信息与电脑杂志

摘要：当前，OA(Office Automation)等协同办公系统中的待办任务多按时间顺序排列，工作人员需依靠经验逐一判断处理优先级，不仅效率较低，还易遗漏紧急事项。为此，文章提出一种基于K近邻(K-Nearest Neighbors, KNN)算法的任务优先级推荐方法。该方法围绕任务属性、用户属性、历史行为和协同关系四类信息，构建包含15项特征的分类模型，将任务推荐问题转化为高/低优先级的二分类问题，并利用KNN算法的概率输出对待办任务进行个性化排序。实验结果表明，KNN在最优参数配置下取得了83.47%的准确率和0.849 0的F1分数，性能优于朴素贝叶斯、决策树和逻辑回归三种对比模型。特征分析表明，紧急程度和截止天数对优先级预测的贡献最为突出。此外，KNN的预测过程透明、部署便捷，能够满足办公场景的实际需求。

关键词： KNN算法;协同办公;任务推荐;优先级分类;机器学习;

基金资助： 广东省软科学研究计划项目(项目编号：No.2025A1010010002)；

专辑： 信息科技

专题： 计算机软件及计算机应用

分类号： TP391.3;TP317.1