产业扶持政策的评估方法、产业扶持结果的处理方法及相关产品

摘要

本申请实施例提供了一种产业扶持政策的评估方法、产业扶持结果的处理方法及相关产品，一种产业扶持政策的评估方法，包括：使用预测模型对待扶持企业的扶持效果进行预测，得到预测结果，所述待扶持企业是根据预设的产业扶持政策从多个企业中筛选出来的；根据所述预测结果得到对所述产业扶持政策的评估结果。本申请实施例有利于达到最优的产业扶持效果。

说明书

技术领域

本申请涉及人工智能技术领域，具体涉及一种产业扶持政策的评估方法、产业扶持结果的处理方法及相关产品。

背景技术

产业政策扶持资金是政府用于扶持某产业或某类企业的政策型投入资金，对经济发展具有重要的战略意义。因此，政府每年都会投入大量扶持资金对产业和企业进行扶持。例如，xx市2017年某两项产业扶持政策明细如下：1.科技小巨人支持，对上年度营业收入2亿元以上并在地统计的国家高新技术企业中年营业收入增长率在20％以上的，一次性支持60万元，连续两年营业收入增长率在15％以上的，一次性支持100万元。2.新兴产业企业高成长支持，对成立三年以上，纳入市规模以上企业统计范围并从事市七大战略性新兴产业或五大未来产业、以及市重点发展的金融科技、大数据等产业，并且近两年营业收入年平均增长率达30％以上的，给予30万元支持。

其中，产业政策扶持主要包括以下流程：政策制定→政策公布、宣传→符合条件的企业申请政策扶持→核准和拨付扶持资金。但是，在对企业拨付扶持资金后，由企业自行使用该扶持资金，所以无法知晓所拨付的扶持资金为企业发展带来的影响，也无法评估该扶持资金所带来的扶持效果，进而影响产业扶持政策的制定，不利于产业扶持政策的实施。

发明内容

本申请实施例公开了产业扶持政策的评估方法、产业扶持结果的处理方法及相关产品，有利于对产业扶持政策的调整、制定提供参考方向，以便实现最优的产业扶持结果，进而促进经济发展。

第一方面，本申请实施例提供一种产业扶持政策的评估方法，包括：

使用预测模型对待扶持企业的扶持效果进行预测，得到预测结果，所述待扶持企业是根据预设的产业扶持政策从多个企业中筛选出来的；

根据所述预测结果得到对所述产业扶持政策的评估结果。

可以看出，通过预测模型对待扶持企业的扶持结果进行预测，得到每个待扶持企业的扶持结果；根据该扶持结果来评价当前制定出的产业扶持政策的优劣，以便调整当前制定出的产业扶持策，从而使最后制定出的产业扶持政策可以达到最优的扶持效果。

在一些可能的实施方式中，在使用预测模型对待扶持企业的扶持效果进行预测之前，所述方法还包括：

使用M个已扶持企业的历史扶持数据构建所述预测模型，其中，所述预测模型包括与企业发展维度对应的第一预测模型、与企业成长维度对应的第二预测模型以及与扶持效益维度对应的第三预测模型中的一个或多个，

所述使用M个已扶持企业的历史扶持数据构建所述预测模型，包括：

根据所述M个已扶持企业中每个的历史扶持数据确定每个已扶持企业在维度A上的历史扶持结果A，所述维度A为所述企业发展维度、所述企业成长维度和所述扶持效益维度中的一个维度；

根据每个已扶持企业的历史扶持数据对每个已扶持企业的扶持效果进行预测，得到每个已扶持企业在所述维度A上的扶持结果A’；

根据每个已扶持企业的扶持结果A和扶持结果A’构建与所述维度A对应的预测模型。

可以看出，通过历史扶持数据来构建预测模型，并在多个维度构建多个预测模型，以便为扶持效果的预测提供预测模型，进而为扶持政策的优劣提供评估工具，以使制定出的产业扶持政策可以达到最优的扶持效果。

在一些可能的实施方式中，历史扶持数据包括扶持资金、第t年的营收增速、员工增速、营收额和纳税额，以及第t+k年的营收增速、员工增速、营收额和纳税额，所述第t年为获得扶持的年份，所述k为大于等于1的整数；

所述根据所述M个已扶持企业中每个的历史扶持数据确定每个已扶持企业在维度A上的历史扶持结果A，包括：

当所述维度A为所述企业发展维度时，根据每个已扶持企业第t年的营收增速和员工增速，以及第t+k年的营收增速和员工增速，得到每个已扶持企业在所述企业发展维度上的扶持结果A；

当所述维度A为所述企业成长维度时，根据每个已扶持企业第t年的营收增速和营收额，以及第t+k年的营收增速和营收额，得到每个已扶持企业在所述企业成长维度上的扶持结果A；

当所述维度A为所述扶持效益维度时，根据每个已扶持企业获得的扶持资金、第t年的纳税额以及第t+k年的纳税额，得到每个已扶持企业在所述扶持效益维度上的扶持结果A。

在一些可能的实施方式中，所述根据所述预测结果得到对所述产业扶持政策的评估结果，包括：

根据与所述预测结果对应的扶持结果，得到对所述产业扶持政策的评估结果；

其中，在所述预测模型包括所述第一预测模型、所述第二预测模型和所述第三预测模型中的一个时，所述扶持结果包括与该预测模型对应的扶持结果；

在所述预测模型包括所述第一预测模型、所述第二预测模型和所述第三预测模型中的两个时，所述扶持结果包括与该两个预测模型对应的两个扶持结果中的一个或两个；

在所述预测模型包括所述第一预测模型、所述第二预测模型和所述第三预测模型时，所述扶持结果包括第一扶持结果、第二扶持结果以及第三扶持结果中的一个或多个；

其中，所述第一扶持结果是由与所述第一预测模型对应的第一预测结果确定的，所述第二扶持结果是由与所述第二预测模型对应的第二预测结果确定的，所述第三扶持结果是由与所述第三预测模型对应的第三预测结果确定的。

可以看出，由于在多个维度上构建了多个预测模型，从而在对扶持结果进行预测时，可以自由选择使用一个或多个预测模型，在一个或多个维度上进行扶持结果的预测，提高扶持结果预测的灵活性；另外，可对多个维度上的扶持结果进行综合处理，使得到的扶持结果更加接近真实的扶持结果，进而提高对产业扶持政策调整的合理性。

在一些可能的实施方式中，当所述第一预测结果大于0时，所述第一扶持结果属于第一扶持级别，所述第一预测结果越大，所述第一扶持结果对应的扶持效果越好；

当所述第一预测结果小于90°时，所述第一扶持结果属于第二扶持级别，所述第一预测结果越大，所述第一扶持结果对应的扶持效果越好；

当所述第一预测结果大于90°时，所述第一扶持结果属于第三扶持级别，所述第一预测结果越大，所述第一扶持结果对应的扶持效果越好；

当所述第一预测结果小于0时，所述第一扶持结果属于第四扶持级别，所述第一预测结果越大，所述第一扶持结果对应的扶持效果越好；

其中，所述第一扶持级别、所述第二扶持级别、所述第三扶持级别和所述第四扶持级别对应的扶持效果依次降低。

可以看出，为企业发展维度构建扶持结果的评估模型，从而可预测出任意一个待扶持企业在该维度的具体扶持结果，从而为评估该企业在接收扶持资金后的发展情况提供数据支持，提高扶持效果预测的说服力，进而为产业扶持政策的制定、调整提供数据参考。

在一些可能的实施方式中，当所述第二预测结果大于0时，所述第二扶持结果属于第一扶持级别，所述第二预测结果越大，所述第二扶持结果对应的扶持效果越好；

当所述第二预测结果小于90°时，所述第二扶持结果属于第二扶持级别，所述第二预测结果越大，所述第二扶持结果对应的扶持效果越好；

当所述第二预测结果小于0时，所述第二扶持结果属于第三扶持级别，所述第二预测结果越大，所述第二扶持结果对应的扶持效果越好；

其中，所述第一扶持级别、所述第二扶持级别和所述第三扶持级别对应的扶持效果依次降低。

可以看出，为企业成长维度构建扶持结果的评估模型，从而可预测出任意一个待扶持企业在该维度上的具体扶持结果，从而为评估该企业在接收扶持资金后的发展情况提供数据支持，提高扶持效果预测的说服力，进而为产业扶持政策的制定、调整提供数据参考。

在一些可能的实施方式中，当所述第三预测结果大于0时，所述第三扶持结果属于第一扶持级别，所述第三预测结果越大，所述第三扶持结果对应的扶持效果越好；

当所述第三预测结果小于90°时，所述第三扶持结果属于第二扶持级别，所述第三预测结果越大，所述第三扶持结果对应的扶持效果越好；

当所述第三预测结果小于0时，所述第三扶持结果属于第三扶持级别，所述第三预测结果越大，所述第三扶持结果对应的扶持效果越好；

当所述第三预测结果大于90°时，所述第三扶持结果属于第四扶持级别，所述第三预测结果越大，所述第三扶持结果对应的扶持效果越好；

其中，所述第一扶持级别、所述第二扶持级别、所述第三扶持级别和所述第四扶持级所对应的扶持效果依次降低。

可以看出，为扶持效益维度构建扶持结果的评估模型，从而可预测出任意一个待扶持企业在该维度的具体扶持结果，从而为评估该企业在接收扶持资金后的发展情况提供数据支持，提高扶持效果预测的说服力，进而为产业扶持政策的制定、调整提供数据参考。

第二方面，本申请实施例提供一种产业扶持结果的处理方法，包括：

根据第t年到第t+k年中每年的历史扶持数据，确定所述第t年到所述第t+k年之间的历史扶持结果；

在可视化界面展示所述历史扶持结果。

可以看出，在本方案中根据已扶持企业的历史扶持数据确定历史扶持结果，并对历史扶持结果进行可视化展示，从而知晓历史扶持情况，为未来扶持政策的制定提供参考。

在一些可能的实施方式中，所述扶持结果包括与企业发展维度对应的第一扶持结果、与企业成长维度对应的第二扶持结果以及与扶持效益维度对应的第三扶持结果，所述历史扶持数据包括每个已扶持企业的企业数据中的一个或多个，所述根据第t年到第t+k年中每年的历史扶持数据，确定所述第t年到所述第t+k年之间的历史扶持结果，包括：

根据每个已扶持企业的企业数据，确定每个已扶持企业在维度A上的历史扶持结果，所述维度A为所述企业发展维度、所述企业成长维度以及所述扶持效益维度中的一个维度；

根据每个已扶持企业在所述维度A上的历史扶持结果，确定所述第t年到所述第t+k年之间在所述维度A上的历史扶持结果。

可以看出，在本方案中根据已扶持企业的历史扶持数据确定每个已扶持企业在各个维度上的历史扶持结果，并对每个维度的历史扶持结果进行可视化展示，从而知晓在每个维度上的历史扶持情况，从而为每个维度的产业扶持政策的制定提供参考。

在一些可能的实施方式中，所述企业数据包括每个已扶持企业所获得的扶持资金、营收增速、员工增速、营收额和纳税额，所述根据每个已扶持企业的企业数据，确定每个已扶持企业在维度A上的历史扶持结果，包括：

当所述维度A为所述企业发展维度时，根据每个已扶持企业第t年的营收增速和员工增速，以及第t+k年的营收增速和员工增速，得到每个已扶持企业的第一历史扶持结果；

当所述维度A为所述企业成长维度时，根据每个已扶持企业第t年的营收增速和营收额，以及第t+k年的营收增速和营收额，得到每个已扶持企业的第二历史扶持结果；

当所述维度A为所述扶持效益维度时，根据每个已扶持企业第t年所获得的扶持资金、第t年的纳税额以及第t+k年的纳税额，得到每个已扶持企业的第三历史扶持结果。

在一些可能的实施方式中，所述历史扶持数据包括扶持资金使用信息，所述根据第t年到第t+k年中每年的历史扶持数据，确定所述第t年到所述第t+k年之间的历史扶持结果，包括：

根据第r年的扶持资金使用信息，得到所述第r年的历史扶持结果，所述第r年为所述第t年到所述第t+k年之间的一个年份；

所述历史扶持结果包括：扶持资金的投入比、扶持资金的使用分布以及扶持产业领域分布、各个扶持产业领域所获扶持资金的占比、各个扶持产业领域所获扶持资金的用途、以及每个扶持产业所获得的扶持资金分布，所述扶持资金的投入比为所述第r年实际使用的扶持资金与所述第r年预算投入的扶持资金的比值。

可以看出，在本方案中根据获取每个已扶持企业的历史扶持数据，从而确定政府历年的产业扶持情况，以及对各个产业领域的扶持情况以便知晓历史扶持资金的使用，从而为政府未来制定扶持政策提供参考方向。

第三方面，本申请实施例提供一种产业扶持政策的评估装置，包括：

预测单元，用于使用预测模型对待扶持企业的扶持效果进行预测，得到预测结果，所述待扶持企业是根据预设的产业扶持政策从多个企业中筛选出来的；

确定单元，用于根据所述预测结果得到对所述产业扶持政策的评估结果。

可以看出，通过预测模型对待扶持企业的扶持结果进行预测，得到每个待扶持企业的扶持结果；根据该扶持结果来评价当前制定出的产业扶持政策的优劣，以便调整当前制定出的产业扶持策，从而使最后制定出的产业扶持政策可以达到最优的扶持效果。

在一些可能的实施方式中，所述评估装置还包括：训练单元，在所述预测单元使用预测模型对待扶持企业的扶持效果进行预测之前，所述训练单元，用于使用M个已扶持企业的历史扶持数据构建所述预测模型，其中，所述预测模型包括与企业发展维度对应的第一预测模型、与企业成长维度对应的第二预测模型以及与扶持效益维度对应的第三预测模型中的一个或多个，

在使用M个已扶持企业的历史扶持数据构建所述预测模型方面，所述训练单元，具体用于：

根据所述M个已扶持企业中每个的历史扶持数据确定每个已扶持企业在维度A上的扶持结果A，所述维度A为所述企业发展维度、所述企业成长维度和所述扶持效益维度中的一个维度；

根据每个已扶持企业的历史扶持数据对每个已扶持企业的扶持效果进行预测，得到每个已扶持企业在所述维度A上的扶持结果A’；

根据每个已扶持企业的扶持结果A和扶持结果A’构建与所述维度A对应的预测模型。

在一些可能的实施方式中，历史扶持数据包括扶持资金、第t年的营收增速、员工增速、营收额和纳税额，以及第t+k年的营收增速、员工增速、营收额和纳税额，所述第t年为获得扶持的年份，所述k为大于等于1的整数；

在根据所述M个已扶持企业中每个的历史扶持数据确定每个已扶持企业在维度A上的扶持结果A方面，所述训练单元，具体用于：

当所述维度A为所述企业发展维度时，根据每个已扶持企业第t年的营收增速和员工增速，以及第t+k年的营收增速和员工增速，得到每个已扶持企业在所述企业发展维度上的扶持结果A；

当所述维度A为所述企业成长维度时，根据每个已扶持企业第t年的营收增速和营收额，以及第t+k年的营收增速和营收额，得到每个已扶持企业在所述企业成长维度上的扶持结果A；

当所述维度A为所述扶持效益维度时，根据每个已扶持企业获得的扶持资金、第t年的纳税额以及第t+k年的纳税额，得到每个已扶持企业在所述扶持效益维度上的扶持结果A。

在一些可能的实施方式中，在根据所述预测结果得到对所述产业扶持政策的评估结果方面，所述确定单元，具体用于：

根据与所述预测结果对应的扶持结果，得到对所述产业扶持政策的评估结果；

其中，在所述预测模型包括所述第一预测模型、所述第二预测模型和所述第三预测模型中的一个时，所述扶持结果包括与该预测模型对应的扶持结果；

在所述预测模型包括所述第一预测模型、所述第二预测模型和所述第三预测模型中的两个时，所述扶持结果包括与该两个预测模型对应的两个扶持结果中的一个或两个；

在所述预测模型包括所述第一预测模型、所述第二预测模型和所述第三预测模型时，所述扶持结果包括第一扶持结果、第二扶持结果以及第三扶持结果中的一个或多个；

其中，所述第一扶持结果是由与所述第一预测模型对应的第一预测结果确定的，所述第二扶持结果是由与所述第二预测模型对应的第二预测结果确定的，所述第三扶持结果是由与所述第三预测模型对应的第三预测结果确定的。

在一些可能的实施方式中，当所述第一预测结果大于0时，所述第一扶持结果属于第一扶持级别，所述第一预测结果越大，所述第一扶持结果对应的扶持效果越好；

当所述第一预测结果小于90°时，所述第一扶持结果属于第二扶持级别，所述第一预测结果越大，所述第一扶持结果对应的扶持效果越好；

当所述第一预测结果大于90°时，所述第一扶持结果属于第三扶持级别，所述第一预测结果越大，所述第一扶持结果对应的扶持效果越好；

当所述第一预测结果小于0时，所述第一扶持结果属于第四扶持级别，所述第一预测结果越大，所述第一扶持结果对应的扶持效果越好；

其中，所述第一扶持级别、所述第二扶持级别、所述第三扶持级别和所述第四扶持级别对应的扶持效果依次降低。

在一些可能的实施方式中，当所述第二预测结果大于0时，所述第二扶持结果属于第一扶持级别，所述第二预测结果越大，所述第二扶持结果对应的扶持效果越好；

当所述第二预测结果小于90°时，所述第二扶持结果属于第二扶持级别，所述第二预测结果越大，所述第二扶持结果对应的扶持效果越好；

当所述第二预测结果小于0时，所述第二扶持结果属于第三扶持级别，所述第二预测结果越大，所述第二扶持结果对应的扶持效果越好；

其中，所述第一扶持级别、所述第二扶持级别和所述第三扶持级别对应的扶持效果依次降低。

在一些可能的实施方式中，当所述第三预测结果大于0时，所述第三扶持结果属于第一扶持级别，所述第三预测结果越大，所述第三扶持结果对应的扶持效果越好；

当所述第三预测结果小于90°时，所述第三扶持结果属于第二扶持级别，所述第三预测结果越大，所述第三扶持结果对应的扶持效果越好；

当所述第三预测结果小于0时，所述第三扶持结果属于第三扶持级别，所述第三预测结果越大，所述第三扶持结果对应的扶持效果越好；

当所述第三预测结果大于90°时，所述第三扶持结果属于第四扶持级别，所述第三预测结果越大，所述第三扶持结果对应的扶持效果越好；

其中，所述第一扶持级别、所述第二扶持级别、所述第三扶持级别和所述第四扶持级所对应的扶持效果依次降低。

第四方面，本申请实施例提供一种产业扶持结果的处理装置，包括：

确定单元，用于根据第t年到第t+k年中每年的历史扶持数据，确定所述第t年到所述第t+k年之间的历史扶持结果；

展示单元，用于在可视化界面展示所述历史扶持结果。

可以看出，在本方案中根据已扶持企业的历史扶持数据确定历史扶持结果，并对历史扶持结果进行可视化展示，从而知晓历史扶持情况，为未来扶持政策的制定提供参考。

在一些可能的实施方式中，所述扶持结果包括与企业发展维度对应的第一扶持结果、与企业成长维度对应的第二扶持结果以及与扶持效益维度对应的第三扶持结果，所述历史扶持数据包括每个已扶持企业的企业数据中的一个或多个，

在根据第t年到第t+k年中每年的历史扶持数据，确定所述第t年到所述第t+k年之间的历史扶持结果方面，所述确定单元，具体用于：

根据每个已扶持企业的企业数据，确定每个已扶持企业在维度A上的历史扶持结果，所述维度A为所述企业发展维度、所述企业成长维度以及所述扶持效益维度中的一个维度；

根据每个已扶持企业在所述维度A上的历史扶持结果，确定所述第t年到所述第t+k年之间在所述维度A上的历史扶持结果。

在一些可能的实施方式中，所述企业数据包括每个已扶持企业所获得的扶持资金、营收增速、员工增速、营收额和纳税额，

在根据每个已扶持企业的企业数据，确定每个已扶持企业在维度A上的历史扶持结果方面，所述确定单元，具体用于：

当所述维度A为所述企业发展维度时，根据每个已扶持企业第t年的营收增速和员工增速，以及第t+k年的营收增速和员工增速，得到每个已扶持企业的第一历史扶持结果；

当所述维度A为所述企业成长维度时，根据每个已扶持企业第t年的营收增速和营收额，以及第t+k年的营收增速和营收额，得到每个已扶持企业的第二历史扶持结果；

当所述维度A为所述扶持效益维度时，根据每个已扶持企业第t年所获得的扶持资金、第t年的纳税额以及第t+k年的纳税额，得到每个已扶持企业的第三历史扶持结果。

在一些可能的实施方式中，所述历史扶持数据包括扶持资金使用信息，在根据每个已扶持企业的企业数据，确定每个已扶持企业在维度A上的历史扶持结果方面，所述确定单元，具体用于：

根据第r年的扶持资金使用信息，得到所述第r年的历史扶持结果，所述第r年为所述第t年到所述第t+k年之间的一个年份；

所述历史扶持结果包括：扶持资金的投入比、扶持资金的使用分布以及扶持产业领域分布、各个扶持产业领域所获扶持资金的占比、各个扶持产业领域所获扶持资金的用途、以及每个扶持产业所获得的扶持资金分布，所述扶持资金的投入比为所述第r年实际使用的扶持资金与所述第r年预算投入的扶持资金的比值。

第五方面，本申请实施例提供一种产业扶持政策的评估装置，包括：

处理器、通信接口和存储器，所述处理器、所述通信接口和所述存储器之间通过电信号连接；

所述处理器，用于使用预测模型对待扶持企业的扶持效果进行预测，得到预测结果，所述待扶持企业是根据预设的产业扶持政策从多个企业中筛选出来的；

所述处理器，还用于根据所述预测结果得到对所述产业扶持政策的评估结果。

第六方面，本申请实施例提供一种产业扶持结果的处理装置，包括：

处理器、通信接口、存储器和显示器，所述处理器、所述通信接口、所述存储器和所述显示器之间通过电信号连接；

所述处理器，用于根据第t年到第t+k年中每年的历史扶持数据，确定所述第t年到所述第t+k年之间的历史扶持结果；

所述处理器，用于控制所述显示器在在可视化界面展示所述历史扶持结果。

第七方面，本申请实施例还提供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计算机程序，所述计算机程序被硬件(例如处理器等)执行，以本申请实施例中由产业扶持结果的评估装置执行的任意一种方法的部分或全部步骤，或者由产业扶持结果的处理装置执行的任意一种方法的部分或全部步骤。

第八方面，本申请实施例提供了一种包括指令的计算机程序产品，当所述计算机程序产品在车道线跟踪装置上运行时，使得产业扶持结果的评估装置执行以上第一方面的产业扶持政策的评估方法的部分或全部步骤，或者第二方面产业扶持结果的处理方法的部分或全部步骤。

附图说明

下面将对本申请实施例涉及的一些附图进行说明。

图1为本申请实施例提供的一种产业扶持的系统架构图；

图2A为本申请实施例提供的一种产业扶持政策的评估方法的流程示意图；

图2B为本申请实施例提供的一种使用产业扶持政策筛选企业的示意图；

图3为本申请实施例提供的一种构建预测模型方法的流程示意图；

图4为本申请实施例提供的一种确定企业发展维度的扶持结果的示意图；

图5为本申请实施例提供的一种确定企业成长维度的扶持结果的示意图；

图6为本申请实施例提供的一种确定扶持效益维度的扶持结果的示意图；

图7为本申请实施例提供的一种产业扶持结果的处理方法的流程示意图；

图8为本申请实施例提供的一种评估企业发展维度的扶持效果的评估模型的示意图；

图9为本申请实施例提供的一种评估企业成长维度的扶持效果的评估模型的示意图；

图10为本申请实施例提供的一种评估扶持效益维度的扶持效果的评估模型的示意图；

图11为本申请实施例提供的一种展示扶持效果的示意图；

图12为本申请实施例提供的一种展示扶持资金使用的示意图；

图13为本申请实施例提供的一种展示扶持资金分企业使用的示意图；

图14为本申请实施例提供的一种产业政策画像的示意图；

图15为本申请实施例提供的一种产业扶持政策的评估装置的示意图；

图16为本申请实施例提供的一种产业扶持结果的处理装置的示意图；

图17为本申请实施例提供的另一种产业扶持政策的评估装置的示意图；

图18为本申请实施例提供的另一种产业扶持结果的处理装置的示意图。

具体实施方式

产业政策扶持资金是政府用于扶持某产业或某类企业的政策型投入资金，对经济发展具有重要的战略意义。因此，政府每年都会投入大量扶持资金对产业和企业进行扶持。例如，xx市2017年某两项产业扶持政策明细如下：1.科技小巨人支持，对上年度营业收入2亿元以上并在地统计的国家高新技术企业中年营业收入增长率在20％以上的，一次性支持60万元，连续两年营业收入增长率在15％以上的，一次性支持100万元。2.新兴产业企业高成长支持，对成立三年以上，纳入市规模以上企业统计范围并从事市七大战略性新兴产业或五大未来产业、以及市重点发展的金融科技、大数据等产业，并且近两年营业收入年平均增长率达30％以上的，给予30万元支持。

产业政策扶持主要包括以下流程：政策制定→政策公布、宣传→符合条件的企业申请政策扶持→核准和拨付扶持资金。目前产业扶持政策的制定、企业筛选一般由经信委、发改委、科创委等政府部门执行，扶持资金的拨付由财政委执行，各个部门执行与各自相关的工作流程。可以看出，整个产业政策扶持流程中缺少对扶持效果的评估和观测，即在拨付扶持资金后，由企业自行使用该扶持资金，并未调查获取该扶持资金对企业发展带来的影响，进而不知道该扶持资金所带来的扶持效果。例如，无法知晓企业营业收入、纳税额、员工数量等是否因为扶持资金的投入而出现增长。而且，对扶持效果进行评估，可清晰的知道扶持政策的制定是否合理，以及为后续扶持政策的制定提供数据参考，以使后续制定出的扶持政策能够带来更好的扶持效果。

因此，亟需一种对产业政策扶持所带来的扶持效果进行分析、预测的方案。

图1为本申请实施例提供的一种产业扶持的系统架构图，包括：

数据接入平台100，用于从与产业扶持政策相关的各政府部门的平台中获取原始业务数据，该原始业务数据包括发改委、经信委等产业政策制定部门的产业政策数据、财政委的政策扶持资金拨付数据、税务局的获扶持企业的缴税数据、统计局的获扶持企业的营收数据、增值数据等与该企业相关的经营数据、人社局的获扶持企业缴纳社保员工等数据、市场监督管理局的获扶持企业的工商注册数据等；在获取到原始数据后，数据接入平台100通过数据交换共享功能，将每个获扶持企业在各部门的数据信息进行综合和融合，得到每个获扶持企业的扶持数据。

数据治理平台110，用于将从各个政府各部门获取的原始业务数据进行清洗和治理，剔除该原始业务数据中的无效数据、重复数据等，并对剔除后的业务数据做归类和整理，形成最终可以使用的数据集。

原始库120，用于将经过数据治理平台治理后的数据集统一输入原始库形成各类库表。例如，与政策内容对应的政策库、与企业基本信息对应的企业库、与企业缴税数据对应的税收库、与企业营收数据对应的营收库、与企业员工数据对应的员工库等。

业务库130，用于为业务可视化呈现层160提供数据支持。即业务可视化呈现层160所需的数据来自于业务库130，例如，“产业扶持资金历年使用情况分析”的可视化呈现需要使用“扶持资金使用业务库”中的数据，“产业扶持资金按产业的使用分析”的可视化呈现需要使用“资金产业投入业务库”中的数据，“对历年产业政策扶持效果的评估”的可视化呈现需要使用“扶持效果评估业务库”中的数据，“对历年产业政策整体画像”的可视化呈现需要使用“历史政策观测业务库”中的数据；“对未来产业政策制定的决策建议”的可视化呈现需要使用“未来定策辅助业务库”中的数据。

业务库130中的数据来自于原始库120和大数据分析平台140。业务库130根据业务需求从不同的原始库120的各类库表中提取不同的数据形成可以支撑可视化呈现层160的数据库表。另外，业务库130中通过大数据建模分析结果而形成的业务数据来自于大数据分析平台140。

大数据分析平台140，用于对扶持效果的评估以及辅助产业扶持政策制定进行建模，及根据获取到的数据进行数据挖掘分析、不断地优化调整模型，以使预测、确定出的政持评估的结果与真实情况最接近，以便根据该预测结果，为产业扶持政策制定提供参考方向，对产业扶持政策进行优化，使得制定政策的决策建议更客观、准确，达到最优的产业扶持效果。

数据实例管理150，用于对大数据分析平台140的分析结果进行服务化开放，将大数据分析平台140通过比对碰撞、挖掘分析、算法模型得到的分析结果以数据接口服务实例方式进行管理和统一开放。

业务可视化呈现层160，用于实现业务的可视化呈现。业务可视化呈现层160基于实际呈现需要，从业务库130中提取不同的业务数据，并通过可视化图表形式进行业务呈现。其中，可视化呈现时所使用的终端可以是LED大屏、PC机、笔记本、PAD、智能手机等。

可以看出，在本申请实施方案中，通过上述的系统架构，可以对已扶持企业的产业扶持结果进行分析，得到历年对已扶持企业的扶持结果，以便评价历年的产业扶持政策，给未来产业扶持政策的制定、调整提供方向参考；另外，也可以对待扶持企业的扶持效果进行预测，以便调整当前制定出的产业扶持策，从而使制定出的产业扶持政策可以达到最优的扶持效果。

图2A为本申请实施例提供的一种产业扶持政策的评估方法的流程示意图，该方法包括但不限于以下步骤：

201：使用预测模型对待扶持企业的扶持效果进行预测，得到预测结果。

该待扶持企业是根据预设的产业扶持政策从多个企业中筛选出来的。

如图2B所示，使用预置的政策模型，以及预设的产业扶持政策，从多个企业中筛选出待扶持企业。其中，产业扶持政策，可以为企业营收规模、是否为国高企业，等等。

需要说明的是，可使用预测模型对多个待扶持企业进行扶持效果的预测。本申请中仅一个待扶持企业对扶持效果的预测进行详细说明，其他待扶持企业的预测方式与该待扶持企业的预测过程一致，不再详细叙述。

其中，可对该待扶持企业在一个或多个评估维度上进行扶持效果的预测，得到该待扶持企业在一个或多个评估维度上的一个或多个预测结果，根据该一个或多个预测结果，得到待扶持企业在一个或多个评估维度上的扶持效果。

可选的，本申请中以企业发展维度、企业成长维度以及扶持效益维度为例对扶持效果的预测做具体说明，但本申请对评估维度不做限定。

可选的，每个评估维度对应一个预测模型，其中，企业发展维度对应第一预测模型、企业成长维度对应第二预测模型、扶持效益维度对应第三预测模型，每个预测模型用于预测与该预测模型对应的评估维度的扶持效果。在实际应用中，上述的预测模型可以为第一预测模型、第二预测模型以及第三预测模型中的一个或多个，即可使用该三个预测模型中的一个或多个对待扶持企业的扶持效果进行预测。

本申请对预测模型的数量不做限定，可以使用一个预测模型进行预测，也可以使用多个预测模型进行预测。

202：根据所述预测结果得到对所述产业扶持政策的评估结果。

预测模型的数量不同，得到的预测结果数量也不同，评估产业扶持政策的方式也不同。

具体来说，当使用上述三个预测模型中的一个预测模型对待扶持企业进行扶持效果的预测时，则使用与该预测模型对应的预测结果(即预测出的扶持效果)，对产业扶持政策进行评估，得到评估结果；当使用上述三个预测模型中的任意两个预测模型对待扶持企业进行扶持效果的预测时，则可使用该两个预测模型中的任意一个预测模型的预测结果，对产业扶持政策进行评估，得到评估结果，也可对两个预测模型的两个预测结果进行综合处理，得到最终预测结果，使用该最终预测结果对产业扶持政策进行评估，得到评估结果；当使用上述三个预测模型对待扶持企业进行扶持效果的预测时，可使用该三个预测模型中任意一个预测模型的预测结果，对产业扶持政策进行评估，得到评估结果，也可以用该三个预测模型中任意两个预测模型的两个预测结果，对产业扶持政策进行评估，得到评估结果，还可以使用该三个预测模型的三个预测结果进行综合，得到最终的综合结果，根据该综合结果对产业扶持政策进行评估，得到评估结果。

可以看出，在本申请实施方案中，通过训练出的预测模型对待扶持企业的扶持结果进行预测，得到每个待扶持企业的扶持结果；根据该扶持结果来评价当前制定出的产业扶持政策的优劣，以便调整当前制定出的产业扶持策，从而使制定出的产业扶持政策可以达到最优的扶持效果。

可以理解的是，在使用预测模型对待扶持企业的扶持效果进行预测之前，需要先使用M个已扶持企业的历史扶持数据构建预测模型(即上述的第一预测模型、第二预测模型以及第三预测模型)，其中，该已扶持企业在本申请中也称做获扶持企业。

图3为本申请实施例提供的一种构建预测模型方法的流程示意图，该方法包括但不限于以下步骤：

301：根据M个已扶持企业中每个的历史扶持数据确定每个已扶持企业在维度A上的扶持结果A。

其中，该历史扶持数据中包括每个已扶持企业在第t年的扶持资金、营收增速、员工增速、营收额和纳税额，以及第t+k年的营收增速、员工增速、营收额和纳税额，该第t年为获得扶持的年份，k为大于等于1的整数。

该维度A为上述企业发展维度、企业成长维度和述扶持效益维度中的任意一个维度，该扶持结果A为根据每个已扶持企业在t年的历史扶持数据以及第t+k年的历史扶持数据，得到的与维度A对应的实际扶持结果，即真实的扶持结果，其中，该实际扶持结果包括扶持等级和扶持效果。

下面详细说明确定实际扶持结果的方式。

如图4所示，当上述的维度A为企业发展维度时，则可根据每个已扶持企业第t年的营收增速X1和员工增速Y1，以及第t+k年的营收增速X2和员工增速Y2，得到每个已扶持企业在企业发展维度上的扶持等级和扶持效果，其中，图3中的X＝X2-X1，Y＝Y2-Y1。

如图5所示，当上述的维度A为企业成长维度时，则可根据每个已扶持企业第t年的营收增速X1和营收额Y1，以及第t+k年的营收增速X2和营收额Y2，得到每个已扶持企业在企业成长维度上的扶持等级和扶持效果，其中，图4中的X＝X2-X1，Y＝Y2-Y1。

如图6所示，当上述的维度A为扶持效益维度时，则可根据每个已扶持企业获得的扶持资金X1、第t年的纳税额Y1以及第t+k年的纳税额Y2，得到每个已扶持企业在扶持效益维度上的扶持等级和扶持效果；

其中，图6中的

可以看出，通过历史扶持数据以及图4、图5和图6示出的计算公式，计算在每个维度上的扶持评分，与每个扶持等级对应的扶持效果则可通过与该扶持等级对应的扶持评分得到，扶持评分越大，在该扶持等级中的扶持效果越好，且第一扶持等级、第二扶持等级、第三扶持等级以及第四扶持等级对应的扶持效果依次降低。

可以理解的是，扶持等级只是对扶持结果的定性表述，对于预测模型的训练，在获取到实际扶持结果后，仅需使用该实际扶持结果中的扶持效果(扶持评分)进行模型训练。

302：根据每个已扶持企业的历史扶持数据对每个已扶持企业的扶持效果进行预测，得到每个已扶持企业在维度A上的扶持结果A’。

该扶持结果A’为根据每个已扶持企业在t年的历史扶持数据对每个已扶持企业在维度A上的扶持效果进行预测，得到的预测扶持结果，即假设第t年如对该企业进行扶持，则对该企业在t+k年可能会出现的扶持结果。

在对已扶持企业的扶持效果进行预测之前，首先通过逐步回归算法构建与每个评估维度对应的多元线性方程，然后，使用该多元线性方程对每个已扶持企业的扶持效果进行预测。

逐步回归算法的思想是，按照自变量X对因变量Y作用的显著程度，依次将自变量引入回归方程。当先引入的自变量由于后面的自变量的引入变得不再显著时，则将该自变量从回归方程中剔除，直到最后没有作用显著的自变量可以引入，也没有作用不显著的自变量需要剔除为止，使用保留下来的变量构建多元线性方程。

本申请中选取表1中的20个企业特征作为自变量X，将扶持效果作为因变量Y，然后，通过逐步回归算法，已知该20个企业特征按照下角标依次增大的顺序对扶持效果的作用显著程度依次减少。则通过逐步回归算法从该20个企业特征确定出p个企业特征，使用该p个企业特征构建扶持效果与p个企业特征之间的多元线性方程：

y＝b

表1:

在本申请中，x

然后，将每个已扶持企业与上述p个企业特征对应的企业数据，代入上述的多元回归方程，得到对每个已扶持企业的预测扶持效果

其中，

303：根据每个已扶持企业的扶持结果A和扶持结果A’构建与维度A对应的预测模型。

根据每个已扶持企业的实际扶持结果和预测扶持结果来构建每个评估维度的预测模型。

具体来说，假设

计算M个已扶持企业在每个评估维度上的实际扶持效果与预测扶持效果的差值平方和Q，则

然后，将Q分别对b

最后，求解上述方程组，可解出b

在一些可能的实施方式中，在得到目标回归方程之后，需对该目标回归方程进行显著性检验，以确定对扶持效果的预测结果与上述选出的P个企业特征是否确实具有线性关系。其中，该显著性检验可以使用F检验，具体如下：

