随着我国政务大数据平台和数字政府建设和发展,政务大数据平台多业务系统的信息过载问题愈发凸显,政务大数据平台需要更有效地利用积累的用户历史行为数据,以实现对用户可能需要的政务服务进行精准预估,进而提高政务多业务系统的实用性、便捷性。因此,重视、解决其中的信息过载问题对于我国政务大数据的发展有着重要的意义。然而,在政务大数据平台利用点击率预估模型预估用户可能需要的政务服务时,存在诸多难题,主要表现为以下三点:第一,模型的点击率预估模型鲁棒性差,准确性有待提高;第二,模型空间消耗大,处理数据时容易产生数据维度爆炸现象;第三,模型主要服务于在线广告的点击率预估,不能适合政务大数据平台多业务系统场景的需要。本文以政务大数据平台多业务系统个性化推荐需要为背景,分析政务多业务系统的实际特点,提出一种准确性高、鲁棒性强的融合LightGBM和DeepFM点击率预估模型LGDF,用于预估用户点击某项政务服务的概率。本文主要从以下三个方面展开:1.针对政务大数据平台情景的数据特点,本文提出的LGDF在LightGBM与DeepFM算法的基础上进行改进,在不删除原有数据的前提下,提出将LightGBM产生的整型叶子值向量与原始数据行拼接的方式,创新模型间的数据使用方式。与传统方法相比,这种数据使用方法降低了数据维度,节省了内存空间,提高了模型的预估效率和准确性。2.在模型实验部分,使用点击率预估模型常用的性能评估公开数据集Criteo来训练并验证模型的准确性。对数据集合理的预处理后,通过对模型设置不同超参数,查看不同参数值对模型的影响,并最终获得最优超参数和最优模型性能。为了确认模型的准确性,将本文提出的LGDF模型与传统的主流点击率预估模型比较,结果显示本文提出的LGDF模型AUC值和Log Loss值表现较好。3.在本文提出的预测算法的基础上设计并实现一个个性化业务模拟推荐原型系统,该系统集成了模型参数设置、模型训练过程可视化和效果评估、展示预测结果等功能,研究论证本文所提模型对业务推荐的可行性和有效性。