CN115018258B - 一种目标地区企业类型及产业链空间识别方法 - Google Patents
一种目标地区企业类型及产业链空间识别方法 Download PDFInfo
- Publication number
- CN115018258B CN115018258B CN202210515633.0A CN202210515633A CN115018258B CN 115018258 B CN115018258 B CN 115018258B CN 202210515633 A CN202210515633 A CN 202210515633A CN 115018258 B CN115018258 B CN 115018258B
- Authority
- CN
- China
- Prior art keywords
- industry
- enterprises
- enterprise
- branch
- headquarter
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2291—User-Defined Types; Storage management thereof
-
- 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
- G06F16/24—Querying
- G06F16/242—Query formulation
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Fuzzy Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及产业分析技术领域,尤其涉及一种目标地区企业类型及产业链空间识别方法,其特征在于,该方法包括有以下步骤:步骤1:建立商事主体数据库;步骤2:筛选总部企业;步骤3:一次筛选分支企业;步骤4:二次筛选分支企业;步骤5:建立产业链联系图;步骤6:地区产业链分析;在地图中选取目标地区,统计目标地区内/所涉及的产业链联系对数量。在本方法中,可以将模糊的产业链描述数值化和图形化。且由于在商事主体数据库中进行分析,所以本方法比传统的产业链定性分析更为精确实用、更加便于计算机处理。
Description
技术领域
本发明涉及产业分析技术领域,尤其涉及一种目标地区企业类型及产业链空间识别方法。
背景技术
随着生产技术的发展,生产规模的逐步扩大,现有生产过程越来越倾向于一系列互相关联的生产环节的组合,即产业链。根据产业链的定义,产业链是根据特定的逻辑联系和时空布局形成的上下关联的动态的链式结构。对于绝大部分企业来说,均处在某一个或某几个产业链中充当一定角色并与产业链中的其他企业形成链式关系,企业的发展越发依赖于产业链整体的发展。因此,对于产业链的有效、合理分析成为了产业链建设以及促进产业链内所有参与者共同发展的关键步骤。
现有的产业链定性分析存在着不够精确实用、便捷,且对地理位置识别与规模成型时间的判断不够精准的问题。如在先公开的对比文件1提出了一种产业链建模方法及系统(专利申请号为CN201710352881.7),包括产业矩阵模块、参考企业提取模块、相似度分析模块,位置确定模块;利用产业矩阵模块,排列产业链属性元素和服务属性元素构建产业链矩阵;在产业链矩阵中提取参考企业的特征词,将特征词进行权重赋值,利用特征向量计算出相似度,根据相似度进行距离匹配,实现在本产业链的相关企业中进行定位,通过不断调整和细分产业链属性元素和服务属性元素以及特征词,实现精准定位;将模糊的产业链描述数值化和图形化。由于在矩阵中可以不断进行大量企业的相似度分析,所以本建模方法比传统的产业链定性分析更为精确实用、更加便于计算机处理。但是该对比文件1利用网页数据进行分析与提取,较为混杂,可能出现误判或者错漏的情况。
发明内容
为了解决上述问题,本发明的首要目的在于提供一种目标地区企业类型及产业链空间识别方法,该方法是在商事主体数据库中进行分析的,所以该方法比传统的产业链定性分析更为精确实用与便捷,同时对地理位置识别与规模成型时间有精准判断。
本发明的另一个目的在于提供一种目标地区企业类型及产业链空间识别方法,该方法可将模糊的产业链描述数值化和图形化。
为了实现上述目的,本发明的技术方案如下。
一种目标地区企业类型及产业链空间识别方法,其特征在于,该方法包括有以下步骤:
步骤1:建立商事主体数据库;商事主体数据库内涵盖所有总部企业与分支企业,总部企业与分支企业均按照行业类型进行分类;且商事主体数据库内还包括与总部企业进行对应的总部企业地理位置,以及还包括与分支企业进行对应的分支企业地理位置;
步骤2:筛选总部企业;输入行业关键词,筛选出与行业关键词对应的行业类型下的所有总部企业;
步骤3:一次筛选分支企业;将与步骤2中被筛选出来的总部企业对应的所有分支企业筛选出来;
