本发明涉及信息推送，具体为智慧办公信息推送方法及系统。
背景技术：
1、在大中型企业中，办公信息推送是提高员工工作效率和沟通协作的重要手段。然而，传统的信息推送方式往往依赖于手动操作或基于简单规则的系统，难以准确把握每位员工的实际需求和偏好。随着信息化和数字化的发展，智慧办公信息推送成为一种新趋势，通过智能化技术和数据分析，能够实现更为精准和高效的信息推送。
2、传统推送系统中信息泛滥、推送内容相关性低、用户体验差等问题。首先，传统系统难以根据用户的实时需求和偏好进行个性化推送，往往导致大量无关信息推送，干扰用户的正常工作。其次，传统系统缺乏对用户反馈的有效分析和利用，难以持续优化推送策略。
3、在申请公布号为cn116562814a的中国发明专利中，公开了智慧办公信息推送系统及方法，涉及信息推送技术领域，获取职工的身份信息和推送偏好，汇总后建立职工信息集，依据职工是否为常驻职工，分别生成常驻职工评价值和非常驻职工系数；依据常驻职工评价值及非常驻职工系数与对应阈值的关系，为职工划分档位，并依据所生成的不同档位；依据所选定的推送策略，结合职工的推送偏好，有序的向职工发出通知信息；在预设周期内，统计在职工对收到的通知信息后进行确认的平均时间，依据确认时间的长短，对职工的推送偏好进行修正。通过判断职工的推送优先级，使通知信息的发出和获取能够有序进行，不会因为堵塞产生遗漏，对工作的有序开展形成保障。
4、以上申请中记载的技术方案中，数据采集仅限于职工的身份信息、推送偏好以及职工进入办公区域的频率等，数据源较为单一，信息维度有限。在生成常驻职工评价值zz和非常驻职工系数fs时，只考虑了有限的几个参数(如部门利润比、工作年限、岗位薪资、入驻频率和确认时间)，缺乏对更广泛特征的提取和分析。推送策略主要基于职工的评价值和档位，缺乏更细化和个性化的推送策略。推送偏好修正也仅限于依据确认时间的长短，调整较为单一，反馈机制相对简单，主要通过确认时间来调整推送偏好，缺乏对用户点击行为、阅读时间等细节的分析，系统优化能力有限，主要依靠职工的评价值zz和非常驻职工系数fs，依据阈值划分档位，并基于档位进行推送。本系统更全面地收集和处理数据，提取更丰富的特征，使用先进的机器学习算法进行建模和预测，提供更加个性化和精准的信息推送，并通过持续的用户反馈优化系统，显著提升了智慧办公信息推送的效果。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，本发明提供了智慧办公信息推送方法及系统，解决了背景技术中提到的问题。
3、(二)技术方案
4、为实现以上目的，本发明通过以下技术方案予以实现：智慧办公信息推送系统，包括数据收集模块、数据预处理模块、特征提取模块、预测模块、信息推送模块和用户反馈模块；
5、所述数据收集模块用于从办公软件、项目管理工具、会议软件、hr管理系统、浏览器插件、企业内部社交平台、时间管理软件、邮件客户端和协作工具中收集数据，获取：第一数据组、第二数据组和第三数据组；
6、所述数据预处理模块用于对收集到的第一数据组、第二数据组和第三数据组，进行清洗、去重、格式转换和标准化处理后传输至特征提取模块；
7、所述特征提取模块用于从预处理后的数据中提取关键特征，用户行为模式、关键词和使用频率，建立训练模型，利用机器学习算法、协同过滤、内容推荐和深度学习，计算获取：智能推送指数znts；
8、所述预测模块用于通过智能推送指数znts与预设推送阈值n和预设推送阈值m进行对比，生成个性化的预测结果，预测用户的需求和偏好；
9、所述信息推送模块用于根据预测模型的结果，实时推送与用户需求相关的信息，包括文档、会议通知和行业动态，实现信息的精准推送，提高用户获取信息的效率；
10、所述用户反馈模块用于收集用户对推送信息的反馈，包括点击率、阅读时间和用户评分，并根据反馈结果优化模型和推送策略。
11、优选的，所述数据收集模块包括工作情况采集单元、个人兴趣情况采集单元和行为习惯采集单元；
12、所述工作情况采集单元用于通过项目管理工具、文档管理系统和会议软件，采集任务完成时间、任务优先级、项目进度、文件的使用次数和员工在会议中的活跃情况，获取：预计完成时间yjsj、实际完成时间sjsj、特定文档的访问率wdfw、特定文档的编辑频率wdbj、当前项目的进度百分比jdbf和会议参与活跃度hyhy，作为第一数据组；
13、所述个人兴趣情况采集单元用于通过文档管理系统、浏览器插件和企业内部社交平台，采集文档阅读时间ydsj、网页停留时间tlsj、主题点击率ztdj和技能应用频率jnyy，作为第二数据组；
14、所述行为习惯采集单元用于通过时间管理软件、邮件客户端和协作工具，采集：日常工作时间rcgz、应用使用时间yysy、工作与休息比例sjbl、邮件响应时间xysj和协作工具使用频率gjsy，作为第三数据组。
15、优选的，所述数据预处理模块包括数据预处理单元；
16、所述数据预处理单元用于负责对第一数据组、第二数据组和第三数据组进行全面的数据预处理，预处理步骤包括：去除噪声数据、处理缺失值、修正异常值、识别并删除重复数据和将不同来源的数据转换为统一的格式，将预处理后的数据传输至特征提取模块。
17、优选的，所述特征提取模块包括特征提取单元和模型训练单元；
18、所述特征提取单元用于负责从清洗和标准化后的数据中提取关键特征，包括用户行为模式、关键词和使用频率，利用特征选择算法去除冗余或无关特征；
19、所述用户行为模式用于分析用户的操作日志，提取行为模式，包括工作时间分布、应用使用时间和文档阅读时间；
20、所述关键词提取用于从文档和通讯内容中提取关键词，使用自然语言处理nlp技术、tf-idf和词向量；
21、所述使用频率用于计算各类文档、应用和工具的使用频率，统计访问和编辑次数和会议参与度；
22、所述模型训练单元用于使用提取和选择的特征，利用多种机器学习算法训练模型利用训练好的模型，计算：智能推送指数znts、工作内容相关度系数gzxg、兴趣匹配度系数xqpp和行为习惯系数xwxg；
23、所述智能推送指数znts通过以下公式计算获取：
24、znts＝gzxg*α+xqpp*β+xwxg*χ；
25、式中，znts表示智能推送指数，gzxg表示工作内容相关度系数，xqpp表示兴趣匹配度系数，xwxg表示行为习惯系数，α、β和χ分别表示工作内容相关度系数gzxg、兴趣匹配度系数xqpp和行为习惯系数xwxg的比例系数；
26、其中，0≤α≤1，0≤β≤1，0≤χ≤1，且α+β+χ≤1.0；
27、所述工作内容相关度系数gzxg通过以下公式计算获取：
28、
29、式中，yjsj表示预计完成时间，sjsj表示实际完成时间，wdfw表示特定文档的访问率，wdbj表示特定文档的编辑频率，jdbf表示当前项目的进度百分比，hyhy表示会议参与活跃度，表示预计完成时间与实际完成时间的比值，表示特定文档访问率的反比，表示特定文档编辑频率的反比。
30、优选的，所述兴趣匹配度系数xqpp通过以下公式计算获取：
31、
32、式中，ydsj表示文档阅读时间，tlsj表示网页停留时间，ztdj表示主题点击率，jnyy表示技能应用频率，文档阅读时间对数log(ydsj+1)表示对文档阅读时间取对数以降低极端值影响，网页停留时间对数log(tlsj+1)表示对网页停留时间取对数以降低极端值影响。
33、优选的，所述行为习惯系数xwxg通过以下公式计算获取：
34、
35、式中，rcgz表示日常工作时间，yysy表示应用使用时间，sjbl表示工作与休息比例，xysj表示邮件响应时间，gjsy表示协作工具使用频率，日常工作时间与应用使用时间比率表示反映工作时间与应用使用时间的比例，平衡工作效率，邮件响应时间反比表示邮件响应时间的反比。
36、优选的，所述预测模块包括预测评估单元；
37、所述预测评估单元用于通过智能推送指数znts与预设推送阈值n和预设推送阈值m进行对比，生成个性化的预测结果：
38、当智能推送指数znts>预设推送阈值n时，获取第一评估等级，系统优先推送与用户需求相关的信息，通过特征提取和模型训练，确保智能推送指数znts反映用户需求的准确程度；
39、当预设推送阈值n≥智能推送指数znts≥预设推送阈值m时，获取第二评估等级，系统根据用户兴趣和历史行为，平衡推送多样化的信息内容，添加个性化设置选项，允许用户调整推送偏好，包括主题偏好和频率偏好，引入多层次的推送策略，根据用户的不同兴趣领域和行为模式，灵活调整推送内容；
40、所述当智能推送指数znts<预设推送阈值m时，获取第三评估等级，重新分析用户的浏览历史、搜索偏好和点击模式，提供用户自定义的推送偏好设置，包括主题选择、推送频率和时间偏好，建立快速响应机制，根据实时反馈迭代推送策略，确保及时调整和优化推送内容。
41、优选的，所述信息推送模块包括实时推送单元；
42、所述实时推送单元用于基于预测模型的结果，分析用户当前的需求和偏好，将文档、会议通知和行业动态精准推送给用户，收集用户对推送信息的反馈，并将反馈信息传输至用户反馈模块。
43、优选的，所述用户反馈模块包括反馈数据收集单元和反馈分析单元；
44、所述反馈数据收集单元用于监控并记录用户对推送信息的点击行为，跟踪用户在推送内容上的停留时间，提供用户评分功能，记录用户对推送内容的评价，统计每条信息的点击次数和用户对每条信息的阅读时长；
45、所述反馈分析单元用于对点击率、阅读时间和用户评分数据进行统计和分析，识别用户偏好和需求，根据反馈数据分析结果，调整推送策略，包括推送频率、推送时间和推送内容，优化推送内容的个性化设置。
