城市群产业创新力的确定方法、装置和设备

摘要

本发明实施例提供一种城市群产业创新力的确定方法、装置和设备，该方法包括：获取目标知识图谱；目标知识图谱是基于城市群产业创新力历史数据得到的；根据目标知识图谱和训练得到的时间感知复制生成网络模型，得到城市群产业创新力预期数据；根据城市群产业创新力历史数据、城市群产业创新力预期数据和训练得到的城市群产业创新力评价模型，确定城市群产业创新力。本发明实施例的方法实现了城市群产业创新力的确定。

说明书

技术领域

本发明涉及城市大数据应用技术领域，尤其涉及一种城市群产业创新力的确定方法、装置和设备。

背景技术

城市群是城市发展到成熟阶段的最高空间组织形式，是承载人口、经济及产业等发展要素的主要载体，尤其是在产业经济协同建设中，城市群起到了尤为突出的重要战略地位。

城市群的产业创新力分析，对于辅助城市群产业协同决策，推进产业链空间布局优化，促进区域经济协调发展具有重要的意义。但由于城市群中的海量时空大数据具有高动态性、高耦合度、高异构性、多粒度、多尺度等特点，难以准确地确定和评价城市群的产业创新力。因此如何准确地确定和评价城市群的产业创新力是本领域技术人员亟需关注的问题。

发明内容

针对现有技术中的问题，本发明实施例提供一种城市群产业创新力的确定方法、装置和设备。

具体地，本发明实施例提供了以下技术方案：

第一方面，本发明实施例提供了一种城市群产业创新力的确定方法，包括：

获取目标知识图谱；所述目标知识图谱是基于城市群产业创新力历史数据得到的；

根据所述目标知识图谱和训练得到的时间感知复制生成网络模型，得到城市群产业创新力预期数据；

根据所述城市群产业创新力历史数据、所述城市群产业创新力预期数据和训练得到的城市群产业创新力评价模型，确定所述城市群产业创新力。

进一步地，获取所述目标知识图谱，包括：

获取城市群产业创新力历史数据；

根据所述城市群产业创新力历史数据，确定实体以及实体之间的关系；所述实体表示所述创新力数据中的至少一项信息；

根据所述实体、实体之间的关系及实体之间的关系所对应的时间，获取所述目标知识图谱。

进一步地，所述根据所述目标知识图谱和训练得到的时间感知复制生成网络模型，得到城市群产业创新力预期数据，包括:

利用所述时间感知复制生成网络模型中的复制模式和第一实体集合，获取所述第一实体集合中各个实体之间存在关系的概率；所述第一实体集合包括：根据所述目标知识图谱中的实体之间的关系确定的多个实体；

