政务事件办理推荐方法、装置

摘要

本公开的实施例公开了政务事件办理推荐方法、装置。该方法的一具体实施方式包括：获取历史政务事件数据；对于非结构化数据和半结构化数据进行词性标注，得到标注后数据；对标注后数据进行实体识别，以确定标注后数据中的实体；将标注后数据与结构化数据进行融合，得到融合数据；基于融合数据中的实体之间的关联关系，构建知识图谱；根据知识图谱生成每个人物实体对应的事件办理序列；基于每个人物实体对应的事件办理序列，训练得到政务事件办理推荐模型，获取用户通过终端输入的待办事件集合和用户当前位置信息；将待办事件集合输入政务事件办理推荐模型，得到待办事件序列。实现了办理顺序预测的准确性，有助于提高办事效率。

权利要求

1.一种政务事件办理推荐方法，包括：

获取历史政务事件数据，所述历史政务事件数据包括结构化数据、非结构化数据和半结构化数据；

对于所述非结构化数据和所述半结构化数据进行词性标注，得到标注后数据；

对所述标注后数据进行实体识别，以确定所述标注后数据中的实体，所述实体为人物实体、事件实体和事件属性实体；

将所述标注后数据与所述结构化数据进行融合，得到融合数据；

基于所述融合数据中的实体之间的关联关系，构建知识图谱，所述知识图谱中的节点表示所述实体，所述知识图谱中的边表示不同实体之间的关联关系；

根据所述知识图谱生成每个人物实体对应的事件办理序列，其中，所述事件办理序列用于表征所述人物实体对应的多个事件的办理顺序；

基于所述每个人物实体对应的事件办理序列，训练得到政务事件办理推荐模型；

获取用户通过终端输入的待办事件集合和用户当前位置信息；

将所述待办事件集合输入所述政务事件办理推荐模型，得到待办事件序列；其中，所述基于所述每个人物实体对应的事件办理序列，训练得到政务事件办理推荐模型，包括：对于所述每个人物实体对应的事件办理序列，将所述事件办理序列中至少一项事件作为输入，将所述至少一项事件的后续事项作为期望输出，训练得到政务事件办理推荐模型；

其中，所述根据所述知识图谱生成每个人物实体对应的事件办理序列，包括：根据所述知识图谱，确定每个人物实体对应的多个事件；

确定所述多个事件中每个事件对应的地址信息，得到地址信息集合；

根据所述地址信息集合中各个地址信息所表征的位置，确定目标路径，所述目标路径串联所述各个地址信息所表征的位置；

根据所述目标路径通过各个位置的顺序，确定所述每个人物实体对应的事件办理序列。

2.根据权利要求1所述的方法，其中，所述方法还包括：基于所述用户当前位置信息与所述待办事件序列，生成办事路径；

将所述办事路径发送至所述终端，以使所述终端对所述办事路径在电子地图中进行显示，所述办事路径包括与所述待办事件集合中各个待办事件对应的位置标记，标记之间通过有向线段连接；

响应于接收到用户针对所述有向线段中的目标端点的移动信息，根据所述目标端点对应的原始位置标记和目的位置标记，对所述办事路径进行调整，生成目标办事路径；

将所述目标办事路径发送至所述终端。

3.根据权利要求2所述的方法，其中，所述方法还包括：获取所述用户通过终端输入的终点位置信息；以及所述基于所述用户当前位置信息与所述待办事件序列，生成办事路径，包括：基于所述用户当前位置信息、所述待办事件序列和所述终点位置信息，生成办事路径。

4.一种政务事件办理推荐装置，包括：

数据获取单元，被配置成获取历史政务事件数据，所述历史政务事件数据包括结构化数据、非结构化数据和半结构化数据；

词性标注单元，被配置成对于所述非结构化数据和所述半结构化数据进行词性标注，得到标注后数据；

实体识别单元，被配置成对所述标注后数据进行实体识别，以确定所述标注后数据中的实体，所述实体为人物实体、事件实体和事件属性实体；

融合单元，被配置成将所述标注后数据与所述结构化数据进行融合，得到融合数据；

构建单元，被配置成基于所述融合数据中的实体之间的关联关系，构建知识图谱，所述知识图谱中的节点表示所述实体，所述知识图谱中的边表示不同实体之间的关联关系；

生成单元，被配置成根据所述知识图谱生成每个人物实体对应的事件办理序列，其中，所述事件办理序列用于表征所述人物实体对应的多个事件的办理顺序；

训练单元，被配置成基于所述每个人物实体对应的事件办理序列，训练得到政务事件办理推荐模型；

信息获取单元，被配置成获取用户通过终端输入的待办事件集合和用户当前位置信息；

预测模型，被配置成将所述待办事件集合输入所述政务事件办理推荐模型，得到待办事件序列；

其中，所述训练单元被配置成：

对于所述每个人物实体对应的事件办理序列，将所述事件办理序列中至少一项事件作为输入，将所述至少一项事件的后续事项作为期望输出，训练得到政务事件办理推荐模型；

其中，所述生成单元被配置成：

根据所述知识图谱，确定每个人物实体对应的多个事件；

确定所述多个事件中每个事件对应的地址信息，得到地址信息集合；

根据所述地址信息集合中各个地址信息所表征的位置，确定目标路径，所述目标路径串联所述各个地址信息所表征的位置；

根据所述目标路径通过各个位置的顺序，确定所述每个人物实体对应的事件办理序列。

5.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1‑3中任一所述的方法。

6.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1‑3中任一所述的方法。

说明书

政务事件办理推荐方法、装置

技术领域

[0001] 本公开的实施例涉及计算机技术领域，具体涉及政务事件办理推荐方法、装置。

背景技术

[0002] 由于多数用户对于政务事件，例如身份证补办、社保迁移等，处理流程不熟悉。目前，一般依靠电话咨询或者窗口问询的方式咨询办理顺序。然而，发明人发现，当采用上述方式确定办理顺序，经常会存在如下技术问题：

[0003] 第一，人工确定的办事顺序依赖于经验，因此准确率低；

[0004] 第二，由于历史政务事件数据中不同数据来源不同，存在事件命名不规范等问题，例如同一事件有多个名称，不利于模型的训练；

[0005] 第三，确定事件的办理顺序的过程中，往往仅考虑到位置的关系，无法兼顾到其他因素，导致有些事件由于缺少材料无法顺利办理，影响事件办理效率。

[0006] 该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

发明内容

[0007] 本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

[0008] 本公开的一些实施例提出了政务事件办理推荐方法、装置、设备、计算机可读介质和程序产品，来解决以上背景技术部分提到的技术问题中的一项或多项。

[0009] 第一方面，本公开的一些实施例提供了一种政务事件办理推荐方法，包括：获取历史政务事件数据，历史政务事件数据包括结构化数据、非结构化数据和半结构化数据；对于非结构化数据和半结构化数据进行词性标注，得到标注后数据；对标注后数据进行实体识别，以确定标注后数据中的实体，实体为人物实体、事件实体和事件属性实体；将标注后数据与结构化数据进行融合，得到融合数据；基于融合数据中的实体之间的关联关系，构建知识图谱，知识图谱中的节点表示实体，知识图谱中的边表示不同实体之间的关联关系；根据知识图谱生成每个人物实体对应的事件办理序列，其中，事件办理序列用于表征人物实体对应的多个事件的办理顺序；基于每个人物实体对应的事件办理序列，训练得到政务事件办理推荐模型；获取用户通过终端输入的待办事件集合和用户当前位置信息；将待办事件集合输入政务事件办理推荐模型，得到待办事件序列。

[0010] 第二方面，本公开的一些实施例提供了政务事件办理推荐装置，包括：获取单元，被配置成获取历史政务事件数据，历史政务事件数据包括结构化数据、非结构化数据和半结构化数据；词性标注单元，被配置成对于非结构化数据和半结构化数据进行词性标注，得到标注后数据；实体识别单元，被配置成对标注后数据进行实体识别，以确定标注后数据中的实体，实体为人物实体、事件实体和事件属性实体；融合单元，被配置成将标注后数据与结构化数据进行融合，得到融合数据；构建单元，被配置成基于融合数据中的实体之间的关联关系，构建知识图谱，知识图谱中的节点表示实体，知识图谱中的边表示不同实体之间的关联关系；生成单元，被配置成根据知识图谱生成每个人物实体对应的事件办理序列，其中，事件办理序列用于表征人物实体对应的多个事件的办理顺序；训练单元，被配置成基于每个人物实体对应的事件办理序列，训练得到政务事件办理推荐模型；信息获取单元，被配置成获取用户通过终端输入的待办事件集合和用户当前位置信息；预测模型，被配置成将待办事件集合输入政务事件办理推荐模型，得到待办事件序列。

[0011] 第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

[0012] 第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

[0013] 本公开的上述各个实施例具有如下有益效果：通过对历史政务事件数据进行处理，进而生成知识图谱，进而根据知识图谱，生成事件办理序列，进而训练得到政务事件办理推荐模型，通过政务事件办理推荐模型生成待办事件序列。由此，可以通过政务事件办理推荐模型来得到多个事件之间的办理顺序，提高办理顺序预测的准确性，有助于提高办事效率。除此之外，采用知识图谱可以更好的表现实体与实体之间、实体与事件属性信息之间的关联关系，因此，更容易发现不同的事件之间的联系，从而使得生成的事件办理序列更加准确，进而使得训练得到的政务事件办理推荐模型更加准确。

附图说明

[0014] 结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

[0015] 图1是根据本公开的政务事件办理推荐方法的一些实施例的流程图；

[0016] 图2是根据本公开的政务事件办理推荐装置的一些实施例的结构示意图；

[0017] 图3是适于用来实现本公开的一些实施例的电子设备的结构示意图；

[0018] 图4是知识图谱的一个示例性示意图。

具体实施方式

[0019] 下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

[0020] 另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

[0021] 需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

[0022] 需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

[0023] 本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

[0024] 下面将参考附图并结合实施例来详细说明本公开。

[0025] 参考图1，示出了根据本公开的政务事件办理推荐方法的一些实施例的流程100。该政务事件办理推荐方法，包括以下步骤：

[0026] 步骤101，获取历史政务事件数据，历史政务事件数据包括结构化数据、非结构化数据和半结构化数据。

[0027] 在一些实施例中，政务事件办理推荐方法的执行主体（例如政务服务管理平台）可以首先获取历史政务事件数据。实践中，历史政务事件数据可以是预设历史时间段内的政务事件数据。政务事件数据可以是与政务事件相关的各种数据，包括时间、地点、事件名称、所需材料等等。政务事件可以通过指定的方式确定，也可以通过一定的条件筛选得到。例如，可以将包含身份证件、社会保险等关键字的事件确定为政务事件。具体的，身份证件办理、社会保险办理均为政务时间。实践中，由于不同的事件对应的数据来源不同，其格式也有所不同，因此，历史政务事件数据包括结构化数据、非结构化数据和半结构化数据。

[0028] 步骤102，对于非结构化数据和半结构化数据进行词性标注，得到标注后数据。

[0029] 在一些实施例中，上述执行主体可以对非结构化数据和半结构化数据进行词性标注，得到标注后数据。例如，可以使用BIO、BIOSE等标注方法进行标注。可以首先对数据进行分词处理，然后对于每个词进行标注。以BIO标注方法为例，将每个词标注为“B‑X”、“I‑X”或者“O”。其中，“B‑X”表示此词所在的片段属于X类型并且此词在此片段的开头，“I‑X”表示此词所在的片段属于X类型并且此词在此片段的中间位置，“O”表示不属于任何类型。通过标注，可以得到标注后数据。在此过程中，可以通过自定义字典来辅助标注，从而使得标注结果与场景需求更加吻合。

[0030] 可选的，在得到标注后数据的基础上，可以通过以下函数或人工神经网络，来进行关系识别，即对标注后数据进行分类：

[0031]

[0032] 其中，向量 和向量 分别为标注后数据中的两个数据对应的向量，表示标准差。利用上述函数的高维度线性可分特性可以使得数据可分，从而完成对标注后数据的分类，得到分类数据。

[0033] 步骤103，对标注后数据进行实体识别，以确定标注后数据中的实体，实体为人物实体、事件实体和事件属性实体。

[0034] 在一些实施例中，可以预先训练应用于政务事件场景的实体识别模型，从而提高在该场景下的识别率。例如，实体识别模型可以包含Bi‑LSTM、CRF（Conditional Random Field，条件随机场）等算法。从而上述执行主体可以继续对标注后数据进行实体识别，以确定标注后数据中的各种实体。在政务事件办理的应用场景下，实体可以包括人物实体、事件实体和事件属性实体。事件属性实体包括事件地址、事件时间等。其中，事件实体可以是在政务服务场景下需要办理的事件，包括但不限于：证件办理、保险办理等。人物实体可以例如是张三、李四等等。另外，根据需要，也可以在上述分类数据的基础上进行实体识别，进而确定其中的各个实体。

[0035] 步骤104，将标注后数据与结构化数据进行融合，得到融合数据，融合数据包括实体和事件属性信息。

[0036] 在一些实施例中，上述执行主体可以将标注后数据与结构化数据进行融合，得到融合数据。可以理解，标注后数据由于经过了实体识别，其中的各类实体已经确定。因此，可以与结构化数据进行融合。融合方式可以是对同义事件的名称进行统一，例如，退费事件和退款事件实质为同一事件，可以统一叫做退款事件。

[0037] 在一些实施例中，为了解决背景技术部分所描述的技术问题二“由于历史政务事件数据中不同数据来源不同，存在事件命名不规范等问题，例如同一事件有多个名称，不利于模型的训练”，作为本公开的一个发明点，可以通过以下公式确定两个文本之间的相似度：

[0038]

[0039]

[0040] 其中，S、T表示两个文本， 表示两个文本的交集中元素的个数，即重叠的字数， 和 分别表示文本S和T的字数， 表示两个文本的并集中元素的个数，即两个文本包含的不重复的字数。

[0041] 例如，S表示“退费事件”，T表示“退款事件”， 和 是预设系数，例如均为0.5，S、T之间的相似度为0.675。

[0042] 在此基础上，若两个文本的相似度大于或等于预设阈值（例如0.6），可以认为两个文本代表同义事件，可以进行名称统一。若相似度小于预设阈值，可以认为是不同的事件，不需要进行融合。

[0043] 可以看出，通过上述公式进行同义事件融合可以解决同一事件有多个名称的问题。对于两个文本来说，相似度一方面与重叠的内容相关，一般采用重叠的字数来表示，另一方面与不同的内容相关。对于不同的内容，上述公式采用两种表示方式，即 和 。两种表示方式分别采用对重叠部分进行两次和一次计数，代表了两个边界值。在此基础上，通过预设系数来控制每种表示方式的权重，从而可以更加灵活准确的计算两个文本的相似度。

