基于用户搜索的政策匹配对不同区域内的政策进行对比，以输出差异价值；
按政策对应的行业和类型，匹配若干对比区域的政策重合度，并提取所述政策重合度高于第二阈值的政策作为交集进行展示；
提取若干所述对比区域重合的热词，并按照所述热词出现频次的量级进行降序显示；
提取历史数据中政策发布后对应企业的变化数据，作为该政策对应的所述政策影响评价。
需要说明的是，根据用户搜索的政策文件，对不同区域政策进行对比，分析出不同政策的差异价值进行输出；按政策对应的行业和类型，匹配两个对比区域的政策重合度，并提取所述政策重合度高于第二阈值的政策按集合的交集展示，其中，所述政策重合度可以设为“50％”，即两个对比区域的某个政策重合度超过“50％”，则将其提取进行展示；进一步地，把两个区域重合的热词列出来，并按照所述热词出现频次的量级进行降序显示，优选地，可以按热词出现的频次显示大小(频次越高，显示体积越大)；根据政策发布后带来的企业变化数、经济变化等，作为该政策对应的所述政策影响评价进行输出。
根据本发明实施例，所述方法还包括对所述政策进行施政评估分析，将所述政策输入到训练好的神经网络模型中进行训练，以输出对应的不同所述政策的评估结果。
需要说明的是，大数据背景下的施政评估，将数据与政策关联起来，充分利用多源数据的融合分析，对政策施行的效果进行量化分析和直观化展示，将所述政策输入到训练好的神经网络模型中进行训练，以输出对应的不同所述政策的评估结果，为领导决策层、各业务部门和基层工作人员提供全面、科学的数据服务支撑，其中，训练好的所述神经网络模型可以选为GAN模型。
根据本发明实施例，所述方法还包括基于所述目标客户结合所述全景政策图谱进行人才政策匹配。
需要说明的是，如图4所示，为人才匹配界面，具体通过所述全景政策图谱的所述对象类别中个人类别可以获取。
值得一提的是，所述方法还包括生成区域政策热力图。
需要说明的是，基于政策智能文本分析，以大院大所、重点产业、高新企业为点，以科技孵化、载体资源、金融服务为线，通过全面、生动展示城市产业、楼宇、企业发展环境和政策，为科技人才选择、创业、扎根，提供便携直观的预期和资讯，实现政策与企业、产业、院所精准对接，使大院大所的人才、资源、资本向城市集聚，不断提高区域科技创新策源功能；。
值得一提的是，所述方法还包括识别点击到的热词，输出该所述热词对应的政策。
需要说明的是，在政策显示界面，设置一个窗口用来显示所述热词，并且当识别到某个所述热词被用户点击后，将该所述热词对应的政策输出到所述政策显示界面供用户查阅。
本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括一种基于数据分析的政策匹配方法程序，所述基于数据分析的政策匹配方法程序被处理器执行时，实现如上述任一项所述的一种基于数据分析的政策匹配方法的步骤。
本发明公开的一种基于数据分析的政策匹配方法、系统和可读存储介质，可以生成全景政策图谱，并且基于不同客户的实际需要输出适配的政策，同时还可以对政策进行分析，基于不同的区域进行对比，输出区域政策热力图，并利用多源数据对政策施行效果进行融合分析，提供全面、科学的数据支撑给到施政者。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (7)
1.一种基于数据分析的政策匹配方法，其特征在于，包括以下步骤：
基于预设因子输出对应的政策智能标签，进而基于所述政策智能标签构建全景政策图谱；基于目标客户调用预设数据库进行政策匹配，并结合所述全景政策图谱输出所述客户对应的企业画像；
基于所述全景政策图谱对政策进行区域性比对以提取区域政策，其中，比对分析具体包括政策对比、政策重合度对比、政策热词分析以及政策影响评价；
所述基于预设因子输出对应的政策智能标签，进而基于所述政策智能标签构建全景政策图谱，具体包括：基于政策因子、企业因子、人才因子以及社会因子构建所述政策智能标签；
基于预设模型结合对象类别、政策层级、发文单位、专题内容以及政策类别构建所述全景政策图谱；
所述基于所述全景政策图谱对政策进行区域性比对以提取区域政策，其中，比对分析具体包括政策对比、政策重合度对比、政策热词分析以及政策影响评价，具体包括：基于用户搜索的政策匹配对不同区域内的政策进行对比，以输出差异价值；
按政策对应的行业和类型，匹配若干对比区域的政策重合度，并提取所述政策重合度高于第二阈值的政策作为交集进行展示；
提取若干所述对比区域重合的热词，并按照所述热词出现频次的量级进行降序显示；
提取历史数据中政策发布后对应企业的变化数据，作为该政策对应的所述政策影响评价；所述基于目标客户调用预设数据库进行政策匹配，并结合所述全景政策图谱输出所述客户对应的企业画像，具体为，匹配算法计算式如下：
其中，I为指示函数，
其中，所述条件为该企业的类型，若企业类型相同则满足条件，否则为不满足，n代表准入条件个数，即企业类型相同的个数，w0是满足准入条件的企业的基础匹配度，wj是匹配型指标权重，设为
m代表政策可选要求个数,sj为可选单项要求的得分。
2.根据权利要求1所述的一种基于数据分析的政策匹配方法，其特征在于，所述基于目标客户调用预设数据库进行政策匹配，并结合所述全景政策图谱输出所述客户对应的企业画像，具体包括：基于所述目标客户获取企业资质、融资、知识产权数据，以得到企业数据库；调用所述预设数据库与所述企业数据库进行数据匹配处理分析，并提取匹配度超过预设第一阈值的数据以生成所述企业画像。
3.根据权利要求1所述的一种基于数据分析的政策匹配方法，其特征在于，所述方法还包括对所述政策进行施政评估分析，将所述政策输入到训练好的神经网络模型中进行训练，以输出对应的不同所述政策的评估结果。
4.根据权利要求1所述的一种基于数据分析的政策匹配方法，其特征在于，所述方法还包括基于所述目标客户结合所述全景政策图谱进行人才政策匹配。
5.一种基于数据分析的政策匹配系统，其特征在于，包括存储器和处理器，所述存储器中包括基于数据分析的政策匹配方法程序，所述基于数据分析的政策匹配方法程序被所述处理器执行时实现如下步骤：
