[发明专利]基于神经网络的企业发展趋势预测方法及其系统

权利要求书

1.基于神经网络的企业发展趋势预测方法，其特征在于，所述方法包括：

获取目标研究企业的所有动态信息；

对所述动态信息进行结构化处理，获取结构化数据；

根据结构化数据获取训练集；

使用LSTM神经网络算法，根据训练集预测目标企业的发展趋势。

2.根据权利要求1所述的基于神经网络的企业发展趋势预测方法，其特征在于，对所述动态信息进行结构化处理，获取结构化数据的步骤，包括以下具体步骤：

获取动态信息内的网络信息；

对网络信息进行分段、分句以及分词处理，获取处理后的信息；

将处理后的信息结构化成实体和事件结合的形式；

将事件与实体形成多维度关联关系，形成结构化数据。

3.根据权利要求2所述的基于神经网络的企业发展趋势预测方法，其特征在于，根据结构化数据获取训练集的步骤，包括以下具体步骤：

判断目标企业的个数是否超过一个；

若是，则获取结构化数据内具有时间序列的数据，采用神经元的结构描述方式以及使用矩阵编排，形成企业的实体为核心的事件的时间轴或核心的行为的时间轴，以具有时间序列的数据形成训练集；

若不是，利用结构化数据形成行业的事件沿时间轴的发展轨迹或行业的行为沿时间轴的发展轨迹，以发展轨迹的数据形成训练集。

4.根据权利要求1至3任一项所述的基于神经网络的企业发展趋势预测方法，其特征在于，使用LSTM神经网络算法，根据训练集预测目标企业的发展趋势的步骤，包括以下具体步骤：

对所述训练集进行转换并载入数据至numpy数组中；

喂食LSTM层；

建立序列模式；

构建网络本身，预测在企业在未来某个时间点在某个维度或指标的量化趋势值，获取企业某个维度的向上或向下的发展趋势。

5.根据权利要求4所述的基于神经网络的企业发展趋势预测方法，其特征在于，构建网络本身，预测在企业在未来某个时间点在某个维度或指标的量化趋势值，获取企业某个维度的向上或向下的发展趋势的步骤，包括以下具体步骤：

获取网络结构以及输入层；

利用输入层喂食若干个神经元至LSTM层；

所述LSTM层喂食若干个神经元至另外一个LSTM层；

使用一个线性激活函数喂食一个完全连接的正常层，预测下一个时间步的企业发展趋势，以此预测在企业在未来某个时间点在某个维度或指标的量化趋势值。

6.基于神经网络的企业发展趋势预测系统，其特征在于，包括信息获取单元、结构化单元、训练集获取单元以及预测单元；

所述信息获取单元，用于获取目标研究企业的所有动态信息；

所述结构化单元，用于对所述动态信息进行结构化处理，获取结构化数据；

所述训练集获取单元，用于根据结构化数据获取训练集；

所述预测单元，用于使用LSTM神经网络算法，根据训练集预测目标企业的发展趋势。

7.根据权利要求6所述的基于神经网络的企业发展趋势预测系统，其特征在于，所述结构化单元包括网络信息获取模块、处理模块、形式获取模块以及关联模块；

所述网络信息获取模块，用于获取动态信息内的网络信息；

所述处理模块，用于对网络信息进行分段、分句以及分词处理，获取处理后的信息；

所述形式获取模块，用于将处理后的信息结构化成实体和事件结合的形式；

所述关联模块，用于将事件与实体形成多维度关联关系，形成结构化数据。

8.根据权利要求7所述的基于神经网络的企业发展趋势预测系统，其特征在于，所述训练集获取单元包括判断模块、时间轴形成模块以及发展轨迹获取模块；

所述判断模块，用于判断目标企业的个数是否超过一个；

所述时间轴形成模块，用于若是，则获取结构化数据内具有时间序列的数据，采用神经元的结构描述方式以及使用矩阵编排，形成企业的实体为核心的事件的时间轴或核心的行为的时间轴，以具有时间序列的数据形成训练集；

所述发展轨迹获取模块，用于若不是，利用结构化数据形成行业的事件沿时间轴的发展轨迹或行业的行为沿时间轴的发展轨迹，以发展轨迹的数据形成训练集。