本發(fā)明專利技術(shù)公開一種基于招商工作流程和閱讀偏好的信息推送方法，在信息推送過程中，采用智能要素提取算法和文本相似度算法，將企業(yè)畫像、載體畫像和要推送的信息等文字信息進(jìn)行量化處理，采用Doc2Vec算法將企業(yè)畫像信息、載體信息以及要推送的信息進(jìn)行相似度比較，從而完成關(guān)于招商引資信息的精準(zhǔn)推送；通過對閱讀偏好的收集和計(jì)算，提高信息的利用率。本發(fā)明專利技術(shù)的特點(diǎn)是推送過程與招商工作流程密切結(jié)合，使推送信息精準(zhǔn)符合招商場景的需求。
【技術(shù)實(shí)現(xiàn)步驟摘要】
基于招商工作流程和閱讀偏好的信息推送系統(tǒng)及方法
本專利技術(shù)屬于信息系統(tǒng)領(lǐng)域，特別是涉及到一種基于招商工作流程和閱讀偏好的信息推送系統(tǒng)及方法。
技術(shù)介紹
在招商引資過程中，無論投資方還是載體都需要獲取大量對方的精準(zhǔn)信息，目前通用的方法是借助于互聯(lián)網(wǎng)搜索引擎、企業(yè)資信網(wǎng)站、新聞信息等信息查詢手段獲取相關(guān)信息。這一過程中，傳統(tǒng)的招商信息查詢和推送方式存在下列問題：1、信息分散：由于互聯(lián)網(wǎng)中信息分散，想要形成完整的企業(yè)畫像或者載體畫像，需要花大量人力和時(shí)間進(jìn)行信息收集工作。2、信息可讀性較低：由于目前信息推送采用廣播方式，沒有針對性，這樣一方面造成信息推送成本增加，另一方面對企業(yè)造成一定的騷擾。3、信息利用率較低：投資主體需要經(jīng)過不斷的篩選與匹配才能在眾多招商引資信息中找到滿足自身需要、符合自身投資意向的信息，客觀上造成信息利用率的低下。4、信息時(shí)效性較差：政府招商引資的政策方針和企業(yè)的意向在不斷變化，而實(shí)際中推送的信息往往存在一定的滯后性，導(dǎo)致政府與企業(yè)的合作存在一定問題。5.缺乏客觀閱讀反饋分析：招商廣播式信息推送后，推送內(nèi)容對于企業(yè)用戶是否真的需要，往往無法獲得客觀反饋。6.缺乏對企業(yè)發(fā)展需求分析：信息推送的有效性的前提是符合企業(yè)發(fā)展需求，傳統(tǒng)招商信息推送模式缺乏對企業(yè)發(fā)展需求的精準(zhǔn)定位。
技術(shù)實(shí)現(xiàn)思路
有鑒于此，本專利技術(shù)提出一種基于招商工作流程和閱讀偏好的信息推送系統(tǒng)及方法，將企業(yè)畫像、載體畫像和推送信息進(jìn)行量化處理，方便實(shí)現(xiàn)機(jī)器智能理解和對比，給企業(yè)推送精準(zhǔn)招商信息、給載體推送企業(yè)投資信息，推送過程與招商工作流程密切結(jié)合，使推送信息精準(zhǔn)符合招商場景的需求。為達(dá)到上述目的，本專利技術(shù)的技術(shù)方案是這樣實(shí)現(xiàn)的：一種基于招商工作流程和閱讀偏好的信息推送方法，包括：S1：通過數(shù)學(xué)模型，建立企業(yè)畫像、載體畫像和招商信息三個(gè)專用分詞庫；S2：企業(yè)、載體、信息量化處理；基于企業(yè)大數(shù)據(jù)信息，采用要素抽取算法，從不同維度給目標(biāo)企業(yè)信息、載體信息、需要推送的信息進(jìn)行標(biāo)簽化處理；S3：設(shè)置信息推送類別；S4：信息生成；S5：標(biāo)簽篩選和比對；依據(jù)推送信息標(biāo)簽與企業(yè)標(biāo)簽、載體標(biāo)簽進(jìn)行篩選和比對，挑選出具有針對性的信息推送給特定企業(yè)用戶和載體招商人員。S6：計(jì)算用戶閱讀偏好，并對每日每用戶接收的信息量進(jìn)行控制。S7：信息推送。進(jìn)一步的，步驟S1所述分詞庫數(shù)學(xué)模型的建立方法包括：S101：漢語言中所有的字組成一個(gè)觀測集合，B，M，E，S組成一個(gè)狀態(tài)集合，其中B表示詞首字，E表示詞尾字，M表示詞中字，S表示單字成詞；S102：通過人工的數(shù)據(jù)清洗與標(biāo)注工作，獲得大量學(xué)習(xí)樣本，即為訓(xùn)練集；訓(xùn)練集中均為有上下語義邏輯的已經(jīng)分詞完成的多個(gè)樣本；S103：在Viterbi算法中設(shè)計(jì)函數(shù)計(jì)算初始概率，狀態(tài)轉(zhuǎn)移概率，觀測概率，同時(shí)統(tǒng)計(jì)出狀態(tài)序列，觀測序列，完成算法模型的搭建；其中觀測序列即為待分詞的語句；狀態(tài)序列即為該語句中每個(gè)字所對應(yīng)的狀態(tài)，使用所述狀態(tài)集合中的狀態(tài)表示；初始概率，狀態(tài)轉(zhuǎn)移概率，觀測概率均為語料庫中狀態(tài)與觀測之間的對應(yīng)關(guān)系所計(jì)算出的概率；進(jìn)一步的，步驟S1通過數(shù)學(xué)模型建立分詞庫的方法包括：S201：根據(jù)數(shù)學(xué)模型，利用Viterbi算法預(yù)測每一條新進(jìn)語句中的每個(gè)字在該句下所對應(yīng)的狀態(tài)；S202：算法完畢以后，設(shè)計(jì)函數(shù)，針對每個(gè)字所對應(yīng)的狀態(tài)，可以將字組合成詞，逢?duì)顟B(tài)E即添加回車字符，最終可得到完成的分詞文本。進(jìn)一步的，步驟S2需要將中文分詞轉(zhuǎn)化為數(shù)學(xué)形式，即分詞向量化，實(shí)現(xiàn)方法包括：S301：使用Word2Vec算法，通過該分詞的前后N個(gè)詞來推斷該詞出現(xiàn)的概率；S302：利用最大似然估計(jì)法確定參數(shù)。進(jìn)一步的，步驟S3所述信息推送類別包括法定推送信息、特別約定信息和偏好推送信息三個(gè)類別；法定推送信息：法定事項(xiàng)和相關(guān)重要法律、政策、實(shí)施細(xì)則等變化信息推送；特別約定信息：當(dāng)事人特別約定的事項(xiàng)以及時(shí)間節(jié)點(diǎn)；偏好推送信息：符合個(gè)人偏好的企業(yè)信息、載體信息、服務(wù)信息、產(chǎn)業(yè)信息等資訊類信息。進(jìn)一步的，步驟S4所述信息包括：(1)招商項(xiàng)目雙方在查詢、溝通、撮合、磋商、考察、談判、落地服務(wù)、投訴協(xié)調(diào)等招商工作流程的各個(gè)階段產(chǎn)生的約定事項(xiàng)及時(shí)間節(jié)點(diǎn)；(2)根據(jù)招商工作流程和關(guān)鍵節(jié)點(diǎn)，以及合作對接和項(xiàng)目落地的流程和時(shí)間節(jié)點(diǎn)，不同時(shí)間節(jié)點(diǎn)推送不同的內(nèi)容；(3)向招商人員推送企業(yè)信息：依據(jù)招商規(guī)劃自動匹配企業(yè)畫像，根據(jù)企業(yè)畫像檢索企業(yè)信息庫，將檢索結(jié)果向招商人員推送；(4)向企業(yè)推送載體招商信息：依據(jù)招商規(guī)劃自動匹配企業(yè)畫像，根據(jù)企業(yè)畫像檢索企業(yè)信息庫，向符合企業(yè)畫像的企業(yè)推送載體招商信息；(5)向系統(tǒng)用戶推送閱讀偏好信息；根據(jù)用戶閱讀偏好，系統(tǒng)向用戶推送相同標(biāo)簽的信息；(6)法定事項(xiàng)和法律、政策法規(guī)、實(shí)施細(xì)則等發(fā)布、修訂及解讀。本專利技術(shù)的另一方面，還提供了一種基于招商工作流程和閱讀偏好的信息推送系統(tǒng)，采用四層架構(gòu)模式，包括系統(tǒng)軟件層、運(yùn)行環(huán)境層、基礎(chǔ)架構(gòu)、應(yīng)用服務(wù)；所述應(yīng)用服務(wù)設(shè)有：場景獲取：獲取招商工作流程節(jié)點(diǎn)、法定事項(xiàng)的變化、用戶閱讀偏好信息，作為信息發(fā)送場景條件；數(shù)據(jù)統(tǒng)計(jì)：統(tǒng)計(jì)用戶閱讀數(shù)據(jù)，包括同標(biāo)簽信息的點(diǎn)擊率、閱讀時(shí)長、分享操作、評價(jià)和評論信息；發(fā)送服務(wù)：通過手機(jī)通知、微信、短信、郵件，給用戶推送不同場景所需要的信息；信息庫：需要推送的信息數(shù)據(jù)庫；企業(yè)庫：企業(yè)信息、項(xiàng)目信息數(shù)據(jù)庫；載體庫：包括地區(qū)、區(qū)、功能區(qū)、園區(qū)等各種招商載體的信息數(shù)據(jù)庫；標(biāo)簽數(shù)據(jù)庫：為企業(yè)、項(xiàng)目、載體建立的標(biāo)簽數(shù)據(jù)庫；包括基于企業(yè)大數(shù)據(jù)信息，采用要素抽取算法，從不同維度給目標(biāo)企業(yè)信息進(jìn)行標(biāo)簽化的數(shù)據(jù)；分詞庫：通過數(shù)學(xué)模型所建立的企業(yè)畫像、載體畫像和招商信息三個(gè)專用分詞庫。進(jìn)一步的，所述應(yīng)用服務(wù)還設(shè)有：用戶服務(wù)：用戶可以通過電腦、智能手機(jī)和平板電腦訪問本系統(tǒng)；視圖資源：采用MVC模型中的用戶界面；服務(wù)代理：為了更高級別的用戶訪問，允許采用代理服務(wù)的方式訪問本系統(tǒng)；直接訪問：一般用戶采用直接訪問的方式使用本系統(tǒng)；API接口：對于集團(tuán)用戶等安全要求比較高的用戶采用API方式使用本系統(tǒng)。進(jìn)一步的，所述基礎(chǔ)架構(gòu)包括：身份認(rèn)證：采用通用的用戶+密碼的登錄模式進(jìn)行身份驗(yàn)證；JDBC：JAVA應(yīng)用服務(wù)與數(shù)據(jù)庫直接的接口和標(biāo)準(zhǔn)；巡檢腳本：是Linux操作系統(tǒng)中用于定時(shí)執(zhí)行任務(wù)的Shell腳本，負(fù)責(zé)數(shù)據(jù)整理、抓取、清除，以及應(yīng)用程序所必須的其他定時(shí)任務(wù)；生成報(bào)告：借用已經(jīng)成熟的報(bào)告顯示與生成工具，為此系統(tǒng)數(shù)據(jù)顯示生成可視化報(bào)告；文檔管理：為了提高WEB服務(wù)和應(yīng)用服務(wù)的并發(fā)執(zhí)行能力，分擔(dān)負(fù)載，專門設(shè)立文檔管理服務(wù)器，負(fù)責(zé)圖片、文件、GIS、流媒體等的上傳、下載、遷移、復(fù)制等任務(wù)；會話管理：保持用戶的整個(gè)會話活動的互動與計(jì)算機(jī)系統(tǒng)跟蹤過程；包括對session、cookie、token等交互信息的管理；事務(wù)管理：對數(shù)據(jù)訪問、業(yè)務(wù)邏輯執(zhí)行的管理；日志管理：包括系統(tǒng)日志、數(shù)據(jù)庫日志和應(yīng)用程序日志；記錄系統(tǒng)中硬件、系統(tǒng)軟件、應(yīng)用軟件、數(shù)據(jù)庫和系統(tǒng)問題的信息,同時(shí)還可以監(jiān)視系統(tǒng)中發(fā)生的事件；權(quán)限管理：包括系統(tǒng)安全規(guī)則、數(shù)據(jù)訪問規(guī)則、應(yīng)用服務(wù)訪問規(guī)則等的管理；異常處理：通過短信平臺、郵件、執(zhí)行腳本等方式對系統(tǒng)、網(wǎng)絡(luò)、應(yīng)用、數(shù)據(jù)的異常情況進(jìn)行處理。相對于現(xiàn)有技術(shù)，本專利技術(shù)具有以下優(yōu)勢：本專利技術(shù)通過采用人工智能語義理本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于招商工作流程和閱讀偏好的信息推送方法，其特征在于，包括：S1：通過數(shù)學(xué)模型，建立企業(yè)畫像、載體畫像和招商信息三個(gè)專用分詞庫；S2：企業(yè)、載體、信息量化處理；基于企業(yè)大數(shù)據(jù)信息，采用要素抽取算法，從不同維度給目標(biāo)企業(yè)信息、載體信息、需要推送的信息進(jìn)行標(biāo)簽化處理；S3：設(shè)置信息推送類別；S4：信息生成；S5：標(biāo)簽篩選和比對；依據(jù)推送信息標(biāo)簽與企業(yè)標(biāo)簽、載體標(biāo)簽進(jìn)行篩選和比對，挑選出具有針對性的信息推送給特定企業(yè)用戶和招商人員；S6：計(jì)算用戶閱讀偏好，并對每日每用戶接收的信息量進(jìn)行控制；S7：信息推送。
