摘要：招商引資工作已經(jīng)成為全國(guó)各地經(jīng)濟(jì)工作的重點(diǎn)，菏澤市貫徹落實(shí)山東省委、省政府的工作要求，在“雙招雙引”的上做了大量工作，取得了一定成績(jī)，但仍存在一定的問(wèn)題。本文針對(duì)當(dāng)前問(wèn)題，提出基于大數(shù)據(jù)精準(zhǔn)招商的策略，其重要作用及突出貢獻(xiàn)主要體現(xiàn)在以下三個(gè)方面：1.整合政府各部門(mén)和互聯(lián)網(wǎng)企業(yè)掌握的相關(guān)招商分散數(shù)據(jù)，建立招商引資大數(shù)據(jù)平臺(tái)，為政府招商提供面向特定主題的專(zhuān)業(yè)分析和智能研判，有效打破“數(shù)據(jù)孤島”;2.通過(guò)數(shù)據(jù)爬蟲(chóng)技術(shù)，及時(shí)并不間斷的收集網(wǎng)絡(luò)上有關(guān)招商信息，實(shí)現(xiàn)數(shù)據(jù)的精確采集和自動(dòng)增量采集，拓寬招商信息獲取的渠道;3.利用大數(shù)據(jù)平臺(tái)，從海量數(shù)據(jù)中挖掘和分析出數(shù)據(jù)之間的關(guān)聯(lián)程度，讓政府根據(jù)自身產(chǎn)業(yè)發(fā)展需要，篩選行業(yè)和企業(yè)，實(shí)現(xiàn)政府精準(zhǔn)招商，高效招商。

關(guān)鍵詞：大數(shù)據(jù);精準(zhǔn)招商;數(shù)據(jù)爬取

一、基于大數(shù)據(jù)精準(zhǔn)招商的研究概況

1.1 研究背景

招商引資是指一個(gè)國(guó)家或者地區(qū)為了促進(jìn)發(fā)展擴(kuò)大開(kāi)放，而采取的一系列提供優(yōu)質(zhì)的生產(chǎn)要素包括基礎(chǔ)設(shè)施建立、投資環(huán)境創(chuàng)造等來(lái)吸引外來(lái)資金加入進(jìn)行經(jīng)營(yíng)的活動(dòng)[1]。在我們國(guó)家近幾十年的發(fā)展歷程中，招商引資對(duì)國(guó)家經(jīng)濟(jì)的發(fā)展起到了舉足輕重的作用;在推進(jìn)國(guó)家市場(chǎng)經(jīng)濟(jì)體制改革的過(guò)程中，承擔(dān)了至關(guān)重大的角色。招商引資在促進(jìn)經(jīng)濟(jì)發(fā)展的過(guò)程中可以起到連帶效應(yīng)，對(duì)人才培養(yǎng)、技術(shù)發(fā)展、生產(chǎn)力轉(zhuǎn)型等都起到積極有效的作用。在基礎(chǔ)設(shè)施、醫(yī)療、教育、住房、服務(wù)及社會(huì)福利等多方面的建設(shè)中，都得到了明顯的改善，公共利益也能夠得到有效的維護(hù)。在傳統(tǒng)的招商引資模式中，政府起到了主導(dǎo)性作用。作為政府-制定政策、實(shí)施政策和監(jiān)督執(zhí)行的部門(mén)，他們具有權(quán)威性、指導(dǎo)性和話語(yǔ)權(quán)，又具有較高的可信度，可以通過(guò)舉辦大型招商引資推介會(huì)吸引知名企業(yè)，同時(shí)也使企業(yè)能有有效獲取最前沿、最確切的政策信息，享受相關(guān)地方政府提供的相關(guān)扶持政策。

招商引資、招才引智是對(duì)外開(kāi)放的核心內(nèi)容，也是全國(guó)各地經(jīng)濟(jì)工作的重點(diǎn)。山東省委省政府在落實(shí)推進(jìn)新舊能轉(zhuǎn)換的工作中提出要高度重視“雙招雙引”工作，近年來(lái)，菏澤市在“雙招雙引”上做了大量工作，召開(kāi)系列會(huì)議推出系列舉措并取得了一定成績(jī)，但與先進(jìn)地區(qū)還具有一定差距，存在一些問(wèn)題[2]。我市產(chǎn)業(yè)規(guī)劃、項(xiàng)目策劃還不夠清晰、不夠精準(zhǔn)，招商的方向和重點(diǎn)不明確;需要招哪些項(xiàng)目、怎么招來(lái)項(xiàng)目這些方面，我們的方法不多，思想還不夠解放。

大數(shù)據(jù)是繼云計(jì)算、物聯(lián)網(wǎng)之后IT產(chǎn)業(yè)又一次顛覆性的技術(shù)革命，它將會(huì)對(duì)政府和企業(yè)的數(shù)據(jù)中心產(chǎn)生顛覆性影響[3]。因此，新形勢(shì)下的招商引資不是過(guò)去的翻版，而是具有高質(zhì)量、高精度和專(zhuān)業(yè)化為主要特征的“升級(jí)版”。在信息爆炸式增長(zhǎng)的大數(shù)據(jù)時(shí)代，菏澤作為經(jīng)濟(jì)欠發(fā)達(dá)的地區(qū)，要在全省激烈的招商競(jìng)爭(zhēng)有所突破，政府招商部門(mén)就需要充分運(yùn)用互聯(lián)網(wǎng)思維、大數(shù)據(jù)技術(shù)創(chuàng)新招商模式，將招商引資工作提升到一個(gè)新的戰(zhàn)略高度。

1.2 研究現(xiàn)狀

目前，各地采用的招商引資形式多式多樣各有側(cè)重點(diǎn)，成效各有所長(zhǎng)各有千秋，但同時(shí)也面臨一些共性問(wèn)題：由于對(duì)資源的分析深度有限從而造成信息的不對(duì)稱(chēng)[4];對(duì)引進(jìn)目標(biāo)項(xiàng)目的方向不明確、潛力發(fā)掘不深入。這些問(wèn)題很大程度上削減了招商引資的成效，降低了招商引資的效率。

“大數(shù)據(jù)”的到來(lái)對(duì)當(dāng)今社會(huì)的政治、經(jīng)濟(jì)生活已經(jīng)產(chǎn)生了巨大變革，尤其對(duì)政務(wù)工作的開(kāi)展也產(chǎn)生了深遠(yuǎn)影響。目前，北京、上海、深圳經(jīng)濟(jì)發(fā)達(dá)地區(qū)已經(jīng)率先運(yùn)用大數(shù)據(jù)思維開(kāi)展招商引資工作。廣西貴州、浙江桐鄉(xiāng)、重慶國(guó)內(nèi)諸多城市和地區(qū)也逐步建立了在線平臺(tái)進(jìn)行信息的共享以及數(shù)據(jù)的深入分析，實(shí)現(xiàn)招商引資的精準(zhǔn)化、智能化。在當(dāng)前經(jīng)濟(jì)發(fā)展常態(tài)化的環(huán)境下，菏澤市政府應(yīng)盡早開(kāi)展大數(shù)據(jù)招商方面的研究和試點(diǎn)，以提高招商引資精準(zhǔn)度和效率。

1.3 研究的意義及重要性

研究本課題的主要意義及重要性體現(xiàn)為以下四個(gè)方面：

1.響應(yīng)國(guó)家提出的大數(shù)據(jù)戰(zhàn)略。黨的十八屆五中全會(huì)提出“實(shí)施國(guó)家大數(shù)據(jù)戰(zhàn)略”，黨中央、國(guó)務(wù)院高度重視大數(shù)據(jù)在經(jīng)濟(jì)社會(huì)發(fā)展中的作用[2]。利用大數(shù)據(jù)技術(shù)實(shí)現(xiàn)政府精準(zhǔn)招商，從而使政府招商工作實(shí)現(xiàn)智慧化和專(zhuān)業(yè)化。

2.落實(shí)山東省雙招雙引工作。山東省委書(shū)記劉家義建議引領(lǐng)改革潮流、樹(shù)立開(kāi)放大潮，進(jìn)一步推動(dòng)促進(jìn)高質(zhì)量招商引資和招才引智。本課題就是將大數(shù)據(jù)技術(shù)融入到菏澤“雙招雙引”工作中，以提升本市對(duì)外招商的效率，更好的貫徹落實(shí)山東省委、省政府的工作要求。

3.充分利用大數(shù)據(jù)資源確保招商精準(zhǔn)化。大數(shù)據(jù)精準(zhǔn)招商就是依托大數(shù)據(jù)技術(shù)獲取有效的信息資源，為菏澤市打造具有區(qū)域特色的大數(shù)據(jù)平臺(tái)，挖掘適合自身產(chǎn)業(yè)發(fā)展的資源價(jià)值，精準(zhǔn)鎖定目標(biāo)企業(yè)，精準(zhǔn)挖掘投資線索，從而實(shí)現(xiàn)高質(zhì)量發(fā)展[2]。

4.加強(qiáng)高校與地方的產(chǎn)學(xué)研合作，服務(wù)地方經(jīng)濟(jì)發(fā)展。菏澤學(xué)院計(jì)算機(jī)學(xué)院致力于大數(shù)據(jù)技術(shù)的研究、開(kāi)發(fā)與應(yīng)用，具有豐富的教育資源、科技資源以及大量人才，能為政府的宏觀調(diào)控供理論論證、技術(shù)支持，加強(qiáng)地方政府和高校雙方的合作能夠帶來(lái)巨大的社會(huì)價(jià)值[2]。

二、實(shí)施策略的主要方法及設(shè)計(jì)目標(biāo)

2.1 主要方法

要?jiǎng)?chuàng)建具有區(qū)域特色的大數(shù)據(jù)平臺(tái)，并從中挖掘適合自身產(chǎn)業(yè)發(fā)展的資源價(jià)值，最重要的是要研究分析建立哪些數(shù)據(jù)庫(kù)，如何進(jìn)行相關(guān)數(shù)據(jù)的采集以及如何進(jìn)行數(shù)據(jù)整合，如何利用大數(shù)據(jù)技術(shù)挖掘有價(jià)值的資源、實(shí)現(xiàn)精準(zhǔn)招商。因此，本課題主要通過(guò)以下三種方法進(jìn)行具體任務(wù)的實(shí)施。

1.收集資料。收集和整理相關(guān)資料是招商引資工作中一項(xiàng)十分艱巨繁重的任務(wù)，對(duì)所有環(huán)節(jié)都起著舉足輕重的作用。要實(shí)現(xiàn)精準(zhǔn)招商就要做到與時(shí)俱進(jìn)、時(shí)刻關(guān)注新業(yè)態(tài)。當(dāng)前，我們利用數(shù)據(jù)爬蟲(chóng)技術(shù)提升搜集資料和文獻(xiàn)工作的高質(zhì)高效性，同時(shí)，還可以利用數(shù)據(jù)挖掘及數(shù)據(jù)分析技術(shù)，研究分析政策法規(guī)，總結(jié)探討新興業(yè)態(tài)發(fā)展趨勢(shì)，為開(kāi)展下一步工作夯實(shí)基礎(chǔ)。

2.座談與實(shí)地調(diào)研。召集市發(fā)改、經(jīng)信、招商、市場(chǎng)監(jiān)管等有關(guān)政府部門(mén)，進(jìn)行座談溝通，建立部門(mén)間數(shù)據(jù)交換機(jī)制;深入各部門(mén)現(xiàn)場(chǎng)，收集有關(guān)部門(mén)掌握的企業(yè)和項(xiàng)目數(shù)據(jù)，通過(guò)座談和調(diào)研實(shí)現(xiàn)部門(mén)之間數(shù)據(jù)的整合，各項(xiàng)政策的無(wú)縫對(duì)接;多方聯(lián)動(dòng)有效促進(jìn)建設(shè)大數(shù)據(jù)招商平臺(tái)。

3.理論與實(shí)驗(yàn)相結(jié)合。對(duì)研究的重點(diǎn)和難點(diǎn)算法進(jìn)行充分論證，提出可行的方法和理論模型，然后通過(guò)計(jì)算機(jī)程序語(yǔ)言進(jìn)行試驗(yàn)驗(yàn)證，評(píng)估算法執(zhí)行的效果，不斷改進(jìn)和優(yōu)化算法，以達(dá)到課題研究要求。

2.2 重點(diǎn)難點(diǎn)及分析

2.2.1.重點(diǎn)

1.研究政府部門(mén)、企業(yè)、行業(yè)、網(wǎng)絡(luò)等各類(lèi)分散數(shù)據(jù)如何實(shí)現(xiàn)有效整合。2.研究基于人工智能、機(jī)器學(xué)習(xí)的數(shù)據(jù)爬蟲(chóng)技術(shù)，設(shè)計(jì)智能爬取數(shù)據(jù)的算法。3.利用海量數(shù)據(jù)多角度、多維度為招商決策提供基于數(shù)據(jù)挖掘的智能推薦引擎的設(shè)計(jì)。

2.2.2.難點(diǎn)

1.抽象數(shù)據(jù)建模，設(shè)計(jì)和建立數(shù)據(jù)庫(kù)。2.數(shù)據(jù)爬蟲(chóng)智能算法的設(shè)計(jì)和實(shí)現(xiàn)。3.針對(duì)不同的招商需求，設(shè)計(jì)相匹配的數(shù)據(jù)挖掘算法。

2.3 設(shè)計(jì)目標(biāo)

針對(duì)當(dāng)前地方政府在招商引資過(guò)程出現(xiàn)的問(wèn)題及面臨困難，本文實(shí)現(xiàn)以下三個(gè)設(shè)計(jì)目標(biāo)：

1.目前招商數(shù)據(jù)掌握在政府各部門(mén)和互聯(lián)網(wǎng)企業(yè)中，呈各自分散的數(shù)據(jù)孤島，通過(guò)招商大數(shù)據(jù)平臺(tái)整合分散數(shù)據(jù)，可以為政府招商提供面向特定主題的專(zhuān)業(yè)分析和智能研判，有效打破“數(shù)據(jù)孤島”，提高政府效能。

2.通過(guò)數(shù)據(jù)爬蟲(chóng)技術(shù)，可以不間斷、及時(shí)收集到網(wǎng)絡(luò)上有關(guān)招商信息，實(shí)現(xiàn)了數(shù)據(jù)的精確采集和自動(dòng)增量采集，大大減輕了招商信息收集的困難程度，拓寬了招商信息獲取的渠道。

3.利用大數(shù)據(jù)平臺(tái)，可以從海量數(shù)據(jù)中挖掘和分析出數(shù)據(jù)之間的關(guān)聯(lián)程度，讓政府可以根據(jù)自身產(chǎn)業(yè)發(fā)展需要，篩選行業(yè)和企業(yè)，有效解決招什么，去哪里招，怎么招的問(wèn)題，實(shí)現(xiàn)政府精準(zhǔn)招商，高效招商。

三、精準(zhǔn)招商數(shù)據(jù)庫(kù)的構(gòu)建

3.1獲取數(shù)據(jù)的方法與途徑

3.1.1 招商部門(mén)與各政府部門(mén)協(xié)調(diào)合作

要保證招商引資工作的有效運(yùn)行，需要整合多部門(mén)的數(shù)據(jù)：政府?dāng)?shù)據(jù)、企業(yè)數(shù)據(jù)以及市場(chǎng)數(shù)據(jù)等。隨著政府部門(mén)信息化建設(shè)的不斷推進(jìn)，發(fā)展與改革委員會(huì)、經(jīng)濟(jì)和信息化委員會(huì)、工商行政管理局，各地市的稅務(wù)局、統(tǒng)計(jì)局等部門(mén)都基本形成了服務(wù)于本單位工作職能的數(shù)據(jù)庫(kù)，并建立有效的綜合數(shù)據(jù)平臺(tái)，但目前這些數(shù)據(jù)是各自獨(dú)立的，不能形成一個(gè)具有統(tǒng)一結(jié)構(gòu)的和服務(wù)多部門(mén)能力的綜合數(shù)據(jù)庫(kù)[2]。因此，有必要將招商部門(mén)和各政府部門(mén)之間進(jìn)行綜合協(xié)調(diào)，形成不同部門(mén)之間的聯(lián)動(dòng)機(jī)制，以實(shí)現(xiàn)數(shù)據(jù)的互聯(lián)互通。只有通過(guò)各部門(mén)的協(xié)同合作，才能構(gòu)建好大數(shù)據(jù)平臺(tái)，實(shí)現(xiàn)數(shù)據(jù)價(jià)值的最大化。

3.1.2 通過(guò)大數(shù)據(jù)爬蟲(chóng)技術(shù)對(duì)相關(guān)數(shù)據(jù)進(jìn)行爬取

在招商引資過(guò)程中，政府需要充分掌握企業(yè)和項(xiàng)目的相關(guān)信息，不能再停留在使用傳統(tǒng)搜索引擎的方式來(lái)搜索數(shù)據(jù)。大數(shù)據(jù)爬取技術(shù)的原理是按照某種算法規(guī)則，自動(dòng)地爬取頁(yè)面信息，將爬取到的頁(yè)面內(nèi)容作為大數(shù)據(jù)招商平臺(tái)的數(shù)據(jù)來(lái)源，同時(shí)也可以為招商數(shù)據(jù)的分析提供數(shù)據(jù)源，并提取關(guān)鍵有用的數(shù)據(jù)來(lái)實(shí)現(xiàn)招商信息的精準(zhǔn)獲取。

3.2 建立招商引資數(shù)據(jù)庫(kù)

根據(jù)設(shè)計(jì)目標(biāo)，精準(zhǔn)招商大數(shù)據(jù)平臺(tái)的設(shè)計(jì)主要包括四個(gè)模塊：

1.建立基本信息數(shù)據(jù)庫(kù)：這些數(shù)據(jù)主要來(lái)源于政務(wù)信息資源庫(kù)中招商引資相關(guān)政策，同時(shí)還可以從政務(wù)信息庫(kù)中獲取企業(yè)注冊(cè)信息、項(xiàng)目審批信息、企業(yè)財(cái)稅數(shù)據(jù)、統(tǒng)計(jì)數(shù)據(jù)等數(shù)據(jù)，從政務(wù)信息資源庫(kù)中獲得的數(shù)據(jù)經(jīng)過(guò)整合后，從其中抽取和招商引資密切聯(lián)系的數(shù)據(jù)，匯總成招商基本信息庫(kù)，在開(kāi)展招商引資活動(dòng)時(shí)，能夠依托基本信息數(shù)據(jù)庫(kù)第一時(shí)間掌握政策大風(fēng)向[2]。

2.建立項(xiàng)目數(shù)據(jù)庫(kù)：項(xiàng)目庫(kù)主要承載著項(xiàng)目的征集、包裝、洽談、簽約、審核、落地等一系列活動(dòng)的信息和狀態(tài)掌握，重點(diǎn)記錄各縣區(qū)和市直部門(mén)集中簽約和自主簽約的項(xiàng)目，從項(xiàng)目簽約、落地、建設(shè)、投產(chǎn)等各個(gè)環(huán)節(jié)進(jìn)行跟蹤記錄[2]。

3.建立重點(diǎn)企業(yè)數(shù)據(jù)庫(kù)：動(dòng)態(tài)收集并梳理篩選世界500強(qiáng)企業(yè)、中國(guó)500強(qiáng)企業(yè)、中國(guó)500強(qiáng)民營(yíng)企業(yè)信息，綜合考慮是否已在本地投資、行業(yè)準(zhǔn)入限制、產(chǎn)能情況等其他因素，將其中一部分曾有過(guò)接觸或者曾來(lái)考察的企業(yè)列為重中之重[2]。

4.建立投資人信息數(shù)據(jù)庫(kù)：動(dòng)態(tài)掌握重點(diǎn)投資人信息，將在全市舉辦各種招商引資會(huì)展活動(dòng)或參加大型國(guó)際、國(guó)家和省內(nèi)外政府展會(huì)、商業(yè)展會(huì)、行業(yè)專(zhuān)業(yè)展會(huì)等活動(dòng)的商業(yè)領(lǐng)域優(yōu)強(qiáng)企業(yè)和領(lǐng)軍人才納入投資人信息庫(kù);同時(shí)對(duì)與市領(lǐng)導(dǎo)會(huì)見(jiàn)、與有關(guān)招商部門(mén)日常工作聯(lián)系緊密的投資企業(yè)或投資人進(jìn)行重點(diǎn)記錄，并適時(shí)進(jìn)行更新維護(hù)[2]。

3.3通過(guò)大數(shù)據(jù)分析提供招商決策

1.利用海量數(shù)據(jù)挖掘預(yù)測(cè)性線索并構(gòu)建招商通路。根據(jù)我市自身發(fā)展的需要，對(duì)行業(yè)和企業(yè)進(jìn)行篩選，自主挖掘招商線索，以實(shí)現(xiàn)高效招商[2]。

2.利用大數(shù)據(jù)技術(shù)實(shí)時(shí)跟蹤和督導(dǎo)全市招商引資項(xiàng)目開(kāi)發(fā)、項(xiàng)目簽約、項(xiàng)目落地全過(guò)程，并針對(duì)項(xiàng)目推進(jìn)的共性和個(gè)性化需求提供針對(duì)性的服務(wù)[2]。

3.在大數(shù)據(jù)的支持下，通過(guò)建立經(jīng)濟(jì)模型，可以有效掌握地方資源和企業(yè)的匹配度，針對(duì)性分析特定投資人的需求，精準(zhǔn)的篩選出潛在投資企業(yè)，并量身定制招商方案，從而快速提升招商效率，促進(jìn)項(xiàng)目落地[2]。

四、關(guān)鍵技術(shù)的突破與實(shí)現(xiàn)

4.1 智能爬取算法的實(shí)現(xiàn)

要實(shí)現(xiàn)精準(zhǔn)招商，最重要的環(huán)節(jié)是獲取企業(yè)的信息，并對(duì)爬取到的企業(yè)信息主題詞進(jìn)行分析。首先，確定抓取的主題信息是否滿足政府招商引資的相關(guān)要求，同時(shí)分析抓取到的URL和頁(yè)面內(nèi)容的關(guān)聯(lián)度，并刪除URL重復(fù)和相似度高的網(wǎng)頁(yè)數(shù)據(jù)，使抓取的數(shù)據(jù)更精準(zhǔn)高效。本課題采用的是基于美國(guó)哈佛大學(xué)Rabin教授提出的Rabin指紋方法為基本思想的智能爬取算法[5]，該算法主要主要包括三個(gè)階段：

1.按照爬取策略獲取若干URL并對(duì)其去重;

2.遍歷爬取的URL計(jì)算頁(yè)面相似度;

3頁(yè)面相似度達(dá)到閾值進(jìn)行聚類(lèi)。

4.1.1 URL去重方法

對(duì)URL 進(jìn)行去重的基本步驟如下：

1.創(chuàng)建列表X存放URL指紋映射，并標(biāo)記是否被訪問(wèn);

2.創(chuàng)建列表U，被標(biāo)記訪問(wèn)標(biāo)識(shí)的URL存入U(xiǎn)中;

3.遍歷并計(jì)算每個(gè)URL的指紋值，存入列表X中。如果X[r]=0，則設(shè)置X[r]=1并存入U(xiǎn)中;如果X[r]=1，丟棄。

4.1.2 頁(yè)面相似度計(jì)算方法

各地政府在部門(mén)網(wǎng)站中發(fā)布的招商引資需求和咨詢有很多的相似之處，而且知名企業(yè)的基本數(shù)據(jù)信息也會(huì)在互聯(lián)網(wǎng)廣泛的發(fā)布和宣傳，這會(huì)為政企對(duì)接合作帶來(lái)一定的難度。因此本文在爬取數(shù)據(jù)是要進(jìn)行頁(yè)面相似度計(jì)算，挖掘出與主題最相近的頁(yè)面信息，以保證提取到最有價(jià)值的信息。該方法的好處是一方面能夠有效提高提取相關(guān)信息的有效性，另一方面將屏蔽掉相似度較高的頁(yè)面進(jìn)而節(jié)約下載流量。對(duì)于頁(yè)面相似度的計(jì)算，本文采用基于文本的頁(yè)面相似度算法。該算法的基本思想是：1.對(duì)文本建模和表示;2.對(duì)文本進(jìn)行分詞處理;3.計(jì)算分詞權(quán)重;4.用余弦向量計(jì)算相似度，相似度高于設(shè)置閾值，將判定為網(wǎng)頁(yè)具有相同內(nèi)容。

4.1.3 聚合式層次聚類(lèi)方法

聚類(lèi)可以作為數(shù)據(jù)挖掘過(guò)程中對(duì)數(shù)據(jù)進(jìn)行預(yù)處理的方法，采用聚類(lèi)算法有助于在爬取數(shù)據(jù)的過(guò)程中將同類(lèi)信息進(jìn)行分類(lèi)。層次聚類(lèi)方法是聚類(lèi)方法中的一種，主要包括聚合式層次聚類(lèi)和分列式層次聚類(lèi)。本文采用聚合式層次聚類(lèi)方法將相似結(jié)構(gòu)的網(wǎng)頁(yè)聚合到同一類(lèi)中，選擇其中一個(gè)作為代表性URL。

基本的算法思想為：1.將重復(fù)的URL刪除，得到聚類(lèi)之后的對(duì)象列表;2.設(shè)置閾值K，作為初始相似度值;3.將大于閾值K的URL頁(yè)面劃分到不同的子類(lèi)中;小于閾值K的URL頁(yè)面繼續(xù)從列表中獲取值直至結(jié)束;4.獲取沒(méi)有重復(fù)和相似的URL頁(yè)面。

4.2 數(shù)據(jù)分析算法的實(shí)現(xiàn)

通過(guò)數(shù)據(jù)爬取技術(shù)獲取數(shù)據(jù)并存入招商引資數(shù)據(jù)庫(kù)中并不是本課題的最主要的目的，而是在此基礎(chǔ)上進(jìn)一步挖掘出政策、企業(yè)、項(xiàng)目等信息之間的聯(lián)系，對(duì)信息進(jìn)行匹配、對(duì)接、整合，進(jìn)一步提高招商效率，才是研究本課題最重要的意義。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘中最常用的類(lèi)型，它可以分析某些重要數(shù)據(jù)信息并分析其關(guān)聯(lián)數(shù)據(jù)，從而反映某些信息與其他信息之間的相關(guān)性和相互依賴性。

五、研究總結(jié)與展望

本課題的主要思想是以政府各部門(mén)政務(wù)信息為基礎(chǔ)，借助數(shù)據(jù)爬蟲(chóng)技術(shù)爬取社會(huì)化數(shù)據(jù)并挖掘?qū)φ猩逃袃r(jià)值的數(shù)據(jù)資源，利用先進(jìn)的大數(shù)據(jù)技術(shù)，建立一個(gè)大容量、功能強(qiáng)大、信息豐富、安全可靠的綜合型的招商引資大數(shù)據(jù)平臺(tái)。通過(guò)對(duì)大數(shù)據(jù)的分析、預(yù)測(cè)和統(tǒng)計(jì)，可以實(shí)現(xiàn)數(shù)據(jù)尋商、數(shù)據(jù)引商、數(shù)據(jù)助商，暢通招商引資的途徑和渠道，以實(shí)現(xiàn)招商引資工作的智能化、專(zhuān)業(yè)化和精準(zhǔn)化[2]。本課題提出了實(shí)現(xiàn)精準(zhǔn)招商的研究策略，距離實(shí)施運(yùn)行還存在一定的距離。尤其在招商基礎(chǔ)數(shù)據(jù)的爬取與采集、數(shù)據(jù)價(jià)值的挖掘、數(shù)據(jù)可視化和界面友好化還存在較大的研究空間。本課題下一步工作的重點(diǎn)將在這幾個(gè)方面進(jìn)行研究，以實(shí)現(xiàn)大數(shù)據(jù)精準(zhǔn)招商平臺(tái)的落地實(shí)施。

參考文獻(xiàn)

[1]杜林.新常態(tài)下招商引資方式的創(chuàng)新研究[J].宿州教育學(xué)院學(xué)報(bào)，2016，19（5）

[2]張瑞藜.基于大數(shù)據(jù)的精準(zhǔn)招商策略的研究與應(yīng)用[J].科學(xué)大眾，2020（8）.

[3]趙倩倩，程國(guó)建，冀乾宇，戎騰學(xué).大數(shù)據(jù)崛起與數(shù)據(jù)挖掘芻議[J].電腦知識(shí)與技術(shù)，2014，10（33）.

[4]宋林霖，何成祥.從招商引資至優(yōu)化營(yíng)商環(huán)境：地方政府經(jīng)濟(jì)職能履行方式的重大轉(zhuǎn)向[J].上海行政學(xué)院學(xué)報(bào)，2019.

[5]梁正友，張林才.基于Rabin指紋方法的URL去重算法[J].計(jì)算機(jī)應(yīng)用，2008，12（28）.

[6]P.Sumathia，R.Manickachezianb.Semantic Web Mining using Web Crawler and DOM Tree with EsvmModified SOM for Advanced Medical Information Retrieval System.[J].2017（12）.

[7]郭濤，張代遠(yuǎn).基于關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘 Apriori 算法的研究與應(yīng)用[J].計(jì)算機(jī)技術(shù)與發(fā)展 2011（06）：101-103+107.

[8]謝志明.基于“云”環(huán)境下的數(shù)據(jù)挖掘并行關(guān)聯(lián)規(guī)則算法研究與實(shí)現(xiàn)[J].長(zhǎng)沙：湖南大學(xué)，2015.