基于协同过滤算法的政务服务事项推荐方法及系统

本发明涉及数据统计分析技术领域，具体地说是基于协同过滤算法的政务服务事项推荐方法及系统。

随着“互联网+”政务服务等工作的深入推进，各级政府网站信息内容的快速增加与用户个性化需求之间的矛盾日益凸显。根据《2019年省级政府网上服务能力调查评估报告》，截至2018年12月31日，32个省级政务服务平台平均提供的本级部门的行政权力事项指南达3378项，最多的高达12620项；具有依申请特征的行政权力事项数达1353项，最多的高达2771项；省本级依职权类行政权力事项数达2025项，公共服务事项数326项。面对日益增多的办事服务，单纯依靠简化优化网站结构、细分服务栏目来降低信息查难度的做法难以为继，亟需发明一种依据用户使用记录的、智能化的办事服务事项推荐系统。

对网站用户的基本属性、历史访问页面内容和时间、搜索关键词等行为信息进行大数据分析，研判用户的潜在需求，结合用户定制信息，主动为用户推送关联度高、时效性强的信息或服务。

常用的协同过滤算法分为两种，基于用户的协同过滤算法(user-basedcollaboratIve filtering)，以及基于物品的协同过滤算法(item-based collaborativefiltering)。特点可以概括为“人以类聚，物以分”，并据此进行预测和推荐。

如何高效的为申办人推荐政务服务事项，实现个性化、智能化的申报服务，是需要解决的技术问题。

本发明的技术任务是针对以上不足，提供基于协同过滤算法的政务服务事项推荐方法及系统，来解决如何高效的为申办人推荐政务服务事项，实现个性化、智能化的申报服务的技术问题。

第一方面，本发明的一种基于协同过滤算法的政务服务事项推荐方法，包括如下步骤：

从办件库中读取办件信息，所述办件信息至少包括办件申请人的身份标识和所办事项的事项编码，并将每条办事信息作为一个记录存储至数据库中；

基于数据库中所有办件信息，合并具有相同身份标识的事项编码、组成事项编码集合，并将身份标识、事项编码集合以及事项编码集合的生成时间作为一个记录存储至事项频繁项表中；

对于数据库中所有办件申请人，依次选取两个办件申请人，计算所述两个办件申请人之间事项的相似度，并将所述两个办件申请的身份标识人以及两个办件申请人之间事项的相似度作为一条记录存储至相似度表中；

对于浏览政府网站的登录用户，基于所述登录用户的身份标识，从所述相似度表中查至少一个与所述登录用户相似的办件申请人作为相似申请人，基于登录用户的身份标识从所述事项频繁项表中查所述登录用户办理过的事项组成第一事项集合，并基于相似申请人的身份标识从所述事项频繁项表中查所述相似申请人办理过的事项组成第二事项集合，基于所述第一事项集合和所述第二事项集合的差集向登录用户推荐事项。

作为优选，据库中所有办件申请人，依次选取两个办件申请人，通过杰卡德相似度公式计算所述两个办件申请人之间事项的相似度，相似度计算公式为：

其中，A为一个办件申请人申请的事项，B为另一个办件申请人申请的事项。

作为优选，对于作为个人的办件申请人，所述身份标识包括身份证号码和护照号码；对于作为法人的办件申请人，所述身份标识包括社会统一信用码；

将每条办事信息作为一个记录存储至关系型数据库，所述事项频繁项表以及相似度表均存储于Redis数据库。

作为优选，基于所述登录用户的身份标识，从所述相似度表中查至少一个与所述登录用户相似的办件申请人作为相似申请人之前，对所述相似度表进行预处理，将所述相似度表中相似度高于阈值以及低于阈值的记录删除。

作为优选，所述办件信息还包括所办事项所属部门的部门代码、以及所办事项所属区划的区划编码；

基于数据库中所有办件信息，合并具有相同身份标识的事项编码、组成事项编码集合，并将身份标识、事项编码集合以及事项编码集合的生成时间作为一个记录存储至事项频繁项表中，并基于所述事项编码集合，合并满足相同聚合条件的事项编码、组成事项编码子集合，并将身份标识、事项编码子集合以及事项编码子集合的生成时间作为一个记录存储至对应的频繁事项聚合表中；所述聚合条件包括所办事项所属部门的部门代码以及所办事项所属区划的区划编码；

对于浏览政府网站的登录用户，基于登录用户的身份标识从所述事项频繁项表或频繁事项聚合表中查所述登录用户办理过的事项组成第一事项集合，并基于相似申请人的身份标识从所述事项频繁项表或频繁事项聚合表中查所述相似申请人办理过的事项组成第二事项集合，基于所述第一事项集合和所述第二事项集合的差集向登录用户推荐事项。

第二方面，本发明的一种基于协同过滤算法的政务服务事项推荐系统，通过如第一方面任一项所述的一种基于协同过滤算法的政务服务事项推荐方法为登录用户推荐政府服务事项，所述系统包括：

办件信息采集模块，所述办件信息采集模块用于从办件库中读取办件信息，所述办件信息包括办件申请人的身份标识和所办事项的事项编码，并将每条办事信息作为一个记录存储至数据库中；

频繁事项构建模块，所述频繁事项构建模块用于基于数据库中所有办件信息，合并具有相同身份标识的事项编码、组成事项编码集合，并将身份标识、事项编码集合以及事项编码集合的生成时间作为一个记录存储至事项频繁项表中；

相似度表构建模块，所述相似度表构建模块用于对于数据库中所有办件申请人，依次选取两个办件申请人，计算所述两个办件申请人之间事项的相似度，并将所述两个办件申请的身份标识人以及两个办件申请人之间事项的相似度作为一条记录存储至相似度表中；

推荐分析模块，对于浏览政府网站的登录用户，所述推荐分析模块用于基于所述登录用户的身份标识，从所述相似度表中查至少一个与所述登录用户相似的办件申请人作为相似申请人，基于登录用户的身份标识从所述事项频繁项表中查所述登录用户办理过的事项组成第一事项集合，并基于相似申请人的身份标识从所述事项频繁项表中查所述相似申请人办理过的事项组成第二事项集合，基于所述第一事项集合和所述第二事项集合的差集向登录用户推荐事项；

数据库，所述数据库用于存储每条办事信息以及所述事项频繁项表和相似度表。

作为优选，对于数据库中所有办件申请人，所述相似度表构建模块用于依次选取两个办件申请人，通过杰卡德相似度公式计算所述两个办件申请人之间事项的相似度，相似度计算公式为：

其中，A为一个办件申请人申请的事项，B为另一个办件申请人申请的事项。

作为优选，对于作为个人的办件申请人，所述身份标识包括身份证号码和护照号码；对于作为法人的办件申请人，所述身份标识包括社会统一信用码；

所述数据库包括关系型数据库和Redis数据库，每条办事信息作为一个记录存储于关系型数据库，所述事项频繁项表以及相似度表均存储于Redis 数据库。

作为优选，所述相似度表构建模块用于对所述相似度表进行预处理，将所述相似度表中相似度高于阈值以及低于阈值的记录删除。

作为优选，所述办件信息还包括所办事项所属部门的部门代码、以及所办事项所属区划的区划编码；

所述频繁事项构建模块用于基于数据库中所有办件信息，合并具有相同身份标识的事项编码、组成事项编码集合，并将身份标识、事项编码集合以及事项编码集合的生成时间作为一个记录存储至事项频繁项表中，并基于所述事项编码集合，合并满足相同聚合条件的事项编码、组成事项编码子集合，并将身份标识、事项编码子集合以及事项编码子集合的生成时间作为一个记录存储至对应的频繁事项聚合表中；所述聚合条件包括所办事项所属部门的部门代码以及所办事项所属区划的区划编码；

对于浏览政府网站的登录用户，所述推荐分析模块用于基于登录用户的身份标识从所述事项频繁项表或频繁事项聚合表中查所述登录用户办理过的事项组成第一事项集合，并基于相似申请人的身份标识从所述事项频繁项表或频繁事项聚合表中查所述相似申请人办理过的事项组成第二事项集合，基于所述第一事项集合和所述第二事项集合的差集向登录用户推荐事项。

本发明的基于协同过滤算法的政务服务事项推荐方法及系统具有以下优点：

1、合并具有相同身份标识的事项编码组合事项编码集合，并将身份标识、事项编码集合以及事项编码集合的生成时间作为一个记录存储至事项频繁项表中，基于办件申请人之间事项的相似度构建相似度表，对于登录用户，从相似度表中查该登录用户的相似申请人，并从事项频繁项表中分别查登录用户和相似申请人所办过的事项，并将两个事项集合的差集作为登录用户的推荐事项，从而实现了政府事务事项的精确推荐；

2、在组成事项编码集合的基础上，基于不同聚合条件合，分别合并满足相同聚合条件的事项编码、组成事项编码子集合吗，从而挖掘出的事项间关联关系，为不同的区划、部门或跨层级、跨区域、跨部门的组织机构提供相应的办件数据分析，优化频繁申报的事项集合和多事项的办理流程。

