一种政务大数据推荐方法、系统、存储介质及电子设备与流程

本技术涉及数据处理，具体涉及一种政务大数据推荐方法、系统、存储介质及电子设备。

背景技术：

1、随着信息技术的快速发展和政府治理模式的不断创新，政务大数据已成为提升政府服务效能和推动社会经济发展的重要资源。政务大数据具有数据量大、类型多样、更新频繁、关联性强等特点。它涵盖了政府各部门在履行职能过程中产生的海量数据，包括但不限于人口信息、企业信息、经济数据、社会保障数据等。这些数据不仅数量庞大，而且形式多样，既有结构化数据，也有非结构化数据；既有静态数据，也有实时更新的动态数据。同时，政务大数据之间存在复杂的关联关系，需要通过多维度的分析和整合才能充分发挥其价值。

2、然而，现有的政务数据推荐系统在处理如此复杂和多样化的数据时，这些系统在用户画像构建方面存在明显不足，缺乏深度和广度，无法全面准确地刻画用户的特征、需求和偏好。同时，现有系统普遍采用单一的推荐算法，如简单的关键词匹配或基础的协同过滤，缺乏算法的多样性和适应性。这种单一的算法策略难以应对政务大数据的复杂性和多样性，无法满足不同用户群体在不同应用场景下的个性化需求。这两个问题直接导致了政务数据推荐的准确性较低，政务数据推荐的质量较差。

技术实现思路

1、本技术提供一种政务大数据推荐方法、系统、存储介质及电子设备，能够提高政务数据推荐的准确性，从而提高政务数据推荐的质量。

2、第一方面，本技术提供了一种政务大数据推荐方法，所述方法包括：

3、获取待推荐对象在标签分类下的初始标签，并根据所述初始标签的标注规则确定所述待推荐对象的第一标签；

4、计算各所述第一标签对应的标签权重，并筛选出所述标签权重大于第一阈值的第二标签；

5、将所述第二标签分别归类到初始画像的不同维度中，并根据所述第二标签计算各所述维度的特征向量值，得到所述待推荐对象的目标画像；

6、使用预设推荐算法确定所述目标画像的各所述维度对应的推荐内容，并计算所述推荐内容对应的推荐分值；

7、根据所述维度对应的最大推荐数以及第二阈值确定所述推荐内容中的目标推荐内容，生成所述目标推荐内容对应的推荐包。

8、通过采用上述技术方案，获取待推荐对象的初始标签并利用标注规则筛选第一标签，实现了对对象特征的精准捕捉；计算标签权重并提炼核心的第二标签，有助于突出对象主要特征；构建多维度目标画像，全面刻画对象特征；综合运用多种先进推荐算法进行内容匹配和分值计算，提高了推荐的精准度和多样性；最后根据维度设置和关联性分析筛选目标推荐内容，从而有效控制了最终推荐质量。与相关技术中的数据推荐系统相比，本技术提供的技术方案能够提高政务数据推荐的准确性，从而提升了政务数据推荐的质量。

9、可选的，所述获取待推荐对象在标签分类下的初始标签，并根据所述初始标签的标注规则确定所述待推荐对象的第一标签，包括：

10、获取待推荐对象的关联数据，并配置所述关联数据的数据源；

11、确定所述待推荐对象的标签分类、并获取所述标签分类下的初始标签，所述标签分类包括至少一个所述初始标签；

12、配置所述初始标签对应的标注规则，所述初始标签对应至少一个所述标注规则；

13、根据所述数据源查询所述标注规则对应的所述关联数据，并将所述关联数据符合所述标注规则的所述初始标签确定为所述待推荐对象的第一标签。

14、通过采用上述技术方案，首先获取与待推荐对象相关的所有关联数据，并配置这些数据的来源，有助于全面收集描述对象特征的数据。然后针对每个待推荐对象，确定其所属的标签分类，并从中获取初始标签，这些初始标签是对对象特征的标准化描述选项。进一步地，该方案为每个初始标签配置相应的标注规则，这些规则是一组用于自动判断待推荐对象是否具备某个标签特征的逻辑条件集合。最后，该方案根据已配置的数据源，查询每个初始标签对应的标注规则，将待推荐对象的关联数据与这些规则进行匹配，如果数据满足规则，则将该初始标签确定为第一标签，即待推荐对象的初步特征标签。通过这一系列步骤，该方案实现了对待推荐对象特征的规范化描述和自动化标注，为后续的分析和推荐奠定了数据基础，提高了标签质量。

15、可选的，所述根据所述数据源查询所述标注规则对应的所述关联数据，将符合所述标注规则的所述初始标签确定为所述待推荐对象的第一标签，包括：

16、当所述初始标签对应多个标注规则时，使用逻辑运算符将所述初始标签对应的多个所述标注规则进行组合，得到所述初始标签对应的标签规则组合；

17、根据所述数据源查询所述标签规则组合对应的所述关联数据，并将所述关联数据符合所述标注规则组合的所述初始标签确定为所述待推荐对象的第一标签。

18、通过采用上述技术方案，当初始标签对应多个标注规则时，该方案使用逻辑运算符(如与或非等)将这些规则组合成一个完整的标签规则组合，通过明确规则之间的逻辑关系和优先级，使得多重条件能够被统一评估。然后，该方案根据已配置的数据源，查询标签规则组合对应的关联数据，只有当待推荐对象的数据同时满足该组合中所有规则条件时，相应的初始标签才会被确定为第一标签。这种组合规则的设计有助于描述对象更加复杂的特征，提高了标签的准确性。

19、可选的，所述计算各所述第一标签对应的标签权重，并筛选出所述标签权重大于第一阈值的第二标签，包括：

20、使用tf-idf算法计算各所述第一标签的初始权重；

21、获取所述第一标签对应的行为类型权重、时间衰减以及行为次数；

22、计算所述行为类型权重、所述时间衰减、所述初始权重以及所述行为次数的乘积，得到各所述第一标签对应的标签权重；

23、将各所述第一标签对应的标签权重与第一阈值进行比较，并将所述标签权重大于所述第一阈值的所述第一标签确定为第二标签。

24、通过采用上述技术方案，首先使用tf-idf算法计算每个第一标签的初始权重，该算法能够突出在待推荐对象标签集中频繁出现且在整体数据集中较为独特的标签。然后获取每个第一标签对应的行为类型权重(反映不同用户行为对标签重要性的影响)、时间衰减因子(量化标签相关行为的时效性)和行为次数(体现用户对某类内容持续兴趣的程度)。接着将行为类型权重、时间衰减、初始权重和行为次数进行乘积运算，得到综合考虑多个因素的最终标签权重值。该方案还设置了第一阈值，只有标签权重大于该阈值的第一标签才会被确定为第二标签。通过上述一系列计算步骤，该方案能够量化不同标签对待推荐对象特征的重要程度，突出核心标签的权重，同时也考虑了时间和行为频率等动态因素的影响，使得标签权重能够动态反映对象当前的特征和需求，从而确保了第二标签的高质量和针对性，为构建精准的目标画像奠定基础，进而提高最终推荐的准确性。

25、可选的，所述预设推荐算法包括协同过滤推荐算法、基于内容推荐算法、基于评价推荐算法以及基于知识图谱推荐算法，所述使用预设推荐算法确定所述目标画像的各所述维度对应的推荐内容，并计算所述推荐内容对应的推荐分值，包括：

