CN117591770B - 政策的推送方法、装置以及计算机设备 - Google Patents

政策的推送方法、装置以及计算机设备 Download PDF

Info

Publication number
CN117591770B
CN117591770B CN202410064001.6A CN202410064001A CN117591770B CN 117591770 B CN117591770 B CN 117591770B CN 202410064001 A CN202410064001 A CN 202410064001A CN 117591770 B CN117591770 B CN 117591770B
Authority
CN
China
Prior art keywords
target
disassembled
text
texts
candidate
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
Application number
CN202410064001.6A
Other languages
English (en)
Other versions
CN117591770A (zh
Inventor
吴代君
李文龙
李越君
朱海洋
王建炜
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.)
Zhejiang Shengtu Digital Technology Co ltd
Zhejiang Shuyang Technology Co ltd
Original Assignee
Zhejiang Shuyang 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 Zhejiang Shuyang Technology Co ltd filed Critical Zhejiang Shuyang Technology Co ltd
Priority to CN202410064001.6A priority Critical patent/CN117591770B/zh
Publication of CN117591770A publication Critical patent/CN117591770A/zh
Application granted granted Critical
Publication of CN117591770B publication Critical patent/CN117591770B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
    • 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
    • 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
    • G06F40/30—Semantic analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Machine Translation (AREA)

Abstract

本申请公开了一种政策的推送方法、装置以及计算机设备，属于计算机技术领域。通过本申请实施例提供的技术方案，将目标政策和该目标政策的初始拆解文本发送给多个可信节点，由该多个可信节点对该初始拆解文本进行评分，得到多个参考评分。由该多个可信节点对该目标政策进行拆解，得到多个第一参考拆解文本。利用目标政策、初始拆解文本、该多个参考评分以及该多个第一参考拆解文本来确定目标拆解文本，目标拆解文本的准确性更高，能够更加准确地反映目标政策的内容。基于该目标拆解文本以及多个候选对象的对象信息来进行目标政策和目标拆解文本的推送，能够实现智能化的政策推送，提高政策推送的准确性。