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

下面结合附图对本发明进一步说明。

图1为实施例1一种基于协同过滤算法的政务服务事项推荐方法的流程框图。

下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互结合。

本发明实施例提供基于协同过滤算法的政务服务事项推荐方法及系统，用于解决如何高效的为申办人推荐政务服务事项，实现个性化、智能化的申报服务的技术问题。

实施例1：

本发明一种基于协同过滤算法的政务服务事项推荐方法，根据用户之间的相似性，推荐用户可能需要的事项，该方法包括如下步骤：

S100、从办件库中读取办件信息，所述办件信息至少包括办件申请人的身份标识和所办事项的事项编码，并将每条办事信息作为一个记录存储至数据库中；

S200、基于数据库中所有办件信息，合并具有相同身份标识的事项编码、组成事项编码集合，并将身份标识、事项编码集合以及事项编码集合的生成时间作为一个记录存储至事项频繁项表中；

S300、对于数据库中所有办件申请人，依次选取两个办件申请人，计算所述两个办件申请人之间事项的相似度，并将所述两个办件申请的身份标识人以及两个办件申请人之间事项的相似度作为一条记录存储至相似度表中；

S400、对于浏览政府网站的登录用户，基于所述登录用户的身份标识，从所述相似度表中查至少一个与所述登录用户相似的办件申请人作为相似申请人，基于登录用户的身份标识从所述事项频繁项表中查所述登录用户办理过的事项组成第一事项集合，并基于相似申请人的身份标识从所述事项频繁项表中查所述相似申请人办理过的事项组成第二事项集合，基于所述第一事项集合和所述第二事项集合的差集向登录用户推荐事项。

步骤S100从数据库中读取众办件信息，该办件信息至少需要有办件申请人的身份标识和所办事项的事项编码，对于个人用户，身份标识可以是身份证号码、护照号码，对

于法人用户，身份标识可以是社会统一信用代码。

每条办件信息作为一条记录存储在关系性数据库中，具体的存储在数据库表biz_log中，数据库表biz_log的结构如表1所示。

表1、数据库表biz_log

字段名 类型 说明 Biz_num Vchar 办件流水号，主键 Applicant_id Vchar 申请人标识。身份证号码、统一信用代码等 Item_code Vchar 事项编码 Region_code Vchar 区划编码 Dept_code Vchar 部门代码

步骤S200合并具有相同身份标识的事项编码，组成事项集合。在具体实施时，对于每个身份标识，合并该身份标识的所有事项编码组成事项编码集合，将身份标识、事项编码集合以及该事项编码集合的生成时间作为一个记录存储在数据库表fp_items中，该数据库表fp_items作为事项频繁项表存储身份标识用户对应的所有事项的事项编码。数据库表fp_items的结构如表2所示。

表2、数据库表fp_items

字段名 类型 说明 Item_codes Vchar 事项编码的集合，用逗号分隔 Applicant_id Vchar 申请人标识。身份证号码、统一信用代码等 G_time time 集合的生成时间

步骤S300计算用户间的相似度，具体实施为对于数据库中所有办件申请人，依次选取两个办件申请人，通过杰卡德相似度公式计算所述两个办件申请人之间事项的相似度，相似度计算公式为：

其中A为申请人A申请的事项，B为申请人B申请的事项。

以全部的事项集合fp_items为例，两两计算申请人之间事项的相似度，记录在相似度表fp_appli_simi中。相似度表fp_appli_simi的结构如表3所示。

表3、数据库表fp_appli_simi

字段名 类型 说明 Applicant_id Vchar 申请人标识 Applicant_id_simi Vchar 相似的申请人标识 similarity double 相似度

步骤S400进行推荐，当用户登录政务服务网，通过其标识Applicant_id查相似度最高的相似申请人标识Applicant_id_simi。利用这两个标识到fp_items、 fp_items_dept或fp_items_region表中查询当前登陆人申请过的事项集合，记为 S1；相似申请人申请过的事项集合，记为S2。计算S1、S2的差集，即可向当前登录的申请人进行推荐。

鉴于相似度表中存在过高或过低的相似度，影响后续推荐精度，作为改进，对生成的相似度表进行预处理，将相似度表中相似度高于阈值以及低于阈值的删除。

鉴于事项涉及不同的区划以及部门的配合，为提高关联性，办件信息还包括所办事项所属部门的部门代码、以及所办事项所属区划的区划编码。

在构建步骤S200中，合并具有相同身份标识的事项编码、组成事项编码集合，并将身份标识、事项编码集合以及事项编码集合的生成时间作为一个记录存储至事项频繁项表中，并基于所述事项编码集合，合并满足相同聚合条件的事项编码、组成事项编码子集合，并将身份标识、事项编码子集合以及事项编码子集合的生成时间作为一个记录存储至对应的频繁事项聚合表中；所述聚合条件包括所办事项所属部门的部门代码以及所办事项所属区划的区划编码。

作为具体实施，聚合条件为所办事项所属区划的区划编码时，基于同一个身份标识下所有事项，合并同一个区划编码的事项组成一个事项编码子集，将身份标识、事项编码子集合以及事项编码子集合的生成时间作为一个记录存储至频繁事项聚合表fd_items_region中，频繁事项聚合表fd_items_region 的结构如表4所示。

表4、数据库表fp_items_region

聚合条件包括所办事项所属部门的部门代码以及所办事项所属区划的区划编码两种，得到fp_items_dept，该表存储按部门代码聚合的事项集合；fd_items_region，该表存储按区划代码聚合的事项集合。表结构如下：

对应的步骤S300中，对于浏览政府网站的登录用户，基于登录用户的身份标识从所述事项频繁项表或频繁事项聚合表中查所述登录用户办理过的事项组成第一事项集合，并基于相似申请人的身份标识从所述事项频繁项表或频繁事项聚合表中查所述相似申请人办理过的事项组成第二事项集合，基于所述第一事项集合和所述第二事项集合的差集向登录用户推荐事项。

本实施例依托众办件大数据的支撑，利用数据挖掘方法，对众的办件数据进行分析，研判用户的潜在需求，结合用户定制信息，主动为用户推荐关联度高的事项办事服务。本实施例利用机器学习的方法，量化协同过滤、推荐的效果，自动推导、定时更新，随数据量的增大，机器学习的精确度也会随之提高。同时省去了人工配置推荐规则的步骤。本实施例利用挖掘出的事项间关联关系，为不同的区划、部门或跨层级、跨区域、跨部门的组织机构提供相应的办件数据分析，优化频繁申报的事项集合和多事项的办理流程。

实施例2；

本发明一种基于协同过滤算法的政务服务事项推荐系统，包括办件信息采集模块、频繁事项构建模块、相似度表构建模块、推荐分析模块以及数据库，该系统可通过实施例1公开的方法为用户推荐事项。

办件信息采集模块用于从办件库中读取办件信息，所述办件信息包括办件申请人的身份标识和所办事项的事项编码，并将每条办事信息作为一个记录存储至数据库中。

该办件信息至少需要有办件申请人的身份标识和所办事项的事项编码，对于个人用户，身份标识可以是身份证号码、护照号码，对于法人用户，身份标识可以是社会统一信用代码。每条办件信息作为一条记录存储在关系性数据库中，具体的存储在数据库表biz_log中，数据库表biz_log的结构如实施例1表 1所示。

频繁事项构建模块用于基于数据库中所有办件信息，合并具有相同身份标识的事项编码、组成事项编码集合，并将身份标识、事项编码集合以及事项编码集合的生成时间作为一个记录存储至事项频繁项表中。事项频繁项表的结构如实施例2表2所示。

相似度表构建模块用于对于数据库中所有办件申请人，依次选取两个办件申请人，计算所述两个办件申请人之间事项的相似度，并将所述两个办件申请的身份标识人以及两个办件申请人之间事项的相似度作为一条记录存储至相似度表中。作为具体实施，该模块通过杰卡德相似度公式计算所述两个办件申请人之间事项的相似度，相似度计算公式为：

其中A为申请人A申请的事项，B为申请人B申请的事项。

相似度表的结构如实施例1表3所示。

对于浏览政府网站的登录用户，所述推荐分析模块用于基于所述登录用户的身份标识，从所述相似度表中查至少一个与所述登录用户相似的办件申请人作为相似申请人，基于登录用户的身份标识从所述事项频繁项表中查所述登录用户办理过的事项组成第一事项集合，并基于相似申请人的身份标识从所述事项频繁项表中查所述相似申请人办理过的事项组成第二事项集合，基于所述第一事项集合和所述第二事项集合的差集向登录用户推荐事项。

数据库用于存储每条办事信息以及所述事项频繁项表和相似度表。作为具体实施，数据库包括关系型数据库和Redis数据库，每条办事信息作为一个记录存储于关系型数据库，所述事项频繁项表以及相似度表均存储于Redis数据库。

上文通过附图和优选实施例对本发明进行了详细展示和说明，然而本发明不限于这些已揭示的实施例，基与上述多个实施例本领域技术人员可以知晓，可以组合上述不同实施例中的代码审核手段得到本发明更多的实施例，这些实施例也在本发明的保护范围之内。