CN107943931A - 来访者与咨询师的匹配方法及系统 - Google Patents
来访者与咨询师的匹配方法及系统 Download PDFInfo
- Publication number
- CN107943931A CN107943931A CN201711176624.9A CN201711176624A CN107943931A CN 107943931 A CN107943931 A CN 107943931A CN 201711176624 A CN201711176624 A CN 201711176624A CN 107943931 A CN107943931 A CN 107943931A
- Authority
- CN
- China
- Prior art keywords
- consultant
- candidate
- visitor
- consultants
- screening
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种来访者与咨询师的匹配方法及系统，在获取来访者和咨询师的信息数据后，根据获取的来访者和咨询师的信息数据筛选出一候选咨询师集合，所述候选咨询师集合中的候选咨询师按照一定的顺序进行排列，所述候选咨询师集合中的每一位候选咨询师均设定一等待时长，在所述等待时长内，该候选咨询师选择所述来访者，则匹配成功，否则，则按照所述候选咨询师集中的排列顺序进入下一位候选咨询师的等待时长。从而可以实现来访者和咨询师之间的快速匹配。
Description
技术领域
本发明涉及心理咨询领域，尤其是一种来访者与咨询师的匹配方法及系统。
背景技术
在线下咨询中,心理咨询师与来访者之间的契合度，对于心理咨询的效果影响较大。来访者的行为、爱好、地域、年龄段等，往往更能体现出来访者的需求，比如传统线下，来访者需要咨询比较私密的问题，但心理咨询师是异性，往往达不到咨询的最大效果，再比如，同一地域的心理咨询师与来访者，通过地方方言咨询，语言的契合度让来访者心情更放松。而且这种线下咨询，能收集到的来访者和咨询师双方的信息非常有限，就这导致要有高契合度的匹配无从谈起，如何帮助来访者寻找到合适的咨询师也成为困扰心理咨询界已久的问题。
发明内容
随着移动互联网应用技术的普及为咨询方式带来了革命性的变化，也使得在无感知状态下大量收集咨询师与来访者信息的成为可能。计算科学、数据挖掘等信息分析技术的迅速发展，高效处理和分析海量数据已不再是成本高不可攀的难题，它的出现可以让我们的匹配契合度大大提高，通过对大数据的挖掘、分析，再有各类数据分析算法和理论支持，在互联网以及大数据的背景下，如何实现来访者与咨询师的快速匹配将对心理咨询行业的发展起到重要作用。
本发明的目的在于提供一种来访者与咨询师的匹配方法及系统，以实现来访者与咨询师的快速匹配。
为了达到上述目的，本发明提供了来访者与咨询师的匹配方法，包括：分别获取来访者和咨询师的信息数据；
根据获取的来访者的信息数据和咨询师的信息数据，筛选出一候选咨询师集合，所述候选咨询师集合中的候选咨询师按照一定的顺序进行排列；以及
所述候选咨询师集合中的每一位候选咨询师均设定一等待时长，在所述等待时长内，该候选咨询师选择所述来访者，则匹配成功，否则，则按照所述候选咨询师集中的排列顺序进入下一位候选咨询师的等待时长。
优选的，在上述的来访者与咨询师的匹配方法中，筛选出所述候选咨询师集合的步骤包括：
根据来访者和咨询师之间的契合度规则进行第一次筛选，筛选出第一候选咨询师集合；
根据随机规则进行第二次筛选，从所述第一候选咨询师集合之外的咨询师中筛选出第二候选咨询师集合；以及
根据第一候选咨询师集合和第二候选咨询师集合确定所述候选咨询师集合。
优选的，在上述的来访者与咨询师的匹配方法中，在第一次筛选过程中，通过以下公式获得来访者和咨询师之间的契合度：
其中，f1表示来访者与咨询师之间的契合度，f1∈[0，1]，即根据输入和将来访者和咨询师之间的契合度映射到【0,1】区间上，y是根据所述来访者和咨询师的变量和确定的距离值，a、b、c以及β为参数，符号函数其中Φ表示空集，Δ1表示来访者咨询领域集合，Δ2表示咨询师擅长领域集合。
优选的，在上述的来访者与咨询师的匹配方法中，通过以下公式完成第二次筛选：
从所述第一候选咨询师集合之外的咨询师中筛选出m个咨询师，其中，f2表示所述第一候选咨询师集合之外的咨询师被选中的概率，符号函数m为大于1的自然数，y为来访者与咨询师之间的匹配概率。
优选的，在上述的来访者与咨询师的匹配方法中，y由以下公式获得：
其中，Ψ表示所有咨询师所形成的集合，Ψ1表示所述第一候选咨询师集合。
优选的，在上述的来访者与咨询师的匹配方法中，y还可根据咨询师服务频次的占比、咨询师所的评价的占比以及历史记录中来访者和咨询师匹配的成功率中的任意一种或者多种组合来获得。