基于预设因子输出对应的政策智能标签，进而基于所述政策智能标签构建全景政策图谱；基于目标客户调用预设数据库进行政策匹配，并结合所述全景政策图谱输出所述客户对应的企业画像；
基于所述全景政策图谱对政策进行区域性比对以提取区域政策，其中，比对分析具体包括政策对比、政策重合度对比、政策热词分析以及政策影响评价；
所述基于预设因子输出对应的政策智能标签，进而基于所述政策智能标签构建全景政策图谱，具体包括：基于政策因子、企业因子、人才因子以及社会因子构建所述政策智能标签；
基于预设模型结合对象类别、政策层级、发文单位、专题内容以及政策类别构建所述全景政策图谱；
所述基于所述全景政策图谱对政策进行区域性比对以提取区域政策，其中，比对分析具体包括政策对比、政策重合度对比、政策热词分析以及政策影响评价，具体包括：基于用户搜索的政策匹配对不同区域内的政策进行对比，以输出差异价值；
按政策对应的行业和类型，匹配若干对比区域的政策重合度，并提取所述政策重合度高于第二阈值的政策作为交集进行展示；
提取若干所述对比区域重合的热词，并按照所述热词出现频次的量级进行降序显示；
提取历史数据中政策发布后对应企业的变化数据，作为该政策对应的所述政策影响评价；
所述基于目标客户调用预设数据库进行政策匹配，并结合所述全景政策图谱输出所述客户对应的企业画像，具体为，匹配算法计算式如下：
其中，I为指示函数，
其中，所述条件为该企业的类型，若企业类型相同则满足条件，否则为不满足，n代表准入条件个数，即企业类型相同的个数，w0是满足准入条件的企业的基础匹配度，wj是匹配型指标权重，设为
m代表政策可选要求个数,sj为可选单项要求的得分。
6.根据权利要求5所述的一种基于数据分析的政策匹配系统，其特征在于，所述基于目标客户调用预设数据库进行政策匹配，并结合所述全景政策图谱输出所述客户对应的企业画像，具体包括：基于所述目标客户获取企业资质、融资、知识产权数据，以得到企业数据库；调用所述预设数据库与所述企业数据库进行数据匹配处理分析，并提取匹配度超过预设阈值的数据以生成所述企业画像。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括一种基于数据分析的政策匹配方法程序，所述基于数据分析的政策匹配方法程序被处理器执行时，实现如权利要求1至4中任一项所述的一种基于数据分析的政策匹配方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210155790.5A CN114780735B (zh) | 2022-02-21 | 2022-02-21 | 基于数据分析的政策匹配方法、系统和可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210155790.5A CN114780735B (zh) | 2022-02-21 | 2022-02-21 | 基于数据分析的政策匹配方法、系统和可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114780735A CN114780735A (zh) | 2022-07-22 |
| CN114780735B true CN114780735B (zh) | 2022-11-25 |
Family
ID=82423113
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210155790.5A Active CN114780735B (zh) | 2022-02-21 | 2022-02-21 | 基于数据分析的政策匹配方法、系统和可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114780735B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116701639B (zh) * | 2023-07-26 | 2024-03-12 | 广东师大维智信息科技有限公司 | 基于文本分析的双碳知识图谱数据分析方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101844751B1 (ko) * | 2017-09-22 | 2018-04-05 | 김성구 | 기업 분석 기반 연계 서비스 매칭 플랫폼 제공 시스템 |
| CN109345006A (zh) * | 2018-09-12 | 2019-02-15 | 张连祥 | 一种基于区域发展目标的招商政策分析优化方法及系统 |
| CN112418571A (zh) * | 2019-08-20 | 2021-02-26 | 华为技术有限公司 | 企业环保综合评价的方法和装置 |
| CN112765441A (zh) * | 2021-04-07 | 2021-05-07 | 北京零号窗网络信息技术有限公司 | 用于数字政务的企业政策信息多重动态智能匹配推荐方法 |
| CN113034053A (zh) * | 2021-04-29 | 2021-06-25 | 福建引征科技有限公司 | 一种基于政策信息与服务对象之间匹配及评估的建模方法 |
| CN113849737A (zh) * | 2021-09-23 | 2021-12-28 | 上海益邦智能技术股份有限公司 | 一种画像数据处理方法 |
-
2022
- 2022-02-21 CN CN202210155790.5A patent/CN114780735B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101844751B1 (ko) * | 2017-09-22 | 2018-04-05 | 김성구 | 기업 분석 기반 연계 서비스 매칭 플랫폼 제공 시스템 |