其中，

在显著性水平a＝0.05时，如F＞Fa说明该目标回归方程显著，则将该目标回归方程作为维度A对应的预测模型，如该F≤Fa说明该目标回归方程不显著，则需要重新选取自变量X，即重新选取企业特征进行模型训练，其训练过程与上述训练过程一致，不再叙述。

可以理解的是，在得到每个评估维度对应的预测模型后，则可将每个待扶持企业当前的企业数据输入到该预测模型，对该待扶持企业在该评估维度上的预测结果(扶持评分)，然后，通过该预测结果先定性确定该预测结果对应的扶持结果位于哪个扶持级别，再通过该预测结果定量确定该扶持结果在该扶持级别下的扶持效果；最后，根据定性的扶持级别以及定量的扶持效果，来对产业扶持政策进行评估，得到与该评估维度对应的评估结果。

下面结合图4、图5和图6具体说明确定每个评估维度扶持结果的具体实现方式。

当在企业发展维度对每个待扶持企业的扶持效果进行预测时，即使用第一预测模型对每个待扶持企业的扶持效果进行预测时，可得到与企业发展维度对应的第一预测结果，并通过该第一预测结果确定与企业发展维度对应的第一扶持结果。

具体来说，当该第一预测结果大于0时，即该第一预测结果不是三角形的角度，且大于0时，如图4所示，该第一扶持结果属于第一扶持级别，且在第一扶持结果位于第一扶持级别时，第一预测结果越大，第一扶持结果对应的扶持效果越好，即通过第一预测结果的数据类型来定性评价第一扶持结果，通过第一预测结果的数据大小来定量评价第一扶持结果；

当第一预测结果小于90°时，即该第一预测结果是三角形角度，且该角度小于90°时，则该第一扶持结果属于第二扶持级别，且该第一预测结果越大，在该第一扶持结果在属于第二扶持级别时，所对应的扶持效果越好；

当该第一预测结果大于90°，即该第一预测结果是三角形角度，且该角度大于90°时，则该第一扶持结果属于第三扶持级别，且该第一预测结果越大，则在该第一扶持结果位于第三扶持级别时，所对应的扶持效果越好；当该第一预测结果小于0，即该第一预测结果不是三角形角度，且小于0时，则该第一扶持结果属于第四扶持级别，且该第一预测结果越大，则在该第一扶持结果属于第四扶持级别时，所对应的扶持效果越好。

当在企业成长维度对每个待扶持企业的扶持效果进行预测时，即使用第二预测模型对每个待扶持企业的扶持效果进行预测时，得到与企业成长维度对应的第二预测结果，并通过该第二预测结果确定与企业成长维度对应的第二扶持结果。

具体来说，当该第二预测结果大于0时，即该第二预测结果不是三角形的角度，且大于0时，如图5所示，该第二扶持结果属于第一扶持级别，且在第二扶持结果位于第一扶持级别时，第二预测结果越大，第二扶持结果对应的扶持效果越好，即通过第二预测结果的数据类型来定性评价第二扶持结果，通过第二预测结果的数据大小来定量评价第二扶持结果；

此外，当该第二预测结果大于90°，即该第二预测结果是三角形角度，且该角度大于90°时，则该第二扶持结果属于第二扶持级别，且该第二预测结果越大，则在该第二扶持结果位于第二扶持级别时，所对应的扶持效果越好；

当该第二预测结果小于0，即该第二预测结果不是三角形角度，且小于0时，则该第二扶持结果属于第三扶持级别，且该第二预测结果越大，则在该第二扶持结果属于第三扶持级别时，所对应的扶持效果越好。

当在扶持效益维度对每个待扶持企业的扶持效果进行预测时，即使用第三预测模型对每个待扶持企业的扶持效果进行预测时，得到与扶持效益维度对应的第三预测结果，并通过该第三预测结果确定与企业发展维度对应的第三扶持结果。

具体来说，当该第三预测结果大于0时，即该第三预测结果不是三角形的角度，且大于0时，如图6所示，该第三扶持结果属于第一扶持级别，且在第三扶持结果位于第一扶持级别时，第三预测结果越大，第三扶持结果对应的扶持效果越好，即通过第三预测结果的数据类型来定性评价第三扶持结果，通过第三预测结果的数据大小来定量评价第三扶持结果；

当第三预测结果小于90°时，即该第三预测结果是三角形角度，且该角度小于90°时，该第三扶持结果属于第二扶持级别，且该第三预测结果越大，则在该第三扶持结果在属于第二扶持级别时，所对应的扶持效果越好；

当该第三预测结果大于90°，即该第三预测结果是三角形角度，且该角度大于90°时，则该第三扶持结果属于第三扶持级别，且该第三预测结果越大，则在该第三扶持结果位于第三扶持级别时，所对应的扶持效果越好；

当该第三预测结果小于0，即该第三预测结果不是三角形角度，且小于0时，则该第三扶持结果属于第四扶持级别，且该第三预测结果越大，则在该第三扶持结果属于第四扶持级别时，所对应的扶持效果越好。

在一些可能的实施方式中，预置扶持结果与产业政策评估结果的映射关系，则可通过预测出的扶持结果以及该映射关系确定对产业扶持政策的评估结果。

举例来说，当任意一个评估维度的扶持结果属于第一扶持级别，则确定在该评估维度上对该产业扶持政策的评估结果为“好”，具体“好”到什么程度则可通过该扶持结果所对应的扶持评分来反映。例如，第一待扶持企业的扶持评分为10，第二待扶持企业在的扶持评分为20分，则可知产业扶持政策对第一待扶持企业以及第二扶持企业的扶持效果都好，但是，对第二待扶持企业的扶持效果相对于第一待扶持企业更好；另外，当任意一个评估维度的扶持结果属于第二扶持级别时，确定在该评估维度上对该产业扶持政策的评估结果为“中”，同样“中”到什么程度，通过该扶持结果所对应的扶持评分来反映；当任意一个评估维度的扶持结果属于第三扶持级别时，确定该对产业扶持政策的评估结果为“一般”，同样“一般”到什么程度，通过该扶持结果所对应的扶持评分来反映；当任意一个评估维度的扶持结果属于第四扶持级别时，则确定该产业扶持政策的评估结果为“差”，同样“差”到什么程度，通过该扶持结果所对应的扶持评分来反映。

需要说明的是，上述的映射关系仅为举例说明，本申请对此不做限定；另外，对不同评估维度，预置的映射关系可以不同，也可以是相同，本申请对此也不做限定。

进一步地，在得到对产业扶持政策的评估结果后，可根据该评估结果对当前所制定的产业扶持政策进行调整，通过调整后的产业扶持政策重新筛选待扶持企业，以便制定出的产业扶持政策可以达到最优的扶持结果。如图2B所示，在确定出该评估结果后，如该评估结果反映出该产业扶持政策比较差，则重新设定图2B中所示出的筛选条件。

举例来说，当在扶持效益维度的扶持结果为第一扶持等级时，则确定对该产业扶持政策的建议为：推荐扶持，即推荐扶持通过图2B所筛选出的待扶持企业，扶持指数为

再如，如该评估结果由对多个待扶持企业进行扶持效果的预测所得到的，则可获取该评估结果中每种评估结果占所有评估结果的比例，当评估结果为“好”的比例大于其他评估结果的比例时，则说明当前制定出的产业扶持政策比较好，无需调整，可使用该产业政策进行待扶持企业的筛选，并向筛选出的待扶持企业拨付扶持资金；当评估结果为“中”的比例大于其他评估结果的比例时，则可说明当前制定出的产业扶持政策还行，可使用该产业扶持政策进行待扶持企业的筛选，然后向筛选出的待扶持企业中的部分待扶持企业拨付扶持资金进行试运营，如扶持效果较好，则可继续采用该产业扶持政策进行待扶持企业的筛选，如扶持效果不好，则需要调整该产业扶持政策；另外，当评估结果为“差”的比例大于其他评估结果的比例时，则需要立即调整产业扶持政策，重新设置筛选待扶持企业的条件。

获取各个企业在每个维度的扶持结果，从而根据该扶持结果来调整如图2B所示的筛选条件，也就是制定出的产业扶持政策，以使筛选出的企业在各个评估维度上的扶持结果均落在第一扶持等级，从而使产业扶持政策的扶持结果达到最优。

此外，上述的产业政策调整方式仅为举例说明，本申请对此不做限定。

以上所述的方式，基于模型的构建，可以对待扶持企业未来的扶持效果进行预测，通过预测出的扶持结果评估产业扶持政策，并对未来产业扶持政策的指定、调整给出参考方向。当然，预测时不可避免的出现误差，而这些误差人工无法看出。所以，对扶持资金的历年使用、扶持项目、历史扶持数据等进行统计分析，从真实的历史扶持结果上来确定历史产业扶持政策的优劣，给未来产业扶持政策的制定也是不可或缺的技术方案。

图7为本申请实施例提供的一种产业扶持结果的处理方法的流程示意图，该实施例中与图2A、图3所示的实施例相同的内容，此处不再重复描述。该方法包括但不限于以下步骤：

701：根据第t年到第t+k年中每年的历史扶持数据，确定第t年到第t+k年之间的历史扶持结果。

其中，该历史扶持结果包括对已扶持企业的实际扶持结果，该实际扶持结果可参见上述的确定方式，在此不再叙述。

另外，在第t年对某个企业进行扶持之后，持续统计该企业在第t+1～t+k之间每年的历史扶持数据，使用预先构造的评估模型确定每个已扶持企业的历史扶持效果(历史扶持等级)。即使用预先构造的象限模型以及该历史扶持数据来确定每个已扶持企业在每个评估维度所在的象限。