Description

政策的推送方法、装置以及计算机设备
技术领域
本申请涉及计算机技术领域，特别涉及一种政策的推送方法、装置以及计算机设备。
背景技术
随着社会的发展，相关部门为了提高企业的活力，通常会制定一些政策，比如，会制定一些鼓励企业进行生产和投资活动的政策。
相关技术中，企业需要配备专门的人员来查看相关部门制定的政策，并从大量政策中找到企业符合的政策，这一过程严重依赖于人工，可能出现企业符合的政策没找到或者找到的是企业不符合的政策等问题，导致政策无法准确推送给相关企业。
发明内容
本申请实施例提供了一种政策的推送方法、装置以及计算机设备，能够提高政策推送的准确性，技术方案如下。
一方面，提供了一种政策的推送方法，所述方法包括下述步骤。
将目标政策和所述目标政策的初始拆解文本发送给多个可信节点，所述可信节点为可信度高于可信度阈值的节点，所述初始拆解文本是对所述目标政策的结构化表达；
获取所述多个可信节点返回的多个参考评分以及多个第一参考拆解文本，所述参考评分是可信节点对所述初始拆解文本进行评价后得到的，所述第一参考拆解文本是可信节点对所述目标政策进行拆解后得到的；
基于所述目标政策、所述初始拆解文本、所述多个参考评分以及所述多个第一参考拆解文本，确定目标拆解文本；
基于所述目标拆解文本以及多个候选对象的对象信息，向所述多个候选对象中的至少一个目标对象推送所述目标政策和所述目标拆解文本，所述目标对象为与所述目标拆解文本匹配的候选对象。
在一种可能的实施方式中，所述基于所述目标政策、所述初始拆解文本、所述多个参考评分以及所述多个第一参考拆解文本，确定目标拆解文本，包括：
基于所述多个参考评分，从所述多个第一参考拆解文本中确定多个第二参考拆解文本，所述多个第二参考拆解文本为所述多个第一参考拆解文本中对应的参考评分最低的N个第一参考拆解文本，N为正整数；
基于所述多个第二参考拆解文本、所述目标政策以及所述初始拆解文本，确定所述目标拆解文本。
在一种可能的实施方式中，所述基于所述多个第二参考拆解文本、所述目标政策以及所述初始拆解文本，确定所述目标拆解文本，包括：
对所述初始拆解文本和所述多个第二参考拆解文本进行语义特征提取，得到所述初始拆解文本的第一语义特征以及各个所述第二参考拆解文本的第二语义特征；
基于所述第一语义特征与多个第二语义特征之间的第一语义相似度，从所述多个第二拆解文本中确定多个第三参考拆解文本，所述多个第三参考拆解文本的第二语义特征与所述第一语义特征之间的第一语义相似度小于或等于相似度阈值；
基于所述目标政策、所述多个第三参考拆解文本以及所述初始拆解文本，确定所述目标拆解文本。
在一种可能的实施方式中，所述初始拆解文本包括多个第一结构化文本，所述第三参考拆解文本包括多个第二结构化文本，所述基于所述目标政策、所述多个第三参考拆解文本以及所述初始拆解文本，确定所述目标拆解文本，包括：
确定所述初始拆解文本的多个第一结构化文本，以及各个所述第三参考拆解文本的多个第二结构化文本与所述目标政策之间的第二语义相似度；
基于所述初始拆解文本的多个第一结构化文本以及各个所述第三参考拆解文本的多个第二结构化文本与所述目标政策之间的第二语义相似度，对多个所述第三参考拆解文本进行重组，得到所述目标拆解文本，所述目标拆解文本包括多个第三结构化文本，所述第三结构化文本是对应位置的第一结构化文本和多个第二结构化文本中，与所述目标政策之间的第二语义相似度最高的第一结构化文本或第二结构化文本。
在一种可能的实施方式中，所述基于所述目标拆解文本以及多个候选对象的对象信息，向所述多个候选对象中的至少一个目标对象推送所述目标政策和所述目标拆解文本，包括：
对所述目标拆解文本进行标签映射，得到多个目标对象标签；
采用所述多个目标对象标签和所述多个候选对象的对象信息对所述多个候选对象进行筛选，得到所述至少一个目标对象；
向所述至少一个目标对象推送所述目标政策和所述目标拆解文本。
在一种可能的实施方式中，所述对所述目标拆解文本进行标签映射，得到多个目标对象标签，包括：
对所述目标拆解文本进行映射，得到第一候选标签集合，所述第一候选标签集合包括多个第一候选对象标签；
将所述目标拆解文本发送给所述多个可信节点，获取各个所述可信节点返回的多个第二候选标签集合，所述第二候选标签集合包括多个第二候选对象标签，所述第二候选对象标签是可信节点对所述目标拆解文本进行标签映射后得到的；
基于所述第一候选标签集合和所述多个第二候选标签集合，确定所述多个目标对象标签。
在一种可能的实施方式中，所述基于所述第一候选标签集合和所述多个第二候选标签集合，确定所述多个目标对象标签，包括：
将所述第一候选标签集合以及所述多个第二候选标签集合发送给所述多个可信节点，由所述多个可信节点对所述第一候选标签集合以及所述多个第二候选标签集合中的候选对象标签进行投票，得到各个候选对象标签的票数；
基于所述第一候选标签集合以及所述多个第二候选标签集合中的候选对象标签的票数，对所述第一候选标签集合以及所述多个第二候选标签集合中的候选对象标签进行标签重组，得到目标标签集合，所述目标标签集合包括所述多个目标对象标签。
在一种可能的实施方式中，所述采用所述多个目标对象标签和所述多个候选对象的对象信息对所述多个候选对象进行筛选，得到所述至少一个目标对象，包括：
对所述多个候选对象的对象信息进行标准化，得到各个所述候选对象的目标对象信息；
对各个所述候选对象的目标对象信息进行特征提取，得到各个所述候选对象的对象特征；
基于各个所述候选对象的对象特征，确定各个所述候选对象的第三候选对象标签；
对所述多个目标对象标签以及各个所述候选对象的第三候选对象标签进行标签匹配，得到所述至少一个目标对象。
一方面，提供了一种政策的推送装置，所述装置包括。
发送模块，用于将目标政策和所述目标政策的初始拆解文本发送给多个可信节点，所述可信节点为可信度高于可信度阈值的节点，所述初始拆解文本是对所述目标政策的结构化表达；
获取模块，用于获取所述多个可信节点返回的多个参考评分以及多个第一参考拆解文本，所述参考评分是可信节点对所述初始拆解文本进行评价后得到的，所述第一参考拆解文本是可信节点对所述目标政策进行拆解后得到的；
确定模块，用于基于所述目标政策、所述初始拆解文本、所述多个参考评分以及所述多个第一参考拆解文本，确定目标拆解文本；
推送模块，用于基于所述目标拆解文本以及多个候选对象的对象信息，向所述多个候选对象中的至少一个目标对象推送所述目标政策和所述目标拆解文本，所述目标对象为与所述目标拆解文本匹配的候选对象。
在一种可能的实施方式中，所述确定模块，用于基于所述多个参考评分，从所述多个第一参考拆解文本中确定多个第二参考拆解文本，所述多个第二参考拆解文本为所述多个第一参考拆解文本中对应的参考评分最低的N个第一参考拆解文本，N为正整数；基于所述多个第二参考拆解文本、所述目标政策以及所述初始拆解文本，确定所述目标拆解文本。
在一种可能的实施方式中，所述确定模块，用于对所述初始拆解文本和所述多个第二参考拆解文本进行语义特征提取，得到所述初始拆解文本的第一语义特征以及各个所述第二参考拆解文本的第二语义特征；基于所述第一语义特征与多个第二语义特征之间的第一语义相似度，从所述多个第二拆解文本中确定多个第三参考拆解文本，所述多个第三参考拆解文本的第二语义特征与所述第一语义特征之间的第一语义相似度小于或等于相似度阈值；基于所述目标政策、所述多个第三参考拆解文本以及所述初始拆解文本，确定所述目标拆解文本。
在一种可能的实施方式中，所述初始拆解文本包括多个第一结构化文本，所述第三参考拆解文本包括多个第二结构化文本，所述确定模块，用于确定所述初始拆解文本的多个第一结构化文本，以及各个所述第三参考拆解文本的多个第二结构化文本与所述目标政策之间的第二语义相似度；基于所述初始拆解文本的多个第一结构化文本以及各个所述第三参考拆解文本的多个第二结构化文本与所述目标政策之间的第二语义相似度，对多个所述第三参考拆解文本进行重组，得到所述目标拆解文本，所述目标拆解文本包括多个第三结构化文本，所述第三结构化文本是对应位置的第一结构化文本和多个第二结构化文本中，与所述目标政策之间的第二语义相似度最高的第一结构化文本或第二结构化文本。
在一种可能的实施方式中，所述推送模块，用于对所述目标拆解文本进行标签映射，得到多个目标对象标签；采用所述多个目标对象标签和所述多个候选对象的对象信息对所述多个候选对象进行筛选，得到所述至少一个目标对象；向所述至少一个目标对象推送所述目标政策和所述目标拆解文本。
在一种可能的实施方式中，所述推送模块，用于对所述目标拆解文本进行映射，得到第一候选标签集合，所述第一候选标签集合包括多个第一候选对象标签；将所述目标拆解文本发送给所述多个可信节点，获取各个所述可信节点返回的多个第二候选标签集合，所述第二候选标签集合包括多个第二候选对象标签，所述第二候选对象标签是可信节点对所述目标拆解文本进行标签映射后得到的；基于所述第一候选标签集合和所述多个第二候选标签集合，确定所述多个目标对象标签。
