[发明专利]基于招商工作流程和阅读偏好的信息推送系统及方法

权利要求书

1.一种基于招商工作流程和阅读偏好的信息推送方法，其特征在于，包括：

S1：通过数学模型，建立企业画像、载体画像和招商信息三个专用分词库；

S2：企业、载体、信息量化处理；基于企业大数据信息，采用要素抽取算法，从不同维度给目标企业信息、载体信息、需要推送的信息进行标签化处理；

S3：设置信息推送类别；

S4：信息生成；

S5：标签筛选和比对；依据推送信息标签与企业标签、载体标签进行筛选和比对，挑选出具有针对性的信息推送给特定企业用户和招商人员；

S6：计算用户阅读偏好，并对每日每用户接收的信息量进行控制；

S7：信息推送。

2.根据权利要求1所述的方法，其特征在于，步骤S1所述分词库数学模型的建立方法包括：

S101：汉语言中所有的字组成一个观测集合，B，M，E，S组成一个状态集合，其中B表示词首字，E表示词尾字，M表示词中字，S表示单字成词；

S102：通过人工的数据清洗与标注工作，获得大量学习样本，即为训练集；训练集中均为有上下语义逻辑的已经分词完成的多个样本；

S103：在Viterbi算法中设计函数计算初始概率，状态转移概率，观测概率，同时统计出状态序列，观测序列，完成算法模型的搭建；其中观测序列即为待分词的语句；状态序列即为该语句中每个字所对应的状态，使用所述状态集合中的状态表示；初始概率，状态转移概率，观测概率均为语料库中状态与观测之间的对应关系所计算出的概率。

3.根据权利要求1所述的方法，其特征在于，步骤S1通过数学模型建立分词库的方法包括：

S201：根据数学模型，利用Viterbi算法预测每一条新进语句中的每个字在该句下所对应的状态；

S202：算法完毕以后，设计函数，针对每个字所对应的状态，可以将字组合成词，逢状态E即添加回车字符，最终可得到完成的分词文本。

4.根据权利要求1所述的方法，其特征在于，步骤S2需要以历史数据库中的企业介绍为学习样本，将中文分词转化为可以运算的数学形式，即分词向量化，实现方法包括：

S301：使用Word2Vec算法，通过该分词的前后N个词来推断该词出现的概率；

S302：利用最大似然估计法确定参数。

5.根据权利要求1所述的方法，其特征在于，步骤S3所述信息推送类别包括法定推送信息、特别约定信息和偏好推送信息三个类别；

法定推送信息：法定事项和相关重要法律、政策、实施细则等变化信息推送；

特别约定信息：当事人特别约定的事项以及时间节点；

偏好推送信息：符合个人偏好的企业信息、载体信息、服务信息、产业信息等资讯类信息，并对每日每个用户接收信息的总量进行限制。

6.根据权利要求1所述的方法，其特征在于，步骤S4所述信息包括：

(1)招商项目双方在查询、沟通、撮合、磋商、考察、谈判、落地服务、投诉协调等招商工作流程的各个阶段产生的约定事项及时间节点；

(2)根据招商工作流程和关键节点，以及合作对接和项目落地的流程和时间节点，不同时间节点推送不同的内容；

(3)向招商人员推送企业信息：依据招商规划自动匹配企业画像，根据企业画像检索企业信息库，将检索结果向招商人员推送；

(4)向企业推送载体招商信息：依据招商规划自动匹配企业画像，根据企业画像检索企业信息库，向符合企业画像的企业推送载体招商信息；

(5)向特定用户推送阅读偏好信息；根据用户阅读偏好，系统向用户推送相同标签的信息；

(6)法定事项和法律、政策法规、实施细则等发布、修订及解读。

7.一种基于招商工作流程和阅读偏好的信息推送系统，其特征在于，采用四层架构模式，包括系统软件层、运行环境层、基础架构层、应用服务层；

所述应用服务层设有：

场景获取：获取招商工作流程节点、法定事项的变化、用户阅读偏好信息，作为信息发送场景条件；

数据统计：统计用户阅读数据，包括同标签信息的点击率、阅读时长、分享操作、评价和评论信息；

发送服务：通过手机通知、微信、短信、邮件，给用户推送不同场景所需要的信息；

信息库：需要推送的信息数据库；

企业库：企业信息、项目信息数据库；

载体库：包括地区、区、功能区、园区等各种招商载体的信息数据库；

标签数据库：为企业、项目、载体建立的标签数据库；包括基于企业大数据信息，采用要素抽取算法，从不同维度给目标企业信息进行标签化的数据；

分词库：通过数学模型所建立的企业画像、载体画像和招商信息三个专用分词库。