[发明专利]面向科技服务平台的企业画像与科技服务个性化需求预测方法

说明书

本发明公开了一种面向科技服务平台的企业画像与科技服务个性化需求预测方法，包括：从平台数据库中采集企业属性数据、行为数据以及所选择科技服务类型数据，并将收集到数据按行业类型分类；利用数据挖掘方法从采集的数据提取企业标签，包括企业科技创新投入、科技创新产出、行为偏好与活跃度四种类型；企业画像为企业标签与企业属性数据组成的集合；选取企业数据数量最多的行业建立神经网络模型，将企业行为数据作为网络输入，科技服务类型数据作为网络输出训练神经网络，得到针对该行业的企业科技服务需求预测模型；通过迁移学习方法和其他行业的企业数据对所得预测模型参数进行调整更新，得到针对不同行业的企业科技服务需求预测模型。

技术领域

本发明涉及个性化需求预测技术领域，具体涉及一种面向科技服务平台的企业画像与科技服务个性化需求预测方法。

背景技术

科技服务平台是为企业提供科技服务的综合信息平台，承担着企业科技服务需求与供给匹配的纽带作用。近年来，随着科技企业对科技服务需求的快速提升，科技服务平台迎来了众多机遇和挑战。一方面，不同企业的规模、创新能力、行为偏好各不相同，科技服务需求呈个性化趋势发展；另一方面，现有科技服务平台大多采用被动式等待企业在站内寻找服务，缺乏主动推送科技服务的相关技术。

在此背景下，研究企业创新能力、行为偏好等特征画像，预测企业个性化科技服务需求，对科技服务平台提高科技服务需求与供给匹配精度，推动科技企业创新发展具有重要意义。

近年来，随着人工智能与机器学习技术的快速发展，研究者对基于机器学习技术的企业画像与个性化需求预测方法进行了深入的研究，提出了许多针对不同领域的画像模型和服务需求预测方法。

例如，田娟等(2018)提出了一种基于大数据平台的企业画像构建框架，分析了常用的企业画像生成模型及基于大数据的企业画像设计方法，总结了企业画像技术在企业营销、政府税收管理系统、股票证券交易系统及企业招聘系统等领域的应用；刘志中等(2015)提出了一种基于矩阵分析与深度学习的服务需求预测方法，该方法通过对用户历史使用数据进行矩阵分析得到用户特征矩阵与服务特征矩阵，将两种矩阵分别作为深度神经网络的输出与输入构建神经网络预测模型，实现用户服务需求预测，并在此基础上给出了主动服务及服务推荐策略。

尽管研究者提出了一些企业画像与服务需求预测方法，这些方法在企业科技服务领域尚未进行深入研究和应用。一方面，现有企业画像方法未考虑企业在创新能力、行为偏好、平台活跃度等方面的差异，无法对企业寻求科技服务过程中所表现出的特征进行准确描述；另一方面，现有服务需求预测方法的总体思路是通过大量用户历史数据构建和训练预测模型，但在企业科技服务背景下，不同行业的企业服务需求通常表现出很强的差异性，需要分别建立预测模型，一些行业通常存在企业数据难以获取、历史样本数量不足的情况，这对构建预测模型造成了很大困难。

因此当前方法在科技服务需求预测的实际应用中面临预测准确度偏低的问题。

发明内容

针对现有方法在本领域存在的不足，本发明提供了一种面向科技服务平台的企业画像与科技服务个性化需求预测方法。该方法通过数据挖掘方法提取企业在创新投入、创新产出、行为偏好与平台活跃度等方面的特征标签，以此为基础构建企业画像，并利用企业的历史行为数据与科技服务需求建立神经网络预测模型，结构迁移学习的方式克服不同企业的行业差异及历史样本不足的问题，实现企业科技服务准确预测。

一种面向科技服务平台的企业画像与科技服务个性化需求预测方法，包括步骤：

(1)从平台数据库中采集企业属性数据、行为数据以及所选择科技服务类型数据，并将收集到数据按行业类型分类；

(2)利用数据挖掘方法从采集的数据提取企业标签，包括企业科技创新投入、科技创新产出、行为偏好与活跃度四种类型；企业画像为企业标签与企业属性数据组成的集合；