(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 202210868984.X (22)申请日 2022.07.23 (71)申请人 福建省科立方科技有限公司 地址 361000 福建省厦门市思明区高雄路 16号泰龙 大厦1608室 (72)发明人 施东晓　黄明明　廖晓洁　 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/2453(2019.01) G06Q 30/02(2012.01) (54)发明名称 一种基于多维度数据智能匹配的检索方法 (57)摘要 本发明公开了一种基于多维度数据智能匹 配的检索方法， 包括信息填入、 政策问题产生、 政 策问题回答、 生成企业标签、 企业画像模 型建立、 未来预计申报政策计算、 政策推送， 通过建立企 业画像模型并结合成长性算法得出符合企业的 当前政策及未来政策， 及时有效的推送给企业用 户， 检索快速精准， 智能匹配效率高、 人工成本 低， 工作量小， 极大的满足 企业用户需求。 权利要求书1页 说明书3页 附图1页 CN 115221407 A 2022.10.21 CN 115221407 A 1.一种基于多维度数据智能匹配的检索方法， 其特征在于： 包括以下步骤， S1， 信息填 入， 用户填入企业名称提交， 通过企业库及第三方数据获取企业的基础工商信息、 知识产权 数、 司法状况等与政 策条件相关信息， 并产生一个权重值； S2， 政策问题产生， 根据企业工商 信息中的注册地， 从问题库获取对应地区的政策问题， 每个地区会先预设好与该地区发布 政策相关的问题， 每个问题选项会通过权重算法产生一个偏重值； S3， 政策问题回答， 用户 回答S2返回的问题， 进行人机对话， 此处用户可选择性回答， 以选择题为主， 答得越多企业 会产生越多的标签与权重值， 最后获得的政策匹配率也会越高； S4， 生成企业标签， 根据用 户回答的部分问题与企业的工商信息等， 会自动给与企业打上对应企业标签、 行业分类与 权重值， 此处标签与政策库中每条政策的标签相对应； S5， 企业画像模型建立， 根据用户回 答的部分问题、 标签、 行业分类生成企业画像模型， 解析政策库数据， 将每条政策的标签与 条件提取出来， 根据企业画像模型， 判断企业是否符合条件或标签， 若不符合， 结束当前计 算， 进入下一条政 策计算， 最终获取企业当前可申报的政策； S6， 未来预计申报政策计算， 根 据企业画像标签库， 通过企业成长性算法， 净资产增 长率＝1/2 （第二年末净资产 ÷第一年 末净资产＋第三年末净资产 ÷第二年末净资产） － 1， 销售收入增长率＝ 1/2 （第二年销售收 入÷第一年销售收入＋第三年销售收入 ÷第二年销售收入） －1， 得到企业未来成长值， 根 据往年政 策， 通过未来政策走向算法， 推测出未来预计政策， 结合 企业未来 成长值获得企业 未来预计可申报政策； S7， 政 策推送， 将S 5获取的企业当前可申报政 策与S6获取的企业未来 预计可申报政策整合， 利用每个问题及企业信息的权重值， 通过预设好的权重算法， 剔除权 重值较低的政策， 将权 重值较高的政策推送给用户。 2.根据权利要求1所述的一种基于多维度数据智能匹配的检索方法， 其特征在于： 步骤 S4中所述的企业标签包括， A1， 企业行业标签： 通过企业工商信息中的行业生成与政策行业 相对应的行业标签； A2， 企业规模标签： 根据 《中小企业划型标准规定》 按企业行业、 上年营 业收入与上年末从业人员获得企业规模标签； A3， 企业经营范围标签： 根据预设好的字典， 在企业工商信息中的经营范围文本， 通过正则表达式获取关键字， 生成经营范围标签； A4， 企业知识产权标签： 根据企业的知识产权数， 生 成知识产权标签； A5， 企业风险标签： 根据司 法风险与经 营风险， 生成企业 风险标签。权　利　要　求　书 1/1 页 2 CN 115221407 A 2一种基于多维度数据智能匹配的检索方 法 技术领域 [0001]本发明属于检索方法领域， 特别涉及一种基于多维度数据智能匹配的检索方法。 背景技术 [0002]随着经济 的高速发展， 国家越来越强调科技型企业尤其是中小企业的政策扶持， 出台了一揽子相关文件、 政 策， 为需要重点扶持的高新技术 企业提供包括税收、 奖励等多种 优惠； 有力推动了大众创业、 万众创新， 尤其是目前新消费经济形势下， 科技型企业在新技 术、 新产业、 新模式、 新制度等方面全面 发展， 企业在获得大量扶持政 策信息之后， 是难以判 断那些扶持政策是可以进 行申报的， 就目前来说， 基本采用的方法主要有两种。 一是成立专 门部门小组， 对每一条扶持政策信息进 行分析比对， 工作量相当庞大， 再一个就是有 出现部 分工具， 通常是以关键字及分类的形式， 对政策进 行简单的匹配， 主要还是依靠人工进行筛 选， 这样会消 耗大量的人力以及时间成本， 所以如何提高匹配效率以及精准度来节省人工 筛选和人力物力是目前我们需要解决的一个技 术问题。 [0003]本发明就是提供一种工作量小、 检索快速精准、 匹配效率高、 人工成本低的多维度 数据智能匹配 检索方法。 发明内容 [0004]本发明提供一种基于多维度数据智能匹配的检索方法， 包括以下步骤， S1， 信息填 入， 用户填入企业名称提交， 通过企业库及第三方数据获取企业的基础工商信息、 知识产权 数、 司法状况等与政 策条件相关信息， 并产生一个权重值； S2， 政策问题产生， 根据企业工商 信息中的注册地， 从问题库获取对应地区的政策问题， 每个地区会先预设好与该地区发布 政策相关的问题， 每个问题选项会通过权重算法产生一个偏重值； S3， 政策问题回答， 用户 回答S2返回的问题， 进行人机对话， 此处用户可选择性回答， 以选择题为主， 答得越多企业 会产生越多的标签与权重值， 最后获得的政策匹配率也会越高； S4， 生成企业标签， 根据用 户回答的部分问题与企业的工商信息等， 会自动给与企业打上对应企业标签、 行业分类与 权重值， 此处标签与政策库中每条政策的标签相对应； S5， 企业画像模型建立， 根据用户回 答的部分问题、 标签、 行业分类生成企业画像模型， 解析政策库数据， 将每条政策的标签与 条件提取出来， 根据企业画像模型， 判断企业是否符合条件或标签， 若不符合， 结束当前计 算， 进入下一条政 策计算， 最终获取企业当前可申报的政策； S6， 未来预计申报政策计算， 根 据企业画像标签库， 通过企业成长性算法， 净资产增 长率＝1/2 （第二年末净资产 ÷第一年 末净资产＋第三年末净资产 ÷第二年末净资产） － 1， 销售收入增长率＝ 1/2 （第二年销售收 入÷第一年销售收入＋第三年销售收入 ÷第二年销售收入） －1， 得到企业未来成长值， 根 据往年政 策， 通过未来政策走向算法， 推测出未来预计政策， 结合 企业未来 成长值获得企业 未来预计可申报政策； S7， 政 策推送， 将S 5获取的企业当前可申报政 策与S6获取的企业未来 预计可申报政策整合， 利用每个问题及企业信息的权重值， 通过预设好的权重算法， 剔除权 重值较低的政策， 将权 重值较高的政策推送给用户。说　明　书 1/3 页 3 CN 115221407 A 3