具体来说，图8示出了与企业发展维度对应的评估模型，如图8所示，根据第t+k年的营收增速与第t年的营收增速，以及第t+k年的员工增速与第t年的员工增速确定每个已扶持企业所在的象限，k＝1,2,3…，图8所示的坐标轴的原点(X

进一步地，当某个已扶持企业位于第一象限时，则说明该已扶持企业的发展处于成长期，则说明对该已扶持企业的扶持效果比较好；当该已扶持企业位于第二象限时，则说明该已扶持企业的发展处于潜力期；当该已扶持企业位于第三象限，则说明该已扶持企业的发展处于衰退期，对该企业的扶持效果比较差；当该已扶持企业位于第四象限时，则说明该已扶持企业的发展处于成熟期，说明扶持资金对该企业的扶持意义不大。

因此，可对第t+k年的各个已扶持企业在企业发展维度进行评估，得到每个已扶持企业所在象限，得到与企业发展维度对应的星云图，然后，对该星云图进行可视化展示，以观察各个已扶持企业历年在企业发展维度上的扶持效果，进而为未来产业扶持政策的制定、调整提供数据参考。

图9示出了与企业成长维度对应的评估模型，如图9所示，根据第t+k年的营收增速与第t年的营收增速，以及第t+k年的营收额与第t年的营收额确定每个已扶持企业所在的象限，k＝1,2,3…，图9所示的坐标轴的原点为(X

进一步地，当某个已扶持企业位于第一象限时，可将该已扶持企业的成长比喻为“华南虎型”，则说明对该已扶持企业的扶持效果比较好；当该已扶持企业位于第二象限时，可将该已扶持企业的成长比喻为“大笨象型”；当该已扶持企业位于第三象限时，可将该已扶持企业的成长比喻为“小病猫型”，对该企业的扶持效果非常差；当该已扶持企业位于第四象限时，可将该已扶持企业的成长比喻为“独角兽型”，说明该企业的成长已经稳定，扶持资金对该企业的成长贡献不大。

因此，可对第t+k年的各个已扶持企业在企业成长维度进行评估，得到每个已扶持企业所在象限，可得到与企业成长维度对应的星云图，对该星云图进行可视化展示，以观察各个已扶持企业历年在企业发展维度上的扶持效果，进而为未来产业扶持政策的制定、调整提供数据参考。

图10示出了与扶持效益维度对应的评估模型。如图10所示，根据第t+k年的纳税额与第t年的纳税额，以及第t年所获得扶持资金确定每个已扶持企业所在的象限，k＝1,2,3…，图10所示的纵坐标轴Y为第t+k年相对于第t年的投入产出比，即

进一步地，当某个已扶持企业位于第一象限时，可将该已扶持企业的扶持效益比喻为“赵云型”，则说明对该已扶持企业的扶持效果比较好；当该已扶持企业位于第二象限时，可将该已扶持企业的扶持效益比喻为“徐庶型”；当该已扶持企业位于第三象限，可将该已扶持企业的扶持效益比喻为“阿斗型”，对该企业的扶持效果非常差；当该已扶持企业位于第四象限时，可将该已扶持企业的扶持效益比喻为“魏延型”，说明扶持资金对该企业的扶持意义不大。

因此，可对第t+k年的各个已扶持企业在扶持效益维度进行分析，得到各个已扶持企业所在象限，得到与扶持效益维度对应的星云图，对该星云图进行可视化展示，以观察各个已扶持企业在扶持效益维度上的扶持效果，对未来产业扶持政策的制定、调整提供数据参考。

702：在可视化界面展示历史扶持结果。

图11示出了一种扶持效果的星云图的示意图。即，使用每个评估维度对应的评估模型获取每个已扶持企业在目标年份所在的象限，根据该象限确定每个评估维度的星云图，然后，在可视化界面展示该每个维度的星云图，其中，该目标年份为用户所选择的历史年份。图11仅示出了在企业发展维度的星云图，其他星云图与该星云图一致，不再叙述。

另外，如图11所示，还可对已扶持企业的增加值进行分析，以统计每个已扶持企业在获扶持之后的企业增加值走势；以及对每个已扶持企业的企业税收走势进行分析，并展示，对已扶持企业的员工数量进行分析，得到每个已扶持企业的员工数量走势，等等。

通过对已扶持企业进行星云图的统计与分析，从而便于判断历史扶持资金的使用正误，从而便于为后续的产业扶持资金的使用提供参考方向。

在一些可能的实施方式中，如图12所示，还可对扶持资金的使用进行分析，即统计每一年投入的预算扶持资金，实际使用的扶持资金，每一年所扶持的产业项目，每一年扶持的企业数目等信息，然后，按选定年份可视化界面展示该年份的扶持资金的使用分析结果。

在一些可能的实施方式中，如图12所示，还可对扶持资金的使用进行分析，并对分析结果进行可视化展示。例如，统计x年年内的扶持资金的预算投入、该预算投入相对于每年财政收入的比值，并以统计图的方式进行可视化展示；同样，统计x年内实际拨付的扶持金额、每个区域获取扶持项目的数量、扶持资金的执行率(每年实际拨付的扶持资金相对于预算投入的比值)、以及统计扶持资金的用途，并对每项统计结果进行可视化展示。

通过对历史扶持资金的使用进行统计分析，以便了解历史扶持情况，为后续的扶持政策提供参考。

在一些可能的实施方式中，如图13所示，还可以对扶持资金的使用分产业进行分析，并以统计图的方式进行可视化展示。例如，获取扶持金额位于TOP10的企业的企业信息，并进行可视化展示；并获取扶持资金所扶持的产业领域，获取各个产业所获扶持资金的占比，进行可视化展示；另外，获取扶持企业的经济增长相对于全市经济增长的走势图，进行展示；另外，还可获取k年内获扶持的企业数量的变化，以获取获扶持企业数量的增长变化，明晰政府资金投入力度。

通过对扶持资金分产业进行统计分析，以便明晰历史扶持资金的去向，以便对未来往哪些产业进行扶持，提供参考方向。

在一些可能的实施方式中，如图14所示，还可对产业政策进行画像，以评估历史产业政策，具体来说，通过投入产出比来反映产业政策的回报，确定制定出的最“增值”政策，该投入产出比为X1/Y1，其中，X1为任意一个产业政策下，与该产业政策相关的所有企业在t年到t+k年的纳税总额的平均值，Y1为在t年到t+k年对该所有企业的扶持资金总额的平均值；通过助力指数来反映政策的作用，以确定出最“给力政策”，其中，该助力指数为

需要说明的是，图11、图12、图13以及图14所示出的统计分析图，仅为示例性的图表，并对不历史扶持数据的统计分析做限定。

可以看出，在本申请实施方案中，通过对已扶持企业进行扶持情况的分析与展示，以便及时知晓扶持的使用用途、扶持资金的分布信息、以及扶持资金的执行率等等；从而可以从多个维度明晰历史扶持政策对应的扶持结果，以便给未来制定产业扶持政策提供数据参考。

图15为本申请实施例提供的一种产业扶持政策的评估装置1500，可包括：

预测单元1510，用于使用预测模型对待扶持企业的扶持效果进行预测，得到预测结果，所述待扶持企业是根据预设的产业扶持政策从多个企业中筛选出来的；

确定单元1520，用于根据所述预测结果得到对所述产业扶持政策的评估结果。

可以看出，通过预测模型对待扶持企业的扶持结果进行预测，得到每个待扶持企业的扶持结果；根据该扶持结果来评价当前制定出的产业扶持政策的优劣，以便调整当前制定出的产业扶持策，从而使最后制定出的产业扶持政策可以达到最优的扶持效果。

在一些可能的实施方式中，评估装置1500还包括：训练单元1530，在预测单元1510使用预测模型对待扶持企业的扶持效果进行预测之前，训练单元1530，用于使用M个已扶持企业的历史扶持数据构建所述预测模型，其中，所述预测模型包括与企业发展维度对应的第一预测模型、与企业成长维度对应的第二预测模型以及与扶持效益维度对应的第三预测模型中的一个或多个，

在使用M个已扶持企业的历史扶持数据构建所述预测模型方面，训练单元1530，具体用于：

根据所述M个已扶持企业中每个的历史扶持数据确定每个已扶持企业在维度A上的扶持结果A，所述维度A为所述企业发展维度、所述企业成长维度和所述扶持效益维度中的一个维度；

根据每个已扶持企业的历史扶持数据对每个已扶持企业的扶持效果进行预测，得到每个已扶持企业在所述维度A上的扶持结果A’；

根据每个已扶持企业的扶持结果A和扶持结果A’构建与所述维度A对应的预测模型。

可以看出，通过历史扶持数据来构建预测模型，并在多个维度构建多个预测模型，以便为扶持效果的预测提供预测模型，进而为扶持政策的优劣提供评估工具，以使制定出的产业扶持政策可以达到最优的扶持效果。

在一些可能的实施方式中，历史扶持数据包括扶持资金、第t年的营收增速、员工增速、营收额和纳税额，以及第t+k年的营收增速、员工增速、营收额和纳税额，所述第t年为获得扶持的年份，所述k为大于等于1的整数；

在根据所述M个已扶持企业中每个的历史扶持数据确定每个已扶持企业在维度A上的扶持结果A方面，训练单元1530，具体用于：

当所述维度A为所述企业发展维度时，根据每个已扶持企业第t年的营收增速和员工增速，以及第t+k年的营收增速和员工增速，得到每个已扶持企业在所述企业发展维度上的扶持结果A；

当所述维度A为所述企业成长维度时，根据每个已扶持企业第t年的营收增速和营收额，以及第t+k年的营收增速和营收额，得到每个已扶持企业在所述企业成长维度上的扶持结果A；

当所述维度A为所述扶持效益维度时，根据每个已扶持企业获得的扶持资金、第t年的纳税额以及第t+k年的纳税额，得到每个已扶持企业在所述扶持效益维度上的扶持结果A。

在一些可能的实施方式中，在根据所述预测结果得到对所述产业扶持政策的评估结果方面，确定单元1520，具体用于：

根据与所述预测结果对应的扶持结果，得到对所述产业扶持政策的评估结果；

其中，在所述预测模型包括所述第一预测模型、所述第二预测模型和所述第三预测模型中的一个时，所述扶持结果包括与该预测模型对应的扶持结果；

在所述预测模型包括所述第一预测模型、所述第二预测模型和所述第三预测模型中的两个时，所述扶持结果包括与该两个预测模型对应的两个扶持结果中的一个或两个；

在所述预测模型包括所述第一预测模型、所述第二预测模型和所述第三预测模型时，所述扶持结果包括第一扶持结果、第二扶持结果以及第三扶持结果中的一个或多个；

其中，所述第一扶持结果是由与所述第一预测模型对应的第一预测结果确定的，所述第二扶持结果是由与所述第二预测模型对应的第二预测结果确定的，所述第三扶持结果是由与所述第三预测模型对应的第三预测结果确定的。

可以看出，由于在多个维度上构建了多个预测模型，从而在对扶持结果进行预测时，可以自由选择使用一个或多个预测模型，在一个或多个维度上进行扶持结果的预测，提高扶持结果预测的灵活性；另外，可对多个维度上的扶持结果进行综合处理，使得到的扶持结果更加接近真实的扶持结果，进而提高对产业扶持政策调整的合理性。

在一些可能的实施方式中，当所述第一预测结果大于0时，所述第一扶持结果属于第一扶持级别，所述第一预测结果越大，所述第一扶持结果对应的扶持效果越好；

当所述第一预测结果小于90°时，所述第一扶持结果属于第二扶持级别，所述第一预测结果越大，所述第一扶持结果对应的扶持效果越好；

当所述第一预测结果大于90°时，所述第一扶持结果属于第三扶持级别，所述第一预测结果越大，所述第一扶持结果对应的扶持效果越好；

当所述第一预测结果小于0时，所述第一扶持结果属于第四扶持级别，所述第一预测结果越大，所述第一扶持结果对应的扶持效果越好；

其中，所述第一扶持级别、所述第二扶持级别、所述第三扶持级别和所述第四扶持级别对应的扶持效果依次降低。

可以看出，为企业发展维度构建扶持结果的评估模型，从而可预测出任意一个待扶持企业在该维度的具体扶持结果，从而为评估该企业在接收扶持资金后的发展情况提供数据支持，提高扶持效果预测的说服力，进而为产业扶持政策的制定、调整提供数据参考。

在一些可能的实施方式中，当所述第二预测结果大于0时，所述第二扶持结果属于第一扶持级别，所述第二预测结果越大，所述第二扶持结果对应的扶持效果越好；

当所述第二预测结果小于90°时，所述第二扶持结果属于第二扶持级别，所述第二预测结果越大，所述第二扶持结果对应的扶持效果越好；

当所述第二预测结果小于0时，所述第二扶持结果属于第三扶持级别，所述第二预测结果越大，所述第二扶持结果对应的扶持效果越好；

其中，所述第一扶持级别、所述第二扶持级别和所述第三扶持级别对应的扶持效果依次降低。

可以看出，为企业成长维度构建扶持结果的评估模型，从而可预测出任意一个待扶持企业在该维度上的具体扶持结果，从而为评估该企业在接收扶持资金后的发展情况提供数据支持，提高扶持效果预测的说服力，进而为产业扶持政策的制定、调整提供数据参考。

在一些可能的实施方式中，当所述第三预测结果大于0时，所述第三扶持结果属于第一扶持级别，所述第三预测结果越大，所述第三扶持结果对应的扶持效果越好；

当所述第三预测结果小于90°时，所述第三扶持结果属于第二扶持级别，所述第三预测结果越大，所述第三扶持结果对应的扶持效果越好；

当所述第三预测结果小于0时，所述第三扶持结果属于第三扶持级别，所述第三预测结果越大，所述第三扶持结果对应的扶持效果越好；

当所述第三预测结果大于90°时，所述第三扶持结果属于第四扶持级别，所述第三预测结果越大，所述第三扶持结果对应的扶持效果越好；

其中，所述第一扶持级别、所述第二扶持级别、所述第三扶持级别和所述第四扶持级所对应的扶持效果依次降低。

可以看出，为扶持效益维度构建扶持结果的评估模型，从而可预测出任意一个待扶持企业在该维度的具体扶持结果，从而为评估该企业在接收扶持资金后的发展情况提供数据支持，提高扶持效果预测的说服力，进而为产业扶持政策的制定、调整提供数据参考。

图16为本申请实施例提供的一种产业扶持结果的处理装置160，可包括：

确定单元1610，用于根据第t年到第t+k年中每年的历史扶持数据，确定所述第t年到所述第t+k年之间的历史扶持结果；

展示单元1620，用于在可视化界面展示所述历史扶持结果。

在一些可能的实施方式中，所述扶持结果包括与企业发展维度对应的第一扶持结果、与企业成长维度对应的第二扶持结果以及与扶持效益维度对应的第三扶持结果，所述历史扶持数据包括每个已扶持企业的企业数据中的一个或多个，

在根据第t年到第t+k年中每年的历史扶持数据，确定所述第t年到所述第t+k年之间的历史扶持结果方面，确定单元1610，具体用于：

根据每个已扶持企业的企业数据，确定每个已扶持企业在维度A上的历史扶持结果，所述维度A为所述企业发展维度、所述企业成长维度以及所述扶持效益维度中的一个维度；

根据每个已扶持企业在所述维度A上的历史扶持结果，确定所述第t年到所述第t+k年之间在所述维度A上的历史扶持结果。

在一些可能的实施方式中，所述企业数据包括每个已扶持企业所获得的扶持资金、营收增速、员工增速、营收额和纳税额，

在根据每个已扶持企业的企业数据，确定每个已扶持企业在维度A上的历史扶持结果方面，确定单元1610，具体用于：

当所述维度A为所述企业发展维度时，根据每个已扶持企业第t年的营收增速和员工增速，以及第t+k年的营收增速和员工增速，得到每个已扶持企业的第一历史扶持结果；

当所述维度A为所述企业成长维度时，根据每个已扶持企业第t年的营收增速和营收额，以及第t+k年的营收增速和营收额，得到每个已扶持企业的第二历史扶持结果；

当所述维度A为所述扶持效益维度时，根据每个已扶持企业第t年所获得的扶持资金、第t年的纳税额以及第t+k年的纳税额，得到每个已扶持企业的第三历史扶持结果。

在一些可能的实施方式中，所述历史扶持数据包括扶持资金使用信息，在根据每个已扶持企业的企业数据，确定每个已扶持企业在维度A上的历史扶持结果方面，确定单元1610，具体用于：

根据第r年的扶持资金使用信息，得到所述第r年的历史扶持结果，所述第r年为所述第t年到所述第t+k年之间的一个年份；

所述历史扶持结果包括：扶持资金的投入比、扶持资金的使用分布以及扶持产业领域分布、各个扶持产业领域所获扶持资金的占比、各个扶持产业领域所获扶持资金的用途、以及每个扶持产业所获得的扶持资金分布，所述扶持资金的投入比为所述第r年实际使用的扶持资金与所述第r年预算投入的扶持资金的比值。

图17为本申请实施例提供的一种产业扶持政策的评估装置1700，包括：

相互耦合的处理器1730、通信接口1720和存储器1710；例如处理器1730、通信接口1720和存储器1710通过总线1740耦合。

存储器1710可包括但不限于随机存储记忆体(Random Access Memory，RAM)、可擦除可编程只读存储器(Erasable Programmable ROM，EPROM)、只读存储器(Read-OnlyMemory,ROM)或便携式只读存储器(Compact Disc Read-Only Memory，CD-ROM)等等，该存储器1710用于相关指令及数据。

处理器1730可以是一个或多个中央处理器(Central Processing Unit，CPU)，在处理器1730是一个CPU的情况下，该CPU可以是单核CPU，也可以是多核CPU。

处理器1730用于读取所述存储器1710中存储的程序代码，与通信接口1720配合执行本申请上述实施例中由产业扶持政策的评估装置1700执行的方法的部分或全部步骤。

处理器1730，用于预测模型对待扶持企业的扶持效果进行预测，得到预测结果，所述待扶持企业是根据预设的产业扶持政策从多个企业中筛选出来的；

处理器1730，还用于根据所述预测结果得到对所述产业扶持政策的评估结果。

可以看出，在本申请实施方案中，处理器1730通过预测模型对待扶持企业的扶持结果进行预测，得到每个待扶持企业的扶持结果；根据该扶持结果来评价当前制定出的产业扶持政策的优劣，以便调整当前制定出的产业扶持策，从而使最后制定出的产业扶持政策可以达到最优的扶持效果。

