[发明专利]一种企业需求智能诊断方法、系统以及存储介质

权利要求书

1.一种企业需求智能诊断方法，方法包含如下步骤：

步骤1，按照企业所属行业类别在对应行业下获取源数据；

步骤2，对获取的该行业类别下的源数据进行过滤和预处理并提取对于需求分析有效的关键信息，消除噪音和无效信息；

步骤3，企业数据深度融合特征提取；

对步骤2预处理后的企业文本数据进行企业按预设的数据维度进行词向量提取，对获取的多个维度的企业数据词向量特征进行深度融合，对第一维度特征经过两个分支的卷积操作，其中第一分支包含三层卷积层，第二分支卷积层包含一层卷积层，通过上述两个分支的卷积层处理得到该维度下的词向量融合特征；还包括得到第二维度信息与第一维度信息进行关联融合特征，第二维度的词向量特征通过第三分支卷积操作后特征与上述第一维度特征的第二分支卷积得到的特征进行融合add计算，最后将第一维度下的词向量融合特征与得到的维度间的关联融合特征进行concat计算，各维度特征之间特征均进行此融合操作，最终得到本维度融合特征以及维度间的深度关联特征；

步骤4，利用得到的深度关联特征进行需求诊断识别模型构建；

步骤5，利用构建的识别模型进行实际企业需求诊断，得出与企业目前阶段需要相匹配的需求服务；

其中，识别模型获取的企业样本数据至少包含企业基础数据、企业融资数据、企业经营数据、企业知产数据、企业标签数据、企业竞品数据的六维度大类数据；服务类别数据包含数据服务、投行咨询、创业服务、专业服务。

2.根据权利要求1所述的企业需求智能诊断方法，其特征在于：所述企业数据深度融合特征提取中第一分支网络卷积核依次为1×1和5×5以及1×1，第二分支卷积核为1×1。

3.权利要求1所述的企业需求智能诊断方法，其特征在于需求诊断识别模型在深度融合特征提取后还包含池化和全连接计算，需求诊断识别模型分类函数为SoftMax函数。

4.一种企业需求智能诊断系统，其特征在于包含如下模块：智能采集和源数据获取模块、数据过滤和与数据预处理模块，企业数据深度融合特征提取模块、需求诊断识别模型构建模块、诊断结果输出模块，其中：

智能采集和源数据获取模块，按照企业所属行业类别在对应行业下获取源数据；

数据过滤和与数据预处理模块，对获取的该行业类别下的源数据进行过滤和预处理并提取对于需求分析有效的关键信息，消除噪音和无效信息；

企业数据深度融合特征提取模块，企业数据深度融合特征提取；

对预处理后的企业文本数据进行企业按预设的数据维度进行词向量提取，对获取的多个维度的企业数据词向量特征进行深度融合，对第一维度特征经过两个分支的卷积操作，其中第一分支包含三层卷积层，第二分支卷积层包含一层卷积层，通过上述两个分支的卷积层处理得到该维度下的词向量融合特征；还包括得到第二维度信息与第一维度信息进行关联融合特征，第二维度的词向量特征通过第三分支卷积操作后特征与上述第一维度特征的第二分支卷积得到的特征进行融合add计算，最后将第一维度下的词向量融合特征与得到的维度间的关联融合特征进行concat计算，各维度特征之间特征均进行此融合操作，最终得到本维度融合特征以及维度间的深度关联特征；

需求诊断识别模型构建模块，利用得到的深度关联特征进行需求诊断识别模型构建；

诊断结果输出模块，利用构建的识别模型进行实际企业需求诊断，得出与企业目前阶段需要相匹配的需求服务；

其中，识别模型获取的企业样本数据至少包含企业基础数据、企业融资数据、企业经营数据、企业知产数据、企业标签数据、企业竞品数据的六维度大类数据；服务类别数据包含数据服务、投行咨询、创业服务、专业服务。

5.根据权利要求4 所述的企业需求智能诊断系统，所述企业数据深度融合特征提取中第一分支网络卷积核依次为1×1和5×5以及1×1，第二分支卷积核为1×1。

6.根据权利要求4 所述的企业需求智能诊断系统，其特征在于需求诊断识别模型在深度融合特征提取后还包含池化和全连接计算，需求诊断识别模型分类函数为SoftMax函数。