[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN116150483A - 基于贝叶斯网络模型的电子证照推荐方法、设备及存储介质 - Google Patents

基于贝叶斯网络模型的电子证照推荐方法、设备及存储介质 Download PDF

Info

Publication number
CN116150483A
CN116150483A CN202310079174.0A CN202310079174A CN116150483A CN 116150483 A CN116150483 A CN 116150483A CN 202310079174 A CN202310079174 A CN 202310079174A CN 116150483 A CN116150483 A CN 116150483A
Authority
CN
China
Prior art keywords
government service
government
bayesian network
network model
matters
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310079174.0A
Other languages
English (en)
Inventor
赵志远
常昊
吴升
林丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fuzhou University
Original Assignee
Fuzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fuzhou University filed Critical Fuzhou University
Priority to CN202310079174.0A priority Critical patent/CN116150483A/zh
Publication of CN116150483A publication Critical patent/CN116150483A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及信息技术服务技术领域，具体涉及一种基于贝叶斯网络模型的电子证照推荐方法、设备及存储介质。本申请方法包括以下步骤：采集用户办理的政务服务事项及其对应证照文件的样本数据；对样本数据进行预处理；根据样本数据构建贝叶斯网络模型；基于用户办理的政务服务事项,根据贝叶斯网络模型中后续政务服务事项的概率从高到底排序，输出最靠前的政务服务事项以及对应的证照文件集合。本发明基于政务服务事项关联的证照及时间序列关系，考虑居民办事地理区位差异，分别构建证照文件推荐模型，根据模型为用户办理的政务服务事项推荐优选的后续政务服务事项及所需证照文件集合，可以提高政务服务中应用的便捷性和智能化水平。

Description

基于贝叶斯网络模型的电子证照推荐方法、设备及存储介质
技术领域
本申请涉及信息技术服务技术领域，具体涉及一种基于贝叶斯网络模型的电子证照推荐方法、设备及存储介质。
背景技术
电子证照是指由国家公共管理和服务机构依法制发的各类不涉及国家秘密的证件、执(牌)照、批文、鉴定报告、证明材料等数据电文。近年来，随着信息技术的不断发展，传统纸质证照电子化程度逐渐提升，也为电子证照创新应用奠定基础。随着我国数字政府建设的不断深入，依托电子证照打造的“一趟不用跑”“一件事”集成套餐服务、“不见面审批”等模式，成为推动“互联网+政务服务”改革的基础支撑。进一步提高电子证照的应用水平和覆盖范围成为深化数字政府建设改革的重要途径。
目前，国家和各地均建设运行的政府网上办事大厅平台记录了详细的事项办理信息，包括申请对象名称、办理事项名称、办理时间、使用证件等。这些信息能够帮助分析申请人办理事情的流程，梳理事项与事项之间的关联，找出相同政务服务事项所用到的电子证照列表形成用证集合，对构建电子证照的智能服务推荐方法提供支撑。
已有关于电子证照智能推荐服务主要基于政务服务事项与办件所需的证件列表之间的关系开展，主要应用场景可分为两类：(1)在网上办事大厅中，根据用户搜索选择的政务服务事项推荐所需的电子证照集合。例如：基于政务样本场景用唯一标识符串联政务事项与电子证照集合，并基于业务请求识别申请人身份获取所需要的电子证照集合。(2)通过结合政务事项名称实现电子证照智能推荐。例如：通过拆分电子证照的申请请求，识别出不同办理事项的前后关系，提醒后续的事项办理，为可能的电子证照推荐奠定基础。
现有技术存在主要有三方面的缺点：(1)忽略政务服务事项之间的证件关系，难以支撑基于政务服务事项前后置关系的电子证照推荐，例如仅在单项办件中进行电子证照智能推荐，没有兼顾后续潜在的政务服务事项。(2)仅针对政务事项办理流程进行优化推荐，未考虑事项与证件之间的关系，难以深度支持“一趟不用跑”等政务服务改革。(3)未考虑不同地区之间的差异进而做到更精准的智能推荐，例如经济发展不同、区位不同的地市之间办事使用电子证照及事项流程之间差异。
发明内容
本发明的目的之一在于提供一种基于贝叶斯网络模型的电子证照推荐方法，基于政务服务事项关联的电子证照及时间序列关系，同时考虑居民办事角度及地理区位差异，构建电子证照智能推荐模型，根据模型为用户办理的政务服务事项推荐优选的后续政务服务事项及所需电子证照文件集合，可以提高政务服务中应用的便捷性和智能化水平。
为了解决上述技术问题，本发明提供了一种基于贝叶斯网络模型的电子证照推荐方法，包括以下步骤：
步骤1、采集样本数据；所述样本数据包括用户办理的政务服务事项及其对应电子证照文件集合；
步骤2、对所述样本数据进行预处理；
步骤3、根据所述样本数据构建贝叶斯网络模型，包括以下步骤：
步骤31、贝叶斯网络结构图构建，具体为：将政务服务事项作为贝叶斯网络模型的节点，并根据所述样本数据中用户办理政务服务事项的先后关系，建立贝叶斯网络模型的节点之间的有向连接边，同时将每个政务服务事项节点与办理该政务服务事项所涉及的电子证照文件组合进行关联，表达公式为EPi＝{Ei,Li}，其中，EPi代表贝叶斯网络结构图中政务服务事项节点i，Ei代表节点i对应的政务服务事项，Li代表节点i涉及到的电子证照文件集合；
步骤32、后验条件概率矩阵构建，包括以下步骤：
步骤321、定义P(Ei＝1)表示政务服务事项Ei发生的概率，P(Ei＝0)表示政务服务事项Ei不发生的概率，且两者之和为1；
步骤322、计算政务服务事项的先验概率，计算公式为：
Figure BDA0004066981970000021
其中，k1为政务服务事项节点Ei发生的次数m1i，λ1为泊松分布的期望值，通过对应政务服务事项在所有政务服务事项的占比进行计算，计算公式为：
Figure BDA0004066981970000022
其中，N1为所有节点数量，即政务服务事项类型数量；
步骤323、计算政务服务事项联合分布概率，计算公式为：
Figure BDA0004066981970000031
其中，k2为事项节点Ei之后为事项节点Ei+1的出现次数m2i，λ2为泊松分布的期望值，通过对应政务服务事项在所有事项中的占比进行计算，计算公式为：
Figure BDA0004066981970000032
其中，N2为所有政务服务事项节点连接边的数量，即所有政府服务事项按照统一用户办理先后顺序形成的组合次数数量；
步骤324、计算各政务服务事项的后验概率矩阵，计算公式为：
P(Ei＝1|Ei+1＝1)＝P(Ei＝1,Ei+1＝1)/P(Ei+1＝1)
其中，P(Ei＝1|Ei+1＝1)表示发生了政务服务事项Ei+1的情况下，前一个政务服务事项是政务服务事项Ei的条件概率；
步骤325、计算发生政务服务事项Ei后为政务服务事项Ei+1的条件概率，计算公式为：
P(Ei+1＝1|Ei＝1)＝P(Ei＝1|Ei+1＝1)*P(Ei+1＝1)/P(Ei＝1)
其中，P(Ei＝1|Ei+1＝1)根据步骤324所述的后验概率矩阵计算，P(Ei＝1)和P(Ei+1＝1)则根据步骤322中的先验概率进行计算；
步骤4、基于用户办理的政务服务事项,根据所述贝叶斯网络模型中后续政务服务事项的概率从高到低排序，输出最靠前的X个政务服务事项{RE1,RE2,…,REx,…,REX}，以及推荐的电子证照文件集合rli，即前X个政务服务事项对应的RLx的并集。
本申请先根据用户申请政务服务事项的历史样本数据，构建组成贝叶斯网络模型的政务服务事项节点以及政务服务事项节点之间的有向关系边，再计算出当发生政务服务事项Ei后为政务服务事项Ei+1的条件概率。在用户理的政务服务事项的时候，根据概率大小推荐合适的后续政务服务事项以及相应的电子证照文件集合。一方面，本方案利用贝叶斯网络模型的特点，考虑到了不同政务服务事项直接的前后办理关系，可以推荐优选的后置政务服务对象，另一方面，本方案考虑到了政务服务事项与电子证照文件之间的关系，在推荐后置政务服务对象的同时输出对应的电子证照文件集合。
进一步地，所述的基于贝叶斯网络模型的电子证照推荐方法，所述对样本数据进行预处理，包括以下步骤：
步骤21、剔除异常值；
步骤22、剔除重复数据。
进一步地，所述的基于贝叶斯网络模型的电子证照推荐方法，还包括步骤5、构建准确率Eac度量单次推荐情况，反映推荐算法的水平并为后续模型优化提供参考，所述准确率计算方式为：
Figure BDA0004066981970000041
其中，Q表示在样本数据中用户基于一次政务服务事项后续事项所用到的电子证件文件数量Q，q表示根据该政务服务事项所用到的电子证件文件在贝叶斯网络模型推荐的电子证照文件范畴中的数量。
本申请的技术方案，可以通过计算统计准确率参数，反映模型的准确度，为后续模型优化提供参考。
进一步地，所述的基于贝叶斯网络模型的电子证照推荐方法，还包括以下步骤：根据所述样本数据中政务服务事项归属地信息，分别构建每个归属地本地贝叶斯网络模型；根据用户办理政务服务事项的所在归属地，选择归属地对应的贝叶斯网络模型进行推荐。
本申请的技术方案，在构建贝叶斯网络模型之前，可以根据归属地信息对样本数据继续划分，在进行推荐的时候可以用归属地对应的贝叶斯网络模型进行推荐，该方式可以充分考虑不同地区用户办理政务服务事项的习惯，做到更符合该地区用户行为的精准推荐结果。
相应地，本申请还提供了一种计算机设备，所述计算机设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述基于贝叶斯网络模型的电子证照推荐方法的步骤。
相应地，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一项所述基于贝叶斯网络模型的电子证照推荐方法的步骤。
区别于现有技术，本发明技术方案的有益效果有：
1.一方面，本方案利用贝叶斯网络模型的特点，考虑到了不同政务服务事项直接的前后办理关系，可以推荐优选的后置政务服务对象，另一方面，本方案考虑到了政务服务事项与电子证照文件之间的关系，在推荐后置政务服务对象的同时输出对应的电子证照文件集合。
2.在构建贝叶斯网络模型之前，可以根据归属地信息对样本数据继续划分，在进行推荐的时候可以用归属地对应的贝叶斯网络模型进行推荐，该方式可以充分考虑不同地区用户办理政务服务事项的习惯，做到更符合该地区用户行为的精准推荐结果。
附图说明
图1是本发明基于贝叶斯网络模型的电子证照推荐方法步骤流程图。
图2是本发明对样本数据进行预处理的步骤流程图。
图3是本发明根据样本数据构建贝叶斯网络模型的步骤流程图。
图4是本发明贝叶斯网络模型结构示意图。
图5是本发明后验条件概率矩阵构建的步骤流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
如图1，是本发明基于贝叶斯网络模型的电子证照推荐方法步骤流程图，包括以下步骤：
步骤1、采集样本数据。本申请所述的样本数据来自用户办理政务服务事项的历史数据，包括用户办理的政务服务事项及其对应电子证照文件集合。例如，办理“提取公积金”政务服务事项，该事项所对应的电子证照文件包括身份证、不动产证等。
步骤2、对所述样本数据进行预处理；如图2所示，是本申请对样本数据进行预处理的步骤流程图，包括以下步骤：
步骤21、剔除异常值。例如，去除数据中使用证件记录为空值的数据。
步骤22、剔除重复数据。例如，从样本数据中识别同一申请人办理同一政务服务事项的重复数据记录，并只保留最新的该政务服务事项办理记录。
步骤3、根据所述样本数据构建贝叶斯网络模型，如图3所示，是本申请根据样本数据构建贝叶斯网络模型的步骤流程图，包括以下步骤：
步骤31、贝叶斯网络结构图构建，具体为：将政务服务事项作为贝叶斯网络模型的节点，并根据所述样本数据中用户办理政务服务事项的先后关系，建立贝叶斯网络模型的节点之间的有向连接边，同时将每个政务服务事项节点与办理该政务服务事项所涉及的电子证照文件组合进行关联，表达公式为EPi＝{Ei,Li}，其中，EPi代表贝叶斯网络结构图中政务服务事项节点i，Ei代表节点i对应的政务服务事项，Li代表节点i涉及到的电子证照文件集合。
如上述描述，政务服务事项作为贝叶斯网络模型的节点，政务服务事项节点之间的连接边是按照事项办理的前后时间顺序进行构建。在贝叶斯网络结构图中，对于存在直接的先后依赖关系的政务服务事项，事项节点之间全部都是单向的，例如，新生儿需要先办理出生证明，然后才能依次办理户口、医保、社保等事项，并使用或产生相应的证件，对应在贝叶斯网络上，办理出生证事项节点与办理户口节点、办理医保节点以及办理社保节点直接的边均为单向的边。而对于无先后依赖关系的政务服务事项，事项节点之间的顺序则可能是双向的，例如提取公积金、社保卡信息变更两个事项类型之间无依赖关系，对象事项节点之间的顺序是双向的。本申请所述的贝叶斯网络结构图构建示意见图4所示。
贝叶斯网络结构图建立后，需要分析并统计所有事项节点及后置节点之间的连接边频率，同时依照概率计算公式得到各事项节点发生的先验概率和后验概率，量化复杂事项结构及分布规律，具体计算公式及流程说明如下：
步骤32、后验条件概率矩阵构建，如图5所示，是本发明后验条件概率矩阵构建的步骤流程图，包括以下步骤：
步骤321、定义P(Ei＝1)表示政务服务事项Ei发生的概率，P(Ei＝0)表示政务服务事项Ei不发生的概率，且两者之和为1；
步骤322、计算政务服务事项的先验概率，由于一定时间范围内办理相同政务事项的次数为随机事件，符合被常用于描述随机事件发生的泊松概率分布模型，所以对应的复杂事件发生的先验概率可由泊松分布概率公式计算得到，以政务事项Ei为例，其先验概率为该节点发生的概率计算公式为：
Figure BDA0004066981970000061
其中，k1为政务服务事项节点Ei发生的次数m1i，λ1为泊松分布的期望值，通过对应政务服务事项在所有政务服务事项的占比进行计算，计算公式为：
Figure BDA0004066981970000062
其中，N1为所有节点数量，即政务服务事项类型数量；
步骤323、计算政务服务事项联合分布概率，计算公式为：
Figure BDA0004066981970000063
其中，k2为事项节点Ei之后为事项节点Ei+1的出现次数m2i，λ2为泊松分布的期望值，通过对应政务服务事项在所有事项中的占比进行计算，计算公式为：
Figure BDA0004066981970000071
其中，N2为所有政务服务事项节点连接边的数量，即所有政府服务事项按照统一用户办理先后顺序形成的组合次数数量；
步骤324、计算各政务服务事项的后验概率矩阵，计算公式为：
P(Ei＝1|Ei+1＝1)＝P(Ei＝1,Ei+1＝1)/P(Ei+1＝1)
其中，P(Ei＝1|Ei+1＝1)表示发生了政务服务事项Ei+1的情况下，前一个政务服务事项是政务服务事项Ei的条件概率，在贝叶斯网络中，政务服务事项节点之间的先后关系根据连接边的箭头指向确定，箭头来源的节点为Ei，指向的节点为Ei+1。有关数据可根据已有的历史办件信息进行统计，构建形成后延概率矩阵。
步骤325、计算发生政务服务事项Ei后为政务服务事项Ei+1的条件概率，计算公式为：
P(Ei+1＝1|Ei＝1)＝P(Ei＝1|Ei+1＝1)*P(Ei+1＝1)/P(Ei＝1)
其中，P(Ei＝1|Ei+1＝1)根据步骤324所述的后验概率矩阵计算，P(Ei＝1)和P(Ei+1＝1)则根据步骤322中的先验概率进行计算。
基于本步骤，即可根据后验条件概率矩阵以及当前已发生政务服务事项概率，计算得到当发生了Ei政务服务事项，后续为其他事项的概率情况，为后续按照概率大小选择推荐事项和关联电子证照奠定基础。
