科技情报分析系统助力地方高新技术产业发展

摘 要

随着科学技术的突飞猛进，以及相关产业的快速发展，很多地方政府正在大力发展高新技术产业，但是由于各方面的原因，目前在发展相关产业时遇到了很多问题。本文提出结合高新技术产业的特点，利用科技情报分析系统，帮助地方政府进行高效、高质量的产业评估促进合理的产业定位，基于产业方向进行精准的招商引资与人才引进，助力地方产业发展。

关键字

科技情报；地方产业；产业评估；招商引资；人才引进

0 引 言

随着经济全球化的加快和技术创新的迅猛发展，科技创新能力已成为国家综合实力的评判标准和重要指标。产业兴，则园区兴；产业强，则经济强。高新技术产业是技术密集、知识密集、资本密集的经济实体，体现了一个国家或地区的科技创新能力，为科技创新提供应用性平台和实质性支撑，推动社会经济高质量发展，并带来巨大的经济效益和社会效益。

我国的高新技术产业已在北京、长江三角洲和珠江三角洲形成聚集效应，但在中西部等经济欠发达地区相对落后；高新技术研发具有的投入高、风险大、周期长和人才需求高等特点，会进一步加深不同区域发展的差距化和差异化。2020年 7 月 13 日，国务院发布的《国务院关于促进国家高新技术产业开发区高质量发展的若干意见》强调了对于高新技术产业布局优化的重视。如何布局高新技术产业，实现经济弯道超车，成为了许多欠发达地区政府亟需解决的问题。问题内容包括：第一，政府需要统筹兼顾，协调各产业间的矛盾，做到因地制宜、扬长避短，寻求高新技术差异化发展，优化各种资源和生产要素之间布局；第二，要对科技创新型企业合理的引导和规划，构建良好的投融资环境，以推动区域经济发展；第三，要明确产业人才需求，定向吸引科技人才、培养科技人才、加大政策扶持，使人才在区域中聚集，推动地区科技创新，促进产业的结构转型升级。

针对目前部分地方政府发展相关产业时面临的产业定位不清晰、招商引资不精准、科技人才引进难等问题，本文设计了科技情报分析系统，在产业评估、招商引资、人才引进等方面为地方高新技术产业发展提供强大的数据与技术支持。

1 科技情报分析系统

科技情报分析系统利用大数据和智能分析算法的共性技术，深入分析科技情报应用中的共性问题和实际需求，构建了统一的科技大数据分析处理平台和科技知识计算引擎，形成多维科技情报分析挖掘系统和可配置的科技情报分析工具集，便于深入挖掘科技情报数据的价值。系统整体框架，如图1所示。

系统充分发挥其已积累的科技情报知识，聚焦高新技术产业，覆盖重点领域的产业研究，如信息通信、航空工业、生物医药、工业物联网、智能联网汽车、人工智能和区块链等，并围绕这些产业形成知名企业库、高端人才库和先进技术库，打造了数据权威、分析科学、体系健全和动态监测的高新产业知识体系。系统划分为产业地图、企业追踪、人才挖掘、科技洞察和智能报告生成等模块，在各类实体知识间构建了知识图谱，为用户提供自动化的高新产业分析手段，构建区域高新产业的科学规划建设的治理体系，推动高新产业的高质量发展。

2 助力地方产业发展

2.1 助力地方政府进行产业评估

地方政府要抓好产业，不仅需要深入了解当前的产业结构是否合理，还要找准未来产业发展的方向，所以进行科学的产业发展评估尤为关键。目前在进行产业评估中面临如下问题：第一，需要具备相关产业的知识，当面对人工智能、5G、区块链等新兴产业时，评估人员很难将新领域的数据与已有的领域知识数据进行快速融合，构建新兴产业的知识体系；第二，需要大量的调研，其中会出现时间周期长、工作量大、调研质量层次不齐等问题，而随着科技的飞速发展，在进行产业分析时数据规模和数据分析指标已经远远超出了人工处理与分析的能力；第三，产业评估报告在地方政府进行产业定位与产业评估中起到至关重要的作用，而在实际工作中，报告的编写往往会消耗大量的时间，且文本质量与编写人员的水平也会导致报告质量不易控制等问题。综上问题导致地方政府很难进行科学、有效的产业评估，致使产业定位不清晰，招商引资没有针对性，严重阻碍了地方产业的发展。为解决上述问题设计了如图 2 所示的助力产业评估建设方案。

针对问题一，本系统采集产业相关各类数据，进行多源异构数据融合，构建产业知识图谱，形成全面的产业知识体系。其中，关于数据融合采用集成类别体系匹配器，将现有的类别体系匹配器集成在一起，通过提供统一的评价机制，对多个独立的匹配器进行整合、调用、控制和优化利用，引入基于阈值排序算法对这些类别匹配器的结果进行优化。除了类别融合之外，进一步对不同知识体系中的实体数据进行融合对齐。以产业为实体中心，建立产业与产业、产业与政策、产业与地域、产业与企业、产业与人才等丰富的关系，构建全面的产业知识图谱。通过对多领域类别数据、实体数据进行融合，快速构建多个科技产业的知识体系，为进行科

学的产业评估提供强大的知识支撑。

针对问题二，本系统采集产业宏观与微观数据，利用机器学习算法与深度学习模型从多个维度分析挖掘，为产业评估提供强有力的数据支撑。其中，关于预测产业发展基于时间序列分解和机器学习进行拟合，不仅可以处理时间序列存在的一些异常值情况，也可以处理部分缺失值的情形，几乎能够全自动地预测时间序列未来的走势。通过自动采集产业数据并分析挖掘，为进行产业评估提供了数据与算法支持，使得评估结果的可信度更高。

针对问题三，本系统结合产业知识体系、分析结果数据、文本自动生成技术能够自动生成完整的产业评估报告。其中，关于文本自动生成，采用在信息选择层上扩展基本神经编解码框架的方法，以优化抽取文档摘要中的信息选择过程。信息选择层由全局的信息过滤器和局部的句子选择器两部分组成，分别进行全局非关键信息过滤和局部重要信息选择。基于自动生成的报告可以进行人工二次编辑，加入有价值的观点与结论，把控报告的精准度。通过报告自动生成技术并不断改善其效果，提高了工作效率与报告质量。

针对地方政府进行产业评估中遇到的问题，快速构建高新技术产业的知识体系、自动采集产业数据并进行分析挖掘，自动输出高质量产业评估报告，能够极大提高地方政府进行产业评估效率，同时提高评估质量，帮助其进行科学、合理的产业定位，助力产业稳步发展。

2.2 助力地方政府进行招商引资

通过高质量的产业评估明确产业发展方向后，招商引资是推动地方经济发展的动力源泉，是实现产业快速发展的必由之路，招商引资将成为地方政府的重点工作。高新技术产业进行招商引资时面临如下问题：第一，高新技术类企业具有高创新性、高成长性、高复杂性等特点，地方政府难以在差异大的高新技术企业中精确查找到与地方产业定位匹配度高、带动能力强、辐射作用大的企业；第二，某些高新技术产业如人工智能、信息安全等，投资规模高、经营风险大，且技术更新迭代迅速，很多小规模企业生命周期短，其发展具有不可预测性。由于科技企业的复杂性地方政府难以对挑选出的企业进行全面、多维度、深层次的了解。倘若不能根据地方政府布局的产业进行高质量的招商引资，将很难支撑相关产业健康发展。为解决上述问题，设计了如图 3 所示的助力招商引资建设方案。

针对问题一，本系统采集企业相关的多维度数据构建企业库，基于企业成果与经营业务打领域标签，根据领域标签推荐与地方产业匹配的企业。对全网海量的文献学术与互联网信息进行精准采集，依托于大数据技术，使用智能企业抽取模型、中英文比对融合算法、企业消歧模型，通过跨数据源、跨语言的海量数据，构建企业库。建立完善的研究领域体系，并通过 LDA 主题模型对企业进行分类，可以方便地查找各领域企业列表。建立指标评价体系，对企业进行精准排名，可以更快地了解企业的竞争力与发展潜力。基于智能地理坐标算法对企业标记所属地，可以方便政府了解全国企业布局，进行针对性的招商引资。基于自研的智能推荐算法，可以实时地为政府推荐最适合的、最具潜力与发展力的企业，助力政府招商引资工作顺利开展，也为经济发展增添动力。

针对问题二，本系统依托企业多维度数据与领先的算法模型，刻画企业的知识图谱，构建全面的企业画像，助力高效、深层次地了解企业。其中，基于数据采集、属性提取、关系抽取、机器学习模型、深度学习模型和自然语言处理等先进技术，全维度构建企业画像；同时采集海量数据构建知识图谱，利用知识推理、挖掘、发现和关联，从显性关系中获取更多的隐性数据关联，更好地完善企业画像，帮助政府从企业研究成果、技术分布、研究趋势、代表专家、代表论文、代表专利、承接重点项目、合作机构、经营风险及法律风险等多维度对其基本能力、创新能力、核心方向、财务风险能力进行深入和全面的评估，寻找最契合本土发展的优质企业，规避招商引资风险。通过紧密结合产业数据建设企业库，帮助地方政府能够简单、高效、精准的结合产业找企业，同时通过多维度、深层次构建企业画像，帮助地方政府能够全面和深入地了解企业，从而助力地方政府引进与其产业吻合度高、带动能力强的企业，助力产业快速发展。

2.3 助力地方政府进行人才引进

科学有效地开展人才引进工作 , 对一个地区产业的经济发展和科技引领至关重要。经过高质量的产业评估明确产业发展方向并进行精准的招商引资后，人才引进同样至关重要。人才是地方产业发展的前提，倘若人才尤其是科技类人才缺失，地方产业发展就无从谈起。而地方政府进行科技类人才引进时会面临如下问题：第一，由于缺少完善、标准、科学、跨地域的科技领域人才库，又缺少精准推荐服务，地方政府很难全国甚至全球范围内按其需求查找匹配度高的人才；第二，由于科技人才专业分类的精细性和复杂性，地方政府在选择相关人才时，缺乏对科技人才发展规律与现状的有效了解途径，进而不能从宏观层面把控人才系统。同时，人才的个别差异性大，政府很难深度了解个体，致使无法制定人才引进标准。为解决上述问题，设计了如图 4 所示的助力人才引进建设方案。

人才是科技创新、经济发展的首要推动力，地方政府倘若不能进行有效的人才引进，将很难支撑产业发展。针对问题一，本系统采集专利和论文等数据进行人物抽取与消歧得到人才库，根据人物属性与成果抽取领域标签，基于标签推荐与地方产业匹配的人才。通过采集文献数据与互联网中海量多类数据，结合针对开放网页数据的实体抽取方法与实体消岐方法，从海量数据中抽取国内外人物实体数据、领域标签数据、人物属性数据等，有效整合人才信息，构建出千万级别的科技人才库。人才库为地方企业、政府与科研机构提供强大的数据资源，多维度的条件检索使得人才定位操作简捷高效。以加权方式融合基于内容的推荐算法、协同过滤推荐算法和基于知识的推荐算法，为地方政府推荐与产业发展强吻合的人才类型。

针对问题二，本系统根据人才迁移路线绘制人才地图，从海量数据中抽取人物属性与关系构建关系网络与人才画像，从宏观与微观了解人才，降低人才引进难度。通过对人物群体进行统计分析，以及个体位置信息，绘制人才的迁移路线并建设人才地图，能够从全球、全国、地区等多视角发现人才规律、展现人才分布与流失情况。根据社区发现算法，以及人才之间的同事关系、合作关系、校友关系等复杂关系得到人才的社区关系，构建复杂的人才关系网络，帮助地方政府根据关系网络寻找突破口顺利引进高端人才。根据大量人物的属性、特征、成果等多维度数据刻画人物画像，能够结合产业全面了解人才。本系统通过建设完善的、标准的、科学的和跨地域的科技领域人才库并提供紧密结合产业需求的人才推荐服务，通过人才地图从宏观的角度了解科技人才群体的分布与流失情况，通过人才画像从微观的角度深度了解人才个体，使得地方政府便捷、高效、高质量寻找人才、了解人才、引进人才，为产业注入活力，助力产业快速发展。

3 结束语

综上所述，针对地方政府发展高新技术产业时面临的产业定位不清晰、招商引资不精准、科技人才引进难等问题，本文首先提出快速构建科技类产业的知识体系，自动采集行业数据，并进行分析挖掘、自动输出高质量产业评估报告，提高地方政府进行产业评估的效率与质量，帮助其进行合理、科学的产业定位；然后紧密结合产业数据建设企业库并提供精准推荐，构建深层次企业画像，帮助地方政府能够结合产业高效找企业，利用企业画像全面深入了解企业；最后通过建设完善的、标准的、科学的、跨地域的科技领域人才库，建设人才地图与人才画像，帮助地方政府从宏观与微观角度深入了解所需人才。通过帮助地方政府进行高效、高质量的产业评估促进合理的产业定位，基于产业方向进行精准的招商引资与人才引进的一系列建设方案，促进地方产业发展。