[发明专利]行政信息推荐方法、装置、设备及可读存储介质

权利要求书

1.一种行政信息推荐方法，其特征在于，包括以下步骤：

S1，获取待预测数据，所述待预测数据包括用户数据与行政业务数据；

S2，根据步骤S1的用户数据与行政业务数据获得表征用户数据的用户特征向量以及表征行政业务数据的行政业务特征向量；

S3，将用户特征向量和行政业务特征向量输入神经网络模型中，输出概率向量；

S4，根据所述概率向量预测用户的行政业务需求，并推荐相应的业务办理时间和办理地址。

2.根据权利要求1所述的行政信息推荐方法，其特征在于，所述行政业务特征向量包括行政业务标签、位置、户籍信息。

3.根据权利要求1所述的行政信息推荐方法，其特征在于，所述步骤S3采用的神经网络模型还需采用训练样本训练，以更新神经网络模型各层的参数，进而提高神经网络模型的预测准确度；训练过程包括以下步骤：

T1，输入已标注的样本数据构建样本库，所述样本数据包括用户数据与行政业务数据；

T2，将样本库中的数据采用特征向量的形式表述，得到样本用户特征向量和样本行政业务特征向量；

T3，采用样本用户特征向量和样本行政业务特征向量对神经网络模型中的参数值进行训练，更新参数值。

4.根据权利要求3所述的行政信息推荐方法，其特征在于，所述步骤T3更新参数值的详细步骤如下所述：

步骤T31，将一样本的用户特征向量和样本行政业务特征向量输入至神经网络模型中，经过神经网络模型的运算获得输出概率；

步骤T32，将输出概率与该已标注样本的真实值相比较，获得偏差值；

步骤T33，若偏差值大于预设阈值，则执行步骤T34；若偏差值小于预设阈值，则训练结束；

步骤T34，根据偏差值校正神经网络模型各个层的参数值，更新参数值，并更换样本，执行步骤T31至T33。

5.根据权利要求1所述的行政信息推荐方法，其特征在于，所述用户特征向量通过用户画像分析获取，具体获取方式如下所示：

步骤A1，输入待测用户数据，通过SQL查询和数据清洗获取用户的静态画像，所述静态画像包括年龄、职业、性别、婚姻状况、子女状况数据；

步骤A2，所述用户数据经过SQL查询和数据清洗后输入多标签学习预测模型，获得用户的动态画像，所述动态画像包括用户的行政需求。

6.根据权利要求5所述的行政信息推荐方法，其特征在于，所述步骤A1中的数据清洗是指去除不合规则的数据信息。

7.根据权利要求5所述的行政信息推荐方法，其特征在于，所述多标签学习预测模型的预测过程如下所示：A21，输入多标签学习预测模型的数据按照标签种类进行分类，获取该数据针对每一个标签的特征向量；

A22，每一个标签的特征向量通过该标签对应的分类器获取每一个标签的预测概率向量；

A23，每一个标签的预测概率向量通过多标签分类器得到预测结果。

8.一种用于实施权利要求1至7任一项所述的行政信息推荐方法的行政信息推荐装置，其特征在于，包括：数据获取模块、数据处理模块、模型模块以及模型训练模块；

其中，目标图像获取模块，用于获取用户数据和行政业务数据；

数据处理模块，用于将获取的用户数据和行政业务数据转换为特征向量，并将特征向量输入模型模块；

模型模块，用于利用神经网络模型预测未来的行政需求；

模型训练模块，用于利用样本库的样本数据训练神经网络模型，更新模型参数。

9.一种行政信息推荐设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时，实现如权利要求l至7任一项所述行政信息推荐方法的步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1至7任一项所述行政信息推荐方法的步骤。