CN116911641B - 资助推荐方法、装置、计算机设备及存储介质 - Google Patents
资助推荐方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116911641B CN116911641B CN202311162694.4A CN202311162694A CN116911641B CN 116911641 B CN116911641 B CN 116911641B CN 202311162694 A CN202311162694 A CN 202311162694A CN 116911641 B CN116911641 B CN 116911641B
- Authority
- CN
- China
- Prior art keywords
- sponsored
- data
- preset
- feature codes
- matching
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000013598 vector Substances 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 54
- 230000011218 segmentation Effects 0.000 claims description 60
- 238000012986 modification Methods 0.000 claims description 25
- 230000004048 modification Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 17
- 230000001960 triggered effect Effects 0.000 claims description 12
- 238000012790 confirmation Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 238000013508 migration Methods 0.000 claims description 3
- 230000005012 migration Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000003058 natural language processing Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000012797 qualification Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种资助推荐方法、装置、计算机设备及存储介质。该方法属于人工智能技术领域,其包括获取资助文件,并对所述资助文件进行处理得到扶持资助数据;区分所述扶持资助数据中的必要项和可选项以形成关键标签项;对所述关键标签项进行处理得到特征编码,并根据所特征编码更新预置的向量数据集;获取企业信息,并根据所述企业信息从所述预置的向量数据集中查找到与所述企业信息相匹配的匹配特征编码;根据所述匹配特征编码和所述企业信息确定资助申请的最终得分,并根据所述最终得分生成资助推荐列表;根据所述资助推荐列表向待申请企业推荐资助。本申请实施例提高了资助的推荐效率和推荐准确度。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种资助推荐方法、装置、计算机设备及存储介质。
背景技术
当前企业要申请政府资助,必须花费大量时间在政府各业务委办局查询、分析各项资助政策事项的申请条件和申报要求,而这些资助政策事项的条件往往较为复杂,还需要将企业自身的信息进行人工比对,单纯的通过人工比较推荐,在很多内容上存在着理解偏差,往往容易产生对可申报资助政策事项的错漏,推荐准确度较低,导致企业无法及时准确的享受资助政策,错失资助补贴,影响企业的进一步发展;不仅如此,人工比较后再进行推荐工作量大,处理效率低下,推荐效率较低。
发明内容
本发明实施例提供了一种资助推荐方法、装置、计算机设备及存储介质,旨在提高资助推荐的推荐效率及推荐准确度。
第一方面,本发明实施例提供了一种资助推荐方法,其包括:
获取资助文件,并对所述资助文件进行处理得到扶持资助数据;
区分所述扶持资助数据中的必要项和可选项以形成关键标签项;
对所述关键标签项进行处理得到特征编码,并根据所特征编码更新预置的向量数据集;
获取企业信息,并根据所述企业信息从所述预置的向量数据集中查找到与所述企业信息相匹配的匹配特征编码;
根据所述匹配特征编码和所述企业信息确定资助申请的最终得分,并根据所述最终得分生成资助推荐列表;
根据所述资助推荐列表向待申请企业推荐资助。
第二方面,本发明实施例还提供了一种资助推荐方法装置,其包括:
获取处理单元,用于获取资助文件,并对所述资助文件进行处理得到扶持资助数据;
区分形成单元,用于区分所述扶持资助数据中的必要项和可选项以形成关键标签项;
处理更新单元,用于对所述关键标签项进行处理得到特征编码,并根据所特征编码更新预置的向量数据集;
获取查找单元,用于获取企业信息,并根据所述企业信息从所述预置的向量数据集中查找到与所述企业信息相匹配的匹配特征编码;
生成单元,用于根据所述匹配特征编码和所述企业信息确定资助申请的最终得分,并根据所述最终得分生成资助推荐列表;
推荐单元,用于根据所述资助推荐列表向待申请企业推荐资助。
第三方面,本发明实施例还提供了一种计算机设备,所述计算机设备搭建有资助智能申请推荐系统,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序当被处理器执行时可实现上述方法。
本发明实施例提供了一种资助推荐方法、装置、计算机设备及存储介质。其中,所述方法包括:获取资助文件,并对所述资助文件进行处理得到扶持资助数据;区分所述扶持资助数据中的必要项和可选项以形成关键标签项;对所述关键标签项进行处理得到特征编码,并根据所特征编码更新预置的向量数据集;获取企业信息,并根据所述企业信息从所述预置的向量数据集中查找到与所述企业信息相匹配的匹配特征编码;根据所述匹配特征编码和所述企业信息确定资助申请的最终得分,并根据所述最终得分生成资助推荐列表;根据所述资助推荐列表向待申请企业推荐资助。本发明实施例的技术方案,先通过对资助文件进行一系列的处理生成特征编码,再根据企业信息从预置的向量数据集中查找出匹配特征编码,根据匹配特征编码生成资助推荐列表,根据资助推荐列表向待申请企业推荐资助申请,整个推荐过程无需人工对资助文件进行比对和理解,避免了理解偏差和资助政策事项的错漏,不仅提高了资助的推荐效率,而且还提高了资助的推荐准确度。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术用户员来讲,在不付出创造性劳动的前提下,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一种资助推荐方法的流程示意图;
图2为本发明另一实施例提供的一种资助推荐方法的流程示意图;
图3为本发明实施例提供的一种资助推荐方法的流程简图;
图4为本发明实施例提供的一种资助推荐方法装置的示意性框图;
图5为本发明实施例提供的一种计算机设备的示意性框图。
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,本领域普通技术用户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,当在本说明书和所附权利要求书中使用时,术语“包括”和 “包含”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,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,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]”。
请参阅图1,图1是本发明实施例提供的一种资助推荐方法的流程示意图。本发明实施例的资助推荐方法可应用于资助智能申请推荐系统中,例如可通过配置于资助智能申请推荐系统上的软件程序来实现该资助推荐方法。需要说明的是,本实施例中的资助智能申请推荐系统包括NLP(Natural Language Processing,自然语言处理)模型仓库和大语言模型仓库,NLP模型仓库和大语言模型仓库用于识别资助文件和企业信息,并从识别资助文件和企业信息中提取特定信息,基于特定信息进行分类形成关键标签项,对关键标签项进行处理形成特征编码,根据特征编码更新预置的向量数据集,可理解地,NLP模型仓库和大语言模型仓库是通过命名实体识别功能对资助文件和企业信息进行识别处理的,在识别处理的过程中,NLP模型仓库和大语言模型仓库还具有从文件摘要中提取关键语句的功能;更新预置的向量数据集之后,NLP模型仓库和大语言模型仓库根据企业信息查找匹配特征编码,根据匹配特征编码生成资助推荐列表,根据资助推荐列表向待申请企业推荐资助申请;可理解地,NLP模型仓库和大语言模型仓库提供了语义匹配和检索功能。如图1所示,该方法包括以下步骤S100-S150。
S100、获取资助文件,并对所述资助文件进行处理得到扶持资助数据。
本发明实施例中,资助智能申请推荐系统获取申报人员上传的资助文件,对所述资助文件进行第一次切分处理得到初始扶持数据和初始资助数据;对所述初始扶持数据和所述初始资助数据进行第二切分处理得到切分扶持数据和切分资助数据,其中,第二切分处理和第一切分处理的条件不同;去除所述切分扶持数据和所述切分资助数据中的预设低语义文字得到目标扶持数据和目标切分资助数据,将所述目标扶持数据和所述目标切分资助数据作为所述扶持资助数据,其中,预设低语义文字为语义较低的文字,例如,“的”、“自从”等。需要说明的是,对资助文件的处理是通过NLP模型仓库实现的。
为方便理解,假设资助文件为“适用于2020年1月1日及以后,在A区依法注册登记、具有独立法人资格;商事登记地、税务登记地以及统计关系均在A区。自落户A区之日前两年度获选国家专精特新企业或省专精特新企业的企业。落户A区后两年之内提出申请。资助标准:新引进的国家专精特新企业、省专精特新企业,分别给予一次性X1万元、X2万元奖励”,进行第一切分处理后的初始扶持数据为“适用于2020年1月1日及以后,在A区依法注册登记、具有独立法人资格;商事登记地、税务登记地以及统计关系均在A区。自落户A区之日前两年度获选国家专精特新企业或省专精特新企业的企业。落户A区后两年之内提出申请”;初始资助数据为“新引进的国家专精特新企业、省专精特新企业,分别给予一次性X1万元、X2万元奖励”;得到初始扶持数据和初始资助数据之后,再进行第二次切分处理,得到切分扶持数据为“适用于,2020年1月1日,及以后,在,A区,依法注册登记,具有,独立法人资格;商事登记地、税务登记地以及统计关系,均在A区。自,落户A区之日,前两年,度获选,国家专精特新企业或省专精特新企业,的企业。落户A区后两年之内,提出申请”;切分资助数据为“新引进的,国家专精特新企业、省专精特新企业,分别给予一次性X1万元、X2万元奖励”;得到切分扶持数据和切分资助数据之后,去除预设低语义文字,得到的目标切分扶持数据为“2020年1月1日,A区,独立法人资格,商事登记地、税务登记地以及统计关系,前两年,国家专精特新企业或省专精特新企业,落户A区后两年之内”,目标切分资助数据为“国家专精特新企业,省专精特新企业,X1万元、X2万元”。
S110、区分所述扶持资助数据中的必要项和可选项以形成关键标签项。
本发明实施例中,通过对目标切分扶持数据和目标切分资助数据中的标签类别进行识别,以区分所述扶持资助数据中的必要项和可选项以形成关键标签项,例如,X1万元、X2万元为可选项,标签类别为“OPT”,A区为必选项,标签类别为:“REQ”,将标签类别为“OPT”的必选项作为关键标签项。
S120、对所述关键标签项进行处理得到特征编码,并根据所特征编码更新预置的向量数据集。
本发明实施例中,通过NLP模型仓中的特征提取模型对所述关键标签项进行特征提取得到特征向量;通过NLP模型仓中的特征编码模型对所述特征向量进行编码得到所述特征编码;判断所述预置的向量数据集中是否存在所述特征编码;若所述预置的向量数据集中不存在所述特征编码,则继续判断所述特征编码与所述预置的向量数据集中的特征编码之间的相似度值是否小于预设相似度阈值,若小于,表明上述特征编码为新的资助文件生成的,则将所述特征编码添加至所述预置的向量数据集以对所述预置的向量数据集进行更新;若不小于,表明上述特征编码是已有资助文件修改后新生成的特征编码,则将所述预置的向量数据集中与所述特征编码相似度最高的特征编码替换为所述特征编码;可理解地,若所述预置的向量数据集中存在所述特征编码,则无需将所述特征编码添加至所述预置的向量数据集中。
S130、获取企业信息,并根据所述企业信息从所述预置的向量数据集中查找到与所述企业信息相匹配的匹配特征编码。
本发明实施例中,资助智能申请推荐系统获取申报人员上传的企业信息,根据企业信息通过NLP模型仓库和大语言模型仓库中的预设AI算法建立查询索引,其中,所述预设AI算法包括自定义的推荐算法、自定义的跟随算法、自定义的同业算法、关联算法、优化算法、自定义的新政策深度解读算法、自定义的新注册/新迁入企业算法以及自定义的普惠算法;通过所述查询索引从所述预置的向量数据集中查找到与所述企业信息相匹配的匹配特征编码。需要说明的是,在本实施例中,自定义的推荐算法用于推荐热门、热点的资助申请;自定义的跟随算法用于跟随大型企业的资助申请;自定义的同业算法用于跟随同业的资助申请。
S140、根据所述匹配特征编码和所述企业信息确定资助申请的最终得分,并根据所述最终得分生成资助推荐列表。
本发明实施例中,通过NLP模型仓库和大语言模型仓库中的相似度算法计算所述匹配特征编码与所述企业信息的相似度得到匹配相似度值,并根据所述匹配相似度值确定匹配度得分;具体地,定义匹配相似度值在[0,1]之间,匹配度得分在[0,100]之间,可理解地,所述匹配相似度值的值越大,相似度就越高,匹配度得分就越高,例如,匹配相似度值为0.6,对应的匹配度得分为60,匹配相似度值为0.9,对应的匹配度得分为90。根据所述匹配度得分及预设匹配条件项确定最终得分,其中,所述预设匹配条件项为条件匹配项;具体地,假设预设匹配条件项包括5个必匹配条件项和5个选择匹配条件项,在匹配度得分一样且满足5个必匹配条件项的基础上,满足的选择匹配条件项的项数越多,表明最终得分就越高。根据所述最终得分生成所述资助推荐列表,具体地,按照所述最终得分的高低进行排序以生成所述资助推荐列表。
S150、根据所述资助推荐列表向待申请企业推荐资助。
本发明实施例中,选取所述资助推荐列表中预设个数的资助申请推荐给待申请企业,其中,预设个数可根据实际情况设定,例如为5个。
图2是本发明另一实施例提供的一种资助推荐方法的流程示意图。如图2所示,本实施例的资助推荐方法包括步骤S200-S280。其中步骤S200-S250与上述实施例中的步骤S100-S150类似,在此不再赘述。下面详细说明本实施例中所增加的步骤S260-S280。
S260、若接收到审核人员触发的修改指令,则根据所述修改指令对所述资助推荐列表进行修改;
S270、若接收到所述审核人员触发的修改确认指令,则根据所述修改指令保存修改后的所述资助推荐列表,并根据改后的所述资助推荐列表对所述预设匹配条件项进行优化;
S280、将修改后的所述资助推荐列表作为所述资助推荐列表。
本发明实施例中,在生成所述资助推荐列表之后,若审核人员对所述资助推荐列表中的排序有意见,可对所述资助推荐列表进行修改,此时,审核人员触发修改指令,资助智能申请推荐系统根据修改指令对所述资助推荐列表进行修改,若接收到所述审核人员触发的修改确认指令,则根据所述修改指令保存修改后的所述资助推荐列表,并根据改后的所述资助推荐列表对所述预设匹配条件项中的选择匹配条件项进行更新,可理解地,将修改后的所述资助推荐列表作为所述资助推荐列表。
需要说明的是,在本实施例中,若接收到申报人员根据所述资助推荐列表触发的资助申请指令,表明资助推荐列表对待申请企业较为合适,则获取与所述资助申请指令相对应的资助申请;将所述资助申请的记录保存至历史申报记录库以供查询。
为方便理解地,图3为本发明实施例提供的一种资助推荐的流程简图,如图3所示,资助推荐的主要步骤为:资助文件切分,去除预设低语义文字,区分必要项和可选项,形成关键标签项,得到特征向量,生成特征编码,更新预置的向量数据集,根据企业信息建立查询索引,相似度计算确定匹配度得分,综合匹配度得分及预设匹配条件项确定最终得分,根据最终得分生成资助推荐列表;向待申请企业推荐人工审核后的资助推荐列表。需要说明的是,在本实施例中,通过资助智能申请推荐系统对资助文件信息进行精准画像,实现“千企千面”个性化政策资助策略,充分利用NLP模型仓库和大语言模型仓库对企业信息和资助文件进行全面的分析处理,同时通过预设AI算法并利用大模型技术,多维度、多层次、全方位的对资助文件和企业信息进行匹配,为企业提供主动、精准、智能的资助申请推荐服务。整个资助申请的推荐过程无需人工对资助文件进行比对和理解,避免了理解偏差和资助政策事项的错漏,不仅提高了资助的推荐效率,而且还提高了资助的推荐准确度。
图4是本发明实施例提供的一种资助推荐方法装置200的示意性框图。如图4所示,对应于以上资助推荐方法,本发明还提供一种资助推荐方法装置200。该资助推荐方法装置200包括用于执行上述资助推荐方法的单元。具体地,请参阅图4,该资助推荐方法装置200包括获取处理单元201、区分形成单元202、处理更新单元203、获取查找单元204、生成单元205以及推荐单元206。
其中,所述获取处理单元201用于获取资助文件,并对所述资助文件进行处理得到扶持资助数据;所述区分形成单元202用于区分所述扶持资助数据中的必要项和可选项以形成关键标签项;所述处理更新单元203用于对所述关键标签项进行处理得到特征编码,并根据所特征编码更新预置的向量数据集;所述获取查找单元204用于获取企业信息,并根据所述企业信息从所述预置的向量数据集中查找到与所述企业信息相匹配的匹配特征编码;所述生成单元205用于根据所述匹配特征编码和所述企业信息确定资助申请的最终得分,并根据所述最终得分生成资助推荐列表;所述推荐单元206用于根据所述资助推荐列表向待申请企业推荐资助。
在某些实施例,例如本实施例中,所述获取处理单元201包括第一切分处理单元、第二切分处理单元以及去除单元。
其中,所述第一切分处理单元用于对所述资助文件进行第一次切分处理得到初始扶持数据和初始资助数据;所述第二切分处理单元用于对所述初始扶持数据和所述初始资助数据进行第二切分处理得到切分扶持数据和切分资助数据;所述去除单元用于去除所述切分扶持数据和所述切分资助数据中的预设低语义文字得到目标切分扶持数据和目标切分资助数据,将所述目标切分扶持数据和所述目标切分资助数据作为所述扶持资助数据。
在某些实施例,例如本实施例中,所述处理更新单元203包括特征提取单元、编码单元以及添加单元。
其中,所述特征提取单元用于对所述关键标签项进行特征提取得到特征向量;所述编码单元用于对所述特征向量进行编码得到所述特征编码;所述添加单元用于若所述预置的向量数据集中不存在所述特征编码且所述特征编码与所述预置的向量数据集中的特征编码之间的相似度值小于预设相似度阈值,则将所述特征编码添加至所述预置的向量数据集。
在某些实施例,例如本实施例中,所述获取查找单元204包括建立单元以及查找单元。
其中,所述建立单元用于根据所述企业信息通过预设AI算法建立查询索引,其中,所述预设AI算法包括自定义的推荐算法、自定义的跟随算法、自定义的同业算法、关联算法、优化算法、自定义的新政策深度解读算法、自定义的新注册/新迁入企业算法以及自定义的普惠算法;
所述查找单元用于通过所述查询索引从所述预置的向量数据集中查找到与所述企业信息相匹配的匹配特征编码。
在某些实施例,例如本实施例中,所述生成单元205包括计算单元及生成子单元。
其中,所述计算单元用于计算所述匹配特征编码与所述企业信息的相似度得到匹配相似度值,并根据所述匹配相似度值确定匹配度得分;所述生成子单元用于根据所述匹配度得分及预设匹配条件项确定最终得分,并根据所述最终得分生成所述资助推荐列表。
在某些实施例,例如本实施例中,所述资助推荐方法装置200还包括修改单元、保存优化单元、作为单元、接收获取单元以及保存单元。
其中,所述修改单元用于若接收到审核人员触发的修改指令,则根据所述修改指令对所述资助推荐列表进行修改;所述保存优化单元用于若接收到所述审核人员触发的修改确认指令,则根据所述修改指令保存修改后的所述资助推荐列表,并根据改后的所述资助推荐列表对所述预设匹配条件项进行优化;所述作为单元用于将修改后的所述资助推荐列表作为所述资助推荐列表;所述接收获取单元用于若接收到申报人员根据所述资助推荐列表触发的资助申请指令,则获取与所述资助申请指令相对应的资助申请;所述保存单元用于将所述资助申请的记录保存至历史申报记录库。
需要说明的是,所属领域的技术用户员可以清楚地了解到,上述资助推荐方法装置200和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述资助推荐方法装置可以实现为一种计算机程序的形式,该计算机程序可以在如图5所示的计算机设备上运行。
请参阅图5,图5是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备900为搭建有资助智能申请推荐系统的设备。
参阅图5,该计算机设备900包括通过系统总线901连接的处理器902、存储器和接口907,其中,存储器可以包括存储介质903和内存储器904。
该存储介质903可存储操作系统9031和计算机程序9032。该计算机程序9032被执行时,可使得处理器902执行上述资助推荐方法。
该处理器902用于提供计算和控制能力,以支撑整个计算机设备900的运行。
该内存储器904为存储介质903中的计算机程序9032的运行提供环境,该计算机程序9032被处理器902执行时,可使得处理器902执行一种资助推荐方法。
该接口905用于与其它设备进行通信。本领域技术用户员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备900的限定,具体的计算机设备900可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器902用于运行存储在存储器中的计算机程序9032,以实现上述资助推荐方法的任意实施例。
应当理解,在本申请实施例中,处理器902可以是中央处理单元 (CentralProcessing Unit,CPU),该处理器902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 IntegratedCircuit,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。其中,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。
本领域普通技术用户员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该计算机程序被该无线通信系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序。该计算机程序被处理器执行时使处理器执行上述资助推荐方法的任意实施例。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术用户员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、无线通信软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术用户员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元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,也可以是两个或两个以上单元集成在一个单元中。
该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,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该无线通信软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个用户无线通信,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
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细描述的部分,可以参见其他实施例的相关描述。
显然,本领域的技术用户员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,尚且本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
以上所述,仅为本发明的具体实施方式,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用户员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种资助推荐方法,其特征在于,包括:
获取资助文件,并对所述资助文件进行处理得到扶持资助数据;
区分所述扶持资助数据中的必要项和可选项以形成关键标签项;
对所述关键标签项进行处理得到特征编码,并根据所述特征编码更新预置的向量数据集;
获取企业信息,并根据所述企业信息从所述预置的向量数据集中查找到与所述企业信息相匹配的匹配特征编码;
根据所述匹配特征编码和所述企业信息确定资助申请的最终得分,并根据所述最终得分生成资助推荐列表;
根据所述资助推荐列表向待申请企业推荐资助;
其中,所述对所述资助文件进行处理得到扶持资助数据,包括:
对所述资助文件进行第一切分处理得到初始扶持数据和初始资助数据;
对所述初始扶持数据和所述初始资助数据进行第二切分处理得到切分扶持数据和切分资助数据,其中,所述第二切分处理和所述第一切分处理的条件不同;
去除所述切分扶持数据和所述切分资助数据中的预设低语义文字得到目标切分扶持数据和目标切分资助数据,将所述目标切分扶持数据和所述目标切分资助数据作为所述扶持资助数据;
所述区分所述扶持资助数据中的必要项和可选项以形成关键标签项,包括:
通过对目标切分扶持数据和目标切分资助数据中的标签类别进行识别,以区分所述扶持资助数据中的必要项和可选项以形成所述关键标签项;
所述对所述关键标签项进行处理得到特征编码,并根据所述特征编码更新预置的向量数据集,包括:
对所述关键标签项进行特征提取得到特征向量;
对所述特征向量进行编码得到所述特征编码;
若所述预置的向量数据集中不存在所述特征编码且所述特征编码与所述预置的向量数据集中的特征编码之间的相似度值小于预设相似度阈值,则将所述特征编码添加至所述预置的向量数据集;
若所述预置的向量数据集中不存在所述特征编码且所述特征编码与所述预置的向量数据集中的特征编码之间的相似度值不小于所述预设相似度阈值,则将所述预置的向量数据集中与所述特征编码相似度最高的特征编码替换为所述特征编码;
所述根据所述匹配特征编码和所述企业信息确定资助申请的最终得分,并根据所述最终得分生成资助推荐列表,包括:
计算所述匹配特征编码与所述企业信息的相似度得到匹配相似度值,并根据所述匹配相似度值确定匹配度得分;
根据所述匹配度得分及预设匹配条件项确定最终得分,并根据所述最终得分生成所述资助推荐列表;
所述根据所述匹配特征编码和所述企业信息确定资助申请的最终得分,并根据所述最终得分生成资助推荐列表的步骤之后,还包括:
若接收到审核人员触发的修改指令,则根据所述修改指令对所述资助推荐列表进行修改;
若接收到所述审核人员触发的修改确认指令,则根据所述修改指令保存修改后的所述资助推荐列表,并根据修改后的所述资助推荐列表对所述预设匹配条件项中的选择匹配条件项进行更新;
将修改后的所述资助推荐列表作为所述资助推荐列表。
2.根据权利要求1所述的资助推荐方法,其特征在于,所述根据所述企业信息从所述预置的向量数据集中查找到与所述企业信息相匹配的匹配特征编码,包括:
根据所述企业信息通过预设AI算法建立查询索引,其中,所述预设AI算法包括自定义的推荐算法、自定义的跟随算法、自定义的同业算法、关联算法、优化算法、自定义的新政策深度解读算法、自定义的新注册/新迁入企业算法以及自定义的普惠算法;
通过所述查询索引从所述预置的向量数据集中查找到与所述企业信息相匹配的匹配特征编码。
3.根据权利要求1所述的资助推荐方法,其特征在于,所述方法还包括:
若接收到申报人员根据所述资助推荐列表触发的资助申请指令,则获取与所述资助申请指令相对应的资助申请;
将所述资助申请的记录保存至历史申报记录库。
4.一种资助推荐方法装置,其特征在于,包括:
获取处理单元,用于获取资助文件,并对所述资助文件进行处理得到扶持资助数据;
区分形成单元,用于区分所述扶持资助数据中的必要项和可选项以形成关键标签项;
处理更新单元,用于对所述关键标签项进行处理得到特征编码,并根据所述特征编码更新预置的向量数据集;
获取查找单元,用于获取企业信息,并根据所述企业信息从所述预置的向量数据集中查找到与所述企业信息相匹配的匹配特征编码;
生成单元,用于根据所述匹配特征编码和所述企业信息确定资助申请的最终得分,并根据所述最终得分生成资助推荐列表;
推荐单元,用于根据所述资助推荐列表向待申请企业推荐资助;
其中,所述获取处理单元包括:
第一切分处理单元,用于对所述资助文件进行第一切分处理得到初始扶持数据和初始资助数据;
第二切分处理单元,用于对所述初始扶持数据和所述初始资助数据进行第二切分处理得到切分扶持数据和切分资助数据,其中,所述第二切分处理和所述第一切分处理的条件不同;
去除单元,用于去除所述切分扶持数据和所述切分资助数据中的预设低语义文字得到目标切分扶持数据和目标切分资助数据,将所述目标切分扶持数据和所述目标切分资助数据作为所述扶持资助数据;
所述区分形成单元具体用于通过对目标切分扶持数据和目标切分资助数据中的标签类别进行识别,以区分所述扶持资助数据中的必要项和可选项以形成所述关键标签项;
所述处理更新单元具体用于对所述关键标签项进行特征提取得到特征向量;
对所述特征向量进行编码得到所述特征编码;若所述预置的向量数据集中不存在所述特征编码且所述特征编码与所述预置的向量数据集中的特征编码之间的相似度值小于预设相似度阈值,则将所述特征编码添加至所述预置的向量数据集;若所述预置的向量数据集中不存在所述特征编码且所述特征编码与所述预置的向量数据集中的特征编码之间的相似度值不小于所述预设相似度阈值,则将所述预置的向量数据集中与所述特征编码相似度最高的特征编码替换为所述特征编码;
所述生成单元包括:
计算单元,用于计算所述匹配特征编码与所述企业信息的相似度得到匹配相似度值,并根据所述匹配相似度值确定匹配度得分;
生成子单元,用于根据所述匹配度得分及预设匹配条件项确定最终得分,并根据所述最终得分生成所述资助推荐列表;
所述资助推荐方法装置还包括:
修改单元,用于若接收到审核人员触发的修改指令,则根据所述修改指令对所述资助推荐列表进行修改;
保存优化单元,用于若接收到所述审核人员触发的修改确认指令,则根据所述修改指令保存修改后的所述资助推荐列表,并根据修改后的所述资助推荐列表对所述预设匹配条件项中的选择匹配条件项进行更新;
作为单元,用于将修改后的所述资助推荐列表作为所述资助推荐列表。
5.一种计算机设备,其特征在于,所述计算机设备搭建有资助智能申请推荐系统,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-3中任一项所述的方法。
6.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序当被处理器执行时可实现如权利要求1-3中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311162694.4A CN116911641B (zh) | 2023-09-11 | 2023-09-11 | 资助推荐方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311162694.4A CN116911641B (zh) | 2023-09-11 | 2023-09-11 | 资助推荐方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116911641A CN116911641A (zh) | 2023-10-20 |
CN116911641B true CN116911641B (zh) | 2024-02-02 |
Family
ID=88367059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311162694.4A Active CN116911641B (zh) | 2023-09-11 | 2023-09-11 | 资助推荐方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116911641B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106484851A (zh) * | 2016-09-30 | 2017-03-08 | 深圳市华傲数据技术有限公司 | 基于人才政策信息平台的信息查找系统及方法 |
CN112632318A (zh) * | 2020-12-24 | 2021-04-09 | 安克创新科技股份有限公司 | 一种音频推荐方法、装置、系统及存储介质 |
CN113704386A (zh) * | 2021-10-27 | 2021-11-26 | 深圳前海环融联易信息科技服务有限公司 | 一种基于深度学习的文本推荐方法、装置及相关介质 |
CN113870083A (zh) * | 2021-09-27 | 2021-12-31 | 中关村意谷(北京)科技服务有限公司 | 政策匹配的方法、装置、系统、电子设备及可读存储介质 |
CN114493142A (zh) * | 2021-12-28 | 2022-05-13 | 深圳太极云软技术有限公司 | 扶持政策与企业匹配的方法、装置、设备及存储介质 |
CN114491215A (zh) * | 2021-12-28 | 2022-05-13 | 深圳市游迷天下科技有限公司 | 基于搜索的近义词库更新方法、装置、设备及存储介质 |
CN116681561A (zh) * | 2023-04-24 | 2023-09-01 | 上海亿通国际股份有限公司 | 一种政策匹配方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111241311B (zh) * | 2020-01-09 | 2023-02-03 | 腾讯科技(深圳)有限公司 | 媒体信息推荐方法、装置、电子设备及存储介质 |
-
2023
- 2023-09-11 CN CN202311162694.4A patent/CN116911641B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106484851A (zh) * | 2016-09-30 | 2017-03-08 | 深圳市华傲数据技术有限公司 | 基于人才政策信息平台的信息查找系统及方法 |
CN112632318A (zh) * | 2020-12-24 | 2021-04-09 | 安克创新科技股份有限公司 | 一种音频推荐方法、装置、系统及存储介质 |
CN113870083A (zh) * | 2021-09-27 | 2021-12-31 | 中关村意谷(北京)科技服务有限公司 | 政策匹配的方法、装置、系统、电子设备及可读存储介质 |
CN113704386A (zh) * | 2021-10-27 | 2021-11-26 | 深圳前海环融联易信息科技服务有限公司 | 一种基于深度学习的文本推荐方法、装置及相关介质 |
CN114493142A (zh) * | 2021-12-28 | 2022-05-13 | 深圳太极云软技术有限公司 | 扶持政策与企业匹配的方法、装置、设备及存储介质 |
CN114491215A (zh) * | 2021-12-28 | 2022-05-13 | 深圳市游迷天下科技有限公司 | 基于搜索的近义词库更新方法、装置、设备及存储介质 |
CN116681561A (zh) * | 2023-04-24 | 2023-09-01 | 上海亿通国际股份有限公司 | 一种政策匹配方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
周运丽.《数字图书馆创新与发展研究》.吉林出版集团股份有限公司,2019,84. * |
章成志等.《文本自动标引与自动分类研究》.东南大学出版社,2009,123. * |
Also Published As
Publication number | Publication date |
---|---|
CN116911641A (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102048638B1 (ko) | 콘텐츠 인식 방법 및 시스템 | |
US20200074359A1 (en) | Detecting an issue related to a report | |
CN112035599B (zh) | 基于垂直搜索的查询方法、装置、计算机设备及存储介质 | |
CN110929125A (zh) | 搜索召回方法、装置、设备及其存储介质 | |
CN111447574B (zh) | 短信分类方法、装置、系统和存储介质 | |
CN115935344A (zh) | 一种异常设备的识别方法、装置及电子设备 | |
CN111353004A (zh) | 一种药品文档的数据关联分析方法和系统 | |
CN111353005A (zh) | 一种药品研发申报文档管理方法和系统 | |
CN115329048A (zh) | 一种语句检索的方法及装置、电子设备、存储介质 | |
CN114580402A (zh) | 一种面向企业的产品信息获取方法、装置、服务器和存储介质 | |
CN113468017A (zh) | 应用于区块链的在线业务状态检测方法及业务服务器 | |
CN113032524A (zh) | 商标侵权识别方法、终端设备及存储介质 | |
CN116911641B (zh) | 资助推荐方法、装置、计算机设备及存储介质 | |
CN115858776B (zh) | 一种变体文本分类识别方法、系统、存储介质和电子设备 | |
CN111177362A (zh) | 一种信息处理方法、装置、服务器及介质 | |
CN116150376A (zh) | 一种样本数据分布优化方法、装置和存储介质 | |
US8165972B1 (en) | Determining a feature related to an indication of a concept using a classifier | |
CN112541357B (zh) | 实体识别方法、装置及智能设备 | |
CN114495138A (zh) | 一种智能文档识别与特征提取方法、装置平台和存储介质 | |
CN113704422A (zh) | 一种文本推荐方法、装置、计算机设备和存储介质 | |
CN112085526A (zh) | 基于用户群的信息匹配方法、装置、计算机设备及存储介质 | |
CN111143582A (zh) | 一种双索引实时更新联想词的多媒体资源推荐方法及装置 | |
Fernandes de Araújo et al. | Leveraging active learning to reduce human effort in the generation of ground‐truth for entity resolution | |
CN113656393B (zh) | 数据处理方法、装置、电子设备以及存储介质 | |
CN117114142B (zh) | 基于ai的数据规则表达式生成方法、装置、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 |