1.本发明涉及电子政务领域，尤其涉及一种电子文件推荐方法及终端。
背景技术：
2.因不同地区的各种政策文件存在差距，而每份文件所针对的主体不相同，若主体没有特别关注政策文件的发布和变化，就会错过自身能够申报的优惠政策或者能够参与的事件，从而对生产经营或者生活造成一定不便。
3.而传统的运营方式，通常是以app端为载体，通常采用预设轮播广告位、悬浮广告位为推荐的渠道。需要依赖决策者对主要需求的把控决定推荐的内容及素材，通常将这种推荐方式定义为“专家经验”。这种传统模式存在几个弊端：一是推荐的内容及素材的精准度，完全取决于专家的预判，受主观因素影响大，运营风险度大；二是推荐的内容由系统后台统一配置，千人一面，缺少个性化的视觉冲击及个性化的推荐方式，难起到精准推荐的目的；三是推荐的内容在人为进行更改之前保持不变，不会随着用户行为的变化进行迭代。
技术实现要素：
4.本发明所要解决的技术问题是：提供一种电子文件推荐方法及终端，实现电子文件与需求方的精确匹配。
5.为了解决上述技术问题，本发明采用的一种技术方案为：一种电子文件推荐方法，包括步骤：读取办件策划信息以及接触控制配置信息，所述办件策划信息包括用户群信息以及目标电子文件；获取与所述用户群信息对应的推荐模型，并根据所述推荐模型得到与所述用户群对应的第一推荐列表；根据所述第一推荐列表以及办件策划信息得到融合计算结果；根据所述融合计算结果得到目标推荐列表；根据所述目标推荐列表以及所述接触控制配置信息进行所述目标电子文件的推送。
6.为了解决上述技术问题，本发明采用的另一种技术方案为：一种电子文件推荐终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：读取办件策划信息以及接触控制配置信息，所述办件策划信息包括用户群信息以及目标电子文件；获取与所述用户群信息对应的推荐模型，并根据所述推荐模型得到与所述用户群对应的第一推荐列表；根据所述第一推荐列表以及办件策划信息得到融合计算结果；根据所述融合计算结果得到目标推荐列表；
根据所述目标推荐列表以及所述接触控制配置信息进行所述目标电子文件的推送。
7.本发明的有益效果在于：根据办件策划信息中设定好的用户群信息匹配对应的推荐模型，得到与用户群对应的第一推荐列表，再与办件策划信息进行融合计算得到目标推荐列表，最后根据目标推荐列表以及接触控制配置信息进行目标电子文件的推送，利用训练好的推荐模型为用户群匹配第一推荐列表，并且能够将计算出的第一推荐列表与设定出的办件策划信息进行融合，综合设置信息和模型计算信息进行匹配，最后引入接触控制配置信息，实现对推送过程的精确设置，能够匹配不同用户群的使用习惯。
附图说明
8.图1为本发明实施例的一种电子文件推荐方法的步骤流程图；图2为本发明实施例的一种电子文件推荐方法的另一流程示意图；图3为本发明实施例的一种电子文件推荐终端的结构示意图；标号说明：1、一种电子文件推荐终端；2、处理器；3、存储器。
具体实施方式
9.为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
10.请参照图1，一种电子文件推荐方法，包括步骤：读取办件策划信息以及接触控制配置信息，所述办件策划信息包括用户群信息以及目标电子文件；获取与所述用户群信息对应的推荐模型，并根据所述推荐模型得到与所述用户群对应的第一推荐列表；根据所述第一推荐列表以及办件策划信息得到融合计算结果；根据所述融合计算结果得到目标推荐列表；根据所述目标推荐列表以及所述接触控制配置信息进行所述目标电子文件的推送。
11.从上述描述可知，本发明的有益效果在于：根据办件策划信息中设定好的用户群信息匹配对应的推荐模型，得到与用户群对应的第一推荐列表，再与办件策划信息进行融合计算得到目标推荐列表，最后根据目标推荐列表以及所述接触控制配置信息进行目标电子文件的推送，并且能够将计算出的第一推荐列表与设定出的办件策划信息进行融合，综合设置信息和模型计算信息进行匹配，最后引入接触控制配置信息，实现对推送过程的精确设置，能够匹配不同用户群的使用习惯。
12.进一步地，所述根据所述推荐模型得到与所述用户群对应的第一推荐列表包括：将所述用户群信息通过所述推荐模型，得到用户群信息中每一用户对应的推荐标签；关联所述用户及所述推荐标签得到所述第一推荐列表。
13.由上述描述可知，通过推荐模型为用户群信息中的每一用户匹配对应的推荐标
签，并根据推荐标签与用户的关联关系得到第一推荐列表；通过训练好的推荐模型能够自动为用户打上标签，能够方便地关联用户与目标电子文件，实现后续电子文件的精确推送，不同的用户根据标签的不同，匹配的目标电子文件也不同，则可以做到电子文件的个性化推荐，能够为用户匹配到最适合的电子文件。
14.进一步地，所述办件策划信息包括第二推荐列表以及预设过滤条件；所述根据所述第一推荐列表以及办件策划信息得到融合计算结果包括：合并所述第一推荐列表以及所述第二推荐列表中的相同项；将所述第一推荐列表以及所述第二推荐列表中的项按照预设关键字进行排序，得到初始推荐列表；根据所述预设过滤条件对所述初始推荐列表中的项进行过滤，得到融合计算结果。
15.由上述描述可知，办件策划信息中可以设定好第二推荐列表，与推荐模型计算得到的第一推荐列表进行融合，融合包括合并、排序和过滤，融合得到的融合计算结果更加方便阅读，并且综合了模型的计算结果和人的设定，提高了进行推荐的灵活性。
16.进一步地，所述根据所述目标推荐列表以及所述接触控制配置信息进行所述目标电子文件的推送之后包括：获取点击数据，所述点击数据包括点击用户信息、点击时间以及点击电子文件；根据所述点击用户信息、点击时间以及点击电子文件更新所述推荐模型。
17.由上述描述可知，在进行推送之后，根据用户实际的点击数据对推荐模型进行优化，能够根据用户行为的变动自动更新推荐模型，实现推荐模型的自适应，用户群行为发生变化也无需重新训练新的模型。
18.进一步地，所述接触控制配置信息包括所述目标电子文件对应的推送渠道、与所述推送渠道关联的推送时间段以及推送频次；所述根据所述目标推荐列表以及所述接触控制配置信息进行所述目标电子文件的推送包括：根据所述目标推荐列表得到所述目标电子文件对应的推荐用户；根据所述目标电子文件对应的推送渠道、与所述推送渠道关联的推送时间段以及推送频次向所述推荐用户发送所述目标电子文件。
19.由上述描述可知，配置推送渠道和推送渠道对应的推送时间段和推送频次，能够根据不同推送渠道的用户习惯做针对性的推送，提高目标电子文件推送的精确度。
20.请参照图3，一种电子文件推荐终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：读取办件策划信息以及接触控制配置信息，所述办件策划信息包括用户群信息以及目标电子文件；获取与所述用户群信息对应的推荐模型，并根据所述推荐模型得到与所述用户群对应的第一推荐列表；根据所述第一推荐列表以及办件策划信息得到融合计算结果；根据所述融合计算结果得到目标推荐列表；
根据所述目标推荐列表以及所述接触控制配置信息进行所述目标电子文件的推送。
21.本发明的有益效果在于：根据办件策划信息中设定好的用户群信息匹配对应的推荐模型，得到与用户群对应的第一推荐列表，再与办件策划信息进行融合计算得到目标推荐列表，最后根据目标推荐列表以及所述接触控制配置信息进行目标电子文件的推送，利用训练好的推荐模型为用户群匹配第一推荐列表，并且能够将计算出的第一推荐列表与设定出的办件策划信息进行融合，综合设置信息和模型计算信息进行匹配，最后引入接触控制配置信息，实现对推送过程的精确设置，能够匹配不同用户群的使用习惯。
22.进一步地，所述根据所述推荐模型得到与所述用户群对应的第一推荐列表包括：将所述用户群信息通过所述推荐模型，得到用户群信息中每一用户对应的推荐标签；关联所述用户及所述推荐标签得到所述第一推荐列表。
23.由上述描述可知，通过推荐模型为用户群信息中的每一用户匹配对应的推荐标签，并根据推荐标签与用户的关联关系得到第一推荐列表；通过训练好的推荐模型能够自动为用户打上标签，能够方便地关联用户与目标电子文件，实现后续电子文件的精确推送，不同的用户根据标签的不同，匹配的目标电子文件也不同，则可以做到电子文件的个性化推荐，能够为用户匹配到最适合的电子文件。
24.进一步地，所述办件策划信息包括第二推荐列表以及预设过滤条件；所述根据所述第一推荐列表以及办件策划信息得到融合计算结果包括：合并所述第一推荐列表以及所述第二推荐列表中的相同项；将所述第一推荐列表以及所述第二推荐列表中的项按照预设关键字进行排序，得到初始推荐列表；根据所述预设过滤条件对所述初始推荐列表中的项进行过滤，得到融合计算结果。
25.由上述描述可知，办件策划信息中可以设定好第二推荐列表，与推荐模型计算得到的第一推荐列表进行融合，融合包括合并、排序和过滤，融合得到的融合计算结果更加方便阅读，并且综合了模型的计算结果和人的设定，提高了进行推荐的灵活性。
26.进一步地，所述根据所述目标推荐列表以及所述接触控制配置信息进行所述目标电子文件的推送之后包括：获取点击数据，所述点击数据包括点击用户信息、点击时间以及点击电子文件；根据所述点击用户信息、点击时间以及点击电子文件更新所述推荐模型。
27.由上述描述可知，在进行推送之后，根据用户实际的点击数据对推荐模型进行优化，能够根据用户行为的变动自动更新推荐模型，实现推荐模型的自适应，用户群行为发生变化也无需重新训练新的模型。
28.进一步地，所述接触控制配置信息包括所述目标电子文件对应的推送渠道、与所述推送渠道关联的推送时间段以及推送频次；所述根据所述目标推荐列表以及所述接触控制配置信息进行所述目标电子文件的推送包括：根据所述目标推荐列表得到所述目标电子文件对应的推荐用户；
根据所述目标电子文件对应的推送渠道、与所述推送渠道关联的推送时间段以及推送频次向所述推荐用户发送所述目标电子文件。
29.由上述描述可知，配置推送渠道和推送渠道对应的推送时间段和推送频次，能够根据不同推送渠道的用户习惯做针对性的推送，提高目标电子文件推送的精确度。
30.本发明上述一种电子文件推荐方法及终端能够适用于对各类电子文件的精确推送，特别是政务类电子文件的推送，以下通过具体实施方式进行说明。
31.请参照图1-3，本发明的实施例一为：一种电子文件推荐方法，包括步骤：s1、读取办件策划信息以及接触控制配置信息，所述办件策划信息包括用户群信息、目标电子文件、第二推荐列表以及预设过滤条件；所述接触控制配置信息包括所述目标电子文件对应的推送渠道、与所述推送渠道关联的推送时间段以及推送频次；s2、获取与所述用户群信息对应的推荐模型，并根据所述推荐模型得到与所述用户群对应的第一推荐列表，包括：s21、将所述用户群信息通过所述推荐模型，得到用户群信息中每一用户对应的推荐标签；s22、关联所述用户及所述推荐标签得到所述第一推荐列表；s3、根据所述第一推荐列表以及办件策划信息得到融合计算结果，包括s301-s303：s301、合并所述第一推荐列表以及所述第二推荐列表中的相同项；所述第一推荐列表/第二推荐列表包括预测群（即一个推荐标签以及其对应的用户）以及每一预测群对应的预测精准度标签或权重标签，即可以同时包括预测精准度标签及权重标签，或是包括二者中的一种；根据权重标签或预测精准度标签合并第一推荐列表及第二推荐列表；即若第一推荐列表的权重标签/预测精准度标签的值与第二推荐列表相同，则只保存一条结果；s302、将所述第一推荐列表以及所述第二推荐列表中的项按照预设关键字进行排序，得到初始推荐列表；将合并后的第一推荐列表及第二推荐列表中的推荐标签相同的预测群按权重或预测精准度排序，即可以按二者中的一者进行排序，或对二者进行加权，根据加权值进行由优到劣的排序；s303、根据所述预设过滤条件对所述初始推荐列表中的项进行过滤，得到融合计算结果；选取步骤s302排序后的第一位预测群；s4、根据所述融合计算结果得到目标推荐列表；包括：根据所述目标推荐列表得到所述目标电子文件对应的推荐用户；目标推荐列表与步骤s303中预测群对应；在一种可选的实施方式中，推荐列表中包括用户id（即预测群中用户的用户id）、用户点击次数、用户停留时长、用户点击内容id、用户画像信息等（如性别、年龄、学历、收入、是否应届毕业等等）；其中，用户画像信息根据不同业务场景取不同值；
s5、根据所述目标推荐列表以及所述接触控制配置信息进行所述目标电子文件的推送；根据所述目标电子文件对应的推送渠道、与所述推送渠道关联的推送时间段以及推送频次向所述推荐用户发送所述目标电子文件；具体的，根据目标推荐列表中的用户画像计算用户画像与电子文件画像的匹配度（例如计算皮尔森相关系数r），匹配度超过预设值则将电子文件画像对应的电子文件推荐给用户画像对应的用户；s6、获取点击数据，所述点击数据包括点击用户信息、点击时间以及点击电子文件；根据所述点击用户信息、点击时间以及点击电子文件更新所述推荐模型。
32.本发明的实施例二为：一种电子文件推荐方法，其与实施例一的不同之处在于：提供一种推荐模型的训练过程：在步骤s2之前，还包括：s01、选取近1年的用户行为数据，并对所述用户行为数据进行初始化；在一种可选的实施方式中，当下用户行为也会被转化为训练数据纳入模型，即数据是动态变化的，所以预测的结果也是动态变化的；并且用户画像也是动态变化的，如用户第一次点击时是具备买房资格的，第二次点击不具备买房资格，那么用户的画像就会更新，模型根据用户画像结果动态更新预测结果；初始化包括：选取用户行为数据相关指标，可自定义时间周期，如周、月、年等；根据上一时间周期的用户行为数据，预测当前时间周期的用户行为，得到预测值；在一种可选的实施方式中，根据不同的业务特征设定不同的时间周期；将用户行为数据重构为推荐模型适配的训练数据，例如推荐模型为lstm模型，则重构为[样本，时间步，特征]格式的训练数据；进行空值处理、数据标准化以及数据归一化；s02、按照4:1的比例拆分训练数据集和测试数据集，对推荐模型进行训练；具体的，定义模型预测正确的阈值为误差不超过10%的前提下输出模型不断迭代调优；具体的，以模型为lstm模型为例，对模型隐藏层数、隐藏层节点数、学习率、时间步、迭代次数等参数进行迭代调优。
[0033]
请参照图3，本发明的实施例三为：一种电子文件推荐终端1，包括处理器2、存储器3及存储在存储器3上并可在所述处理器2上运行的计算机程序，所述处理器2执行所述计算机程序时实现实施例一或实施例二中的各个步骤。
[0034]
综上所述，本发明提供了一种电子文件推荐方法及终端，通过对用户的历史行为数据进行收集，对用户当前的可能行为做出预测，同时为用户打上对应的标签，标签与目标电子文件的标签匹配，从而实现用户与其对应的电子文件的精确匹配；同时，对推送电子文件之后对应的用户点击行为进行收集，根据用户的点击行为进一步对推荐模型进行修改，实现了推荐模型的自适应改变。
[0035]
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。