CN110020191A - 电子装置、招商引资的目标对象确定方法及存储介质 - Google Patents

Abstract

本发明公开了一种电子装置、招商引资的目标对象确定方法以及存储介质，所述方法包括：获取获取预先确定的招商引资项目的文本信息中的第一关键信息；获取参加所述招商引资项目的各企业的第二关键信息，分别将获取的各企业的第二关键信息与所述第一关键信息进行匹配，以得到各个企业与所述招商引资项目的匹配度；确定该企业为招商引资的目标对象，根据预先确定的目标对象分类方法，对该企业进行目标对象级别分类；确定该企业的级别是否满足招商引资项目的级别，若满足，则自动完成招商引资项目的推荐。能够通过智能化手段完成招商引资、节省大量的人力成本，且提高结果的准确性。

Description

电子装置、招商引资的目标对象确定方法及存储介质

技术领域

本发明涉及招商投资领域，尤其涉及一种电子装置、招商引资的目标对象确定方法及存储介质。

背景技术

随着计算机技术以及智能信息化的发展，很多领域利用机器智能化处理来替代繁琐的人工处理过程，不仅能够节省人力资源、降低成本，而且能个提高工作的准确率和稳定性。但是，目前在招商引资领域，依然主要是依赖于工作人员对相关政策的解读，并将解读之后的政策与企业的***息进行人工匹配以及筛选，缺乏高效的智能化手段，浪费大量的人力成本，且无法保证结果的准确性。

发明内容

有鉴于此，本发明提出一种电子装置、所述电子装置包括存储器、及与所述存储器连接的处理器，所述处理器用于执行所述存储器上存储的招商引资的目标对象确定程序，所述招商引资的目标对象确定程序被所述处理器执行时实现如下步骤：

A1、获取预先确定的招商引资项目的文本信息中的第一关键信息；

A2、获取参加所述招商引资项目的各企业的第二关键信息，分别将获取的各企业的第二关键信息与所述第一关键信息进行匹配，以得到各个企业与所述招商引资项目的匹配度；

A3、若有企业与所述招商引资项目的匹配度大于预定义的匹配度参考阈值，则确定该企业为招商引资的目标对象，根据预先确定的目标对象分类方法，对该企业进行目标对象级别分类；

A4、根据预先存储的目标对象级别与招商引资目标对象之间的映射关系，确定该企业的级别是否满足招商引资项目的级别，若满足，则自动完成招商引资项目的推荐。

优选地，所述步骤A1包括：

根据预先训练完成的第一关键信息标注模型，对预先确定的招商引资项目的文本信息进行分析，以获取该文本信息中的第一关键信息。

优选地，所述预先训练完成的第一关键信息标注模型为神经网络模型，所述第一关键信息标注模型的训练过程包括如下步骤：

E1、获取预设数量的已标注关键信息的招商引资项目的文本信息样本以及各个文本信息样本对应的原始文本信息；

F1、将各个项目的文本信息样本对应的原始文本信息分为第一比例的训练子集和第二比例的测试子集；

G1、利用所述训练子集中的各个项目的原始文本信息训练所述第一关键信息标注模型，以得到训练好的关键信息标注模型；

H1、利用所述测试子集中的各个项目的原始文本信息对所述第一关键信息标注模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练子集的文本信息样本的数量并重新执行上述步骤E1、F1、G1及H1。

优选地，在所述步骤H1中，所述利用所述测试子集中的各个项目的原始文本信息对所述第一关键信息标注模型进行测试的步骤包括：

利用训练好的所述第一关键信息标注则模型对所述测试子集中的各个项目的原始文本信息进行标注，以得出各个项目通过人工进行关键信息标注得到的第三关键信息与通过第一关键信息标注模型自动进行关键信息标注得到的第四关键信息相等的概率值；

若有项目对应的所述第三关键信息与所述第四关键信息相等的概率值大于所述预设的概率阈值，则针对该项目进行模型准确性测试，将该项目进行人工标注关键信息，以得到该项目对应的第三关键信息，并调用第一关键信息标注模型自动标注该项目，以得到该项目对应的第四关键信息；

