实名认证自然人用户的事项推荐方法及存储介质与流程

1.本发明涉及政务服务的数据分析领域，具体地说是一种实名认证自然人用户的事项推荐方法及存储介质。


背景技术：

2.随着政务服务的发展，政务服务的智能化应用要求越来越高，怎么准确定位用户的特征，推荐正确的内容成为了面临的难题。与互联网购物网站不同的是政务服务网的同一用户访问量频率少，访问的目的性强，直奔主题等特性，都让基于内容的推荐算法很难定位，无法获取用户想要办理的事项。因此，需要利用大数据分析的方法，记录分析所有用户在政务服务平台办理、浏览、关注、搜索等操作留下的痕迹，具体的数据包含搜索信息、地域信息、办事指南信息、历史办件信息等，从用户和事项本身两个维度，结合时间、地域等特性，直接从数据本身获取信息从而得出结论。
3.随着政务服务智能化的推进，以往根据人工经验或按照业务热门程度简单的推荐方法已不能满足现在的实际应用需求，故如何结合用户和事项两个维度，并结合时间、地域等特性，为办事群众提供更加智能化的服务是目前亟待解决的技术问题。


技术实现要素：

4.本发明的技术任务是提供一种实名认证自然人用户的事项推荐方法及存储介质，来解决如何结合用户和事项两个维度，并结合时间、地域等特性，为办事群众提供更加智能化的服务的问题。
5.本发明的技术任务是按以下方式实现的，一种实名认证自然人用户的事项推荐方法，该方法是以共享交换平台共享的自然人信息服务，提取所有用户的特征，再以事项为核心以办理过、关注过及咨询投诉过事项的用户群体为主要范围，从全省、全市州及单一区县提取事项涉及用户的主要特征点以及描述，综合计算用户特征与事项特征间的欧式距离来确定匹配度，通过不同特征的匹配度加权计算获取最终推荐指数；具体如下：
6.构建用户特征矩阵：实名认证自然人用户通过数据共享服务对用户信息标签抽取，构建用户特征矩阵；
7.提取人群特征矩阵：基于事项关注、浏览及业务办理的人群特征提取事项、新闻及通知公告的人群特征矩阵；
8.登录用户与事项人群特征匹配。
9.作为优选，构建用户特征矩阵具体如下：
10.采集实名认证自然人用户特征数据；
11.构建用户特征二维数学模型。
12.更优地，采集实名认证自然人用户特征数据具体如下：
13.从共享交换平台或业务系统采集办事人数据；
14.获取用户特征数据，清洗去除异常数据；
15.依据数据来源可信程度确定同一特征值的最终值；
16.提取出自然人用户的特征属性并标记存储。
17.更优地，构建用户特征二维数学模型具体如下：
18.按照现有实名认证自然人用户数据共享可提取的所有的特征，构建用户的特征数据标记模型；
19.用户的特征数据标记模型的构建是基于所有特征构建用户的特征矩阵；其中，部分特征为是否属性，部分特征采用分段构成获取数值。
20.作为优选，提取人群特征矩阵具体如下：
21.构建事项用户群体特征模型：按照现有业务办件数据中事项信息和用户信息数据，以事项的用户群体数据为基准，获取所有事项相关的用户特征集合，形成特征比重矩阵，即事项办理人群的整体特征，每个特征的占总体人数比重；其中，业务办件时间限定为最近1年内的业务；
22.获取事项业务时间序列特征、地域特征：部分事项的办理有地域性和周期性，即业务只能本地户籍人员办理或在特定月份才开始办理，事项的地域性和时间特征是事项的关键特性决定当前用户在某时间段是否能办理；根据事项的业务办件数据在不同时间段不同的办理结果，(比如，将1年按照月份分为12个月份的时间段)，获取每个时间段用户申请和办理结果统计，得到任一时间段(月份)事项在时间序列的特征及地域特征从事项的申请条件和事项办理不予受理的人群分析，事项申请提取本地户籍的关键词，不予受理的业务分析提取申请人户籍所在地信息。
23.作为优选，登录用户与事项人群特征匹配具体如下：
24.实名认证自然人用户与事项特征匹配：通过实名认证自然人用户构建的特征点模型与事项办理人群的特征点模型项匹配，获取实名认证自然人用户与事项匹配度；
25.推荐事项排序过滤：用户特征与事项特征匹配度从小到大排序，获得到所有事项的推荐度，按照当前日期和实名认证的自然人用户户籍所在地，去除当前月份不办理和不符合办理条件的事项，最终得到用户的推荐事项列表。
26.更优地，实名认证自然人用户与事项匹配度是通过计算自然人与事项两个特征点间的欧式距离来确定匹配度；对所有特征点匹配欧式距离求和，依次获取事项的匹配度，同时平衡事项办理人员在不同量级上采集事项特征的误差采用阶梯加权系数，公式如下：
27.p
m
＝∑(|p
i
‑
m
i
|)*h
i
；
28.其中，p
m
为事项i的推荐指数；p
i
表示自然人用户特征i的值；(|p
i
‑
m
i
|)表示自然人与事项两个特征点间的欧式距离，欧氏距离越短，代表两个特征点的匹配度越好；m
i
表示事项m的特征i的值；h
i
表示事项办件量层级加权系数。
29.更优地，事项办件量层级加权系数hi取值具体如下：
30.①
、事项业务量≥5000，h
i
＝0.9；
31.②
、1000≤事项业务量＜5000，h
i
＝0.95；
32.③
、500≤事项业务量＜1000，h
i
＝1.0；
33.④
、100≤事项业务量＜500，h
i
＝1.05；
34.⑤
、100＜事项业务量，h
i
＝1.1。
35.更优地，推荐事项排序过滤具体如下：
36.通过共享数据平台获取业务办件数据；
37.通过业务办件数据获取申请人事项办理清单；
38.通过申请人事项办理清单进行事项链分析筛选；
39.获取事项顺序链；同时登录实名认证自然人用户，获取实名认证自然人用户办理过的业务清单；
40.根据事项顺序链及名认证自然人用户办理过的业务清单进行事项顺序比对，获取下环节事项清单；
41.自然人特征与事项清单中事项人群特征比对，去除匹配度低的事项；
42.获取名认证自然人用户事项推荐清单。
43.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序可被处理器执行以实现如上述的实名认证自然人用户的事项推荐方法。
44.本发明的实名认证自然人用户的事项推荐方法及存储介质具有以下优点：
45.(一)本发明基于surf算法，采用实名认证自然人用户特征点提取、事项人群特征点提取，用户与事项人群特征点匹配，获取用户与事项的综合匹配情况，构建用户事项对应的模型，实现动态分析识别用户可能办理的事项，提高查询搜索服务等内容准确度；
46.(二)本发明应用于政务服务领域智能分析和推荐使用，基于共享交换平台共享的用户信息与事项历史办理用户，利用加速稳健特征学习提取用户和事项本身特征，实现对事项、政策、公告准确推荐的一种行之有效的方法。通过本方法能实现对自然人用户信息和服务的精准推送，减少检索、点击次数，避免用户错漏服务信息的情况；
47.(三)本发明通过数据共享交换平台共享用户特征数据，提取用户和事项办事人群特征点，通过计算特征点之间欧式距离并给予加权，获取事项推荐指数；其中，基于实名认证的用户体系，需要共享交换平台提供自然人用户信息支撑；
48.(四)本发明对实名认证的自然人用户和事项进行特征属性提取、特征属性描述、特征属性加权匹配，最终获取事项的匹配指数，形成用户推荐政务服务事项清单，实名认证的自然人用户特征是基于数据共享交换平台开发的用户信息数据通过接口、数据集、文件等形式，且本发明的准确性取决于用户的特征属性采集程度，自然人用户可共享数据越多、访问政务服务网行为越多或办理业务越多，用户推荐的事项越准确，利用加速稳健特征学习提取用户和事项本身特征，实现对事项、政策、公告准确推荐的一种行之有效的方法；
49.(五)本发明以事项本身的特性为基础，准确推荐相关内容到用户端，政务服务网用户的个人空间需要更智能化人性化的推送，根据实名注册的自然人用户个人特征信息，智能推荐办事服务事项、政策文件、通知通告等内容急需解决，最终实现千人千面的效果。
附图说明
50.下面结合附图对本发明进一步说明。
51.附图1为实名认证自然人用户的事项推荐方法的流程框图；
52.附图2为推荐事项排序过滤的流程框图。
具体实施方式
53.参照说明书附图和具体实施例对本发明的实名认证自然人用户的事项推荐方法
及存储介质作以下详细地说明。
54.实施例1：
55.如附图1所示，本发明的实名认证自然人用户的事项推荐方法，该方法是以共享交换平台共享的自然人信息服务，提取所有用户的特征，再以事项为核心以办理过、关注过及咨询投诉过事项的用户群体为主要范围，从全省、全市州及单一区县提取事项涉及用户的主要特征点以及描述，综合计算用户特征与事项特征间的欧式距离来确定匹配度，通过不同特征的匹配度加权计算获取最终推荐指数；具体如下：
56.s1、构建用户特征矩阵：实名认证自然人用户通过数据共享服务对用户信息标签抽取，构建用户特征矩阵；
57.s2、提取人群特征矩阵：基于事项关注、浏览及业务办理的人群特征提取事项、新闻及通知公告的人群特征矩阵；
58.s3、特征匹配：登录用户与事项人群特征匹配。
59.本实施例中步骤s1的构建用户特征矩阵具体如下：
60.s101、采集实名认证自然人用户特征数据；
61.s102、构建用户特征二维数学模型。
62.本实施例中步骤s101的采集实名认证自然人用户特征数据具体如下：
63.s10101、从共享交换平台或业务系统采集办事人数据；
64.s10102、获取用户特征数据，清洗去除异常数据；
65.s10103、依据数据来源可信程度确定同一特征值的最终值；
66.s10104、提取出自然人用户的特征属性并标记存储。
67.本实施例中步骤s102的构建用户特征二维数学模型具体如下：
68.s10201、按照现有实名认证自然人用户数据共享可提取的所有的特征，构建用户的特征数据标记模型；
69.s10202、用户的特征数据标记模型的构建是基于所有特征构建用户的特征矩阵；其中，部分特征为是否属性，部分特征采用分段构成获取数值。
70.本实施例中步骤s2的提取人群特征矩阵具体如下：
71.s201、构建事项用户群体特征模型：按照现有业务办件数据中事项信息和用户信息数据，以事项的用户群体数据为基准，获取所有事项相关的用户特征集合，形成特征比重矩阵，即事项办理人群的整体特征，每个特征的占总体人数比重；其中，业务办件时间限定为最近1年内的业务；
72.s202、获取事项业务时间序列特征、地域特征：部分事项的办理有地域性和周期性，即业务只能本地户籍人员办理或在特定月份才开始办理，事项的地域性和时间特征是事项的关键特性决定当前用户在某时间段是否能办理；根据事项的业务办件数据在不同时间段不同的办理结果，(比如，将1年按照月份分为12个月份的时间段)，获取每个时间段用户申请和办理结果统计，得到任一时间段(月份)事项在时间序列的特征及地域特征从事项的申请条件和事项办理不予受理的人群分析，事项申请提取本地户籍的关键词，不予受理的业务分析提取申请人户籍所在地信息。
73.本实施例中步骤s3的登录用户与事项人群特征匹配具体如下：
74.s301、实名认证自然人用户与事项特征匹配：通过实名认证自然人用户构建的特
征点模型与事项办理人群的特征点模型项匹配，获取实名认证自然人用户与事项匹配度；
75.s302、推荐事项排序过滤：用户特征与事项特征匹配度从小到大排序，获得到所有事项的推荐度，按照当前日期和实名认证的自然人用户户籍所在地，去除当前月份不办理和不符合办理条件的事项，最终得到用户的推荐事项列表。
76.本实施例中步骤s301的实名认证自然人用户与事项匹配度是通过计算自然人与事项两个特征点间的欧式距离来确定匹配度；对所有特征点匹配欧式距离求和，依次获取事项的匹配度，同时平衡事项办理人员在不同量级上采集事项特征的误差采用阶梯加权系数，公式如下：
77.p
m
＝∑(|p
i
‑
m
i
|)*h
i
；
78.其中，p
m
为事项i的推荐指数；p
i
表示自然人用户特征i的值；(|p
i
‑
m
i
|)表示自然人与事项两个特征点间的欧式距离，欧氏距离越短，代表两个特征点的匹配度越好；m
i
表示事项m的特征i的值；h
i
表示事项办件量层级加权系数。
79.本实施例中事项办件量层级加权系数hi取值具体如下：
