CN110322169A - 一种任务发布的方法及装置 - Google Patents
一种任务发布的方法及装置 Download PDFInfo
- Publication number
- CN110322169A CN110322169A CN201910633056.3A CN201910633056A CN110322169A CN 110322169 A CN110322169 A CN 110322169A CN 201910633056 A CN201910633056 A CN 201910633056A CN 110322169 A CN110322169 A CN 110322169A
- Authority
- CN
- China
- Prior art keywords
- task
- demand
- supply
- released
- terminal
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种任务发布的方法及装置,涉及互联网技术领域,解决现有技术中通过定时的方式自动发布任务所出现的盲目性,从而导致任务的完成质量不高的问题。该方法包括:获取待发布任务的任务信息;利用大数据统计分析历史发布任务确定与待发布任务的任务信息匹配的第一供需情况;根据第一供需情况输出待发布任务的建议启动时间至第一终端。
Description
技术领域
本发明涉及互联网技术领域,具体涉及一种任务发布方法及装置。
背景技术
随着移动互联网的不断发展,越来越多的新兴行业进入大众的视野。使得行业不断创新,平台也不断创新,例如赶集网,58同城等互联网平台,为劳动力零散市场带来了新机遇,同时也为劳动者带来了更多的就业机会。
目前用工方(以下简称:B端)在确认任务、发布任务以及开始执行任务的过程中,往往存在一个缓冲期或过渡期,为了防止B端业务信息过早的泄露,或者任务也可能存在变数(例如,B端主动取消任务),B端很少在平台上马上发布一个数月之后才开始执行的任务,通常情况下B端会在平台上先填写任务,再设置任务发布时间,开启定时器,到达设置的任务发布时间时,平台自动发布任务。
然而,通过上述的方式发布的任务具有一定的盲目性。例如,可能出现长时间没有人接任务(例如,合适的人选档期冲突),从而导致任务完成时间滞后,造成完成质量无法保证。
发明内容
本发明的实施例提供一种任务发布方法及装置,用于解决或缓解现有技术中通过定时的方式自动发布任务所出现的盲目性,从而导致任务的完成质量不高的问题。
为达到上述目的,本发明的实施例采用如下技术方案。
本发明实施例的第一方面,提供一种任务发布的方法,包括:获取待发布任务的任务信息;利用大数据统计分析历史发布任务确定与所述待发布任务的任务信息匹配的第一供需情况;根据所述第一供需情况输出所述待发布任务的建议启动时间至第一终端。
在一个实施例中,所述利用大数据统计分析历史发布任务确定与所述待发布任务的任务信息匹配的第一供需情况,包括:根据历史发布任务中的任务发布量和空闲用户量的比值建立混合预测模型,所述混合预测模型是由自回归积分滑动平均模型和机器学习模型组合形成的;以及根据所述混合预测模型预测所述待发布任务的第一供需情况。
在一个实施例中,所述任务发布的方法还可以包括:根据所述第一供需情况输出所述待发布任务的建议费用至第一终端。
在一个实施例中,所述任务发布的方法还可以包括:接收用户输入的所述待发布任务的发布时间和佣金,所述发布时间是用户根据输出的建议启动时间确定的,所述待发布任务的佣金是根据输出的建议费用确定的;以及根据所述发布时间启动所述待发布任务,并输出所述待发布任务的佣金。
在一个实施例中,所述任务发布的方法还包括:从任务发布开始的设定时间段后,根据任务的接单情况输出提示消息,所述提示消息用于提示用户是否需要修改佣金以及需要修改的金额大小。
在一个实施例中,所述任务发布的方法还包括:利用大数据统计分析历史完成任务确定与用户行为匹配的任务的第二供需情况;以及根据所述任务的第二供需情况输出技术列表信息至第二终端,所述技术列表信息用于指示用户进行技术储备。
在一个实施例中,所述任务发布的方法还包括:当用户选择允许跨区域时,根据用户输入的跨区域请求输出与用户行为匹配的其他地域的任务的第三供需情况至第二终端,以便于用户根据从第二终端获得的第三供需情况变更作业首选地域。