计算得到的该项目对应的第三关键信息与第四关键信息之间的误差值；

若所计算出的误差值小于预设的误差阈值，则确定针对该项目的模型准确性测试的结果为正确，或者，若所计算出的误差值大于或等于预设的误差阈值，则确定针对该项目的模型准确性测试的结果为错误；

若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述第一关键信息标注模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述第一关键信息标注模型的测试不通过。

优选地，在所述步骤A3中，所述预先确定的目标对象分类方法为基于密度的聚类算法，所述基于密度的聚类算法为DBscan算法。

此外，为实现上述目的，本发明还提出一种招商引资的目标对象确定方法，其特征在于，所述方法包括如下步骤：

S1、获取预先确定的招商引资项目的文本信息中的第一关键信息；

S2、获取参加所述招商引资项目的各企业的第二关键信息，分别将获取的各企业的第二关键信息与所述第一关键信息进行匹配，以得到各个企业与所述招商引资项目的匹配度；

S3、若有企业与所述招商引资项目的匹配度大于预定义的匹配度参考阈值，则确定该企业为招商引资的目标对象，根据预先确定的目标对象分类方法，对该企业进行目标对象级别分类；

S4、根据预先存储的目标对象级别与招商引资目标对象之间的映射关系，确定该企业的级别是否满足招商引资项目的级别，若满足，则自动完成招商引资项目的推荐。

优选地，所述步骤S1包括：

根据预先训练完成的第一关键信息标注模型，对预先确定的招商引资项目的文本信息进行分析，以获取该文本信息中的第一关键信息。

优选地，所述预先训练完成的第一关键信息标注模型为神经网络模型，所述第一关键信息标注模型的训练过程包括如下步骤：

E2、获取预设数量的已标注关键信息的招商引资项目的文本信息样本以及各个文本信息样本对应的原始文本信息；

F2、将各个项目的文本信息样本对应的原始文本信息分为第一比例的训练子集和第二比例的测试子集；

G2、利用所述训练子集中的各个项目的原始文本信息训练所述第一关键信息标注模型，以得到训练好的关键信息标注模型；

H2、利用所述测试子集中的各个项目的原始文本信息对所述第一关键信息标注模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练子集的文本信息样本的数量并重新执行上述步骤E2、F2、G2及H2。

优选地，在所述步骤H2中，所述利用所述测试子集中的各个项目的原始文本信息对所述第一关键信息标注模型进行测试的步骤包括：

利用训练好的所述第一关键信息标注则模型对所述测试子集中的各个项目的原始文本信息进行标注，以得出各个项目通过人工进行关键信息标注得到的第三关键信息与通过第一关键信息标注模型自动进行关键信息标注得到的第四关键信息相等的概率值；

若有项目对应的所述第三关键信息与所述第四关键信息相等的概率值大于所述预设的概率阈值，则针对该项目进行模型准确性测试，将该项目进行人工标注关键信息，以得到该项目对应的第三关键信息，并调用第一关键信息标注模型自动标注该项目，以得到该项目对应的第四关键信息；

计算得到的该项目对应的第三关键信息与第四关键信息之间的误差值；

若所计算出的误差值小于预设的误差阈值，则确定针对该项目的模型准确性测试的结果为正确，或者，若所计算出的误差值大于或等于预设的误差阈值，则确定针对该项目的模型准确性测试的结果为错误；

若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述第一关键信息标注模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述第一关键信息标注模型的测试不通过。

此外，为实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质存储有招商引资的目标对象确定程序，所述招商引资的目标对象确定程序可被至少一个处理器执行，以使所述至少一个处理器执行如上所述的招商引资的目标对象确定方法的步骤。

本发明所提出的电子装置、招商引资的目标对象确定方法及存储介质，首先通过获取获取预先确定的招商引资项目的文本信息中的第一关键信息；然后获取参加所述招商引资项目的各企业的第二关键信息，分别将获取的各企业的第二关键信息与所述第一关键信息进行匹配，以得到各个企业与所述招商引资项目的匹配度；再次若有企业与所述招商引资项目的匹配度大于预定义的匹配度参考阈值，则确定该企业为招商引资的目标对象，根据预先确定的目标对象分类方法，对该企业进行目标对象级别分类；最后根据预先存储的目标对象级别与招商引资目标对象之间的映射关系，确定该企业的级别是否满足招商引资项目的级别，若满足，则自动完成招商引资项目的推荐。能够通过智能化手段完成招商引资、节省大量的人力成本，且提高结果的准确性。