80.①
、事项业务量≥5000，h
i
＝0.9；
81.②
、1000≤事项业务量＜5000，h
i
＝0.95；
82.③
、500≤事项业务量＜1000，h
i
＝1.0；
83.④
、100≤事项业务量＜500，h
i
＝1.05；
84.⑤
、100＜事项业务量，h
i
＝1.1。
85.具体加权系数如下：
86.序号事项业务量加权系数1大于等于5千0.92小于5千大于等于1千0.953小于1千大于等于5百1.04小于5百大于等于1百1.055小于1百1.1
87.如附图2所示，本实施例中步骤s302的推荐事项排序过滤具体如下：
88.s30201、通过共享数据平台获取业务办件数据；
89.s30202、通过业务办件数据获取申请人事项办理清单；
90.s30203、通过申请人事项办理清单进行事项链分析筛选；
91.s30304、获取事项顺序链；同时登录实名认证自然人用户，获取实名认证自然人用户办理过的业务清单；
92.s30305、根据事项顺序链及名认证自然人用户办理过的业务清单进行事项顺序比对，获取下环节事项清单；
93.s30306、自然人特征与事项清单中事项人群特征比对，去除匹配度低的事项；
94.s30307、获取名认证自然人用户事项推荐清单。
95.其中，事项链分析筛选采用人员占比分析，具体比对示例如下：
96.某个待选事项链为事项a
‑‑‑‑
》事项b
‑‑‑‑‑‑
》事项c
97.事项a办理人数为m，办理过事项a同时办理过事项b人数为n，p为符合条件占比，每天随时动态计算1次。如m/n>＝p，则事项b符合要求，否则事项a到事项b链条断开。
98.实施例2：
99.以某省级政务服务业务系统应用为例，配置实施的步骤如下：
100.(1)、配置自然人用户调度服务，从共享交换平台获取注册的自然人用户信息包括人口库、婚姻、工作、户籍等数据资源获取注册的自然人用户特征信息入库；
101.(2)、提取办件库、用户访问行为库、用户信息关注库提取用户事项、新闻、通知等用户群体基本信息入库；
102.(3)、按照事项、新闻、通知三部分，训练获取每个事项、新闻、通知的用户群体特征矩阵，对事项、新闻、通知特征入库存储；
103.(4)、计算事项、新闻、通知与用户的匹配度，对于新闻、通知类计算获取用户关注浏览器的标签，后续更新提醒同类新闻、通知或政策文件；事项按照行业地区直接存入事项推荐库；
104.(5)、发布服务，提供给政务服务网，直接通过身份证号，获取推荐事项清单和推荐的新闻、通知、政策文件标签。
105.实施例3：
106.本发明实施例还提供了一种计算机可读存储介质，其中存储有多条指令，指令由处理器加载，使处理器执行本发明任一实施例中的实名认证自然人用户的事项推荐方法方法。具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机(或cpu或mpu)读出并执行存储在存储介质中的程序代码。
107.在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
108.用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如cd
‑
rom、cd
‑
r、cd
‑
rw、dvd
‑
rom、dvd
‑
rym、dvd
‑
rw、dvd rw)、磁带、非易失性存储卡和rom。可选择地，可以由通信网络从服务器计算机上下载程序代码。
109.此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。
110.此外，可以理解的是，将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展单元上的cpu等来执行部分和全部实际操作，从而实现上述实施例中任一实施例的功能。
111.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。