[发明专利]提案联名人推荐方法、系统、计算机设备及可读存储介质

说明书

本发明公开了一种提案联名人推荐方法、系统、计算机设备及可读存储介质，属于信息处理技术领域。该提案联名人推荐方法首先是用户兴趣建模，采用TF‑IDF逆文档权重算法并结合信息时效性，提取各文档关键词，通过K‑means算法进行文本聚类，获取提案热点，完成兴趣建模；然后，通过改进鲸鱼优化算法得到提案用户的TopN最近邻用户；最后，根据提案用户的N近邻用户，计算所有近邻用户感兴趣新闻的并集U，采用核密度估计法对U中所有的新闻进行兴趣分布计算，即提案用户的兴趣偏好，结合新闻的时效性值加权得到提案推荐值，根据提案推荐值的大小完成提案联名人推荐。

技术领域

本发明涉及计算机技术领域，具体是一种提案联名人推荐方法、系统、计算机设备及可读存储介质。

背景技术

随着计算机技术的发展，传统人工作业逐渐被计算机给替代，在会议开展时，提案是参与人员履行职责最重要也是最有效的形式，这些提案代表了人员的心声，也反应了人员对热点话题、机构制度的发声最直观的方式。

参会人员在提交提案时，为了增加提案的关注度，往往会邀请其他参会人员一起作为联名人提交提案。联名提案，反映出参会人员们的共同关注与期待，让建言的呼声更响亮。然而现实中，很多参会人员在邀请联名人时，往往忽视了联名提案的真实目的，通常是邀请自己最熟悉的其他参会人员作为联名人，邀请的联名人往往对当前提案并不关注，显然不能提高联名的作用。

发明内容

针对上述现有技术中的不足，本发明提供一种提案联名人推荐方法、系统、计算机设备及可读存储介质，通过一系列的数据分析、精准推荐服务，帮助参会人员履职更精准和高效，而且利用计算机平台精准推荐与当前提案相关的参会人员作为联名人，显然比个人主观邀请的方式，更能提高联名提案的效果。

本发明的创新性主要体现在：将信息时效性应用在关键词权重计算和用户对新闻的兴趣度计算上；改进了传统鲸鱼优化算法，并将其应用在提案联名推荐当中，增强了整体算法的收敛性，实现了更加精准的提案联名人推荐。

为实现上述目的，本发明提供一种提案联名人推荐方法，包括如下步骤：

步骤1，以各类新闻数据库为基础建立数据集，应用TF-IDF逆文档权重算法并结合新闻时效性，综合加权，提取数据集中各条新闻的关键词；

步骤2，采用K-means算法对步骤1提取的文本聚类，并基于提案用户的提案主题完成兴趣建模；

步骤3，计算提案用户对包含提案主题的各条新闻文档的兴趣度；

步骤4，选取N条提案用户的感兴趣新闻，将所有用户对此N条新闻的隐反馈行为（即用户点击数，浏览时间等网上公开数据集）和提案用户对此N条新闻的兴趣度分别作为鲸鱼算法的输入，得到提案用户的TopN最近邻用户；

步骤5，根据提案用户的N个近邻用户，计算所有近邻用户感兴趣新闻的并集U，采用核密度估计法，计算提案用户对并集U中所有新闻的兴趣分布；

步骤6，将并集U中每一条新闻的时效性与提案用户对并集U中每一条新闻的感兴趣程度加权得到各条新闻的提案推荐值，将提案推荐值从大到小排序，选取前M个提案推荐值所对应的新闻，将N个近邻用户中对所选取新闻感兴趣的用户标记为提案联名人，推荐给提案用户，完成提案联名人推荐。

在其中一个实施例，步骤1具体包括：

收集各类新闻数据库的新闻数据，创建数据集；

切分新闻词条，确定类别标签向量，应用TF-IDF逆文档权重算法做总词频统计，计算每个词条的TF值和IDF值，相乘得到TF-IDF值，并按从大到小排序；

采用负指数模型计算每条新闻的时效性；

将每条新闻中各词条的TF-IDF值与该新闻的时效性进行加权，得到每条新闻中各词条的权值，并基于各词条的权值提取各新闻的关键词。

在其中一个实施例，所述计算提案用户对包含提案主题的各条新闻文档的兴趣度，具体为：