本发明涉及数字服务,特别是涉及一种服务事项推荐方法和一种服务事项推荐装置、一种电子设备和一种存储介质。
背景技术:
1、大数据时代,由于有海量行为数据做基础,通过大数据计算,使得人们的日常生活被赋予数字化、智能化。在人们时刻面对海量信息的冲击下,对信息获取方式的精准性显得尤为重要。通过高度智能化、精细化、准确化的信息推荐算法推送给不同用户个体、精细的信息服务,是数字化生活方式的重要体现。
2、如在政务服务领域,会面向社会公众发布了诸多的服务手段,辅以各类信息化工具,也沉淀了海量的政务服务领域的业务数据,但依然存在泛服务的情况,公众用户面对五花八门、错综复杂的信息工具,依旧无法准确定位有效的数据信息。
3、传统的信息推荐系统大多采用协同过滤的模式,使用“人以群分,物以类聚”的思想,即分析用户在线的行为方式,结合离线业务数据,把不同的信息数据推荐给相似的用户群体,或者根据用户个体的行为分析,把相似的信息数据推荐给不同的用户个体。协同过滤的缺点是用户的行为数据过于稀疏,导致推荐的事项准确性不足。
技术实现思路
1、鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种服务事项推荐方法和一种服务事项推荐装置、一种电子设备和一种存储介质。
2、在本发明的第一个方面,本发明实施例公开了一种服务事项推荐方法,包括:
3、获取公众信息和用户信息;其中,所述公众信息包括公众行为和公众服务事项,所述用户信息包括用户行为和用户服务事项;
4、基于所述公众行为和公众服务事项构建公众共现矩阵;
5、基于所述用户行为和用户服务事项构建用户共现矩阵;
6、采用所述公众共现矩阵稀疏所述用户共现矩阵,生成共现稀疏矩阵;
7、分解所述共现稀疏矩阵,确定推荐服务事项。
8、可选地,所述基于所述公众行为和公众服务事项构建公众共现矩阵的步骤包括:
9、根据所述公众行为,将所述公众服务事项分类为已办理事项、不办理事项和潜在办理事项;
10、确定所述已办理事项为第一特征值,确定所述不办理事项为第二特征值,确定所述潜在办理事项为第三特征值,构建所述公众共现矩阵。
11、可选地,所述基于所述用户行为和用户服务事项构建用户共现矩阵的步骤包括:
12、根据所述用户行为,将所述用户服务事项分类为所述已办理事项、所述不办理事项和所述潜在办理事项;
13、确定所述已办理事项为所述第一特征值,确定所述不办理事项为所述第二特征值,确定所述潜在办理事项为所述第三特征值,构建所述用户共现矩阵。
14、可选地,所述采用所述公众共现矩阵稀疏所述用户共现矩阵,生成共现稀疏矩阵的步骤包括:
15、计算所述公众共现矩阵与所述用户共现矩阵的余弦相似度;
16、基于所述余弦相似度,对所述用户共现矩阵的行顺序进行调整,生成所述共现稀疏矩阵。
17、可选地,所述分解所述共现稀疏矩阵,确定推荐服务事项的步骤包括:
18、将所述共现稀疏矩阵分解为至少两个矩阵乘积;
19、针对任一所述矩阵乘积,构建所述用户行为与所述用户服务事项之间的隐向量;
20、根据所述隐向量的模,确定所述推荐服务事项。
21、可选地,所述根据所述隐向量的模,确定所述推荐服务事项的步骤包括:
22、根据所述隐向量的模对所述用户服务事项进行顺序排序,生成服务事项序列;
23、确定所述服务事项序列的前预设位元素为所述推荐服务事项。
24、可选地,所述方法还包括:
25、针对任一所述矩阵乘积,计算损失值;
26、当所述损失值大于预设损失阈值时,重复执行所述将所述共现稀疏矩阵分解为至少两个矩阵乘积的步骤,直至所述损失值不大于所述预设损失阈值。
27、在本发明的第二个方面,本发明实施例公开了一种服务事项推荐装置,包括:
28、获取模块,用于获取公众信息和用户信息;其中,所述公众信息包括公众行为和公众服务事项,所述用户信息包括用户行为和用户服务事项;
29、第一构建模块,用于基于所述公众行为和公众服务事项构建公众共现矩阵;
30、第二构建模块,用于基于所述用户行为和用户服务事项构建用户共现矩阵;
31、稀疏模块,用于采用所述公众共现矩阵稀疏所述用户共现矩阵,生成共现稀疏矩阵;
32、分解模块,用于分解所述共现稀疏矩阵,确定推荐服务事项。
33、在本发明的第三个方面,本发明实施例公开了一种电子设备,包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的服务事项推荐方法的步骤。
34、在本发明的第四个方面,本发明实施例公开了一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如上所述的服务事项推荐方法的步骤。
35、本发明实施例包括以下优点:
36、本发明实施例通过获取公众信息和用户信息;其中,所述公众信息包括公众行为和公众服务事项,所述用户信息包括用户行为和用户服务事项;基于所述公众行为和公众服务事项构建公众共现矩阵;基于所述用户行为和用户服务事项构建用户共现矩阵;采用所述公众共现矩阵稀疏所述用户共现矩阵,生成共现稀疏矩阵;分解所述共现稀疏矩阵,确定推荐服务事项。通过公众共现矩阵稀疏用户共现矩阵,令用户共现矩中用户和服务事项与公众共现矩阵中的用户和服务事项特点接近,可以对服务事项进行初步筛选;分解共现稀疏矩阵,确定推荐服务事项,推荐出更贴近用户使用的服务事项;提供服务事项推送的准确性。
1.一种服务事项推荐方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述公众行为和公众服务事项构建公众共现矩阵的步骤包括:
3.根据权利要求2所述的方法,其特征在于,所述基于所述用户行为和用户服务事项构建用户共现矩阵的步骤包括:
4.根据权利要求1所述的方法,其特征在于,所述采用所述公众共现矩阵稀疏所述用户共现矩阵,生成共现稀疏矩阵的步骤包括:
5.根据权利要求1所述的方法,其特征在于,所述分解所述共现稀疏矩阵,确定推荐服务事项的步骤包括:
6.根据权利要求5所述的方法,其特征在于,所述根据所述隐向量的模,确定所述推荐服务事项的步骤包括:
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
8.一种服务事项推荐装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的服务事项推荐方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的服务事项推荐方法的步骤。