CN116127155A - 一种措施推送方法、系统、电子设备及存储介质 - Google Patents

一种措施推送方法、系统、电子设备及存储介质 Download PDF

Info

Publication number
CN116127155A
CN116127155A CN202211704069.3A CN202211704069A CN116127155A CN 116127155 A CN116127155 A CN 116127155A CN 202211704069 A CN202211704069 A CN 202211704069A CN 116127155 A CN116127155 A CN 116127155A
Authority
CN
China
Prior art keywords
measure
enterprise
label
matrix
pushing
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
Application number
CN202211704069.3A
Other languages
English (en)
Inventor
李建民
侯超
徐斌
何怀兵
周雨
胡亚林
叶佑顺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Big Data Industry Development Co ltd
Original Assignee
Wuhan Big Data Industry Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Big Data Industry Development Co ltd filed Critical Wuhan Big Data Industry Development Co ltd
Priority to CN202211704069.3A priority Critical patent/CN116127155A/zh
Publication of CN116127155A publication Critical patent/CN116127155A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/903Querying
    • G06F16/9035Filtering based on additional data, e.g. user or group profiles
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/903Querying
    • G06F16/9038Presentation of query results
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Computer And Data Communications (AREA)

Abstract

本发明提供了一种措施推送方法、系统、电子设备及存储介质,通过获取措施样本数据和企业样本数据,并对措施样本数据和所述企业样本数据进行标签化处理得到措施标签数据和企业标签数据;建立AHP层次结构算法模型,并基于AHP层次结构算法模型以及措施标签数据和企业标签数据输出企业‑措施得分矩阵;获取目标企业的数据并标签化处理,通过AHP层次结构算法模型,将目标企业标签与措施标签进行匹配,计算目标企业‑措施得分,输出目标企业‑措施得分矩阵;建立协同过滤算法模型,将企业‑措施得分矩阵与目标企业‑措施得分矩阵输入协同过滤算法模型确定目标企业与企业‑措施得分矩阵中企业的相似度,并根据相似度进行措施推送,提高了措施推送的精确度。

Description

一种措施推送方法、系统、电子设备及存储介质
技术领域
本发明涉及互联网领域,特别涉及一种措施推送方法、系统、电子设备及可读存储介质。
背景技术
随着经济的快速发展,在国家的引导下,各类企业也开始茁壮成长,成为经济体系不可或缺的重要组成部分,但是经济市场往往风云变幻,为了支持和引导企业健康发展,往往会制定一系列措施,帮助企业快速健康的发展壮大。
但是目前发布的大量惠企措施,往往集中放置在网站,让需求者自行检索下载,但是企业涉及种类繁多,措施往往又分为专项措施与普及型措施,这样企业在查询自身相关的措施的时候只能够在众多的信息中查找,但是因为公布的措施信息往往也非常多,所以企业自身在查找过程中也比较困难,很容易出现措施遗漏的情况,这样既不利于企业自身的发展,同时也不利于措施制度的推广,曝光量较低低、申报量也比较少,另外在现有的措施推送方法是通过对企业数据、措施数据的拆分,对企业进行分类,对措施要求进行分类,进而通过类间对应,将类内措施推送给类内企业。
但是通过类间比对筛选的方法不能达到自动化推送及调优的目的,人工维护成本大,推送的精准性难以保证。
因此本发明提供一种措施推送方法,用于现有措施推送方法不能达到自动化推送且推送精确度不高的问题。
发明内容
有鉴于此,本发明提供了措施推送方法、系统、电子设备及存储介质,能够解决现有措施推送方法不能达到自动化推送且推送精确度不高的问题。
为了解决上述技术问题,第一方面,本发明提供了一种措施推送方法,包括:
获取措施样本数据和企业样本数据,并对所述措施样本数据和所述企业样本数据进行标签化处理得到措施标签数据和企业标签数据;
建立AHP层次结构算法模型,并基于AHP层次结构算法模型对措施标签数据分配标签权重得到措施权重矩阵;根据措施标签与企业标签进行匹配并基于措施权重矩阵计算企业-措施得分输出企业-措施得分矩阵;
获取目标企业的数据并进行标签化处理,通过AHP层次结构算法模型,将目标企业标签与措施标签进行匹配,计算目标企业-措施得分,输出目标企业-措施得分矩阵;
建立协同过滤算法模型,将企业-措施得分矩阵与目标企业-措施得分矩阵输入协同过滤算法模型确定目标企业-措施得分矩阵中企业与企业-措施得分矩阵中企业的相似度,并根据相似度进行措施推送。
在一些可能的实现方式中,获取措施样本数据和企业样本数据,并对所述措施样本数据和所述企业样本数据进行标签化处理得到措施标签数据和企业标签数,包括:
对措施样本数据中的措施进行措施拆分并进行标注生成措施标签数据;
对企业样本数据中的企业以对应措施标签为参考进行标注生成企业标签数据。
在一些可能的实现方式中,根据措施标签与企业标签进行匹配,包括:
以措施标签为参考与企业标签进行匹配,当措施标签中与企业标签匹配时,措施标签中有与企业标签匹配的标签时,给匹配的措施标注“匹配”的侧标签;
当措施标签中与企业标签匹配时,措施标签中有与企业标签不匹配的标签时,给不匹配的措施标注“不匹配”的侧标签;
根据标注侧标签的措施标签与企业标签建立企业-措施匹配矩阵。
在一些可能的实现方式中,建立协同过滤算法模型,将企业-措施得分矩阵与目标企业-措施得分矩阵输入协同过滤算法模型确定目标企业-措施得分矩阵中企业与企业-措施得分矩阵中企业的相似度,并根据相似度进行措施推送,包括:
基于企业-措施得分矩阵以及目标企业-措施得分矩阵采用协方差相似度方法计算目标企业-措施得分矩阵中企业与企业-措施得分矩阵中企业的相似度;
选取相似度排名前十的企业对应的措施生成措施推荐结果;
基于措施推荐结果对新企业进行措施推荐。
在一些可能的实现方式中,基于措施推荐结果对新企业进行措施推荐,包括:
对推荐结果进行人工研判,确定措施推荐结果是否正确率达到设定阈值;
当推荐结果正确率达到设定阈值时,根据推荐结果进行推送;
当推荐结构正确率没有达到设定阈值时,重新构建判断矩阵,由判断矩阵对措施标签进行权重分配得到新的措施权重矩阵。
在一些可能的实现方式中,基于AHP层次结构算法模型对措施标签数据分配标签权重得到措施权重矩阵,包括:
以措施条件逻辑对标签重要程度进行排序,构建判断矩阵;
由判断矩阵对措施标签进行权重分配得到措施权重矩阵。
在一些可能的实现方式中,基于AHP层次结构算法模型对措施标签数据分配标签权重得到措施权重矩阵,还包括:
对所述判断矩阵进行一致性检验;
当一致性检验通过时输出措施权重矩阵;
当一致性检验不通过时重新构建判断矩阵,直至判断矩阵通过一致性检验,重新分配权重输出权重矩阵。
另一方面,本发明还提供一种措施推送系统,包括:
样本数据获取模块,获取措施样本数据和企业样本数据,并对所述措施样本数据和所述企业样本数据进行标签化处理得到措施标签数据和企业标签数据;
企业-措施得分矩阵生成模块,建立AHP层次结构算法模型,并基于AHP层次结构算法模型对措施标签数据量化标签权重得到措施权重矩阵;根据措施标签与企业标签进行匹配并基于措施权重矩阵计算企业-措施得分输出企业-措施得分矩阵;
目标企业-措施得分生成模块,获取目标企业的数据并进行标签化处理,通过AHP层次结构算法模型,将目标企业标签与措施标签进行匹配,计算目标企业-措施得分,输出目标企业-措施得分矩阵;
措施推送结果生成模块,建立协同过滤算法模型,将企业-措施得分矩阵与目标企业-措施得分矩阵输入协同过滤算法模型确定目标企业-措施得分矩阵中企业与企业-措施得分矩阵中企业的相似度,并根据相似度进行措施推送。
另一方面,本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时,实现上述所述的一种措施推送方法。
另一方面,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,实现上述的一种措施推送方法。
与现有技术相比,本发明有益效果包括:本发明对现有的措施样本数据和企业样本数据进行标签化处理,通过AHP层次结构算法模型对措施标签数据进行权重分配计算确定企业-措施得分矩阵,同时通过AHP层次结构算法模型对目标企业进行处理得到目标-企业得分矩阵,然后将企业-措施得分矩阵与目标企业-措施得分矩阵输入协同过滤算法模型确定目标企业-措施得分矩阵中企业与企业-措施得分矩阵中企业的相似度,从而确定措施推送结果,根据推送结果进行推送。本发明通过AHP层次结构算法模型对措施标签赋予权重的,计算企业-措施得分,来模拟企业选择措施的行为,然后通过将企业-措施得分矩阵与目标企业-措施得分矩阵作为输入确定目标企业-措施得分矩阵中企业与企业-措施得分矩阵中企业的相似度,并根据相似度进行措施推送;采用AHP层次结构算法模型模拟企业选择措施的行为,解决了协同过滤算法冷启动的问题,提高了对企业推送的精确度。
附图说明
图1为本发明提供的一种措施推送方法的一实施例的流程图;
图2为本发明提供的一种措施推送方法的中措施拆分的一实施例示意图;
图3为本发明提供的一种措施推送系统的一实施例的结构示意图;
图4为本发明提供的电子设备一实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅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,本领域技术人员在没有做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。
应当理解,示意性的附图并未按实物比例绘制。本发明中使用的流程图示出了根据本发明的一些实施例实现的操作。应当理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本发明内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器系统和/或微控制器系统中实现这些功能实体。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其他实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其他实施例相结合。
本发明实施例提供了一种措施推送方法以下分别进行说明。
图1为本发明提供的一种措施推送方法的一实施例的流程图,包括以下步骤:
S101、获取措施样本数据和企业样本数据,并对所述措施样本数据和所述企业样本数据进行标签化处理得到措施标签数据和企业标签数据;
S102、建立AHP层次结构算法模型,并基于AHP层次结构算法模型对措施标签数据分配标签权重得到措施权重矩阵;根据措施标签与企业标签进行匹配并基于措施权重矩阵计算企业-措施得分输出企业-措施得分矩阵;
S103、获取目标企业的数据并进行标签化处理,通过AHP层次结构算法模型,将目标企业标签与措施标签进行匹配,计算目标企业-措施得分,输出目标企业-措施得分矩阵;
S104、建立协同过滤算法模型,将企业-措施得分矩阵与目标企业-措施得分矩阵输入协同过滤算法模型确定目标企业-措施得分矩阵中企业与企业-措施得分矩阵中企业的相似度,并根据相似度进行措施推送。
需要说明的是,层次分析法(analytic hierarchy process),简称AHP,解决多目标复杂问题的定性与定量相结合的决策分析方法。用决策者的经验判断各衡量目标之间能否实现的标准之间的相对重要程度,并合理地给出每个决策方案的每个标准的权数,利用权数求出各方案的优劣次序。
进一步需要说明的是,协同过滤推荐算法:协同过滤是通过群体的行为来找到某种相似性(用户之间的相似性或者标的物之间的相似性),通过该相似性来为用户做决策和推荐,协同过滤的核心是怎么计算标的物之间的相似度以及用户之间的相似度。通过将用户对标的物的评分(浏览、收藏、申请),构建用户行为矩阵,通过评分计算用户与用户之间、标的物与标的物之间的相似度。
进一步需要说明的是,所述措施样本数据和企业样本数据是真实的企业申请措施的数据。
与现有技术相比,本发明对现有的措施样本数据和企业样本数据进行标签化处理,通过AHP层次结构算法模型对措施标签数据进行权重分配计算确定企业-措施得分矩阵,同时通过AHP层次结构算法模型对目标企业进行处理得到目标-企业得分矩阵,然后将企业-措施得分矩阵与目标企业-措施得分矩阵输入协同过滤算法模型确定目标企业-措施得分矩阵中企业与企业-措施得分矩阵中企业的相似度,从而确定措施推送结果,根据推送结果进行推送。本发明通过AHP层次结构算法模型对措施标签赋予权重的,计算企业-措施得分,来模拟企业选择措施的行为,然后通过将企业-措施得分矩阵与目标企业-措施得分矩阵作为输入确定目标企业-措施得分矩阵中企业与企业-措施得分矩阵中企业的相似度,并根据相似度进行措施推送;采用AHP层次结构算法模型模拟企业选择措施的行为,解决了协同过滤算法冷启动的问题,提高了对企业推送的精确度。
在本发明实施例中,获取措施样本数据和企业样本数据,并对所述措施样本数据和所述企业样本数据进行标签化处理得到措施标签数据和企业标签数,包括:
对措施样本数据中的措施进行措施拆分并进行标注生成措施标签数据;
对企业样本数据中的企业以对应措施标签为参考进行标注生成企业标签数据。
请参阅图2,图2为本发明提供的一种措施推送方法的中措施拆分的一实施例示意图,在具体的实施例中,对一个措施进行拆分,将措施的条款分为硬性标签和灵活标签,对不同的条款是否为“或”的关系分为一个事项,且的关系分为一个事项。
在本发明实施例中,根据措施标签与企业标签进行匹配,包括:
以措施标签为参考与企业标签进行匹配,当措施标签中与企业标签匹配时,措施标签中有与企业标签匹配的标签时,给匹配的措施标注“匹配”的侧标签;
当措施标签中与企业标签匹配时,措施标签中有与企业标签不匹配的标签时,给不匹配的措施标注“不匹配”的侧标签;
根据标注侧标签的措施标签与企业标签建立企业-措施匹配矩阵。
在具体的实施例中,以措施标签为为准,与企业标签进行匹配,判断企业标签是否满足措施标签,即企业标签是否与措施标签匹配,当企业标签与措施标签不匹配时,对不匹配的措施标签标注不匹配的侧标签,当企业标签与措施标签匹配时,对匹配的措施标签标注匹配的侧标签,根据侧标签构建企业-措施匹配矩阵。
本发明实施例中,建立协同过滤算法模型,将企业-措施得分矩阵与目标企业-措施得分矩阵输入协同过滤算法模型确定目标企业-措施得分矩阵中企业与企业-措施得分矩阵中企业的相似度,并根据相似度进行措施推送,包括:
基于企业-措施得分矩阵以及目标企业-措施得分矩阵采用协方差相似度方法计算目标企业-措施得分矩阵中企业与企业-措施得分矩阵中企业的相似度;
选取相似度排名前十的企业对应的措施生成措施推荐结果;
基于措施推荐结果对新企业进行措施推荐。
在具体的实施例中,通过协方差计算目标企业-措施得分矩阵中企业与企业-措施得分矩阵中企业的相似度,具体公式如下:
式中,sim(i,j)表示企业i和企业j的相似度,Ri,p表示企业i与措施p的企业-措施得分,示企业j的企业-措施得分平均得分,Rj,p表示企业j与措施p的企业-措施得分,表示企业j的企业-措施得分平均得分,P表示所有措施的集合。
在本发明实施例中,基于AHP层次结构算法模型对措施标签数据分配标签权重得到措施权重矩阵,包括:
以措施条件逻辑对标签重要程度进行排序,构建判断矩阵;
由判断矩阵对措施标签进行权重分配得到措施权重矩阵。
在具体的实施例中,具体的措施条件逻辑为:
将措施分为硬性条件和灵活条件两类,硬性条件的初始权重为60%,灵活条件的初始权重为40%;
硬性条件下的措施事项根据措施事项的重要程度进行权重分配,重要程度相同的赋予相同的权重。
在本发明实施例中,基于AHP层次结构算法模型对措施标签数据分配标签权重得到措施权重矩阵,包括:
以措施条件逻辑对标签重要程度进行排序,构建判断矩阵;
由判断矩阵对措施标签进行权重分配得到措施权重矩阵。
在具体的实施例中,当推荐结构正确率没有达到设定阈值时,重新构建判断矩阵,由判断矩阵对措施标签重新进行权重分配得到新的权矩阵,根据新的权重矩阵去计算企业-措施得分。
在本发明实施例中,基于AHP层次结构算法模型对措施标签数据分配标签权重得到措施权重矩阵,还包括:
对所述判断矩阵进行一致性检验;
当一致性检验通过时输出措施权重矩阵;
当一致性检验不通过时重新构建判断矩阵,直至判断矩阵通过一致性检验,重新分配权重输出权重矩阵。
在具体的的实施例中,当一致性检验不通过时,重新构建判断矩阵,对措施权重进行分配,对重新分配后的措施权重再次进行一致性检验直至措施权重通过一致性检验。
另一方面,如图3,图3为本发明提供的一种措施推送系统的一实施例的结构示意图,措施推送系统200,包括:
样本数据获取模块301,获取措施样本数据和企业样本数据,并对所述措施样本数据和所述企业样本数据进行标签化处理得到措施标签数据和企业标签数据;
企业-措施得分矩阵生成模块302,建立AHP层次结构算法模型,并基于AHP层次结构算法模型对措施标签数据量化标签权重得到措施权重矩阵;根据措施标签与企业标签进行匹配并基于措施权重矩阵计算企业-措施得分输出企业-措施得分矩阵;
目标企业-措施得分生成模块303,获取目标企业的数据并进行标签化处理,通过AHP层次结构算法模型,将目标企业标签与措施标签进行匹配,计算目标企业-措施得分,输出目标企业-措施得分矩阵;
措施推送结果生成模块304,建立协同过滤算法模型,将企业-措施得分矩阵与目标企业-措施得分矩阵输入协同过滤算法模型确定目标企业-措施得分矩阵中企业与企业-措施得分矩阵中企业的相似度,并根据相似度进行措施推送。
本发明实施例还提供了一种电子设备,结合图4来看,图4为本发明提供的电子设备一实施例的结构示意图,电子设备400包括处理器401、存储器402及存储在存储器402上并可在处理器401上运行的计算机程序,处理器401执行程序时,实现如上所述的措施推送方法。
作为优选的实施例,上述电子设备400还包括显示器403,用于显示处理器401执行如上所述的措施推送方法。
示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器402中,并由处理器401执行,以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在电子设备400中的执行过程。
电子设备400可以是带可调摄像头模组的桌上型计算机、笔记本、掌上电脑或智能手机等设备。
其中,处理器401可能是一种集成电路芯片,具有信号的处理能力。上述的处理器401可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中,存储器402可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器402用于存储程序,所述处理器401在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流程定义的方法可以应用于处理器401中,或者由处理器401实现。
其中,显示器403可以是LCD显示屏,也可以是LED显示屏。例如,手机上的显示屏。
可以理解的是,图4所示的结构仅为电子设备400的一种结构示意图,电子设备400还可以包括比图4所示更多或更少的组件。图4中所示的各组件可以采用硬件、软件或其组合实现。
另一方面,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,实现上述的措施推送方法。一般来说,用于实现本发明方法的计算机指令的可以采用一个或多个计算机可读的存储介质的任意组合来承载。非临时性计算机可读存储介质可以包括任何计算机可读介质,除了临时性地传播中的信号本身。
计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、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。在本文件中,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。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言,特别是可以使用适于神经网络计算的Python语言和基于TensorFlow、PyTorch等平台框架。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
与现有技术相比,本发明有益效果包括:本发明对现有的措施样本数据和企业样本数据进行标签化处理,通过AHP层次结构算法模型对措施标签数据进行权重分配计算确定企业-措施得分矩阵,同时通过AHP层次结构算法模型对目标企业进行处理得到目标-企业得分矩阵,然后将企业-措施得分矩阵与目标企业-措施得分矩阵输入协同过滤算法模型确定目标企业-措施得分矩阵中企业与企业-措施得分矩阵中企业的相似度,从而确定措施推送结果,根据推送结果进行推送。本发明通过AHP层次结构算法模型对措施标签赋予权重的,计算企业-措施得分,来模拟企业选择措施的行为,然后通过将企业-措施得分矩阵与目标企业-措施得分矩阵作为输入确定目标企业-措施得分矩阵中企业与企业-措施得分矩阵中企业的相似度,并根据相似度进行措施推送;采用AHP层次结构算法模型模拟企业选择措施的行为,解决了协同过滤算法冷启动的问题,提高了对企业推送的精确度。
以上对本发明所提供一种措施推送方法及系统进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种措施推送方法,其特征在于,包括:
获取措施样本数据和企业样本数据,并对所述措施样本数据和所述企业样本数据进行标签化处理得到措施标签数据和企业标签数据;
建立AHP层次结构算法模型,并基于AHP层次结构算法模型对措施标签数据分配标签权重得到措施权重矩阵;根据措施标签与企业标签进行匹配并基于措施权重矩阵计算企业-措施得分输出企业-措施得分矩阵;
获取目标企业的数据并进行标签化处理,通过AHP层次结构算法模型,将目标企业标签与措施标签进行匹配,计算目标企业-措施得分,输出目标企业-措施得分矩阵;
建立协同过滤算法模型,将企业-措施得分矩阵与目标企业-措施得分矩阵输入协同过滤算法模型确定目标企业-措施得分矩阵中企业与企业-措施得分矩阵中企业的相似度,并根据相似度进行措施推送。
2.根据权利要求1所述的一种措施推送方法,其特征在于,获取措施样本数据和企业样本数据,并对所述措施样本数据和所述企业样本数据进行标签化处理得到措施标签数据和企业标签数,包括:
对措施样本数据中的措施进行措施拆分并进行标注生成措施标签数据;
对企业样本数据中的企业以对应措施标签为参考进行标注生成企业标签数据。
3.根据权利要求1所述的一种措施推送方法,其特征在于,根据措施标签与企业标签进行匹配,包括:
以措施标签为参考与企业标签进行匹配,当措施标签中与企业标签匹配时,措施标签中有与企业标签匹配的标签时,给匹配的措施标注“匹配”的侧标签;
当措施标签中与企业标签匹配时,措施标签中有与企业标签不匹配的标签时,给不匹配的措施标注“不匹配”的侧标签;
根据标注侧标签的措施标签与企业标签建立企业-措施匹配矩阵。
4.根据权利要求1所述的一种措施推送方法,其特征在于,建立协同过滤算法模型,将企业-措施得分矩阵与目标企业-措施得分矩阵输入协同过滤算法模型确定目标企业-措施得分矩阵中企业与企业-措施得分矩阵中企业的相似度,并根据相似度进行措施推送,包括:
基于企业-措施得分矩阵以及目标企业-措施得分矩阵采用协方差相似度方法计算目标企业-措施得分矩阵中企业与企业-措施得分矩阵中企业的相似度;
选取相似度排名前十的企业对应的措施生成措施推荐结果;
基于措施推荐结果对新企业进行措施推荐。
5.根据权利要求4所述的一种措施推送方法,其特征在于,基于措施推荐结果对新企业进行措施推荐,还包括:
对推荐结果进行人工研判,确定措施推荐结果是否正确率达到设定阈值;
当推荐结果正确率达到设定阈值时,根据推荐结果进行推送;
当推荐结构正确率没有达到设定阈值时,重新构建判断矩阵,由判断矩阵对措施标签进行权重分配得到新的措施权重矩阵。
6.根据权利要求1所述的一种措施推送方法,其特征在于,基于AHP层次结构算法模型对措施标签数据分配标签权重得到措施权重矩阵,包括:
以措施条件逻辑对标签重要程度进行排序,构建判断矩阵;
由判断矩阵对措施标签进行权重分配得到措施权重矩阵。
7.根据权利要求6所述的一种措施推送方法,其特征在于,基于AHP层次结构算法模型对措施标签数据分配标签权重得到措施权重矩阵,还包括:
对所述判断矩阵进行一致性检验;
当一致性检验通过时输出措施权重矩阵;
当一致性检验不通过时重新构建判断矩阵,直至判断矩阵通过一致性检验,重新分配权重输出权重矩阵。
8.一种措施推送系统,其特征在于,包括:
样本数据获取单元,获取措施样本数据和企业样本数据,并对所述措施样本数据和所述企业样本数据进行标签化处理得到措施标签数据和企业标签数据;
企业-措施得分矩阵生成单元,建立AHP层次结构算法模型,并基于AHP层次结构算法模型对措施标签数据分配标签权重得到措施权重矩阵;根据措施标签与企业标签进行匹配并基于措施权重矩阵计算企业-措施得分输出企业-措施得分矩阵;
目标企业-措施得分矩阵生成单元,获取目标企业的数据并进行标签化处理,通过AHP层次结构算法模型,将目标企业标签与措施标签进行匹配,计算目标企业-措施得分,输出目标企业-措施得分矩阵;
措施推送结果生成单元,建立协同过滤算法模型,将企业-措施得分矩阵与目标企业-措施得分矩阵输入协同过滤算法模型确定目标企业-措施得分矩阵中企业与企业-措施得分矩阵中企业的相似度,并根据相似度进行措施推送。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,处理器执行程序时,实现根据权利要求1至7任一项所述的一种措施推送方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时,实现根据权利要求1至7任一项所述的一种措施推送方法。