46、智慧办公信息推送方法，包括以下步骤：
47、步骤一：通过从办公软件、项目管理工具、会议软件、hr管理系统、浏览器插件、企业内部社交平台、时间管理软件、邮件客户端和协作工具中收集数据，获取：第一数据组、第二数据组和第三数据组；
48、步骤二：通过对收集到的第一数据组、第二数据组和第三数据组，进行清洗、去重、格式转换和标准化处理后传输至特征提取模块；
49、步骤三：从预处理后的数据中提取关键特征，用户行为模式、关键词和使用频率，建立训练模型，利用机器学习算法、协同过滤、内容推荐和深度学习，计算获取：智能推送指数znts；
50、步骤四：通过智能推送指数znts与预设推送阈值n和预设推送阈值m进行对比，生成个性化的预测结果，预测用户的需求和偏好；
51、步骤五：根据预测模型的结果，实时推送与用户需求相关的信息，包括文档、会议通知和行业动态，实现信息的精准推送，提高用户获取信息的效率；
52、步骤六：所述用户反馈模块用于收集用户对推送信息的反馈，包括点击率、阅读时间和用户评分，并根据反馈结果优化模型和推送策略。
53、(三)有益效果
54、本发明提供了智慧办公信息推送方法及系统，具备以下有益效果：
55、(1)系统运行时，通过从多渠道中收集数据，获取：第一数据组、第二数据组和第三数据组，通过对收集到的第一数据组、第二数据组和第三数据组，预处理后传输至特征提取模块，建立训练模型，计算获取：智能推送指数znts，通过智能推送指数znts与预设推送阈值n和预设推送阈值m进行对比，生成个性化的预测结果，预测用户的需求和偏好，根据预测模型的结果，实时推送与用户需求相关的信息，包括文档、会议通知和行业动态，实现信息的精准推送，提高用户获取信息的效率，所述用户反馈模块用于收集用户对推送信息的反馈，包括点击率、阅读时间和用户评分，并根据反馈结果优化模型和推送策略。
56、(2)通过数据预处理步骤，去除噪声数据、处理缺失值和修正异常值，确保数据的完整性和一致性，统一数据格式，使不同来源的数据可以有效结合和分析，提高数据处理和分析的效率。通过工作情况、个人兴趣和行为习惯的全面数据采集，系统能够更好地理解用户的需求和偏好。精准推送相关的工作信息、任务提醒和协作建议，帮助用户更高效地完成工作任务。
57、(3)通过个性化的信息推送，用户可以及时获取与自身需求和兴趣相关的信息，减少无关信息的干扰。通过实时反馈机制，不断优化推送内容和策略，确保系统能够动态适应用户的变化需求，提高用户对系统的满意度。提供精准的任务提醒和协作建议，帮助用户更好地管理工作任务和时间，提高工作效率。通过推送最新的行业动态和技能应用，帮助用户不断提升专业知识和技能，增强职业竞争力。通过大数据分析和机器学习模型，系统能够提供基于数据的智能决策支持，帮助企业优化资源配置和管理决策。实现信息的智能化推送，推动企业数字化转型和智能办公的发展。
58、(4)通过智能推送指数znts与预设阈值的对比，系统能够动态调整推送策略，确保推送内容与用户需求高度匹配，提高推送的准确性和相关性。提供多层次的推送策略和个性化设置选项，使用户能够根据自身需求和偏好灵活调整推送内容和频率，增强用户的参与感和满意度。加强用户反馈机制，及时根据用户反馈优化推送内容和策略，提升用户体验。通过特征提取和模型训练，不断优化推荐算法，提高系统对用户需求的预测能力和推送效率。利用实时反馈和快速响应机制，确保系统能够及时调整和优化推送内容，保持高效运行。
1.智慧办公信息推送系统，其特征在于：包括数据收集模块、数据预处理模块、特征提取模块、预测模块、信息推送模块和用户反馈模块；
2.根据权利要求1所述的智慧办公信息推送系统，其特征在于：所述数据收集模块包括工作情况采集单元、个人兴趣情况采集单元和行为习惯采集单元；
3.根据权利要求1所述的智慧办公信息推送系统，其特征在于：所述数据预处理模块包括数据预处理单元；
4.根据权利要求1所述的智慧办公信息推送系统，其特征在于：所述特征提取模块包括特征提取单元和模型训练单元；
5.根据权利要求4所述的智慧办公信息推送系统，其特征在于：所述兴趣匹配度系数xqpp通过以下公式计算获取：
6.根据权利要求4所述的智慧办公信息推送系统，其特征在于：所述行为习惯系数xwxg通过以下公式计算获取：
7.根据权利要求1所述的智慧办公信息推送系统，其特征在于：所述预测模块包括预测评估单元；
8.根据权利要求1所述的智慧办公信息推送系统，其特征在于：所述信息推送模块包括实时推送单元；
9.根据权利要求1所述的智慧办公信息推送系统，其特征在于：所述用户反馈模块包括反馈数据收集单元和反馈分析单元；
10.智慧办公信息推送方法，应用于权利要求1～9任一项所述的智慧办公信息推送系统，其特征在于：包括以下步骤：