附图说明

图1是本发明提出的电子装置一可选的硬件架构的示意图；

图2是本发明电子装置一实施例中招商引资的目标对象确定程序的程序模块示意图；

图3是本发明招商引资的目标对象确定方法较佳实施例的实施流程图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

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，以下结合附图及实施例，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用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

参阅图1所示，是本发明提出的电子装置一可选的硬件架构示意图。本实施例中，电子装置10可包括，但不仅限于，可通过通信总线14相互通信连接存储器11、处理器12、网络接口13。需要指出的是，图1仅示出了具有组件11-14的电子装置10，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。

其中，存储器11至少包括一种类型的计算机可读存储介质，计算机可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器11可以是电子装置10的内部存储单元，例如电子装置10的硬盘或内存。在另一些实施例中，存储器11也可以是电子装置10的外包存储设备，例如电子装置10上配备的插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器11还可以既包括电子装置10的内部存储单元也包括其外包存储设备。本实施例中，存储器11通常用于存储安装于电子装置10的操作***和各类应用软件，例如招商引资的目标对象确定程序等。此外，存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器12在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。处理器12通常用于控制电子装置10的总体操作。本实施例中，处理器12用于运行存储器11中存储的程序代码或者处理数据，例如运行的招商引资的目标对象确定程序等。

网络接口13可包括无线网络接口或有线网络接口，网络接口13通常用于在电子装置10与其他电子设备之间建立通信连接。

通信总线14用于实现组件11-13之间的通信连接。

图1仅示出了具有组件11-14以及招商引资的目标对象确定程序的电子装置10，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。

可选地，电子装置10还可以包括用户接口(图1中未示出)，用户接口可以包括显示器、输入单元比如键盘，其中，用户接口还可以包括标准的有线接口、无线接口等。

可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED触摸器等。进一步地，显示器也可称为显示屏或显示单元，用于显示在电子装置10中处理信息以及用于显示可视化的用户界面。

可选地，在一些实施例中，电子装置10还可以包括音频单元(音频单元图1中未示出)，音频单元可以在电子装置10处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时，将接收的或者存储的音频数据转换为音频信号；进一步地，电子装置10还可以包括音频输出单元，音频输出单元将音频单元转换的音频信号输出，而且音频输出单元还可以提供与电子装置10执行的特定功能相关的音频输出(例如呼叫信号接收声音、消息接收声音等等)，音频输出单元可以包括扬声器、蜂鸣器等等。

可选地，在一些实施例中，电子装置10还可以包括警报单元(图中未示出)，警报单元可以提供输出已将事件的发生通知给电子装置10。典型的事件可以包括呼叫接收、消息接收、键信号输入、触摸输入等等。除了音频或者视频输出之外，警报单元可以以不同的方式提供输出以通知事件的发生。例如，警报单元可以以震动的形式提供输出，当接收到呼叫、消息或一些其他可以使电子装置10进入通信模式时，警报单元可以提供触觉输出(即，振动)以将其通知给用户。

在一实施例中，存储器11中存储的招商引资的目标对象确定程序被处理器12执行时，实现如下操作：

A1、获取预先确定的招商引资项目的文本信息中的第一关键信息；

具体地，预先确定的招商引资项目的文本信息包括招商引资的相关主题以及各主题对应的内容信息，具体的，预先确定的招商引资项目的文本信息可以通过给定的网址入口地址，获取页面链接，进行下载得到；进一步地，在本实施例中，根据预先训练完成的第一关键信息标注模型，对预先确定的招商引资项目的文本信息进行分析，以获取该文本信息中的第一关键信息；具体地，所述第一关键信息包括主题、行业分类、企业信息关键字如“上市公司”“资产超过1亿”“专业人员不少于50人”等企业信息关键字、招商信号词语如“并购”、“计划在省内投资”等招商信号词语、奖励信息等；