26、获取各所述维度对应的标准推荐内容，所述标准推荐内容包括至少一个标准标签；

27、使用所述预设推荐算法计算所述维度下各所述第二标签与各所述标准标签的匹配度分值；

28、对各所述标准标签对应的匹配度分值进行求和，得到所述标准推荐内容对应的标准推荐分值；

29、按照所述标准推荐分值从大到小的顺序对所述标准推荐内容进行排序，得到推荐列表；

30、将所述推荐列表中排名前若干位的所述标准推荐内容确定为推荐内容，所述推荐内容对应推荐分值。

31、通过采用上述技术方案，综合运用了多种推荐算法，全面分析了推荐内容与目标画像的语义关联、用户偏好、评价反馈和背景知识等多维度的匹配关系，并对匹配结果进行了归一化处理和排序，从而能够输出最贴合待推荐对象特征和需求的高质量推荐内容，显著提高了政务大数据推荐的精准度和个性化程度。

32、可选的，所述根据所述维度对应的最大推荐数以及第二阈值确定所述推荐内容中的目标推荐内容，生成所述目标推荐内容对应的推荐包，包括：

33、计算所述维度中所述推荐内容之间的线性关系，得到方差膨胀系数；

34、使用帕累托法则将所述方差膨胀系数的前20%的点设定为第二阈值；

35、根据所述维度对应的最大推荐数，将所述推荐分值大于所述第二阈值的推荐内容确定为目标推荐内容，并生成所述目标推荐内容对应的推荐包。

36、通过采用上述技术方案，计算方差膨胀系数、应用帕累托法则动态确定阈值、结合最大推荐数进行筛选等一系列策略，实现了对最终推荐内容的优化，从数量和质量两方面都做到了有效控制，确保了推荐包的精简性和精准度

37、可选的，所述根据所述维度对应的最大推荐数以及第二阈值确定所述推荐内容中的目标推荐内容，生成所述目标推荐内容对应的推荐包之后，还包括：

38、计算同一维度内所述目标推荐内容之间的关联性分数；

39、将所述关联性分数大于预设第三阈值的目标推荐内容打包为同一所述推荐包。

40、通过采用上述技术方案，基于多维度目标画像匹配出高质量的推荐内容，然后结合内容关联分析对推荐包进行调优，最终输出的是经过精心策略优化的、个性化且极具针对性的推荐结果，能够最大程度满足政府服务对象的多样化需求，从而有效提升了政务大数据推荐的质量和精准度。

41、第二方面，本技术提供了一种政务大数据推荐系统，所述系统包括：

42、第一标签确定模块，用于获取待推荐对象在标签分类下的初始标签，并根据所述初始标签的标注规则确定所述待推荐对象的第一标签；

43、第二标签筛选模块，用于计算各所述第一标签对应的标签权重，并筛选出所述标签权重大于第一阈值的第二标签；

44、目标画像构建模块，用于将所述第二标签分别归类到初始画像的不同维度中，并根据所述第二标签计算各所述维度的特征向量值，得到所述待推荐对象的目标画像；

45、推荐分值计算模块，用于使用预设推荐算法确定所述目标画像的各所述维度对应的推荐内容，并计算所述推荐内容对应的推荐分值；

46、推荐包生成模块，用于根据所述维度对应的最大推荐数以及第二阈值确定所述推荐内容中的目标推荐内容，生成所述目标推荐内容对应的推荐包。

47、第三方面，本技术提供了一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行上述任意一项方法。

48、第四方面，本技术提供了一种电子设备，包括处理器、存储器和收发器，所述存储器用于存储指令，所述收发器用于和其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如上述任意一项方法。

49、综上所述，本技术技术方案所带来的有益效果包括：

50、通过采用上述技术方案，获取待推荐对象的初始标签并利用标注规则筛选第一标签，实现了对对象特征的精准捕捉；计算标签权重并提炼核心的第二标签，有助于突出对象主要特征；构建多维度目标画像，全面刻画对象特征；综合运用多种先进推荐算法进行内容匹配和分值计算，提高了推荐的精准度和多样性；最后根据维度设置和关联性分析筛选目标推荐内容，从而有效控制了最终推荐质量。与相关技术中的数据推荐系统相比，本技术提供的技术方案能够提高政务数据推荐的准确性，从而提升了政务数据推荐的质量。