CN114817749A - 信息推荐方法、装置、电子设备及存储介质 - Google Patents
信息推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114817749A CN114817749A CN202210595899.0A CN202210595899A CN114817749A CN 114817749 A CN114817749 A CN 114817749A CN 202210595899 A CN202210595899 A CN 202210595899A CN 114817749 A CN114817749 A CN 114817749A
- Authority
- CN
- China
- Prior art keywords
- government
- users
- government affairs
- matters
- different
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000001914 filtration Methods 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 20
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 72
- 238000010586 diagram Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 10
- 230000015654 memory Effects 0.000 description 10
- 230000035606 childbirth Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000005065 mining Methods 0.000 description 7
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008030 elimination Effects 0.000 description 5
- 238000003379 elimination reaction Methods 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000000586 desensitisation Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种信息推荐方法,可以应用于人工智能技术领域、网络技术领域。该方法包括:调用资源共享平台,获取不同用户的关于政务事项的历史行为数据;根据不同用户的关于政务事项的历史行为数据,建立政务事项间的依赖条件表;根据政务事项与不同用户之间的预设关系,获取基于政务事项的用户间相似度;根据用户间相似度,对所述不同用户的关于政务事项的历史行为数据进行协同过滤,确定目标用户针对其他用户的政务事项的推荐结果列表;根据推荐结果列表和政务事项间的依赖条件表,向目标用户推送推荐结果。本公开还提供了一种信息推荐装置、电子设备、存储介质和程序产品。
Description
技术领域
本公开涉及人工智能技术领域、网络技术领域,具体地涉及一种信息推荐方法、装置、电子设备、存储介质和程序产品。
背景技术
随着以互联网为主的信息新技术在经济、社会生活各部分的扩散和应用,“互联网+政务”以电子政务服务平台为基础,以实现智慧政府为目标,对政府组织结构和办事流程进行优化重组,共享大量的业务数据。
但是,目前一般都是用户主动搜索所需要的业务信息,对于用户数据缺乏深度的挖掘分析,对用户的识别方式仍处于理论探索阶段,在向用户推荐政务事项信息,会出现推荐的信息与用户自身需求不匹配的情况,导致推荐准确度降低。
发明内容
鉴于上述问题,本公开提供了一种信息推荐方法、装置、电子设备、存储介质和程序产品。
根据本公开的第一个方面,提供了一种信息推荐方法,包括:调用资源共享平台,获取不同用户的关于政务事项的历史行为数据;根据不同用户的关于政务事项的历史行为数据,建立政务事项间的依赖条件表;根据政务事项与不同用户之间的预设关系,获取基于政务事项的用户间相似度;根据用户间相似度,对不同用户的关于政务事项的历史行为数据进行协同过滤,确定目标用户针对其他用户的政务事项的推荐结果列表;根据推荐结果列表和政务事项间的依赖条件表,向目标用户推送推荐结果。
根据本公开的实施例,其中,根据不同用户的关于政务事项的历史行为数据,建立政务事项间的依赖条件表,包括:按照预设时间顺序,对不同用户的关于政务事项的历史行为数据进行时间排序;基于排序后的政务事项的历史行为数据,构建不同用户的多个政务事项关系对,其中,每组政务事项关系对包括前置事项和目标事项,前置事项在时间上先于目标事项;根据不同用户的多个政务事项关系对,建立政务事项间的依赖条件表。
根据本公开的实施例,其中,根据不同用户的多个政务事项关系对,建立政务事项间的依赖条件表,包括:响应于不同用户的多个政务事项关系对的去重请求,对不同用户的多个政务事项关系对进行去重,得到去重后的不同用户的多个政务事项关系对;确定用户间不同目标事项对应的用户人数和与目标事项对应的不同前置事项的出现次数;基于不同目标事项对应的用户人数和与目标事项对应的不同前置事项的出现次数,建立政务事项间的依赖条件表。