步骤4:二次筛选分支企业;输入行业关键词,在步骤3中被筛选出来的分支企业中进行二次筛选,以筛选出其中与行业关键词对应的行业类型下的所有分支企业;此时筛选出来的总部企业和对应的被二次筛选出来的分支企业形成为形成产业链联系对;
步骤5:建立产业链联系图;步骤2中所筛选出来的总部企业根据与其对应的总部企业地理位置的经纬度在地图上生成总部企业坐标点;步骤4中所二次筛选出来的分支企业根据与其对应的分支企业地理位置的经纬度在地图上生成分支企业坐标点;总部企业坐标点与对应的分支企业坐标点相连;
步骤6:地区产业链分析;在地图中选取目标地区,统计目标地区内/所涉及的产业链联系对数量。产业链联系对即总部企业坐标点与对应的分支企业坐标点,可以通过二者相连形成的线段的数量进行快速获取。上述总部企业与分支企业所指的为总部企业的商事主体与分支企业的商事主体。这个的目标地区可以是多个,也可以是一个。
在本方法中,通过总部企业、分支企业的行业类型的选择后,可以了解到该特定行业类型配对下是否有相应的总部分支,数量规模,则可以判断是否有形成规模较大且成熟的产业链和发展规模的走向。同时根据各总部企业、分支企业建设的地理位置,考量产业链地区走向与发展,识别各行业所聚集的区域位置。而基于步骤6的设置,可以将模糊的产业链描述数值化和图形化。且由于在商事主体数据库中进行分析,所以本方法比传统的产业链定性分析更为精确实用、更加便于计算机处理。
进一步的,在步骤1中,行业类型包括有行业门类、行业大类、行业中类、行业小类;总部企业与分支企业均按照行业小类进行分类,行业小类按照行业中类进行分类,行业中类按照行业大类进行分类,行业大类按照行业门类进行分类。
进一步的,在步骤2中,输入行业关键词时,可以筛选出与行业关键词对应的行业门类或行业大类或行业中类或行业小类下的所有总部企业;在步骤4中,可以筛选出与行业关键词对应的行业门类或行业大类或行业中类或行业小类下的所有分支企业。
进一步的,在步骤1中,商事主体数据库内还包括与总部企业进行对应的总部企业建立时间,以及还包括与分支企业进行对应的分支企业建立时间。上述设置,使得根据总部企业、分支企业建设时间,可以判断产业链成型的时间、发展的态势。
进一步的,在步骤6中,在地图中选取目标地区并统计目标地区内/所涉及的产业链联系对数量之后,对目标地区总部企业、分支企业的企业名称与经营范围文本进行分析。分析后可输出企业名称和经营范围的关键词、高频词信息;通过这一步骤识别,可以实现对特定类型下企业营业方向更为精细化的识别。
进一步的,在对目标地区总部企业、分支企业的企业名称与经营范围文本进行分析中,通过词云、lda分析方式进行分析。
进一步的,该方法还包括有步骤7,步骤7具体包括有以下步骤:
步骤7a:根据步骤2所筛选出来的总部企业与步骤4所二次筛选出来的分支企业的行业类型是否相同进行两种不同方式的分析;不相同进入步骤7b;相同进入步骤7c。
步骤7b:分析与目标地区内总部企业对应的分支企业所在的地区中的所有企业的企业特征、功能与职能;分析与目标地区内分支企业对应的总部企业所在的地区中的所有企业的企业特征、功能与职能;从而推演目标地区内企业功能与职能。
步骤7c:分析在目标地区内总部企业或分支企业的企业的特征、功能与职能;从而推演目标地区内企业功能与职能。行业类型不相同时,除了根据其目标地区内本身有的企业类型特征、功能与职能来判断,也可以根据其分支/总部地区行业类型特征来判断。如A地有制造业企业a、b,其在B地有科研机构分支a1\a2\a3、b1\b2\b3,且根据B地资料研究、以及对B地分支中企业名称、经营范围文本等分析,发现B地地区内分支均与通讯行业相关,则可以推导A地其制造业地区可能其制造产品主要与通讯相关。但行业类型相同时,一般无需考虑这种情况。
进一步的,在步骤7b、步骤7c中的分析,是通过词云、lda分析方式进行分析。
本发明的有益效果在于,相对于现有技术,在本发明中,通过总部企业、分支企业的行业类型的选择后,可以了解到该特定行业类型配对下是否有相应的总部分支,数量规模,则可以判断是否有形成规模较大且成熟的产业链和发展规模的走向。同时根据各总部企业、分支企业建设的地理位置,考量产业链地区走向与发展,识别各行业所聚集的区域位置。而基于步骤6的设置,可以将模糊的产业链描述数值化和图形化。且由于在商事主体数据库中进行分析,所以本方法比传统的产业链定性分析更为精确实用、更加便于计算机处理。
附图说明
图1是本发明的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
一种目标地区企业类型及产业链空间识别方法,其特征在于,该方法包括有以下步骤:
步骤1:建立商事主体数据库;商事主体数据库内涵盖所有总部企业与分支企业,总部企业与分支企业均按照行业类型进行分类;且商事主体数据库内还包括与总部企业进行对应的总部企业地理位置,以及还包括与分支企业进行对应的分支企业地理位置;
