(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111678574.0 (22)申请日 2021.12.31 (71)申请人 上海阿法析地数据科技有限公司 地址 200082 上海市杨 浦区怀德路39 9号 (72)发明人 毛蔚赢　章岩　孙志奎　赵立杰　 刘敏　 (74)专利代理 机构 上海世圆知识产权代理有限 公司 31320 专利代理师 唐湾 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 30/08(2012.01) G06K 9/62(2022.01) G06N 3/08(2006.01)G06N 20/00(2019.01) (54)发明名称 一种基于企业需求的智能匹配招商策略系 统及方法 (57)摘要 本发明公开了一种基于企业需求的智能匹 配招商策略系统， 包括： 企业需求评估模块， 通过 LM‑BP神经网络深度学习获取企业需求匹配数 据； 招商策略模块， 建立基于随机森林改进的企 业需求评分模 型， 对企业需求特征进行分类和预 测； 产业配套匹配模块， 通过产业配套库选择适 合企业的产业； 政策匹配模块， 通过政策匹配库 选择适合企业的政策； 区域空间匹配模块， 通过 匹配区域空间库来选择适合企业的区域空间； 建 筑匹配模块， 通过匹配规划建筑库选择适合企业 的建筑； 还公开了一种用于企业智能匹配招商策 略系统的方法。 本发明对BP神经网络及随机森 林 算法优化改进获取需求数据来搭建企业需求评 分模型， 更有效计算企业需求评估， 通过招商企 业综合评价确保精准招商。 权利要求书5页 说明书22页 附图10页 CN 114529038 A 2022.05.24 CN 114529038 A 1.一种基于企业需求的智能匹配招商策略系统， 其特征在于， 包括： 企业需求评估模块 (1)、 招商策略模块(2)、 产业配套匹配模块(3)、 政策匹配模块(4)、 区域空间匹配模块(5)和 建筑匹配模块(6)； 所述企业需求评估模块(1)， 用以通过LM ‑BP神经网络对区域产业价值特征分析、 政策 特征分析、 区位特征分析、 建筑特征分析深度学习后， 获取企业需求匹配的产业、 政策、 区 位、 建筑结构化数据； 所述招商策略模块(2)， 用以对企业需求画像和匹配的当地产业、 政策、 区位、 建筑资源 进行评分， 构建企业需求招商策略报告评分模型， 建立基于随机森林改进的企业需求评分 模型， 对企业需求特 征状况进行分类和预测； 所述产业配套匹配模块(3)， 用以通过产业配套库(31)分析企业在所属各自细分产业 中本地招商区域产业规模、 产业链相关企业总数、 规上企业数量、 客户及供应商情况并提供 企业产业 集聚效应、 供销关系效应参 考值， 从而匹配并选择适 合企业的最优产业； 所述政策匹配模块(4)， 用以通过政策匹配库(41)分析适配企业的政策， 通过企业发展 阶段创业期、 成长期、 成熟期适配的通用性政策、 企业所有细分产业适配的产业类政策、 培 育企业前景的政策推荐， 使得招商业务人员跟进企业的具体需求并在政策匹配模块(2)中 推荐标记， 从而匹配并选择适 合企业的最优 政策； 所述区域空间匹配模块(5)， 用以通过匹配区域空间库(51)的数据格式化后匹配企业 需求量化评价打分并通过企业需求匹配宏观区位、 中观区位、 微观 区位、 用地规划、 交通物 流、 生活配套 进行适应性评价， 从而匹配并选择适 合企业的最优区域空间； 所述建筑匹配模块(6)， 用以通过匹配规划建筑库(61)选择适合企业最优建筑载体， 通 过建筑基础信息、 建筑结构、 节能环保、 防火防爆、 配套设备、 入住成本来对建筑载体做出适 应性评价， 从而匹配并选择适 合企业的最优建筑规划。 