根据本公开的实施例,其中,基于不同目标事项对应的用户人数和与目标事项对应的不同前置事项的出现次数,建立政务事项间的依赖条件表,包括:基于不同目标事项对应的用户人数和与目标事项对应的不同前置事项的出现次数,得出不同目标事项和与目标事项对应的不同前置事项依赖概率;在确定依赖概率大于预设概率的情况下,建立不同目标事项和与目标事项对应的不同前置事项的政务事项间的依赖条件表。
根据本公开的实施例,其中,根据用户间相似度,对不同用户的关于政务事项的历史行为数据进行协同过滤,确定目标用户针对其他用户的政务事项的推荐结果列表,包括:调用其他用户的政务事项的历史行为数据标签值;基于数据标签值,根据目标用户与其他用户的用户间相似度,确定目标用户针对其他用户的不同政务事项的推荐值;基于不同政务事项的推荐值,确定目标用户针对其他用户的政务事项的推荐结果列表。
根据本公开的实施例,其中,推荐结果列表包括多个待推荐政务事项;其中,根据推荐结果列表和政务事项间的依赖条件表,向目标用户推送推荐结果,包括:调用政务事项间的依赖条件表,确定每个待推荐政务事项对应的依赖条件;调用目标用户的政务事项的历史行为数据,在确定目标用户的政务事项的历史行为数据中存在有依赖条件的记录情况时,向目标用户推送待推荐政务事项。
根据本公开的实施例,上述方法还包括:在确定目标用户的政务事项的历史行为数据中不存在依赖条件的记录情况时,删除推荐结果列表中的待推荐政务事项。
根据本公开的实施例,上述方法还包括:对不同用户的政务事项的历史行为数据进行数据预处理。
本公开的第二方面提供了一种信息推荐装置,包括:调用模块,用于调用资源共享平台,获取不同用户的关于政务事项的历史行为数据;建立模块,用于根据不同用户的关于政务事项的历史行为数据,建立政务事项间的依赖条件表;获取模块,用于根据政务事项与不同用户之间的预设关系,获取基于政务事项的用户间相似度;确定模块,用于根据用户间相似度,对不同用户的关于政务事项的历史行为数据进行协同过滤,确定目标用户针对其他用户的政务事项的推荐结果列表;推送模块,用于根据推荐结果列表和政务事项间的依赖条件表,向目标用户推送推荐结果。
本公开的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器执行上述信息推荐方法。
本公开的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述信息推荐方法。
本公开的第五方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述信息推荐方法。
根据本公开的实施例,通过调用资源共享平台,获取不同用户的关于政务事项的历史行为数据。根据不同用户的关于政务事项的历史行为数据,建立政务事项间的依赖条件表。根据政务事项与不同用户之间的预设关系,获取基于政务事项的用户间相似度。根据用户间相似度,对不同用户的关于政务事项的历史行为数据进行协同过滤,确定目标用户针对其他用户的政务事项的推荐结果列表。根据推荐结果列表和政务事项间的依赖条件表,向目标用户推送推荐结果。解决了对用户数据缺乏深度挖掘分析,向用户推荐政务事项信息时导致推荐准确度较低的技术问题。通过该方法实现了对用户数据深度挖掘分析,从而能够将用户是否具有办理所推荐的事项的需求提前预判,向用户主动精准地推送政务事项信息,提高了推荐结果的准确性。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的信息推荐方法和装置的应用场景图;
图2示意性示出了根据本公开实施例的信息推荐方法的流程图;
图3示意性示出了根据本公开实施例的建立政务事项间的依赖条件表的方法的流程图;
图4示意性示出了根据本公开实施例的向目标用户推送推荐结果的示意图;
图5示意性示出了根据本公开实施例的信息推荐装置的结构框图;以及
图6示意性示出了根据本公开实施例的适于实现信息推荐方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
在本公开的技术方案中,对数据的获取、收集、存储、使用、加工、传输、提供、公开和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
本公开的实施例提供了一种信息推荐方法,包括:调用资源共享平台,获取不同用户的关于政务事项的历史行为数据。根据不同用户的关于政务事项的历史行为数据,建立政务事项间的依赖条件表。根据政务事项与不同用户之间的预设关系,获取基于政务事项的用户间相似度。根据用户间相似度,对不同用户的关于政务事项的历史行为数据进行协同过滤,确定目标用户针对其他用户的政务事项的推荐结果列表。根据推荐结果列表和政务事项间的依赖条件表,向目标用户推送推荐结果。
图1示意性示出了根据本公开实施例的信息推荐方法和装置的应用场景图。
如图1所示,根据该实施例的应用场景100可以包括终端设备101、102、103、网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的信息推荐方法一般可以由服务器105执行。相应地,本公开实施例所提供的信息推荐装置一般可以设置于服务器105中。本公开实施例所提供的信息推荐方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的信息推荐装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景,通过图2~图4对公开实施例的信息推荐方法进行详细描述。
图2示意性示出了根据本公开实施例的信息推荐方法的流程图。
如图2所示,该实施例的信息推荐方法200可以包括操作S210~操作S250。
在操作S210,调用资源共享平台,获取不同用户的关于政务事项的历史行为数据;
在操作S220,根据不同用户的关于政务事项的历史行为数据,建立政务事项间的依赖条件表。
根据本公开的实施例,服务端可以通过调用资源共享平台,通过数据抽取转换加载工具将不同用户的关于政务事项的历史行为数据导入至分布式数据系统中。分布式数据系统存储的历史行为数据可以包括不同用户的用户基础政务数据和不同用户办理过政务事项的办件数据。
根据本公开的实施例,不同用户的用户基础政务数据,例如,可以包括用户姓名、年龄、证件信息、从事工作机构名称等中的至少一种,其中,证件信息可以包括身份证信息、学生信息和军官证信息等。
根据本公开的实施例,不同用户办理过政务事项的办件数据。其中,政务事项,例如,可以包括但不限于社保卡领取、驾驶证领取、驾驶证到期换领、结婚登记、一孩生育登记、二孩生育登记、政策福利、办事指南等。获取该用户的基础政务数据对应的多个政务事项的历史行为数据。
需要说明的是,在获取不同用户的关于政务事项的历史行为数据之前,可以向用户发出获取关于政务事项的历史行为数据的请求,在用户同意或授权后执行获取操作。获取不同用户的关于政务事项的历史行为数据符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
根据本公开的实施例,政务事项间的依赖条件是指获取的不同用户的全量政务事项的历史行为数据之间的依赖关系。从依赖条件表中可以得知用户需要办理目标政务事项之前需要办理哪些其他政务事项。例如,依赖条件表中显示办理目标政务事项是驾驶证到期换领,依赖条件就是先办理驾驶证领取。
根据本公开的实施例,可以对获取的不同用户的关于政务事项的历史行为数据进行加工形成明细数据层,通过对明细数据层的数据进行信息提取,形成数据服务层的政务事项依赖条件表。
在操作S230,根据政务事项与不同用户之间的预设关系,获取基于政务事项的用户间相似度。
根据本公开的实施例,政务事项与不同用户之间的预设关系可以为不同用户是否办理过该政务事项的关系。例如,可以根据全量政务事项数据,调用不同用户的关于政务事项的历史行为数据,建立用户与政务事项的矩阵。例如,如表1所示。
表1
根据本公开的实施例,表1中将用户办理过的政务事项记为“1”,未办理过的政务事项记为“0”。
根据本公开的实施例,用户间相似度可以表征用户之间的办理政务事项的相似程度。用户间相似度可以利用余弦相似度公式计算行向量间(即,用户间)的相似度。表2示意性示出了用户间相似度数值。例如,如表2所示。
表2
根据本公开的实施例,表2中可以表征基于政务事项的办理情况,获得不同用户之间的相似度。
在操作S240,根据用户间相似度,对不同用户的关于政务事项的历史行为数据进行协同过滤,确定目标用户针对其他用户的政务事项的推荐结果列表。
根据本公开的实施例,对不同用户的关于政务事项的历史行为数据进行协同过滤可以通过协同过滤推荐算法。根据用户间相似度,结合用户办理过政务事项的历史行为数据,判断不同用户对其他用户办理的政务事项的偏好。
根据本公开的实施例,确定目标用户针对其他用户的政务事项的推荐结果列表可以包括:目标用户针对其他用户办理的每个政务事项的偏好的得分的推荐结果列表。
根据本公开的实施例,该推荐结果列表可以表征目标用户针对其他用户办理的政务事项的偏好。在操作S250,根据推荐结果列表和政务事项间的依赖条件表,向目标用户推送推荐结果。
根据本公开的实施例,将推荐结果列表中的事项与政务事项间的依赖条件表中相应的事项依赖条件相匹配,确定推荐结果列表中的事项的依赖条件,再将依赖与目标用户的关于政务事项的历史行为数据进行匹配,得出匹配结果,根据匹配结果,向目标用户推送推荐结果。
根据本公开的实施例,通过调用资源共享平台,获取不同用户的关于政务事项的历史行为数据。根据不同用户的关于政务事项的历史行为数据,建立政务事项间的依赖条件表。根据政务事项与不同用户之间的预设关系,获取基于政务事项的用户间相似度。根据用户间相似度,对不同用户的关于政务事项的历史行为数据进行协同过滤,确定目标用户针对其他用户的政务事项的推荐结果列表。根据推荐结果列表和政务事项间的依赖条件表,向目标用户推送推荐结果。解决了对用户数据缺乏深度挖掘分析,向用户推荐政务事项信息时导致推荐准确度较低的技术问题。通过该方法实现了对用户数据深度挖掘分析,从而能够将用户是否具有办理所推荐的事项的需求提前预判,向用户主动精准地推送政务事项信息,提高了推荐结果的准确性。
根据本公开的实施例,上述方法还包括,在获取不同用户的关于政务事项的历史行为数据之后,将对不同用户的政务事项的历史行为数据进行数据预处理。
根据本公开的实施例,对历史行为数据进行数据预处理可以包括:通过数据仓库工具对历史行为数据进行数据提取,复制该历史行为数据形成运营数据贴源层,将历史行为数据进行清洗加工,例如,空值去除,信息脱敏等处理。
图3示意性示出了根据本公开实施例的建立政务事项间的依赖条件表的方法的流程图。
如图3所示,该方法300可以包括操作S310~S330。
在操作S310,按照预设时间顺序,对不同用户的关于政务事项的历史行为数据进行时间排序。
在操作S320,基于排序后的政务事项的历史行为数据,构建不同用户的多个政务事项关系对,其中,每组政务事项关系对包括前置事项和目标事项,前置事项在时间上先于目标事项。
在操作S330,根据不同用户的多个政务事项关系对,建立政务事项间的依赖条件表。
根据本公开的实施例,预设时间顺序可以为按照政务事项的办理时间从早到晚的顺序。对不同的用户办理过的政务事项按照从早到晚进行时间排序。
根据本公开的实施例,根据预设时间的顺序,对已经排序好的不同的用户办理过的政务事项构建多个政务事项关系对。例如,政务事项关系对可以表示为[事项1,事项2],其中,事项1可以为前置事项,事项2可以为目标事项,事项1在办理时间上先于事项2,但是事项1并不是办理事项2的必要条件。
根据本公开的实施例,例如,政务事项对可以包括[社保卡领取,驾驶证领取]、[社保卡领取,公积金查询]、[驾驶证领取,公积金查询],即,用户在办理驾驶证领取前办理过社保卡领取,用户在办理公积金查询前办理过社保卡领取和驾驶证领取。
根据本公开的实施例,将不同用户的多个政务事项关系对作为全量政务事项关系对,确定目标事项和与目标事项构建成事项关系对的前置事项之间的依赖程度,根据依赖程度的确定结果,建立政务事项间的依赖条件表。
根据本公开的实施例,根据不同用户的多个政务事项关系对,建立政务事项间的依赖条件表,包括:
响应于不同用户的多个政务事项关系对的去重请求,对不同用户的多个政务事项关系对进行去重,得到去重后的不同用户的多个政务事项关系对。确定用户间不同目标事项对应的用户人数和与目标事项对应的不同前置事项的出现次数。基于不同目标事项对应的用户人数和与目标事项对应的不同前置事项的出现次数,建立政务事项间的依赖条件表。
根据本公开的实施例,按照用户维度,对每个用户对应的多个政务事项对出现的次数进行去重。例如,分别对用户A、用户B、用户C......中出现重复的政务事项对进行去重操作。
根据本公开的实施例,将所有用户的多个政务事项对作为全量政务事项对,确定多个政务事项对中目标事项对应的办理用户人数,以及与目标事项对应的每个前置事项的出现次数。基于办理目标事项的用户人数和前置事项的出现次数,得出目标事项与每个前置事项的依赖关系程度,建立政务事项间的依赖条件表。
根据本公开的实施例,例如,用户A的政务事项对可以包括[社保卡领取,驾驶证领取]、[社保卡领取,公积金查询]、[驾驶证领取,公积金查询]、[社保卡领取,结婚登记]、[驾驶证领取,结婚登记]、[公积金查询,结婚登记]......;用户B的政务事项对可以包括[驾驶证领取,驾驶证到期换领]、[驾驶证领取,一孩生育登记]、[驾驶证到期换领,一孩生育登记]、[驾驶证领取,水费缴交]、[驾驶证到期换领,水费缴交]、[一孩生育登记,水费缴交]......;......;用户N的政务事项对可以包括[企业注册登记,结婚登记]、[企业注册登记,专利申请]、[结婚登记,专利申请]、[企业注册登记,护照办理]、[结婚登记,护照办理]、[专利申请,护照办理]......。
根据本公开的实施例,例如,确定所有用户的政务事项对中目标事项的办理用户数以及与目标事项对应的每个前置事项出现的次数。例如,如表3所示。
表3
根据本公开的实施例,表3中,例如,目标事项为驾驶证到期换领,与驾驶证到期换领对应的前置事项例如为驾驶证领取,500000为前置事项驾驶证领取出现的次数;550000为办理目标事项的用户人数。
根据本公开的实施例,基于不同目标事项对应的用户人数和与目标事项对应的不同前置事项的出现次数,建立政务事项间的依赖条件表,包括:
基于不同目标事项对应的用户人数和与目标事项对应的不同前置事项的出现次数,得出不同目标事项和与目标事项对应的不同前置事项依赖概率。在确定依赖概率大于预设概率的情况下,建立不同目标事项和与目标事项对应的不同前置事项的政务事项间的依赖条件表。
根据本公开的实施例,可以响应于对依赖条件的计算请求,将表3中的目标事项对应的用户人数和与目标事项对应的不同前置事项的出现次数进行预设计算,得出该目标事项与每个前置事项的依赖概率。
根据本公开的实施例,在的实际情况中,数据条件可能无法覆盖用户的整个生命周期,例如,用户可能已经结婚,但用户的“婚姻登记”未汇聚到政务服务端的大数据系统之中,而该用户后来的“一孩生育登记”事项的办理汇聚到了大数据系统,那么该用户就没有[结婚登记,一孩生育登记]的政务事项关系对。基于上述情况,设置政务事项间的依赖概率预设值。
根据本公开的实施例,以目标事项为“驾驶证到期换领”为例,分别计算与办理驾驶证到期换领对应的每个前置事项的依赖概率。例如,驾驶证到期换领与驾驶证领取的依赖概率可以利用驾驶证领取出现的次数500000除以办理驾驶证到期换领的用户人数550000,所得的数值表征二者政务事项间的依赖概率。根据该依赖概率与预设概率的比较,在确定依赖概率大于预设概率的情况下,建立不同目标事项和与目标事项对应的不同前置事项的政务事项间的依赖条件表。在确定依赖概率大于预设概率的情况下,将与目标事项对应的前置事项进行删除。预设概率例如可以为0.8。
如表4示意性示出了目标事项对应的依赖条件的前置事项以及依赖概率值。例如,如表4所示。
表4
根据本公开的实施例,表4中,例如政务事项关系对[驾驶证领取,驾驶证到期换领]的依赖概率为0.9090,表明办理驾驶证到期换领之前需要办理驾驶证领取事项。
根据本公开的实施例,根据用户间相似度,对不同用户的关于政务事项的历史行为数据进行协同过滤,确定目标用户针对其他用户的政务事项的推荐结果列表,包括:
调用其他用户的政务事项的历史行为数据标签值。基于数据标签值,根据目标用户与其他用户的用户间相似度,确定目标用户针对其他用户的不同政务事项的推荐值。基于不同政务事项的推荐值,确定目标用户针对其他用户的政务事项的推荐结果列表。
根据本公开的实施例,其它用户可以为除目标用户以外的其他用户。其他用户的政务事项的历史行为数据标签值可以表征用户是否办理过政务事项,如表1所示。该用户办理过该政务事项,其标签值为“1”,未办理过该政务事项,其标签值为“0”。
根据本公开的实施例,结合表2中用户间相似度,计算目标用户针对其他用户办理过的政务事项的偏好程度。以用户A作为目标用户为例,用户A相对于其他用户(用户B/C/D...)办理过的每个政务事项的偏好程度,例如,以其他用户办理过的社保卡领取政务事项为例。
根据本公开的实施例,结合表1中用户办理的政务事项的历史行为数据标签值及表2中用户间相似度,确定用户A办理社保卡领取政务事项的推荐值。预设计算方式可以为:(用户A与用户B的相似度*用户B社保卡领取对应的标签值+用户A与用户C的相似度*用户C社保卡领取对应的标签值+用户A与用户D的相似度*用户D社保卡领取对应的标签值+...)与办理过社保卡领取对应的用户人数总和的比值为用户A的推荐值。以此类似,分别确定用户A针对其他用户的其他政务事项的推荐值。同理,也可以以用户B为目标用户,确定用户B针对其他用户办理过的每个政务事项的推荐值。
根据本公开的实施例,将目标用户获得的政务事项推荐表进行过滤,将推荐值大于预设阈值的政务事项形成目标用户的推荐结果列表,推荐结果列表可以包括多个待推荐政务事项和对应的推荐值。其中,推荐结果列表,例如,如表5所示。
表5
根据本公开的实施例,表5中,如果该政务事项的推荐值大于预设阈值时,则认为该政务事项适合目标用户,如果推荐值小于预设值,则认为该政务事项不适合目标用户。如果该政务事项的推荐值远远大于预设阈值,则认为该政务事项目标用户已经办理过,将该政务事项同样需要去除。例如,预设阈值为0.8,远远大于预设阈值的推荐值例如为999,则认为该政务事项目标用户已经办理过。
根据本公开的实施例,根据推荐结果列表和政务事项间的依赖条件表,向目标用户推送推荐结果,包括:
调用政务事项间的依赖条件表,确定每个待推荐政务事项对应的依赖条件。调用目标用户的政务事项的历史行为数据,在确定目标用户的政务事项的历史行为数据中存在有依赖条件的记录情况时,向目标用户推送待推荐政务事项。
根据本公开的实施例,上述方法还可以包括:在确定目标用户的政务事项的历史行为数据中不存在依赖条件的记录情况时,删除推荐结果列表中的待推荐政务事项。
根据本公开的实施例,向目标用户推送推荐结果列表中的待推荐政务事项时,可以调用政务事项间的依赖条件表,确定向目标用户推送待推荐政务事项对应的依赖条件及依赖概率。调用目标用户办理过的政务事项历史行为数据,通过在目标用户的政务事项历史行为数据中匹配目标用户是否存在办理过该依赖条件对应的前置事项的记录,如果存在,则说明满足向目标用户推送待推荐政务事项的前置条件,向目标用户推送该待推荐政务事项。如果不存在该依赖条件对应的前置事项的记录,则说明不能确定目标用户是否符合用户需求,将该待推荐政务事项从推荐结果列表中删除。
图4示意性示出了根据本公开实施例的向目标用户推送推荐结果的示意图。
如图4所示,示意图400中,以推荐结果列表401(上述表5)中的向目标用户推送“二孩生育登记”事项为例,向目标用户推送待推荐政务事项时,调用推荐结果列表401,将推荐结果列表401中的“二孩生育登记”待推荐政务事项向用户推送时,调用政务事项间的依赖条件表402(上述表4),匹配与推荐结果列表401中的“二孩生育登记”对应的依赖条件及依赖概率,确定与“二孩生育登记”对应的依赖条件及依赖概率为[结婚登记,0.9667],[一孩生育登记,0.9600],基于确定的依赖条件和依赖概率,调用目标用户办理政务事项的历史行为数据403,在目标用户办理政务事项的历史行为数据表403中查询依赖条件对应的前置事项,在目标用户办理政务事项的历史行为数据403中存在有该依赖条件,则说明满足向目标用户推送待推荐政务事项的前置条件,可以向目标用户推送“二孩生育登记”待推荐政务事项。
示意图400中,以推荐结果列表401(上述表5)中的向目标用户推送“驾驶证到期换领”事项为例,调用政务事项间的依赖条件表402(上述表4),确定与“驾驶证到期换领”对应的依赖条件及依赖概率为[驾驶证领取,0.9090],但是在目标用户办理政务事项的历史行为数据403中不存在该依赖条件,则说明不满足向目标用户推送待推荐政务事项的前置条件,不能确定“驾驶证到期换领”是否符合用户需求,则不需向目标用户推送“二孩生育登记”待推荐政务事项,同时将该待推荐政务事项从推荐结果列表中删除。
根据本公开的实施例,上述信息推荐方法还可以包括:对不同用户的政务事项的历史行为数据进行数据预处理。数据预处理可以包括:对数据进行清洗加工及特征处理等。
基于上述信息推荐方法,本公开还提供了一种信息推荐装置。以下将结合图5对该装置进行详细描述。
图5示意性示出了根据本公开实施例的信息推荐装置的结构框图。
如图5所示,该实施例的信息推荐装置500可以包括:调用模块510、建立模块520、获取模块530、确定模块540和推送模块540。
调用模块510,用于调用资源共享平台,获取不同用户的关于政务事项的历史行为数据。在一实施例中,建立模块510可以用于执行前文描述的操作S210,在此不再赘述。
建立模块520,用于根据不同用户的关于政务事项的历史行为数据,建立政务事项间的依赖条件表。在一实施例中,建立模块520可以用于执行前文描述的操作S220,在此不再赘述。
获取模块530,用于根据政务事项与不同用户之间的预设关系,获取基于政务事项的用户间相似度。在一实施例中,获取模块530可以用于执行前文描述的操作S230,在此不再赘述。
确定模块540,用于根据用户间相似度,对不同用户的关于政务事项的历史行为数据进行协同过滤,确定目标用户针对其他用户的政务事项的推荐结果列表。在一实施例中,确定模块540可以用于执行前文描述的操作S240,在此不再赘述。
推送模块550,用于根据推荐结果列表和政务事项间的依赖条件表,向目标用户推送推荐结果。在一实施例中,推送模块550可以用于执行前文描述的操作S250,在此不再赘述。
根据本公开的实施例,通过调用资源共享平台,获取不同用户的关于政务事项的历史行为数据。根据不同用户的关于政务事项的历史行为数据,建立政务事项间的依赖条件表。根据政务事项与不同用户之间的预设关系,获取基于政务事项的用户间相似度。根据用户间相似度,对不同用户的关于政务事项的历史行为数据进行协同过滤,确定目标用户针对其他用户的政务事项的推荐结果列。根据推荐结果列表和政务事项间的依赖条件表,向目标用户推送推荐结果。解决了对用户数据缺乏深度挖掘分析,向用户推荐政务事项信息时导致推荐准确度较低的技术问题。通过该方法实现了对用户数据深度挖掘分析,从而能够将用户是否具有办理所推荐的事项的需求提前预判,向用户主动精准地推送政务事项信息,提高了推荐结果的准确性。
根据本公开的实施例,建立模块520可以包括:排序子模块、构建子模块、建立子模块。
排序子模块,用于按照预设时间顺序,对不同用户的关于政务事项的历史行为数据进行时间排序。
构建子模块,用于基于排序后的政务事项的历史行为数据,构建不同用户的多个政务事项关系对,其中,每个政务事项关系对包括前置事项和目标事项,前置事项在时间上先于目标事项。
建立子模块,用于根据不同用户的多个政务事项关系对,建立政务事项间的依赖条件表。
根据本公开的实施例,建立子模块可以包括:去重单元、确定单元、建立单元。
去重单元,用于响应于不同用户的多个政务事项关系对的去重请求,对不同用户的多个政务事项关系对进行去重,得到去重后的不同用户的多个政务事项关系对。
确定单元,用于确定用户间不同目标事项对应的用户人数和与目标事项对应的不同前置事项的出现次数。
建立单元,用于基于不同目标事项对应的用户人数和与目标事项对应的不同前置事项的出现次数,建立政务事项间的依赖条件表。
根据本公开的实施例,建立单元可以包括:获得子单元、建立子单元。
获得子单元,基于不同目标事项对应的用户人数和与目标事项对应的不同前置事项的出现次数,得出不同目标事项和与目标事项对应的不同前置事项依赖概率。
建立子单元,用于在确定依赖概率大于预设概率的情况下,建立不同目标事项和与目标事项对应的不同前置事项的政务事项间的依赖条件表。
根据本公开的实施例,确定模块540可以包括:第一调用子模块、第一确定子模块、第二确定子模块。
第一调用子模块,用于调用其他用户的政务事项的历史行为数据标签值。
第一确定子模块,用于基于数据标签值,根据目标用户与其他用户的用户间相似度,确定目标用户针对其他用户的不同政务事项的推荐值。
第二确定子模块,用于基于不同政务事项的推荐值,确定目标用户针对其他用户的政务事项的推荐结果列表。
根据本公开的实施例,推荐结果列表包括多个待推荐政务事项。
根据本公开的实施例,推送模块550可以包括:第二调用子模块、第三调用子模块。
第二调用子模块,用于调用政务事项间的依赖条件表,确定每个待推荐政务事项对应的依赖条件。
第三调用子模块,用于调用目标用户的政务事项的历史行为数据,在确定目标用户的政务事项的历史行为数据中存在有依赖条件的记录情况时,向目标用户推送待推荐政务事项。
根据本公开的实施例,推送模块550还可以包括:删除子模块。
删除子模块,在确定目标用户的政务事项的历史行为数据中不存在依赖条件的记录情况时,删除推荐结果列表中的待推荐政务事项。
根据本公开的实施例,信息推荐装置500还包括:预处理模块。
预处理模块,用于对每个用户的政务事项的历史行为数据进行数据预处理。
根据本公开的实施例,调用模块510、建立模块520、获取模块530、确定模块540和推送模块550中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,调用模块510、建立模块520、获取模块530、确定模块540和推送模块550中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,调用模块510、建立模块520、获取模块530、确定模块540和推送模块550中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图6示意性示出了根据本公开实施例的适于实现信息推荐方法的电子设备的方框图。