步骤2:筛选总部企业;输入行业关键词,筛选出与行业关键词对应的行业类型下的所有总部企业;
步骤3:一次筛选分支企业;将与步骤2中被筛选出来的总部企业对应的所有分支企业筛选出来;
步骤4:二次筛选分支企业;输入行业关键词,在步骤3中被筛选出来的分支企业中进行二次筛选,以筛选出其中与行业关键词对应的行业类型下的所有分支企业;此时筛选出来的总部企业和对应的被二次筛选出来的分支企业形成为形成产业链联系对;
步骤5:建立产业链联系图;步骤2中所筛选出来的总部企业根据与其对应的总部企业地理位置的经纬度在地图上生成总部企业坐标点;步骤4中所二次筛选出来的分支企业根据与其对应的分支企业地理位置的经纬度在地图上生成分支企业坐标点;总部企业坐标点与对应的分支企业坐标点相连;
步骤6:地区产业链分析;在地图中选取目标地区,统计目标地区内/所涉及的产业链联系对数量。产业链联系对即总部企业坐标点与对应的分支企业坐标点,可以通过二者相连形成的线段的数量进行快速获取。具体的,当统计目标地区之内产业链联系对数量时,存在有以下两种统计选项:1、统计目标地区内的产业链联系对数量,即总部企业坐标点与分支企业坐标点均在目标地区内的产业链联系对数量;2、统计目标地区涉及的产业链联系对数量,即总部企业坐标点或分支企业坐标点在目标地区内的产业链联系对数量。当统计产业链联系对数量到达一定阈值时,可认为地区之间存在所指定行业的产业链。
进一步的,在步骤1中,行业类型包括有行业门类、行业大类、行业中类、行业小类;总部企业与分支企业均按照行业小类进行分类,行业小类按照行业中类进行分类,行业中类按照行业大类进行分类,行业大类按照行业门类进行分类。
进一步的,在步骤2中,输入行业关键词时,可以筛选出与行业关键词对应的行业门类或行业大类或行业中类或行业小类下的所有总部企业;在步骤4中,可以筛选出与行业关键词对应的行业门类或行业大类或行业中类或行业小类下的所有分支企业。
进一步的,在步骤1中,商事主体数据库内还包括与总部企业进行对应的总部企业建立时间,以及还包括与分支企业进行对应的分支企业建立时间。
进一步的,在步骤6中,在地图中选取目标地区并统计目标地区内/所涉及的产业链联系对数量之后,对目标地区总部企业、分支企业的企业名称与经营范围文本进行分析。分析后可输出企业名称和经营范围的关键词、高频词信息;通过这一步骤识别,可以实现对特定类型下企业营业方向更为精细化的识别。
进一步的,在对目标地区总部企业、分支企业的企业名称与经营范围文本进行分析中,通过词云、lda分析方式进行分析。
进一步的,该方法还包括有步骤7,步骤7具体包括有以下步骤:
步骤7a:根据步骤2所筛选出来的总部企业与步骤4所二次筛选出来的分支企业的行业类型是否相同进行两种不同方式的分析;不相同进入步骤7b;相同进入步骤7c。
步骤7b:分析与目标地区内总部企业对应的分支企业所在的地区中的所有企业的企业特征、功能与职能;分析与目标地区内分支企业对应的总部企业所在的地区中的所有企业的企业特征、功能与职能;从而推演目标地区内企业功能与职能。
步骤7c:分析在目标地区内总部企业或分支企业的企业的特征、功能与职能;从而推演目标地区内企业功能与职能。
进一步的,在步骤7b、步骤7c中的分析,是通过词云、lda分析方式进行分析。
上述方法通过总部企业和分支企业的产业匹配,从而识别目标地区企业产业链空间:通过分别选取商事主体数据库里总部企业和分支企业的行业门类、行业大类乃至到行业中类、小类的尺度,进行总部企业和分支企业的行业的匹配,如选出所有总部企业为计算机、通信和其他电子设备制造业大类,分支企业专业技术服务业,则形成“计算机、通信和其他电子设备制造业-专业技术服务业”行业类型对,同时提取出符合该类型配对下,各总部企业、分支企业成立时间与地理位置。
并通过综合分析总部企业与分支企业的行业类型、企业名称与经营范围等,从而识别目标地区企业类型与职能:基于总部企业与分支企业的企业名称与经营范围文本,通过词云、可视化、lda分析等方式,对所选行业类型进行分析。通过总部企业、分支企业的产业匹配以及企业名称与经营范围的分析,可以建立地理单元之间的产业联系模式:1、同行业(地域型)研究集聚区的产业特点,如企业的服务内容、在产业中承担功能。2、非同行业(研发型、生产型、销售型),如其他行业-研发行业匹配对、其他行业-制造业匹配对,其他行业-批发零售行业配对等等,可以看产业之间的联系以及各个聚居区在产业发展网络中的位置,以及区域特色。
本发明的有益效果在于,相对于现有技术,在本发明中,用工商注册企业(包括总部企业和分支企业)的数据形成较为完备的商事主体数据库,通过不断调整和细分产业的行业类型、地理位置、成立时间,实现精准定位;将模糊的产业链描述数值化,也可以实现空间位置图形化。由于在商事主体数据库中进行分析,所以本建模方法比传统的产业链定性分析更为精确实用与便捷,同时对地理位置识别与规模成型时间有精准判断。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种目标地区企业类型及产业链空间识别方法,其特征在于,该方法包括有以下步骤:
步骤1:建立商事主体数据库;商事主体数据库内涵盖所有总部企业与分支企业,总部企业与分支企业均按照行业类型进行分类;且商事主体数据库内还包括与总部企业进行对应的总部企业地理位置,以及还包括与分支企业进行对应的分支企业地理位置;
步骤2:筛选总部企业;输入行业关键词,筛选出与行业关键词对应的行业类型下的所有总部企业;
步骤3:一次筛选分支企业;将与步骤2中被筛选出来的总部企业对应的所有分支企业筛选出来;
步骤4:二次筛选分支企业;输入行业关键词,在步骤3中被筛选出来的分支企业中进行二次筛选,以筛选出其中与行业关键词对应的行业类型下的所有分支企业;此时筛选出来的总部企业和对应的被二次筛选出来的分支企业形成为产业链联系对;
步骤5:建立产业链联系图;步骤2中所筛选出来的总部企业根据与其对应的总部企业地理位置的经纬度在地图上生成总部企业坐标点;步骤4中所二次筛选出来的分支企业根据与其对应的分支企业地理位置的经纬度在地图上生成分支企业坐标点;总部企业坐标点与对应的分支企业坐标点相连;
步骤6:地区产业链分析;在地图中选取目标地区,统计目标地区内的产业链联系对数量。
2.根据权利要求1所述的一种目标地区企业类型及产业链空间识别方法,其特征在于,在步骤1中,行业类型包括有行业门类、行业大类、行业中类、行业小类;总部企业与分支企业均按照行业小类进行分类,行业小类按照行业中类进行分类,行业中类按照行业大类进行分类,行业大类按照行业门类进行分类。
3.根据权利要求2所述的一种目标地区企业类型及产业链空间识别方法,其特征在于,在步骤2中,输入行业关键词时,可以筛选出与行业关键词对应的行业门类或行业大类或行业中类或行业小类下的所有总部企业;在步骤4中,可以筛选出与行业关键词对应的行业门类或行业大类或行业中类或行业小类下的所有分支企业。
4.根据权利要求1所述的一种目标地区企业类型及产业链空间识别方法,其特征在于,在步骤1中,商事主体数据库内还包括与总部企业进行对应的总部企业建立时间,以及还包括与分支企业进行对应的分支企业建立时间。
5.根据权利要求1所述的一种目标地区企业类型及产业链空间识别方法,其特征在于,在步骤6中,在地图中选取目标地区并统计目标地区内的产业链联系对数量之后,对目标地区总部企业、分支企业的企业名称与经营范围文本进行分析。
6.根据权利要求5所述的一种目标地区企业类型及产业链空间识别方法,其特征在于,在对目标地区总部企业、分支企业的企业名称与经营范围文本进行分析中,通过词云、lda分析方式进行分析。
7.根据权利要求1所述的一种目标地区企业类型及产业链空间识别方法,其特征在于,该方法还包括有步骤7,步骤7具体包括有以下步骤:
步骤7a:根据步骤2所筛选出来的总部企业与步骤4所二次筛选出来的分支企业的行业类型是否相同进行两种不同方式的分析;不相同进入步骤7b;相同进入步骤7c;
步骤7b:分析与目标地区内总部企业对应的分支企业所在的地区中的所有企业的企业特征、功能与职能;分析与目标地区内分支企业对应的总部企业所在的地区中的所有企业的企业特征、功能与职能;从而推演目标地区内企业功能与职能;
步骤7c:分析在目标地区内总部企业或分支企业的企业的特征、功能与职能;从而推演目标地区内企业功能与职能。
8.根据权利要求7所述的一种目标地区企业类型及产业链空间识别方法,其特征在于,在步骤7b、步骤7c中的分析,是通过词云、lda分析方式进行分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210515633.0A CN115018258B (zh) | 2022-05-11 | 2022-05-11 | 一种目标地区企业类型及产业链空间识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210515633.0A CN115018258B (zh) | 2022-05-11 | 2022-05-11 | 一种目标地区企业类型及产业链空间识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115018258A CN115018258A (zh) | 2022-09-06 |
CN115018258B true CN115018258B (zh) | 2023-08-18 |
Family
ID=83068735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210515633.0A Active CN115018258B (zh) | 2022-05-11 | 2022-05-11 | 一种目标地区企业类型及产业链空间识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115018258B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007128194A (ja) * | 2005-11-02 | 2007-05-24 | Hitachi Ltd | 階層構造型データの情報検索方法 |
JP2012073899A (ja) * | 2010-09-29 | 2012-04-12 | Teikoku Databank Ltd | 取引関係マップ生成システム及びプログラム |
JP2015026388A (ja) * | 2014-10-01 | 2015-02-05 | 株式会社帝国データバンク | 取引関係マップ生成システム及びプログラム |
CN106341471A (zh) * | 2016-08-31 | 2017-01-18 | 成都数联铭品科技有限公司 | 用于位置服务的周边目标地理信息获取和搜索方法 |
CN107341174A (zh) * | 2017-05-18 | 2017-11-10 | 辛柯俊 | 产业链建模方法及系统 |
CN112070343A (zh) * | 2020-07-29 | 2020-12-11 | 广东飞企互联科技股份有限公司 | 一种用于产业链图形展示的可视化方法 |
CN112990632A (zh) * | 2019-12-18 | 2021-06-18 | 北京智识企业管理咨询有限公司 | 一种基于大数据的区域产业竞争力分析系统及方法 |
CN113157840A (zh) * | 2021-03-31 | 2021-07-23 | 航天云网数据研究院(广东)有限公司 | 一种可实现供需对接的产业云图系统 |
CN114020903A (zh) * | 2021-10-09 | 2022-02-08 | 苏州交驰人工智能研究院有限公司 | 一种工业企业的行业分类方法、装置、设备及介质 |
WO2022068297A1 (zh) * | 2020-09-30 | 2022-04-07 | 深圳前海微众银行股份有限公司 | 行业标签的确定方法、装置、设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9311649B2 (en) * | 2009-12-20 | 2016-04-12 | Iheartmedia Management Services, Inc. | System and method for managing media advertising enterprise data |
US20160217399A1 (en) * | 2015-01-22 | 2016-07-28 | Elementum Scm (Cayman) Ltd. | Method and system for monitoring shipments in a supply and/or logistics chain |
US10609065B2 (en) * | 2016-08-30 | 2020-03-31 | Kivu Consulting, Inc. | Systems and methods for identifying and mapping sensitive data on an enterprise |
-
2022
- 2022-05-11 CN CN202210515633.0A patent/CN115018258B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007128194A (ja) * | 2005-11-02 | 2007-05-24 | Hitachi Ltd | 階層構造型データの情報検索方法 |
JP2012073899A (ja) * | 2010-09-29 | 2012-04-12 | Teikoku Databank Ltd | 取引関係マップ生成システム及びプログラム |
JP2015026388A (ja) * | 2014-10-01 | 2015-02-05 | 株式会社帝国データバンク | 取引関係マップ生成システム及びプログラム |
CN106341471A (zh) * | 2016-08-31 | 2017-01-18 | 成都数联铭品科技有限公司 | 用于位置服务的周边目标地理信息获取和搜索方法 |
CN107341174A (zh) * | 2017-05-18 | 2017-11-10 | 辛柯俊 | 产业链建模方法及系统 |