[0044] 步骤105，基于融合数据中的实体之间的关联关系，构建知识图谱，知识图谱中的节点表示实体，知识图谱中的边表示不同实体之间的关联关系。

[0045] 在一些实施例中，上述执行主体可以将实体作为节点，将实体之间的关联关系作为边，构建知识图谱，如图4所示。

[0046] 步骤106，根据知识图谱生成每个人物实体对应的事件办理序列，其中，事件办理序列用于表征人物实体对应的多个事件的办理顺序。

[0047] 第一，根据知识图谱，确定每个人物实体对应的多个事件，如图4所示，办事人1对应事件A、事件B、事件C。办事人2对应事件C、事件D、事件E。

[0048] 第二，确定多个事件中每个事件对应的地址信息，得到地址信息集合。

[0049] 第三，根据地址信息集合中各个地址信息所表征的位置，确定目标路径，目标路径串联各个地址信息所表征的位置。

[0050] 在此过程中，可以调用地图接口，以上述各个地址信息作为输入，进行路径规划，从而得到目标路径。或者利用路径排位算法，来得到目标路径。

[0051] 第四，根据目标路径通过各个位置的顺序，确定每个人物实体对应的事件办理序列。

[0052] 例如，办事人1对应事件办理序列可以是事件C‑事件B‑事件A。

[0053] 除此之外，还可以综合考虑各个地址信息所表征的位置之间的关系、各个事件所需材料的依赖关系，进行路径规划，以确定满足依赖关系的前提下的最短路径作为目标路径。

[0054] 步骤107，基于每个人物实体对应的事件办理序列，训练得到政务事件办理推荐模型。

[0055] 例如，对于办理序列，事件C‑事件B‑事件A，可以以事件A作为输入，事件B、事件C作为期望输出，训练人工神经网络（可以使用CBOW或Skip‑Gram等模型），从而得到政务事件办理推荐模型。其中，根据实际需要，可以将事件B，即下一个事件作为期望输出，也可以将事件B‑事件C，即后续事件序列作为期望输出。

[0056] 上述训练过程所使用的目标函数可以是：

[0057]

[0058] 其中， 表示在事件 发生情况下，事件 发生的概率； 是事件 的向量表示， 是事件 的向量表示，N表示事件的总数，k为1到N之间的任一整数。

[0059] 上述训练所使用的损失函数可以是：

[0060]

[0061] 本公开的一些实施例提供的方法，通过对非结构化数据和半结构化数据依次进行词性标注、实体识别操作，在此基础上，与结构化数据进行融合，从而达到扩充训练样本的作用。除此之外，通过融合，可以实现统一同义事件的名称的作用，从而便于模型的训练。

[0062] 可选的，上述方法还包括：获取用户通过终端输入的待办事件集合和用户当前位置信息；将待办事件集合输入政务事件办理推荐模型，得到待办事件序列；基于用户当前位置信息与待办事件序列，生成办事路径。例如，将用户当前位置信息作为起始点，依次与各个待办事件序列中的待办事件对应的位置相连，得到办事路径。将办事路径发送至终端，以使终端对办事路径在电子地图中进行显示，办事路径包括与待办事件集合中各个待办事件对应的位置标记，标记之间通过有向线段连接；响应于接收到用户针对有向线段中的目标端点的移动信息，根据目标端点对应的原始位置标记和目的位置标记，对办事路径进行调整，生成目标办事路径；将目标办事路径发送至终端。

[0063] 步骤108，获取用户通过终端输入的待办事件集合和用户当前位置信息。

[0064] 在一些实施例中，在训练结束后，可以将训练得到的政务事件办理推荐模型进行部署。在此基础上，上述执行主体可以接收终端发送的待办事件集合和用户当前位置信息。其中，待办事件集合可以包括多个待办事件标识。