如图6所示,根据本公开实施例的电子设备600包括处理器601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 603中,存储有电子设备600操作所需的各种程序和数据。处理器601、ROM602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM 602和/或RAM 603中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,程序也可以存储在除ROM602和RAM603以外的一个或多个存储器中。处理器601也可以通过执行存储在一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备600还可以包括输入/输出(I/O)接口605,输入/输出(I/O)接口605也连接至总线604。电子设备600还可以包括连接至I/O接口605的以下部件中的一项或多项:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 602和/或RAM 603和/或ROM 602和RAM 603以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本公开实施例所提供的信息推荐方法。
在该计算机程序被处理器601执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分609被下载和安装,和/或从可拆卸介质611被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (12)
1.一种信息推荐方法,包括:调用资源共享平台,获取不同用户的关于政务事项的历史行为数据;
根据所述不同用户的关于政务事项的历史行为数据,建立政务事项间的依赖条件表;
根据所述政务事项与不同所述用户之间的预设关系,获取基于所述政务事项的用户间相似度;
根据所述用户间相似度,对所述不同用户的关于政务事项的历史行为数据进行协同过滤,确定目标用户针对其他所述用户的政务事项的推荐结果列表;
根据所述推荐结果列表和所述政务事项间的依赖条件表,向所述目标用户推送推荐结果。
2.根据权利要求1所述的方法,其中,所述根据不同用户的关于政务事项的历史行为数据,建立政务事项间的依赖条件表,包括:
按照预设时间顺序,对不同所述用户的关于政务事项的历史行为数据进行时间排序;
基于排序后的所述政务事项的历史行为数据,构建不同所述用户的多个政务事项关系对,其中,每个所述政务事项关系对包括前置事项和目标事项,所述前置事项在时间上先于所述目标事项;
根据不同所述用户的多个政务事项关系对,建立政务事项间的依赖条件表。
3.根据权利要求2所述的方法,其中,所述根据不同所述用户的多个政务事项关系对,建立政务事项间的依赖条件表,包括:
响应于不同所述用户的多个政务事项关系对的去重请求,对不同所述用户的多个政务事项关系对进行去重,得到去重后的不同所述用户的多个政务事项关系对;
确定用户间不同所述目标事项对应的用户人数和与所述目标事项对应的不同所述前置事项的出现次数;
基于不同所述目标事项对应的用户人数和与所述目标事项对应的不同所述前置事项的出现次数,建立政务事项间的依赖条件表。
4.根据权利要求3所述的方法,其中,所述基于不同所述目标事项对应的用户人数和与所述目标事项对应的不同所述前置事项的出现次数,建立政务事项间的依赖条件表,包括:
基于不同所述目标事项对应的用户人数和与所述目标事项对应的不同所述前置事项的出现次数,得出不同所述目标事项和与所述目标事项对应的不同所述前置事项依赖概率;
在确定所述依赖概率大于预设概率的情况下,建立不同所述目标事项和与所述目标事项对应的不同前置事项的政务事项间的依赖条件表。
5.根据权利要求1所述的方法,其中,所述根据所述用户间相似度,对所述不同用户的关于政务事项的历史行为数据进行协同过滤,确定目标用户针对其他所述用户的政务事项的推荐结果列表,包括:
调用其他所述用户的政务事项的历史行为数据标签值;
基于所述数据标签值,根据目标用户与其他所述用户的用户间相似度,确定目标用户针对其他所述用户的不同所述政务事项的推荐值;
基于不同所述政务事项的推荐值,确定目标用户针对其他所述用户的政务事项的推荐结果列表。
6.根据权利要求1所述的方法,其中,所述推荐结果列表包括多个待推荐政务事项;
其中,所述根据所述推荐结果列表和所述政务事项间的依赖条件表,向所述目标用户推送推荐结果,包括:
调用所述政务事项间的依赖条件表,确定每个所述待推荐政务事项对应的依赖条件;
调用所述目标用户的政务事项的历史行为数据,在确定所述目标用户的政务事项的历史行为数据中存在有所述依赖条件的记录情况时,向所述目标用户推送所述待推荐政务事项。
7.根据权利要求6所述的方法,还包括:在确定所述目标用户的政务事项的历史行为数据中不存在所述依赖条件的记录情况时,删除所述推荐结果列表中的所述待推荐政务事项。
8.根据权利要求1所述的方法,还包括:对不同所述用户的关于政务事项的历史行为数据进行数据预处理。
9.一种信息推荐装置,包括:
调用模块,用于调用资源共享平台,获取不同用户的关于政务事项的历史行为数据;
建立模块,用于根据所述不同用户的关于政务事项的历史行为数据,建立政务事项间的依赖条件表;