| CN109345006A (zh) * | 2018-09-12 | 2019-02-15 | 张连祥 | 一种基于区域发展目标的招商政策分析优化方法及系统 |
| CN112418571A (zh) * | 2019-08-20 | 2021-02-26 | 华为技术有限公司 | 企业环保综合评价的方法和装置 |
| CN112765441A (zh) * | 2021-04-07 | 2021-05-07 | 北京零号窗网络信息技术有限公司 | 用于数字政务的企业政策信息多重动态智能匹配推荐方法 |
| CN113034053A (zh) * | 2021-04-29 | 2021-06-25 | 福建引征科技有限公司 | 一种基于政策信息与服务对象之间匹配及评估的建模方法 |
| CN113849737A (zh) * | 2021-09-23 | 2021-12-28 | 上海益邦智能技术股份有限公司 | 一种画像数据处理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114780735A (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shearer | Approaching scenario-based studies: three perceptions about the future and considerations for landscape planning | |
| CN111949834B (zh) | 选址方法和选址平台系统 | |
| CN110427406A (zh) | 组织机构相关人员关系的挖掘方法及装置 | |
| Khoshand et al. | Construction and demolition waste management: Fuzzy Analytic Hierarchy Process approach | |
| KR102121901B1 (ko) | 정책자금 온라인 심사평가 시스템 | |
| CN112256762A (zh) | 基于产业地图的企业画像方法、系统、设备及介质 | |
| CN117114514B (zh) | 一种基于大数据的人才信息分析管理方法、系统及装置 | |
| Salguero et al. | Proposal of an assessment scale in competitive intelligence applied to the tourism sector | |
| CN114780735B (zh) | 基于数据分析的政策匹配方法、系统和可读存储介质 | |
| Jungeilges et al. | Sensitivity analysis of consumption cycles | |
| Sasana et al. | The development strategy of world heritage tourism in Indonesia | |
| Mardiyana et al. | A SWOT (Strength Weakness opportunity and threat) analysis as a strategy to enhance competitiveness | |
| Ab Talib et al. | External factors evaluation of Malaysia halal logistics industry | |
| CN106777124B (zh) | 语义认知方法、装置及系统 | |
| CN109918482A (zh) | 一种大学生创新创业计划评价分析系统 | |
| Kokh et al. | Big Data in Public Administration | |
| US8112343B1 (en) | Capital markets high performance capability assessment | |
| CN114756685A (zh) | 一种投诉单的投诉风险识别方法及装置 | |
| Hassen et al. | Factors Influencing the adoption of e-commerce by Small and Medium-Sized Enterprises (SMEs) in Algeria: A qualitative study | |
| CN113785321A (zh) | 公司规模估计系统 | |
| Dyussenov et al. | E-Government Policy Implementation in Thailand: Success or Failure? | |
| Sulintang et al. | Bibliometric analysis of Indonesia's labor dynamics: Future works, digital transformations, and contemporary employment landscape shifts | |
| Handzic | The role of knowledge mapping in electronic government | |
| Mraović | Relevance of data mining for accounting: social implications | |
| Bąk | Accounting narratives and disclosures in reporting the case of Letters from the Management Board Presidents of selected companies in the light of narrative economics |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |