基于深度学习的商业趋势预测方法、装置和电子设备与流程

本技术涉及商业发展领域，具体涉及一种基于深度学习的商业趋势预测方法、装置和电子设备。

背景技术：

1、一般情况下，企业可以通过定期进行市场调研，收集并分析市场上的商业产品和趋势，了解消费者需求和竞争态势获取当前的商业产品和商业趋势；也可以通过对市场数据、销售数据、用户行为数据等进行分析，挖掘商业产品和趋势的关键指标和规律获取当前的商业产品和商业趋势；还可以通过跟踪和分析竞争对手的产品发布、市场策略和业绩情况，了解其在市场上的表现和趋势获取当前的商业产品和商业趋势。然而，对上述获取商业产品和商业趋势的分析，可能因缺乏专业的数据分析人员而无法对数据进行有效分析和提取有价值的商业信息。

技术实现思路

1、本技术提供了一种基于深度学习的商业趋势预测方法、装置和电子设备，无需专业数据分析人员，也能够对数据进行有效分析和提取有价值的商业信息，提供准确和全面的商业洞察。

2、第一方面，本技术提供了一种基于深度学习的商业趋势预测方法，所述方法包括：

3、获取待预测商业信息和与所述待预测商业信息对应的预设的产业知识链图谱；

4、根据所述待预测商业信息得到多个商业产品数据；

5、利用预训练的自然语言模型对所述商业产品数据进行分析，得到多个业务关键词；

6、将各个所述业务关键词与所述产业知识链图谱进行对比，得到所述待预测商业信息对应的关联信息，其中，所述关联信息包括产业链节点和市场态势；

7、根据所述产业链节点、所述市场态势和各个所述业务关键词，生成商业趋势分析报告。

8、上述技术方案中，获取待预测商业信息和与待预测商业信息对应的预设的产业知识链图谱，有利于后续通过该待预测商业信息获取分析数据，以及通过该产业知识链图谱进行数据分析；根据待预测商业信息得到多个商业产品数据，能够提高数据收集的效率；利用预训练的自然语言模型对商业产品数据进行分析，得到多个业务关键词，通过自然语言模型能够准确和全面的提取有价值信息，无需人工参与；将各个业务关键词与产业知识链图谱进行对比，得到待预测商业信息对应的关联信息，其中，关联信息包括产业链节点和市场态势；根据产业链节点、市场态势和各个业务关键词，生成商业趋势分析报告，该商业趋势分析报告能够为趋势分析提供参考和支持，帮助了解市场和行业动态。与现有技术中缺乏专业团队而导致的数据分析不全面相比，本技术实施例能够通过自然语言模型进行数据分析，无需人工参与，能够对数据进行有效分析和提取有价值的商业信息，并根据产品知识链图谱，能够提供准确和全面的商业洞察。

9、在本技术的一些实施例中，所述利用预训练的自然语言模型对所述商业产品数据进行分析，得到多个业务关键词，包括：

10、对各个所述商业产品数据进行数据清洗，得到多个清洗业务数据；

11、利用所述预训练的自然语言模型对所述清洗业务数据进行分析，得到多个所述业务关键词。

12、上述技术方案中，首先对数据进行清洗，避免数据冗余，保证数据的准确性与完整性。再利用自然语言模型对清洗后的数据进行分析，能够提高准确性，通过利用自然语言模型还能够准确提取有效信息。

13、在本技术的一些实施例中，所述业务关键词包括业务实体关键词和情感分析关键词；

14、所述利用所述预训练的自然语言模型对所述清洗业务数据进行分析，得到多个所述业务关键词，包括：

15、利用所述预训练的自然语言模型对所述清洗业务数据进行特征提取，得到商业业务特征集；

16、对所述商业业务特征集进行情感分析，得到多个所述情感分析关键词；

17、对所述商业业务特征集进行转换，得到所述商业业务特征集对应的多个所述业务实体关键词。

18、上述技术方案中，通过自然语言模型能够在无人参与的情况下，提取数据特征，并进行情感分析，得到业务实体关键词和情感分析关键词，有利于后续根据业务实体关键词和情感分析关键词能够准确预测商业发展趋势。

19、在本技术的一些实施例中，所述将各个所述业务关键词与所述产业知识链图谱进行对比，得到所述待预测商业信息对应的关联信息，包括：

20、识别各个所述业务关键词在所述产业知识链图谱的位置，得到识别结果；

21、根据所述识别结果，计算各个所述业务关键词在所述产业知识链图谱的关联性，得到所述待预测商业信息对应的所述关联信息。

22、上述技术方案中，将业务关键词与产业知识链图谱建立联系，通过识别业务关键词在产业知识链图谱的位置，并依此得到关联信息，方便后续对趋势进行分析预测。

23、在本技术的一些实施例中，在所述获取待预测商业信息和与所述待预测商业信息对应的预设的产业知识链图谱之前，所述方法还包括：

24、获取商业业务数据集，所述商业业务数据集包括多个商业业务数据和各个所述商业业务数据对应的数据标签；

25、利用预设的初始自然语言模型对所述商业业务数据进行特征提取，得到业务数据特征集；

26、对所述业务数据特征集和所述数据标签进行损失计算，得到损失函数的值；

27、利用所述损失函数的值对所述初始自然语言模型进行参数调整，在满足预设的调整条件的情况下，得到所述预训练的自然语言模型。

28、上述技术方案中，通过采用大量数据对初始自然语言模型进行训练，得到预训练的自然语言模型，该预训练的自然语言模型能够对数据进行准确地分析和挖掘，有利于后续进行趋势预测。

29、在本技术的一些实施例中，所述根据所述待预测商业信息得到多个商业产品数据，包括：

30、根据所述待预测商业信息，通过预设的数据采集工具采集商业产品和趋势信息，得到多个所述商业产品数据，和/或，

31、根据所述待预测商业信息，通过预设的爬虫算法抓取商业产品和趋势信息，得到多个所述商业产品数据。

32、上述技术方案中，通过预设的数据采集工具采集数据和预设的爬虫算法抓取数据能够自动获取数据，提高数据收集和处理的效率。

33、在本技术的一些实施例中，所述对各个所述商业产品数据进行数据清洗，得到多个清洗业务数据，包括：

34、对各个所述商业产品数据进行去重复值处理，得到多个无重复业务数据；

35、对各个所述无重复业务数据进行异常值处理，得到多个所述清洗业务数据。

36、上述技术方案中，对商业产品数据进行去重复值处理，能够避免数据冗余，再对数据进行异常值处理，保证了数据的准确性和完整性。

37、第二方面，本技术实施例提供了一种基于深度学习的商业趋势预测装置，所述装置包括：

38、数据获取模块，用于获取待预测商业信息和与所述待预测商业信息对应的预设的产业知识链图谱；

39、数据处理模块，用于根据所述待预测商业信息得到多个商业产品数据；

40、第一数据分析模块，用于利用预训练的自然语言模型对所述商业产品数据进行分析，得到多个业务关键词；

41、第二数据分析模块，用于将各个所述业务关键词与所述产业知识链图谱进行对比，得到所述待预测商业信息对应的关联信息，其中，所述关联信息包括产业链节点和市场态势；

42、报告生成模块，用于根据所述产业链节点、所述市场态势和各个所述业务关键词，生成商业趋势分析报告。

43、第三方面，本技术实施例提供了一种电子设备，包括处理器、存储器、用户接口及网络接口，所述存储器用于存储指令，所述用户接口和网络接口用于给其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行上述第一方面提供的任意一项所述的方法。

44、第四方面，本技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行上述第一方面提供的任意一项所述的方法。

45、综上所述，本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

46、1、由于采用了自然语言模型对商业产品数据进行分析，得到业务关键词，并将业务关键词与产业知识链图谱进行对比，得到关联信息的技术手段，所以，有效解决了相关技术中缺乏专业团队而导致的数据分析不全面的问题，本技术实施例能够通过自然语言模型对数据进行有效分析和提取有价值的商业信息，无需人工参与，并根据产品知识链图谱，能够提供准确和全面的商业洞察。

47、2、通过预设的数据采集工具采集数据和预设的爬虫算法抓取数据能够自动获取数据，提高数据收集和数据处理的效率。

48、3、对数据进行清洗处理，能够避免数据冗余，确保数据的准确性和完整性。

49、4、将业务关键词与产业知识链图谱进行对比，不仅能够得到关联信息，还能够利用业务关键词对产业知识链图谱进行更新，以便后续提供更全面的趋势分析。