优选的，在上述的来访者与咨询师的匹配方法中，根据第一候选咨询师集合和第二候选咨询师集合确定所述候选咨询师集合的规则如下：在所述第一候选咨询师集合中第i个元素后随机插入所述第二候选咨询师集合的j个元素，其中，i∈[0，n]，j∈[1，m]，且i>j，n为所述第一候选咨询师集合中元素的个数，m为所述第二候选咨询师集合中元素的个数。
优选的，在上述的来访者与咨询师的匹配方法中，通过以下公式获得所述候选咨询师集合：
其中，当时，α∈[0,1]，含义是取中前N个满足条件的咨询师。
本发明还提供了一种来访者与咨询师的匹配系统，包括：
数据采集模块，用于获取来访者和咨询师的信息数据；
筛选模块，用于根据获取的来访者的信息数据和咨询师的信息数据，筛选出一候选咨询师集合，所述候选咨询师集合中的候选咨询师按照一定的顺序进行排列；以及
数据处理模块，用于为所述候选咨询师集合中的每一位候选咨询师均设定一等待时长，在所述等待时长内，该候选咨询师选择所述来访者，则匹配成功，否则，则按照所述候选咨询师集中的排列顺序进入下一位候选咨询师的等待时长。
优选的，在上述的来访者与咨询师的匹配系统中，所述筛选模块包括第一筛选模块、第二筛选模块以及第三筛选模块；
其中，所述第一筛选模块根据来访者和咨询师之间的契合度规则进行第一次筛选，筛选出第一候选咨询师集合；
所述第二筛选模块根据随机规则进行第二次筛选，从所述第一候选咨询师集合之外的咨询师中筛选出第二候选咨询师集合；
所述第三筛选模块根据第一候选咨询师集合和第二候选咨询师集合确定所述候选咨询师集合。
在本发明提供的来访者与咨询师的匹配方法及系统中，在获取来访者和咨询师的信息数据后，根据获取的来访者和咨询师的信息数据筛选出一候选咨询师集合，所述候选咨询师集合中的候选咨询师按照一定的顺序进行排列，所述候选咨询师集合中的每一位候选咨询师均设定一等待时长，在所述等待时长内，该候选咨询师选择所述来访者，则匹配成功，否则，则按照所述候选咨询师集中的排列顺序进入下一位候选咨询师的等待时长。从而可以实现来访者和咨询师之间的快速匹配。
附图说明
图1为本发明一实施例中来访者与咨询师的匹配方法的流程图；
图2为图1中步骤S2的流程图；
图3为本发明又一实施例中来访者与咨询师的匹配系统的结构示意图。
具体实施方式
下面将结合示意图对本发明的具体实施方式进行更详细的描述。根据下列描述和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
本发明实施例提供了一种来访者与咨询师的匹配方法，具体的，如图1所示，图1为本发明一实施例中来访者与咨询师的匹配方法的流程图，所述方法包括以下步骤：步骤S1，分别获取来访者和咨询师的信息数据；步骤S2，对于任一来访者，根据步骤S1中获取的来访者的信息数据和咨询师的信息数据，筛选出一候选咨询师集合，所述候选咨询师集合中的候选咨询师按照一定的顺序进行排列；步骤S3，所述候选咨询师集合中的每一位候选咨询师均设定一等待时长，在所述等待时长内，该候选咨询师选择所述来访者，则匹配成功，否则，则按照所述候选咨询师集中的排列顺序进入下一位候选咨询师的等待时长。
具体的，在上述步骤S1中，将来访者群体作为一个集合，用Θ表示，将咨询师群里作为一个集合，用Ψ表示。
进一步的，获得的所述来访者的信息数据Ω1包括但不限于：1)来访者所在地域、性别、年龄、成长背景、GPS定位、学历以及语言能力；2)所述来访者此次想要咨询的领域；以及3)来访者的情绪、性格以及偏好等数据。
所述语言能力包括但不限于所述来访者涉猎的外语的种类以及相应外语的水平。
同理，获得的所述咨询师的信息数据Ω2包括但不限于：1)咨询师所在地域、性别、年龄、成长背景、学历以及证书等级；2)咨询师擅长的领域；3)咨询师的偏好数据。
心理咨询领域集合Δ＝{Tag1,Tag2,...,Tagi,Tagi+1,...}，例如Tag1为抑郁，Tag2为焦虑，Tag3为社交恐惧症等，其中i∈[0,L]，且，i、L、L1以及L2均为自然数，来访者咨询领域集合Δ1，|Δ1|＝L1；咨询师擅长领域集合Δ2，|Δ2|＝L2，其中
所述咨询师的偏好数据可以根据步骤S3中咨询师选择的来访者的信息数据获得。
在上述步骤S2中，对于任一来访者，筛选出该来访者的候选咨询师集合，并且在所述候选咨询师集合中，所有的候选咨询师按照一定的顺序进行排列。
具体的，首先根据来访者和咨询师之间的契合度规则进行第一次筛选，从而筛选出第一候选咨询师集合Ψ1，具体的，如图2中的步骤S21所示，图2为图1中步骤S2的流程图。然后再根据随机规则进行第二次筛选，从咨询师集合(Ψ-Ψ1)中筛选出第二候选咨询师集合Ψ2，如图2中的步骤S22。最后再根据第一候选咨询师集合Ψ1和第二候选咨询师Ψ2集合确定所述候选咨询师集合Ψ12，如图2中的步骤S23。
在上述步骤S21中，首先将所述来访者的信息数据Ω1和所述咨询师的信息数据Ω2进行处理，具体的，将所述来访者的信息数据Ω1和所述咨询师的信息数据Ω2中的地域、性别、年龄、成长背景、GPS定位、学历以及语言能力等数据进行数字化、标准化以及归一化处理。
在本发明的一实施例中，针对所述来访者的信息数据Ω1中的地域以及所述咨询师的信息数据Ω2中的地域，均可采用来访者和咨询师身份证的前六位数据进行代替，具体而言，对于用户1为北京市东城区人，则其对应地域指标的值为110101，再如用户2为上海市浦东西区人，则对应的地域指标的值为310115。在本发明的又一实施例中，针对所述来访者的信息数据Ω1中的学历以及所述咨询师的信息数据Ω2中的学历有小学、初中、高中、大学、硕士、博士、博士后，可将其分别对应为1、2、3、4、5、6、7。所述来访者的信息数据Ω1和所述咨询师的信息数据Ω2中的其他的数据可以采用相同的方式进行处理，从而将所述来访者的信息数据Ω1和所述咨询师的信息数据Ω2分别转换为和。
进一步的，在本发明的又一实施例中，在进行第一次筛选和第二次筛选的过程中，还依赖于来访者和咨询师交谈后产生的数据Ω3，该部分数据包括但不限于：1)来访者对咨询师的平均；2)咨询师对来访者做出的咨询报告。对该部分数据进行数字化、标准化以及归一化处理后，将其映射到【-1,1】的实数空间上，从而将来访者和咨询师交谈后产生的数据Ω3转换为XΩ3。
在进行第一次筛选过程中，通过以下公式获得来访者和咨询师之间的契合度：
其中，f1表示来访者与咨询师之间的契合度，f1∈[0，1]，即根据输入和将来访者和咨询师之间的契合度映射到【0,1】区间上，y是根据来访者和咨询师指标计算出的距离值，a、b、c以及β为参数，一般而言，a可取值为0，b取值为1，c取值为1，β取值为0.1，符号函数其中Φ表示空集，Δ1表示来访者咨询领域集合，Δ2表示咨询师擅长领域集合。
进一步的，y可以根据以下的公式获得：
其中，其中，D1标识根据所述来访者和咨询师的集合属性计算出的第一距离，在此公式中，X1和X2分别为所述集合属性中的任意两个值；
其中，D2为根据所述来访者和咨询师的集合属性计算出的第二距离，在此公式中，X1和X2分别为所述集合属性中的任意两个值；
D3＝L(X1，X2)＝||X1-X2||1，其中，D3为根据所述来访者和咨询师的标量属性计算出的第三距离，在此公式中，X1和X2分别为所述集合属性中的任意两个值。
在本发明的一实施例中，a可取值为0，b取值为1，c取值为1，β取值为0.1，在变量y的取值范围内，使得sigmoid曲线的的斜率变化平缓，且输出的数据分布能够满足业务需求即可，对a，b，c以及β的取值没有其他限制。
在根据上述(式1)获取与集合Ψ中各个咨询师之间的契合度之后，按照契合度从大到小的顺序进行排列，选择前n个咨询师形成第一候选咨询师集合Ψ1，且n为大于1的自然数。
在上述的步骤S22中，如图2所示，根据随机规则进行第二次筛选，从咨询师集合(Ψ-Ψ1)中筛选出第二候选咨询师集合Ψ2。
采用契合度规则进行匹配，最终会导致与来访者相匹配的咨询师群体趋于同质。因此采用一种随机规则，确保根据第一候选咨询师集合Ψ1和第二咨询师集合Ψ2所形成的所述候选咨询师集合Ψ12中多样性的存在。
具体的，所述第二次筛选通过以下公式获得：
根据上述(式2)即可从集合(Ψ-Ψ1)中筛选出m个咨询师，其中，f2表示所述第一候选咨询师集合之外的咨询师被选中的概率，符号函数m为大于1的自然数。
在本发明的一实施例中，上述(式2)中的y可通过以下公式获得：
此为无信息随机规则，即咨询师集合(Ψ-Ψ1)中的每一位咨询师都以相等的概率与来访者进行匹配。
在本发明的又一实施例中，上述(式2)中的y按照咨询师服务频次的占比进行推荐，在本发明的另一实施例中，上述(式2)中的y按照咨询师所的评价的占比进行推荐，在本发明的又一实施例中，上述(式2)中的y按照标签进行推荐，来访者tagi与咨询师tagj(i≠j)，根据历史记录获取tagi tagj这个匹配过程的成功率，以成功率高低为基础进行匹配。然后采用进化动力学的思想，对每一类随机规则匹配数量进行动态调整：每一种随机规则，匹配后的成功率都是已知的，将成功率作为每一类随机规则的得分，然后根据得分对每一类随机规则进行权重分配τi∈(0,1)。
通过上述步骤S21和步骤S22即可分别获得第一选咨询师集合Ψ1和第二候选咨询师Ψ2，第一选咨询师集合Ψ1中的各个咨询师是按照各自要来访者之间的契合度从高到低进行排列的，而第二候选咨询师Ψ2中的各个咨询师之间是无顺序的，是随机排列的。步骤S23中根据第一候选咨询师集合Ψ1和第二候选咨询师Ψ2集合确定所述候选咨询师集合Ψ12的规则如下：在Ψ1中i位置后随机插入Ψ2中j个元素。
具体的，令：
Ψ1＝(α1，α2，…，αm)，Ψ2＝(β1，β2,…,βm)，
则：
Ψ12＝(α1，α2，…，αi，β1，β2，…，βj，αi+1…)，
