CN116664080B - 一种微建议信息处理系统及方法 - Google Patents
一种微建议信息处理系统及方法 Download PDFInfo
- Publication number
- CN116664080B CN116664080B CN202310915129.4A CN202310915129A CN116664080B CN 116664080 B CN116664080 B CN 116664080B CN 202310915129 A CN202310915129 A CN 202310915129A CN 116664080 B CN116664080 B CN 116664080B
- Authority
- CN
- China
- Prior art keywords
- micro
- advice
- suggestions
- coefficient
- content
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000012937 correction Methods 0.000 claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 230000001105 regulatory effect Effects 0.000 claims description 39
- 238000003672 processing method Methods 0.000 claims description 5
- 230000005587 bubbling Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000012163 sequencing technique Methods 0.000 description 5
- 238000012550 audit Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明涉及一种微建议信息处理系统及方法,尤其涉及信息处理领域,所述系统包括采集模块,用以实时采集微建议的关键要素与关键要素字节数,审核模块,用以审核微建议的有效性,分类模块,用以对有效微建议进行分类,并统计各类有效微建议的数量,分析与评估模块,用以对各类有效的微建议关键要素进行分析,推送模块,用以根据各类有效微建议的分析结果对各类有效微建议进行推送,优化模块,用以根据不同类别微建议在处理周期内的历史采纳次数计算校正系数,以对该类别微建议的推荐数量进行优化,本发明提供的微建议信息处理系统通过控制微建议的推送过程,提高了系统推荐微建议的精准性,同时提高了微建议的处理效率。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种微建议信息处理系统及方法。
背景技术
微建议信息处理就是通过信息和通信技术手段去获取微建议的各项关键信息,从而对微建议进行审核、分析与推送,从而提高微建议的处理效率以及系统推送微建议的精准性。
大数据时代背景下,不仅促进了我国信息和数据化的快速发展,同时对于我国经济的发展也起到了非常重要的促进作用。另外,也提高了人们生活质量和水平及工作效率。就目前来看,计算机技术已经被广泛应用到人们的生活生产等多个方面,并取得了显著应用成效。
中国专利公开号:CN111754190A。公开了一种微建议处理方法,包括,获得微建议信息,并将所述微建议信息发送至建议处理终端;获得建议响应信息,所述建议响应信息由所述建议处理终端发出;获得预设的待处理建议信息标识;获得预设的用户终端映射关系;获得待发出的微建议解决进度信息,由此可见,所述微建议处理方法存在以下问题:该方法推送微建议的准确性低、效率低。
发明内容
为此,本发明提供一种微建议信息处理系统及方法,用以克服现有技术中向用户推送微建议的准确性低、效率低的问题。
为实现上述目的,本发明提供一种微建议信息处理系统,所述系统包括,
采集模块,用以实时采集微建议的关键要素与关键要素字节数;
审核模块,用以审核微建议的有效性,所述审核模块设有敏感词审核单元,其用以根据预设敏感词对获取的微建议标题和微建议的建议内容进行有效性判断,所述审核模块还设有标题审核单元,其用以根据获取的微建议标题的字节数对微建议的标题进行有效性等级判断,所述审核模块还设有内容审核单元,其用以根据获取的微建议内容的字节数与标题的有效性等级对微建议的内容进行有效性等级判断,所述审核模块还设有微建议审核单元,其用以根据获取的微建议的建议时间与内容有效性等级对微建议进行有效性判断;
分类模块,用以根据获取的微建议标签对有效的微建议进行分类,并统计各类微建议的数量;
分析与评估模块,用以对各类有效的微建议关键要素进行分析,所述分析与评估模块设有系数计算单元,其用以根据预设关键词和有效微建议的建议内容计算有效微建议的推荐系数,所述分析与评估模块还设有调节单元,其用以根据有效微建议的建议时间设置第一调节系数对所述推荐系数进行调节,调节单元还用以根据各类有效微建议的数量设置第二调节系数对该类别有效微建议的推荐系数进行二次调节,所述分析与评估模块还设有修正单元,其用以根据有效微建议的建议内容计算修正系数,对该建议用户的有效微建议的推荐系数调节过程进行修正;
推送模块,用以根据各类有效微建议的分析结果对各类有效微建议进行推送;
优化模块,用以根据不同类别微建议在处理周期内的历史采纳次数计算校正系数,以对该类别微建议的推荐数量进行优化。
