CN116719997A - 政策信息推送方法、装置及电子设备 - Google Patents

政策信息推送方法、装置及电子设备 Download PDF

Info

Publication number
CN116719997A
CN116719997A CN202310699592.XA CN202310699592A CN116719997A CN 116719997 A CN116719997 A CN 116719997A CN 202310699592 A CN202310699592 A CN 202310699592A CN 116719997 A CN116719997 A CN 116719997A
Authority
CN
China
Prior art keywords
policy
information
user
tag
enterprise
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
CN202310699592.XA
Other languages
English (en)
Inventor
唐明
盘浩军
奉凡
黄颖
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.)
Shenzhen Zhongke Wenge Technology Co ltd
Original Assignee
Shenzhen Zhongke Wenge Technology 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 Shenzhen Zhongke Wenge Technology Co ltd filed Critical Shenzhen Zhongke Wenge Technology Co ltd
Priority to CN202310699592.XA priority Critical patent/CN116719997A/zh
Publication of CN116719997A publication Critical patent/CN116719997A/zh
Pending legal-status Critical Current

Links

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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Educational Administration (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及信息处理技术领域，提供了一种政策信息推送方法、装置及电子设备。上述方法包括：获取政策信息、人口信息和企业信息；从政策信息中提取关键词，计算每个关键词的权重值，将关键词标记为政策标签，将关键词的权重值设置为政策标签的权重；根据人口信息和政策标签构建个人用户画像标签体系，根据企业信息和政策标签构建企业用户画像标签体系；获取目标政策信息的第二政策标签，根据第二政策标签与用户的第一政策标签计算目标政策信息与用户所享受过的政策信息之间的相似度；向相似度超过阈值的目标用户推送目标政策信息。本发明实施例能够主动向个人用户或企业用户推送与该用户所享受过的政策信息相似的政策信息，提高政策信息获取效率。

Description

政策信息推送方法、装置及电子设备
技术领域
本发明涉及信息处理技术领域，具体涉及一种政策信息推送方法、装置及电子设备。
背景技术
目前往往是在政府官网或第三方政策平台搜索政策，面对海量政策，用户要精准获取可享受政策需付出较大时间成本或一定资金成本。相关技术中主要通过提取政策标签以及用户(企业或个人)的画像标签，再将政策要素与用户(企业或个人)的画像标签进行匹配的方式，为用户(企业或个人)推送可能符合申报条件的政策。
由于政策标签以及用户(企业或个人)的画像标签需要人工标注，因此相关技术的工作量较大。另外，一个政策中涉及的申报事项多，每一个申报事项对申报对象的要求并不一致，且同一申报事项的多个政策标签的交并关系复杂，通过将政策标签与用户(企业或个人)的画像标签直接匹配的方式，其准确性难以保证。
发明内容
为克服相关技术中存在的问题，本发明实施例提供了一种政策信息推送方法、装置及电子设备。
本发明是通过如下技术方案实现的：
第一方面，本发明实施例提供了一种政策信息推送方法，包括：
获取政策信息、人口信息和企业信息；
从所述政策信息中提取关键词，计算每个关键词的权重值，将关键词标记为政策标签，将关键词的权重值设置为政策标签的权重；
根据人口信息和政策标签构建个人用户画像标签体系，根据企业信息和政策标签构建企业用户画像标签体系，所述个人用户画像标签体系和所述企业用户画像标签体系均包含多个用户，每个用户对应一个用户类型和至少一个画像标签，所述至少一个画像标签中包含一个第一政策标签，该第一政策标签表征用户所享受过的政策信息；
获取目标政策信息的第二政策标签，根据第二政策标签与各个用户的第一政策标签计算目标政策信息与用户所享受过的政策信息之间的相似度；
向相似度超过阈值的目标用户发送所述目标政策信息。
上述政策信息推送方法，获取政策信息、人口信息和企业信息；从政策信息中提取关键词，计算每个关键词的权重值，将关键词标记为政策标签，将关键词的权重值设置为政策标签的权重；根据人口信息和政策标签构建个人用户画像标签体系，根据企业信息和政策标签构建企业用户画像标签体系；获取目标政策信息的第二政策标签，根据第二政策标签与用户的第一政策标签计算目标政策信息与用户所享受过的政策信息之间的相似度；向相似度超过阈值的目标用户推送目标政策信息。本发明实施例能够主动向个人用户或企业用户推送与该用户所享受过的政策信息相似的政策信息，相对于用户手动搜索政策信息，能够大大提高政策信息的获取效率。
基于第一方面，在一些实施例中，所述获取历史政策信息、人口信息和企业信息，包括：
通过公开政务类网站或第三方政策平台获取所述政策信息，通过政务系统获取所述人口信息，通过企业网站或者第三方网站获取所述企业信息；
对所述政策信息、所述人口信息和所述企业信息进行数据去重、数据补全、数据萃取和数据融合处理；
其中，所述数据去重为：设定数据重复判别规则以及合并策略和清除策略，对所述政策信息、所述人口信息和所述企业信息进行重复性辨别，并对重复数据进行合并或清除处理；
所述数据补全为：获取已获取到的数据之间的关联关系和规律，基于该关联关系和规律对缺失数据进行补全；
所述数据萃取为：通过查询、过滤或转换规则从所述政策信息、所述人口信息和所述企业信息中提取所需数据；
所述数据融合为：根据业务需求定义数据表、数据表的数据项以及每个数据项的数据来源，根据数据项的数据来源将不同来源的数据进行融合。
基于第一方面，在一些实施例中，所述从所述历史政策信息中提取关键词，计算每个关键词的权重值，将关键词标记为政策标签，将关键词的权重值设置为政策标签的权重，包括：
对所述政策信息按句子进行文本分割、分词、词性标注和去停用词处理，得到关键词集合；
将所述关键词集合构成节点集合，一个关键词对应一个节点，根据关键词的共现关系构建边集；
通过wji＝cos(i,j)*com(i,j)计算两个节点之间边的权重，wji表示节点j和节点i之间边的权重，cos(i,j)为节点j和节点i的语义相似度，com(i,j)为节点j和节点i共现的次数；
通过计算节点Vi的权重值，WS(Vi)表示节点Vi的权重值，In(Vi)表示指向Vi的节点集合，Out(Vj)表示节点Vj指向的节点集合，WS(Vj)表示节点Vj的权重值，d为阻尼系数；
按照节点的权重值大小关系进行排序，将节点的标签设置为政策标签，将节点的权重值设置为所述政策标签的权重。
基于第一方面，在一些实施例中，所述根据人口信息和政策标签构建个人用户画像标签体系，包括：
按照人口信息中年龄、种族、教育程度将人口群体划分为多类个人用户，从所述政策标签中筛选与人口相关的第一政策标签，将各类个人用户的用户类型设置为个人，将所述第一政策标签添加到相应的个人用户的画像标签中，得到所述个人用户画像标签系统；
所述根据企业信息和政策标签构建企业用户画像标签体系，包括：
按照成立时间、注册地、企业类型将企业群体划分为多类企业用户，从所述政策标签中筛选与企业相关的第二政策标签，将各类企业用户的用户类型设置为企业，将所述第二政策标签添加到相应的企业用户的画像标签中，得到所述企业用户画像标签系统。
基于第一方面，在一些实施例中，所述政策信息推送还包括：
将已享受过政策信息的个人用户或企业用户对应的政策标签作为训练样本训练机器学习模型，再采用训练后的机器学习模型从政策标签中筛选与人口相关的第一政策标签，以及与与企业相关的第二政策标签。
基于第一方面，在一些实施例中，所述获取目标政策信息的第二政策标签，根据第二政策标签与各个用户的第一政策标签计算目标政策信息与用户所享受过的政策信息之间的相似度，包括：
获取用户所享受过的政策信息和目标政策信息之间的标签集合Tag(A,B)，A表示用户所享受过的政策信息，B表示目标政策信息；
根据标签集合Tag(A,B)，分别构建政策A和政策B的标签向量VA和标签向量VB，标签向量VA和标签向量VB中每个元素的值为政策标签的权重，当政策标签不存在时，元素的值为0；
利用余弦相似度公式，计算标签向量VA和标签向量VB的相似度。
基于第一方面，在一些实施例中，所述政策信息推送方法还包括：
根据画像标签计算与目标用户的相似度大于阈值的同类用户；
向所述目标用户推送该同类用户所享受过的政策信息；
其中，根据画像标签计算两个用户相似度的过程包括：
选择任意两个同类用户i和用户j；
