本申请涉及人工智能应用技术领域，尤其是涉及一种基于机器学习的企业政策匹配方法、装置、电子设备及存储介质，包括以下步骤：获取获批企业以及对应的获批政策项目；根据所述获批企业和获批政策项目，获取对应的相似政策项目；根据所述获批企业、获批政策项目和相似政策项目，构建训练样本集；利用所述训练样本集进行模型训练，获取基于机器学习的企业政策匹配模型；基于所述企业政策匹配模型，获取目标企业与各政策项目的匹配结果集；对所述匹配结果集进行排序，生成所述目标企业的匹配推荐集。本发明专利技术使得用户能够快速方便地获得企业所匹配的政策项目信息，并且有效提高匹配的准确性。性。性。
【技术实现步骤摘要】
基于机器学习的企业政策匹配方法、装置、电子设备及存储介质
[0001]本申请涉及人工智能应用
，尤其是涉及一种基于机器学习的企业政策匹配方法、装置、电子设备及存储介质。
技术介绍
[0002]近年来，国家及地方政府制定并出台了一系列支持企业创新发展的政策项目。但由于各种政策的所属部门、类型、发布时间、申报要求等各不相同，导致企业需要花费大量的时间和精力了解获取相关信息。
[0003]相关技术中，产生了一些政策匹配系统，可以给企业匹配出合适的政策项目，帮助企业了解相关的政策信息。目前主要的匹配方案时采用类似于规则的匹配，构建一个政策库，政策库已对政策项目进行解读，转换为政策条件，然后由用户输入企业的大量相关信息，若企业信息与政策项目的条件相匹配则记分，如最终总得分大于某一阈值，则认为企业与该政策项目相匹配。
[0004]在实践过程中，专利技术人发现该技术中至少存在如下问题：
[0005]在企业获取与其相匹配的政策项目的过程中，需要用户输入大量的企业信息，并且企业营收、税收等信息属于企业隐私信息，出于企业信息安全考虑，用户会不愿意填写，由此会导致用户体验不佳；并且按目前的一些匹配规则，企业匹配政策项目的准确性比较低，比如企业信息缺失或不准确而使得匹配得分非常低，或得分达到要求但不满足某些必要条件等原因，从而导致匹配结果不准确。
技术实现思路
[0006]为了解决上述问题，本申请提供一种基于机器学习的企业政策匹配方法、装置、电子设备及存储介质，使得用户能够快速方便地获得企业所匹配的政策项目信息，并且有效提高匹配的准确性。
[0007]第一方面，本申请提供的一种基于机器学习的企业政策匹配方法，采用如下的技术方案：
[0008]一种基于机器学习的企业政策匹配方法，包括以下步骤：
[0009]获取获批企业以及对应的获批政策项目；
[0010]根据所述获批企业和获批政策项目，获取对应的相似政策项目；
[0011]根据所述获批企业、获批政策项目和相似政策项目，构建训练样本集；
[0012]利用所述训练样本集进行模型训练，获取基于机器学习的企业政策匹配模型；
[0013]基于所述企业政策匹配模型，获取目标企业与各政策项目的匹配结果集；
[0014]对所述匹配结果集进行排序，生成所述目标企业的匹配推荐集。
[0015]通过上述技术方案，构建企业政策匹配模型，并基于机器学习来对模型进行训练，通过匹配模型评估企业与政策项目的匹配程度。
[0016]在一些实施方式中，所述根据所述获批企业和获批政策项目，获取对应的相似政策项目，具体包括以下步骤：
[0017]根据所述获批企业，获取对应的相似企业；
[0018]获取所述相似企业所对应的获批政策项目，生成第一候选项目集；
[0019]根据所述获批企业所对应的获批政策项目，对所述第一候选项目集进行过滤，获取第一相似项目集；
[0020]根据所述获批企业对应的获批政策项目，获取所述获批政策项目对应的相似项目，生成第二候选项目集；
[0021]根据所述获批企业对应的获批政策项目，对所述第二候选项目集进行过滤，获取第二相似项目集；
[0022]根据所述第一相似项目集和/或第二相似项目集，获取相似政策项目。
[0023]在一些实施方式中，所述根据所述获批企业、获批政策项目和相似政策项目，构建训练样本集，具体包括以下步骤：
[0024]根据所述获批企业，提取企业特征；
[0025]根据所述获批政策项目和相似政策项目，提取政策特征；
[0026]根据所述获批企业、获批政策项目和相似政策项目，获取企业政策组合特征；
[0027]根据所述企业特征、政策特征和企业政策组合特征，构建训练样本集。
[0028]通过上述技术方案，将企业信息和政策信息转换为特征数据，以此来构建训练样本集，通过足够多的训练样本来对企业政策匹配模型进行训练。
[0029]在一些实施方式中，所述企业政策匹配模型的表达式如下：
[0030][0031]其中，表示预测为正类的匹配概率值，n表示特征个数，x
i
表示第i个特征，x
j
表示第j个特征，j＝i+1，w0、w
i
、v
i
、v
j
表示权重参数。