进一步地,所述标题审核单元将获取的微建议标题的字节数m1与预设标题的字节数m0进行比对,并根据比对结果对预选标题进行有效性等级判断,其中:
当m1>m0时,所述标题审核单元判定预选标题为无效标题;
当2m1≤m0时,所述标题审核单元判定预选标题的有效性等级为A1;
当m1≤m0<2m1时,所述标题审核单元判定该预选标题的有效性等级为A2。
进一步地,所述内容审核单元将获取的微建议建议内容的字节数n1与预设建议内容的字节数n0进行比对,并根据比对结果与预选标题的有效性等级对预选建议内容进行有效性等级判断,其中:
当预选标题的有效性等级为A1时,
若n1>n0,所述内容审核单元判定预选建议内容为无效建议内容;
若3/2n1≤n0,所述内容审核单元判定预选建议内容的有效性等级为B1;
若n1≤n0<3/2n1,所述内容审核单元判定预选建议内容的有效性等级为B2;
当预选标题的有效性等级为A2时,
若n1>n0,所述内容审核单元判定预选建议内容为无效建议内容;
若3/2n1≤n0,所述内容审核单元判定预选建议内容的有效性等级为B3;
若n1≤n0<3/2n1时,所述内容审核单元判定预选建议内容的有效性等级为B4。
进一步地,所述微建议审核单元将获取的微建议建议时间t1与获取的当前时间t2进行差值计算,得到时间差值t3,设定t3=t2-t1,并将时间差值与预设标准时间t0进行比对,根据比对结果与内容有效性等级对微建议进行有效性判断,其中:
当预选建议内容有效性等级为B1或B2或B3时,
若t3≥t0,所述微建议审核单元判定该微建议为无效微建议;若t3<t0,所述微建议审核单元判定该微建议为有效微建议;
当预选建议内容有效性等级为B4时,
若t3≥t0时,所述微建议审核单元判定该微建议为无效微建议;
若t3<t0,所述微建议审核单元将预设标准时间t0与时间差值t3进行差值计算,得到时间差△t,并与预设时间差t4进行比对,其中:
当△t≤t4时,所述微建议审核单元判定该微建议为无效微建议;
当△t>t4时,所述微建议审核单元判定该微建议为有效微建议。
进一步地,所述系数计算单元将有效微建议的建议内容与预设关键词进行比对,根据比对结果计算出推荐系数α,设定α=c0/c,其中c0是有效微建议的建议内容与预设关键词匹配的关键词的数量,c时预设关键词的关键词数量,所述调节单元将获取的有效微建议建议时间t1与获取的当前时间t2’进行差值计算,得到时间差值t3’,设定t3’=t2’-t1,并将时间差值t3’与预设时间t0进行比对,以计算出第一调节系数β1,设定β1=t3’/t0,所述调节单元根据第一调节系数β1对推荐系数α进行调节,调节后的推荐系数设置为α1,设定α1=α×β1。
进一步地,所述调节单元将各类有效建议的数量ai与预设标准数量a0进行比对,并根据比对结果与预设数量a0进行比对计算出第二调节系数,其中:
当ai≤a0时,所述调节单元将第二调节系数设置为β2,设定β2=1,其中i=1,2,3,4,5,6;
当a1>a0时,所述调节单元将第二调节系数设置为β3,设定β3=1-(a1-a0)/a0,当a1-a0≥a0时,所述调节单元将a1-a0设置为a0;
当a2>a0时,所述调节单元将第二调节系数设置为β4,设定β4=1-(a2-a0)/a0,当a2-a0≥a0时,所述调节单元将a2-a0设置为a0;
当a3>a0时,所述调节单元将第二调节系数设置为β5,设定β5=1-(a3-a0)/a0,当a3-a0≥a0时,所述调节单元将a3-a0设置为a0;
当a4>a0时,所述调节单元将第二调节系数设置为β6,设定β6=1-(a4-a0)/a0,当a4-a0≥a0时,所述调节单元将a4-a0设置为a0;
当a5>a0时,所述调节单元将第二调节系数设置为β7,设定β7=1-(a5-a0)/a0,当a5-a0≥a0时,所述调节单元将a5-a0设置为a0;
当a6>a0时,所述调节单元将第二调节系数设置为β8,设定β8=1-(a6-a0)/a0,当a6-a0≥a0时,所述调节单元将a6-a0设置为a0;
所述调节单元根据第二调节系数βj对推荐系数α进行二次调节,二次调节后的推荐系数设置为α2,设定α2=α1×βj,j=2,3,4,5,6,7,8。
进一步地,所述修正单元获取有效微建议的建议内容与各关键词匹配次数w1与预设匹配次数w0进行比对,并根据比对结果计算出修正系数,其中:
当w1≤w0时,所述修正单元将修正系数设为γ1,设定γ1=1;
当w1>w0时,所述修正单元将修正系数设为γ2,设定γ2=1-(w1-w0)/(w1+w0);
所述修正单元根据修正系数γx对第二调节系数βj进行修正,修正后的第二调节系数设置为βj’,设定βj’=βj×γx,x=1,2。
进一步地,所述推送模块将各类有效微建议的推荐数量分别与预设推送数量fi进行比对,并根据比对结果对各类微建议进行推送,其中:
当ai≤fi时,所述推送模块将有效微建议根据微建议分类全部推送至所对应用户;
当ai>fi时,所述推送模块根据有效微建议的推荐系数通过冒泡排序法按照从大到小的顺序对有效微建议进行排序,并筛选出f个有效微建议将其根据微建议分类全部推送至所对应用户。
进一步地,所述优化模块根据获取的处理周期内各类有效微建议的历史采纳次数计算出校正系数,设置校正系数Yi,设定Yi=pi/(p1+p2+p3+p4+p5+p6),其中pi为各类有效微建议的历史采纳次数;
所述优化模块根据校正系数Xi对下一次预设推送数量fi进行优化,优化后的下一次预设推送数量设置为fi’,设定fi’=6a0×Yi。
