自改革开放以来,中小企业在我国经济中所发挥的巨大作用日益为各界人士所重视,而中小企业面临的最大问题就是经营困难尤其是融资难。中小企业在创业阶段,往往没有专业的数据分析人员,导致对资本市场的趋势把握不清,创业过程中往往会走许多弯路。在创业阶段的数据分析工作中,最为重要也是最为基础的就是行业热点分析与竞品分析。行业热点分析的基础就是要先将各个公司准确地划分到符合其实际情况的行业,然后对各家公司的业务方向进行热点挖掘,国内相关的投融资信息门户类网站有很多,但都存在行业划分过于死板和业务方向过于笼统的问题;竞品分析的基础是要能够准确地计算出公司间的相似度,计算相似度前提是有效地对公司进行向量化表示,国内外关于向量化的相关研究很多,但还没有针对公司数据的向量化方法。本课题搜集互联网上的相关数据,通过多标签分类技术,对企业重新进行多标签的分类,每个标签对应一个业务方向,解决业务方向过于笼统的问题;通过向量化的相关技术,对公司进行向量化表示,提高公司间相似度计算性能;基于公司向量对公司进行聚类,以每个类簇作为一个行业进行行业划分,解决行业划分过于死板的问题。并结合以上技术将行业热点分析与竞品分析通过软件固化,便于中小企业在创业阶段快速完成数据分析。本文的主要研究和贡献如下:(1)针对实际业务场景,设计了一个基于Text-CNN和SGM模型的多标签分类模型,通过将多标签分类问题转换为序列生成问题来提高分类性能,以便于更好地对公司进行多标签分类,每个标签对应着一个业务方向,通过一组标签更细致地描述公司业务方向,解决业务方向过于笼统的问题。(2)设计了基于多标签分类器的公司向量化表示方法,获得更适用于实际业务场景的特征向量,以提高公司间相似度计算的性能;以及用于公司聚类,对各个公司进行更合理的行业划分,解决传统的行业划分过于死板的问题。(3)以所设计的公司多标签分类模型和公司向量化方法为核心,设计和实现了一个包含数据采集、模型计算、数据分析三个模块,可进行行业热点分析和竞品分析的软件。