利用所述时间感知复制生成网络模型中的生成模式和第二实体集合，获取所述第二实体集合中各个实体之间存在关系的概率；所述第二实体集合包括所述目标知识图谱中的所有实体；

根据所述第一实体集合中各个实体之间存在关系的概率和所述第二实体集合中各个实体之间存在关系的概率，得到所述城市群产业创新力预期数据。

进一步地，所述城市群产业创新力评价模型的输出参数，包括以下至少一项：

城市群产业创新聚集程度、城市群产业创新区位熵和城市群产业创新中心化程度。

进一步地，在城市群产业创新力评价指标包括城市群产业创新聚集程度的情况下，利用如下公式(1)建立城市群产业创新力评价模型：

其中，I表示城市群产业创新聚集程度，z

进一步地，在城市群产业创新力评价指标包括城市群产业创新区位熵的情况下，利用如下公式(2)建立城市群产业创新力评价模型：

其中，LQ

进一步地，在城市群产业创新力评价指标包括城市群产业创新中心化程度的情况下，利用如下公式(3)建立城市群产业创新力评价模型：

其中，H(x)表示城市群产业创新中心化程度，x

进一步地，所述根据所述城市群产业创新力历史数据、所述城市群产业创新力预期数据和所述城市群产业创新力评价模型，确定所述城市群产业创新力，包括：

根据所述城市群产业创新力历史数据和所述城市群产业创新力评价模型，确定所述城市群产业创新力历史评价指标；

根据所述城市群产业创新力预期数据和所述城市群产业创新力评价模型，确定所述城市群产业创新力预期评价指标；

根据所述城市群产业创新力历史评价指标和所述城市群产业创新力预期评价指标，确定所述城市群产业创新力。

第二方面，本发明实施例还提供了一种城市群产业创新力的确定装置，包括：

获取模块，用于获取目标知识图谱；所述目标知识图谱是基于城市群产业创新力历史数据得到的；

处理模块，用于根据所述目标知识图谱和训练得到的时间感知复制生成网络模型，得到城市群产业创新力预期数据；

确定模块，用于根据所述城市群产业创新力历史数据、所述城市群产业创新力预期数据和训练得到的城市群产业创新力评价模型，确定所述城市群产业创新力。

第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述城市群产业创新力的确定方法。

第四方面，本发明实施例还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述城市群产业创新力的确定方法。

第五方面，本发明实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如第一方面所述城市群产业创新力的确定方法。

本发明实施例提供的城市群产业创新力的确定方法、装置和设备，通过城市群产业创新力历史数据构建和获取目标知识图谱，使得城市群产业创新力历史数据摆脱了数据间的孤立的属性，使其成为具有语义的关系网，形象准确地体现出城市群产业创新力历史数据中所包含的实体及实体之间的关系；进一步根据目标知识图谱和时间感知复制生成网络模型，即通过知识图谱中的历史实体和整体实体词汇两种不同的维度预测未来时期的产业创新数据，使得城市群产业创新力预期数据更加的全面和准确；最终通过构建城市群产业创新力评价模型，使得城市群产业创新力的评价有了明确的标准，也就使得城市群产业创新力的评价更加的准确，进而根据城市群产业创新力历史数据、城市群产业创新力预期数据和训练得到的城市群产业创新力评价模型，就可以全面、准确的确定城市群产业创新力。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的城市群产业创新力的确定方法的流程示意图；

图2是本发明实施例提供的城市群产业创新动态知识图谱示意图；

图3是本发明实施例提供的基于时间复制生成网络模型得到城市群产业创新力预期数据；

图4是本发明实施例提供的城市群产业创新力的确定装置的结构示意图；

图5是本发明实施例提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例的方法可以应用于城市大数据应用场景中，准确地实现城市群产业创新力的确定。

相关技术中，城市群的产业创新力分析，对于辅助城市群产业协同决策，推进产业链空间布局优化，促进区域经济协调发展具有重要的意义。但由于城市群中的海量时空大数据具有高动态性、高耦合度、高异构性、多粒度、多尺度等特点，难以准确地确定和评价城市群的产业创新力。因此如何准确地确定和评价城市群的产业创新力是本领域技术人员亟需关注的问题。

本发明实施例的城市群产业创新力的确定方法，通过城市群产业创新力历史数据构建和获取目标知识图谱，使得城市群产业创新力历史数据摆脱了数据间的孤立的属性，使其成为具有语义的关系网，形象准确地体现出城市群产业创新力历史数据中所包含的实体及实体之间的关系；进一步根据目标知识图谱和时间感知复制生成网络模型，即通过知识图谱中的历史实体和整体实体词汇两种不同的维度预测未来时期的产业创新数据，使得城市群产业创新力预期数据更加的全面和准确；最终通过构建城市群产业创新力评价模型，使得城市群产业创新力的评价有了明确的标准，也就使得城市群产业创新力的评价更加的准确，进而根据城市群产业创新力历史数据、城市群产业创新力预期数据和训练得到的城市群产业创新力评价模型，就可以全面、准确的确定城市群产业创新力。

下面结合图1-图5以具体的实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

图1是本发明实施例提供的城市群产业创新力的确定方法一实施例的流程示意图。如图1所示，本实施例提供的方法，包括：

步骤101、获取目标知识图谱；目标知识图谱是基于城市群产业创新力历史数据得到的；

具体地，知识图谱可以实现成体系的分类知识整理，构筑知识关系，使得知识摆脱了孤立的属性，变成了具有语义的关系网，其本质上是一种揭示实体之间关系的语义网络，一种基于图的数据结构，由“节点—边—节点”组成，可以对现实世界的事物及其相互关系进行形式化地描述。通过知识建模-知识获取-知识融合-知识存储-知识计算等步骤进行处理，对多种来源知识进行建模融合，消除实体、关系、属性等指称项与事实对象之间的歧义,规范化整合不同来源的知识，最终用于知识应用。

因此，可以基于城市群产业创新力历史数据构建和获取动态的知识图谱，通过知识图谱形象准确地体现出城市群产业创新力历史数据中所包含的实体及实体之间的关系。

步骤102、根据目标知识图谱和训练得到的时间感知复制生成网络模型，得到城市群产业创新力预期数据；

具体地，时间感知复制生成网络模型(copy-generation，CyGNet)不仅能从整个实体词汇表中预测未来的事实，而且能够通过参考已知事实，预测未来事实。因此在获取目标知识图谱后，可以利用时间感知复制生成网络模型，根据已有动态知识图谱预测未来时期的产业创新数据，即综合已有动态知识图谱中出现过的历史实体词汇以及整体实体词汇的生成概率来预测未来时期的产业创新数据。实现了基于动态知识图谱的城市群产业创新认知建模及推理的过程。

时间感知复制生成网络模型可以基于预先建立的机器学习模型训练得到，训练数据例如包括：城市群产业创新力知识图谱，城市群产业创新力预期数据，该时间感知复制生成网络模型的输入参数为目标知识图谱，输出参数为城市群产业创新力预期数据。

步骤103、根据城市群产业创新力历史数据、城市群产业创新力预期数据和训练得到的城市群产业创新力评价模型，确定城市群产业创新力。

具体地，城市群产业创新力评价模型是基于城市群产业创新力历史数据训练得到，通过城市群产业创新力评价模型可以对城市群产业创新力的强弱进行定量的评价，和/或对城市群产业创新力的短板进行分析，和/或对多个城市群的产业创新力进行排名，辅助城市群产业协同决策，促进区域经济协调发展。本申请实施例中通过构建城市群产业创新力评价模型，使得城市群产业创新力的评价有了明确的标准，也就使得城市群产业创新力的评价更加的准确。进一步地，根据城市群产业创新力历史数据、城市群产业创新力预期数据，基于城市群产业创新力评价模型，即将城市群产业创新力历史数据、城市群产业创新力预期数据，输入至构建的城市群产业创新力评价模型中，就可以基于创新力数据获得其所对应的城市群产业创新力评价结果。

城市群产业信息系统作为一个复杂巨系统，具有要素多元、联系复杂、规模及结构动态变化等特点，本申请实施例中，在城市群产业协同应用中，基于跨域跨行业间产业要素及分工协同关系动态变化、复杂多样等特点，扩展知识图谱的空间结构，基于复杂异构、动态多变的城市群产业数据建立适用于该场景的理论模型，进而从时空演化层面实现对城市群协同决策的过程描述和推理，解决了多源异构感知数据融合困难、城市群产业协同指标不明及统筹决策模式匮乏、预测精准度低等问题，准确地对城市群产业创新力进行评价。

另外，基于城市群产业协同场景中，产业间互相投资、机构间合作模式也呈现出历史依赖性，通过利用已知事实预测未来事实，即将这种重复模式的认识纳入动态知识图谱的建模中，通过面向城市群产业创新分析，提出了城市群产业创新力评价测度，构建了城市群产业创新动态知识图谱，将多源异构时空数据抽取创建为知识库，并提出一种基于时间感知复制生成机制的知识图表示学习模型，实现城市群产业创新领域更智能化的建模分析及推理预测，进一步辅助城市群产业协同决策，为推进产业链空间布局优化，促进区域经济协调发展等提供支撑。

上述实施例的方法，通过城市群产业创新力历史数据构建和获取目标知识图谱，使得城市群产业创新力历史数据摆脱了数据间的孤立的属性，使其成为具有语义的关系网，形象准确地体现出城市群产业创新力历史数据中所包含的实体及实体之间的关系；进一步根据目标知识图谱和时间感知复制生成网络模型，即通过知识图谱中的历史实体和整体实体词汇两种不同的维度预测未来时期的产业创新数据，使得城市群产业创新力预期数据更加的全面和准确；最终通过构建城市群产业创新力评价模型，使得城市群产业创新力的评价有了明确的标准，也就使得城市群产业创新力的评价更加的准确，进而根据城市群产业创新力历史数据、城市群产业创新力预期数据和训练得到的城市群产业创新力评价模型，就可以全面、准确的确定城市群产业创新力。

可选地，获取目标知识图谱，包括：

获取城市群产业创新力历史数据；

根据城市群产业创新力历史数据，确定实体以及实体之间的关系；实体表示创新力数据中的至少一项信息；

根据实体、实体之间的关系及实体之间的关系所对应的时间，获取目标知识图谱。

具体地，本实施利中通过构建知识图谱，针对时变异构、高耦合、多粒度的城市群产业运行数据，进行更智能化的建模分析及推理预测，进而辅助城市群产业协同决策，推进产业链空间布局优化，促进区域经济协调发展。

例如，构建城市群产业创新动态知识图谱，实现产业创新数据自动获取及结构化存储，形成城市群产业创新知识库，通过网络爬虫技术自动获取城市群产业创新力历史数据，构建城市群产业创新动态知识图谱，其中，城市群产业创新力历史数据为原始的与创新力相关的历史数据，包括城市群科技创新数据、行业产值数据、企业产值数据、科研论文和专利等数据。

如图2所示是本发明实施例提供的城市群产业创新动态知识图谱示意图。具体如下：

通过网络爬虫技术，自动获取科研机构发表的论文、专利等数据，数据中包括论文专利名称、作者、单位机构、时间。以论文数据为例，首先基于爬虫结果，构建机构名称-发表论文文献号-发表期刊名称-发表年份的数据库源文件；

其次，基于源文件所提供的机构名称，部分根据城市名称直接提取，另外不带城市名的机构可通过百度地图接口查询获得其地理信息，从而得到其所在市级别的地理位置；

最后，对于含有英文名称的机构，通过使用翻译接口获得中文信息后，再通过上述过程得到其所在市级别的地理位置；

基于上述筛选清洗后的数据，通过对其中所有机构排列打标签，作为动态知识图谱中的实体编号，动态知识图谱中的关系可定义为合作关系、发表关系以及在城市三种，分别代表机构间的两两合作，论文发表于期刊，以及机构属于某个城市。其中对于一条多个机构合作发表论文的数据，每两个机构间都形成合作关系，这样将产生多组合作关系数据。例如，基于筛选后的数据，对所有论文专利名称、作者、单位机构、地理位置等，作为动态知识图谱中的实体；定义动态知识图谱中实体之间的关系，如“合作”、“发表”以及“在城市”等，分别代表机构间的两两合作，论文发表于期刊，以及机构属于某个城市。

同时，对于提取出的每条合作关系数据，都有相应合作年份，于是，机构间合作关系，以及其合作年份，构建成头实体-关系-尾实体-时间的动态知识图谱四元组，构成了城市群动态知识图谱的四元组，从而完成构建基于四元组的城市群产业创新动态知识图谱。

上述实施例的方法，通过城市群产业创新力历史数据，确定实体以及实体之间的关系；进而根据实体、实体之间的关系，就可以构建出城市群产业创新力动态知识图谱，使得城市群产业创新力数据成为具有语义的关系网，摆脱了孤立的属性，并对城市群产业创新力数据及数据间的相互关系进行准确地描述，准确构建了城市群创新力数据间的实体关系，将城市群创新力数据间的实体关系也作为城市群创新力评价的对象，丰富了城市群创新力评价的维度，也就使得城市群创新力的评价更加的全面和准确。

可选地，根据目标知识图谱和训练得到的时间感知复制生成网络模型，得到城市群产业创新力预期数据，包括:

利用时间感知复制生成网络模型中的复制模式和第一实体集合，获取第一实体集合中各个实体之间存在关系的概率；第一实体集合包括：根据目标知识图谱中的实体之间的关系确定的多个实体；

利用时间感知复制生成网络模型中的生成模式和第二实体集合，获取第二实体集合中各个实体之间存在关系的概率；第二实体集合包括目标知识图谱中的所有实体；

根据第一实体集合中各个实体之间存在关系的概率和第二实体集合中各个实体之间存在关系的概率，得到城市群产业创新力预期数据。

具体地，时间感知复制生成网络模型中的复制模式从历史实体词汇中预测其存在关系的概率；时间感知复制生成网络模型中的生成模式从整个实体词汇中推断其存在关系的概率，最后将两种概率加权组合为最终实体间存在关系的预测概率，也就得到城市群产业创新力预期数据。

例如，基于时间复制生成网络对已有的动态知识图谱进行未来城市群产业创新数据的推理及预测，具体如下：

选取城市群内机构间产业创新合作关系预测为例，将过去20年有论文合作关系的机构集合作为历史实体词汇表，比如大学A、大学B、大学C等，而整个机构集合作为整体实体词汇表。利用复制模式从上述历史实体词汇中预测其合作实体概率，同时，采用生成模式从整个实体词汇中推断其合作实体概率。最后，将两种概率加权组合为最终合作实体的预测概率，获得城市群机构间的合作情况。如图3所示。

复制模式的设计是为了识别重复的事实，并相应地通过复制历史上已知的事实来预测未来的事实。首先通过多层感知机生成索引向量V

V

其中W

而生成模式的预测将事实视为全新事实，而不参考历史，其从整个机构实体词汇表中预测实体发生概率，与复制模式类似，生成模式生成索引向量，并用Softmax函数进行归一化得到整个实体词汇表上的预测概率pg。

学习目标是在训练过程中最小化以下交叉熵损失L：

其中o

当训练完成后，为了进行尾实体推断，采用系数α来调整复制模式和生成模式之间的权重，最后的预测为组合概率最高的实体，定义如下：

P(o|s,p,t)＝α×p(c)+(1-α)×p(g)

o

其中α大于等于0，小于等于1，p(o|s,p,t)是所有实体的预测概率。

基于上述理论模型，基于产业创新动态知识图谱不同时间的事实离散化的不同年份四元组，对未来年份的合作情况进行预测。将产业创新数据集分成训练集、验证集和测试集，按时间顺序分为80％、10％、10％，评价标准取用平均倒数Ranks(MRR)和Hits1/3/10(正确预测实体顺序排在前1/3/10以内)。同时，使用在先前工作中广泛采用的过滤评估约束，模型参数首先用Xavier初始化，并使用AMSGrad优化器进行优化，学习速率为0.001，批处理大小设置为1024，训练迭代周期设为30，输入实体、关系及时间等向量的嵌入尺寸设置为200,模型配置超参数的值根据每个验证集上的MRR性能来确定。

上述实施例的方法，通过利用时间感知复制生成网络模型得到城市群产业创新力预期数据，其中，复制模式是通过复制历史上已知的事实来预测未来的事实，即通过从历史实体词汇预测城市群产业创新力预期数据；生成模式不参考历史，通过从整个实体词汇表中预测城市群产业创新力预期数据；也就是从不同维度对城市群产业创新力预期数据进行预测，并对两种预测方式的权重进行针对性的调整，使得城市群产业创新力预期数据更加的合理和准确。

可选地，城市群产业创新力评价模型的输出参数，包括以下至少一项：

城市群产业创新聚集程度、城市群产业创新区位熵和城市群产业创新中心化程度。

具体地，本实施例对城市群产业创新力评价测度进行建模，通过城市群产业创新聚集程度、城市群产业创新区位熵、城市群产业创新中心化程度，从城市群和城市之间流动要素角度对产业的创新性、空间分布情况、产业聚集情况进行了评价指标的建模，使得可以准确有效地对城市群产业创新力进行评价，使得城市群产业创新力的评价有了明确的标准，也就使得城市群产业创新力的评价更加的准确。

可选地，在城市群产业创新力评价指标包括城市群产业创新聚集程度的情况下，利用如下公式(1)建立城市群产业创新力评价模型：

其中，I表示城市群产业创新聚集程度，z

本申请实施例中，城市群产业创新聚集程度，通过该城市某产业要素在整个产业要素中的比率，以及该城市在城市群中的分布情况，评价某城市的产业创新要素在城市群中的地位和作用。

可选地，在城市群产业创新力评价指标包括城市群产业创新区位熵的情况下，利用如下公式(2)建立城市群产业创新力评价模型：

其中，LQ

可选地，在城市群产业创新力评价指标包括城市群产业创新中心化程度的情况下，利用如下公式(3)建立城市群产业创新力评价模型：

其中，H(x)表示城市群产业创新中心化程度，x

对于某个城市，其产业要素数量反映了城市群网络中影响效应的优先级，产业要素随机性越小或者越两极分化，其信息熵值越小，该城市控制整个城市群的能力越弱，城市群网络的中心化程度就越高；相反，产业要素随机性越大或者越平均，其熵值越大，该城市控制整个城市群的能力越强，城市群网络的中心化程度就越低。

可选地，根据城市群产业创新力历史数据、城市群产业创新力预期数据和城市群产业创新力评价模型，确定城市群产业创新力，包括：

根据城市群产业创新力历史数据和城市群产业创新力评价模型，确定城市群产业创新力历史评价指标；

根据城市群产业创新力预期数据和城市群产业创新力评价模型，确定城市群产业创新力预期评价指标；

根据城市群产业创新力历史评价指标和城市群产业创新力预期评价指标，确定城市群产业创新力。

具体地，城市群产业创新力评价模型，通过城市群产业创新聚集程度、城市群产业创新区位熵、城市群产业创新中心化程度，可以准确有效地对城市群产业创新力进行评价。

例如，通过历史数据及预测出的产业创新数据，对城市群历年及未来的产业创新力评价进行推演(计算历史及预测的城市群产业创新评价)。首先，根据历史数据，计算以往所有年度的各项城市群产业创新指标结果；其次，利用基于时间复制生成网络计算下一年度预测出的各城市间创新合作数量；再次，将预测的各城市间创新合作数和城市群产业创新指标模型，得到下一年度各指标预测值；最后，得到历史及预测的城市群产业创新评价，实现城市群产业创新力的推演。

本申请实施例中，根据城市群产业创新力历史数据、城市群产业创新力预期数据和城市群产业创新力评价模型，得到了城市群产业创新力历史评价指标和城市群产业创新力预期评价指标，实现了城市群产业创新力的准确评价。

下面对本发明提供的城市群产业创新力的确定装置进行描述，下文描述的城市群产业创新力的确定装置与上文描述的城市群产业创新力的确定方法可相互对应参照。

图4是本发明提供的城市群产业创新力的确定装置的结构示意图。本实施例提供的城市群产业创新力的确定装置，包括：

获取模块710，用于获取目标知识图谱；目标知识图谱是基于城市群产业创新力历史数据得到的；

处理模块720，用于根据目标知识图谱和训练得到的时间感知复制生成网络模型，得到城市群产业创新力预期数据；

确定模块730，用于根据城市群产业创新力历史数据、城市群产业创新力预期数据和训练得到的城市群产业创新力评价模型，确定城市群产业创新力。

可选地，所述获取模块710，具体用于：获取城市群产业创新力历史数据；

根据城市群产业创新力历史数据，确定实体以及实体之间的关系；实体表示创新力数据中的至少一项信息；

根据实体、实体之间的关系及实体之间的关系所对应的时间，获取目标知识图谱。

可选地，所述处理模块720，具体用于：利用时间感知复制生成网络模型中的复制模式和第一实体集合，获取第一实体集合中各个实体之间存在关系的概率；第一实体集合包括：根据目标知识图谱中的实体之间的关系确定的多个实体；

利用时间感知复制生成网络模型中的生成模式和第二实体集合，获取第二实体集合中各个实体之间存在关系的概率；第二实体集合包括目标知识图谱中的所有实体；

根据第一实体集合中各个实体之间存在关系的概率和第二实体集合中各个实体之间存在关系的概率，得到城市群产业创新力预期数据。

可选地，城市群产业创新力评价模型的输出参数，包括以下至少一项：

城市群产业创新聚集程度、城市群产业创新区位熵和城市群产业创新中心化程度。

可选地，所述获取模块710，还用于：在城市群产业创新力评价指标包括城市群产业创新聚集程度的情况下，利用如下公式(1)建立城市群产业创新力评价模型：

其中，I表示城市群产业创新聚集程度，z

可选地，所述获取模块710，还用于：在城市群产业创新力评价指标包括城市群产业创新区位熵的情况下，利用如下公式(2)建立城市群产业创新力评价模型：

其中，LQ

可选地，所述获取模块710，还用于：在城市群产业创新力评价指标包括城市群产业创新中心化程度的情况下，利用如下公式(3)建立城市群产业创新力评价模型：

其中，H(x)表示城市群产业创新中心化程度，x

可选地，所述确定模块730，具体用于：根据城市群产业创新力历史数据和城市群产业创新力评价模型，确定城市群产业创新力历史评价指标；

根据城市群产业创新力预期数据和城市群产业创新力评价模型，确定城市群产业创新力预期评价指标；

根据城市群产业创新力历史评价指标和城市群产业创新力预期评价指标，确定城市群产业创新力。

本发明实施例的装置，其用于执行前述任一方法实施例中的方法，其实现原理和技术效果类似，此次不再赘述。

图5示例了一种电子设备的实体结构示意图，该电子设备可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行城市群产业创新力的确定方法，该方法包括：获取目标知识图谱；目标知识图谱是基于城市群产业创新力历史数据得到的；根据目标知识图谱和训练得到的时间感知复制生成网络模型，得到城市群产业创新力预期数据；根据城市群产业创新力历史数据、城市群产业创新力预期数据和训练得到的城市群产业创新力评价模型，确定城市群产业创新力。

此外，上述的存储器830中的逻辑指令可以通过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，本发明的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(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的城市群产业创新力的确定方法，该方法包括：获取目标知识图谱；目标知识图谱是基于城市群产业创新力历史数据得到的；根据目标知识图谱和训练得到的时间感知复制生成网络模型，得到城市群产业创新力预期数据；根据城市群产业创新力历史数据、城市群产业创新力预期数据和训练得到的城市群产业创新力评价模型，确定城市群产业创新力。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的城市群产业创新力的确定方法，该方法包括：获取目标知识图谱；目标知识图谱是基于城市群产业创新力历史数据得到的；根据目标知识图谱和训练得到的时间感知复制生成网络模型，得到城市群产业创新力预期数据；根据城市群产业创新力历史数据、城市群产业创新力预期数据和训练得到的城市群产业创新力评价模型，确定城市群产业创新力。

以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。