CN110737694B - 一种政务数据资源目录智能订阅方法 - Google Patents
一种政务数据资源目录智能订阅方法 Download PDFInfo
- Publication number
- CN110737694B CN110737694B CN201910873732.4A CN201910873732A CN110737694B CN 110737694 B CN110737694 B CN 110737694B CN 201910873732 A CN201910873732 A CN 201910873732A CN 110737694 B CN110737694 B CN 110737694B
- Authority
- CN
- China
- Prior art keywords
- catalog
- department
- directory
- subscription
- recommendation index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明涉及数据资源目录技术领域,具体为一种政务数据资源目录智能订阅方法。包括有如下步骤:a.查找订阅部门的业务相似部门;b.查找历史订阅目录;c.计算参考价值贡献值;d.计算每个发布部门、目录分类的和目录标签的单项推荐指数;e.将全部发布部门、目录分类和目录标签进行全连接,生成多个目录属性组合;f.计算综合推荐指数;g.根据步骤f计算得到的每个目录属性组合的综合推荐指数对所有目录属性组合进行降序排序;依次按照条件进行检索,将检索到的目录推荐给订阅部门。本发明比较高效、精准地为用户推荐需要的目录资源,为用户订阅目录提供便捷,同时提高资源的利用率;加权系数可以根据实际效果进行动态调节,具有一定的适应性。
Description
技术领域
本发明涉及数据资源目录技术领域,具体为一种政务数据资源目录智能订阅方法。
背景技术
政务数据资源是以目录的形式组织,这样可以方便使用。目录是以发布、订阅的方式提供服务,资源提供方发布目录,资源使用方订阅已经发布的目录。
但是,由于政务数据资源目录涉及范围广、部门多、数量大,部门订阅目录的时候往往很难快速找出对自己有用的资源,不利于部门的业务实现,也影响资源的有效利用,因此,需要一种资源目录的智能推荐方式,来提高目录订阅的效率。
目前,有两种常见的目录推荐方式。一种是直接统计所有目录的订阅频率,按照订阅频次高低为用户推荐目录;另一种采用人工智能算法进行历史数据的挖掘和分析。第一种方式,是直接在全量范围内统计所有目录的订阅频率,没有考虑订阅部门本身的业务和偏好,缺乏针对性和准确度,不能很好地满足部门订阅目录的需求。第二种方式,由于缺乏业务模型的指导,采用通用的人工智能算法,一方面效率低,另一方面准确度也不高。
因此,为了解决政务数据资源目录推荐效率低、准确性不高等问题,本发明针对政务数据资源目录的业务模型提出了一种有针对性的智能推荐算法,能以较高的效率推荐出较有价值的资源目录。
发明内容
本发明的目的在于提供一种政务数据资源目录智能订阅方法,针对政务数据资源目录的业务模型提出了一种有针对性的智能推荐算法,能以较高的效率推荐出较有价值的资源目录,解决政务数据资源目录推荐效率低、准确性不高等问题,
为解决上述技术问题,本发明一种政务数据资源目录智能订阅方法,包括有如下步骤:
a.查找订阅部门的业务相似部门;
b.查找订阅部门的所有业务相似部门的历史订阅目录;
c.计算所有历史订阅目录的参考价值贡献值;
d.找出所有历史订阅目录的全部发布部门、目录分类和目录标签,计算每个发布部门的单项推荐指数、目录分类的单项推荐指数和目录标签的单项推荐指数;
e.将步骤d找到的全部发布部门、目录分类和目录标签进行全连接,生成多个目录属性组合;
f.计算步骤e生产的每个目录属性组合的综合推荐指数;
g.根据步骤f计算得到的每个目录属性组合的综合推荐指数对所有目录属性组合进行降序排序;依次按照条件进行检索,将检索到的目录推荐给订阅部门;
步骤c.计算所有历史订阅目录的参考价值贡献值的方法为:
设订阅部门为d0,设订阅部门d0的相似部门为d1、d2、……、dm,m为相似部门数,设某个相似部门di(0≤i≤m,i∈N)的历史订阅目录为,mi为第i个部门历时订阅的目录数,其中目录cij(1≤j≤mi,i∈N)的发布部门为pij、目录分类为qij、目录标签为lij、订阅时间距当前时间的天数为tij,目录cij的参考价值贡献值V(cij)的计算公式为:
目录cij对于发布部门s的参考价值贡献度Vp(pij,s)的计算公式为:
目录cij对于目录分类x的参考价值贡献度Vc(qij,x)的计算公式为:
目录cij对于目录标签v的参考价值贡献度Vl(lij,v)的计算公式为:
步骤d中发布部门的单项推荐指数的计算公式为:
式中,rp(s)为发布部门的单项推荐指数。