另一方面,本发明还提供一种微建议信息处理系统的方法,包括,
步骤S1:实时采集微建议的关键要素与关键要素字节数;
步骤S2:审核微建议的有效性;
步骤S3:对有效微建议进行分类,并统计各类有效微建议的数量;
步骤S4:对各类有效的微建议关键要素进行分析;
步骤S5:根据各类有效微建议的分析结果对各类有效微建议进行推送;
步骤S6:根据不同类别微建议在处理周期内的历史采纳次数计算校正系数,以对该类别微建议的推荐数量进行优化。
与现有技术相比,本发明的有益效果在于,具体而言,所述采集模块获取微建议的关键要素与关键要素字节数,在此基础上对微建议进行审核,以提高微建议的推荐率的准确性,同时可以提高微建议的处理效率,所述敏感词审核单元通过预设敏感词对获取的微建议标题和微建议的建议内容进行匹配,以过滤掉不符合要求的微建议,以提高微建议的有效率,进而提高微建议的推荐率的准确性,同时可以提高微建议的处理效率,所述标题审核单元通过对标题的有效性等级进行判定,以提高微建议的有效率,进而提高微建议的推荐率的准确性,从而可以提高微建议的处理效率,所述内容审核单元通过对微建议的建议内容的有效性等级进行判断,以提高微建议的有效率,进而提高微建议的推荐率的准确性,从而可以提高微建议的处理效率,所述微建议审核单元根据微建议的有效性进行判断,以提高微建议的有效率,进而提高微建议的推荐率的准确性,从而可以提高微建议的处理效率,所述分类模块通过将有效微建议进行分类,以提高微建议的处理效率,所述系数计算单元通过计算出有效微建议的推荐系数,以提高微建议的推荐率的准确性,从而可以提高微建议的处理效率,所述调节单元,通过计算出调节系数对微建议的推荐系数进行调节,以提高微建议推荐系数的准确性,从而提高所推送微建议的推荐度,进而可以提高微建议的处理效率,所述修正单元通过计算出修正系数对调节系数进行修正,从而提高调节系数的准确性,进而提高微建议推荐系数的准确性,从而可以提高微建议的处理效率,所述推送模块通过对有效微建议的推荐系数进行排序,以筛序出推荐系数最高的微建议,从而提高推荐微建议的精准性,进而提高微建议的处理效率,所述优化模块通过计算出校正系数对以对该类别微建议的推荐数量进行优化,以提高推荐微建议的精准性,进而提高微建议的处理效率。
附图说明
图1为本实施例微建议信息处理系统的结构示意图;
图2为本实施例审核模块的结构示意图;
图3为本实施例分析与评估模块的结构示意图;
图4为本实施例微建议信息处理方法的流程示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,其为本实施例微建议信息处理系统的结构示意图,所述系统包括,
采集模块,用以实时采集微建议的关键要素与关键要素字节数,所述关键要素包括建议时间,标题,建议内容,建议人id,微建议标签,所述关键要素字节数包括标题字节数和建议内容字节数,所述微建议标签包括财政类、城市规划类、市民服务类、教育类、卫生类和公安类,可以理解的是,本实施例中不对关键要素的获取方式进行限定,本领域技术人员可设置网络爬虫等方式进行获取,只需满足关键要素的获取需求即可;
审核模块,用以审核微建议的有效性,审核模块与所述采集模块连接,本实施例中设有若干预设敏感词;
分类模块,用以对有效微建议进行分类,并统计各类有效微建议的数量,分类模块与所述审核模块连接;
分析与评估模块,用以对各类有效的微建议关键要素进行分析,分析与评估模块与所述分类模块连接;
推送模块,用以根据各类有效微建议的分析结果对各类有效微建议进行推送,推送模块与所述分析与评估模块连接;
优化模块,用以根据不同类别微建议在处理周期内的历史采纳次数计算校正系数,以对该类别微建议的推荐数量进行优化,优化模块与所述推送模块连接。
请参阅图2所示,其为本实施例审核模块的结构示意图,所述审核模块包括:
敏感词审核单元,用以根据预设敏感词对获取的微建议标题和微建议的建议内容进行有效性判断;
标题审核单元,用以根据获取的微建议标题的字节数对微建议的标题进行有效性等级判断,标题审核单元与所述敏感词审核单元连接;
内容审核单元,用以根据获取的微建议内容的字节数与标题的有效性等级对微建议的内容进行有效性等级判断,内容审核单元与所述标题审核单元连接;
微建议审核单元,用以根据获取的微建议的建议时间与内容有效性等级对微建议进行有效性判断,微建议审核单元与所述内容审核单元连接;
请参阅图3所示,其为本实施例分析与评估模块的结构示意图,所述分析与评估模块包括:
系数计算单元,用以根据预设关键词和有效微建议的建议内容计算有效微建议的推荐系数;
调节单元,用以根据有效微建议的建议时间设置第一调节系数对所述推荐系数进行调节;调节单元还用以根据各类有效微建议的数量设置第二调节系数对该类别有效微建议的推荐系数进行二次调节,调节单元与所述推荐系数计算单元连接;
修正单元,用以根据有效微建议的建议内容计算修正系数,对该建议用户的有效微建议的推荐系数调节过程进行修正,修正单元与所述调节单元连接。