【技術(shù)特征摘要】
1.一種基于招商工作流程和閱讀偏好的信息推送方法，其特征在于，包括：S1：通過數(shù)學(xué)模型，建立企業(yè)畫像、載體畫像和招商信息三個(gè)專用分詞庫；S2：企業(yè)、載體、信息量化處理；基于企業(yè)大數(shù)據(jù)信息，采用要素抽取算法，從不同維度給目標(biāo)企業(yè)信息、載體信息、需要推送的信息進(jìn)行標(biāo)簽化處理；S3：設(shè)置信息推送類別；S4：信息生成；S5：標(biāo)簽篩選和比對；依據(jù)推送信息標(biāo)簽與企業(yè)標(biāo)簽、載體標(biāo)簽進(jìn)行篩選和比對，挑選出具有針對性的信息推送給特定企業(yè)用戶和招商人員；S6：計(jì)算用戶閱讀偏好，并對每日每用戶接收的信息量進(jìn)行控制；S7：信息推送。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S1所述分詞庫數(shù)學(xué)模型的建立方法包括：S101：漢語言中所有的字組成一個(gè)觀測集合，B，M，E，S組成一個(gè)狀態(tài)集合，其中B表示詞首字，E表示詞尾字，M表示詞中字，S表示單字成詞；S102：通過人工的數(shù)據(jù)清洗與標(biāo)注工作，獲得大量學(xué)習(xí)樣本，即為訓(xùn)練集；訓(xùn)練集中均為有上下語義邏輯的已經(jīng)分詞完成的多個(gè)樣本；S103：在Viterbi算法中設(shè)計(jì)函數(shù)計(jì)算初始概率，狀態(tài)轉(zhuǎn)移概率，觀測概率，同時(shí)統(tǒng)計(jì)出狀態(tài)序列，觀測序列，完成算法模型的搭建；其中觀測序列即為待分詞的語句；狀態(tài)序列即為該語句中每個(gè)字所對應(yīng)的狀態(tài)，使用所述狀態(tài)集合中的狀態(tài)表示；初始概率，狀態(tài)轉(zhuǎn)移概率，觀測概率均為語料庫中狀態(tài)與觀測之間的對應(yīng)關(guān)系所計(jì)算出的概率。3.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S1通過數(shù)學(xué)模型建立分詞庫的方法包括：S201：根據(jù)數(shù)學(xué)模型，利用Viterbi算法預(yù)測每一條新進(jìn)語句中的每個(gè)字在該句下所對應(yīng)的狀態(tài)；S202：算法完畢以后，設(shè)計(jì)函數(shù)，針對每個(gè)字所對應(yīng)的狀態(tài)，可以將字組合成詞，逢?duì)顟B(tài)E即添加回車字符，最終可得到完成的分詞文本。4.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S2需要以歷史數(shù)據(jù)庫中的企業(yè)介紹為學(xué)習(xí)樣本，將中文分詞轉(zhuǎn)化為可以運(yùn)算的數(shù)學(xué)形式，即分詞向量化，實(shí)現(xiàn)方法包括：S301：使用Word2Vec算法，通過該分詞的前后N個(gè)詞來推斷該詞出現(xiàn)的概率；S302：利用最大似然估計(jì)法確定參數(shù)。5.根...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張連祥，
申請(專利權(quán))人：張連祥，
類型：發(fā)明
國別省市：天津,12
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。