政策推荐方法、系统、设备及存储介质与流程

本申请涉及信息检索与智能推荐，具体涉及一种政策推荐方法、系统、设备及存储介质。

背景技术：

1、惠企政策能够有效助力企业经营发展，当前惠企政策数量庞大、种类繁多、更新频繁，企业尤其是中小企业在政策获取和申报过程中面临“找不到、看不懂、不会报”的困境。现有政策查询系统要么采用关键词检索方式获取目标政策，要么基于企业画像进行政策匹配，这在实际使用时，存在如下缺陷：

2、关键词检索方式无法理解用户的实际需求，检索结果量大且不精准；而基于企业画像进行政策匹配的方式，往往基于企业的静态属性数据与政策申报条件进行匹配，这样容易出现错配、漏配问题，难以适配不同企业的个性化政策需求。

技术实现思路

1、针对现有技术中存在的缺陷，本申请解决的技术问题为：如何为企业匹配精准有效的政策。

2、为达到以上目的，第一方面，本申请实施例提供一种政策推荐方法，该方法步骤包括：

3、根据企业的静态属性数据和动态行为数据，生成企业动态行为画像；

4、根据动态行为数据，结合预构建的政策数据库，提取单条政策的生命周期特征；该生命周期特征包括政策时效特征、政策热度特征、政策竞争强度特征、政策匹配难度特征；

5、计算企业动态行为画像和政策数据库的语义匹配度，将语义匹配度与生命周期特征进行加权求和后，获取政策的匹配推荐评分；

6、在匹配推荐评分大于预设阈值时，保留匹配推荐评分对应的政策，生成可解释推荐结果并推送至企业端。

7、结合第一方面，在一种实施方式中，所述企业动态行为画像基于预设维度生成，该预设维度包括企业基础属性维度、技术领域偏好维度、政策需求倾向维度、申报能力评估维度。

8、结合第一方面，在一种实施方式中，所述政策时效特征的获取方式为：计算政策剩余可申报天数与政策完整申报总周期天数的比值，以1减去该比值，获取政策时效紧迫度；

9、所述政策热度特征的获取方式为：确定设定周期内政策的浏览量、收藏量、点击量和申报提交量后，进行加权求和，获取政策热度；

10、所述政策竞争强度特征的获取方式为：以竞争平衡修正系数对同类政策历史平均通过率进行修正后，与预估申报企业数量和政策资金池总规模的比值相加，获取政策竞争强度；

11、所述政策匹配难度特征的获取方式为：确定政策申报材料的必备基础材料份数和专项资质佐证材料数量，经加权求和后，获取复杂度评分后，与政策申报条件数量和政策审核环节总数进行加权求和，获取政策匹配难度值。

12、结合第一方面，在一种实施方式中，所述语义匹配度的获取流程包括：

13、对企业动态行为画像进行统一维度对齐和语义编码后，生成企业整体特征向量；

14、根据政策数据库，对单一政策的全部申报条件文本进行分词、去停用词、语义编码，生成单一政策条件特征向量；

15、采用余弦相似度算法计算企业整体特征向量和单一政策条件特征向量的相似度；

16、通过归一化函数对相似度进行归一化处理后，获取语义匹配度。

17、结合第一方面，在一种实施方式中，所述匹配推荐评分的获取方式为：

18、；

19、式中，为企业与第个政策的匹配推荐评分，为企业与第个政策的语义匹配度；为第个政策的政策时效紧迫度；为第个政策的政策热度；为第个政策的政策竞争强度；为第个政策的政策匹配难度值；为权重参数。

20、结合第一方面，在一种实施方式中，还包括利用预训练的强化学习优化模型对权重参数进行优化，该优化流程包括：

21、采集用户反馈数据；该用户反馈数据包括点击、收藏、忽略、政策详情页停留时长、申报操作、申报成功、申报失败、人工评价数据；

22、将用户反馈数据、企业动态行为画像和当前权重参数输入预训练的强化学习优化模型，输出更新后的权重参数；其中强化学习优化模型以正向奖励和负向惩罚的差值进行奖励计算。

23、结合第一方面，在一种实施方式中，所述正向奖励由有效点击数量、政策收藏数量、提交申报数量、申报成功数量和正向评价数量加权求和获取；

24、所述负向惩罚由长期忽略推荐数量、点击秒退数量、申报失败数量和负向评价数量加权求和获取。

25、第二方面，本申请实施例提供一种政策推荐系统，该系统包括：

26、数据采集模块，其用于：采集上述企业的静态属性数据和动态行为数据；

27、画像构建模块，其用于：执行上述根据静态属性数据和动态行为数据，生成企业动态行为画像的步骤；

28、政策生命周期分析模块，其用于：执行上述根据动态行为数据，结合预构建的政策数据库，提取单条政策的生命周期特征的步骤；

29、相似度计算模块，其用于：执行上述语义匹配度的获取流程；

30、协同匹配模块，其用于：执行上述将语义匹配度与生命周期特征进行加权求和，获取政策的匹配推荐评分的步骤；

31、推荐输出模块，其用于：执行上述生成可解释推荐结果并推送至企业端的步骤；

32、反馈迭代模块，其用于：执行上述的优化流程。

33、第三方面，本申请实施例提供一种政策推荐设备，所述政策推荐设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的政策推荐程序，其中所述政策推荐程序被所述处理器执行时，实现如第一方面提供的方法。

34、第四方面，本申请实施例提供一种存储介质，所述存储介质上存储有政策推荐程序，其中所述政策推荐程序被执行时，实现如第一方面提供的方法。

35、与现有技术相比，本申请的优点在于：

36、（1）基于静态属性数据与动态行为数据构建企业动态行为画像，能够全面、精准、立体地表征企业特征，进而提升政策匹配精准度，配合对政策生命周期特征的量化，获取企业对应不同政策的匹配推荐评分，基于匹配推荐评分实现推荐政策筛选的同时，保证推荐政策能够兼具适配性与落地性，有效提升企业政策申报成功率。

37、（2）根据用户反馈数据，利用强化学习优化模型进行协同评分模型的权重参数优化，为不同企业提供相适配的差异化权重策略，进而实现个性化的企业自适应政策推荐。

1.一种政策推荐方法，其特征在于，该方法步骤包括：

2.如权利要求1所述的政策推荐方法，其特征在于，所述企业动态行为画像基于预设维度生成，该预设维度包括企业基础属性维度、技术领域偏好维度、政策需求倾向维度、申报能力评估维度。

3.如权利要求1所述的政策推荐方法，其特征在于，所述政策时效特征的获取方式为：计算政策剩余可申报天数与政策完整申报总周期天数的比值，以1减去该比值，获取政策时效紧迫度；

4.如权利要求3所述的政策推荐方法，其特征在于，所述语义匹配度的获取流程包括：

5.如权利要求4所述的政策推荐方法，其特征在于，所述匹配推荐评分的获取方式为：

6.如权利要求5所述的政策推荐方法，其特征在于，还包括利用预训练的强化学习优化模型对权重参数进行优化，该优化流程包括：

7.如权利要求6所述的政策推荐方法，其特征在于，所述正向奖励由有效点击数量、政策收藏数量、提交申报数量、申报成功数量和正向评价数量加权求和获取；

8.一种政策推荐系统，其特征在于，该系统包括：

9.一种政策推荐设备，其特征在于，所述政策推荐设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的政策推荐程序，其中所述政策推荐程序被所述处理器执行时，实现如权利要求1至7中任一项所述的政策推荐方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有政策推荐程序，其中所述政策推荐程序被执行时，实现如权利要求1至7中任一项所述的政策推荐方法的步骤。