綜合社區(qū)與關(guān)聯(lián)序列挖掘的電子政務(wù)推薦算法

　　個性化推薦作為一種有效的信息獲取手段已成功應(yīng)用于電商、音樂和電影等領(lǐng)域。已有研究多數(shù)聚焦于推薦的精度，缺乏對推薦結(jié)果的多樣性考慮，忽略了應(yīng)用領(lǐng)域中被推薦項目的流程特性（如“互聯(lián)網(wǎng)+政務(wù)”中辦事項的推薦）。為此提出一種綜合用戶社區(qū)與關(guān)聯(lián)序列挖掘（ CAS-UC）的電子政務(wù)推薦算法，優(yōu)先向用戶推送利益關(guān)聯(lián)最大的辦事項。首先，對用戶和辦事項的靜態(tài)基本屬性以及動態(tài)行為屬性分別進(jìn)行特征建模；其次，基于用戶的歷史辦事記錄和屬性相似度進(jìn)行用戶社區(qū)發(fā)現(xiàn)，預(yù)篩選出與目標(biāo)用戶最為相似的用戶集，提高推薦結(jié)果的多樣性，減少核心推薦過程的計算量；最后，辦事項的關(guān)聯(lián)序列挖掘充分考慮了電子政務(wù)的業(yè)務(wù)特性，加入時間維度的辦事項序列挖掘，進(jìn)一步提高了推薦結(jié)果的精度。以蕪湖市易戶網(wǎng)為平臺載體，基于Spark計算平臺對用戶脫敏后的信息進(jìn)行仿真，實驗結(jié)果表明，CAS-UC適用于被推薦項目具有序列或流程特性領(lǐng)域的推薦，與傳統(tǒng)推薦算法如協(xié)同過濾推薦、矩陣分解以及基于語義相似度的推薦算法相比，具有更高的推薦精度，用戶的多社區(qū)歸屬因素增加了推薦結(jié)果的多樣性。