2.根据权利要求1所述的一种基于企业需求的智能匹配招商策略系统， 其特征在于： 在 所述企业需求评估模块(1)中， 所述企业需求匹配的产业结构化数据包括： 产业规模、 价值 链客户市场、 产业链配套和企业配套； 所述企业需求匹配的政策结构化数据包括： 产业政 策、 人才政策和金融政策； 所述企业需求匹配的区位结构化数据包括： 交通物流、 配套资源 和规划要 素； 所述企业需求匹配的建筑结构化数据包括： 建筑基础要 素、 节能环保、 荷载、 防 火防爆和使用成本 。 3.根据权利要求1所述的一种基于企业需求的智能匹配招商策略系统， 其特征在于： 步 骤1所述LM‑BP神经网络的具体 计算步骤如下： 步骤1.1： 初始化网络结构参数， 误差允许值为ε， 常数u和b， 初始化权值和阈值向量， 令 k＝0， u＝u0， 计算精度是 ε和最大 学习次M； 步骤1.2： 将企业需求画像指标矩阵的训练数据作 为输入向量输入到LM ‑BP神经网络中 去； 步骤1.3： 计算网络 输出及误差指标函数 e； 步骤1.4： 计算雅各比矩阵J[W(k)]； 其中， W(k)代表第k次神经网络迭代的阀值与权值 构成的向量； 步骤1.5： 计算ΔW； 其中， ΔW 为阈值改变量； 步骤1.6： 若e＜ ε， 则转到步骤1.8， 否则转到步骤1.5；权　利　要　求　书 1/5 页 2 CN 114529038 A 2步骤1.7： 以新的权值和阀值向量 W(k+1)来计算 误差函数 e， W(k+1)＝ W(k)‑{JT[W(k)]J[W(k)]}‑1J[W(k)]e[W(k)] 若e[W(k+1)]小于e[W(k)]， 则令k＝k+1， u＝u*b， 转到步骤1.2， 否则u＝u/b， 转到步骤 1.5； 其中， W(k)代表第k次神经网络迭代的阀值与权值构成的向量， W(k+1)表示新的第k+1 次迭代的阀值和权值构成的向量； 步骤1.8： LM ‑BP神经网络计算结束。 4.根据权利要求3所述的一种基于企业需求的智能匹配招商策略系统， 其特征在于： 在 步骤1.1中， b的取值范围为： 0＜b＜1， 当k ＝0， u＝u0时， 计算精度 ε和最大 学习次M。 5.根据权利要求3所述的一种基于企业需求的智能匹配招商策略系统， 其特征在于： 在 步骤1.4和步骤1.7中， 通过雅各比矩阵J[W(k)]的变形， 计算出JT(W)， 计算JT(W)的公式为： 6.根据权利要求1所述的一种基于企业需求的智能匹配招商策略系统， 其特征在于： 步 骤2所述建立基于随机森林改进的企业需求评分模型的步骤 包括： 步骤2.1： 企业需求数据预处 理； 步骤2.2： 计算企业需求矩阵； 步骤2.3： 数据加权抽样； 步骤2.4： 特 征选择法选取企业需求 最优需求特 征子集； 步骤2.5： 算法参数优化； 步骤2.6： 产生评估结果。 7.根据权利要求6所述的一种基于企业需求的智能匹配招商策略系统， 其特征在于： 在 步骤2.1中， 所述企业需求数据预处 理包括Mi n‑Max标准化处理和Z‑Score标准化处理； 所述Min‑Max标准化处理为通过对企业需求数据中的离线数据进行线性变换， 使得所 述企业需求数据在线性变换后的数据处于[0 ‑1]之间； 所述Z‑Score标准化处理为将企业需求数据转换为均值 为0且标准差为1的高斯分布。 8.根据权利要求6所述的一种基于企业需求的智能匹配招商策略系统， 其特征在于： 在 步骤2.2中， 所述计算企业需求矩阵的具体步骤为： 设X＝{b1， b2， ……， bL}表示由M个特征 的L个样本组成的合集， Y＝{y1， y2， ……， yL}表示类别合集， 则企业需求数据可以构建矩阵 为：权　利　要　求　书 2/5 页 3 CN 114529038 A 3