[发明专利]基于图结构的公文推荐方法、装置、计算机设备及介质

说明书

本发明涉及大数据领域，本发明公开了一种基于图结构的公文推荐方法、装置、计算机设备及介质。所述方法包括：获取多种公文，根据TF‑IDF筛选特征词语，并将该特征词语记录为与其对应的公文的关键词标签；通过公文的文本主题‑关键词的分布概率矩阵筛选出选取概率大于或等于预设概率的文本主题，并将筛选出的文本主题记录为与其对应的公文的主题标签；根据关键词标签和主题标签生成公文属性；获取公文的记录数据，通过Neo4j框架根据公文的记录数据和公文属性建立基于图结构的公文推荐库；接收到用户自公文推荐库中输入的检索内容，依据SimRank计算出的相似度的高低次序输出目标公文。本发明可向用户推荐出与用户输入的检索内容相关度最高的目标公文。

技术领域

本发明涉及大数据领域的数据分析领域，尤其涉及一种基于图结构的公文推荐方法、装置、计算机设备及介质。

背景技术

目前常用公文推荐方法多数基于传统的搜索引擎，传统搜索引擎在对公文进行推荐时，通常基于公文相似度进行推荐，如此，可以推荐与用户相关度较高的公文，但在现有技术中，公文相似度的判定往往基于人工设定的单一标准进行确定，如此，由于人工设定的标准可能存在不准确的问题，因此将会导致传统搜索引擎在进行公文推荐时，会存在考虑不全面的问题，进而导致不能向用户推荐出与用户输入的内容相关度最高的公文，影响到用户体验效果。因此，本领域技术人员亟需寻找一种技术方案来解决上述提到的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种基于图结构的公文推荐方法、装置、计算机设备及介质，可向用户推荐出与用户输入的内容相关度最高的公文，进而提高用户体验效果。

一种基于图结构的公文推荐方法，包括：

获取具有不同公文类型的多种公文，根据TF-IDF基于预设的词语统计特征确定获取的所述公文中的特征词语，根据TF-IDF筛选出现频率大于或等于预设频率的特征词语，并将筛选出的所述特征词语记录为与其对应的所述公文的关键词标签；

将所述公文输入至预设的LDA主题模型，通过所述LDA主题模型计算所述公文中的文本主题-关键词的分布概率矩阵，再获取所述LDA主题模型根据所述公文的文本主题-关键词的分布概率矩阵筛选出的选取概率大于或等于预设概率的所述文本主题，并将筛选出的所述文本主题记录为与其对应的所述公文的主题标签；所述文本主题-关键词的分布概率矩阵中包含多个所述选取概率，所述选取概率是指所述公文中的关键词属于该公文的文本主题的概率；

根据所述关键词标签和所述主题标签生成公文属性；

根据每一种公文类型获取所述公文的记录数据，通过Neo4j框架根据所述公文的所述记录数据和所述公文属性建立基于图结构的公文推荐库；所述公文推荐库中包含多个图结构，一个所述图结构对应至少一种所述公文类型的所述公文，一个所述图结构中包含相互连接的多个节点；一个所述节点代表所述记录数据、所述关键词标签和所述主题标签中的一种；

接收到用户自所述公文推荐库中输入的检索内容，依据SimRank计算出的相似度的高低次序输出目标公文；所述相似度是指所述检索内容与所述节点的相似度。

一种基于图结构的公文推荐装置，包括：

第一记录模块，用于获取具有不同公文类型的多种公文，根据TF-IDF基于预设的词语统计特征确定获取的所述公文中的特征词语，根据TF-IDF筛选出现频率大于或等于预设频率的特征词语，并将筛选出的所述特征词语记录为与其对应的所述公文的关键词标签；

第二记录模块，用于将所述公文输入至预设的LDA主题模型，通过所述LDA主题模型计算所述公文中的文本主题-关键词的分布概率矩阵，再获取所述LDA主题模型根据所述公文的文本主题-关键词的分布概率矩阵筛选出的选取概率大于或等于预设概率的所述文本主题，并将筛选出的所述文本主题记录为与其对应的所述公文的主题标签；所述文本主题-关键词的分布概率矩阵中包含多个所述选取概率，所述选取概率是指所述公文中的关键词属于该公文的文本主题的概率；