-
题名基于特征表示深度学习的政策精准推送模型研究
被引量：1
- 1
-
-
作者
胡吉明
钱玮
苗煜松
-
机构
武汉大学信息管理学院
武汉大学信息资源研究中心
国家自然科学基金委员会管理科学部
中国移动浙江杭州分公司
-
出处
《情报杂志》
北大核心
2025年第2期167-173,共7页
-
基金
国家社会科学基金一般项目“基于结构功能的政策文本摘要生成研究”(编号:23BTQ081)研究成果。
-
文摘
[研究目的]从政策内涵和用户特征表示的深度学习出发,构建政策文本精准推送模型,实现高效准确的政府服务双向精准推送。[研究方法]首先基于Doc2Vec模型进行政策文档向量表示,并融入政策实体和政策主题信息,丰富政策文本的语义内涵;构建集成自然属性、社会属性和政策属性的政策用户画像模型,基于Word2Vec实现基于三元组的画像特征表示;最后,构建政策-用户双向精准推送模型,进行基于推送关系标注的模型训练,基于注意力机制实现政策和用户间的双向智能匹配。[研究结果/结论]针对助残服务的实验表明,所提策略有效实现了助残服务与残疾人间的精准匹配,呈现出政策-用户及用户-政策双向的推送结果。
-
关键词
政策文本
政策实体识别
政策精准推送
主题挖掘
特征表示
政策用户画像
-
Keywords
policy text
policy entity recognition
policy accurate push
topic mining
feature representation
policy user portrait
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