获取模块,用于根据所述政务事项与不同所述用户之间的预设关系,获取基于所述政务事项的用户间相似度;
确定模块,用于根据所述用户间相似度,对所述不同用户的关于政务事项的历史行为数据进行协同过滤,确定目标用户针对其他所述用户的政务事项的推荐结果列表;
推送模块,用于根据所述推荐结果列表和所述政务事项间的依赖条件表,向所述目标用户推送推荐结果。
10.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~8中任一项所述的方法。
11.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~8中任一项所述的方法。
12.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现根据权利要求1~8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210595899.0A CN114817749A (zh) | 2022-05-26 | 2022-05-26 | 信息推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210595899.0A CN114817749A (zh) | 2022-05-26 | 2022-05-26 | 信息推荐方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114817749A true CN114817749A (zh) | 2022-07-29 |
Family
ID=82518585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210595899.0A Pending CN114817749A (zh) | 2022-05-26 | 2022-05-26 | 信息推荐方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114817749A (zh) |
-
2022
- 2022-05-26 CN CN202210595899.0A patent/CN114817749A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10725981B1 (en) | Analyzing big data | |
US11182500B2 (en) | Sensitive data management | |
CN113507419B (zh) | 流量分发模型的训练方法、流量分发方法及装置 | |
CN111383097A (zh) | 挖掘个人疑似账户的方法和装置 | |
CN114239511A (zh) | 填充数据的方法和填充数据的装置 | |
CN111383072A (zh) | 一种用户信用评分方法、存储介质及服务器 | |
CN116155628B (zh) | 网络安全检测方法、训练方法、装置、电子设备和介质 | |
CN114817749A (zh) | 信息推荐方法、装置、电子设备及存储介质 | |
CN113449886A (zh) | 数据处理方法、处理装置、设备及存储介质 | |
CN113094595A (zh) | 对象识别方法、装置、计算机系统及可读存储介质 | |
EP3956774A1 (en) | Company size estimation system | |
US10824681B2 (en) | Enterprise resource textual analysis | |
CN114721882B (zh) | 数据备份方法、装置、电子设备及存储介质 | |
US11520786B2 (en) | System and method for optimizing execution of rules modifying search results | |
US11170045B2 (en) | Method and system for interactive search indexing | |
CN107870679B (zh) | 多音字处理方法及系统 | |
CN115983834A (zh) | 运维策略推荐方法、装置、电子设备、介质和程序产品 | |
CN117573695A (zh) | 信息处理方法及装置、电子设备和计算机可读存储介质 | |
CN115033713A (zh) | 政务数据处理方法、装置、设备、介质和程序产品 | |
CN118152803A (zh) | 训练数据集构建方法、装置、电子设备、介质和程序产品 | |
CN118296023A (zh) | 数据比对方法、装置、设备、介质和程序产品 | |
CN118172130A (zh) | 产品推荐方法、装置、设备、介质 | |
CN114581064A (zh) | 自动核对方法、装置、电子设备、介质和计算机程序产品 | |
CN115840730A (zh) | 文件验证方法、装置、设备及存储介质 | |
CN118158284A (zh) | 数据处理方法、装置、设备、介质和程序产品 |
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 |