在一种可能的实施方式中，所述推送模块，用于将所述第一候选标签集合以及所述多个第二候选标签集合发送给所述多个可信节点，由所述多个可信节点对所述第一候选标签集合以及所述多个第二候选标签集合中的候选对象标签进行投票，得到各个候选对象标签的票数；基于所述第一候选标签集合以及所述多个第二候选标签集合中的候选对象标签的票数，对所述第一候选标签集合以及所述多个第二候选标签集合中的候选对象标签进行标签重组，得到目标标签集合，所述目标标签集合包括所述多个目标对象标签。
在一种可能的实施方式中，所述推送模块，用于对所述多个候选对象的对象信息进行标准化，得到各个所述候选对象的目标对象信息；对各个所述候选对象的目标对象信息进行特征提取，得到各个所述候选对象的对象特征；基于各个所述候选对象的对象特征，确定各个所述候选对象的第三候选对象标签；对所述多个目标对象标签以及各个所述候选对象的第三候选对象标签进行标签匹配，得到所述至少一个目标对象。
一方面，提供了一种计算机设备，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条计算机程序，所述计算机程序由所述一个或多个处理器加载并执行以实现所述政策的推送方法。
一方面，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中存储有至少一条计算机程序，所述计算机程序由处理器加载并执行以实现所述政策的推送方法。
一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括程序代码，该程序代码存储在计算机可读存储介质中，计算机设备的处理器从计算机可读存储介质读取该程序代码，处理器执行该程序代码，使得该计算机设备执行上述政策的推送方法。
通过本申请实施例提供的技术方案，将目标政策和该目标政策的初始拆解文本发送给多个可信节点，由该多个可信节点对该初始拆解文本进行评分，得到多个参考评分。由该多个可信节点对该目标政策进行拆解，得到多个第一参考拆解文本。利用目标政策、初始拆解文本、该多个参考评分以及该多个第一参考拆解文本来确定目标拆解文本，目标拆解文本的准确性更高，能够更加准确地反映目标政策的内容。基于该目标拆解文本以及多个候选对象的对象信息来进行目标政策和目标拆解文本的推送，能够实现智能化的政策推送，提高政策推送的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见的，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图；
图1是本申请实施例提供的一种政策的推送方法的实施环境的示意图；
图2是本申请实施例提供的一种政策的推送方法流程图；
图3是本申请实施例提供的另一种政策的推送方法流程图；
图4是本申请实施例提供的一种政策的推送装置结构示意图；
图5是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式做进一步地详细描述。
本申请中术语“第一”“第二”等字样用于对作用和功能基本相同的相同项或相似项进行区分，应理解，“第一”、“第二”、“第n”之间不具有逻辑或时序上的依赖关系，也不对数量和执行顺序进行限定。
人工智能（Artificial Intelligence，AI）是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
机器学习（Machine Learning，ML）是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识子模型使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。
语义特征：用于表示文本所表达语义的特征，不同的文本可以对应于相同的语义特征，例如文本“今天天气怎么样”和文本“今天天气如何”可以对应于同一个语义特征。计算机设备可以将文本中的字符映射为字符向量，根据字符之间的关系，对字符向量进行组合和运算，得到文本的语义特征。例如计算机设备可以采用编解码器的双向编码器表示（Bidirectional Encoder Representations from Transformers，BERT）。
归一化处理：将取值范围不同的数列映射到（0，1）区间上，便于数据的处理。在一些情况下，归一化后的数值可以直接被实现为概率。
随机失活（Dropout）：是对具有深度结构的人工神经网络进行优化的方法，在学习过程中通过将隐含层的部分权重或输出随机归零，降低节点间的相互依赖性从而实现神经网络的正则化，降低其结构风险。例如在模型训练过程中，存在一个向量（1，2，3，4），将该向量输入随机失活层后，随机失活层可以随机将向量（1，2，3，4）中的一个数字转化为0，比如将2转化为0，那么向量就变成了（1，0，3，4）。
嵌入编码（Embedded Coding）：嵌入编码在数学上表示一个对应关系，即通过一个函数F将X空间上的数据映射到Y空间上，其中该函数F是单射函数，映射的结果是结构保存，单射函数表示映射后的数据与映射前的数据唯一对应，结构保存表示映射前数据的大小关系与映射后数据的大小关系相同，例如映射前存在数据X1以及X2，映射后得到X1对应的Y1以及X2对应的Y2。若映射前的数据X1＞X2，那么相应地，映射后的数据Y1大于Y2。对于词语来说，就是将词语映射到另外一个空间，便于后续的机器学习和处理。
注意力权重：可以表示训练或预测过程中某个数据的重要性，重要性表示输入的数据对输出数据影响的大小。重要性高的数据其对应的注意力权重的值较高，重要性低的数据其对应的注意力权重的值较低。在不同的场景下，数据的重要性并不相同，模型的训练注意力权重的过程也即是确定数据重要性的过程。
需要说明的是，本申请所涉及的信息（包括但不限于用户设备信息、用户个人信息等）、数据（包括但不限于用于分析的数据、存储的数据、展示的数据等）以及信号，均为经用户授权或者经过各方充分授权的，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。例如，本申请中涉及到的对象信息以及政策推送地址等都是在充分授权的情况下获取的。
图1是本申请实施例提供的一种政策的推送方法的实施环境示意图，参见图1，该实施环境中可以包括企业端110和服务器140。
企业端110通过无线网络或有线网络与服务器140相连。可选地，企业端110是智能手机、平板电脑、笔记本电脑以及台式计算机等，但并不局限于此。企业端110安装和运行有支持政策推送的应用程序。
服务器140是独立的物理服务器，或者是多个物理服务器构成的服务器集群或者分布式系统，或者是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、分发网络（Content Delivery Network，CDN），以及大数据和人工智能平台等基础云计算服务的云服务器。服务器140为企业端110上运行的应用程序提供后台服务，也即是向该应用程序推送政策。
在介绍完本申请实施例的实施环境之后，下面对本申请实施例的应用场景进行介绍。本申请实施例提供的技术方案能够应用在任何需要政策推送的场景下，比如，可以应用在相关部门向企业推送政策的场景下，也可以应用在公司总部向分公司推送政策的场景下，本申请实施例对此不做限定。
在本申请实施例提供的技术方案应用在相关部门向企业推送政策的场景下，将目标政策和该目标政策的初始拆解文本发送给多个可信节点，该可信节点为可信度高于可信度阈值的节点，该初始拆解文本是对该目标政策的结构化表达，该目标政策为待推送的政策。获取多个可信节点返回的多个参考评分以及多个第一参考拆解文本，该参考评分是可信节点对该初始拆解文本进行评价后得到的，该第一参考拆解文本是可信节点对目标政策进行拆解后得到的。基于目标政策、该初始拆解文本、该多个参考评分以及该多个第一参考拆解文本，确定目标拆解文本，从而实现对目标政策的智能化拆解。基于该目标拆解文本以及多个候选对象的对象信息，向该多个候选对象中的至少一个目标对象推送该目标政策和该目标拆解文本，实现目标政策的智能化推送。
在介绍完本申请实施例的应用场景之后，下面对本申请实施例提供的政策的推送方法进行说明，参见图2，以执行主体为服务器为例，方法包括下述步骤。