将用户i和用户j所有的画像标签记为第一标签集合P1(i,j)，用户i的画像标签中包含第一政策标签，用户j的画像标签中包含第二政策标签；
将用户i和用户j所共有的画像标签记为第二标签集合P2(i,j)；
利用杰卡德相似度方法，根据第一标签集合P1(i,j)和第二标签集合P2(i,j)计算用户i和用户j的相似度。
第二方面，本发明实施例提供了一种政策信息推送装置，包括：
信息获取模块，用于获取政策信息、人口信息和企业信息；
提取设置模块，用于从所述政策信息中提取关键词，计算每个关键词的权重值，将关键词标记为政策标签，将关键词的权重值设置为政策标签的权重；
画像构建模块，用于根据人口信息和政策标签构建个人用户画像标签体系，根据企业信息和政策标签构建企业用户画像标签体系，所述个人用户画像标签体系和所述企业用户画像标签体系均包含多个用户，每个用户对应一个用户类型和至少一个画像标签，所述至少一个画像标签中包含一个第一政策标签，该第一政策标签表征用户所享受过的政策信息；
相似度计算模块，用于获取目标政策信息的第二政策标签，根据第二政策标签与各个用户的第一政策标签计算目标政策信息与用户所享受过的政策信息之间的相似度；
信息发送模块，用于向相似度超过阈值的目标用户发送所述目标政策信息。
第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述的政策信息推送方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的政策信息推送方法。
第五方面，本发明实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面中任一项所述的政策信息推送方法。
可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的政策信息推送方法的流程示意图；
图2为本发明实施例提供的政策信息推送装置的结构示意图；
图3为本发明实施例提供的电子设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
应当理解，当在本发明说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本发明说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本发明说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本发明说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本发明的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
图1为本发明一实施例提供的政策信息推送方法的示意性流程图。参照图1，对该政策信息推送方法的详述如下：
步骤101，获取政策信息、人口信息和企业信息。
示例性的，可有通过公开政务类网站或第三方政策平台获取政策信息，通过政务系统获取人口信息，通过企业网站或者第三方网站获取企业信息。之后，对政策信息、人口信息和企业信息进行数据去重、数据补全、数据萃取和数据融合处理。
其中，数据去重可以为：设定数据重复判别规则以及合并策略和清除策略，对政策信息、人口信息和企业信息进行重复性辨别，并对重复数据进行合并或清除处理。例如，删除标题名称重复的政策信息。
数据补全为：获取已获取到的数据之间的关联关系和规律，基于该关联关系和规律对缺失数据进行补全。例如，在人口信息中，可以根据身份证号与年龄的关系，利用身份证号码推算年龄，对年龄缺失的数据项进行补全。
数据萃取为：通过查询、过滤或转换规则从政策信息、人口信息和企业信息中提取所需数据。例如，可以通过搜索HTML标签获取政策信息的标题和日期，通过分析页面结构获取政策信息的正文。
数据融合为：根据业务需求定义数据表、数据表的数据项以及每个数据项的数据来源，根据数据项的数据来源将不同来源的数据进行融合。
步骤102，从政策信息中提取关键词，计算每个关键词的权重值，将关键词标记为政策标签，将关键词的权重值设置为政策标签的权重。
示例性的，步骤102具体可以包括：
对政策信息按句子进行文本分割、分词、词性标注和去停用词处理，得到关键词集合；
将关键词集合构成节点集合，一个关键词对应一个节点，根据关键词的共现关系构建边集；其中，当两个节点在长度为K的窗口中共现，两个节点之间才会存在边；
通过wji＝cos(i,j)*com(i,j)计算两个节点之间边的权重，wji表示节点j和节点i之间边的权重，cos(i,j)为节点j和节点i的语义相似度，com(i,j)为节点j和节点i共现的次数；
通过迭代计算节点Vi的权重值，直至结果收敛；其中，WS(Vi)表示节点Vi的权重值，In(Vi)表示指向Vi的节点集合，Out(Vj)表示节点Vj指向的节点集合，WS(Vj)表示节点Vj的权重值，d为阻尼系数；
按照节点的权重值大小关系进行排序，将节点的标签设置为政策标签，将节点的权重值设置为政策标签的权重，如下表1所示。
表1政策标签及政策标签的权重
步骤103，根据人口信息和政策标签构建个人用户画像标签体系，根据企业信息和政策标签构建企业用户画像标签体系。
其中，个人用户画像标签体系和企业用户画像标签体系均包含多个用户，每个用户对应一个用户类型和至少一个画像标签，上述至少一个画像标签中包含一个第一政策标签，该第一政策标签表征用户所享受过的政策信息。
一些实施例中，步骤103中所述的“根据人口信息和政策标签构建个人用户画像标签体系”，可以包括：按照人口信息中年龄、种族、教育程度将人口群体划分为多类个人用户，从所述政策标签中筛选与人口相关的第一政策标签，将各类个人用户的用户类型设置为个人，将所述第一政策标签添加到相应的个人用户的画像标签中，得到个人用户画像标签系统。
具体的，可以根据人口信息中的年龄、种族、教育程度等不同，将人口群体划分方法为多类个人用户，然后对各类个人用户构建用户画像标签。其中，政策标签可通过人工将政策标签中涉及人口的标签筛选出来，作为个人用户画像标签。例如，政策标签中包含“户籍老人”，则可将“户籍老人”作为个人用户画像标签。
一些实施例中，步骤103中所述的“根据企业信息和政策标签构建企业用户画像标签体系”，可以包括：按照成立时间、注册地、企业类型将企业群体划分为多类企业用户，从所述政策标签中筛选与企业相关的第二政策标签，将各类企业用户的用户类型设置为企业，将所述第二政策标签添加到相应的企业用户的画像标签中，得到企业用户画像标签系统。
具体的，按照成立时间、注册地、企业类型将企业群体划分为多类企业用户，然后对各类企业用户构建企业用户画像标签。其中，政策标签可通过人工将政策标签中涉及企业的标签筛选出来，作为企业用户画像标签。例如，政策标签中包含“上新迁入企业”，则可将“上新迁入企业”作为企业用户画像标签。
示例性的，上述政策信息推送方法还可以包括：将已享受过政策信息的个人用户或企业用户对应的政策标签作为训练样本训练机器学习模型，再采用训练后的机器学习模型从政策标签中筛选与人口相关的第一政策标签，以及与企业相关的第二政策标签。
具体的，对于根据政策标签提取的用户画像标签，可利用人工或利用机器学习算法，对打标规则进行定义。画像标签中包含一部分政策标签，在利用机器学习算法对标签的打标规则进行训练时，训练样本为已享受过政策扶持的企业或个人。
示例性的，用户画像标签体系可以如下表2所示。
表2用户画像标签体系
用户名称 用户类型 画像标签名称
用户1 企业 标签1
用户1 企业 标签2
用户1 企业 标签3
用户2 个人 标签4
用户2 个人 标签5
... ... ...
步骤104，获取目标政策信息的第二政策标签，根据第二政策标签与各个用户的第一政策标签计算目标政策信息与用户所享受过的政策信息之间的相似度。
其中，目标政策信息可以为自某一时间节点之后，在公开政务类网站或第三方政策平台采集到的政策信息。
一些实施例中，步骤104的实现过程可以包括：
获取用户所享受过的政策信息和目标政策信息之间的标签集合Tag(A,B)，A表示用户所享受过的政策信息，B表示目标政策信息；
根据标签集合Tag(A,B)，分别构建政策A和政策B的标签向量VA和标签向量VB，标签向量VA和标签向量VB中每个元素的值为政策标签的权重，当政策标签不存在时，元素的值为0；
利用余弦相似度公式，计算标签向量VA和标签向量VB的相似度。
步骤105，向相似度超过阈值的目标用户推送目标政策信息。
一些实施例中，上述政策信息推送方法还可以包括：根据画像标签计算与目标用户的相似度大于阈值的同类用户；向目标用户推送该同类用户所享受过的政策信息。
其中，根据画像标签计算两个用户相似度的过程可以包括：
选择任意两个同类用户i和用户j；
将用户i和用户j所有的画像标签记为第一标签集合P1(i,j)，用户i的画像标签中包含第一政策标签，用户j的画像标签中包含第二政策标签；
将用户i和用户j所共有的画像标签记为第二标签集合P2(i,j)；
利用杰卡德相似度方法，根据第一标签集合P1(i,j)和第二标签集合P2(i,j)计算用户i和用户j的相似度。
上述政策信息推送方法，获取政策信息、人口信息和企业信息；从政策信息中提取关键词，计算每个关键词的权重值，将关键词标记为政策标签，将关键词的权重值设置为政策标签的权重；根据人口信息和政策标签构建个人用户画像标签体系，根据企业信息和政策标签构建企业用户画像标签体系；获取目标政策信息的第二政策标签，根据第二政策标签与用户的第一政策标签计算目标政策信息与用户所享受过的政策信息之间的相似度；向相似度超过阈值的目标用户推送目标政策信息。本发明实施例能够主动向个人用户或企业用户推送与该用户所享受过的政策信息相似的政策信息，相对于用户手动搜索政策信息，能够大大提高政策信息的获取效率。而且，可以通过机器学习算法对政策标签和用户画像标签自动打标，减少人工标注的时间成本。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的政策信息推送方法，图2示出了本发明实施例提供的政策信息推送装置的结构框图，为了便于说明，仅示出了与本发明实施例相关的部分。
参见图2，本发明实施例中的政策信息推送装置可以包括信息获取模块201、提取设置模块202、画像构建模块203、相似度计算模块204和信息推送模块205。
其中，信息获取模块201用于获取政策信息、人口信息和企业信息。
提取设置模块202用于从所述政策信息中提取关键词，计算每个关键词的权重值，将关键词标记为政策标签，将关键词的权重值设置为政策标签的权重。
画像构建模块203用于根据人口信息和政策标签构建个人用户画像标签体系，根据企业信息和政策标签构建企业用户画像标签体系，所述个人用户画像标签体系和所述企业用户画像标签体系均包含多个用户，每个用户对应一个用户类型和至少一个画像标签，所述至少一个画像标签中包含一个第一政策标签，该第一政策标签表征用户所享受过的政策信息。
相似度计算模块204用于获取目标政策信息的第二政策标签，根据第二政策标签与各个用户的第一政策标签计算目标政策信息与用户所享受过的政策信息之间的相似度。
信息推送模块205用于向相似度超过阈值的目标用户推送所述目标政策信息。
可选的，信息获取模块201具体用于：
通过公开政务类网站或第三方政策平台获取所述政策信息，通过政务系统获取所述人口信息，通过企业网站或者第三方网站获取所述企业信息；
对所述政策信息、所述人口信息和所述企业信息进行数据去重、数据补全、数据萃取和数据融合处理；
其中，所述数据去重为：设定数据重复判别规则以及合并策略和清除策略，对所述政策信息、所述人口信息和所述企业信息进行重复性辨别，并对重复数据进行合并或清除处理；
所述数据补全为：获取已获取到的数据之间的关联关系和规律，基于该关联关系和规律对缺失数据进行补全；
所述数据萃取为：通过查询、过滤或转换规则从所述政策信息、所述人口信息和所述企业信息中提取所需数据；
所述数据融合为：根据业务需求定义数据表、数据表的数据项以及每个数据项的数据来源，根据数据项的数据来源将不同来源的数据进行融合。
可选的，提取设置模块202具体用于：
对所述政策信息按句子进行文本分割、分词、词性标注和去停用词处理，得到关键词集合；
将所述关键词集合构成节点集合，一个关键词对应一个节点，根据关键词的共现关系构建边集；
通过wji＝cos(i,j)*com(i,j)计算两个节点之间边的权重，wji表示节点j和节点i之间边的权重，cos(i,j)为节点j和节点i的语义相似度，com(i,j)为节点j和节点i共现的次数；
通过迭代计算节点Vi的权重值，WS(Vi)表示节点Vi的权重值，In(Vi)表示指向Vi的节点集合，Out(Vj)表示节点Vj指向的节点集合，WS(Vj)表示节点Vj的权重值，d为阻尼系数；
按照节点的权重值大小关系进行排序，将节点的标签设置为政策标签，节点的权重值为所述政策标签的权重。
可选的，画像构建模块具体用于：
按照人口信息中年龄、种族、教育程度将人口群体划分为多类个人用户，从所述政策标签中筛选与人口相关的第一政策标签，将各类个人用户的用户类型设置为个人，将所述第一政策标签添加到相应的个人用户的画像标签中，得到所述个人用户画像标签系统；
按照成立时间、注册地、企业类型将企业群体划分为多类企业用户，从所述政策标签中筛选与企业相关的第二政策标签，将各类企业用户的用户类型设置为企业，将所述第二政策标签添加到相应的企业用户的画像标签中，得到所述企业用户画像标签系统。
可选的，上述政策信息推送装置还可以包括：
训练模块，用于将已享受过政策信息的个人用户或企业用户对应的政策标签作为训练样本训练机器学习模型，再采用训练后的机器学习模型从政策标签中筛选与人口相关的第一政策标签，以及与与企业相关的第二政策标签。
可选的，相似度计算模块204具体用于：
获取用户所享受过的政策信息和目标政策信息之间的标签集合Tag(A,B)，A表示用户所享受过的政策信息，B表示目标政策信息；
根据标签集合Tag(A,B)，分别构建政策A和政策B的标签向量VA和标签向量VB，标签向量VA和标签向量VB中每个元素的值为政策标签的权重，当政策标签不存在时，元素的值为0；
利用余弦相似度公式，计算标签向量VA和标签向量VB的相似度。
可选的，上述政策信息推送装置还可以包括：用户相似度确定模块，用于根据画像标签计算与目标用户的相似度大于阈值的同类用户；所述信息推送模块还用于向所述目标用户推送该同类用户所享受过的政策信息。
其中，用户相似度确定模块具体用于：
选择任意两个同类用户i和用户j；
将用户i和用户j所有的画像标签记为第一标签集合P1(i,j)，用户i的画像标签中包含第一政策标签，用户j的画像标签中包含第二政策标签；
将用户i和用户j所共有的画像标签记为第二标签集合P2(i,j)；
利用杰卡德相似度方法，根据第一标签集合P1(i,j)和第二标签集合P2(i,j)计算用户i和用户j的相似度。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本发明实施例还提供了一种电子设备，参见图3，该电子设备300可以包括：至少一个处理器310、存储器320以及存储在所述存储器320中并可在所述至少一个处理器310上运行的计算机程序，所述处理器310执行所述计算机程序时实现上述任意各个方法实施例中的步骤，例如图1所示实施例中的步骤101至步骤105。或者，处理器310执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能，例如图2所示模块201至205的功能。
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320中，并由处理器310执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序段，该程序段用于描述计算机程序在电子设备300中的执行过程。
本领域技术人员可以理解，图3仅仅是电子设备的示例，并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如输入输出设备、网络接入设备、总线等。
处理器310可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、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、分立硬件组件等。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。
存储器320可以是电子设备的内部存储单元，也可以是电子设备的外部存储设备，例如插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。所述存储器320用于存储所述计算机程序以及电子设备所需的其他程序和数据。所述存储器320还可以用于暂时地存储已经输出或者将要输出的数据。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本发明附图中的总线并不限定仅有一根总线或一种类型的总线。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述政策信息推送方法各个实施例中的步骤。
本发明实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述政策信息推送方法各个实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到电子设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种政策信息推送方法，其特征在于，包括：
获取政策信息、人口信息和企业信息；
从所述政策信息中提取关键词，计算每个关键词的权重值，将关键词标记为政策标签，将关键词的权重值设置为政策标签的权重；
根据人口信息和政策标签构建个人用户画像标签体系，根据企业信息和政策标签构建企业用户画像标签体系，所述个人用户画像标签体系和所述企业用户画像标签体系均包含多个用户，每个用户对应一个用户类型和至少一个画像标签，所述至少一个画像标签中包含一个第一政策标签，该第一政策标签表征用户所享受过的政策信息；
获取目标政策信息的第二政策标签，根据第二政策标签与各个用户的第一政策标签计算目标政策信息与用户所享受过的政策信息之间的相似度；
向相似度超过阈值的目标用户推送所述目标政策信息。
2.如权利要求1所述的政策信息推送方法，其特征在于，所述获取历史政策信息、人口信息和企业信息，包括：
通过公开政务类网站或第三方政策平台获取所述政策信息，通过政务系统获取所述人口信息，通过企业网站或者第三方网站获取所述企业信息；
对所述政策信息、所述人口信息和所述企业信息进行数据去重、数据补全、数据萃取和数据融合处理；
其中，所述数据去重为：设定数据重复判别规则以及合并策略和清除策略，对所述政策信息、所述人口信息和所述企业信息进行重复性辨别，并对重复数据进行合并或清除处理；
所述数据补全为：获取已获取到的数据之间的关联关系和规律，基于该关联关系和规律对缺失数据进行补全；
所述数据萃取为：通过查询、过滤或转换规则从所述政策信息、所述人口信息和所述企业信息中提取所需数据；
所述数据融合为：根据业务需求定义数据表、数据表的数据项以及每个数据项的数据来源，根据数据项的数据来源将不同来源的数据进行融合。
3.如权利要求1所述的政策信息推送方法，其特征在于，所述从所述历史政策信息中提取关键词，计算每个关键词的权重值，将关键词标记为政策标签，将关键词的权重值设置为政策标签的权重，包括：
对所述政策信息按句子进行文本分割、分词、词性标注和去停用词处理，得到关键词集合；
将所述关键词集合构成节点集合，一个关键词对应一个节点，根据关键词的共现关系构建边集；
通过wji＝cos(i,j)*com(i,j)计算两个节点之间边的权重，wji表示节点j和节点i之间边的权重，cos(i,j)为节点j和节点i的语义相似度，com(i,j)为节点j和节点i共现的次数；
通过计算节点Vi的权重值，WS(Vi)表示节点Vi的权重值，In(Vi)表示指向Vi的节点集合，Out(Vj)表示节点Vj指向的节点集合，WS(Vj)表示节点Vj的权重值，d为阻尼系数；
按照节点的权重值大小关系进行排序，将节点的标签设置为政策标签，将节点的权重值设置为所述政策标签的权重。
4.如权利要求1所述的政策信息推送方法，其特征在于，所述根据人口信息和政策标签构建个人用户画像标签体系，包括：
按照人口信息中年龄、种族、教育程度将人口群体划分为多类个人用户，从所述政策标签中筛选与人口相关的第一政策标签，将各类个人用户的用户类型设置为个人，将所述第一政策标签添加到相应的个人用户的画像标签中，得到所述个人用户画像标签系统；
所述根据企业信息和政策标签构建企业用户画像标签体系，包括：
按照成立时间、注册地、企业类型将企业群体划分为多类企业用户，从所述政策标签中筛选与企业相关的第二政策标签，将各类企业用户的用户类型设置为企业，将所述第二政策标签添加到相应的企业用户的画像标签中，得到所述企业用户画像标签系统。
5.如权利要求4所述的政策信息推送方法，其特征在于，所述政策信息推送还包括：
将已享受过政策信息的个人用户或企业用户对应的政策标签作为训练样本训练机器学习模型，再采用训练后的机器学习模型从政策标签中筛选与人口相关的第一政策标签，以及与企业相关的第二政策标签。
6.如权利要求1所述的政策信息推送方法，其特征在于，所述获取目标政策信息的第二政策标签，根据第二政策标签与各个用户的第一政策标签计算目标政策信息与用户所享受过的政策信息之间的相似度，包括：
获取用户所享受过的政策信息和目标政策信息之间的标签集合Tag(A,B)，A表示用户所享受过的政策信息，B表示目标政策信息；
根据标签集合Tag(A,B)，分别构建政策A和政策B的标签向量VA和标签向量VB，标签向量VA和标签向量VB中每个元素的值为政策标签的权重，当政策标签不存在时，元素的值为0；
利用余弦相似度公式，计算标签向量VA和标签向量VB的相似度。
7.如权利要求1所述的政策信息推送方法，其特征在于，所述政策信息推送方法还包括：
根据画像标签计算与目标用户的相似度大于阈值的同类用户；
向所述目标用户推送该同类用户所享受过的政策信息；
其中，根据画像标签计算两个用户相似度的过程包括：
选择任意两个同类用户i和用户j；
将用户i和用户j所有的画像标签记为第一标签集合P1(i,j)，用户i的画像标签中包含第一政策标签，用户j的画像标签中包含第二政策标签；
将用户i和用户j所共有的画像标签记为第二标签集合P2(i,j)；
利用杰卡德相似度方法，根据第一标签集合P1(i,j)和第二标签集合P2(i,j)计算用户i和用户j的相似度。
8.一种政策信息推送装置，其特征在于，包括：
信息获取模块，用于获取政策信息、人口信息和企业信息；
提取设置模块，用于从所述政策信息中提取关键词，计算每个关键词的权重值，将关键词标记为政策标签，将关键词的权重值设置为政策标签的权重；
画像构建模块，用于根据人口信息和政策标签构建个人用户画像标签体系，根据企业信息和政策标签构建企业用户画像标签体系，所述个人用户画像标签体系和所述企业用户画像标签体系均包含多个用户，每个用户对应一个用户类型和至少一个画像标签，所述至少一个画像标签中包含一个第一政策标签，该第一政策标签表征用户所享受过的政策信息；
相似度计算模块，用于获取目标政策信息的第二政策标签，根据第二政策标签与各个用户的第一政策标签计算目标政策信息与用户所享受过的政策信息之间的相似度；
信息推送模块，用于向相似度超过阈值的目标用户推送所述目标政策信息。
9.一种电子设备，包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
CN202310699592.XA 2023-06-13 2023-06-13 政策信息推送方法、装置及电子设备 Pending CN116719997A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310699592.XA CN116719997A (zh) 2023-06-13 2023-06-13 政策信息推送方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310699592.XA CN116719997A (zh) 2023-06-13 2023-06-13 政策信息推送方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN116719997A true CN116719997A (zh) 2023-09-08

Family

ID=87869291

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310699592.XA Pending CN116719997A (zh) 2023-06-13 2023-06-13 政策信息推送方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN116719997A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117708350A (zh) * 2024-02-06 2024-03-15 成都草根有智创新科技有限公司 企业政策的信息关联方法、装置及电子设备
CN117827014A (zh) * 2024-03-05 2024-04-05 四川物通科技有限公司 一种基于元宇宙的数字孪生模型多人交互协作系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117708350A (zh) * 2024-02-06 2024-03-15 成都草根有智创新科技有限公司 企业政策的信息关联方法、装置及电子设备
CN117708350B (zh) * 2024-02-06 2024-05-14 成都草根有智创新科技有限公司 企业政策的信息关联方法、装置及电子设备
CN117827014A (zh) * 2024-03-05 2024-04-05 四川物通科技有限公司 一种基于元宇宙的数字孪生模型多人交互协作系统
CN117827014B (zh) * 2024-03-05 2024-06-04 四川物通科技有限公司 一种基于元宇宙的数字孪生模型多人交互协作系统

Similar Documents

Publication Publication Date Title
CN109885692B (zh) 知识数据存储方法、装置、计算机设备和存储介质
CN106649818B (zh) 应用搜索意图的识别方法、装置、应用搜索方法和服务器
CN108874777B (zh) 一种文本反垃圾的方法及装置
CN110334217B (zh) 一种要素抽取方法、装置、设备及存储介质
CN111831804B (zh) 一种关键短语的提取方法、装置、终端设备及存储介质
CN116719997A (zh) 政策信息推送方法、装置及电子设备
CN107291755B (zh) 一种终端推送方法及装置
CN111160019B (zh) 一种舆情监测的方法、装置及系统
CN111767725A (zh) 一种基于情感极性分析模型的数据处理方法及装置
CN110321466A (zh) 一种基于语义分析的证券资讯查重方法及系统
CN106815265B (zh) 裁判文书的搜索方法及装置
CN110781669A (zh) 文本关键信息提取方法与装置、电子设备、存储介质
CN112818200A (zh) 基于静态网站的数据爬取及事件分析方法及系统
Gopal et al. Machine learning based classification of online news data for disaster management
CN112613310A (zh) 一种人名匹配方法、装置、电子设备及存储介质
CN112800226A (zh) 用于获取文本分类模型的方法、用于文本分类的方法、装置及设备
Schofield et al. Identifying hate speech in social media
CN116610853A (zh) 搜索推荐方法、搜索推荐系统、计算机设备及存储介质
CN113656575A (zh) 训练数据的生成方法、装置、电子设备及可读介质
CN110427496B (zh) 用于文本处理的知识图谱扩充方法及装置
CN110851560B (zh) 信息检索方法、装置及设备
CN109213873B (zh) 一种为待售专利自动匹配潜在买方的专利匹配方法和匹配系统
CN111382385A (zh) 网页所属行业分类方法及装置
CN113468339B (zh) 基于知识图谱的标签提取方法、系统、电子设备及介质
CN110909538B (zh) 问答内容的识别方法、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