[发明专利]基于政策目标导向的招商引资项目预期效益评估方法

权利要求书

1.一种基于政策目标导向的招商引资项目预期效益评估方法，其特征在于：具体包括如下步骤

S1：给出目标项目的规模、产业门类、简介；

S2：在企业信息数据库中筛选出一组相似的项目；

S3：对筛选出的一组项目的经济效益、社会效益和生态环境效益的评价指标取加权平均值，作为预期效益分析评估基准，以加权平均值的可信区间作为预期效益评估的合理区间；

S4：依据计算出来的预期效益合理区间，对需要做分析项目的经济效益、社会效益、生态环境效益进行分析和评估；

S5：对招商单位呈报的项目预期效益评估结果做自动对比；

S6：根据对比结果给出目标项目的预期效益分析报告。

2.根据权利要求1所述的一种基于政策目标导向的招商引资项目预期效益评估的方法，其特征在于：所述步骤S2中，包括对项目的规模、产业门类、简介进行量化，量化的方法具体包括

1)投资规模的量化

将投资规模的单位转变为可以与产业门类、项目简介的量化值做比较的数值范围，采用目标项目投资金额与比较项目投资金额的比值取对数的方式，取得项目投资金额量化值，

2)产业门类的量化

依据国家统计局发布的国民经济行业分类标准中的四级分类，按照与目标项目门类的距离进行数值化；

3)项目简介的量化

此方法分为两个阶段：学习训练阶段和实际运行阶段；

在学习训练阶段，采用以企业信息数据库中，历史项目中的项目简介文字作为训练样本，采用条件随机场算法抽取其中的分词；

对抽取的分词数据进行数据清洗，去除其中不是项目描述的分词；

以清洗后的分词作为分词库，再次采用条件随机场算法对样本进行训练，得到项目简介文字的分词库，作为描述项目的标签；

采用Word2Vec算法进行分词向量化，用历史项目中的项目简介文字作为训练样本，建立项目简介描述的分词向量空间；

给Word2Vec算法得到的分词相关度数值设定阀值，建立分词相关词库。

在实际运行阶段，采用Doc2Vec算法对项目简介文字进行相似度比较，抽取出特征关键词，作为企业简介的标签。

3.根据权利要求2所述的一种基于政策目标导向的招商引资项目预期效益评估的方法，其特征在于：建立分词库的具体方法包括

1)建立分词库数据模型

S101：汉语言中所有的字组成一个观测集合，B，M，E，S组成一个状态集合，其中B表示词首字，E表示词尾字，M表示词中字，S表示单字成词；

S102：通过人工的数据清洗与标注工作，获得大量学习样本，即为训练集；训练集中均为有上下语义逻辑的已经分词完成的多个样本；

S103：在Viterbi算法中设计函数计算初始概率，状态转移概率，观测概率，同时统计出状态序列，观测序列，完成算法模型的搭建；其中观测序列即为待分词的语句；状态序列即为该语句中每个字所对应的状态，使用所述状态集合中的状态表示；初始概率，状态转移概率，观测概率均为语料库中状态与观测之间的对应关系所计算出的概率；

2)通过数学模型建立分词库：

S201：根据数学模型，利用Viterbi算法预测每一条新进语句中的每个字在该句下所对应的状态；

S202：算法完毕以后，设计函数，针对每个字所对应的状态，可以将字组合成词，逢状态E即添加回车字符，最终可得到完成的分词文本；

3)分词向量化

S301：使用Word2Vec算法，通过该分词的前后N个词来推断该词出现的概率；

S302：利用最大似然估计法确定参数。

4.根据权利要求2所述的一种基于政策目标导向的招商引资项目预期效益评估的方法，其特征在于：所述步骤S2中，还包括依据项目投资规模、所属产业门类和项目简介三个维度，采用欧几里得距离算法，计算两个项目间相似度距离数值，设定范围，筛选出一组相似的项目；

设目标项目的规模、门类、简介量化后得到：s1、c1、r1

设比对的项目规模、门类、简介量化后得到：s2、c2、r2

计算项目相似度的值：