具体而言,所述采集模块获取微建议的关键要素与关键要素字节数,在此基础上对微建议进行审核,以提高微建议的推荐率的准确性,同时可以提高微建议的处理效率,所述敏感词审核单元通过预设敏感词对获取的微建议标题和微建议的建议内容进行匹配,以过滤掉不符合要求的微建议,以提高微建议的有效率,进而提高微建议的推荐率的准确性,同时可以提高微建议的处理效率,所述标题审核单元通过对标题的有效性等级进行判定,以提高微建议的有效率,进而提高微建议的推荐率的准确性,从而可以提高微建议的处理效率,所述内容审核单元通过对微建议的建议内容的有效性等级进行判断,以提高微建议的有效率,进而提高微建议的推荐率的准确性,从而可以提高微建议的处理效率,所述微建议审核单元根据微建议的有效性进行判断,以提高微建议的有效率,进而提高微建议的推荐率的准确性,从而可以提高微建议的处理效率,所述分类模块通过将有效微建议进行分类,以提高微建议的处理效率,所述系数计算单元通过计算出有效微建议的推荐系数,以提高微建议的推荐率的准确性,从而可以提高微建议的处理效率,所述调节单元,通过计算出调节系数对微建议的推荐系数进行调节,以提高微建议推荐系数的准确性,从而提高所推送微建议的推荐度,进而可以提高微建议的处理效率,所述修正单元通过计算出修正系数对调节系数进行修正,从而提高调节系数的准确性,进而提高微建议推荐系数的准确性,从而可以提高微建议的处理效率,所述推送模块通过对有效微建议的推荐系数进行排序,以筛序出推荐系数最高的微建议,从而提高推荐微建议的精准性,进而提高微建议的处理效率,所述优化模块通过计算出校正系数对以对该类别微建议的推荐数量进行优化,以提高推荐微建议的精准性,进而提高微建议的处理效率。
具体而言,所述敏感词审核单元将微建议标题和微建议的建议内容与预设敏感词进行匹配,并根据匹配结果对微建议的标题和微建议的建议内容进行有效性判断,其中:
当微建议标题中未匹配到预设敏感词时,所述敏感词审核单元判定该微建议的标题为预选标题;
当微建议标题中匹配到预设敏感词时,所述敏感词审核单元判定该微建议的标题为无效标题,该微建议为无效微建议;
当微建议的建议内容中未匹配到预设敏感词时时,所述敏感词审核单元判定该微建议的建议内容为预选建议内容;
当微建议的建议内容中匹配到预设敏感词时,所述敏感词审核单元判定该微建议的建议内容为无效建议内容,该微建议为无效微建议。
具体而言,所述敏感词审核单元通过将微建议的标题和建议内容与预设敏感词进行匹配,以筛选出无效微建议,从而提高了微建议的处理效率,进而提高系统推送微建议的精准性。
具体而言,所述标题审核单元将获取的微建议标题的字节数m1与预设标题的字节数m0进行比对,并根据比对结果对预选标题进行有效性等级判断,其中:
当m1>m0时,所述标题审核单元判定预选标题为无效标题;
当2m1≤m0时,所述标题审核单元判定预选标题的有效性等级为A1;
当m1≤m0<2m1时,所述标题审核单元判定该预选标题的有效性等级为A2,本实施例中A1的等级大于A2的等级。
具体而言,所述标题审核单元通过设置预设标题字节数与获取到的标题字节数进行比对,以筛选出不符合字节数要求的标题,通过对标题进行有效性等级判断,以提高内容审核单元对内容有效性等级判定的准确性,进而提高微建议有效性判定的准确性,最终提高系统推送微建议的精准性。
具体而言,所述内容审核单元将获取的微建议建议内容的字节数n1与预设建议内容的字节数n0进行比对,并根据比对结果与预选标题的有效性等级对预选建议内容进行有效性等级判断,其中:
当预选标题的有效性等级为A1时,
若n1>n0,所述内容审核单元判定预选建议内容为无效建议内容;
若3/2n1≤n0,所述内容审核单元判定预选建议内容的有效性等级为B1;
若n1≤n0<3/2n1,所述内容审核单元判定预选建议内容的有效性等级为B2;
当预选标题的有效性等级为A2时,
若n1>n0,所述内容审核单元判定预选建议内容为无效建议内容;
若3/2n1≤n0,所述内容审核单元判定预选建议内容的有效性等级为B3;
若n1≤n0<3/2n1时,所述内容审核单元判定预选建议内容的有效性等级为B4,本实施例中B4的等级大于B3的等级大于B2的等级大于B1的等级。
具体而言,所述内容审核单元通过设置预设内容字节数与获取到的建议内容字节数进行比对,以筛选出不符合字节数要求的建议内容,通过对建议内容进行有效性等级判断,以提高微建议审核单元对微建议有效性判定的准确性,最终提高系统推送微建议的精准性。
具体而言,所述微建议审核单元将获取的微建议建议时间t1与获取的当前时间t2进行差值计算,得到时间差值t3,设定t3=t2-t1,并将时间差值与预设标准时间t0进行比对,根据比对结果与内容有效性等级对微建议进行有效性判断,其中:
当预选建议内容有效性等级为B1或B2或B3时,
若t3≥t0,所述微建议审核单元判定该微建议为无效微建议;若t3<t0,所述微建议审核单元判定该微建议为有效微建议;
当预选建议内容有效性等级为B4时,
若t3≥t0时,所述微建议审核单元判定该微建议为无效微建议;
若t3<t0,所述微建议审核单元将预设标准时间t0与时间差值t3进行差值计算,得到时间差△t,并与预设时间差t4进行比对,其中:
当△t≤t4时,所述微建议审核单元判定该微建议为无效微建议;
当△t>t4时,所述微建议审核单元判定该微建议为有效微建议。
具体而言,所述微建议审核单元的预设标准时间t0为微建议在系统中所存放的最长时间,t0的取值范围为60天到120天,t0的最佳取值为90天,所述微建议审核单元的预设时间差t4微建议与临界预设标准时间的差值,t4的取值范围为3天到10天,t0的最佳取值为7天,所述微建议审核单元通过计算出时间差值与预设时间进行比对,以筛选出不符合时间要求的微建议,根据内容有效性等级与时间差对微建议的有效性进行二次判断,以提高微建议审核单元微建议有效性判定的准确性,从而提高系统推送微建议的精准性。
具体而言,所述分类模块将获取的微建议标签对有效微建议进行分类,并统计各类有效微建议的数量,所述分类模块将财政类微建议的数量设置为a1,将城市规划类微建议的数量设置为a2,将市民服务类微建议的数量设置为a3,将教育类微建议的数量设置为a4,将卫生类微建议的数量设置为a5,将公安类微建议的数量设置为a6。
具体而言,所述系数计算单元将有效微建议的建议内容与预设关键词进行比对,根据比对结果计算出推荐系数α,设定α=c0/c,其中c0是有效微建议的建议内容与预设关键词匹配的关键词的数量,c时预设关键词的关键词数量。
具体而言,所述系数计算单元通过有效微建议的建议内容与预设关键词进行比对的方法计算推荐系数α,以提高推荐系数的准确性,进而提高系统推送微建议的精准性。
具体而言,所述调节单元将获取的有效微建议建议时间t1与获取的当前时间t2’进行差值计算,得到时间差值t3’,设定t3’=t2’-t1,并将时间差值t3’与预设时间t0进行比对,以计算出第一调节系数β1,设定β1=t3’/t0;
所述调节单元根据第一调节系数β1对推荐系数α进行调节,调节后的推荐系数设置为α1,设定α1=α×β1。
具体而言,所述调节单元通过计算第一调节系数β1对推荐系数进行调节,以降低时间因素对推荐系数的影响,从而提高推荐系数的准确性,进而提高系统推送微建议的精准性。
具体而言,所述调节单元将各类有效建议的数量ai与预设标准数量a0进行比对,并根据比对结果与预设数量a0进行比对计算出第二调节系数,其中:
当ai≤a0时,所述调节单元将第二调节系数设置为β2,设定β2=1,其中i=1,2,3,4,5,6;
当a1>a0时,所述调节单元将第二调节系数设置为β3,设定β3=1-(a1-a0)/a0,当a1-a0≥a0时,所述调节单元将a1-a0设置为a0;
当a2>a0时,所述调节单元将第二调节系数设置为β4,设定β4=1-(a2-a0)/a0,当a2-a0≥a0时,所述调节单元将a2-a0设置为a0;
当a3>a0时,所述调节单元将第二调节系数设置为β5,设定β5=1-(a3-a0)/a0,当a3-a0≥a0时,所述调节单元将a3-a0设置为a0;
当a4>a0时,所述调节单元将第二调节系数设置为β6,设定β6=1-(a4-a0)/a0,当a4-a0≥a0时,所述调节单元将a4-a0设置为a0;
当a5>a0时,所述调节单元将第二调节系数设置为β7,设定β7=1-(a5-a0)/a0,当a5-a0≥a0时,所述调节单元将a5-a0设置为a0;
当a6>a0时,所述调节单元将第二调节系数设置为β8,设定β8=1-(a6-a0)/a0,当a6-a0≥a0时,所述调节单元将a6-a0设置为a0;
所述调节单元根据第二调节系数βj对推荐系数α进行二次调节,二次调节后的推荐系数设置为α2,设定α2=α1×βj,j=2,3,4,5,6,7,8。
具体而言,所述调节单元通过计算第二调节系数βj对推荐系数α进行二次调节,以降低各类有效微建议的数量对推荐系数的影响,从而提高推荐系数的准确性,提高微建议的处理效率,进而提高系统推送微建议的精准性。
具体而言,所述修正单元获取有效微建议的建议内容与各关键词匹配次数w1与预设匹配次数w0进行比对,并根据比对结果计算出修正系数,其中:
当w1≤w0时,所述修正单元将修正系数设为γ1,设定γ1=1;
当w1>w0时,所述修正单元将修正系数设为γ2,设定γ2=1-(w1-w0)/(w1+w0);
所述修正单元根据修正系数γx对第二调节系数βj进行修正,修正后的第二调节系数设置为βj’,设定βj’=βj×γx,x=1,2。
具体而言,所述修正单元通过计算修正系数γx对第二调节系数进行修正,以降低预设关键词被匹配的次数对第二调节系数的影响,从而提高第二修正系数的准确性,进而提高推荐系数的准确性,最终提高系统推送微建议的精准性。
具体而言,所述推送模块将各类有效微建议的推荐数量分别与预设推送数量fi进行比对,并根据比对结果对各类微建议进行推送,其中:
当ai≤fi时,所述推送模块将有效微建议根据微建议分类全部推送至所对应用户;
当ai>fi时,所述推送模块根据有效微建议的推荐系数通过冒泡排序法按照从大到小的顺序对有效微建议进行排序,并筛选出fi个有效微建议将其根据微建议分类全部推送至所对应用户。
具体而言,所述冒泡排序法它重复地遍历待排序的有效微建议的推荐系数,比较相邻的两个有效微建议的推荐系数并按照顺序交换它们,直到整个列表排序完成,可以理解的是,本领域不对有效微建议推荐系数的排序方法进行具体限定,本领域人员可设置其他方法进行排序,只需满足有效微建议推荐系数的排序需求即可,所述推送模块通过设置预设推送数量fi与各类别微建议的推荐数量进行比对,以提高各类别微建议推送数量的准确性,从而提高微建议的处理效率,进而提高系统推送微建议的精准性。
具体而言,所述优化模块根据获取的处理周期内各类别有效微建议的历史采纳次数计算出校正系数,设置校正系数Yi,设定Yi=pi/(p1+p2+p3+p4+p5+p6),其中pi为第i类别有效微建议的历史采纳次数,p1为第1类别有效微建议的历史采纳次数,p2为第2类别有效微建议的历史采纳次数,p3为第3类别有效微建议的历史采纳次数,p4为第4类别有效微建议的历史采纳次数,p5为第5类别有效微建议的历史采纳次数,p6为第6类别有效微建议的历史采纳次数;
所述优化模块根据校正系数Xi对下一次预设推送数量fi进行优化,优化后的下一次预设推送数量设置为fi’,设定fi’=6a0×Yi。
具体而言,所述处理周期的取值范围为20天到40天,处理周期的最佳取值为30天,所述优化模块通过计算校正系数对下一次的预设推送数量进行优化,以减少各类别微建议的历史采纳次数对预设推送数量的影响,从而提高预设推送数量的准确性,进而提高微建议的处理效率,最终提高系统推送微建议的精准性。
请参阅图4所示,其为本实施例微建议信息处理方法的流程示意图,所述方法包括:
步骤S1:实时采集微建议的关键要素与关键要素字节数;
步骤S2:审核微建议的有效性;
步骤S3:对有效微建议进行分类,并统计各类有效微建议的数量;
步骤S4:对各类有效的微建议关键要素进行分析;
步骤S5:根据各类有效微建议的分析结果对各类有效微建议进行推送;
步骤S6:根据不同类别微建议在处理周期内的历史采纳次数计算校正系数,以对该类别微建议的推荐数量进行优化。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (7)
1.一种微建议信息处理系统,其特征在于,包括,
采集模块,用以实时采集微建议的关键要素与关键要素字节数;
审核模块,用以审核微建议的有效性,所述审核模块设有敏感词审核单元,其用以根据预设敏感词对获取的微建议标题和微建议的建议内容进行有效性判断,所述审核模块还设有标题审核单元,其用以根据获取的微建议标题的字节数对微建议的标题进行有效性等级判断,所述审核模块还设有内容审核单元,其用以根据获取的微建议内容的字节数与标题的有效性等级对微建议的内容进行有效性等级判断,所述审核模块还设有微建议审核单元,其用以根据获取的微建议的建议时间与内容有效性等级对微建议进行有效性判断;
分类模块,用以根据获取的微建议标签对有效的微建议进行分类,并统计各类微建议的数量;
分析与评估模块,用以对各类有效的微建议关键要素进行分析,所述分析与评估模块设有系数计算单元,其用以根据预设关键词和有效微建议的建议内容计算有效微建议的推荐系数,所述分析与评估模块还设有调节单元,其用以根据有效微建议的建议时间设置第一调节系数对所述推荐系数进行调节,调节单元还用以根据各类有效微建议的数量设置第二调节系数对该类别有效微建议的推荐系数进行二次调节,所述分析与评估模块还设有修正单元,其用以根据有效微建议的建议内容计算修正系数,对该建议用户的有效微建议的推荐系数调节过程进行修正;
推送模块,用以根据各类有效微建议的分析结果对各类有效微建议进行推送;
优化模块,用以根据不同类别微建议在处理周期内的历史采纳次数计算校正系数,以对该类别微建议的推荐数量进行优化;
所述系数计算单元将有效微建议的建议内容与预设关键词进行比对,根据比对结果计算出推荐系数α,设定α=c0/c,其中c0是有效微建议的建议内容与预设关键词匹配的关键词的数量,c为预设关键词的关键词数量;
所述调节单元将获取的有效微建议建议时间t1与获取的当前时间t2’进行差值计算,得到时间差值t3’,设定t3’=t2’-t1,并将时间差值t3’与预设时间t0进行比对,以计算出第一调节系数β1,设定β1=t3’/t0,所述调节单元根据第一调节系数β1对推荐系数α进行调节,调节后的推荐系数设置为α1,设定α1=α×β1;
所述调节单元将各类有效建议的数量ai与预设标准数量a0进行比对,并根据比对结果与预设数量a0进行比对计算出第二调节系数,其中:
当ai≤a0时,所述调节单元将第二调节系数设置为β2,设定β2=1,其中i=1,2,3,4,5,6;
当a1>a0时,所述调节单元将第二调节系数设置为β3,设定β3=1-(a1-a0)/a0,当a1-a0≥a0时,所述调节单元将a1-a0设置为a0;
当a2>a0时,所述调节单元将第二调节系数设置为β4,设定β4=1-(a2-a0)/a0,当a2-a0≥a0时,所述调节单元将a2-a0设置为a0;
当a3>a0时,所述调节单元将第二调节系数设置为β5,设定β5=1-(a3-a0)/a0,当a3-a0≥a0时,所述调节单元将a3-a0设置为a0;
当a4>a0时,所述调节单元将第二调节系数设置为β6,设定β6=1-(a4-a0)/a0,当a4-a0≥a0时,所述调节单元将a4-a0设置为a0;
当a5>a0时,所述调节单元将第二调节系数设置为β7,设定β7=1-(a5-a0)/a0,当a5-a0≥a0时,所述调节单元将a5-a0设置为a0;
当a6>a0时,所述调节单元将第二调节系数设置为β8,设定β8=1-(a6-a0)/a0,当a6-a0≥a0时,所述调节单元将a6-a0设置为a0;
所述调节单元根据第二调节系数βj对推荐系数α进行二次调节,二次调节后的推荐系数设置为α2,设定α2=α1×βj,j=2,3,4,5,6,7,8;
所述修正单元获取有效微建议的建议内容与各关键词匹配次数w1与预设匹配次数w0进行比对,并根据比对结果计算出修正系数,其中:
当w1≤w0时,所述修正单元将修正系数设为γ1,设定γ1=1;
当w1>w0时,所述修正单元将修正系数设为γ2,设定γ2=1-(w1-w0)/(w1+w0);
所述修正单元根据修正系数γx对第二调节系数βj进行修正,修正后的第二调节系数设置为βj’,设定βj’=βj×γx,x=1,2。
2.根据权利要求1所述的微建议信息处理系统,其特征在于,所述标题审核单元将获取的微建议标题的字节数m1与预设标题的字节数m0进行比对,并根据比对结果对预选标题进行有效性等级判断,其中:
当m1>m0时,所述标题审核单元判定预选标题为无效标题;
当2m1≤m0时,所述标题审核单元判定预选标题的有效性等级为A1;
当m1≤m0<2m1时,所述标题审核单元判定该预选标题的有效性等级为A2。
3.根据权利要求2所述的微建议信息处理系统,其特征在于,所述内容审核单元将获取的微建议建议内容的字节数n1与预设建议内容的字节数n0进行比对,并根据比对结果与预选标题的有效性等级对预选建议内容进行有效性等级判断,其中:
当预选标题的有效性等级为A1时,
若n1>n0,所述内容审核单元判定预选建议内容为无效建议内容;
若3/2n1≤n0,所述内容审核单元判定预选建议内容的有效性等级为B1;
若n1≤n0<3/2n1,所述内容审核单元判定预选建议内容的有效性等级为B2;
当预选标题的有效性等级为A2时,
若n1>n0,所述内容审核单元判定预选建议内容为无效建议内容;
若3/2n1≤n0,所述内容审核单元判定预选建议内容的有效性等级为B3;
若n1≤n0<3/2n1时,所述内容审核单元判定预选建议内容的有效性等级为B4。
4.根据权利要求3所述的微建议信息处理系统,其特征在于,所述微建议审核单元将获取的微建议建议时间t1与获取的当前时间t2进行差值计算,得到时间差值t3,设定t3=t2-t1,并将时间差值与预设标准时间t0进行比对,根据比对结果与内容有效性等级对微建议进行有效性判断,其中:
当预选建议内容有效性等级为B1或B2或B3时,
若t3≥t0,所述微建议审核单元判定该微建议为无效微建议;若t3<t0,所述微建议审核单元判定该微建议为有效微建议;
当预选建议内容有效性等级为B4时,
若t3≥t0时,所述微建议审核单元判定该微建议为无效微建议;
若t3<t0,所述微建议审核单元将预设标准时间t0与时间差值t3进行差值计算,得到时间差△t,并与预设时间差t4进行比对,其中:
当△t≤t4时,所述微建议审核单元判定该微建议为无效微建议;
当△t>t4时,所述微建议审核单元判定该微建议为有效微建议。
5.根据权利要求1所述的微建议信息处理系统,其特征在于,
所述推送模块将各类有效微建议的推荐数量分别与预设推送数量fi进行比对,并根据比对结果对各类微建议进行推送,其中:
当ai≤fi时,所述推送模块将有效微建议根据微建议分类全部推送至所对应用户;
当ai>fi时,所述推送模块根据有效微建议的推荐系数通过冒泡排序法按照从大到小的顺序对有效微建议进行排序,并筛选出f个有效微建议将其根据微建议分类全部推送至所对应用户。
6.根据权利要求5所述的微建议信息处理系统,其特征在于,所述优化模块根据获取的处理周期内各类有效微建议的历史采纳次数计算出校正系数,设置校正系数Yi,设定Yi=pi/(p1+p2+p3+p4+p5+p6),其中pi为各类有效微建议的历史采纳次数;
所述优化模块根据校正系数Xi对下一次预设推送数量fi进行优化,优化后的下一次预设推送数量设置为fi’,设定fi’=6a0×Yi。
7.一种应用于如权利要求1-6任一项所述的微建议信息处理系统的处理方法,其特征在于,包括,
步骤S1:实时采集微建议的关键要素与关键要素字节数;
步骤S2:审核微建议的有效性;
步骤S3:对有效微建议进行分类,并统计各类有效微建议的数量;
步骤S4:对各类有效的微建议关键要素进行分析;
步骤S5:根据各类有效微建议的分析结果对各类有效微建议进行推送;
步骤S6:根据不同类别微建议在处理周期内的历史采纳次数计算校正系数,以对该类别微建议的推荐数量进行优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310915129.4A CN116664080B (zh) | 2023-07-25 | 2023-07-25 | 一种微建议信息处理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310915129.4A CN116664080B (zh) | 2023-07-25 | 2023-07-25 | 一种微建议信息处理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116664080A CN116664080A (zh) | 2023-08-29 |
CN116664080B true CN116664080B (zh) | 2023-10-10 |
Family
ID=87717344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310915129.4A Active CN116664080B (zh) | 2023-07-25 | 2023-07-25 | 一种微建议信息处理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116664080B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111754190A (zh) * | 2020-05-22 | 2020-10-09 | 湖南正宇软件技术开发有限公司 | 一种微建议处理方法和装置 |
CN112149031A (zh) * | 2020-08-24 | 2020-12-29 | 广州市标准化研究院 | 一种基于云服务的文化产业创意综合公共服务平台及方法 |
WO2021169208A1 (zh) * | 2020-02-25 | 2021-09-02 | 平安科技(深圳)有限公司 | 一种文本审核方法、装置、计算机设备及可读存储介质 |
CN114912026A (zh) * | 2022-05-30 | 2022-08-16 | 武汉嘉越似锦文化传媒有限公司 | 一种网络舆情监测分析处理方法、设备及计算机存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7818117B2 (en) * | 2007-06-20 | 2010-10-19 | Amadeus S.A.S. | System and method for integrating and displaying travel advices gathered from a plurality of reliable sources |
