基于自主推荐机制的决策案例模块推荐实现方法技术

本发明专利技术提供了一种基于自主推荐机制的决策案例模块推荐实现方法，包括以下步骤：Step1基于基础数据库，依据事件处理机制，生成决策案例模板，对决策案例模块进行分类管理，形成案例模板平台；Step2根据事件情况从所述案例模板平台中提取具体的决策案例模板，获得待验证推荐方案；Step3对所述待验证推荐方案通过自主推荐机制比对评估，获取最优推荐方案。通过本发明专利技术解决城市治理过程中决策案例人工浏览选择低效率问题、城市治理过程中决策案例由于行业壁垒选择困难的问题。于行业壁垒选择困难的问题。于行业壁垒选择困难的问题。

【技术实现步骤摘要】
基于自主推荐机制的决策案例模块推荐实现方法


[0001]本专利技术涉及公共基础设施决策案例模版、事件处置领域，具体地，涉及一种基于自主推荐机制的决策案例模块推荐实现方法。
[0002]专利技术名称。

技术介绍

[0003]随着我国信息化技术不断高速发展，智慧城市从概念走向了现实，实现智慧城市的基础元素是现代城市公共基础设施中各种各样的物联传感器，这些传感器安装在城市的各个位置，对城市的各项体征进行实时监测并上报即时监测数据。数以亿级的数据信息汇集到监测平台，构成大数据中心，基于这些基础数据衍生出各种各样的实战应用场景，比较核心的场景例如对监测收集到的数据进行事件规则定义，针对监测数据形成无数条事件信息，然后对事件添加各种前置后置条件、验证规则(符合政策文件、法律法规)，最终形成供城市管理者参考的事件处置案例模版。
[0004]当形成了案例模版后，城市管理者也无法从大量的案例模版中挑出最符合各行各业的案例模版进行使用，人工浏览并选择案例模版首先是效率较低，其次如果对某个行业研究不够深入，则选择的案例模版也会不适用；那么为了进一步方便城市管理者去精准选择并使用案例模版，以此来提升城市综合管理效率，因此一套基于城市各行各业运行现状的事件案例模版自主推荐机制则应运而生。

技术实现思路

[0005]针对现有技术中的缺陷，本专利技术的目的是提供一种基于自主推荐机制的决策案例模块推荐实现方法，以解决城市治理过程中决策案例人工浏览选择低效率问题、城市治理过程中决策案例由于行业壁垒选择困难的问题。/>[0006]根据本专利技术提供的一种基于自主推荐机制的决策案例模块推荐实现方法，包括以下步骤：
[0007]Step1基于基础数据库，依据事件处理机制，生成决策案例模板，对决策案例模块进行分类管理，形成案例模板平台；
[0008]Step2根据事件情况从所述案例模板平台中提取具体的决策案例模板，获得待验证推荐方案；
[0009]Step3对所述待验证推荐方案通过自主推荐机制比对评估，获取最优推荐方案。
[0010]优选地，所述自主推荐机制包括推荐算法、模型训练、策略设计、评估分析；
[0011]所述推荐算法对所述待验证推荐方案进行学习，获得待训练推荐方案，并生成对应的推荐模型；
[0012]所述模型训练对所述待训练推荐方案基于所述推荐模型进行模拟还原，获得模拟事件案例模型；
[0013]所述策略设计对所述模拟事件案例模型进行筛选排序，获得待评估推荐方案；
[0014]所述评估分析对所述待评估推荐方案进行反向评估，获得最优推荐方案。
[0015]优选地，所述基础数据库对不同行业的基础数据进行数据分析处理；所述事件处理机制对不同行业不同场景事件处理规则进行定义及管理。
[0016]优选地，所示待验证推荐方案的提取是拟合历史事件决策案例与用户满意度的一个函数，这个函数包含三个维度的变量：
[0017]内容：事件案例内容多元化，需要考虑如何提取不同事件案例类型的特征做好推荐；
[0018]用户：如何提取被采用的事件案例所属用户的特征；
[0019]场景：在各种行业、各种场景下，当前用户所需要的事件案例偏好。
[0020]优选地，所述模型训练先基于历史决策事件案例的操作数据处理，根据收集的数据处理对所述推荐模型进行更新，同时利用线上服务器记录实时特征导入文件队列导入集群拼接用户完整数据，结合所述待训练推荐方案，构造模拟样本事件案例；然后根据模拟样本事件案例更新所述推荐模型的参数，实行线上模型运行，获取模拟事件案例模型。
[0021]优选地，所述推荐模型的参数存储在高性能服务器集群，包含海量原始特征和向量特征。
[0022]优选地，所示推荐算法包括Logistic Regression、Factorization Machine、GBDT(Gradient Boosting Decision Tree)；
[0023]所述Logistic Regression算法通过构建分类模型，实现对待验证推荐方案进行自动化分类，获得分类特征数据；
[0024]所述Factorization Machine算法对分类特征数据进行组合，获得待推荐决策案例；
[0025]所述GBDT(Gradient Boosting Decision Tree)算法基于实际需求进行对所述待推荐决策案例进行拟合获取接近真实值的预测值，将高预测值的待推荐决策案例定义为待训练推荐方案。
[0026]优选地，所述策略设计基于召回模块对所述模拟事件案例模型进行筛选排序，生成推荐列表，并实现线上实时更新。
[0027]优选地，所述召回模块包括场景去重、多样性控制、加权的方式。
[0028]优选地，所述评估分析通过反向推演的方式对所述待评估推荐方案进行合理性及正确性的评估，同时依据既定的评估体系对所述待评估推荐方案输出应用分析报告，并对所述待评估推荐方案进行评分，根据预设推荐排名额度确定最优推荐方案。
[0029]与现有技术相比，本专利技术具有如下的有益效果：
[0030]1、本专利技术能够有效提高城市治理过程中事件决策案例生产效率。
[0031]2、本专利技术能够有效打破城市治理过程中事件决策案例使用的行业壁垒。
[0032]3、本专利技术能够有效缩短了城市治理中事件决策时间并提高事件处置效率，为智慧城市高效赋能。
附图说明
[0033]通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：
[0034]图1为本专利技术一种基于自主推荐机制的决策案例模块推荐实现方法的逻辑流程结构示意图；
[0035]图2为本专利技术自主推荐机制事件案例的操作流程结构示意图；
具体实施方式
[0036]下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变化和改进。这些都属于本专利技术的保护范围。
[0037]如图1所示，本专利技术提供了一种基于自主推荐机制的决策案例模块推荐实现方法，包括以下步骤：
[0038]Step1基于基础数据库，依据事件处理机制，生成决策案例模板，对决策案例模块进行分类管理，形成案例模板平台；
[0039]基础数据库对不同行业的基础数据进行数据分析处理。其中，不同行业的基础数据包括但不仅限于：不同行业的海量设备的海量基础数据、相关技术参数；
[0040]事件处理机制对不同行业不同场景事件处理规则进行定义及管理。其中，事件处理规则包括但不仅限于：各个行业各个场景定义的事件处理法律法规、行为规范等。
[0041]具体地，将不同行业的海量设备的海量基础数据、相关技术参数接入到一套物联平台进行汇聚、计算和管理形成决策案例模板生成所需的基础数据库。对各行业事本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自主推荐机制的决策案例模块推荐实现方法，其特征在于，包括以下步骤：Step1基于基础数据库，依据事件处理机制，生成决策案例模板，对决策案例模块进行分类管理，形成案例模板平台；Step2根据事件情况从所述案例模板平台中提取具体的决策案例模板，获得待验证推荐方案；Step3对所述待验证推荐方案通过自主推荐机制比对评估，获取最优推荐方案。2.根据权利要求1所述的基于自主推荐机制的决策案例模块推荐实现方法，其特征在于，所述自主推荐机制包括推荐算法、模型训练、策略设计、评估分析；所述推荐算法对所述待验证推荐方案进行学习，获得待训练推荐方案，并生成对应的推荐模型；所述模型训练对所述待训练推荐方案基于所述推荐模型进行模拟还原，获得模拟事件案例模型；所述策略设计对所述模拟事件案例模型进行筛选排序，获得待评估推荐方案；所述评估分析对所述待评估推荐方案进行反向评估，获得最优推荐方案。3.根据权利要求1所述的基于自主推荐机制的决策案例模块推荐实现方法，其特征在于，所述基础数据库对不同行业的基础数据进行数据分析处理；所述事件处理机制对不同行业不同场景事件处理规则进行定义及管理。4.根据权利要求1所述的基于自主推荐机制的决策案例模块推荐实现方法，其特征在于，所示待验证推荐方案的提取是拟合历史事件决策案例与用户满意度的一个函数，这个函数包含三个维度的变量：内容：事件案例内容多元化，需要考虑如何提取不同事件案例类型的特征做好推荐；用户：如何提取被采用的事件案例所属用户的特征；场景：在各种行业、各种场景下，当前用户所需要的事件案例偏好。5.根据权利要求2所述的基于自主推荐机制的决策案例模块推荐实现方法，其特征在于，所述模型训练先基于历史决策事件案例的操作数据处理，根据收集的数据处理对所述推荐模型进行更新...

【专利技术属性】
技术研发人员：杜忠华，金超，皮丕文，陈立德，董一舟，姜鑫，
申请(专利权)人：中电科数智科技有限公司，
类型：发明
国别省市：