[0065] 步骤109，将待办事件集合输入政务事件办理推荐模型，得到待办事件序列。

[0066] 为了解决背景技术部分描述的技术问题三，本公开的一些实施例在根据地址信息集合中各个地址信息所表征的位置，确定目标路径，目标路径串联各个地址信息所表征的位置之前，上述方法还包括：确定每个人物实体对应的多个事件的依赖关系。例如，办理保险业务需要用到身份证，办理保险业务依赖于办理身份证业务，“办理保险业务”需要排在“办理身份证业务”之后。从而避免仅仅考虑位置关系，造成无法顺利办理事件。在此基础上，依照依赖关系，对多个事件进行排序，得到事件依赖序列；以及根据地址信息集合中各个地址信息所表征的位置，确定目标路径，目标路径串联各个地址信息所表征的位置，包括：确定串联事件依赖序列中各个事件的最短路径作为目标路径。从而可以在满足依赖关系的前提下，确定最短路径，以节约办理事件。

[0067] 其中，依赖序列可以是一个或多个。例如，多个事件中的各个事件均存在依赖关系，那么一般得到一个依赖序列，例如事件C依赖于事件B，事件B依赖于事件A，那么依赖序列是：事件C‑事件B‑事件A。若例如事件C依赖于事件B，事件C、事件B均与事件A无依赖关系，那么可以得到多个依赖序列，事件C‑事件B‑事件A，事件A‑事件C‑事件B。对于存在多个依赖序列的情况，可以将路径最短的作为目标路径。由此，通过考虑到了事件之间的依赖关系，从而避免办理顺序错误而缺少材料，提高事件办理效率。

[0068] 进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种政务事件办理推荐装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

[0069] 如图2所示，一些实施例的政务事件办理推荐装置200包括：获取单元201被配置成获取历史政务事件数据，历史政务事件数据包括结构化数据、非结构化数据和半结构化数据。词性标注单元202被配置成对于非结构化数据和半结构化数据进行词性标注，得到标注后数据。实体识别单元203被配置成对标注后数据进行实体识别，以确定标注后数据中的实体，实体为人物实体、事件实体和事件属性实体。融合单元204被配置成将标注后数据与结构化数据进行融合，得到融合数据。构建单元205被配置成基于融合数据中的实体之间的关联关系，构建知识图谱，知识图谱中的节点表示实体，知识图谱中的边表示不同实体之间的关联关系。生成单元206被配置成根据知识图谱生成每个人物实体对应的事件办理序列，其中，事件办理序列用于表征人物实体对应的多个事件的办理顺序。训练单元207被配置成基于每个人物实体对应的事件办理序列，训练得到政务事件办理推荐模型。信息获取单元208被配置成获取用户通过终端输入的待办事件集合和用户当前位置信息。预测模型209被配置成将待办事件集合输入政务事件办理推荐模型，得到待办事件序列。

[0070] 可以理解的是，该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元，在此不再赘述。

[0071] 下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

[0072] 如图3所示，电子设备300可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储器（ROM）302中的程序或者从存储装置308加载到随机访问存储器（RAM）303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备
300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出（I/O）接口305也连接至总线304。

[0073] 通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

[0074] 特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。

[0075] 需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD‑ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。

[0076] 在一些实施方式中，客户端、服务器可以利用诸如HTTP（HyperText Transfer Protocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。

[0077] 上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取历史政务事件数据，历史政务事件数据包括结构化数据、非结构化数据和半结构化数据；对于非结构化数据和半结构化数据进行词性标注，得到标注后数据；对标注后数据进行实体识别，以确定标注后数据中的实体，实体为人物实体、事件实体和事件属性实体；将标注后数据与结构化数据进行融合，得到融合数据；基于融合数据中的实体之间的关联关系，构建知识图谱，知识图谱中的节点表示实体，知识图谱中的边表示不同实体之间的关联关系；根据知识图谱生成每个人物实体对应的事件办理序列，其中，事件办理序列用于表征人物实体对应的多个事件的办理顺序；基于每个人物实体对应的事件办理序列，训练得到政务事件办理推荐模型，获取用户通过终端输入的待办事件集合和用户当前位置信息；将待办事件集合输入政务事件办理推荐模型，得到待办事件序列。

[0078] 可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。

[0079] 附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

[0080] 本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。

[0081] 以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。