一种距离度量的政务服务事项协同过滤推荐方法技术

一种距离度量的政务服务事项协同过滤推荐方法，分别构建政务服务事项画像、用户基础画像和用户行为画像；采用上述画像计算用户之间的相似度；根据用户位置信息表达方式，计算用户与政务服务中心之间的相对位置；根据用户相似度，用户与事项之间的距离，计算目标用户对于相关事项的拟推荐得分，从而推荐相关事务。本发明专利技术提出的用户办事频度计算方法能够充分反映用户与办理政务服务事项的关联程度，引入空间邻域关系和距离计算方法，参与到事项得分计算；可以为用户优先推荐相同属地的事项，提高推荐结果的准确度，弥补了传统协同过滤对空间位置考虑不足的问题，发展和丰富了协同过滤推荐方法。滤推荐方法。滤推荐方法。

【技术实现步骤摘要】
一种距离度量的政务服务事项协同过滤推荐方法


[0001]本专利技术属于信息推荐
，具体涉及一种距离度量的政务服务事项协同过滤推荐方法，结合了政务服务事项特征、空间距离和协同过滤方法为自然人和法人用户推荐政务服务事项。

技术介绍

[0002]近年来，国务院高度重视“互联网+政务服务”工作，先后出台了一系列政策文件，推进政务服务标准化、规范化和便利化。一方面国家组织各级政府部门全面梳理行政权力事项和公共服务事项，编制形成政务服务事项目录清单，规范了政务服务事项办理指南，为企业和群众方便办事奠定了基础。另一方面，各地区加强政务服务网建设，推动更多政务服务事项“网上办、掌上办、指尖办”。目前越来越多的政务服务事项开通了网上办理，群众可以直接通过网络办理事项，简化了办理流程、节约了办理时间，大幅提升了办事效率，切实增强了企业群众获得感。
[0003]企业群众在通过网络方式办理政务服务事项时，需要在网页上先找到要办理的事项。由于网上政务服务事项目录数量很多、分类专业，普通用户很难快速准确定位到所需的事项。虽然一些网站已经提供了检索功能，但主要以关键词匹配的方式定位查询，没有综合考虑用户特征和历史行为，导致推荐结果不准。事实上，在商业或学术领域，推荐系统已被开发出来解决信息过载问题，比如购物网站、视频网站、学术检索，用户可以根据系统推荐的结果，快速定位到所需要的内容。
[0004]协同过滤是当前推荐方法中应用普遍的算法，它假设两个用户A和B具有相似的行为习惯(例如购买、阅读、观影等)，那么他们在其它项目上也具有相似的偏好。协同过滤算法不需要了解用户偏好，仅使用用户历史行为来预测用户对未知商品的评分，来进行推荐。该方法简单、有效，在很多领域的推荐系统中得到了应用。
[0005]在政务服务事项推荐中，采用协同过滤算法是一个很好的选择，但是也存在一些问题。第一，政务服务办理业务场景与商用购物不同，用户评分与用户办事关联程度不大，盲目的套用评分矩阵计算用户相似度，会影响推荐精度。第二，政务服务具有显著的空间属性，一般的，政务服务事项要求用户必须由户籍所在地或居住所在地的主管部门办理审批。在采用协同过滤算法时，如果将位置信息作为用户标签，可能会过滤掉有效信息，如果不考虑位置信息，可能造成推荐结果不准。
[0006]因此，如何能够将协同过滤方法适用于政务服务事项推荐，并且避免过滤了有用的信息，提高推荐的精确性，成为当前亟需解决的技术问题。

技术实现思路

[0007]本专利技术针对网上政务服务办事的需要，将协同过滤推荐方法与政务服务事项特征相结合，并充分考虑用户位置信息，提出一种距离度量的政务服务事项协同过滤推荐方法及装置。为达此目的，本专利技术采用以下技术方案：
为达此目的，本专利技术采用以下技术方案：一种距离度量的政务服务事项协同过滤推荐方法，其特征在于，包括如下步骤：数据准备步骤S110：基于政务服务事项数据、用户注册数据和用户办事行为数据，分别构建政务服务事项画像、用户基础画像和用户行为画像；用户相似度计算步骤S120：采用用户基础画像、用户办事行为画像和政务服务事项画像计算用户 푘
与
푘
'之间的相似度
푠푖푚 (
푘
, 푘
′
)；距离计算步骤S130：根据用户位置信息表达方式，选用行政区划或者欧式距离计算用户
푘
与办理事项
푗
的政务服务中心之间的距离d
푖푠
푘푗
；推荐事项得分计算步骤S140：根据用户相似度
푠푖푚 (
푘
, 푘
′
)、用户
푘
与办理事项
푗
之间的距离d
푖푠
푘푗
，计算目标用户
푘
对于相关事项的拟推荐得分，公式如下： (7)其中，
푠푐표푟푒
푘푗
表示针对目标用户
푘
，用户
푘
'曾办理的政务服务事项
푗
的得分，其中
푤
表示权重；结果推荐步骤S150：根据S140拟推荐事项得分结果，按照得分从高到低的顺序，选择前N项事项推荐给用户。
[0008]可选的，在数据准备步骤S110中：所述政务服务事项画像是根据政务服务事项的属性信息，对事项进行标签化处理，构建模型，所述政务服务事项属性信息包括：事项名称、办理部门、服务对象、办理地点和事项主题；所述用户基础画像是利用用户注册时填写的基本信息，对用户进行标签化处理，构建模型，所述用户注册数据具体为，自然人基本信息包括性别、年龄、职业、婚育状况和位置，法人基本信息可包括经营范围、企业类型、所属行业、企业规模和企业地址；所述用户行为画像是用户办事行为数据，对用户办事行为进行标签化处理，构建模型，所述用户办事行为数据包括用户办理事项的属性信息、用户办理次数。
[0009]可选的，在步骤S120中，采用余弦相似度计算方法对用户之间的相似度
푠푖푚 (
푘
, 푘
′
)进行计算，（1）其中，
퐿
表示所有用户基础画像标签的集合，
푇
表示用户基础画像中一个具体的标签，
푀
푘푇
与
푀
푘
’
푇
分别表示用户
푘
与
푘
'对标签
푇
的特征指数，表示所有用户对标签
푇
特征
指数的平均值。
[0010]可选的，在步骤S120中，用户特征指数用于反映用户标签与办理事项之间的关联性，计算公式如下：(2)式中，
푀
푘푇
表示用户
푘
在用户基础画像标签
푇
下的用户特征指数，
퐼푡푒푚
푘
表示用户
푘
办理的事项，
푁
(
퐼푡푒푚
푘
)表示用户
푘
办理的事项总数，
푟
푘푗
表示用户
푘
对办理事项
푗
的办事频度,
퐼
푗푇
表示办理事项
푗
的用户基础画像标签
푇
指数。
[0011]可选的，在步骤S120中，用户办事频度用于反映用户与办理事项之间的关联程度，根据用户行为画像计算，公式如下：(3)其中，
푟
푘푗
表示用户
푘
对事项
푗
的办事频度，
푁
(
푗
푘
)表示用户
푘
对事项
푗
的办理次数，
푁
(
퐼푡푒푚
푘
)表示用户
푘
办理的事项总数。
[0012]可选的，在步骤S120中，用户基础画像标签指数用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种距离度量的政务服务事项协同过滤推荐方法，其特征在于，包括如下步骤：数据准备步骤S110：基于政务服务事项数据、用户注册数据和用户办事行为数据，分别构建政务服务事项画像、用户基础画像和用户行为画像；用户相似度计算步骤S120：采用用户基础画像、用户办事行为画像和政务服务事项画像计算用户
푘
与
푘
'之间的相似度 푠푖푚 (
푘
, 푘
′
)；距离计算步骤S130：根据用户位置信息表达方式，选用行政区划或者欧式距离计算用户
푘
与办理事项
푗
的政务服务中心之间的距离d
푖푠
푘푗 ；推荐事项得分计算步骤S140：根据用户相似度
푠푖푚 (
푘
, 푘
′
)、用户
푘
与办理事项
푗
之间的距离d
푖푠
푘푗
，计算目标用户
푘
对于相关事项的拟推荐得分，公式如下： (7)其中，
푠푐표푟푒
푘푗
表示针对目标用户
푘
，用户
푘
'曾办理的政务服务事项
푗
的得分，其中
푤
表示权重；结果推荐步骤S150：根据S140拟推荐事项得分结果，按照得分从高到低的顺序，选择前N项事项推荐给用户。2.根据权利要求1所述的推荐方法，其特征在于，在数据准备步骤S110中：所述政务服务事项画像是根据政务服务事项的属性信息，对事项进行标签化处理，构建模型，所述政务服务事项属性信息包括：事项名称、办理部门、服务对象、办理地点和事项主题；所述用户基础画像是利用用户注册时填写的基本信息，对用户进行标签化处理，构建模型，所述用户注册数据具体为，自然人基本信息包括性别、年龄、职业、婚育状况和位置，法人基本信息可包括经营范围、企业类型、所属行业、企业规模和企业地址；所述用户行为画像是用户办事行为数据，对用户办事行为进行标签化处理，构建模型，所述用户办事行为数据包括用户办理事项的属性信息、用户办理次数。3.根据权利要求1所述的推荐方法，其特征在于，在步骤S120中，采用余弦相似度计算方法对用户之间的相似度
푠푖푚
(
푘
, 푘
′
)；进行计算，（1）
其中，
퐿
表示所有用户基础画像标签的集合，
푇
表示用户基础画像中一个具体的标签，
푀
푘푇
与
푀
푘
’
푇
分别表示用户
푘
与
푘
'对标签
푇
的特征指数，表示所有用户对标签
푇
特征指数的平均值。4.根据权利要求3所述的推荐方法，其特征在于，在步骤S120中，用户特征指数用于反映用户标签与办理事项之间的关联性，计算公式如下：(2)式中，
푀
푘푇
表示用户
푘
在用户基础画像标签
푇
下的用户特征指数，
퐼푡푒푚
푘
表示用户
푘
办理...

【专利技术属性】
技术研发人员：赵阳阳，张福浩，仇阿根，许新昌，石丽红，刘晓东，赵习枝，
申请(专利权)人：中国测绘科学研究院，
类型：发明
国别省市：