其中：i∈[0，n]，j∈[1，m]，且i>j。
需要说明的是，当来访者和咨询师均为新用户时，则可以采用以下公式来获得所述候选咨询师集合：
即取集合和交集，并且当时，α∈[0,1]，含义是取中前N个满足条件的咨询师。
在上述步骤S3中，所述候选咨询师集合中的每一位候选咨询师均设定一等待时长，在所述等待时长内，该候选咨询师选择所述来访者，则匹配成功，否则，则按照所述候选咨询师集Ψ12中的排列顺序进入下一位候选咨询师的等待时长。
所述等待时长是根据时间模型fT(x)来确认，而时间模型fT(x)是根据咨询师以往在选择来访者时所消耗的时间来确定的，当咨询师为一新用户时，即当该咨询师在此之前并未提供过咨询服务时，所述等待时长被设置为一默认值，所述默认值根据集合Ψ中的所有咨询师的等待时长的分布进行确定。
若所述候选咨询师集Ψ12中的所有咨询师均未在其各自的等待时长内选择该来访者，则说明该次匹配失败，返回上述步骤S1，从集合Ψ中的所有咨询师对该来访者重选进行匹配选择。
在本发明的又一实施例中，还提供了一种来访者与咨询师的匹配系统，具体的，如图3所示，图3为本发明又一实施例中来访者与咨询师的匹配系统的结构示意图。所述系统包括：数据采集模块、筛选模块以及数据处理模块，具体的，所述数据采集模块用于获取来访者和咨询师的信息数据，所述筛选模块用于根据获取的来访者的信息数据和咨询师的信息数据，筛选出一候选咨询师集合，所述候选咨询师集合中的候选咨询师按照一定的顺序进行排列，所述数据处理模块为所述候选咨询师集合中的每一位候选咨询师均设定一等待时长，在所述等待时长内，该候选咨询师选择所述来访者，则匹配成功，否则，则按照所述候选咨询师集中的排列顺序进入下一位候选咨询师的等待时长。
进一步的，所述筛选模块包括第一筛选模块、第二筛选模块以及第三筛选模块；其中，所述第一筛选模块根据来访者和咨询师之间的契合度规则进行第一次筛选，筛选出第一候选咨询师集合；所述第二筛选模块根据随机规则进行第二次筛选，从所述第一候选咨询师集合之外的咨询师中筛选出第二候选咨询师集合；所述第三筛选模块根据第一候选咨询师集合和第二候选咨询师集合确定所述候选咨询师集合。
所述系统采用以上所述的来访者与咨询师的匹配方法来实现来访者和咨询师之间的快速匹配。
综上，在本发明实施例提供的来访者与咨询师的匹配方法及系统中，在获取来访者和咨询师的信息数据后，根据获取的来访者和咨询师的信息数据筛选出一候选咨询师集合，所述候选咨询师集合中的候选咨询师按照一定的顺序进行排列，所述候选咨询师集合中的每一位候选咨询师均设定一等待时长，在所述等待时长内，该候选咨询师选择所述来访者，则匹配成功，否则，则按照所述候选咨询师集中的排列顺序进入下一位候选咨询师的等待时长。从而可以实现来访者和咨询师之间的快速匹配。
上述仅为本发明的优选实施例而已，并不对本发明起到任何限制作用。任何所属技术领域的技术人员，在不脱离本发明的技术方案的范围内，对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动，均属未脱离本发明的技术方案的内容，仍属于本发明的保护范围之内。
Claims (10)
1.一种来访者与咨询师的匹配方法，其特征在于，包括：
分别获取来访者和咨询师的信息数据；
根据获取的来访者的信息数据和咨询师的信息数据，筛选出一候选咨询师集合，所述候选咨询师集合中的候选咨询师按照一定的顺序进行排列；以及
所述候选咨询师集合中的每一位候选咨询师均设定一等待时长，在所述等待时长内，该候选咨询师选择所述来访者，则匹配成功，否则，则按照所述候选咨询师集中的排列顺序进入下一位候选咨询师的等待时长。
2.如权利要求1所述的来访者与咨询师的匹配方法，其特征在于，筛选出所述候选咨询师集合的步骤包括：
根据来访者和咨询师之间的契合度规则进行第一次筛选，筛选出第一候选咨询师集合；
根据随机规则进行第二次筛选，从所述第一候选咨询师集合之外的咨询师中筛选出第二候选咨询师集合；以及
根据第一候选咨询师集合和第二候选咨询师集合确定所述候选咨询师集合。
3.如权利要求2所述的来访者与咨询师的匹配方法，其特征在于，在第一次筛选过程中，通过以下公式获得来访者和咨询师之间的契合度：
<mrow>
<msub>
<mi>f</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<msub>
<mi>&Omega;</mi>
<mn>1</mn>
</msub>
</msub>
<mo>,</mo>
<msub>
<mi>X</mi>
<msub>
<mi>&Omega;</mi>
<mn>2</mn>
</msub>
</msub>
<mo>,</mo>
<msub>
<mi>X</mi>
<msub>
<mi>&Omega;</mi>
<mn>3</mn>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>+</mo>
<mfrac>
<mi>c</mi>
<mrow>
<mi>b</mi>
<mo>+</mo>
<msup>
<mi>e</mi>
<mrow>
<mi>&beta;</mi>
<mi>y</mi>
</mrow>
</msup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<msub>
<mi>sgn</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
其中，f1表示来访者与咨询师之间的契合度，f1∈[0，1]，即根据输入和将来访者和咨询师之间的契合度映射到【0,1】区间上，y是根据所述来访者和咨询师的变量和确定的距离值，a、b、c以及β为参数，符号函数其中Φ表示空集，Δ1表示来访者咨询领域集合，Δ2表示咨询师擅长领域集合。
4.如权利要求2所述的来访者与咨询师的匹配方法，其特征在于，通过以下公式完成第二次筛选：
<mrow>
<msub>
<mi>f</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<msub>
<mi>&Omega;</mi>
<mn>1</mn>
</msub>
</msub>
<mo>,</mo>
<msub>
<mi>X</mi>
<msub>
<mi>&Omega;</mi>
<mn>2</mn>
</msub>
</msub>
<mo>,</mo>
<msub>
<mi>X</mi>
<msub>
<mi>&Omega;</mi>
<mn>3</mn>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>sgn</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mi>y</mi>
<mo>,</mo>
</mrow>
从所述第一候选咨询师集合之外的咨询师中筛选出m个咨询师，其中，f2表示所述第一候选咨询师集合之外的咨询师被选中的概率，符号函数m为大于1的自然数，y为来访者与咨询师之间的匹配概率。
5.如权利要求4所述的来访者与咨询师的匹配方法，其特征在于，y由以下公式获得：
<mrow>
<mi>y</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mo>|</mo>
<mi>&Psi;</mi>
<mo>-</mo>
<msub>
<mi>&Psi;</mi>
<mn>1</mn>
</msub>
<mo>|</mo>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
其中，Ψ表示所有咨询师所形成的集合，Ψ1表示所述第一候选咨询师集合。
6.如权利要求4所述的来访者与咨询师的匹配方法，其特征在于，y还可根据咨询师服务频次的占比、咨询师所的评价的占比以及历史记录中来访者和咨询师匹配的成功率中的任意一种或者多种组合来获得。
7.如权利要求2所述的来访者与咨询师的匹配方法，其特征在于，根据第一候选咨询师集合和第二候选咨询师集合确定所述候选咨询师集合的规则如下：在所述第一候选咨询师集合中第i个元素后随机插入所述第二候选咨询师集合的j个元素，其中，i∈[0，n]，j∈[1，m]，且i>j，n为所述第一候选咨询师集合中元素的个数，m为所述第二候选咨询师集合中元素的个数。
8.如权利要求1所述的来访者与咨询师的匹配方法，其特征在于，通过以下公式获得所述候选咨询师集合：
<mrow>
<msub>
<mi>f</mi>
<mn>3</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<msub>
<mi>&Omega;</mi>
<mn>1</mn>
</msub>
</msub>
<mo>,</mo>
<msub>
<mi>X</mi>
<msub>
<mi>&Omega;</mi>
<mn>2</mn>
</msub>
</msub>
<mo>,</mo>
<msub>
<mi>X</mi>
<msub>
<mi>&Omega;</mi>
<mn>3</mn>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>{</mo>
<mi>&Psi;</mi>
<mo>|</mo>
<mi>M</mi>
<mi>a</mi>
<mi>x</mi>
<mi>N</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<msub>
<mi>&Omega;</mi>
<mn>1</mn>
</msub>
</msub>
<mo>&cap;</mo>
<msub>
<mi>X</mi>
<msub>
<mi>&Omega;</mi>
<mn>2</mn>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mfrac>
<mrow>
<mo>|</mo>
<msub>
<mi>X</mi>
<msub>
<mi>&Omega;</mi>
<mn>1</mn>
</msub>
</msub>
<mo>&cap;</mo>
<msub>
<mi>X</mi>
<msub>
<mi>&Omega;</mi>
<mn>2</mn>
</msub>
</msub>
<mo>|</mo>
</mrow>
<mrow>
<mo>|</mo>
<msub>
<mi>X</mi>
<msub>
<mi>&Omega;</mi>
<mn>1</mn>
</msub>
</msub>
<mo>|</mo>
<mo>+</mo>
<mn>1</mn>
</mrow>
</mfrac>
<mo>&GreaterEqual;</mo>
<mi>&alpha;</mi>
<mo>}</mo>
<mo>,</mo>
</mrow>
其中，当时，α∈[0,1]，含义是取中前N个满足条件的咨询师。
9.一种来访者与咨询师的匹配系统，其特征在于，包括：
数据采集模块，用于获取来访者和咨询师的信息数据；
筛选模块，用于根据获取的来访者的信息数据和咨询师的信息数据，筛选出一候选咨询师集合，所述候选咨询师集合中的候选咨询师按照一定的顺序进行排列；以及数据处理模块，用于为所述候选咨询师集合中的每一位候选咨询师均设定一等待时长，在所述等待时长内，该候选咨询师选择所述来访者，则匹配成功，否则，则按照所述候选咨询师集中的排列顺序进入下一位候选咨询师的等待时长。
10.如权利要求9所述的来访者与咨询师的匹配系统，其特征在于，所述筛选模块包括第一筛选模块、第二筛选模块以及第三筛选模块；
其中，所述第一筛选模块根据来访者和咨询师之间的契合度规则进行第一次筛选，筛选出第一候选咨询师集合；
所述第二筛选模块根据随机规则进行第二次筛选，从所述第一候选咨询师集合之外的咨询师中筛选出第二候选咨询师集合；
所述第三筛选模块根据第一候选咨询师集合和第二候选咨询师集合确定所述候选咨询师集合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711176624.9A CN107943931A (zh) | 2017-11-22 | 2017-11-22 | 来访者与咨询师的匹配方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711176624.9A CN107943931A (zh) | 2017-11-22 | 2017-11-22 | 来访者与咨询师的匹配方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107943931A true CN107943931A (zh) | 2018-04-20 |
Family
ID=61929903
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711176624.9A Pending CN107943931A (zh) | 2017-11-22 | 2017-11-22 | 来访者与咨询师的匹配方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107943931A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111951141A (zh) * | 2020-07-09 | 2020-11-17 | 广东港鑫科技有限公司 | 基于大数据智能分析的双随机监管方法、系统及终端设备 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102035891A (zh) * | 2010-12-17 | 2011-04-27 | 百度在线网络技术（北京）有限公司 | 一种网络交友平台中推荐好友的方法和装置 |
| CN102184225A (zh) * | 2011-05-09 | 2011-09-14 | 北京奥米时代生物技术有限公司 | 一种在问答系统中搜索优选专家信息的方法 |
| CN103440329A (zh) * | 2013-09-04 | 2013-12-11 | 北京邮电大学 | 权威作者和高质量论文推荐系统和推荐方法 |
| CN104317865A (zh) * | 2014-10-16 | 2015-01-28 | 南京邮电大学 | 一种基于音乐情感特征匹配的社交网络搜索交友方法 |
| CN105955961A (zh) * | 2016-05-09 | 2016-09-21 | 百度在线网络技术（北京）有限公司 | 预约信息处理方法和装置 |
| CN106708924A (zh) * | 2016-11-09 | 2017-05-24 | 上海知邦信息科技有限公司 | 一种咨询系统和方法 |
| CN107038217A (zh) * | 2017-03-15 | 2017-08-11 | 王悕锦 | 婚恋对象匹配方法及装置 |
| US20170256014A1 (en) * | 2016-03-02 | 2017-09-07 | XpertDox, LLC | Method and system for generating a hospital recommendation |
| CN107169899A (zh) * | 2017-05-12 | 2017-09-15 | 广州阿基德米科技有限公司 | 留学智能匹配与推荐方法及系统 |
| CN107341687A (zh) * | 2017-06-01 | 2017-11-10 | 华南理工大学 | 一种基于多维标签与分类排序的推荐算法 |
-
2017
- 2017-11-22 CN CN201711176624.9A patent/CN107943931A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102035891A (zh) * | 2010-12-17 | 2011-04-27 | 百度在线网络技术（北京）有限公司 | 一种网络交友平台中推荐好友的方法和装置 |
| CN102184225A (zh) * | 2011-05-09 | 2011-09-14 | 北京奥米时代生物技术有限公司 | 一种在问答系统中搜索优选专家信息的方法 |
| CN103440329A (zh) * | 2013-09-04 | 2013-12-11 | 北京邮电大学 | 权威作者和高质量论文推荐系统和推荐方法 |
| CN104317865A (zh) * | 2014-10-16 | 2015-01-28 | 南京邮电大学 | 一种基于音乐情感特征匹配的社交网络搜索交友方法 |
| US20170256014A1 (en) * | 2016-03-02 | 2017-09-07 | XpertDox, LLC | Method and system for generating a hospital recommendation |
| CN105955961A (zh) * | 2016-05-09 | 2016-09-21 | 百度在线网络技术（北京）有限公司 | 预约信息处理方法和装置 |
| CN106708924A (zh) * | 2016-11-09 | 2017-05-24 | 上海知邦信息科技有限公司 | 一种咨询系统和方法 |
| CN107038217A (zh) * | 2017-03-15 | 2017-08-11 | 王悕锦 | 婚恋对象匹配方法及装置 |
| CN107169899A (zh) * | 2017-05-12 | 2017-09-15 | 广州阿基德米科技有限公司 | 留学智能匹配与推荐方法及系统 |
| CN107341687A (zh) * | 2017-06-01 | 2017-11-10 | 华南理工大学 | 一种基于多维标签与分类排序的推荐算法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111951141A (zh) * | 2020-07-09 | 2020-11-17 | 广东港鑫科技有限公司 | 基于大数据智能分析的双随机监管方法、系统及终端设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8543532B2 (en) | Method and apparatus for providing a co-creation platform | |
| Docampo et al. | Highly cited researchers: a moving target | |
| CN110462604A (zh) | 基于设备使用关联互联网设备的数据处理系统和方法 | |
| Burke et al. | Neighborhood influences and intimate partner violence: does geographic setting matter? | |
| Ragab et al. | HRSPCA: Hybrid recommender system for predicting college admission | |