-
2023
- 2023-07-25 CN CN202310915129.4A patent/CN116664080B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021169208A1 (zh) * | 2020-02-25 | 2021-09-02 | 平安科技(深圳)有限公司 | 一种文本审核方法、装置、计算机设备及可读存储介质 |
CN111754190A (zh) * | 2020-05-22 | 2020-10-09 | 湖南正宇软件技术开发有限公司 | 一种微建议处理方法和装置 |
CN112149031A (zh) * | 2020-08-24 | 2020-12-29 | 广州市标准化研究院 | 一种基于云服务的文化产业创意综合公共服务平台及方法 |
CN114912026A (zh) * | 2022-05-30 | 2022-08-16 | 武汉嘉越似锦文化传媒有限公司 | 一种网络舆情监测分析处理方法、设备及计算机存储介质 |
Non-Patent Citations (1)
Title |
---|
提高微信公众平台消息推送有效性的策略研究;卫芸;;农业图书情报学刊(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116664080A (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1739580B1 (en) | Categorization including dependencies between different category systems | |
US7958067B2 (en) | Data classification methods using machine learning techniques | |
US7761391B2 (en) | Methods and systems for improved transductive maximum entropy discrimination classification | |
CN108898479B (zh) | 信用评价模型的构建方法及装置 | |
US6401086B1 (en) | Method for automatically generating a summarized text by a computer | |
US7937345B2 (en) | Data classification methods using machine learning techniques | |
US20080086432A1 (en) | Data classification methods using machine learning techniques | |
Zieschang | Sample weighting methods and estimation of totals in the consumer expenditure survey | |
CN110309863A (zh) | 一种基于层次分析法和灰色关联分析的身份可信评价方法 | |
CN108509492B (zh) | 基于房地产行业的大数据处理及系统 | |
CN113610331B (zh) | 基于信息瀑布的成本核算方法、装置及存储介质 | |
CN110990711B (zh) | 基于机器学习的微信公众号推荐方法及系统 | |
CN109933648A (zh) | 一种真实用户评论的区分方法和区分装置 | |
CN107229614A (zh) | 用于分类数据的方法和装置 | |
CN113139769A (zh) | 基于人工智能的采购方法、装置、计算机设备及存储介质 | |
CN116664080B (zh) | 一种微建议信息处理系统及方法 | |
CN113936795A (zh) | 一种老年肺癌发病危险因素定量分析方法 | |
CN116796870A (zh) | 智慧社区管理服务系统 | |
US20030055801A1 (en) | Determining accuracy of a classifier | |
CN111709825A (zh) | 异常产品识别方法及系统 | |
CN116485519A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN114926261A (zh) | 汽车金融用户申请欺诈概率预测方法及介质 | |
Chauchat et al. | Targeting customer groups using gain and cost matrix: a marketing application | |
CN111046165A (zh) | 一种基于引用次数的文献推荐方法 | |
CN113034264A (zh) | 客户流失预警模型的建立方法、装置、终端设备及介质 |
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 |