步骤d中目录分类的单项推荐指数的计算公式为:
式中,rc(x)为目录分类的单项推荐指数。
步骤d中目录标签的单项推荐指数的计算公式为:
式中,rl(v)为目录分类的单项推荐指数。
步骤f中每个目录属性组合的综合推荐指数计算公式为:
式中,(0≤r(s,x,v)、rp(s)、 rc(x)、 rl(v)、ap、ac、al≤1,ap+ac+al=1)r(s,x,v)为综合推荐指数,ap为发布部门的加权系数,ac为目录分类的加权系数,al为目录标签的加权系数。
政务数据资源是各类有价值的政务数据,包括文件、库表、接口等。为了管理和使用方便,政务数据资源以目录的形式组织,即资源挂载在树状目录下,资源可以理解为树状目录的叶子节点。目录是对资源的抽象描述,通过目录名称便可以了解所挂载资源的主要内容。目录还能定位资源的具体位置,通过目录,可以获取到资源。目录具有多个属性,本发明中重点需要用到发布部门、目录分类、目录标签3个属性。
由于本发明的目录智能订阅方法是基于对历史订阅目录的分析,而这些目录订阅的时间对分析订阅部门的偏好具有较大的影响。一般来说,时间越近的历史订阅目录越能体现订阅部门当前的偏好;时间越远的历史订阅目录越不能体现订阅部门当前的偏好。假定历史订阅目录订阅时间距当前时间的时长为t天,时间因子为 。从公式可以看出,超过1年(365天)的历史订阅目录不具备参考价值了。
进一步的,ap、ac、al根据经验设定初始值,在使用过程中动态更新,设ap、ac、al初始值为ap=ac=al=1/3。
进一步的,订阅部门d0与业务相似部门di的相似度指数是有人工指定的,数值越大,两个部门的相似度越高,数值越小,两个部门的相似度越低;两个相同部门的值为1,步骤a查找业务相似部门时,设定一个阈值hS,当>hS,部门di为订阅部门d0的业务相似部门。
进一步的,发布部门是目录所挂载资源的提供者;目录分类是对目录进行的一个分类;目录标签是目录所挂载资源的关键字,是对目录下挂载资源的主要内容的描述;
进一步的,一个目录有多个目录标签,在进行步骤d计算目录标签的单项推荐指数时,对每个目录标签进行计算。
本发明的有益效果是:包括有如下步骤:a.查找订阅部门的业务相似部门;b.查找订阅部门的所有业务相似部门的历史订阅目录;c.计算所有历史订阅目录的参考价值贡献值;d.找出所有历史订阅目录的全部发布部门、目录分类和目录标签,计算每个发布部门的单项推荐指数、目录分类的单项推荐指数和目录标签的单项推荐指数;.将步骤d找到的全部发布部门、目录分类和目录标签进行全连接,生成多个目录属性组合;f.计算步骤e生产的每个目录属性组合的综合推荐指数;g.根据步骤f计算得到的每个目录属性组合的综合推荐指数对所有目录属性组合进行降序排序;依次按照条件进行检索,将检索到的目录推荐给订阅部门。本发明比较高效、精准地为用户推荐需要的目录资源,为用户订阅目录提供便捷,同时提高资源的利用率;加权系数可以根据实际效果进行动态调节,具有一定的适应性。
附图说明
图1为本发明单项推荐指数计算过程图;
图2为发明目录智能订阅方法图。
具体实施方式
如图1、图2所示,本发明一种政务数据资源目录智能订阅方法,包括有如下步骤:
a.查找订阅部门的业务相似部门;
b.查找订阅部门的所有业务相似部门的历史订阅目录;
c.计算所有历史订阅目录的参考价值贡献值;
d.找出所有历史订阅目录的全部发布部门、目录分类和目录标签,计算每个发布部门的单项推荐指数、目录分类的单项推荐指数和目录标签的单项推荐指数;
e.将步骤d找到的全部发布部门、目录分类和目录标签进行全连接,生成多个目录属性组合;
f.计算步骤e生产的每个目录属性组合的综合推荐指数;
g.根据步骤f计算得到的每个目录属性组合的综合推荐指数对所有目录属性组合进行降序排序;依次按照条件进行检索,将检索到的目录推荐给订阅部门;
步骤c.计算所有历史订阅目录的参考价值贡献值的方法为:
设订阅部门为d0,设订阅部门d0的相似部门为d1、d2、……、dm,m为相似部门数,设某个相似部门di(0≤i≤m,i∈N)的历史订阅目录为 ,mi为第i个部门历时订阅的目录数,其中目录cij(1≤j≤mi,i∈N)的发布部门为pij、目录分类为qij、目录标签为lij、订阅时间距当前时间的天数为tij,目录cij的参考价值贡献值V(cij)的计算公式为:
目录cij对于发布部门s的参考价值贡献度Vp(pij,s)的计算公式为:
目录cij对于目录分类x的参考价值贡献度Vc(qij,x)的计算公式为:
目录cij对于目录标签v的参考价值贡献度Vl(lij,v)的计算公式为:
步骤d中发布部门的单项推荐指数的计算公式为:
式中,rp(s)为发布部门的单项推荐指数。
步骤d中目录分类的单项推荐指数的计算公式为:
式中,rc(x)为目录分类的单项推荐指数。
步骤d中目录标签的单项推荐指数的计算公式为:
式中,rl(v)为目录分类的单项推荐指数。