步骤4、基于用户办理的政务服务事项,根据所述贝叶斯网络模型中后续政务服务事项的概率从高到低排序，输出最靠前的X个政务服务事项{RE1,RE2,…,REx,…,REX}，以及推荐的电子证照文件集合rli，即前X个政务服务事项对应的RLx的并集，如下公式所示。
rli＝RL1∪RL2∪…∪RLx…∪RLX
例如，当用户办理“办理出生证明”事项时，根据本申请的所述贝叶斯网络模型中，计算出后续分别为“登记户口”“提取住房公积金”等各政务服务事项的概率，筛选概率最大的几个事项，并将有关事项对应的证照作为推荐的内容。
本发明使用政务事项数据构建贝叶斯网络模型，可以挖掘并梳理政务事项办理的潜在流程，同时找出政务事项与电子证照之间的关系。一方面，本方案利用贝叶斯网络模型的特点，考虑到了不同政务服务事项直接的前后办理关系，可以推荐优选的后置政务服务对象，另一方面，本方案考虑到了政务服务事项与电子证照文件之间的关系，在推荐后置政务服务对象的同时输出对应的电子证照文件集合。本申请的技术方案可以减少政务事项办理时间，提高居民办理政务事项的效率，有效支撑电子证照场景化智能应用服务，进一步提升公共服务、社会治理等数字化智能化水平。
在一优选的实施例中，本申请的基于贝叶斯网络模型的电子证照推荐方法，为衡量评估推荐结果的准确性水平，综合反映推荐算法的精确度，为后续模型优化提供参考可以通过步骤5构建准确率Eac度量单次推荐情况，随机抽取统一用户先后办理不同事项的案例，利用本发明方法，基于前一次政务服务事项推荐后续电子证照集合，计算后续事件所用到的证件集合数量Q中，在推荐证照名单中证照数量q的占比情况，计算方式为：
Figure BDA0004066981970000081
其中，Q表示在样本数据中用户基于一次政务服务事项后续事项所用到的电子证件文件数量Q，q表示根据该政务服务事项所用到的电子证件文件在贝叶斯网络模型推荐的电子证照文件范畴中的数量。
在另一优选的实施例中，本申请的基于贝叶斯网络模型的电子证照推荐方法，还包括以下步骤：根据所述样本数据中政务服务事项归属地信息，分别构建每个归属地本地贝叶斯网络模型；根据用户办理政务服务事项的所在归属地，选择归属地对应的贝叶斯网络模型进行推荐。
本发明在构建模型时考虑用户查找角度及不同地区的差异情况，通过查找目标政务事项，在构建不同地市级别的贝叶斯网络模型基础上做出推荐。该方式可以充分考虑不同地区用户办理政务服务事项的习惯，做到更符合该地区用户行为的精准推荐结果，可以实现更加具有针对性的电子证照智能推荐方法，有效推动民生服务品质及地市政务服务优化。
本发明从国内某省的网上政务大厅办事数据中筛选了2022年4月到6月之间的数据，经过数据清洗后共544275条政务数据记录，每条记录包括申请人名称、申请事项名称等信息用于分析测试本发明方法智能推荐服务的准确性。其中4、5月数据为建立贝叶斯网络模型数据，6月数据为留存数据用作后续验证。本方法能够从原始数据中有效挖掘政务办理事项之间的关系，并找出对应的电子证照集合，能够有效的基于即将办理的事项政务事项为申请人推荐后续需要办理的潜在流程中的事项，并推荐需要的电子证照集合，并从居民办事角度和地区差异角度提出优化策略。
实施例二
本实施例还提供一种计算机设备，如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。本实施例的计算机设备至少包括但不限于：可通过系统总线相互通信连接的存储器、处理器。在一些实施例中，存储器可以是计算机设备的内部存储单元，例如该计算机设备的硬盘或内存，也可以是计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡等。处理器在可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片，用于控制计算机设备的总体操作。具体的，在本实施例中，处理器用于运行存储在所述存储器上计算机程序，所述处理器执行所述计算机程序时实现上述任一项基于贝叶斯网络模型的电子证照推荐方法的步骤。
实施例三
本实施例还提供了一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器,(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如上述任一项基于贝叶斯网络模型的电子证照推荐方法的步骤。
上述具体实施方式只是对本发明的技术方案进行详细解释，本发明并不只仅仅局限于上述实施例，凡是依据本发明原理的任何改进或替换，均应在本发明的保护范围之内。

