[发明专利]一种政策数据推送方法、政策计算器、计算机设备

权利要求书

1.一种政策数据推送方法，其特征在于，所述方法包括：

自动采集公开政策数据，所述公开政策数据至少包括针对人才优惠的政策数据；

对所述公开政策数据进行预处理，将预处理后的公开政策数据输入至神经网络模型，得到预测结果，所述预测结果包括关于公开政策数据的分类结果；

实时接收终端发送的人才信息，提取所述人才信息的特征数据，将所述人才信息的特征数据与所述公开政策数据的分类结果进行匹配；

判断匹配结果是否与预设条件一致，若一致，则将所述匹配结果与预设条件一致时所对应的公开政策数据发送至对应的终端。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于自动采集的公开政策数据，定时更新预设的样本库；

利用每一次更新的样本库更新所述神经网络模型；

所述将预处理后的公开政策数据输入至神经网络模型，得到预测结果具体包括：

将预处理后的公开政策数据输入至更新后的神经网络模型，得到预测结果。

3.根据权利要求1所述的方法，其特征在于，所述公开政策数据还包括针对企业优惠的政策数据；所述方法还包括：

采集企业信息，提取所述企业信息的特征数据，将所述企业信息的特征数据与所述公开政策数据的分类结果进行匹配；

判断匹配结果是否与预设条件一致，若一致，则将所述匹配结果与预设条件一致时所对应的公开政策数据发送至对应的企业。

4.根据权利要求3所述的方法，其特征在于，所述企业信息包括企业库中所存储的公开的相关信息，和/或，企业实时输入的相关信息。

5.根据权利要求1所述的方法，其特征在于，当判断匹配结果与预设条件一致时，所述方法还包括：

将所述匹配结果与预设条件一致时所对应的公开政策数据组合，生成匹配报告；

所述将所述匹配结果与预设条件一致时所对应的公开政策数据发送至对应的终端具体包括：

将所述匹配报告发送至对应的终端。

6.根据权利要求1～5任意一项所述的方法，其特征在于，对所述公开政策数据进行预处理具体包括：

按照预设规则对所述公开政策数据进行关联并存储；

对存储的公开政策数据进行数据清洗。

7.根据权利要求6所述的方法，其特征在于，在对存储的公开政策数据进行数据清洗后，所述方法还包括：

利用机器学习算法对所述清洗后的数据进行审核，得到与所述预设规则不一致的公开政策数据；

自动调整与所述预设规则不一致的公开政策数据的关联关系；

所述将预处理后的公开政策数据输入至神经网络模型，得到预测结果；

所述将预处理后的公开政策数据输入至神经网络模型，得到预测结果包括：

将关联关系调整后的公开政策数据输入至神经网络模型，得到预测结果。

8.根据权利要求1～5、7任意一项所述的方法，其特征在于，所述方法还包括：

接收对所述公开政策数据的修正请求；

根据所述修正请求修正所述公开政策数据；

所述对所述公开政策数据进行预处理具体包括：

对修正后的公开政策数据进行预处理。

9.一种政策计算器，其特征在于，所述政策计算器包括：

采集单元，用于自动采集公开政策数据，所述公开政策数据至少包括针对人才优惠的政策数据；

第一处理单元，用于对所述公开政策数据进行预处理，将预处理后的公开政策数据输入至一神经网络模型，得到预测结果，所述预测结果包括关于公开政策数据的分类结果；

第二处理单元，用于实时接收终端发送的人才信息，提取所述人才信息的特征数据，将所述人才信息的特征数据与所述公开政策数据的分类结果进行匹配；判断匹配结果是否与预设条件一致；

第一发送单元，用于当匹配结果与预设条件一致时，则将所述匹配结果与预设条件一致时所对应的公开政策数据发送至对应的终端。

10.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于：

所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的方法。