【技术实现步骤摘要】
本申请涉及企业管理，具体涉及一种基于文本相似度计算的企业政策推荐方法。
技术介绍
1、随着云计算、大数据、人工智能等技术的发展，越来越多的数字化服务平台和政府官方网站涌现，致力于为企业提供定制化的政策信息服务。这些平台利用算法技术，如机器学习和自然语言处理，从海量政策文档中自动筛选、分类和推荐，提高了政策推送的效率和精准度。
2、目前，向企业推荐政策的实践方法大多基于传统信息传播渠道和基础的信息化手段，这些方式在一定程度上促进了政策的普及，但也显现出一些局限性。
3、一方面，政策推荐过程往往依赖于官方公告、邮件通知或行业会议等传统途径，这些渠道的信息传递效率和覆盖范围受限。企业需主动搜寻、筛选适用于自身的信息，耗时耗力且容易遗漏重要政策。此外，信息的推送普遍缺乏个性化的考量，通常采取“一刀切”的方式，没有充分考虑到不同企业的实际需求、发展阶段及所处行业的特殊性。这导致政策资源与企业需求之间匹配度不高，降低了政策实施的有效性和企业的参与度。
4、另一方面，政策环境的动态性和复杂性要求推荐系统具备高度的灵活性与即时响应能力。然而，现有的政策传播机制在信息更新速度和适应性上常常显得滞后。政策变动或新增时，从发布到企业接收之间存在时间差，且缺乏有效机制对政策内容进行持续跟踪和即时反馈调整。同时，面对快速变化的市场需求和企业运营环境，现有推荐系统往往难以做到及时调整推荐策略，以满足企业在特定时期对政策指导的迫切需求，影响了企业的决策效率和对政策红利的利用。
5、因此，尽管现有的政策推荐实践为
技术实现思路
1、本申请主要解决目前政策推荐实践方法中由于信息过载导致的个性化匹配不足，无法精确指向企业的特定需求，且政策更新与企业需求变化的同步性不强的问题。
2、本申请的实施例中提供了一种基于文本相似度计算的企业政策推荐方法，所述企业政策推荐方法包括：
3、提供基于至少一个标签维度的至少一个标签；每个所述标签维度包括自上而下依次设定的至少两个标签层，每个所述标签层包括至少一个标签；在每个所述标签维度中，相对下层标签层的每个标签均隶属于相对上层标签层的任一标签；所述标签维度为根据辖区或行业领域进行分类，所述标签用于表示企业所处辖区或行业领域；
4、提供包含至少一个企业信息向量的企业信息向量数据库；每个所述企业信息向量包括至少一个企业信息特征，并对应设置至少一个标签；
5、实时获取基于公共渠道公开的当前政策文本，提取当前政策文本的政策特征，并获取当前政策信息向量；
6、将当前政策文本的政策特征与至少一个标签进行匹配，获取与当前政策文本的政策特征匹配的至少一个目标标签；
7、根据至少一个所述目标标签，获取全部的潜在目标标签；所述潜在目标标签为处于所述目标标签的相对下层标签层、且隶属于所述目标标签的标签；
8、根据所述目标标签和所述潜在目标标签，确定所述目标标签和所述潜在目标标签所对应的准目标企业信息向量；
9、计算准目标企业信息向量与当前政策信息向量之间相似度，获取目标企业向量，并向目标企业信息向量所对应的企业推荐当前政策文本。
10、在上述的基于文本相似度计算的企业政策推荐方法中，作为优选方案，所述标签维度有两个，分别为第一标签维度和第二标签维度，所述第一标签维度的标签用于表示企业所处辖区，所述第二标签维度的标签用于表示企业所处的行业领域。
11、在上述的基于文本相似度计算的企业政策推荐方法中，作为优选方案，每个所述标签维度至少包括第一标签层、第二标签层和第三标签层；
12、每个所述第一标签层对应至少一个第二标签层，每个所述第二标签层对应至少一个第三标签层；
13、在标签维度为根据辖区进行分类时，第一标签层对应省级辖区，第二标签层对应市级辖区，第三标签层对应县级辖区；
14、在标签维度为根据行业领域进行分类时，第一标签层对应产业领域，第二标签层对应每个产业领域下的产业分支领域、第三标签层对应每个产业分支领域下的专业生产领域。
15、在上述的基于文本相似度计算的企业政策推荐方法中，作为优选方案，所述企业信息向量和所述政策信息向量均包括至少一向量和与每个向量分别对应的向量值，所述向量值为向量在所述企业信息向量或所述政策信息向量中的权重；
16、所述企业信息向量的向量为企业信息特征，至少包括基本信息、市场信息、科技信息、生产信息、销售信息、政策信息、金融信息、法律信息、信用信息和企业标签特征；
17、所述政策信息向量的向量为政策特征，至少包括政策主题、适用对象、政策内容、地域信息、发布机构、时效信息、关键词特征、经济影响、行业影响和政策标签特征。
18、在上述的基于文本相似度计算的企业政策推荐方法中，作为优选方案，所述实时获取基于公共渠道公开的当前政策文本，提取当前政策文本的政策特征，包括：
19、设定政策发布的公共渠道，并实时获取所述公共渠道的当前政策文本；
20、对当前政策文本进行文本清洗，获取当前目标文本；
21、对当前目标文本进行特征提取，得到当前政策文本的政策特征。
22、在上述的基于文本相似度计算的企业政策推荐方法中，作为优选方案，所述计算准目标企业信息向量与当前政策信息向量之间相似度，获取目标企业向量，包括：
23、获取准目标企业信息向量 中的全部企业向量值 ；
24、获取当前政策信息向量 中的全部政策向量值 ；
25、计算准目标企业信息向量与当前政策信息向量之间的余弦相似度，将与当前政策信息向量之间的余弦相似度超过阈值的准目标企业信息向量作为目标企业向量；
26、其中：
27、阈值为预设值；
28、准目标企业信息向量和当前政策信息向量中共同包含个企业信息特征， ，企业向量值为准目标企业信息向量在第 个企业信息特征上的值，当前政策向量值 为当前政策信息向量 在第 个政策特征上的值。
29、在上述的基于文本相似度计算的企业政策推荐方法中，作为优选方案，所述获取准目标企业信息向量 中的全部企业向量值 ，包括：
30、将准目标企业信息向量 中的全部企业向量值 均设置为相等的特定值1。
31、在上述的基于文本相似度计算的企业政策推荐方法中，作为优选方案，所述获取当前政策信息向量中的全部政策向量值 ，包括：
32、计算当前政策信息向量 中的每一政策特征在当前政策文本中的词频；
33、计算当前政策信息向量 中的每一政策特征在当前政策文本中的逆文档频率；
34、结合词频和逆文档频率，计算每一政策特征的权重，即政策向量值 。
35、在上述的基于文本相似度计算的企业政本文档来自技高网...
【技术保护点】
1.一种基于文本相似度计算的企业政策推荐方法，其特征在于，所述企业政策推荐方法包括：
2.如权利要求1所述的基于文本相似度计算的企业政策推荐方法，其特征在于，所述标签维度有两个，分别为第一标签维度和第二标签维度，所述第一标签维度的标签用于表示企业所处辖区，所述第二标签维度的标签用于表示企业所处的行业领域。
3.如权利要求2所述的基于文本相似度计算的企业政策推荐方法，其特征在于，每个所述标签维度至少包括第一标签层、第二标签层和第三标签层；
4.如权利要求1所述的基于文本相似度计算的企业政策推荐方法，其特征在于，所述企业信息向量和所述政策信息向量均包括至少一向量和与每个向量分别对应的向量值，所述向量值为向量在所述企业信息向量或所述政策信息向量中的权重；
5.如权利要求1所述的基于文本相似度计算的企业政策推荐方法，其特征在于，所述实时获取基于公共渠道公开的当前政策文本，提取当前政策文本的政策特征，包括：
6.如权利要求1所述的基于文本相似度计算的企业政策推荐方法，其特征在于，所述计算准目标企业信息向量与当前政策信息向量之间相似
7.如权利要求6所述的基于文本相似度计算的企业政策推荐方法，其特征在于，所述获取准目标企业信息向量中的全部企业向量值，包括：
8.如权利要求6所述的基于文本相似度计算的企业政策推荐方法，其特征在于，所述获取当前政策信息向量中的全部政策向量值，包括：
9.如权利要求8所述的基于文本相似度计算的企业政策推荐方法，其特征在于，通过下式计算当前政策信息向量中的每一政策特征在当前政策文本中的词频：
10.如权利要求6所述的基于文本相似度计算的企业政策推荐方法，其特征在于，所述计算准目标企业信息向量与当前政策信息向量之间的余弦相似度，包括：
...【技术特征摘要】
1.一种基于文本相似度计算的企业政策推荐方法，其特征在于，所述企业政策推荐方法包括：
2.如权利要求1所述的基于文本相似度计算的企业政策推荐方法，其特征在于，所述标签维度有两个，分别为第一标签维度和第二标签维度，所述第一标签维度的标签用于表示企业所处辖区，所述第二标签维度的标签用于表示企业所处的行业领域。
3.如权利要求2所述的基于文本相似度计算的企业政策推荐方法，其特征在于，每个所述标签维度至少包括第一标签层、第二标签层和第三标签层；
4.如权利要求1所述的基于文本相似度计算的企业政策推荐方法，其特征在于，所述企业信息向量和所述政策信息向量均包括至少一向量和与每个向量分别对应的向量值，所述向量值为向量在所述企业信息向量或所述政策信息向量中的权重；
5.如权利要求1所述的基于文本相似度计算的企业政策推荐方法，其特征在于，所述实时获取基于公共渠道公...
【专利技术属性】
技术研发人员：张欢，韩雪钰，韩杰，马同林，
申请(专利权)人：开封易迈斯科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。