| Galvao et al. | Modularity map of the network of human cell differentiation | |
| CN110727852A (zh) | 一种推送招聘推荐服务的方法、装置及终端 | |
| EP3905162A2 (en) | Schedule management service system and method | |
| CN107809370B (zh) | 用户推荐方法及装置 | |
| Corrales-Herrero et al. | Characterizing Spanish labour pathways of young people with vocational lower-secondary education | |
| Ragab et al. | Design and implementation of a hybrid recommender system for predicting college admission | |
| JP2009009468A (ja) | 社会的自己形成補助装置及びそのためのプログラム | |
| EP2613275B1 (en) | Search device, search method, search program, and computer-readable memory medium for recording search program | |
| Akça et al. | Geographical representation of editorial boards: a review in the field of library and information sciences | |
| Cai et al. | Social assimilation and labor market outcomes of migrants in China | |
| CN110196869B (zh) | 一种人才信息智能匹配方法、系统及互动终端 | |
| Fisher | Research Methods in Retirement Research Gwenith G. Fisher and Robert J. Willis | |
| Söderhamn et al. | Self-care and anticipated transition into retirement and later life in a Nordic welfare context | |
| Surjandari et al. | Application of text mining for classification of textual reports: a study of Indonesia’s national complaint handling system | |
| CN107943931A (zh) | 来访者与咨询师的匹配方法及系统 | |
| Jentges et al. | Communication of political interest groups in Switzerland: Adressees, channels and instruments | |
| Wu et al. | Research on the abnormal psychological evaluation of college students in China based on the knowledge network | |
| Iglesias Souto et al. | Suitability of Social Services for the Older Persons: Analysis of Degree of Fit between Needs and Services | |
| Indrawati et al. | Identification of e-government indicators for measuring smart governance in Bandung City, Indonesia | |
| Ayalon et al. | A typology of source of information about the continuing care retirement community and older adults’ living arrangement |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180420 |