步骤f中每个目录属性组合的综合推荐指数计算公式为:
式中,(0≤r(s,x,v)、rp(s)、 rc(x)、 rl(v)、ap、ac、al≤1,ap+ac+al=1)r(s,x,v)为综合推荐指数,ap为发布部门的加权系数,ac为目录分类的加权系数,al为目录标签的加权系数。
政务数据资源是各类有价值的政务数据,包括文件、库表、接口等。为了管理和使用方便,政务数据资源以目录的形式组织,即资源挂载在树状目录下,资源可以理解为树状目录的叶子节点。目录是对资源的抽象描述,通过目录名称便可以了解所挂载资源的主要内容。目录还能定位资源的具体位置,通过目录,可以获取到资源。目录具有多个属性,本发明中重点需要用到发布部门、目录分类、目录标签3个属性。根据订阅部门的业务相似部门的订阅历史、订阅部门自身的订阅历史,从这些历史订阅目录的发布部门、目录分类、目录标签等维度综合分析订阅部门的业务偏好,即通过计算目录属性组合<发布部门、目录分类、目录标签>的综合推荐指数,为订阅部门推荐最有可能需要的资源目录。
由于本发明的目录智能订阅方法是基于对历史订阅目录的分析,而这些目录订阅的时间对分析订阅部门的偏好具有较大的影响。一般来说,时间越近的历史订阅目录越能体现订阅部门当前的偏好;时间越远的历史订阅目录越不能体现订阅部门当前的偏好。假定历史订阅目录订阅时间距当前时间的时长为t天,时间因子为 。从公式可以看出,超过1年(365天)的历史订阅目录不具备参考价值了。
进一步的,ap、ac、al根据经验设定初始值,在使用过程中动态更新,由于目录的发布部门、目录分类、目录标签都和订阅部门的业务具有差不多的强关联性,设ap、ac、al初始值为ap=ac=al=1/3。
进一步的,订阅部门d0与业务相似部门di的相似度指数是有人工指定的,数值越大,两个部门的相似度越高,数值越小,两个部门的相似度越低;两个相同部门的值为1,步骤a查找业务相似部门时,设定一个阈值hS,当>hS,部门di为订阅部门d0的业务相似部门。阈值的设置可以根据具体需求而定。一般而言,阈值越大,则推荐的目录越少,整体针对性和准确率越高;阈值越小,则推荐的目录越多,整体针对性和准确率越低。阈值不宜太大,因为可能推荐的目录太少,会错过一些有价值的目录;也不宜太小,因为推荐的目录太多,反而不容易挑选有价值的目录。根据经验,这里可设置阈值hS=0.8。
进一步的,发布部门是目录所挂载资源的提供者;目录分类是对目录进行的一个分类;目录标签是目录所挂载资源的关键字,是对目录下挂载资源的主要内容的描述;
进一步的,一个目录有多个目录标签,在进行步骤d计算目录标签的单项推荐指数时,对每个目录标签进行计算。
以某市工商局为例,应用本发明的过程如下:
a.根据人工维护完成的业务相似度表,找出和某市工商局业务相似度大于阀值hS的所有部门,设阀值hS=0.8,;
b.查找某市工商局和所有业务相似部门的历史订阅目录;
d.找出所有历史订阅目录的全部发布部门、目录分类和目录标签,计算每个发布部门的单项推荐指数、目录分类的单项推荐指数和目录标签的单项推荐指数,发布部门的单项推荐指数计算公式为,目录分类的单项推荐指数的计算公式为,目录标签的单项推荐指数的计算公式为;
e.将步骤d找到的全部发布部门、目录分类和目录标签进行全连接,生成多个目录属性组合;
g.根据步骤f计算得到的每个目录属性组合的综合推荐指数对所有目录属性组合进行降序排序;依次按照条件进行检索,将检索到的目录推荐给某市工商局。
本发明比较高效、精准地为用户推荐需要的目录资源,为用户订阅目录提供便捷,同时提高资源的利用率;加权系数可以根据实际效果进行动态调节,具有一定的适应性。
Claims (6)
1.一种政务数据资源目录智能订阅方法,其特征在于:包括有如下步骤:a.查找订阅部门的业务相似部门;
b.查找订阅部门的所有业务相似部门的历史订阅目录;
c.计算所有历史订阅目录的参考价值贡献值;
d.找出所有历史订阅目录的全部发布部门、目录分类和目录标签,计算每个发布部门的单项推荐指数、目录分类的单项推荐指数和目录标签的单项推荐指数;
e.将步骤d找到的全部发布部门、目录分类和目录标签进行全连接,生成多个目录属性组合;
f.计算步骤e生产的每个目录属性组合的综合推荐指数;
g.根据步骤f计算得到的每个目录属性组合的综合推荐指数对所有目录属性组合进行降序排序;依次按照条件进行检索,将检索到的目录推荐给订阅部门;
步骤c.计算所有历史订阅目录的参考价值贡献值的方法为:
设订阅部门为d0,设订阅部门d0的相似部门为d1、d2、……、dm,m为相似部门数,设某个相似部门di(0≤i≤m,i∈N)的历史订阅目录为,mi为第i个部门历时订阅的目录数,其中目录cij(1≤j≤mi,i∈N)的发布部门为pij、目录分类为qij、目录标签为lij、订阅时间距当前时间的天数为tij,目录cij的参考价值贡献值V(cij)的计算公式为:
目录cij对于发布部门s的参考价值贡献度Vp(pij,s)的计算公式为:
目录cij对于目录分类x的参考价值贡献度Vc(qij,x)的计算公式为:
目录cij对于目录标签v的参考价值贡献度Vl(lij,v)的计算公式为:
步骤d中发布部门的单项推荐指数的计算公式为:
式中,rp(s)为发布部门的单项推荐指数;
步骤d中目录分类的单项推荐指数的计算公式为:
式中,rc(x)为目录分类的单项推荐指数;
步骤d中目录标签的单项推荐指数的计算公式为:
式中,rl(v)为目录分类的单项推荐指数;
步骤f中每个目录属性组合的综合推荐指数计算公式为:
式中,(0≤r(s,x,v)、rp(s)、 rc(x)、 rl(v)、ap、ac、al≤1,ap+ac+al=1)r(s,x,v)为综合推荐指数,ap为发布部门的加权系数,ac为目录分类的加权系数,al为目录标签的加权系数。
3.根据权利要求1所述的一种政务数据资源目录智能订阅方法,其特征在于:ap、ac、al根据经验设定初始值,在使用过程中动态更新,设ap、ac、al初始值为ap=ac=al=1/3。
4.根据权利要求1所述的一种政务数据资源目录智能订阅方法,其特征在于:订阅部门d0与业务相似部门di的相似度指数是有人工指定的,数值越大,两个部门的相似度越高,数值越小,两个部门的相似度越低;两个相同部门的值为1,步骤a查找业务相似部门时,设定一个阈值hS,当>hS,部门di为订阅部门d0、的业务相似部门。
5.根据权利要求1所述的一种政务数据资源目录智能订阅方法,其特征在于:发布部门是目录所挂载资源的提供者;目录分类是对目录进行的一个分类;目录标签是目录所挂载资源的关键字,是对目录下挂载资源的主要内容的描述。
6.根据权利要求5所述的一种政务数据资源目录智能订阅方法,其特征在于:一个目录有多个目录标签,在进行步骤d计算目录标签的单项推荐指数时,对每个目录标签进行计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910873732.4A CN110737694B (zh) | 2019-09-17 | 2019-09-17 | 一种政务数据资源目录智能订阅方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910873732.4A CN110737694B (zh) | 2019-09-17 | 2019-09-17 | 一种政务数据资源目录智能订阅方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110737694A CN110737694A (zh) | 2020-01-31 |
CN110737694B true CN110737694B (zh) | 2022-09-23 |
Family
ID=69267958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910873732.4A Active CN110737694B (zh) | 2019-09-17 | 2019-09-17 | 一种政务数据资源目录智能订阅方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110737694B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130082899A (ko) * | 2011-12-22 | 2013-07-22 | 주식회사 케이티 | 기존 가입자의 추천을 이용하는 이동통신 가입 시스템 및 이동통신 가입 방법 |
CN105930539A (zh) * | 2016-06-27 | 2016-09-07 | 北京百度网讯科技有限公司 | 话题订阅方法和装置 |
CN110197415A (zh) * | 2019-04-23 | 2019-09-03 | 北京三快在线科技有限公司 | 一种推荐方法、装置、电子设备及可读存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE60233980D1 (de) * | 2002-07-18 | 2009-11-19 | Ericsson Telefon Ab L M | Verwaltungssystem umd Methode zur Erbringung von Abonnementdienstleistungen |
CN103955873A (zh) * | 2014-05-20 | 2014-07-30 | 成都汇资聚源科技有限公司 | 创新资源信息整合服务平台 |
CN105930511A (zh) * | 2016-05-12 | 2016-09-07 | 深圳市傲天科技股份有限公司 | 一种answer大数据订阅平台 |