具体地，在本实施例中，所述预先训练完成的第一关键信息标注模型为神经网络模型，所述第一关键信息标注模型的训练过程包括如下步骤：E、获取预设数量的已标注关键信息的招商引资项目的文本信息样本以及各个文本信息样本对应的原始文本信息；

F、将各个项目的文本信息样本对应的原始文本信息分为第一比例的训练子集和第二比例的测试子集；

G、利用所述训练子集中的各个项目的原始文本信息训练所述第一关键信息标注模型，以得到训练好的关键信息标注模型；

H、利用所述测试子集中的各个项目的原始文本信息对所述第一关键信息标注模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练子集的文本信息样本的数量并重新执行上述步骤E、F、G及H。

具体地，在所述步骤H中，所述利用所述测试子集中的各个项目的原始文本信息对所述第一关键信息标注模型进行测试的步骤包括：

利用训练好的所述第一关键信息标注则模型对所述测试子集中的各个项目的原始文本信息进行标注，以得出各个项目通过人工进行关键信息标注得到的第三关键信息与通过第一关键信息标注模型自动进行关键信息标注得到的第四关键信息相等的概率值；

若有项目对应的所述第三关键信息与所述第四关键信息相等的概率值大于所述预设的概率阈值，则针对该项目进行模型准确性测试，将该项目进行人工标注关键信息，以得到该项目对应的第三关键信息，并调用第一关键信息标注模型自动标注该项目，以得到该项目对应的第四关键信息；

计算得到的该项目对应的第三关键信息与第四关键信息之间的误差值；

若所计算出的误差值小于预设的误差阈值，则确定针对该项目的模型准确性测试的结果为正确，或者，若所计算出的误差值大于或等于预设的误差阈值，则确定针对该项目的模型准确性测试的结果为错误；

若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述第一关键信息标注模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述第一关键信息标注模型的测试不通过。

A2、获取参加所述招商引资项目的各企业的第二关键信息，分别将获取的各企业的第二关键信息与所述第一关键信息进行匹配，以得到各个企业与所述招商引资项目的匹配度；

具体地，可以根据预先训练完成的第二关键信息标注模型对参加所述招商引资项目的各企业的文本信息进行关键信息标注，以标注出各企业分别对应的第二关键信息。具体地，所述第二关键信息标注模型也为神经网络模型，所述模型的训练过程以及测试过程与所述第一关键信息标注模型的原理相同，在此，不再累述。

A3、若有企业与所述招商引资项目的匹配度大于预定义的匹配度参考阈值，则确定该企业为招商引资的目标对象，根据预先确定的目标对象分类方法，对该企业进行目标对象级别分类；

具体地，预先确定的目标对象分类方法为基于密度的聚类算法，在一实施例中，基于密度的聚类算法为DBscan算法，具体的该基于密度的聚类算法包括：根据各目标对象在预设时间内(例如，离当前时间点最近的半年内)公开的数据对象信息，例如企业营业额、中标标的行业分类、投标标的的主题、招商信号词语等数据对象信息，将各目标对象分为预设级别的目标对象，例如上市公司为第一级别的目标对象、市值过亿为第二级别的目标对象、专业人员不少于50人为第三级别的目标对象等预设级别的目标对象；分别以不同预设级别的目标对象作为DBscan算法的不同输入对象，可以理解的是，不同预设级别的目标对象所属的类别不同，可以根据预设级别的目标对象分为不同的离散数据，并预设扫描半径e(例如，e＝3，表示同一预设级别的目标对象包含的最少相同数据对象信息数)以及最小包含点数minp(例如，minp＝5，表示5类不同预设级别的目标对象)，然后任选一个未被访问的点(预设级别的目标对象)开始，找出在扫描半径e之内(包括e)该点被访问(访问该预设级别的目标对象)的次数，若在扫描半径e之内该点被访问的次数大于或等于minp，则该点(当前预设级别的目标对象)与其他在扫描半径e之内被访问的次数大于或等于minp次的点形成一个簇(一个聚类的簇)，并且开始点被标记为已访问点。然后递归，以相同的方法处理该簇内所有未被访问的点，从而对簇进行扩展。若在扫描半径e之内该点被访问的次数小于minp，则该点暂时被标记作为噪声点(非聚类的点，对应在本实施例中为与招商引资项目不相关的预设级别的目标对象)，若簇充分地被扩展，即簇内的所有点被标记为已访问，则用同样的算法去处理未被访问的点。通过这种聚类分析方法可以招商引资的目标对象进行级别分类。