CN202211704069.3A 2022-12-29 2022-12-29 一种措施推送方法、系统、电子设备及存储介质 Pending CN116127155A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211704069.3A CN116127155A (zh) 2022-12-29 2022-12-29 一种措施推送方法、系统、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211704069.3A CN116127155A (zh) 2022-12-29 2022-12-29 一种措施推送方法、系统、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN116127155A true CN116127155A (zh) 2023-05-16

Family

ID=86294947

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211704069.3A Pending CN116127155A (zh) 2022-12-29 2022-12-29 一种措施推送方法、系统、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116127155A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117035695A (zh) * 2023-10-08 2023-11-10 之江实验室 一种信息预警的方法、装置、可读存储介质以及电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117035695A (zh) * 2023-10-08 2023-11-10 之江实验室 一种信息预警的方法、装置、可读存储介质以及电子设备
CN117035695B (zh) * 2023-10-08 2024-03-05 之江实验室 一种信息预警的方法、装置、可读存储介质以及电子设备

Similar Documents

Publication Publication Date Title
CN112035549B (zh) 数据挖掘方法、装置、计算机设备及存储介质
CN113204621B (zh) 文档入库、文档检索方法,装置,设备以及存储介质
CN110674208B (zh) 用于确定用户的职住地信息的方法和装置
CN112052848B (zh) 街区标注中样本数据的获取方法及装置
CN113393306A (zh) 产品推荐方法、装置、电子设备及计算机可读介质
CN116127155A (zh) 一种措施推送方法、系统、电子设备及存储介质
CN113590811A (zh) 文本摘要生成方法、装置、电子设备及存储介质
CN116361552A (zh) 校园图书检索方法、装置、设备及可读存储介质
CN115687794A (zh) 用于推荐物品的学生模型训练方法、装置、设备及介质
CN110782128A (zh) 一种用户职业标签生成方法、装置和电子设备
CN111460206B (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN112541069A (zh) 一种结合关键词的文本匹配方法、系统、终端及存储介质
CN117251761A (zh) 数据对象分类方法、装置、存储介质及电子装置
CN114218259B (zh) 基于大数据SaaS的多维科创信息搜索方法及系统
CN116955797A (zh) 资源推荐方法、装置、电子设备及存储介质
CN116628162A (zh) 语义问答方法、装置、设备及存储介质
CN111125185A (zh) 数据处理方法、装置、介质及电子设备
CN111859985B (zh) Ai客服模型测试方法、装置、电子设备及存储介质
CN109885504B (zh) 推荐系统的测试方法、装置、介质及电子设备
CN115080864A (zh) 基于人工智能的产品推荐方法、装置、计算机设备及介质
CN114943517A (zh) 基于物联网的电子招聘匹配方法、系统以及存储介质
CN114625960A (zh) 线上考评方法、装置、电子设备及存储介质
CN113849618A (zh) 基于知识图谱的策略确定方法、装置、电子设备及介质
CN114066513A (zh) 一种用户分类的方法和装置
CN112131468A (zh) 推荐系统中的数据处理方法、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