Claims (6)

1.一种基于贝叶斯网络模型的电子证照推荐方法，其特征在于，包括以下步骤：
步骤1、采集样本数据；所述样本数据包括用户办理的政务服务事项及其对应电子证照文件集合；
步骤2、对所述样本数据进行预处理；
步骤3、根据所述样本数据构建贝叶斯网络模型，包括以下步骤：
步骤31、贝叶斯网络结构图构建，具体为：将政务服务事项作为贝叶斯网络模型的节点，并根据所述样本数据中用户办理政务服务事项的先后关系，建立贝叶斯网络模型的节点之间的有向连接边，同时将每个政务服务事项节点与办理该政务服务事项所涉及的电子证照文件组合进行关联，表达公式为EPi＝{Ei,Li}，其中，EPi代表贝叶斯网络结构图中政务服务事项节点i，Ei代表节点i对应的政务服务事项，Li代表节点i涉及到的电子证照文件集合；
步骤32、后验条件概率矩阵构建，包括以下步骤：
步骤321、定义P(Ei＝1)表示政务服务事项Ei发生的概率，P(Ei＝0)表示政务服务事项Ei不发生的概率，且两者之和为1；
步骤322、计算政务服务事项的先验概率，计算公式为：
Figure FDA0004066981950000011
其中，k1为政务服务事项节点Ei发生的次数m1i，λ1为泊松分布的期望值，通过对应政务服务事项在所有政务服务事项的占比进行计算，计算公式为：
Figure FDA0004066981950000012
其中，N1为所有节点数量，即政务服务事项类型数量；
步骤323、计算政务服务事项联合分布概率，计算公式为：
Figure FDA0004066981950000013
其中，k2为事项节点Ei之后为事项节点Ei+1的出现次数m2i，λ2为泊松分布的期望值，通过对应政务服务事项在所有事项中的占比进行计算，计算公式为：
Figure FDA0004066981950000014
其中，N2为所有政务服务事项节点连接边的数量，即所有政府服务事项按照统一用户办理先后顺序形成的组合次数数量；
步骤324、计算各政务服务事项的后验概率矩阵，计算公式为：
P(Ei＝1|Ei+1＝1)＝P(Ei＝1,Ei+1＝1)/P(Ei+1＝1)
其中，P(Ei＝1|Ei+1＝1)表示发生了政务服务事项Ei+1的情况下，前一个政务服务事项是政务服务事项Ei的条件概率；
步骤325、计算发生政务服务事项Ei后为政务服务事项Ei+1的条件概率，计算公式为：
P(Ei+1＝1|Ei＝1)＝P(Ei＝1|Ei+1＝1)*P(Ei+1＝1)/P(Ei＝1)
其中，P(Ei＝1|Ei+1＝1)根据步骤324所述的后验概率矩阵计算，P(Ei＝1)和P(Ei+1＝1)则根据步骤322中的先验概率进行计算；
步骤4、基于用户办理的政务服务事项,根据所述贝叶斯网络模型中后续政务服务事项的概率从高到低排序，输出最靠前的X个政务服务事项{RE1,RE2,…,REx,…,REX}，以及推荐的电子证照文件集合rli，即前X个政务服务事项对应的RLx的并集。
2.如权利要求1所述的基于贝叶斯网络模型的电子证照推荐方法，其特征在于，所述对样本数据进行预处理，包括以下步骤：
步骤21、剔除异常值；
步骤22、剔除重复数据。
3.如权利要求1所述的基于贝叶斯网络模型的电子证照推荐方法，其特征在于，
还包括步骤5、构建准确率Eac度量单次推荐情况，反映推荐算法的水平并为后续模型优化提供参考，所述准确率计算方式为：
Figure FDA0004066981950000021
其中，Q表示在样本数据中用户基于一次政务服务事项后续事项所用到的电子证件文件数量Q，q表示根据该政务服务事项所用到的电子证件文件在贝叶斯网络模型推荐的电子证照文件范畴中的数量。
4.如权利要求1所述的基于贝叶斯网络模型的电子证照推荐方法，其特征在于，还包括以下步骤：根据所述样本数据中政务服务事项归属地信息，分别构建每个归属地本地贝叶斯网络模型；根据用户办理政务服务事项的所在归属地，选择归属地对应的贝叶斯网络模型进行推荐。
5.一种计算机设备，所述计算机设备包括：存储器、处理器以及存储在所述存储器上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权利要求1至4中任一项所述基于贝叶斯网络模型的电子证照推荐方法的步骤。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至权利要求4任一项所述基于贝叶斯网络模型的电子证照推荐方法的步骤。
CN202310079174.0A 2023-01-18 2023-01-18 基于贝叶斯网络模型的电子证照推荐方法、设备及存储介质 Pending CN116150483A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310079174.0A CN116150483A (zh) 2023-01-18 2023-01-18 基于贝叶斯网络模型的电子证照推荐方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310079174.0A CN116150483A (zh) 2023-01-18 2023-01-18 基于贝叶斯网络模型的电子证照推荐方法、设备及存储介质

