课题研究内容：1.通过机器学习、博弈论、数据挖掘等方法充分开发与利用跨层级、跨地域、跨系统、跨部门、跨业务的数据并对多种源头的不同类数据进行规则和标准的设定。2.课题拟通过对用户相关指标分析得到特征画像，进而根据用户画像及部门群组画像进行智能数据流转分析，通过对用户个人信息，业务纪录，办件偏好，互动会话关联等数据分析，根据用户特征画像进行特性投送，提升平台服务能力，简化用户办理成本。3.本课题还基于对系统生成的海量业务数据进行有效数据提取（如办件偏好、基本信息、互动会话等）生成业务员画像，并对业务数据和行为建模，随后进行大批量宽精度模型预训练，包括设置预训练任务、设计目标激励函数、设计注意力机制等。对得到的高泛化性预训练模型，利用业务群组画像，进行用户感知下游任务训练，实现定向特异性属性分析，提升数据服务效能。
课题目标构建一套通用的多类型数据使用模式，搭建成熟的基于智能数据流转的业务推荐系统和开发基于博弈关系建模的环保预警系统。
课题承接团队为西安交通大学网络空间安全学院李吉亮教授课题组，隶属管晓宏院士、苏洲院长团队。本课题将依托西安交通大学智能网络与网络安全教育部重点实验室、信息物理融合系统教育部工程中心、西安交通大学网络空间安全学院进行研究。
课题计划：1.多源多类数据标准化首先对其进行特性分析，在确定统一跨部门跨领域的数据统一方法逻辑后，实现数据归一化和标准化，并完成相关测试。2.基于多维数据分析的用户推荐系统从划定需求数据集出发，而后进行智能数据流转以及业务推荐的逻辑设定，完成原型设计后构建系统并在真实场景中测试。3.基于预训练的政务推荐系统计划在制定完成完备的相关数据集基础上进行初步的预训练，以及设计进行用户感知下游任务训练思路，而后进行数据归纳逻辑以及系统原型设计，最后实现系统并在真实应用场景中完成测试。
现有成果：1.多源多类型数据标准化：初步进行基于多源多类型数据的特性分析。2.基于多维数据分析的用户推荐系统：初步设计了智能数据流转及业务推荐逻辑，划定数据收集范围。3.基于预训练的政务推荐系统：初步设计预训练模型建模逻辑。
现有成果：
基于多维数据分析的用户推荐系统方案框架
基于预训练的政务推荐系统方案框架
成果展示
硬件设施
设备平台
设备平台