CN112990632A (zh) * | 2019-12-18 | 2021-06-18 | 北京智识企业管理咨询有限公司 | 一种基于大数据的区域产业竞争力分析系统及方法 |
CN112070343A (zh) * | 2020-07-29 | 2020-12-11 | 广东飞企互联科技股份有限公司 | 一种用于产业链图形展示的可视化方法 |
WO2022068297A1 (zh) * | 2020-09-30 | 2022-04-07 | 深圳前海微众银行股份有限公司 | 行业标签的确定方法、装置、设备及存储介质 |
CN113157840A (zh) * | 2021-03-31 | 2021-07-23 | 航天云网数据研究院(广东)有限公司 | 一种可实现供需对接的产业云图系统 |
CN114020903A (zh) * | 2021-10-09 | 2022-02-08 | 苏州交驰人工智能研究院有限公司 | 一种工业企业的行业分类方法、装置、设备及介质 |
Non-Patent Citations (1)
Title |
---|
芯片行业上市公司成长性比较研究——基于产业价值链视角;倪飞翔;中国优秀硕士学位论文全文数据库 (信息科技辑);I135-21 * |
Also Published As
Publication number | Publication date |
---|---|
CN115018258A (zh) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6893209B2 (ja) | 構造化されたマルチフィールドファイルのレイアウトの自動解釈 | |
CN111125343A (zh) | 适用于人岗匹配推荐系统的文本解析方法及装置 | |
CN106934254A (zh) | 一种开源许可证的分析方法及装置 | |
CN116384889A (zh) | 基于自然语言处理技术的情报大数据智能分析方法 | |
CN113722617A (zh) | 企业实际办公地址的识别方法、装置及电子设备 | |
CN106355537A (zh) | 一种智能串并案分析方法及系统 | |
CN115018258B (zh) | 一种目标地区企业类型及产业链空间识别方法 | |
Keskin et al. | Cohort fertility heterogeneity during the fertility decline period in Turkey | |
CN115795052A (zh) | 一种产业链地图构建方法、装置及电子设备 | |
CN115757917A (zh) | 一种定制化生产企业客户画像构建方法 | |
Fan et al. | Spatially enabled customer segmentation using a data classification method with uncertain predicates | |
CN112506930B (zh) | 一种基于机器学习技术的数据洞察系统 | |
CN115392351A (zh) | 风险用户识别方法、装置、电子设备及存储介质 | |
CN114189545A (zh) | 一种互联网用户行为大数据分析方法及系统 | |
CN111897853A (zh) | 一种基于大数据的计算机数据挖掘探索方法及系统 | |
CN111125418A (zh) | 一种商标检索系统 | |
CN117952658B (zh) | 基于大数据的城市资源配置和产业特色分析方法及系统 | |
Zhao | News Influence Prediction Algorithm Based on Deep Data Mining | |
Filippov et al. | Developing a machine learning model for fake news detection | |
CN112749990B (zh) | 一种基于游客身份的数据分析方法及系统 | |
Jin et al. | Redesigning Mobile Crowd Sensing’s Selection Logic to Ensure Participant’s Diversity | |
CN117058432B (zh) | 图像查重方法、装置、电子设备及可读存储介质 | |
CN117853152B (zh) | 一种基于多渠道的业务营销数据处理系统 | |
CN116484230B (zh) | 识别异常业务数据的方法及ai数字人的训练方法 | |
CN114428900A (zh) | 潜在用户挖掘方法及装置 |
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 |