[发明专利]面向投融资领域机构发展趋势的评估方法、装置和设备

说明书

本发明实施例公开了面向投融资领域机构发展趋势的评估方法、装置和设备,该评估方法包括：根据投融资新闻、投资关系和创业机构的属性得到创业机构的特征和样本词向量；对创业机构的特征和样本词向量进行预处理得到所有样本的特征矩阵；根据特征矩阵构建面向投融资领域机构发展趋势的初始深度学习模型；将所有样本分为训练样本和测试样本，根据训练样本对初始深度学习模型进行训练，并使用测试样本进行测试，得到面向投融资领域机构发展趋势的标准深度学习模型；根据标准深度学习模型对所有样本进行创业机构发展趋势值的预测，并输出预测结果。本发明可以计算各机构历年的发展趋势评估值，为情报分析师对各机构历年的发展状况提供参考。

技术领域

本发明实施例涉及信息处理领域，具体涉及一种面向投融资领域机构发展趋势的评估方法、装置和设备。

背景技术

国内早期的风险投资萌芽于二十世纪80年代初，风险投资在国内相比国外起步较晚，其主要是对处于创业阶段且有着高风险的高新技术公司进行投资，帮助他们尽快孵化产品，并加速产业化的进程，在此过程中获得高额的资本收益。投融资领域的研究大都集中在市场机制和政策调整等方向，而通过深度学习技术在投融资内在关系的深入研究相对较少。

发明内容

本发明实施例的目的在于提供一种面向投融资领域机构发展趋势的评估方法，从投融资新闻和投资关系中提取创业机构的特征，通过一种深度学习模型计算各机构历年的发展趋势评估值，帮助风投分析师判断该初创机构在后续的发展的状况，方便风投机构选择重点的创业机构的进行关注。

本发明的发明人经过大量的创造性劳动发现：现如今人们经常采用网络的方式来分析身边的复杂关系，比如社交关系、公司组织关系等。对于风险投资关系，本发明尝试分析各种常见网络的现象，并进一步的挖掘价值点，其中复杂系统中节点之间的各种关系则是研究的重点，通过网络关系以及相关的重要性度量算法从侧面度量其重要度，但其所包含信息局限于历史投资关系中，对预测未来趋势的其他因素未进行考虑，相对较为片面。对于目前所处的数字时代，数据量呈指数级增长，每天大量的投融资相关新闻等舆情信息产生，并且正以前所未有的速度增长。借助于神经网络的方法，通过新闻信息从中学习机构的向量，来提取来自新闻舆情的信息。结合这重要的两点信息，通过深度学习技术对投融资领域机构发展趋势进行评估，进而排序。

为实现上述目的，本发明实施例主要提供如下技术方案：

第一方面，本发明实施例提供了一种面向投融资领域机构发展趋势的评估方法，包括：根据投融资新闻、投资关系和创业机构的属性得到所述创业机构的特征和样本词向量；对所述创业机构的特征和所述样本词向量进行预处理得到所有样本的特征矩阵；根据所述特征矩阵构建面向投融资领域机构发展趋势的初始深度学习模型；将所述所有样本分为训练样本和测试样本，根据所述训练样本对所述初始深度学习模型进行训练，并使用所述测试样本进行测试，得到面向投融资领域机构发展趋势的标准深度学习模型；根据所述标准深度学习模型对所述所有样本进行创业机构发展趋势值的预测，并输出预测结果。

根据本发明的一个实施例，所述根据投融资新闻、投资关系和创业机构的属性得到所述创业机构的特征和所述创业机构的样本词向量，具体包括：选取投融资新闻文本，采用训练模式为Skip-gram的Word2Vec算法对其进行训练，获得所述创业机构的样本词向量；从投资关系有向图中计算所述创业机构的相关指标，所述创业机构的相关指标包括网络效率指标值；根据当前年份与创业机构成立时间差和时间差系数得到所述创业机构的成立时间差衰减值，并根据历年的投资轮次离散特征属性通过One-Hot编码生成投资轮次离散特征向量，所属投资领域离散特征属性通过One-Hot编码生成投资领域离散特征向量；逐一统计出各年份获得过投资的创业机构标记为1，未获得过投资的创业机构标记为0。

根据本发明的一个实施例，所述创业机构的相关指标还包括各节点关联性指标值、各节点的介数指标值、各节点的中心度指标值、各节点度指标值和各节点聚类指标。