[0032]在一些实施方式中，通过交叉熵损失函数对所述企业政策匹配模型进行模型训练；
[0033]所述损失函数的表达式如下：
[0034][0035]其中，L为损失函数，y
k
表示第k个训练样本的标记，正类为1，负类为0，表示训练样本k预测为正类的匹配概率值，N表示训练样本总数。
[0036]在一些实施方式中，所述基于所述企业政策匹配模型，获取目标企业与各政策项目的匹配结果集，具体包括以下步骤：
[0037]基于所述企业政策匹配模型，获取目标企业与各政策项目的匹配概率值；
[0038]若所述匹配概率值大于等于预设阈值，则将所述目标企业与对应的政策项目加入候选结果集中；
[0039]获取所述目标企业以及对应的获批政策项目；
[0040]根据所述目标企业以及对应的获批政策项目，对所述候选结果集进行过滤，获取匹配结果集。
[0041]通过上述技术方案，分别评估目标企业与各政策项目的匹配概率值，超过预设阈值的，可加入候选结果集中，再在该候选结果集中过滤掉企业已获批的政策项目信息，得到匹配结果集。
[0042]在一些实施方式中，所述对所述匹配结果集进行排序，生成所述目标企业的匹配推荐集，具体包括以下步骤：
[0043]获取所述匹配结果集中的所述目标企业与各政策项目的匹配概率值；
[0044]根据所述匹配概率值，对所述匹配结果集中的匹配结果进行排序，获取排序结果；
[0045]根据所述排序结果，按预设推荐数量生成所述目标企业的匹配推荐集。
[0046]通过上述技术方案，根据匹配概率值的得分进行排序，取排序结果靠前的若干数据，生成匹配推荐集，并向用户进行推荐。
[0047]第二方面，本申请提供的一种基于机器学习的企业政策匹配装置，采用如下的技术方案：
[0048]一种基于机器学习的企业政策匹配装置，包括：
[0049]企业信息获取模块，用于获取获批企业以及对应的获批政策项目；
[0050]政策项目获取模块，用于根据所述获批企业和获批政策项目，获取对应的相似政策项目；
[0051]训练样本构建模块，用于根据所述获批企业、获批政策项目和相似政策项目，构建训练样本集；
[0052]匹配模型获取模块，用于利用所述训练样本集进行模型训练，获取基于机器学习的企业政策匹配模型；
[0053]匹配结果获取模块，用于基于所述企业政策匹配模型，获取目标企业与各政策项目的匹配结果集；
[0054]匹配推荐生成模块本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习的企业政策匹配方法，其特征在于，包括以下步骤：获取获批企业以及对应的获批政策项目；根据所述获批企业和获批政策项目，获取对应的相似政策项目；根据所述获批企业、获批政策项目和相似政策项目，构建训练样本集；利用所述训练样本集进行模型训练，获取基于机器学习的企业政策匹配模型；基于所述企业政策匹配模型，获取目标企业与各政策项目的匹配结果集；对所述匹配结果集进行排序，生成所述目标企业的匹配推荐集。2.根据权利要求1所述的基于机器学习的企业政策匹配方法，其特征在于，所述根据所述获批企业和获批政策项目，获取对应的相似政策项目，具体包括以下步骤：根据所述获批企业，获取对应的相似企业；获取所述相似企业所对应的获批政策项目，生成第一候选项目集；根据所述获批企业所对应的获批政策项目，对所述第一候选项目集进行过滤，获取第一相似项目集；根据所述获批企业对应的获批政策项目，获取所述获批政策项目对应的相似项目，生成第二候选项目集；根据所述获批企业对应的获批政策项目，对所述第二候选项目集进行过滤，获取第二相似项目集；根据所述第一相似项目集和/或第二相似项目集，获取相似政策项目。3.根据权利要求1所述的基于机器学习的企业政策匹配方法，其特征在于，所述根据所述获批企业、获批政策项目和相似政策项目，构建训练样本集，具体包括以下步骤：根据所述获批企业，提取企业特征；根据所述获批政策项目和相似政策项目，提取政策特征；根据所述获批企业、获批政策项目和相似政策项目，获取企业政策组合特征；根据所述企业特征、政策特征和企业政策组合特征，构建训练样本集。4.根据权利要求1所述的基于机器学习的企业政策匹配方法，其特征在于，所述企业政策匹配模型的表达式如下：其中，表示预测为正类的匹配概率值，n表示特征个数，x
i
表示第i个特征，x
j
表示第j个特征，j＝i+1，w0、w
i
、v
i
、v
j
表示权重参数。5.根据权利要求4所述的基于机器学习的企业政策匹配方法，其特征在于，通过交叉熵损失函数对所述企业政策匹配模型进行模型训练...
【专利技术属性】
技术研发人员：黄威威，蔡子哲，
申请(专利权)人：企知道网络技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。