A4、根据预先存储的目标对象级别与招商引资目标对象之间的映射关系，确定该企业的级别是否满足招商引资项目的级别，若满足，则自动完成招商引资项目的推荐。

由上述事实施例可知，本发明提出的电子装置，首先通过获取获取预先确定的招商引资项目的文本信息中的第一关键信息；然后获取参加所述招商引资项目的各企业的第二关键信息，分别将获取的各企业的第二关键信息与所述第一关键信息进行匹配，以得到各个企业与所述招商引资项目的匹配度；再次若有企业与所述招商引资项目的匹配度大于预定义的匹配度参考阈值，则确定该企业为招商引资的目标对象，根据预先确定的目标对象分类方法，对该企业进行目标对象级别分类；最后根据预先存储的目标对象级别与招商引资目标对象之间的映射关系，确定该企业的级别是否满足招商引资项目的级别，若满足，则自动完成招商引资项目的推荐。能够通过智能化手段完成招商引资、节省大量的人力成本，且提高结果的准确性。

此外，本发明的招商引资的目标对象确定程序依据其各部分所实现的功能不同，可用具有相同功能的程序模块进行描述。请参阅图2所示，是本发明电子装置一实施例中招商引资的目标对象确定程序的程序模块示意图。本实施例中，招商引资的目标对象确定程序依据其各部分所实现的功能的不同，可以被分割成获取模块201、匹配模块202、分类模块203以及确定模块204。由上面的描述可知，本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述招商引资的目标对象确定程序在电子装置10中的执行过程。所述模块201-204所实现的功能或操作步骤均与上文类似，此处不再详述，示例性地，例如其中：

获取模块201用于获取预先确定的招商引资项目的文本信息中的第一关键信息；

匹配模块202用于获取参加所述招商引资项目的各企业的第二关键信息，分别将获取的各企业的第二关键信息与所述第一关键信息进行匹配，以得到各个企业与所述招商引资项目的匹配度；

分类模块203用于在若有企业与所述招商引资项目的匹配度大于预定义的匹配度参考阈值，则确定该企业为招商引资的目标对象，根据预先确定的目标对象分类方法，对该企业进行目标对象级别分类；

确定模块204用于根据预先存储的目标对象级别与招商引资目标对象之间的映射关系，确定该企业的级别是否满足招商引资项目的级别，若满足，则自动完成招商引资项目的推荐。

此外，本发明还提出一种招商引资的目标对象确定方法，请参阅图3所示，所述招商引资的目标对象确定方法包括如下步骤：

S301、获取预先确定的招商引资项目的文本信息中的第一关键信息；

具体地，预先确定的招商引资项目的文本信息包括招商引资的相关主题以及各主题对应的内容信息，具体的，预先确定的招商引资项目的文本信息可以通过给定的网址入口地址，获取页面链接，进行下载得到；进一步地，在本实施例中，根据预先训练完成的第一关键信息标注模型，对预先确定的招商引资项目的文本信息进行分析，以获取该文本信息中的第一关键信息；具体地，所述第一关键信息包括主题、行业分类、企业信息关键字如“上市公司”“资产超过1亿”“专业人员不少于50人”等企业信息关键字、招商信号词语如“并购”、“计划在省内投资”等招商信号词语、奖励信息等；

具体地，在本实施例中，所述预先训练完成的第一关键信息标注模型为神经网络模型，所述第一关键信息标注模型的训练过程包括如下步骤：E、获取预设数量的已标注关键信息的招商引资项目的文本信息样本以及各个文本信息样本对应的原始文本信息；

F、将各个项目的文本信息样本对应的原始文本信息分为第一比例的训练子集和第二比例的测试子集；

G、利用所述训练子集中的各个项目的原始文本信息训练所述第一关键信息标注模型，以得到训练好的关键信息标注模型；

H、利用所述测试子集中的各个项目的原始文本信息对所述第一关键信息标注模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练子集的文本信息样本的数量并重新执行上述步骤E、F、G。

具体地，在所述步骤H中，所述利用所述测试子集中的各个项目的原始文本信息对所述第一关键信息标注模型进行测试的步骤包括：

利用训练好的所述第一关键信息标注则模型对所述测试子集中的各个项目的原始文本信息进行标注，以得出各个项目通过人工进行关键信息标注得到的第三关键信息与通过第一关键信息标注模型自动进行关键信息标注得到的第四关键信息相等的概率值；

若有项目对应的所述第三关键信息与所述第四关键信息相等的概率值大于所述预设的概率阈值，则针对该项目进行模型准确性测试，将该项目进行人工标注关键信息，以得到该项目对应的第三关键信息，并调用第一关键信息标注模型自动标注该项目，以得到该项目对应的第四关键信息；

计算得到的该项目对应的第三关键信息与第四关键信息之间的误差值；

若所计算出的误差值小于预设的误差阈值，则确定针对该项目的模型准确性测试的结果为正确，或者，若所计算出的误差值大于或等于预设的误差阈值，则确定针对该项目的模型准确性测试的结果为错误；

若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述第一关键信息标注模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述第一关键信息标注模型的测试不通过。

S302、获取参加所述招商引资项目的各企业的第二关键信息，分别将获取的各企业的第二关键信息与所述第一关键信息进行匹配，以得到各个企业与所述招商引资项目的匹配度；

具体地，可以通过预先训练完成的第二关键信息标注模型对参加所述招商引资项目的各企业的文本信息进行关键信息标注，以标注出各企业分别对应的第二关键信息。具体地，所述第二关键信息标注模型也为神经网络模型，所述模型的训练过程以及测试过程与所述第一关键信息标注模型的原理相同，在此，不再累述。

S303、若有企业与所述招商引资项目的匹配度大于预定义的匹配度参考阈值，则确定该企业为招商引资的目标对象，根据预先确定的目标对象分类方法，对该企业进行目标对象级别分类；

具体地，预先确定的目标对象分类方法为基于密度的聚类算法，在一实施例中，基于密度的聚类算法为DBscan算法，具体的该基于密度的聚类算法包括：根据各目标对象在预设时间内(例如，离当前时间点最近的半年内)公开的数据对象信息，例如企业营业额、中标标的行业分类、投标标的的主题、招商信号词语等数据对象信息，将各目标对象分为预设级别的目标对象，例如上市公司为第一级别的目标对象、市值过亿为第二级别的目标对象、专业人员不少于50人为第三级别的目标对象等预设级别的目标对象；分别以不同预设级别的目标对象作为DBscan算法的不同输入对象，可以理解的是，不同预设级别的目标对象所属的类别不同，可以根据预设级别的目标对象分为不同的离散数据，并预设扫描半径e(例如，e＝3，表示同一预设级别的目标对象包含的最少相同数据对象信息数)以及最小包含点数minp(例如，minp＝5，表示5类不同预设级别的目标对象)，然后任选一个未被访问的点(预设级别的目标对象)开始，找出在扫描半径e之内(包括e)该点被访问(访问该预设级别的目标对象)的次数，若在扫描半径e之内该点被访问的次数大于或等于minp，则该点(当前预设级别的目标对象)与其他在扫描半径e之内被访问的次数大于或等于minp次的点形成一个簇(一个聚类的簇)，并且开始点被标记为已访问点。然后递归，以相同的方法处理该簇内所有未被访问的点，从而对簇进行扩展。若在扫描半径e之内该点被访问的次数小于minp，则该点暂时被标记作为噪声点(非聚类的点，对应在本实施例中为与招商引资项目不相关的预设级别的目标对象)，若簇充分地被扩展，即簇内的所有点被标记为已访问，则用同样的算法去处理未被访问的点。通过这种聚类分析方法可以招商引资的目标对象进行级别分类。

