本发明属于数据处理领域，更具体的说涉及一种园区潜在上规企业识别方法和系统。
背景技术：
1、随着经济的快速发展，企业评估和识别上规模具有巨大的经济价值和社会意义。经济园区是经济发展的重要推动者，准确地识别园区内的潜在上规企业，可以帮助园区管理者针对性地提供支持和服务，推动园区内经济的繁荣和发展。然而，传统的企业评估和识别方法通常较为繁琐，需要投入大量的人力和物力，而且结果的准确性也受到限制。因此，研究和开发一种能够自动化、准确地识别潜在上规企业的方法和系统具有重要意义。
2、同时，随着大数据和人工智能技术的发展，这些技术开始被广泛应用于各领域。在企业识别和评估的过程中，利用这些技术可以对企业的多维度数据进行深度分析和挖掘，从而更全面、更精确地识别和评估企业。然而，如何有效地运用这些技术进行企业识别和评估，仍然是一个具有挑战性的问题。特别是如何充分利用企业的多维度数据，有效捕捉企业的多维度关系，以提高识别和评估的准确性。
技术实现思路
1、本发明提出了一种园区潜在上规企业识别方法和系统。该方法和系统能够实现对企业的多维度数据的深度分析和挖掘，对企业进行准确的识别和评估，以此来解决上述问题。
2、为了实现上述目的，本发明是采用以下技术方案实现的：所述的方法包括：
3、数据预处理与关键信息提取：收集企业的多维度数据；对收集的数据进行预处理；
4、预测识别网络算法模型构建：构建园区潜在上规企业识别的模型，采用capsnet网络模型对潜在上规企业进行识别；
5、模型训练：对预测识别网络算法模型进行训练；
6、分类与预测：通过训练完成的模型对园区潜在上规企业识别预测。
7、在一个方案中，所述的收集企业的多维度数据包括：财务数据、创新能力、供应链关系、市场影响力信息；
8、财务数据包括营业收入、利润总额、净资产财务指标，通过企业盈利能力公式进行评估：盈利能力=利润总额/净资产；
9、创新能力包括专利数量、研发投入、新产品占比，通过创新能力公式进行评估：创新能力=（专利数量+研发投入）/营业收入
10、供应链关系包括供应商数量、采购量、采购物流支出，通过供应链关系公式进行评估：供应链关系=采购物流支出/采购量
11、市场影响力包括市场份额、客户满意度、品牌知名度，通过市场影响力公式进行评估：市场影响力=（市场份额+客户满意度+品牌知名度）/总市场规模；
12、其中，所有的数值型数据需要进行标准化处理，以消除不同量级间的影响，标准化公式如下：
13、标准化数值=x-平均值/标准差
14、其中x为原始数值，平均值和标准差为原始数据集的对应值。
15、在一个方案中，所述的预处理包括：
16、对待分类的文本数据进行数据清洗、分词、去停用词和特征提取；
17、使用基于行业知识库的自适应算法；针对特定行业的文本数据，调整分词策略，捕捉行业特有的术语和表达；
18、基于行业知识库，采用自适应算法，根据被处理的文本数据的行业属性，选择与之最匹配的行业知识库进行同义词替换、实体识别；
19、根据特定行业的文本数据，进行分词策略的调整；
20、使用word2vec模型训练得到词的向量表示；根据文本中词频和逆文档频率计算出权重。
21、在一个方案中，所述的预测识别网络算法模型采用capsnet网络模型，
22、对capsnet网络模型的改进包括：
23、优化更新因子μ：将μ设置为一个可学习的参数，在训练过程中采用随机梯度下降法确定最优的μ值；
24、引入注意力机制，在计算时，为每个胶囊引入一个α系数作为注意力权重；α通过softmax函数得到，所有α的和等于1。
25、在一个方案中，所述capsnet网络模型的构建过程如下：
26、s201、初始化capsnet网络模型，并设置基本的模型参数，模型的输入为企业的关键信息特征向量；
27、s202、根据输入构建初始的特征向量u，该向量是经过第一层卷积神经网络得到的结果；
28、s203、计算每个胶囊的预测向量；预测向量通过将初始的特征向量投影到高层的胶囊空间中得到；
29、s204、初始化路由权重为0；
30、s205、调整动态路由过程中的路由权重：根据一致性得分，通过softmax函数更新路由权重；
31、s206、通过非线性激活函数计算网络末端胶囊的输出：
32、s207、更新一致性得分和路由权重；
33、s208、重复s205-s207，进行多轮迭代更新，直到模型收敛；
34、使用网络末端胶囊的输出作为潜在上规企业识别结果，得到每个企业作为潜在上规企业的概率。
35、在一个方案中，capsnet网络模型训练如下：
36、在模型训练的过程中，定义margin loss损失函数评估预测结果和实际结果之间的差距；
37、在训练过程中，优化算法需要最小化整个训练数据集的总损失：
38、优化算法采用随机梯度下降，通过不断地迭代优化，更新模型参数以最小化损失函数。
39、在一个方案中，所说的分类与预测包括：
40、输入预处理：输入新的企业关键信息，将企业的关键信息转换为特征向量；
41、特征向量输入模型：将预处理后的特征向量输入到训练好的capsnet模型中，capsule是capsnet模型胶囊网络中的基本单元，通过前向传播计算，得到每个胶囊的预测向量，并进行动态路由；
42、输出分类结果：根据capsnet模型的输出进行分类判断，如果某一网络末端胶囊的向量长度大于设定的阈值，即认为该企业属于该capsule代表的类别；将企业分类两类：潜在上规企业和非上规企业；
43、概率计算：每个胶囊输出的向量长度都代表着该输出对应类别的概率；只输出对应类别概率最大的胶囊所代表的企业分类结果。
44、再一方面，一种园区潜在上规企业识别系统，所述的系统适用于所述的方法，所述的系统包括：
45、数据预处理与关键信息提取模块：用于收集企业的多维度数据，并进行数据预处理，包括数据清洗、分词、去停用词和特征提取；
46、预测识别模块：用于构建能进行园区潜在上规企业识别的capsnet网络模型；
47、分类与预测模块：用于通过已训练完成的模型对园区潜在上规企业进行分类和预测；
48、结果展示模块：用于将潜在上规企业的识别结果进行呈现。
49、本发明有益效果：
50、本发明提供了一种园区潜在上规企业识别方法和系统，以有效地实现园区内潜在上规企业的自动化、精准识别。采用了高深的capsnet网络模型及其优化策略，可以更好地捕捉并理解企业多维度数据之间的内在关系，提高潜在上规企业的识别准确性。同时，这种方法和系统操作简便，可以大大降低人力物力投入，提高工作效率，具有很高的实用价值和广阔的应用前景。
51、本发明在capsnet的基础上进行了进一步的改进优化，引入了注意力机制并优化了动态路由算法，提高了其在识别潜在上规企业任务中的性能，这些都是该方法相比于现有技术算法的显著优势和优点。
1.一种园区潜在上规企业识别方法，其特征在于：所述的方法包括：
2.根据权利要求1所述的一种园区潜在上规企业识别方法，其特征在于：所述的收集企业的多维度数据包括：财务数据、创新能力、供应链关系、市场影响力信息。
3.根据权利要求1所述的一种园区潜在上规企业识别方法，其特征在于：所述的预处理包括：
4.根据权利要求1所述的一种园区潜在上规企业识别方法，其特征在于：采用capsnet网络模型对潜在上规企业进行识别，
5.根据权利要求4所述的一种园区潜在上规企业识别方法，其特征在于：所述capsnet网络模型的构建过程如下：
6.根据权利要求1所述的一种园区潜在上规企业识别方法，其特征在于：capsnet网络模型训练如下：
7.根据权利要求1所述的一种园区潜在上规企业识别方法，其特征在于：所说的分类与预测包括：
8.一种园区潜在上规企业识别系统，所述的系统适用于如权利要求1-7中任一项权利要求所述的方法，其特征在于：所述的系统包括：