在一个实施例中,所述第一供需情况包括各个层级作业人员分布情况和/或专家级作业人员排班情况,所述任务发布的方法还包括:输出所述第一供需情况至第一终端,以便于用户根据从第一终端获取的第一供需情况确定是否提前或推迟发布任务。
在一个实施例中,所述任务发布的方法还包括:利用大数据统计分析历史发布任务确定与所述第一终端相关的任务列表的第四供需情况;以及将所述任务列表的第四供需情况输出至所述第一终端,以便于所述第一终端根据第四供需情况确定任务启动时间。
本发明实施例的第二方面,提供一种任务发布的装置,包括:获取模块,被配置为用于获取待发布任务的任务信息;确定模块,被配置为用于利用大数据统计分析历史发布任务确定与所述待发布任务的任务信息匹配的第一供需情况;以及输出模块,被配置为用于根据所述第一供需情况输出所述待发布任务的建议启动时间至第一终端。
本发明实施例的第三方面,提供一种电子设备,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如第一方面所述的方法。
本发明实施例的第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质上存储有可执行指令,该指令被处理器执行时使处理器执行如第一方面所述的方法。
相比于现有技术,本发明能够在任务发布时参考市场供需情况来确定任务发布的时间,避免仅通过定时的方式而盲目的发布任务,使得发布任务比较合理,从而使得任务能够按时且保质量完成。
附图说明
本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解。应当明白的是附图不必按比例绘制。在附图中:
图1为本发明实施例提供的一种任务发布的系统的示意框图;
图2为本发明实施例提供的一种任务发布的方法的流程图;
图3为本发明实施例提供的一种任务发布的装置的示意框图;
图4为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了便于清楚描述本发明实施例的技术方案,在本发明的实施例中,采用了“第一”、“第二”等字样对功能或作用基本相同的相同项或相似项进行区分,本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
本文中术语“包括/包含”在本文使用时指特征、要素或组件的存在,但并不排除一个或多个其它特征、要素或组件的存在或附加。
本发明实施例提供的一种任务发布的方法可以由安装有应用程序(App)的终端设备或者在后台处理数据的服务器来执行。其中,上述的终端设备可以为智能手机、平板电脑、笔记本电脑、UMPC(英文全称:Ultra-mobile Personal Computer,中文简称:超级移动个人计算机)、上网本、PDA(英文全称:Personal Digital Assistant,中文简称:个人数字助理)等,且不限于此。
本发明的实施例提供了一种任务发布的方法,包括:获取待发布任务的任务信息;利用大数据统计分析历史发布任务确定与待发布任务的任务信息匹配的第一供需情况;根据第一供需情况输出待发布任务的建议启动时间以及建议费用至第一终端。
根据本发明的实施例,通过大数据统计分析历史发布任务,来确定与待发布任务的任务信息匹配的第一供需情况,然后根据第一供需情况输出待发布任务的建议启动时间至第一终端。相比于现有技术,本发明能够在准备任务发布时参考市场供需情况来确定任务发布的时间,使得发布任务更加合理,从而使得任务能够按时且保质量完成。以下将结合附图来详细描述本发明的实施例及其优点。
如图1所示,为本发明实施例提供的一种任务发布的系统的示意框图。任务发布的系统包括服务器101、企业侧102(用工方)的至少一个终端(终端1,终端2,…,终端n1)以及用户侧103(求职方)的至少一个终端(终端1,终端2,…,终端n2)。其中:服务器101分别与企业侧102的终端、用户侧的103的终端连接,服务器101与该企业侧102和用户侧103的终端进行通信以及数据交互,上述的任何一个终端可以为智能手机、平板电脑、笔记本电脑、UMPC、上网本、PDA等,且不限于此。
如图2所示,为本发明实施例提供的一种任务发布的方法的流程图。该方法涉及第一终端、第二终端和服务器,包括:
201、服务器获取待发布任务的任务信息。
示例性的,上述的任务信息包括但不限于以下内容:任务所在的地理位置和任务标签,任务标签可以用于描述任务的相关信息,例如任务名称、任务时长以及任务要求等;任务标签可以是多个或一个,例如,技能、经验、年龄、性别等。