S304、根据预先存储的目标对象级别与招商引资目标对象之间的映射关系，确定该企业的级别是否满足招商引资项目的级别，若满足，则自动完成招商引资项目的推荐。

由上述事实施例可知，本发明提出的招商引资的目标对象确定方法，首先通过获取获取预先确定的招商引资项目的文本信息中的第一关键信息；然后获取参加所述招商引资项目的各企业的第二关键信息，分别将获取的各企业的第二关键信息与所述第一关键信息进行匹配，以得到各个企业与所述招商引资项目的匹配度；再次若有企业与所述招商引资项目的匹配度大于预定义的匹配度参考阈值，则确定该企业为招商引资的目标对象，根据预先确定的目标对象分类方法，对该企业进行目标对象级别分类；最后根据预先存储的目标对象级别与招商引资目标对象之间的映射关系，确定该企业的级别是否满足招商引资项目的级别，若满足，则自动完成招商引资项目的推荐。能够通过智能化手段完成招商引资、节省大量的人力成本，且提高结果的准确性。

此外，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有招商引资的目标对象确定程序，所述招商引资的目标对象确定程序被处理器执行时实现如下操作：

获取预先确定的招商引资项目的文本信息中的第一关键信息；

获取参加所述招商引资项目的各企业的第二关键信息，分别将获取的各企业的第二关键信息与所述第一关键信息进行匹配，以得到各个企业与所述招商引资项目的匹配度；

若有企业与所述招商引资项目的匹配度大于预定义的匹配度参考阈值，则确定该企业为招商引资的目标对象，根据预先确定的目标对象分类方法，对该企业进行目标对象级别分类；

根据预先存储的目标对象级别与招商引资目标对象之间的映射关系，确定该企业的级别是否满足招商引资项目的级别，若满足，则自动完成招商引资项目的推荐。

本发明计算机可读存储介质具体实施方式与上述电子装置以及招商引资的目标对象确定方法各实施例基本相同，在此不作累述。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种电子装置，其特征在于，所述电子装置包括存储器、及与所述存储器连接的处理器，所述处理器用于执行所述存储器上存储的招商引资的目标对象确定程序，所述招商引资的目标对象确定程序被所述处理器执行时实现如下步骤：

A1、获取预先确定的招商引资项目的文本信息中的第一关键信息；

A2、获取参加所述招商引资项目的各企业的第二关键信息，分别将获取的各企业的第二关键信息与所述第一关键信息进行匹配，以得到各个企业与所述招商引资项目的匹配度；

A3、若有企业与所述招商引资项目的匹配度大于预定义的匹配度参考阈值，则确定该企业为招商引资的目标对象，根据预先确定的目标对象分类方法，对该企业进行目标对象级别分类；

A4、根据预先存储的目标对象级别与招商引资目标对象之间的映射关系，确定该企业的级别是否满足招商引资项目的级别，若满足，则自动完成招商引资项目的推荐。

2.如权利要求1所述的电子装置，其特征在于，所述步骤A1包括：

根据预先训练完成的第一关键信息标注模型，对预先确定的招商引资项目的文本信息进行分析，以获取该文本信息中的第一关键信息。

3.如权利要求2所述的电子装置，其特征在于，所述预先训练完成的第一关键信息标注模型为神经网络模型，所述第一关键信息标注模型的训练过程包括如下步骤：

E1、获取预设数量的已标注关键信息的招商引资项目的文本信息样本以及各个文本信息样本对应的原始文本信息；

F1、将各个项目的文本信息样本对应的原始文本信息分为第一比例的训练子集和第二比例的测试子集；

G1、利用所述训练子集中的各个项目的原始文本信息训练所述第一关键信息标注模型，以得到训练好的关键信息标注模型；

H1、利用所述测试子集中的各个项目的原始文本信息对所述第一关键信息标注模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练子集的文本信息样本的数量并重新执行上述步骤E1、F1、G1及H1。

4.如权利要求3所述的电子装置，其特征在于，在所述步骤H1中，所述利用所述测试子集中的各个项目的原始文本信息对所述第一关键信息标注模型进行测试的步骤包括：

利用训练好的所述第一关键信息标注则模型对所述测试子集中的各个项目的原始文本信息进行标注，以得出各个项目通过人工进行关键信息标注得到的第三关键信息与通过第一关键信息标注模型自动进行关键信息标注得到的第四关键信息相等的概率值；

若有项目对应的所述第三关键信息与所述第四关键信息相等的概率值大于所述预设的概率阈值，则针对该项目进行模型准确性测试，将该项目进行人工标注关键信息，以得到该项目对应的第三关键信息，并调用第一关键信息标注模型自动标注该项目，以得到该项目对应的第四关键信息；

计算得到的该项目对应的第三关键信息与第四关键信息之间的误差值；

若所计算出的误差值小于预设的误差阈值，则确定针对该项目的模型准确性测试的结果为正确，或者，若所计算出的误差值大于或等于预设的误差阈值，则确定针对该项目的模型准确性测试的结果为错误；

若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述第一关键信息标注模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述第一关键信息标注模型的测试不通过。

5.如权利要求1所述的电子装置，其特征在于，在所述步骤A3中，所述预先确定的目标对象分类方法为基于密度的聚类算法，所述基于密度的聚类算法为DBscan算法。

6.一种招商引资的目标对象确定方法，其特征在于，所述方法包括如下步骤：

S1、获取预先确定的招商引资项目的文本信息中的第一关键信息；

S2、获取参加所述招商引资项目的各企业的第二关键信息，分别将获取的各企业的第二关键信息与所述第一关键信息进行匹配，以得到各个企业与所述招商引资项目的匹配度；

S3、若有企业与所述招商引资项目的匹配度大于预定义的匹配度参考阈值，则确定该企业为招商引资的目标对象，根据预先确定的目标对象分类方法，对该企业进行目标对象级别分类；

S4、根据预先存储的目标对象级别与招商引资目标对象之间的映射关系，确定该企业的级别是否满足招商引资项目的级别，若满足，则自动完成招商引资项目的推荐。

7.如权利要求6所述的招商引资的目标对象确定方法，其特征在于，所述步骤S1包括：

根据预先训练完成的第一关键信息标注模型，对预先确定的招商引资项目的文本信息进行分析，以获取该文本信息中的第一关键信息。

8.如权利要求7所述的招商引资的目标对象确定方法，其特征在于，所述预先训练完成的第一关键信息标注模型为神经网络模型，所述第一关键信息标注模型的训练过程包括如下步骤：

E2、获取预设数量的已标注关键信息的招商引资项目的文本信息样本以及各个文本信息样本对应的原始文本信息；

F2、将各个项目的文本信息样本对应的原始文本信息分为第一比例的训练子集和第二比例的测试子集；

G2、利用所述训练子集中的各个项目的原始文本信息训练所述第一关键信息标注模型，以得到训练好的关键信息标注模型；

H2、利用所述测试子集中的各个项目的原始文本信息对所述第一关键信息标注模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练子集的文本信息样本的数量并重新执行上述步骤E2、F2、G2及H2。

9.如权利要求8所述的招商引资的目标对象确定方法，其特征在于，在所述步骤H2中，所述利用所述测试子集中的各个项目的原始文本信息对所述第一关键信息标注模型进行测试的步骤包括：

利用训练好的所述第一关键信息标注则模型对所述测试子集中的各个项目的原始文本信息进行标注，以得出各个项目通过人工进行关键信息标注得到的第三关键信息与通过第一关键信息标注模型自动进行关键信息标注得到的第四关键信息相等的概率值；

若有项目对应的所述第三关键信息与所述第四关键信息相等的概率值大于所述预设的概率阈值，则针对该项目进行模型准确性测试，将该项目进行人工标注关键信息，以得到该项目对应的第三关键信息，并调用第一关键信息标注模型自动标注该项目，以得到该项目对应的第四关键信息；

计算得到的该项目对应的第三关键信息与第四关键信息之间的误差值；

若所计算出的误差值小于预设的误差阈值，则确定针对该项目的模型准确性测试的结果为正确，或者，若所计算出的误差值大于或等于预设的误差阈值，则确定针对该项目的模型准确性测试的结果为错误；

若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述第一关键信息标注模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述第一关键信息标注模型的测试不通过。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有招商引资的目标对象确定程序，所述招商引资的目标对象确定程序可被至少一个处理器执行，以使所述至少一个处理器执行如权利要求6-9中任一项所述的招商引资的目标对象确定方法的步骤。