(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211107572.0 (22)申请日 2022.09.13 (71)申请人 福建新大陆软件工程有限公司 地址 350000 福建省福州市马尾区儒江西 路1号 （自贸试验区内） (72)发明人 焦洪林　朱坚　王雷　赵庆勇　 (74)专利代理 机构 福州市鼓楼区京华专利事务 所(普通合伙) 35212 专利代理师 王美花 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/335(2019.01) G06F 16/35(2019.01) G06K 9/62(2022.01) (54)发明名称 一种基于用户画像协同分析的公文处理人 推荐方法 (57)摘要 本发明提供了文本推荐技术领域的一种基 于用户画 像协同分析的公文处理人推荐方法， 包 括如下步骤： 步骤S10、 采集大量的公文样本； 步 骤S20、 对采集的各所述公文样本进行预处理得 到公文数据集； 步骤S30、 基于所述公文数据集构 建公文处理人的用户画 像； 步骤S40、 基于所述用 户画像对公文处理人进行聚类得到聚类矩阵； 步 骤S50、 基于所述聚类矩阵构建公文推荐模型； 步 骤S60、 基于 F1值对所述公文推荐模型进行校验； 步骤S70、 利用校验后的所述公文推荐模型进行 公文处理人的推荐。 本发明的优点在于： 极大的 提升了公文推荐的准确率以及效率。 权利要求书2页 说明书9页 附图1页 CN 115510185 A 2022.12.23 CN 115510185 A 1.一种基于用户画像协同分析的公文处 理人推荐方法， 其特 征在于： 包括如下步骤： 步骤S10、 采集大量的公文样本； 步骤S20、 对 采集的各 所述公文样本进行 预处理得到公文数据集； 步骤S30、 基于所述公文数据集构建公文处 理人的用户画像； 步骤S40、 基于所述用户画像的相似度矩阵对公文处 理人进行聚类得到聚类矩阵； 步骤S50、 基于所述聚类矩阵构建公文推荐模型； 步骤S60、 基于F1值对所述公文推荐模型进行 校验； 步骤S70、 利用校验后的所述公文推荐模型进行公文处 理人的推荐。 2.如权利要求1所述的一种基于用户画像协同分析的公文处理人推荐方法， 其特征在 于： 所述步骤S10具体为： 基于公文 文种维度、 发文时间维度以及部门维度采集大量的公文样本； 所述公文文种维度的公文文种至少包括部门发文、 部门收文、 业务单以及工单； 所述发 文时间维度的发文时间包括高峰时间段、 低估时间段以及平峰时间段， 并分别以3： 1： 1的比 例采集公文样本； 所述部门维度用于依据发文数量和收文数量设定各部分的采集权 重。 3.如权利要求1所述的一种基于用户画像协同分析的公文处理人推荐方法， 其特征在 于： 所述步骤S20具体包括： 步骤S21、 对采集的各所述公文样本的噪声数据进行剔除； 所述噪声数据至少包括URL 地址、 特殊符号、 图片、 零宽 字符； 步骤S22、 将剔除噪声数据后的各 所述公文样本中包 含的繁体字转换为简体字； 步骤S23、 构建一包含若干个敏感词的词汇表， 基于所述词汇表对各公文样本中的敏感 词进行过滤； 步骤S24、 构建一包含若干个停用词的停用词库， 基于所述停用词库对各公文样本中的 停用词进行 过滤； 步骤S25、 对各所述公文样本进行词性标注， 保留词性为名词的公文样本构建公文数据 集。 4.如权利要求1所述的一种基于用户画像协同分析的公文处理人推荐方法， 其特征在 于： 所述步骤S30具体包括： 步骤S31、 基于静态标签信息和动态标签信息构建用户画像的标签体系； 所述静态标签 信息至少包括性别、 年龄、 职 务以及所属部门； 所述动态标签信息包括负责领域以及办理习 惯； 所述负责领域包括下一环节处理人记录、 公文 具体内容； 所述办理习惯包括办理频率以 及办理时间； 步骤S32、 基于所述标签 体系以及公文数据集构建用户画像； 步骤S33、 对各所述用户画像进行多维相似度计算， 得到用户的相似度矩阵US。 5.如权利要求4所述的一种基于用户画像协同分析的公文处理人推荐方法， 其特征在 于： 所述步骤S32具体为： 基于所述标签 体系构建用户画像为： P＝{Info， Keyword， Frequency， Time}； 其中， P表示用户画像； Info＝{Gender， Age， Post， Department}， Gender、 Age、 Post、 Department分别为性别、 年龄、 职务、 所属部门； Frequency表示办理频率； Time表示办理时权　利　要　求　书 1/2 页 2 CN 115510185 A 2间。 6.如权利要求4所述的一种基于用户画像协同分析的公文处理人推荐方法， 其特征在 于： 所述步骤S40具体包括： 步骤S41、 设定初始用户类的集合C的容量为0、 待聚类的公文 处理人为集合U、 聚类个数 为m； 步骤S42、 判断集合U是否为空， 若否， 则基于所述相似度矩阵US获取最相似的一对用户 (ui， uj)以及对应的相似度值Max， 将所述相似度矩阵US对应位置设为0， 并进入步骤S43； 若 是， 则进入步骤S46； 步骤S43、 判断当前 是否为首次聚类， 若是， 则进入步骤S4 4； 若否， 则进入步骤S45； 步骤S44、 判断当前 聚类总数是否等于m， 若是， 则从所有已有聚类 中选取包含用户最少 的聚类进 行新用户添加， 并进入步骤S42； 若否， 则创建新类， 并将当前两位用户加入新创建 的类中， 从集 合U中删除对应的用户， 并进入步骤S45； 步骤S45、 遍历集合C中的类别ci， 若ui和uj有一个用户属于类别ci， 则直接将另一个用户 加入类别ci， 从集合U中删除对应的用户， 并进入步骤S42； 若ui和uj不属于集合C， 则进入步 骤S44； 步骤S46、 在集合C遍历完后， 判断当前 聚类总数是否等于m， 若是， 则基于各聚类得到聚 类矩阵CM； 若否， 则进入步骤S47； 步骤S47、 以聚类中包含的用户数递减排序， 遍历排序后的用户组进行组别分割， 并进 入步骤S46 。 7.如权利要求6所述的一种基于用户画像协同分析的公文处理人推荐方法， 其特征在 于： 所述步骤S50中， 所述公文推荐模型用于执 行如下步骤： 步骤S51、 从所述聚类矩阵C M中筛选包含当前环 节的公文处 理人ui的用户组； 步骤S52、 基于所述ui所在的位置在用户组中向左搜索， 找出所有位于所述ui左边的用 户， 得到相似用户集 合； 步骤S53、 获取所述相似用户集合中各用户的偏好集合SU＝(SU1， SU2，…， SUn)； 其中， SUn 表示第n位相似用户的偏好公文集 合； 步骤S54、 利用所述聚类矩阵CM对偏好集合SU中的公文进行加权， 进而对相似度进行降 序排序： 步骤S55、 基于相似度的排序结果对公文处 理人的推荐结果进行召回。 8.如权利要求1所述的一种基于用户画像协同分析的公文处理人推荐方法， 其特征在 于： 所述步骤S60中， 所述F1值的计算公式如下： F1＝(2*P*R)/(P+R)； 其中， P表示精确率， P＝TP/(TP+FN)； R表示召回率， R＝TP/(TP+FP)； TP表示被模型预测 为正类的正样本； FN表示被模型 预测为负类的正样本； FP表示被模型 预测为正类的负 样本。权　利　要　求　书 2/2 页 3 CN 115510185 A 3