在一些可能的实施方式中，在处理器1730使用预测模型对待扶持企业的扶持效果进行预测之前，处理器1730，还用于使用M个已扶持企业的历史扶持数据构建所述预测模型，其中，所述预测模型包括与企业发展维度对应的第一预测模型、与企业成长维度对应的第二预测模型以及与扶持效益维度对应的第三预测模型中的一个或多个，

在使用M个已扶持企业的历史扶持数据构建所述预测模型方面，处理器1730，具体用于：

根据所述M个已扶持企业中每个的历史扶持数据确定每个已扶持企业在维度A上的扶持结果A，所述维度A为所述企业发展维度、所述企业成长维度和所述扶持效益维度中的一个维度；

根据每个已扶持企业的历史扶持数据对每个已扶持企业的扶持效果进行预测，得到每个已扶持企业在所述维度A上的扶持结果A’；

根据每个已扶持企业的扶持结果A和扶持结果A’构建与所述维度A对应的预测模型。

在一些可能的实施方式中，历史扶持数据包括扶持资金、第t年的营收增速、员工增速、营收额和纳税额，以及第t+k年的营收增速、员工增速、营收额和纳税额，所述第t年为获得扶持的年份，所述k为大于等于1的整数；

在根据所述M个已扶持企业中每个的历史扶持数据确定每个已扶持企业在维度A上的扶持结果A方面，处理器1730，具体用于：

当所述维度A为所述企业发展维度时，根据每个已扶持企业第t年的营收增速和员工增速，以及第t+k年的营收增速和员工增速，得到每个已扶持企业在所述企业发展维度上的扶持结果A；

当所述维度A为所述企业成长维度时，根据每个已扶持企业第t年的营收增速和营收额，以及第t+k年的营收增速和营收额，得到每个已扶持企业在所述企业成长维度上的扶持结果A；

当所述维度A为所述扶持效益维度时，根据每个已扶持企业获得的扶持资金、第t年的纳税额以及第t+k年的纳税额，得到每个已扶持企业在所述扶持效益维度上的扶持结果A。

在一些可能的实施方式中，在根据所述预测结果得到对所述产业扶持政策的评估结果方面，处理器1730，具体用于：

根据与所述预测结果对应的扶持结果，得到对所述产业扶持政策的评估结果；

其中，在所述预测模型包括所述第一预测模型、所述第二预测模型和所述第三预测模型中的一个时，所述扶持结果包括与该预测模型对应的扶持结果；

在所述预测模型包括所述第一预测模型、所述第二预测模型和所述第三预测模型中的两个时，所述扶持结果包括与该两个预测模型对应的两个扶持结果中的一个或两个；

在所述预测模型包括所述第一预测模型、所述第二预测模型和所述第三预测模型时，所述扶持结果包括第一扶持结果、第二扶持结果以及第三扶持结果中的一个或多个；

其中，所述第一扶持结果是由与所述第一预测模型对应的第一预测结果确定的，所述第二扶持结果是由与所述第二预测模型对应的第二预测结果确定的，所述第三扶持结果是由与所述第三预测模型对应的第三预测结果确定的。

在一些可能的实施方式中，当所述第一预测结果大于0时，所述第一扶持结果属于第一扶持级别，所述第一预测结果越大，所述第一扶持结果对应的扶持效果越好；

当所述第一预测结果小于90°时，所述第一扶持结果属于第二扶持级别，所述第一预测结果越大，所述第一扶持结果对应的扶持效果越好；

当所述第一预测结果大于90°时，所述第一扶持结果属于第三扶持级别，所述第一预测结果越大，所述第一扶持结果对应的扶持效果越好；

当所述第一预测结果小于0时，所述第一扶持结果属于第四扶持级别，所述第一预测结果越大，所述第一扶持结果对应的扶持效果越好；

其中，所述第一扶持级别、所述第二扶持级别、所述第三扶持级别和所述第四扶持级别对应的扶持效果依次降低。

在一些可能的实施方式中，当所述第二预测结果大于0时，所述第二扶持结果属于第一扶持级别，所述第二预测结果越大，所述第二扶持结果对应的扶持效果越好；

当所述第二预测结果小于90°时，所述第二扶持结果属于第二扶持级别，所述第二预测结果越大，所述第二扶持结果对应的扶持效果越好；

当所述第二预测结果小于0时，所述第二扶持结果属于第三扶持级别，所述第二预测结果越大，所述第二扶持结果对应的扶持效果越好；

其中，所述第一扶持级别、所述第二扶持级别和所述第三扶持级别对应的扶持效果依次降低。

在一些可能的实施方式中，当所述第三预测结果大于0时，所述第三扶持结果属于第一扶持级别，所述第三预测结果越大，所述第三扶持结果对应的扶持效果越好；

当所述第三预测结果小于90°时，所述第三扶持结果属于第二扶持级别，所述第三预测结果越大，所述第三扶持结果对应的扶持效果越好；

当所述第三预测结果小于0时，所述第三扶持结果属于第三扶持级别，所述第三预测结果越大，所述第三扶持结果对应的扶持效果越好；

当所述第三预测结果大于90°时，所述第三扶持结果属于第四扶持级别，所述第三预测结果越大，所述第三扶持结果对应的扶持效果越好；

其中，所述第一扶持级别、所述第二扶持级别、所述第三扶持级别和所述第四扶持级所对应的扶持效果依次降低。

图18为本申请实施例提供了一种产业扶持结果的处理装置1800，包括：

相互耦合的处理器1840、通信接口1830、存储器1820和显示器1810；例如处理器1840、通信接口1830、存储器1820和显示器1810通过总线1850耦合。

存储器1820可包括但不限于随机存储记忆体(Random Access Memory，RAM)、可擦除可编程只读存储器(Erasable Programmable ROM，EPROM)、只读存储器(Read-OnlyMemory,ROM)或便携式只读存储器(Compact Disc Read-Only Memory，CD-ROM)等等，该存储器1820用于相关指令及数据。

处理器1840可以是一个或多个中央处理器(Central Processing Unit，CPU)，在处理器1840是一个CPU的情况下，该CPU可以是单核CPU，也可以是多核CPU。

处理器1840用于读取存储器1820中存储的程序代码，与通信接口1830配合执行本申请上述实施例中由产业扶持结果的处理装置1800执行的方法的部分或全部步骤。

举例来说，处理器1840，用于根据第t年到第t+k年中每年的历史扶持数据，确定所述第t年到所述第t+k年之间的历史扶持结果；

处理器1840，还用于控制显示器1810在可视化界面展示所述历史扶持结果。

在一些可能的实施方式中，所述扶持结果包括与企业发展维度对应的第一扶持结果、与企业成长维度对应的第二扶持结果以及与扶持效益维度对应的第三扶持结果，所述历史扶持数据包括每个已扶持企业的企业数据中的一个或多个，

在根据第t年到第t+k年中每年的历史扶持数据，确定所述第t年到所述第t+k年之间的历史扶持结果方面，处理器1840，具体用于：

根据每个已扶持企业的企业数据，确定每个已扶持企业在维度A上的历史扶持结果，所述维度A为所述企业发展维度、所述企业成长维度以及所述扶持效益维度中的一个维度；

根据每个已扶持企业在所述维度A上的历史扶持结果，确定所述第t年到所述第t+k年之间在所述维度A上的历史扶持结果。

在一些可能的实施方式中，所述企业数据包括每个已扶持企业所获得的扶持资金、营收增速、员工增速、营收额和纳税额，

在根据每个已扶持企业的企业数据，确定每个已扶持企业在维度A上的历史扶持结果方面，处理器1840，具体用于：

当所述维度A为所述企业发展维度时，根据每个已扶持企业第t年的营收增速和员工增速，以及第t+k年的营收增速和员工增速，得到每个已扶持企业的第一历史扶持结果；

当所述维度A为所述企业成长维度时，根据每个已扶持企业第t年的营收增速和营收额，以及第t+k年的营收增速和营收额，得到每个已扶持企业的第二历史扶持结果；

当所述维度A为所述扶持效益维度时，根据每个已扶持企业第t年所获得的扶持资金、第t年的纳税额以及第t+k年的纳税额，得到每个已扶持企业的第三历史扶持结果。

在一些可能的实施方式中，所述历史扶持数据包括扶持资金使用信息，在根据每个已扶持企业的企业数据，确定每个已扶持企业在维度A上的历史扶持结果方面，处理器1840，具体用于：

根据第r年的扶持资金使用信息，得到所述第r年的历史扶持结果，所述第r年为所述第t年到所述第t+k年之间的一个年份；

所述历史扶持结果包括：扶持资金的投入比、扶持资金的使用分布以及扶持产业领域分布、各个扶持产业领域所获扶持资金的占比、各个扶持产业领域所获扶持资金的用途、以及每个扶持产业所获得的扶持资金分布，所述扶持资金的投入比为所述第r年实际使用的扶持资金与所述第r年预算投入的扶持资金的比值。

在上述实施例中，可全部或部分地通过软件、硬件、固件、或其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如软盘、硬盘、磁带)、光介质(例如光盘)、或者半导体介质(例如固态硬盘)等。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在上述实施例中对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置，也可以通过其它的方式实现。例如以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可结合或者可以集成到另一个系统，或一些特征可以忽略或不执行。另一点，所显示或讨论的相互之间的间接耦合或者直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者，也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例的方案的目的。

另外，在本申请各实施例中的各功能单元可集成在一个处理单元中，也可以是各单元单独物理存在，也可两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，或者也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质例如可包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或光盘等各种可存储程序代码的介质。