(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210944396.X (22)申请日 2022.08.08 (65)同一申请的已公布的文献号 申请公布号 CN 115017417 A (43)申请公布日 2022.09.06 (73)专利权人 杭州实在智能科技有限公司 地址 310000 浙江省杭州市余杭区余杭街 道文一西路1818-2号6幢6层 (72)发明人 赵康康　高扬　孙林君　 (74)专利代理 机构 浙江永鼎律师事务所 3 3233 专利代理师 周希良 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/36(2019.01) G06F 16/335(2019.01)(56)对比文件 CN 111882403 A,2020.1 1.03 CN 111930966 A,2020.1 1.13 CN 112380318 A,2021.02.19 US 2011106829 A1,201 1.05.05 US 20131852 94 A1,2013.07.18 孟庆国等.政务 服务中的智能化搜索： 特 征、 应用场景和运行机理. 《电子政务》 .2020,(第02 期),第21- 33页. 黄亚坤等.综合社区与关联序列挖掘的电子 政务推荐算法. 《计算机 应用》 .2017,(第09期), 第2671-267 7页. Liting Bai et al. .NCR-KG: news community recom mendation with knowledge graph. 《C CF TRANSACTIONS ON PERV ASIVE COMPUTING AND I NTERACTION》 .2019,第25 0-259 页. 审查员 齐智超 (54)发明名称 基于标签智能过滤和推荐的政策匹配方法 及系统 (57)摘要 本发明属于政 策匹配技术领域， 具体涉及基 于标签智能过滤和推荐的政策匹配方法及系统。 方法包括S1， 完成模型的构建与训练， 并获得政 策标签之间的相似、 相悖和从属关系； S2， 根据用 户的基础信息， 快速匹配符合的政策， 随后返回 给用户需要填写的基础标签； S3， 当用户基础信 息完备后， 利用 构建出的标签关系， 对匹配政策 的标签进行相似、 相悖和从属处理， 获得推荐的 政策； S4， 将推荐的政策按照预设的维度进行统 一打分， 并返回给用户。 系统包括离线准备模块、 快速匹配模块、 智 能匹配模块和智能推荐模块。 本发明具有适用于数量庞大的政 策匹配， 并 能提 供更友好的用户体验的特点。 权利要求书2页 说明书8页 附图5页 CN 115017417 B 2022.11.11 CN 115017417 B 1.基于标签智能过 滤和推荐的政策匹配方法， 其特 征在于， 包括如下步骤； S1， 根据真实政策文件， 完成标签相似判断模型、 标签从属判断模型， 标签相悖判断模 型的构建与训练， 并获得政策 标签之间的相似、 相悖和从属关系； S2， 根据用户的基础信息， 快速匹配符合的政策， 随后返回给用户需要填写的基础标 签； S3， 当用户基础信息完备后， 利用步骤S1中构 建出的标签关系， 对匹配政策的标签进行 相似、 相悖和从属处 理， 获得推荐的政策； S4， 将推荐的政策按照预设的维度进行统一打 分， 并按分数从高到低排序返回给用户； 步骤S2包括如下步骤： 快速匹配： S21， 判断用户的信息是否 完备； S22， 根据政策知识图谱， 返回给用户需要填写的基础信息 选项 S23， 用户填写基础信息； 步骤S3包括如下步骤： 智能匹配： S31， 根据用户填选的内容匹配到满足用户填选内容的政策， 并过滤出不满足填选内容 的政策； S32， 将匹配的政策中， 政策 标签相似的政策进行智能合并； S33， 将匹配的政策中， 政策 标签属于从属关系的政策进行智能过 滤； S34， 将匹配的政策中， 政策 标签与用户基础信息相悖的政策进行智能过 滤； 步骤S31还 包括如下步骤： 对不满足填选内容的政策内的用户填选的内容做处 理： 当所述用户填选的内容的作用范围只在被过滤出的政策内， 则将所述用户填选的内容 全部过滤， 不在后续推给用户填写。 2.根据权利要求1所述的基于标签智能过滤和推荐的政策匹配方法， 其特征在于， 步骤 S1包括如下步骤： S11， 利用卷积神经网络分别对两个政策标签编码， 并根据余弦相似度的损失训练， 得 到标签相似判断模型； S12， 在多段卷积神经网络的基础上融入注意力机制， 并分别对两对政策标签和标签值 进行编码， 并根据Softmax交叉熵损失函数训练， 获得 标签从属判断模型； S13， 利用卷积神经网络分别 对两段政策标签相关的政策文本编码， 并在编码后向量按 位求差的基础上， 根据Softmax交叉熵损失函数训练， 获得 标签相悖判断模型。 3.根据权利要求1所述的基于标签智能过滤和推荐的政策匹配方法， 其特征在于， 步骤 S4中所述预设的维度包括用户相关度、 政策重要度和政策有效时长 。 4.基于标签智能过滤和推荐的政策匹配系统， 用于实现权利要求1 ‑3任一项所述的基 于标签智能过滤和推荐的政策匹配方法， 其特征在于， 所述基于标签智能过滤和推荐的政 策匹配系统包括； 离线准备模块， 用于根据真实政策文件， 完成标签相似判断模型、 标签从属判断模型， 标签相悖判断模型的构建与训练， 并获得政策 标签之间的相似、 相悖和从属关系；权　利　要　求　书 1/2 页 2 CN 115017417 B 2快速匹配模块， 用于根据用户的基础信 息， 快速匹配符合的政策， 随后返回给用户需要 填写的基础标签； 智能匹配模块， 用于当用户基础信息完备后， 利用步骤S1中构建出的标签关系， 对 匹配 政策的标签进行相似、 相悖和从属处 理， 获得推荐的政策； 智能推荐模块， 将推荐的政策按照预设的维度进行统一打分， 并按分数从高到低排序 返回给用户。 5.根据权利要求4所述的基于标签智能过滤和推荐的政策匹配系统， 其特征在于， 所述 离线准备模块包括： 标签相似判断模型构建模块， 用于利用卷积神经网络分别对两个政策标签编码， 并根 据余弦相似度的损失训练， 得到标签相似判断模型； 标签从属判断模型构建模块， 用于在多段卷积神经网络的基础上融入注意力机制， 并 分别对两对政 策标签和标签值进 行编码， 并根据Softmax交叉熵损失函数训练， 获得标签从 属判断模型； 标签相悖判断模型构建模块， 用于利用卷积神经网络分别对两段政策标签相关的政策 文本编码， 并在编码后向量按位求差的基础上， 根据Softmax交叉熵损失函数训练， 获得标 签相悖判断模型。权　利　要　求　书 2/2 页 3 CN 115017417 B 3