CN108074068A (zh) * | 2016-11-14 | 2018-05-25 | 北京航天长峰科技工业集团有限公司 | 一种政务部门数据管理系统 |
CN108257043B (zh) * | 2018-01-16 | 2021-07-27 | 航天科工智慧产业发展有限公司 | 一种政务信息资源梳理及目录管理系统和方法 |
CN110110221A (zh) * | 2019-03-22 | 2019-08-09 | 浙江非线数联科技有限公司 | 政务数据智能推荐方法和系统 |
-
2019
- 2019-09-17 CN CN201910873732.4A patent/CN110737694B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130082899A (ko) * | 2011-12-22 | 2013-07-22 | 주식회사 케이티 | 기존 가입자의 추천을 이용하는 이동통신 가입 시스템 및 이동통신 가입 방법 |
CN105930539A (zh) * | 2016-06-27 | 2016-09-07 | 北京百度网讯科技有限公司 | 话题订阅方法和装置 |
CN110197415A (zh) * | 2019-04-23 | 2019-09-03 | 北京三快在线科技有限公司 | 一种推荐方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110737694A (zh) | 2020-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101661474B (zh) | 一种搜索方法和系统 | |
CN106339383B (zh) | 一种搜索排序方法及系统 | |
CN102056335B (zh) | 移动搜索方法、装置和系统 | |
CN104035927B (zh) | 一种基于用户行为的搜索方法及系统 | |
US8380697B2 (en) | Search and retrieval methods and systems of short messages utilizing messaging context and keyword frequency | |
Shin et al. | Context-aware recommendation by aggregating user context | |
CN106096026A (zh) | 一种商品搜索方法及系统 | |
CN103886487A (zh) | 基于分布式的b2b平台的个性化推荐方法与系统 | |
CN103514181B (zh) | 一种搜索方法和装置 | |
TW201229791A (en) | Ranking method and device of query results | |
WO2007143223A2 (en) | System and method for entity based information categorization | |
CN102663627A (zh) | 个性化推荐方法 | |
CN101401062A (zh) | 确定相关来源、查询及合并多个内容来源的结果的方法和系统 | |
CN106951527B (zh) | 一种歌曲推荐方法及装置 | |
CN102651011B (zh) | 一种确定文档特征和用户特征的方法和系统 | |
CN108664515B (zh) | 一种搜索方法及装置,电子设备 | |
CN108509461A (zh) | 一种基于强化学习的排序学习方法及服务器 | |
CN110111167A (zh) | 一种确定推荐对象的方法和装置 | |
CN104615734B (zh) | 一种社区管理服务大数据处理系统及其处理方法 | |
CA2591441A1 (en) | Method, system and graphical user interface for providing reviews for a product | |
CN106294358A (zh) | 一种信息的检索方法及系统 | |
CN110737694B (zh) | 一种政务数据资源目录智能订阅方法 | |
CN110222177A (zh) | 一种基于k-均值聚类算法的初始聚类中心确定方法及装置 | |
Wu et al. | Enhancing personalized recommendations on weighted social tagging networks | |
CN110083766B (zh) | 一种基于元路径引导嵌入的查询推荐方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |