随着互联网和计算机技术的发展,许多传统行业也开始向数字化的经营方向变革。企业更是在运营管理方面引入新工具,如使用完善的企业资源管理(ERP,EnterpriseResourcePlanning)系统进行计划管理,通过互联网营销宣传等。在数字化经营的环境下,企业及其用户产生大量多维度数据,而整理分析后的数据本身又可以反映企业的经营状况,为其发展提供有价值的信息。上市企业通常拥有持续时间较长的财务指标数据,一般使用传统的财务指标分析方法对未来的盈利作出预测,而中小体量的企业普遍缺乏完善的财务管理且可分析数据较少,对其进行盈利预测的难度较大,因此目前企业盈利预测的研究主要集中在上市公司。本文进行盈利预测的主要研究对象是餐饮行业的中小型企业,目前国内并没有面向这类企业的盈利预测研究,而这类企业由于行业特性和现金流、体量等原因更容易遇到经营不善的问题。对餐饮类中小型企业经营情况的分析与预测既可以作为数据服务提供给企业主帮助其进行管理,也可以结合其他行业如风险投资,贷款服务对企业进行风险评估。本文的研究数据分为两类,其中一种是一家餐饮类ERP公司提供的2000余家餐饮企业近一年的月营收数据,另一种是编写爬虫从线上点评网站——大众点评获取的用户对商家的评价信息。由于月营收这类短时间序列数据并不适合用传统的时间序列分析模型如ARIMA等进行分析,本文提出基于LSTM(LongShort-Term Memory)改进的神经网络作为盈利预测模型,使用 Maxout 激活函数替换LSTM中输入部分原本的tanh函数生成改进后的Maxout-LSTM神经网络,经过和SVR及灰色模型的对比试验后证明Maxout-LSTM有更高的准确度。与传统盈利预测模型只使用财务指标进行分析预测不同,本文提出了基于评论特征的扩展盈利预测模型,即挖掘线上评论从而提取有价值的信息作为新增特征。除了评论信息中的基础特征如各项评分外,通过主题模型、情感分析、对低可靠度用户的评分进行修正等方法从评论数据中提取相关特征并结合Maxout-LSTM 使盈利预测模型准确度得到进一步提升。