Publications (1)

Publication Number Publication Date
CN116150483A true CN116150483A (zh) 2023-05-23

Family

ID=86359531

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310079174.0A Pending CN116150483A (zh) 2023-01-18 2023-01-18 基于贝叶斯网络模型的电子证照推荐方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116150483A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118710474A (zh) * 2024-08-28 2024-09-27 数字安徽有限责任公司 政务服务推荐方法、装置、电子设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118710474A (zh) * 2024-08-28 2024-09-27 数字安徽有限责任公司 政务服务推荐方法、装置、电子设备及存储介质
CN118710474B (zh) * 2024-08-28 2024-12-03 数字安徽有限责任公司 政务服务推荐方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
WO2021174944A1 (zh) 基于目标对象活跃度的消息推送方法及相关设备
CN103279542B (zh) 数据导入处理方法及数据处理装置
CN109150971B (zh) 超级节点投票和选举方法、装置和网络节点
US10614073B2 (en) System and method for using data incident based modeling and prediction
CN106779457A (zh) 一种企业信用评估方法及系统
CN111159184B (zh) 元数据追溯方法、装置及服务器
CN111383005B (zh) 数字货币流向追踪方法及装置
WO2021174693A1 (zh) 一种数据分析方法、装置、计算机系统及可读存储介质
CN108022043A (zh) 一种异常用电行为的识别方法、装置及中央服务器
CN105023196A (zh) 充电站充电交易数据的分析方法及装置
WO2022247955A1 (zh) 非正常账号识别方法、装置、设备和存储介质
CN112632405A (zh) 一种推荐方法、装置、设备及存储介质
CN107066512A (zh) 一种基于Hadoop的用户偏好评估方法及系统
CN112995201B (zh) 一种基于云平台的资源价值评估处理方法和相关装置
CN114331665B (zh) 用于预定申请人的信用判定模型的训练方法、装置和电子设备
CN114385820A (zh) 一种企业级审计知识图谱构建方法
CN115660711A (zh) 用户id生成方法、装置、电子设备及可读存储介质
WO2021098214A1 (zh) 数据样本获取方法、装置、电子设备及存储介质
CN116150483A (zh) 基于贝叶斯网络模型的电子证照推荐方法、设备及存储介质
CN114969528B (zh) 基于能力评测的用户画像和学习路径推荐方法、装置及设备
CN114881508A (zh) 一种电网指标报表的数据处理方法、装置及设备
CN110175199A (zh) 基于k均值聚类算法的能源企业关键用户识别分析方法
CN114648010A (zh) 数据表标准化方法、装置、设备及计算机存储介质
CN114444800A (zh) 一种融合事项优化方法及装置
CN115238163A (zh) 基于文献数据的信息推送方法及装置、存储介质、终端

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination