一种政策数据推送方法、政策计算器、计算机设备

摘要

本申请实施例公开一种政策数据推送方法、政策计算器、计算机设备，方法包括：自动采集公开政策数据，公开政策数据至少包括针对人才优惠的政策数据；对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，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，提取人才信息的特征数据，将人才信息的特征数据与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。本申请可以使得企业人才在第一时间享受到政府的补贴政策，提高了人才获取政策信息的便捷性与实时性，提供全方位、综合化的政策服务。

说明书

技术领域

本发明属于计算机技术领域，尤其涉及一种政策数据推送方法、政策计算器、计算机设备。

背景技术

随着《优化营商环境条例》的正式实施，在政策服务方面明确指出了政府部门要不断完善政策措施，落实政策惠及企业、人才主体。虽然优惠政策种类繁多，但是各种政策相对分散、申报条件迥异、信息不对称等各种问题，让不少企业、人才错失好政策，不能获得真正的扶持，政策俨然成了摆设，使得企业、人才颇为失望。为完成政策服务的“最后一公里”，让更多的企业、人才获得政策红利，如何从海量的数据中，真正把政策红利释放出来，使得他们可以解决后顾之忧，让企业获得更多优惠、让人才安于创新、专于创业，成为信息技术处理领域重要的研究方向。

发明内容

为了解决现有技术的问题，本发明提出一种政策数据推送方法、政策计算器、计算机设备。该方法通过政策匹配计算，可以使得企业人才在第一时间享受到政府的补贴政策，提高了人才获取政策信息的便捷性与实时性，为人才和政府打通政策服务通道，提供全方位、综合化的政策服务。

本发明实施例提供的具体技术方案如下：

第一方面，提供一种政策数据推送方法，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

第二方面，提供一种政策计算器，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。

第三方面，提供一种计算机设备，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，所述处理器执行所述计算机程序时实现如第一方面所述的方法。

本发明实施例具有如下有益效果：

1、本发明通过政策匹配计算，可以使得人才在第一时间享受到政府的补贴政策，提高了人才获取政策信息的便捷性与实时性，为人才和政府打通政策服务通道，提供全方位、综合化的政策服务；

2、本发明还可以让企业在第一时间获得最新的有价值的并能适用本企业的政策信息，从而可以获得适合本企业的申报政策或者项目。

3、本发明定时对用于预测政策分类的神经网络模型进行更新，使得神经网络模型预测更为精确，提高了后期政策与人才、企业的匹配度；

4、本发明利用机器学习算法对政策数据进行审核，进而利用审核后的政策数据进行分类预测，可以提高预测精度。

附图说明

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。

图1是本申请一些实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的政策数据推送方法的一个实施例的流程图；

图3是根据本申请的政策数据推送方法的又一个实施例的流程图；

图4是根据本申请的政策数据推送方法的又一个实施例的流程图；

图5是根据本申请的政策计算器的一个实施例的结构示意图；

图6是适于用来实现本申请的一些实施例的计算机设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，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做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。

如背景技术所述，现有的惠民、惠企政策较为分散，企业以及人才经常错失一些优惠政策，不能获得真正的扶持。基于此，本申请申请人创造性想到构建一个政策数据库，对政策数据进行分类处理，当获取到人才信息时，便能将人才信息与政策数据进行匹配，从而找到符合人才申报的政策。

图1示出了可以应用本申请的政策数据推送方法或政策计算器的实施例的示例性系统架构。如图1所示，系统架构包括终端设备101、网络102、服务器103。

终端设备101为用于提供界面以便用户输入相关的人才信息，并将人才信息通过网络102发送至服务器103。服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以是各种计算机设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、智能空调、智能音响、智能音箱等等。当服务器103为软件时，可以安装在上述所列举的计算机设备中。

网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路等等。

服务器103用于接收终端设备101发送的人才信息，并对人才信息进行处理以与公开政策数据进行匹配。服务器103可以用独立的服务端或者是多个服务端组成的服务端集群来实现。

应该理解，图1中的终端设备、网络、服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络、服务器。

参考图2，示出了根据本申请的政策数据推送方法的一个实施例的流程图，具体包括如下步骤：

201、自动采集公开政策数据，公开政策数据至少包括针对人才优惠的政策数据。

在本实施例中，政策数据推送方法的执行主体可以为服务器(例如图1所示的服务器103)。

具体的，服务器采集预设范围内政府公开网站的公开政策数据。其中，预设范围包括：科技、工信、人社、发改、商务、知识产权、文广新、农业政策等体系。

在本实施例的一些可选的实现方式中，服务器可以通过python技术，每天定时采集上述范围内的公开政策数据。

202、对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，预测结果包括关于公开政策数据的分类结果。

其中，上述神经网络模型为预先训练好的模型，优选的，可以选择卷积神经网络模型。

在本实施例的一些可选的实现方式中，对公开政策数据进行预处理具体可以包括如下步骤：

按照预设规则对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。

其中，对于每一条公开政策数据，可以按照政策标题、政策来源、政策所属省市区、政策所属发文单位、发文字号及发文时间进行关联并存储至数据库(例如图1所示的数据库104)中。另外，数据清洗方法研究较为广泛，因此对公开政策数据进行数据清晰的过程不再赘述。

上述对公开政策数据进行关联存储、数据清洗的目的在于，获得更为精确的基础数据，从而在对这些基础数据进行预测时会得到更为精确的预测结果。

在本实施例的一些可选的实现方式中，在对存储的公开政策数据进行数据清洗后，还可以包括如下步骤：

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

自动调整与预设规则不一致的公开政策数据的关联关系。

由此，服务器便可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。

利用机器学习算法对清洗后的数据进行审核，可以对有误的排版格式、政策归属体系、所属区域等不正确的公开政策数据进行调整，进一步确保公开政策数据的正确性。

203、实时接收终端发送的人才信息，提取人才信息的特征数据，将人才信息的特征数据与公开政策数据的分类结果进行匹配。

在本实施例中，服务器接收终端设备(例如图1所示的终端设备101)发送的人才信息。终端设备用于提供便于用户输入信息的页面。服务器在接收到人才信息后，提取人才信息的特征数据，并将人才信息的特征数据与公开政策数据的分类结果进行匹配。

优选的，服务器可以通过神经网络模型来提取特征。此外，还可以采用BF、RK、KMP、BM等文本匹配算法来实现人才信息和公开特征数据的匹配。

204、判断匹配结果是否与预设条件一致，若一致，则将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。

本实施例中，预设条件可以为某个范围，如>0.7。示例性的，若一终端设备发送的人才信息与某一公开政策数据匹配度为0.8，那么，服务器便将公开政策数据发送至对应的终端设备。

在本实施例的一些可选的实现方式中，服务器将公开政策数据发送至对应的终端设备之前还可以包括如下处理步骤：

将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。

由此，服务器便可将匹配报告发送至对应的终端设备。

本申请的上述实施例提供的方法，通过采集公开政策信息并进行处理，构建了政策数据库，当接收到用户的携带有人才信息的查询请求时，便可将人才信息与政策数据库中的数据进行匹配，从而向用户推送一些优惠政策，便于用户获得政策红利。

继续参见图3，其示出了根据本申请的政策数据推送方法的又一个实施例的流程图，具体包括如下步骤：

301、采集企业信息，提取企业信息的特征数据，将企业信息的特征数据与公开政策数据的分类结果进行匹配；其中，公开政策数据还包括针对企业优惠的政策数据。

302、判断匹配结果是否与预设条件一致，若一致，则将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。

在本实施例的一些可选的实现方式中，上述企业信息包括企业库中所存储的公开的相关信息，和/或，企业实时驶入的相关信息。

在本实施例的一些可选的实现方式中，服务器将公开政策数据发送至对应的终端设备之前还可以包括如下处理步骤：

将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。

由此，服务器便可将匹配报告发送至对应的企业。

本申请的上述实施例提供的方法，可以让企业在第一时间获得最新的有价值的并能适用本企业的政策信息，从而可以获得适合本企业的申报政策或者项目。

继续参见图4，其示出了根据本申请的政策数据推送方法的又一个实施例的流程图，具体包括如下步骤：

401、接收对公开政策数据的修正请求；

402、根据修正请求修正公开政策数据以对修正后的公开政策数据进行预处理。

本实施例中，可以实现公开政策数据的实时修改，防止因数据不正确而导致的与人才、企业匹配失败的情况发生。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种政策计算器的一个实施例，该政策计算器实施例与图2所示的方法实施例相对应，该政策计算器具体可以应用于各种计算机设备中。

如图5所示，本实施例的政策计算器包括：

采集单元501，用于自动采集公开政策数据，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502，用于对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，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503，用于实时接收终端发送的人才信息，提取人才信息的特征数据，将人才信息的特征数据与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504，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。

在本实施例的一些可选的实现方式中，上述政策计算器还包括：

更新单元505，用于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神经网络模型；

上述第一处理单元501还用于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。

在本实施例的一些可选的实现方式中，上述公开政策数据还包括针对企业优惠的政策数据；上述政策计算器还包括：

第三处理单元506，用于采集企业信息，提取企业信息的特征数据，将企业信息的特征数据与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；

第二发送单元507，用于当匹配结果与预设条件一致时，则将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。

在本实施例的一些可选的实现方式中，上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。

在本实施例的一些可选的实现方式中，上述政策计算器还包括组合单元508，用于当判断匹配结果与预设条件一致时，将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；

上述第一发送单元504还用于将匹配报告发送至对应的终端。

在本实施例的一些可选的实现方式中，上述第一处理单元502具体用于：

按照预设规则对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。

在本实施例的一些可选的实现方式中，上述第一处理单元502具体还用于：

在对存储的公开政策数据进行数据清洗后，利用机器学习算法对清洗后的数据进行审核，得到与预设规则不一致的公开政策数据；

自动调整与预设规则不一致的公开政策数据的关联关系；

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。

在本实施例的一些可选的实现方式中，上述政策计算器还包括修正单元509，用于接收对公开政策数据的修正请求；

根据修正请求修正公开政策数据；

上述第一处理单元502用于对修正后的公开政策数据进行预处理。

下面参考图6，其示出了适于用来实现本申请实施例的计算机设备(例如图1所示的服务器103)的结构示意图。图6示出的计算机设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

其中，图6所示的计算机设备，包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种政策数据推送方法。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。