其中，目标政策为待进行推送的政策，目标政策的初始拆解文本是服务器对该目标政策进行拆解后得到的拆解文本。目标政策的结构化表达是指将目标政策拆解为可读性较好的形式，便于用户阅读和理解。对于目标政策来说，由于目标政策的采用的词汇以及表达形式较有对应的模板，可能导致目标政策的可读性较差，用户阅读目标政策之后可能无法准确理解目标政策的含义，将目标政策转化为拆解文本之后，能够提高目标政策的可读性，从而有助于用户理解目标政策。另外，将目标政策转化为初始拆解文本也有助于后续寻找与目标政策匹配的对象。可信节点是具有数据处理能力的电子设备，可信节点的可信度基于可信节点的历史行为确定。可信度阈值由技术人员根据实际情况进行设置，本申请实施例对此不做限定。
其中，可信节点能够对初始拆解文本进行评分，得到参考评分，参考评分为对应可信节点对初始拆解文本的质量评分，参考评分越高，表示对应可信节点认为该初始拆解文本的质量越高；参考评分越低，表示对应可信节点认为该初始拆解文本的质量越低。另外，可信节点还能够对目标政策进行拆解，得到可信节点对应的第一参考拆解文本，第一参考拆解文本为可信节点对目标政策的结构化表达，第一拆解文本能够反映可信节点对目标政策的理解。
其中，目标拆解文本是选定的对目标政策进行拆解的拆解文本，目标拆解文本能够反映目标政策的内容。
其中，候选对象为待进行政策推送的对象，候选对象的对象信息用于描述候选对象的特性。目标对象为选定的推送目标政策的候选对象。在一些实施例中，候选对象为候选企业，目标对象为目标企业。
通过本申请实施例提供的技术方案，将目标政策和该目标政策的初始拆解文本发送给多个可信节点，由该多个可信节点对该初始拆解文本进行评分，得到多个参考评分。由该多个可信节点对该目标政策进行拆解，得到多个第一参考拆解文本。利用目标政策、初始拆解文本、该多个参考评分以及该多个第一参考拆解文本来确定目标拆解文本，目标拆解文本的准确性更高，能够更加准确地反映目标政策的内容。基于该目标拆解文本以及多个候选对象的对象信息来进行目标政策和目标拆解文本的推送，能够实现智能化的政策推送，提高政策推送的准确性。
上述步骤201-204是对本申请实施例提供的技术方案的简单介绍，下面将结合一些例子，对本申请实施例提供的政策的推送方法进行更加详细的说明，参见图3，以执行主体为服务器为例，方法包括下述步骤。
其中，参考节点是具有数据处理能力的电子设备，参考节点的可信度基于参考节点的历史行为确定，历史行为包括评分行为以及拆解行为，评分行为是指对拆解文本进行评分的行为，拆解行为是指对政策进行拆解的行为。可信度阈值由技术人员根据实际情况进行设置，本申请实施例对此不做限定。该多个可信节点属于多个参考节点，参考节点的数量大于可信节点的数量。在一些实施例中，多个参考节点中的可信节点会根据实际情况发生变化，技术人员也可以在参考节点中直接标记可信节点，或者增加或删除参考节点，本申请实施例对此不做限定。在一些实施例中，该多个参考节点和该服务器组成一个政策推送系统，通过该政策推送系统能够实现本申请实施例提供的政策推送方法。
在一种可能的实施方式中，服务器向多个参考节点中的主节点发送可信度获取请求，该可信度获取请求用于请求获取该多个参考节点的可信度，该主节点该多个参考节点中的代表节点，该主节点是该多个参考节点通过投票机制确定的。服务器获取该主节点返回的该多个参考节点的可信度。
其中，该多个参考节点每隔预设时长通过投票机制确定一次主节点，该预设时长由技术人员根据实际情况进行设置，本申请实施例对此不作限定。或者，每当确定出的主节点的可信度低于可信度阈值的情况下，该多个参考节点通过投票机制重新确定主节点，在这种情况下，主节点一定属于可信节点。在该多个参考节点通过投票机制确定出主节点之后，主节点会向服务器发送主节点提示信息，该主节点提示信息包括主节点的标识以及主节点的地址，服务器通过该主节点提示信息能够确定主节点并与主节点进行数据交互。
在这种实施方式下，通过多个参考节点中的主节点就能够获取多个参考节点的可信度，可信度的获取效率较高。
举例来说，服务器向多个参考节点中的主节点发送可信度获取请求，该可信度获取请求携带加密信息，该加密信息包括加密后的该服务器的标识以及主节点的标识，该加密信息用于对该服务器进行权限验证。在对该加密信息解密并确定该服务器基于权限的情况下，主节点将该多个参考节点的可信度发送给服务器，服务器获取该多个参考节点的可信度。
其中，加密信息的生成方式为非对称加密，也即是服务器采用该主节点的公钥对该服务器的标识以及主节点的标识进行加密，得到该解密信息，该主节点采用该公钥对应的私钥能够对该加密信息进行解密。
其中，目标政策为待进行推送的政策，目标政策的初始拆解文本是服务器对该目标政策进行拆解后得到的拆解文本。目标政策的结构化表达是指将目标政策拆解为可读性较好的形式，便于用户阅读和理解。对于目标政策来说，由于目标政策的采用的词汇以及表达形式较有对应的模板，可能导致目标政策的可读性较差，用户阅读目标政策之后可能无法准确理解目标政策的含义，将目标政策转化为拆解文本之后，能够提高目标政策的可读性，从而有助于用户理解目标政策。另外，将目标政策转化为初始拆解文本也有助于后续寻找与目标政策匹配的对象。
在一种可能的实施方式中，响应于政策选择指令，服务器从政策数据库中获取该政策选择指令对应的目标政策。服务器将该目标政策输入政策拆解模型，通过该政策拆解模型对该目标政策进行拆解，得到该初始拆解文本。
其中，该政策数据库中存储有多个候选政策，该政策选择指令是从该多个候选政策中选择该目标政策的指令，该政策选择指令是政策推送端发送的。政策拆解模型是一个生成式的模型，初始拆解文本也即是该政策拆解模型基于目标政策生成的。该政策拆解模型是基于多个样本政策以及各个样本政策对应的标注拆解文本训练得到的。
在这种实施方式下，响应于政策选择指令，从政策数据库中获取目标政策，并通过政策拆解模型来将目标政策拆解为初始拆解文本，目标政策的获取和拆解的效率较高。
举例来说，响应于政策选择指令，服务器从政策数据库中获取该政策选择指令对应的目标政策。服务器将该目标政策输入政策拆解模型，通过该政策拆解模型对该目标政策进行特征提取，得到该目标政策的语义特征。服务器通过该政策拆解模型，基于该语义特征进行文本生成，得到该初始拆解文本。
比如，响应于政策选择指令，服务器从政策数据库中获取该政策选择指令对应的目标政策。服务器将该目标政策输入政策拆解模型，通过该政策拆解模型对该目标政策的多个字符以及各个字符在该目标政策中的位置进行嵌入编码，得到各个字符的字符嵌入特征和位置嵌入特征。服务器通过该政策拆解模型，对各个字符的字符嵌入特征以及位置嵌入特征进行编码，得到该目标政策的语义特征。服务器通过该政策拆解模型，对该目标政策的语义特征进行多轮迭代解码，得到该目标政策的初始拆解文本。
在一些实施例中，该初始拆解文本包括政策解读、政策条件、政策奖励以及政策申报信息，其中，政策解读用于解析目标政策的内容，可以提供给用户进行参考；政策条件用于描述政策适用的企业范围；政策奖励用于描述政策给企业提供的奖励；政策申报信息用于描述政策的申报时间以及申报方式。在此基础上，该政策拆解模型包括四个解码器，在得到该目标政策的语义特征之后，将该语义特征分别输入该四个解码器，由该四个解码器分别对该语义特征进行多轮迭代解码，从而得到初始拆解文本中政策解读、政策条件、政策奖励以及政策申报信息四个部分，该四个解码器分别用于解码得到政策解读、政策条件、政策奖励以及政策申报信息。
在一种可能的实施方式中，服务器将该目标政策和该初始拆解文本发送给该多个可信节点中的主节点，由该主节点将该目标政策和该初始拆解文本发送给其他可信节点。
在这种实施方式下，服务器只要将目标政策和初始拆解文本发送给主节点即可，主节点会将目标政策和初始拆解文本发送给其他可信节点，节约了服务器的网络资源和运算资源。
其中，可信节点能够对初始拆解文本进行评分，得到参考评分，参考评分为对应可信节点对初始拆解文本的质量评分，参考评分越高，表示对应可信节点认为该初始拆解文本的质量越高。参考评分越低，表示对应可信节点认为该初始拆解文本的质量越低。另外，可信节点还能够对目标政策进行拆解，得到可信节点对应的第一参考拆解文本，第一参考拆解文本为可信节点对目标政策的结构化表达，第一拆解文本能够反映可信节点对目标政策的理解。
在一种可能的实施方式中，服务器从该多个可信节点中的主节点获取该多个可信节点返回的多个参考评分以及多个第一参考拆解文本。
在这种实施方式下，可信节点对初始拆解文本进行评分以及生成第一参考拆解文本之后，将参考评分和第一拆解文本发送给主节点，由主节点来进行汇总，并将汇总后的多个参考评分以及多个第一参考拆解文本发送给服务器。
为了对上述实施方式进行更加清楚地说明，下面将对可信节点对该初始拆解文本进行评分以及对该目标政策进行拆解的方法进行说明。
在一种可能的实施方式中，可信节点将该目标政策输入政策拆解模型，通过该政策拆解模型对该目标政策进行特征提取，得到该目标政策的语义特征。可信节点通过该政策拆解模型，基于该语义特征进行文本生成，得到该第一参考拆解文本。
其中，多个可信节点上的政策拆解模型与该服务器上的政策拆解模型的结构相同，但是可信节点与该服务器，以及不同可信节点上的政策拆解模型是采用不同的样本政策以及标注拆解文本训练得到的，以充分利用政策拆解模型的泛化能力，也能够避免过拟合带来的性能下降。
比如，可信节点将该目标政策输入政策拆解模型，通过该政策拆解模型对该目标政策的多个字符以及各个字符在该目标政策中的位置进行嵌入编码，得到各个字符的字符嵌入特征和位置嵌入特征。可信节点通过该政策拆解模型，对各个字符的字符嵌入特征以及位置嵌入特征进行编码，得到该目标政策的语义特征。可信节点通过该政策拆解模型，对该目标政策的语义特征进行多轮迭代解码，得到该目标政策的第一参考拆解文本。
在一种可能的实施方式中，可信节点对该可信节点拆解得到的第一参考拆解文本以及该初始拆解文本进行特征提取，得到该第一参考拆解文本的第一拆解文本语义特征以及该初始拆解文本的初始拆解文本语义特征。可信节点将该第一拆解文本语义特征以及该初始拆解文本语义特征之间的相似度，确定为对该初始拆解文本的参考评分。
在这种实施方式下，将第一拆解文本语义特征以及该初始拆解文本语义特征之间的相似度确定为参考评分，参考评分的确定效率较高，且参考评分能够准确反映可信节点对初始拆解文本的评价。
在一种可能的实施方式中，可信节点将该目标政策以及该初始拆解文本输入评价模型，通过该评价模型对该初始拆解文本进行评价，得到该初始拆解文本的参考评分。
其中，该评价模型是基于多个样本政策、各个样本政策的样本拆解文本以及标注评分训练得到的，能够根据输入的政策对输入的拆解文本进行评分。
需要说明的是，上述均是以一个可信节点为例进行说明的，其他可信节点的处理过程与该可信节点的处理过程属于同一发明构思，实现过程在此不再赘述。
其中，目标拆解文本是选定的对目标政策进行拆解的拆解文本，目标拆解文本能够反映目标政策的内容。
在一种可能的实施方式中，服务器基于该多个参考评分，从该多个第一参考拆解文本中确定多个第二参考拆解文本，该多个第二参考拆解文本为该多个第一参考拆解文本中对应的参考评分最低的N个第一参考拆解文本，N为正整数。服务器基于该多个第二参考拆解文本、该目标政策以及该初始拆解文本，确定该目标拆解文本。
其中，第一参考拆解文本对应的参考评分是指，发送该第一参考拆解文本的可信节点同时发送的对该初始拆解文本的参考评分，也即是该第一参考拆解文本和该第一参考拆解文本对应的参考评分来自同一个可信节点。参考评分高表示可信节点认为初始拆解文本的质量较高，参考评分低表示可信节点认为初始拆解文本的质量较低，参考评分低的可信节点发送的第一参考文本可能与初始拆解文本之间的差异较大，在一些情况下能够较好对初始拆解文本进行修正。N由技术人员根据实际情况进行设置，本申请实施例对此不作限定。
在这种实施方式下，利用参考评分来从多个第一参考拆解文本中确定多个第二参考拆解文本，利用多个第二参考拆解文本、目标政策以及初始拆解文本来确定目标拆解文本，目标拆解文本的准确性较高。
为了对上述实施方式进行更加清楚地说明，下面将分为几个部分对上述实施方式进行说明。
第一部分、服务器基于该多个参考评分，从该多个第一参考拆解文本中确定多个第二参考拆解文本。
在一种可能的实施方式中，服务器按照对应参考评分从低到高的顺序对该多个第一参考拆解文本进行排序。服务器将排序后的该多个第一参考拆解文本中前N个第一参考拆解文本确定为多个第二参考拆解文本。
或者，服务器按照对应参考评分从高到低的顺序对该多个第一参考拆解文本进行排序。服务器将排序后的该多个第一参考拆解文本中后N个第一参考拆解文本确定为多个第二参考拆解文本。
第二部分、服务器基于该多个第二参考拆解文本、该目标政策以及该初始拆解文本，确定该目标拆解文本。
在一种可能的实施方式中，服务器对该初始拆解文本和该多个第二参考拆解文本进行语义特征提取，得到该初始拆解文本的第一语义特征以及各个第二参考拆解文本的第二语义特征。服务器基于该第一语义特征与多个第二语义特征之间的第一语义相似度，从该多个第二拆解文本中确定多个第三参考拆解文本，该多个第三参考拆解文本的第二语义特征与该第一语义特征之间的第一语义相似度小于或等于相似度阈值。服务器基于该目标政策、该多个第三参考拆解文本以及该初始拆解文本，确定该目标拆解文本。
其中，相似度阈值由技术人员根据实际情况进行设置，本申请实施例对此不作限定。
为了对上述实施方式进行更加清楚地说明，下面将再分为几个部分对上述实施方式进行说明。
A、服务器对该初始拆解文本和该多个第二参考拆解文本进行语义特征提取，得到该初始拆解文本的第一语义特征以及各个第二参考拆解文本的第二语义特征。
在一种可能的实施方式中，服务器将该初始拆解文本以及该多个第二参考拆解文本输入语义特征提取模型，通过该语义特征提取模型对该初始拆解文本以及该多个第二参考拆解文本进行语义特征提取，得到该初始拆解文本的第一语义特征以及各个第二参考拆解文本的第二语义特征。
其中，该语义特征提取模型是提前训练好的模型。
下面通过语义特征提取模型对初始拆解文本进行语义特征提取的方法进行说明。
举例来说，服务器将该初始拆解文本输入语义特征提取模型，通过该语义特征提取模型对该初始拆解文本的多个字符以及各个字符在该初始拆解文本中的位置进行嵌入编码，得到各个字符的字符嵌入特征和位置嵌入特征。服务器通过该语义特征提取模型，将各个字符的字符嵌入特征和位置嵌入特征进行拼接，得到各个字符的融合嵌入特征。服务器通过该语义特征提取模型，对各个字符的融合嵌入特征进行线性变换，得到各个字符的查询特征、键特征以及值特征。服务器通过该语义特征提取模型，对各个字符的查询特征进行线性变换，得到各个字符的位置偏移量。服务器通过该语义特征提取模型，基于各个字符的查询特征、位置偏移量、键特征以及值特征，确定该初始拆解文本的第一语义特征。
下面对上述举例中服务器基于各个字符的查询特征、位置偏移量、键特征以及值特征，确定该初始拆解文本的第一语义特征的方法进行说明。
对于多个字符中的任一字符，服务器通过该语义特征提取模型，基于该字符的位置偏移量，从该多个字符中确定该字符的多个参考字符。服务器通过该语义特征提取模型，将该多个参考字符的键特征分别与该字符的查询特征相乘，得到该多个参考字符对该字符的注意力权重。服务器通过该语义特征提取模型，采用该多个参考字符对该字符的注意力权重将该字符的值向量以及该多个参考字符的值向量进行融合，得到该字符的目标字符特征。将该多个字符的目标字符特征进行融合，得到该初始拆解文本的第一语义特征。
需要说明的是，上述是以语义特征提取模型对初始拆解文本进行语义特征提取，得到第一语义特征为例进行说明的，语义特征提取模型对第二参考拆解文本进行语义特征提取，得到第二语义特征的方法与上述描述属于同一发明构思，实现过程不再赘述。
B、服务器基于该第一语义特征与多个第二语义特征之间的第一语义相似度，从该多个第二拆解文本中确定多个第三参考拆解文本。
在一种可能的实施方式中，服务器将该第一语义特征与多个第二语义特征之间的第一语义相似度与该相似度阈值进行比较，得到该多个第三参考拆解文本。
C、服务器基于该目标政策、该多个第三参考拆解文本以及该初始拆解文本，确定该目标拆解文本。
在一种可能的实施方式中，该初始拆解文本包括多个第一结构化文本，该第三参考拆解文本包括多个第二结构化文本，服务器确定该初始拆解文本的多个第一结构化文本，以及各个第三参考拆解文本的多个第二结构化文本与该目标政策之间的第二语义相似度。服务器基于该初始拆解文本的多个第一结构化文本以及各个第三参考拆解文本的多个第二结构化文本与该目标政策之间的第二语义相似度，对多个该第三参考拆解文本进行重组，得到该目标拆解文本，该目标拆解文本包括多个第三结构化文本，该第三结构化文本是对应位置的第一结构化文本和多个第二结构化文本中，与该目标政策之间的第二语义相似度最高的第一结构化文本或第二结构化文本。
其中，多个第一结构化文本和多个第二结构化文本一一对应，对应的第一结构化文本和第二结构化文本属于相同类型的结构化文本。比如，多个第一结构化文本包括政策解读、政策条件、政策奖励以及政策申报信息，相应地，多个第二结构化文本也包括政策解读、政策条件、政策奖励以及政策申报信息。
在这种实施方式下，以目标政策为基础，通过在结构化文本粒度上的处理，得到的目标拆解文本的准确性较高。
其中，候选对象为待进行政策推送的对象，候选对象的对象信息用于描述候选对象的特性。目标对象为选定的推送目标政策的候选对象。在一些实施例中，候选对象为候选企业，目标对象为目标企业。
在一种可能的实施方式中，服务器对该目标拆解文本进行标签映射，得到多个目标对象标签。服务器采用该多个目标对象标签和该多个候选对象的对象信息对该多个候选对象进行筛选，得到该至少一个目标对象。服务器向该至少一个目标对象推送该目标政策和该目标拆解文本。
为了对上述实施方式进行更加清楚地说明，下面将分为几个部分对上述实施方式进行说明。
第一部分、服务器对该目标拆解文本进行标签映射，得到多个目标对象标签。
在一种可能的实施方式中，服务器对该目标拆解文本进行映射，得到第一候选标签集合，该第一候选标签集合包括多个第一候选对象标签。服务器将该目标拆解文本发送给该多个可信节点，获取各个可信节点返回的多个第二候选标签集合，该第二候选标签集合包括多个第二候选对象标签，该第二候选对象标签是可信节点对该目标拆解文本进行标签映射后得到的。服务器基于该第一候选标签集合和该多个第二候选标签集合，确定该多个目标对象标签。
举例来说，服务器将该目标拆解文本输入标签预测模型，通过该标签预测模型对该目标拆解文本进行特征提取，得到目标拆解文本的目标拆解文本特征。服务器通过该标签预测模型，对该目标拆解文本特征进行全连接和归一化，得到目标概率集合，该目标概率集合包括多个概率，一个概率对应于一个对象标签。服务器将该目标概率集合中概率大于或等于概率阈值的对象标签，确定为第一候选对象标签。服务器将该目标拆解文本发送给该多个可信节点，获取各个可信节点返回的多个第二候选标签集合。服务器将该第一候选标签集合以及该多个第二候选标签集合发送给该多个可信节点，由该多个可信节点对该第一候选标签集合以及该多个第二候选标签集合中的候选对象标签进行投票，得到各个候选对象标签的票数。服务器基于该第一候选标签集合以及该多个第二候选标签集合中的候选对象标签的票数，对该第一候选标签集合以及该多个第二候选标签集合中的候选对象标签进行标签重组，得到目标标签集合，该目标标签集合包括该多个目标对象标签。
其中，目标对象标签为该第一候选标签集合以及该多个第二候选标签集合中票数最高的M个候选对象标签，M为正整数。
第二部分、服务器采用该多个目标对象标签和该多个候选对象的对象信息对该多个候选对象进行筛选，得到该至少一个目标对象。
在一种可能的实施方式中，服务器对该多个候选对象的对象信息进行标准化，得到各个候选对象的目标对象信息。服务器对各个候选对象的目标对象信息进行特征提取，得到各个候选对象的对象特征。服务器基于各个候选对象的对象特征，确定各个候选对象的第三候选对象标签。服务器对该多个目标对象标签以及各个候选对象的第三候选对象标签进行标签匹配，得到该至少一个目标对象。
其中，至少一个目标对象为该多个候选对象中第三候选对象标签与该多个目标对象标签之间的匹配程度最高的L个，L为正整数。
第三部分、服务器向该至少一个目标对象推送该目标政策和该目标拆解文本。
在一种可能的实施方式中，服务器确定该至少一个目标对象的政策推送地址。服务器向该政策推送地址推送该目标政策和该目标拆解文本。
其中，该政策推送地址为邮箱地址或者其他地址，本申请实施例对此不做限定。
上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。
通过本申请实施例提供的技术方案，将目标政策和该目标政策的初始拆解文本发送给多个可信节点，由该多个可信节点对该初始拆解文本进行评分，得到多个参考评分。由该多个可信节点对该目标政策进行拆解，得到多个第一参考拆解文本。利用目标政策、初始拆解文本、该多个参考评分以及该多个第一参考拆解文本来确定目标拆解文本，目标拆解文本的准确性更高，能够更加准确地反映目标政策的内容。基于该目标拆解文本以及多个候选对象的对象信息来进行目标政策和目标拆解文本的推送，能够实现智能化的政策推送，提高政策推送的准确性。
图4是本申请实施例提供的一种政策的推送装置结构示意图，参见图4，装置包括：发送模块401、获取模块402、确定模块403以及推送模块404。
发送模块401，用于将目标政策和该目标政策的初始拆解文本发送给多个可信节点，该可信节点为可信度高于可信度阈值的节点，该初始拆解文本是对该目标政策的结构化表达。
获取模块402，用于获取该多个可信节点返回的多个参考评分以及多个第一参考拆解文本，该参考评分是可信节点对该初始拆解文本进行评价后得到的，该第一参考拆解文本是可信节点对该目标政策进行拆解后得到的。
确定模块403，用于基于该目标政策、该初始拆解文本、该多个参考评分以及该多个第一参考拆解文本，确定目标拆解文本。
推送模块404，用于基于该目标拆解文本以及多个候选对象的对象信息，向该多个候选对象中的至少一个目标对象推送该目标政策和该目标拆解文本，该目标对象为与该目标拆解文本匹配的候选对象。
在一种可能的实施方式中，该确定模块403，用于基于该多个参考评分，从该多个第一参考拆解文本中确定多个第二参考拆解文本，该多个第二参考拆解文本为该多个第一参考拆解文本中对应的参考评分最低的N个第一参考拆解文本，N为正整数。基于该多个第二参考拆解文本、该目标政策以及该初始拆解文本，确定该目标拆解文本。
在一种可能的实施方式中，该确定模块403，用于对该初始拆解文本和该多个第二参考拆解文本进行语义特征提取，得到该初始拆解文本的第一语义特征以及各个该第二参考拆解文本的第二语义特征。基于该第一语义特征与多个第二语义特征之间的第一语义相似度，从该多个第二拆解文本中确定多个第三参考拆解文本，该多个第三参考拆解文本的第二语义特征与该第一语义特征之间的第一语义相似度小于或等于相似度阈值。基于该目标政策、该多个第三参考拆解文本以及该初始拆解文本，确定该目标拆解文本。
在一种可能的实施方式中，该初始拆解文本包括多个第一结构化文本，该第三参考拆解文本包括多个第二结构化文本，该确定模块403，用于确定该初始拆解文本的多个第一结构化文本，以及各个该第三参考拆解文本的多个第二结构化文本与该目标政策之间的第二语义相似度。基于该初始拆解文本的多个第一结构化文本以及各个该第三参考拆解文本的多个第二结构化文本与该目标政策之间的第二语义相似度，对多个该第三参考拆解文本进行重组，得到该目标拆解文本，该目标拆解文本包括多个第三结构化文本，该第三结构化文本是对应位置的第一结构化文本和多个第二结构化文本中，与该目标政策之间的第二语义相似度最高的第一结构化文本或第二结构化文本。
在一种可能的实施方式中，该推送模块404，用于对该目标拆解文本进行标签映射，得到多个目标对象标签。采用该多个目标对象标签和该多个候选对象的对象信息对该多个候选对象进行筛选，得到该至少一个目标对象。向该至少一个目标对象推送该目标政策和该目标拆解文本。
在一种可能的实施方式中，该推送模块404，用于对该目标拆解文本进行映射，得到第一候选标签集合，该第一候选标签集合包括多个第一候选对象标签。将该目标拆解文本发送给该多个可信节点，获取各个该可信节点返回的多个第二候选标签集合，该第二候选标签集合包括多个第二候选对象标签，该第二候选对象标签是可信节点对该目标拆解文本进行标签映射后得到的。基于该第一候选标签集合和该多个第二候选标签集合，确定该多个目标对象标签。
在一种可能的实施方式中，该推送模块404，用于将该第一候选标签集合以及该多个第二候选标签集合发送给该多个可信节点，由该多个可信节点对该第一候选标签集合以及该多个第二候选标签集合中的候选对象标签进行投票，得到各个候选对象标签的票数。基于该第一候选标签集合以及该多个第二候选标签集合中的候选对象标签的票数，对该第一候选标签集合以及该多个第二候选标签集合中的候选对象标签进行标签重组，得到目标标签集合，该目标标签集合包括该多个目标对象标签。
在一种可能的实施方式中，该推送模块404，用于对该多个候选对象的对象信息进行标准化，得到各个该候选对象的目标对象信息。对各个该候选对象的目标对象信息进行特征提取，得到各个该候选对象的对象特征。基于各个该候选对象的对象特征，确定各个该候选对象的第三候选对象标签。对该多个目标对象标签以及各个该候选对象的第三候选对象标签进行标签匹配，得到该至少一个目标对象。
需要说明的是：上述实施例提供的政策的推送装置在推送政策时，仅以上述各功能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模块完成，即将计算机设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的政策的推送装置与政策的推送方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
通过本申请实施例提供的技术方案，将目标政策和该目标政策的初始拆解文本发送给多个可信节点，由该多个可信节点对该初始拆解文本进行评分，得到多个参考评分。由该多个可信节点对该目标政策进行拆解，得到多个第一参考拆解文本。利用目标政策、初始拆解文本、该多个参考评分以及该多个第一参考拆解文本来确定目标拆解文本，目标拆解文本的准确性更高，能够更加准确地反映目标政策的内容。基于该目标拆解文本以及多个候选对象的对象信息来进行目标政策和目标拆解文本的推送，能够实现智能化的政策推送，提高政策推送的准确性。
上述计算机设备可以实现为服务器，下面对服务器的结构进行介绍：
图5是本申请实施例提供的一种服务器的结构示意图，该服务器500可因配置或性能不同而产生比较大的差异，可以包括一个或多个处理器（Central Processing Units，CPU）501和一个或多个的存储器502，其中，所述一个或多个存储器502中存储有至少一条计算机程序，所述至少一条计算机程序由所述一个或多个处理器501加载并执行以实现上述各个方法实施例提供的方法。当然，该服务器500还可以具有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该服务器500还可以包括其他用于实现设备功能的部件，在此不作赘述。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括计算机程序的存储器，上述计算机程序可由处理器执行以完成上述实施例中的政策的推送方法。例如，该计算机可读存储介质可以是只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、只读光盘 （Compact Disc Read-Only Memory，CD-ROM）、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括程序代码，该程序代码存储在计算机可读存储介质中，计算机设备的处理器从计算机可读存储介质读取该程序代码，处理器执行该程序代码，使得该计算机设备执行上述政策的推送方法。
在一些实施例中，本申请实施例所涉及的计算机程序可被部署在一个计算机设备上执行，或者在位于一个地点的多个计算机设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算机设备上执行，分布在多个地点且通过通信网络互连的多个计算机设备可以组成区块链系统。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
上述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.一种政策的推送方法，其特征在于，所述方法包括：
将目标政策和所述目标政策的初始拆解文本发送给多个可信节点，所述可信节点为可信度高于可信度阈值的节点，所述初始拆解文本是对所述目标政策的结构化表达；
获取所述多个可信节点返回的多个参考评分以及多个第一参考拆解文本，所述参考评分是可信节点对所述初始拆解文本进行评价后得到的，所述第一参考拆解文本是可信节点对所述目标政策进行拆解后得到的；
基于所述多个参考评分，从所述多个第一参考拆解文本中确定多个第二参考拆解文本，所述多个第二参考拆解文本为所述多个第一参考拆解文本中对应的参考评分最低的N个第一参考拆解文本，N为正整数；
基于所述多个第二参考拆解文本、所述目标政策以及所述初始拆解文本，确定目标拆解文本；
对所述目标拆解文本进行标签映射，得到多个目标对象标签；
采用所述多个目标对象标签和多个候选对象的对象信息对所述多个候选对象进行筛选，得到至少一个目标对象，所述目标对象为与所述目标拆解文本匹配的候选对象；
向所述至少一个目标对象推送所述目标政策和所述目标拆解文本。
2.根据权利要求1所述的方法，其特征在于，所述基于所述多个第二参考拆解文本、所述目标政策以及所述初始拆解文本，确定所述目标拆解文本，包括：
对所述初始拆解文本和所述多个第二参考拆解文本进行语义特征提取，得到所述初始拆解文本的第一语义特征以及各个所述第二参考拆解文本的第二语义特征；
基于所述第一语义特征与多个第二语义特征之间的第一语义相似度，从所述多个第二拆解文本中确定多个第三参考拆解文本，所述多个第三参考拆解文本的第二语义特征与所述第一语义特征之间的第一语义相似度小于或等于相似度阈值；
基于所述目标政策、所述多个第三参考拆解文本以及所述初始拆解文本，确定所述目标拆解文本。
3.根据权利要求2所述的方法，其特征在于，所述初始拆解文本包括多个第一结构化文本，所述第三参考拆解文本包括多个第二结构化文本，所述基于所述目标政策、所述多个第三参考拆解文本以及所述初始拆解文本，确定所述目标拆解文本，包括：
确定所述初始拆解文本的多个第一结构化文本，以及各个所述第三参考拆解文本的多个第二结构化文本与所述目标政策之间的第二语义相似度；
基于所述初始拆解文本的多个第一结构化文本以及各个所述第三参考拆解文本的多个第二结构化文本与所述目标政策之间的第二语义相似度，对多个所述第三参考拆解文本进行重组，得到所述目标拆解文本，所述目标拆解文本包括多个第三结构化文本，所述第三结构化文本是对应位置的第一结构化文本和多个第二结构化文本中，与所述目标政策之间的第二语义相似度最高的第一结构化文本或第二结构化文本。
4.根据权利要求1所述的方法，其特征在于，所述对所述目标拆解文本进行标签映射，得到多个目标对象标签，包括：
对所述目标拆解文本进行映射，得到第一候选标签集合，所述第一候选标签集合包括多个第一候选对象标签；
将所述目标拆解文本发送给所述多个可信节点，获取各个所述可信节点返回的多个第二候选标签集合，所述第二候选标签集合包括多个第二候选对象标签，所述第二候选对象标签是可信节点对所述目标拆解文本进行标签映射后得到的；
基于所述第一候选标签集合和所述多个第二候选标签集合，确定所述多个目标对象标签。
5.根据权利要求4所述的方法，其特征在于，所述基于所述第一候选标签集合和所述多个第二候选标签集合，确定所述多个目标对象标签，包括：
将所述第一候选标签集合以及所述多个第二候选标签集合发送给所述多个可信节点，由所述多个可信节点对所述第一候选标签集合以及所述多个第二候选标签集合中的候选对象标签进行投票，得到各个候选对象标签的票数；
基于所述第一候选标签集合以及所述多个第二候选标签集合中的候选对象标签的票数，对所述第一候选标签集合以及所述多个第二候选标签集合中的候选对象标签进行标签重组，得到目标标签集合，所述目标标签集合包括所述多个目标对象标签。
6.根据权利要求1所述的方法，其特征在于，所述采用所述多个目标对象标签和所述多个候选对象的对象信息对所述多个候选对象进行筛选，得到所述至少一个目标对象，包括：
对所述多个候选对象的对象信息进行标准化，得到各个所述候选对象的目标对象信息；
对各个所述候选对象的目标对象信息进行特征提取，得到各个所述候选对象的对象特征；
基于各个所述候选对象的对象特征，确定各个所述候选对象的第三候选对象标签；
对所述多个目标对象标签以及各个所述候选对象的第三候选对象标签进行标签匹配，得到所述至少一个目标对象。
7.一种政策的推送装置，其特征在于，所述装置包括：
发送模块，用于将目标政策和所述目标政策的初始拆解文本发送给多个可信节点，所述可信节点为可信度高于可信度阈值的节点，所述初始拆解文本是对所述目标政策的结构化表达；
获取模块，用于获取所述多个可信节点返回的多个参考评分以及多个第一参考拆解文本，所述参考评分是可信节点对所述初始拆解文本进行评价后得到的，所述第一参考拆解文本是可信节点对所述目标政策进行拆解后得到的；
确定模块，用于基于所述多个参考评分，从所述多个第一参考拆解文本中确定多个第二参考拆解文本，所述多个第二参考拆解文本为所述多个第一参考拆解文本中对应的参考评分最低的N个第一参考拆解文本，N为正整数；基于所述多个第二参考拆解文本、所述目标政策以及所述初始拆解文本，确定目标拆解文本；
推送模块，用于对所述目标拆解文本进行标签映射，得到多个目标对象标签；采用所述多个目标对象标签和多个候选对象的对象信息对所述多个候选对象进行筛选，得到至少一个目标对象，所述目标对象为与所述目标拆解文本匹配的候选对象；向所述至少一个目标对象推送所述目标政策和所述目标拆解文本。
8.一种计算机设备，其特征在于，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条计算机程序，所述计算机程序由所述一个或多个处理器加载并执行以实现如权利要求1至权利要求6任一项所述的政策的推送方法。
CN202410064001.6A 2024-01-17 2024-01-17 政策的推送方法、装置以及计算机设备 Active CN117591770B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410064001.6A CN117591770B (zh) 2024-01-17 2024-01-17 政策的推送方法、装置以及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410064001.6A CN117591770B (zh) 2024-01-17 2024-01-17 政策的推送方法、装置以及计算机设备

Publications (2)

Publication Number Publication Date
CN117591770A CN117591770A (zh) 2024-02-23
CN117591770B true CN117591770B (zh) 2024-05-07

Family

ID=89910198

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410064001.6A Active CN117591770B (zh) 2024-01-17 2024-01-17 政策的推送方法、装置以及计算机设备

Country Status (1)

Country Link
CN (1) CN117591770B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114580955A (zh) * 2022-03-15 2022-06-03 平安国际智慧城市科技股份有限公司 一种政策推荐方法、系统、装置及存储介质
WO2023040742A1 (zh) * 2021-09-16 2023-03-23 华为技术有限公司 文本数据的处理方法、神经网络的训练方法以及相关设备
CN116757498A (zh) * 2023-06-14 2023-09-15 浪潮云洲(山东)工业互联网有限公司 一种惠企政策推送方法、设备及介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023040742A1 (zh) * 2021-09-16 2023-03-23 华为技术有限公司 文本数据的处理方法、神经网络的训练方法以及相关设备
CN114580955A (zh) * 2022-03-15 2022-06-03 平安国际智慧城市科技股份有限公司 一种政策推荐方法、系统、装置及存储介质
CN116757498A (zh) * 2023-06-14 2023-09-15 浪潮云洲(山东)工业互联网有限公司 一种惠企政策推送方法、设备及介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Push and pull disassembly quantity models in a reverse supply chain: the case of an automobile disassembly system in Korea;Son, DH等;《INTERNATIONAL JOURNAL OF LOGISTICS-RESEARCH AND APPLICATIONS》;20220930;全文 *
基于BERT模型的政策条件识别研究;顾佳怡;;科技视界;20200305(07);全文 *

Also Published As

Publication number Publication date
CN117591770A (zh) 2024-02-23

Similar Documents

Publication Publication Date Title
CN111695674B (zh) 联邦学习方法、装置、计算机设备及可读存储介质
CN112149400B (zh) 一种数据处理方法、装置、设备及存储介质
CN110929806B (zh) 基于人工智能的图片处理方法、装置及电子设备
US10540490B2 (en) Deep learning for targeted password generation with cognitive user information understanding
CN112598039B (zh) 获取nlp分类领域阳性样本方法及相关设备
CN110598070A (zh) 应用类型识别方法及装置、服务器及存储介质
CN112417887B (zh) 敏感词句识别模型处理方法、及其相关设备
CN114398557B (zh) 基于双画像的信息推荐方法、装置、电子设备及存储介质
CN112287069A (zh) 基于语音语义的信息检索方法、装置及计算机设备
CN114138985A (zh) 文本数据处理的方法、装置、计算机设备以及存储介质
CN113627530A (zh) 相似问题文本生成方法、装置、设备及介质
CN115204886A (zh) 账户识别的方法、装置、电子设备和存储介质
CN113128196A (zh) 文本信息处理方法及其装置、存储介质
CN114386408A (zh) 政务敏感信息识别方法、装置、设备、介质和程序产品
WO2021186287A1 (en) Vector embedding models for relational tables with null or equivalent values
CN110597977B (zh) 数据处理方法、装置、计算机设备和存储介质
CN111615178A (zh) 识别无线网络类型及模型训练的方法、装置及电子设备
CN117591770B (zh) 政策的推送方法、装置以及计算机设备
CN111209403A (zh) 数据处理方法、装置、介质及电子设备
CN116737947A (zh) 实体关系图构建方法、装置、设备及存储介质
CN116166858A (zh) 基于人工智能的信息推荐方法、装置、设备及存储介质
CN115081447A (zh) 软件开发的需求文档构建方法、装置、设备及存储介质
CN111597453A (zh) 用户画像方法、装置、计算机设备及计算机可读存储介质
CN113821498A (zh) 数据的筛选方法、装置、设备及介质
CN117172632B (zh) 一种企业异常行为检测方法、装置、设备及存储介质

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
TR01 Transfer of patent right

Effective date of registration: 20240523

Address after: 3001-1, Building 2, Shihua Dibao Building, No. 158, Liyi Road, Ningwei Street, Xiaoshan District, Hangzhou City, Zhejiang Province, 310000

Patentee after: Zhejiang Shuyang Technology Co.,Ltd.

Country or region after: China

Patentee after: Zhejiang shengtu Digital Technology Co.,Ltd.

Address before: 3001-1, Building 2, Shihua Dibao Building, No. 158, Liyi Road, Ningwei Street, Xiaoshan District, Hangzhou City, Zhejiang Province, 310000

Patentee before: Zhejiang Shuyang Technology Co.,Ltd.

Country or region before: China

PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Methods, devices, and computer equipment for policy promotion

Granted publication date: 20240507

Pledgee: Zhejiang Shaoxing Hengxin Rural Commercial Bank Co.,Ltd. Jinghu Sub branch

Pledgor: Zhejiang shengtu Digital Technology Co.,Ltd.

Registration number: Y2024980038157

PE01 Entry into force of the registration of the contract for pledge of patent right