示例性的,服务器可以通过实时接收外接设备发送的方式来获取待发布任务的任务信息,也可以是预先将待发布任务的任务信息存储至服务器的存储单元中,根据用户触发或用户请求从存储单元读取待发布任务的任务信息,本发明实施例并不进行限定。
202、服务器利用大数据统计分析历史发布任务确定与待发布任务的任务信息匹配的第一供需情况。
示例性的,上述的第一供需情况用于反应待发布任务的供应与需求的大小。待发布任务的供应大小可以是指一个时间段内在某一区域与该待发布任务相同或类似的任务的数量,待发布任务的需求大小可以是指能够匹配这些任务的求职者的数量。该供应与需求的大小可以是通过供需比例体现,例如,任务数量与匹配求职者数量之比,也可以是通过供需关系体现,还可以是其他的方式,这里不进行限定。
优选的,上述的步骤202具体可以包括以下内容:
202a、根据历史发布任务中的任务发布量和空闲用户量的比值建立混合预测模型,混合预测模型可以是由自回归积分滑动平均模型(ARIMA)和机器学习模型组合形成的。
202b、根据混合预测模型预测待发布任务的第一供需情况。
目前现有的供需关系预测方法总体分为两类:第一类是通过简单的历史数据处理后作为训练数据构建模型,例如机器自学习模型。第二类是基于历史数据构建时间序列的单目标回归模型,来预测需求量,预测精度低。本发明实施例中通过上述的步骤202a和202b中的混合预测模型能够用克服回归模型中的自相关,可对序列做长期预测以及干扰分析,并且能够克服现有预测模型准确率低的缺点。
示例性的,上述步骤202a和202b具体实现过程如下:
A1、采用自回归积分滑动平均模型预测待发布任务的第一供需情况。
步骤1.1:获取当前时刻之前预设时间段内任务的任务发布量与空闲用户量。
步骤1.2:将当前时刻之前预设时间段内任务的任务发布量与空闲用户量分别代入自回归积分滑动模型中,得到当前时刻之后的预设时间段内任务和任务发布量和空闲用户量。
可选的,自回归积分滑动模型为:
其中,θk和是需要标定的系数,p为设定的当前时刻之前的预设时间段的个数,εk是t-k+1个时段预测的误差, 是当前时刻之前的预设时间段内任务的任务发布量或空闲用户量。
步骤1.3:根据当前时刻之后的预设时段内任务的任务发布量和空闲用户量,计算当前时刻之后的预设时段内任务的供需情况。
其中,上述的当前时刻之后的预设时段内任务的供需情况是当前时刻之后的预设时段内任务的任务发布量与空闲用户量的比值。
步骤1.4:根据当前时刻之前的预设时段内任务的供需情况、当前时刻之后的预设时间段内任务的供需情况生成任务发布量与空闲用户量的比值的时间序列。
步骤1.5:根据任务发布量与空闲用户量的比值的时间序列建立ARIMA模型,通过ARIMA模型预测当前时刻之后预设时间段内任务发布量与空闲用户量的比值,利用马尔可夫链对ARIMA模型预测的当前时刻之后预设时间段内任务发布量与空闲用户量的比值误差进行修正,得到修正后的发布量与空闲用户量的比值。
步骤1.6:对步骤1.3中计算得到的当前时刻之后预设时段内任务的供需情况和步骤1.5中计算得到的当前时刻之后预设时段内任务的任务发布量与空闲用户量的比值计算平均值。
A2、根据任务发布和空闲用户数据建立机器学习模型,预测任务的任务发布量与空闲用户量的比值。
步骤2.1:获取任务的历史数据,该历史数据包括任务发布量和空闲用户量;
步骤2.2:对上述历史数据进行特征抽取以得到训练样本,其中,每个训练样本包括与所述每个训练样本相应的当前时间片的已分配任务量、未分配任务量、空闲用户数,当前时间片之前的至少一个时间片内累积分配任务量、累积未分配任务量、累积空闲用户数;所述每个训练样本的标记包括在接下来的预设时间阈值内到来的真实任务量和真实空闲用户数。
可选的,训练样本还可考虑季节性、天气、促销活动、目标之间对需求行为的影响综合程度等因素。
步骤2.3:基于上述训练样本,利用机器学习算法进行模型训练;
可选的,上述的机器学习算法包括但不限于:卷积神经网络、深度神经网络、逻辑回归模型、支持向量机、K-means、K-neighbors、决策树、随机森林以及XGBoost算法。
步骤2.4:基于模型训练结果,将当前时刻的已分配任务量、未分配任务量、空闲用户数,当前时间片之前的至少一个时间片内累积分配任务量、累积未分配任务量、累积空闲用户数作为测试样本,输入上述训练模型,输出当前时刻的预设时段内的预测的任务发布量和空闲用户量。
步骤2.5:根据上述预测的任务发布量和空闲用户量,计算当前时刻的预设时段内的任务发布量和空闲用户量比值。
A3、分别对上述自回归积分滑动平均模型以及机器学习模型进行评估。
其中,确定两种模型预测值的差是否在预定范围内,如果是,执行步骤A4;如果否,重新进行上述步骤A1和步骤A2,直到上述差值在预定范围内为止。
步骤4:根据评估结果,使用贝叶斯方法将自回归积分滑动平均模型和机器学习模型合并,输出预测结果。
可选的,可以根据贝叶斯方法确定两种模型输出值对应的加权系数。本发明实施例提供的混合预测模型,相比于现有技术中基于人工统计预测或者采用单一算法拟合预测曲线,降低了任务发布量和空闲用户量的预测误差,可以得到更精确的供需比值预测结果,从而使得用工方和求职方接收方均能够根据准确的预测结果进行相应的任务发布或任务接收的调整。
203、服务器根据第一供需情况输出待发布任务的建议启动时间至第一终端。
示例性的,当待发布任务的供应大于需求时,输出待发布任务的建议启动时间为A;当待发布任务的供应小于需求时,输出待发布任务的建议启动时间为B,这里的A距离当前时刻的间隔大于B距离当前时刻的间隔。
例如,用工方目前有一个任务需求,通过在平台按照相关的模板完善该任务的相关信息,包括任务名称、任务所在地理位置以及任务要求等,如果该平台或后台服务器通过大数据分析匹配出该任务目前在市场上的供需比例是2:1,则输出该任务的建议启动时间是72小时后;如果该平台或后台服务器通过大数据分析匹配出该任务目前在市场上的供需比例是1:2,则输出该任务的建议启动时间是24小时内;从而用工方根据该输出的建议启动时间尽快发布任务或者推迟发布任务。
相比于现有技术,本发明能够在任务发布时参考市场供需情况来确定任务发布的时间,使得发布任务比较合理,从而使得任务能够按时且保质量完成。
优选的,为了使得用工方能够快速且花费的成本较为合理的情况下找到求职者,上述的方法还包括:
204、服务器根据第一供需情况输出待发布任务的建议费用至第一终端。
示例性的,当待发布任务的供应大于需求时,输出待发布任务的建议费用为C;当待发布任务的供应小于需求时,输出待发布任务的建议费用为D,这里的C和D的取值可以是一个具体数值,也可以是一个区间范围。当C和D的取值为具体数值时,需要满足C大于D,且C和D的取值是根据市场行情来定的;当C和D的取值为区间范围时,需要满足C的最大值大于或等于D的最小值,且C和D的取值是根据市场行情来定的。
例如,用工方目前有一个任务需求(寻找装修工,该装修工在市场中的工资是每天200元),通过在平台按照相关的模板完善该任务的相关信息,包括任务名称、任务所在地理位置以及任务要求等,如果该平台或后台服务器通过大数据分析匹配出该任务目前在市场上的供需比例是2:1,则输出该任务的建议费用为每天250(或者200-300);如果该平台或后台服务器通过大数据分析匹配出该任务目前在市场上的供需比例是1:2,则输出该任务的建议费用为每天150元(或者100-200元),以便于给用工方一个参考值。
可选的,上述的方法还包括:
204a、接收用户输入的待发布任务的发布时间和佣金。
其中,上述的发布时间是用户根据输出的建议启动时间确定的,上述的待发布任务的佣金是根据输出的建议费用确定的。
示例性的,这里的用户是指用工方的用户,一方面由于上述的发布时间是根据服务器或平台输出的建议时间来确定的,这样充分考虑了市场的供需情况,而使得用工方能够在合适的时间进行任务发布,从而使得任务能够按时且保质量完成;另一方面,由于上述的佣金是根据服务器或平台输出的建议费用确定的,这样充分考虑市场中的供需情况,使得用工方能够花费最合理的价钱找到满意的求职者,而使得任务能够正常完成。
204b、根据发布时间启动待发布任务,并输出待发布任务的佣金。
通过上述的步骤104a和104b,任务发布的时间以及任务的佣金是根据用户决定的,切身满足用户的个性化需求,而由于用户在确定任务发布的时间和佣金时,结合平台或服务器给出的建议信息,从而减少任务发布的盲目性,使得最终发布任务的时机较为合理,其提供的任务佣金也具有一定的市场竞争性,切实保证用工方的任务需求。
可选的,上述的方法还包括:
204c、从任务发布开始的设定时间段后,根据任务的接单情况输出提示消息。
其中,上述的提示消息用于提示用户是否需要修改佣金以及需要修改的金额大小。
例如,当上述的任务发布一段时间后,该任务并没有被接单,此时用工方可能需要改变策略(降低佣金或增加福利)来尽快的找到求职者。此时,服务器或者平台发现任务没有被接单,输出是否需要修改佣金,当用户点击确定时,输出修改金额的具体数值,用户直接可以确认该修改金额的数值,也可以自己重新输入具体金额(小于发布任务时的佣金),从而使得任务尽快被接单。
可选的,如图2所示,上述的方法还包括:
205、服务器利用大数据统计分析历史完成任务确定与用户行为匹配的任务的第二供需情况。
示例性的,上述的用户行为是指求职者的求职行为。这里的第二供需情况用于反应与求职者的求职行为匹配的任务的供应与需求的大小,该供应与需求的大小可以是通过供需比例体现,也可以是通过供需关系体现,还可以是其他的方式,这里不进行限定。
示例性的,上述的步骤205具体可以通过以下内容实现:根据历史完成任务中的任务发布量和空闲用户量的比值建立混合预测模型,混合预测模型是由自回归积分滑动平均模型和机器学习模型组合形成的;以及根据混合预测模型预测与用户行为匹配的第二供需情况。
需要说明的是,这里对于采用混合模型进行预测与用户行为匹配的第二供需情况的过程与上述步骤202中的过程类似,这里就不再详细描述了,具体可以参照上文描述的内容。
206、服务器根据任务的第二供需情况输出技术列表信息至第二终端,技术列表信息用于指示用户进行技术储备。
通过上述的步骤205和206能够指导求职者提前进行技术和技能的储备,从而使得求职者有目标的进行自我学习,争取成为所在领域的全能人才,从而提高个人收入。
例如,若某个用户之前的工作是做装修的,平台通过大数据分析出与该用户匹配的任务有现场施工技术员以及建筑工程管理员等职务,并且给出这两个任务的供需大小关系,然后根据该任务的供需大小关系输出需要掌握的技术列表,从而求职者看到这些技术列表后进行自主选择,来决定是否学习新的技术,这样一方面避免了求职者盲目学习而浪费时间,另一方面可以指导求职者进行技术储备。
进一步可选的,如图2所示,上述的方法还包括:
207、当用户选择允许跨区域时,服务器根据用户输入的跨区域请求输出与用户行为匹配的其他地域的任务的第三供需情况至第二终端。
示例性的,上述的第三供需情况用于反应与求职者的求职行为匹配的其他区域的任务的供应与需求的大小,该供应与需求的大小可以是通过供需比例体现,也可以是通过供需关系体现,还可以是其他的方式,这里不进行限定。
通过上述的步骤207能够使得于用户根据从第二终端获得的第三供需情况变更作业首选地域,从而实现求职者跨区或者跨城作业,特别是对于技术含量低、人员流动性大的建筑行业等。
优选的,当步骤202中的第一供需情况包括各个层级作业人员分布情况和/或专家级作业人员排班情况,上述方法还包括:
202a、输出第一供需情况至第一终端。
将上述的各个层级作业人员分布情况和/或专家级作业人员排班情况发送至第一终端,使得用工方能够及时了解待发布任务的专家和/或层级作业人员的情况,从而根据市场的人才供应来确定招聘人员的级别,此外通过上述的步骤202a能够使得用工方的用户根据从第一终端获取的第一供需情况还可以确定是否提前或推迟发布任务。其中:上述的第一终端将第一供需情况呈现给用工方的用户,所呈现方式可以是用户主动获取,或者平台自动推送的。
可选的,上述的方法还包括:
203a、利用大数据统计分析历史发布任务确定与第一终端相关的相似任务列表的第四供需情况。
示例性的,上述的步骤203a具体可以通过以下内容实现:根据历史发布任务中的任务发布量和空闲用户量的比值建立混合预测模型,混合预测模型是由自回归积分滑动平均模型和机器学习模型组合形成的;以及根据混合预测模型预测与第一终端相关的相似任务列表的第四供需情况。
需要说明的是,这里对于采用混合模型进行预测与第一终端相关的相似任务列表的第四供需情况的过程与上述步骤202中的过程类似,这里就不再详细描述了,具体可以参照上文描述的内容。
203b、将相似任务列表的第四供需情况输出至第一终端,以便于第一终端根据第四供需情况确定任务启动时间。示例性的,上述的第四供需情况用于反应与第一终端相关的相似任务列表的供应与需求的大小,该供应与需求的大小可以是通过供需比例体现,也可以是通过供需关系体现,还可以是其他的方式,这里不进行限定。
其中,上述的第一终端相关的任务列表是指与第一终端发布的历史任务相关的任务列表,例如:第一终端曾将发布过A、B以及C等任务,上述的任务列表是与A、B以及C等相关的列表。平台或服务器通过上述的步骤203a-203b能够主动向第一终端输出第一终端曾经需求的任务列表,从而避免用工方去平台填写相应任务信息才能获得供需情况,节省用工方的时间,从而增加用户体验。
优选的,本发明实施例中在输出第一供需情况、第二供需情况、第三供需情况以及第四供需情况时,并生成相应的时间变化曲线,并将该时间变化曲线传输给第一终端或第二终端,以便于第一终端或第二终端将上述的时间变化曲线显示给用户,以供用户作决定。
下面将基于图2对应的任务发布的方法的实施例中的相关描述对本发明实施例提供的一种任务发布的装置进行介绍。以下实施例中与上述实施例相关的技术术语、概念等的说明可以参照上述的实施例,这里不再赘述。
如图3所示,为本发明实施例提供的一种任务发布的装置的结构示意图。该装置3包括:获取模块301、确定模块302以及输出模块303,其中:
获取模块301,被配置为用于获取待发布任务的任务信息;确定模块302,被配置为用于利用大数据统计分析历史发布任务确定与待发布任务的任务信息匹配的第一供需情况;输出模块303,被配置为用于根据第一供需情况输出待发布任务的建议启动时间至第一终端。
优选的,上述的输出模块303,被配置为还用于根据第一供需情况输出待发布任务的建议费用至第一终端。
优选的,上述的装置还包括:接收模块304以及启动模块305,其中:
接收模块304,被配置为用于接收用户输入的待发布任务的发布时间和佣金,发布时间是用户根据输出的建议启动时间确定的,待发布任务的佣金是根据输出的建议费用确定的;启动模块305,被配置为还用于根据发布时间启动待发布任务;输出模块303,被配置为还用于输出待发布任务的佣金。
优选的,上述的输出模块303,被配置为还用于从任务发布开始的设定时间段后,根据任务的接单情况输出提示消息,提示消息用于提示用户是否需要修改佣金以及需要修改的金额大小。
优选的,上述的确定模块302,被配置为还用于利用大数据统计分析历史完成任务确定与用户行为匹配的任务的第二供需情况;上述的输出模块303,被配置为还用于根据任务的第二供需情况输出技术列表信息至第二终端,技术列表信息用于指示用户进行技术储备。
优选的,上述的输出模块303,被配置为还用于当用户选择允许跨区域时,根据用户输入的跨区域请求输出与用户行为匹配的其他地域的任务的第三供需情况至第二终端,以便于用户根据从第二终端获得的第三供需情况变更作业首选地域。
优选的,当上述的第一供需情况包括各个层级作业人员分布情况和/或专家级作业人员排班情况,上述的输出模块303,被配置为还用于:输出第一供需情况至第一终端,以便于用户根据从第一终端获取的第一供需情况确定是否提前或推迟发布任务。
优选的,上述的确定模块303,被配置为还用于利用大数据统计分析历史发布任务确定与第一终端相关的任务列表的第四供需情况;上述的输出模块303,被配置为还用于将任务列表的第四供需情况输出至第一终端,以便于第一终端根据第四供需情况确定任务启动时间。根据本发明的实施例,通过大数据统计分析历史发布任务,来确定与待发布任务的任务信息匹配的第一供需情况,然后根据第一供需情况输出待发布任务的建议启动时间至第一终端。相比于现有技术,本发明能够在任务发布时参考市场供需情况来确定任务发布的时间,使得发布任务比较合理,从而使得任务能够按时且保质量完成。
如图4所示,为本发明实施例提供的一种电子设备的结构示意图,电子设备400包括中央处理单元(CPU)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口705也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407;包括硬盘等的存储部分408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入存储部分408。
本发明实施例提供一种计算机存储介质,包括计算机指令,当所述计算机指令在计算机上运行时,使得所述计算机执行如上所述的方法流程。示例性的,计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质,(例如,软盘,硬盘、磁带)、光介质(例如,DVD)或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种任务发布的方法,其特征在于,包括:
获取待发布任务的任务信息;
利用大数据统计分析历史发布任务确定与所述待发布任务的任务信息匹配的第一供需情况;以及
根据所述第一供需情况输出所述待发布任务的建议启动时间至第一终端。
2.根据权利要求1所述的方法,其特征在于,所述利用大数据统计分析历史发布任务确定与所述待发布任务的任务信息匹配的第一供需情况,包括:
根据历史发布任务中的任务发布量和空闲用户量的比值建立混合预测模型,所述混合预测模型是由自回归积分滑动平均模型和机器学习模型组合形成的;以及
根据所述混合预测模型预测所述待发布任务的第一供需情况。
3.根据权利要求1所述的方法,其特征在于,还包括:
根据所述第一供需情况输出所述待发布任务的建议费用至第一终端;
或者,输出所述第一供需情况至第一终端,以便于用户根据从第一终端获取的第一供需情况确定是否提前或推迟发布任务;所述第一供需情况包括各个层级作业人员分布情况和/或专家级作业人员排班情况。
4.根据权利要求3所述的方法,其特征在于,还包括:
接收用户输入的所述待发布任务的发布时间和佣金,所述发布时间是用户根据输出的建议启动时间确定的,所述待发布任务的佣金是根据输出的建议费用确定的;以及
根据所述发布时间启动所述待发布任务,并输出所述待发布任务的佣金。
5.根据权利要求1所述的方法,其特征在于,还包括:
利用大数据统计分析历史完成任务确定与用户行为匹配的任务的第二供需情况;以及
根据所述任务的第二供需情况输出技术列表信息至第二终端,所述技术列表信息用于指示用户进行技术储备。
6.根据权利要求5所述的方法,其特征在于,还包括:
输出是否允许跨区域的提示消息;以及
当用户选择允许跨区域时,根据用户输入的跨区域请求输出与用户行为匹配的其他地域的任务的第三供需情况至第二终端,以便于用户根据从第二终端获得的第三供需情况变更作业首选地域。
7.根据权利要求1所述的方法,其特征在于,还包括:
从任务发布开始的设定时间段后,根据任务的接单情况输出提示消息,所述提示消息用于提示用户是否需要修改佣金以及需要修改的金额大小;
或者,利用大数据统计分析历史发布任务确定与所述第一终端相关的任务列表的第四供需情况;将所述任务列表的第四供需情况输出至所述第一终端,以便于所述第一终端根据第四供需情况确定任务启动时间。
8.一种任务发布的装置,其特征在于,包括:
获取模块,被配置为用于获取待发布任务的任务信息;
确定模块,被配置为用于利用大数据统计分析历史发布任务确定与所述待发布任务的任务信息匹配的第一供需情况;以及
输出模块,被配置为用于根据所述第一供需情况输出所述待发布任务的建议启动时间以及建议费用至第一终端。
9.一种电子设备,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有可执行指令,该指令被处理器执行时使处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910633056.3A CN110322169B (zh) | 2019-07-12 | 2019-07-12 | 一种任务发布的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910633056.3A CN110322169B (zh) | 2019-07-12 | 2019-07-12 | 一种任务发布的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110322169A true CN110322169A (zh) | 2019-10-11 |
CN110322169B CN110322169B (zh) | 2020-11-10 |
Family
ID=68123346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910633056.3A Active CN110322169B (zh) | 2019-07-12 | 2019-07-12 | 一种任务发布的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110322169B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311052A (zh) * | 2019-12-17 | 2020-06-19 | 武汉空心科技有限公司 | 用于工作平台的服务资源分配系统 |
CN111310967A (zh) * | 2019-12-17 | 2020-06-19 | 武汉空心科技有限公司 | 工作平台服务资源预调度方法 |
CN111311053A (zh) * | 2019-12-17 | 2020-06-19 | 武汉空心科技有限公司 | 工作平台潜在任务的预分配方法 |
CN111507558A (zh) * | 2019-12-17 | 2020-08-07 | 武汉空心科技有限公司 | 工作平台服务资源的预定义调度系统 |
CN112597030A (zh) * | 2020-12-26 | 2021-04-02 | 中国农业银行股份有限公司 | 一种任务发布方法及装置、执行方法及装置、系统 |
CN112801430A (zh) * | 2021-04-13 | 2021-05-14 | 贝壳找房(北京)科技有限公司 | 任务下发方法、装置、电子设备及可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7266546B2 (en) * | 2001-09-05 | 2007-09-04 | Fuji Xerox Co., Ltd. | Content/information search system |
CN104143170A (zh) * | 2014-07-25 | 2014-11-12 | 南京航空航天大学 | 低空救援空中交通调度指挥系统及其调度指挥方法 |
CN106651097A (zh) * | 2016-09-30 | 2017-05-10 | 深圳市华傲数据技术有限公司 | 基于众包的数据采集方法、装置和服务器 |
CN107590691A (zh) * | 2017-09-06 | 2018-01-16 | 晶赞广告(上海)有限公司 | 一种信息发布方法及装置、存储介质、终端 |
CN109064226A (zh) * | 2018-07-27 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 农副产品供需预测及监控方法、装置、设备、存储介质 |
CN109472456A (zh) * | 2018-10-16 | 2019-03-15 | 平安国际融资租赁有限公司 | 任务分配方法、装置、计算机设备和存储介质 |
CN109919739A (zh) * | 2019-03-26 | 2019-06-21 | 深圳市元征科技股份有限公司 | 供需服务匹配方法、装置、设备及计算机可读存储介质 |
-
2019
- 2019-07-12 CN CN201910633056.3A patent/CN110322169B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7266546B2 (en) * | 2001-09-05 | 2007-09-04 | Fuji Xerox Co., Ltd. | Content/information search system |
CN104143170A (zh) * | 2014-07-25 | 2014-11-12 | 南京航空航天大学 | 低空救援空中交通调度指挥系统及其调度指挥方法 |
CN106651097A (zh) * | 2016-09-30 | 2017-05-10 | 深圳市华傲数据技术有限公司 | 基于众包的数据采集方法、装置和服务器 |
CN107590691A (zh) * | 2017-09-06 | 2018-01-16 | 晶赞广告(上海)有限公司 | 一种信息发布方法及装置、存储介质、终端 |
CN109064226A (zh) * | 2018-07-27 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 农副产品供需预测及监控方法、装置、设备、存储介质 |
CN109472456A (zh) * | 2018-10-16 | 2019-03-15 | 平安国际融资租赁有限公司 | 任务分配方法、装置、计算机设备和存储介质 |
CN109919739A (zh) * | 2019-03-26 | 2019-06-21 | 深圳市元征科技股份有限公司 | 供需服务匹配方法、装置、设备及计算机可读存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311052A (zh) * | 2019-12-17 | 2020-06-19 | 武汉空心科技有限公司 | 用于工作平台的服务资源分配系统 |
CN111310967A (zh) * | 2019-12-17 | 2020-06-19 | 武汉空心科技有限公司 | 工作平台服务资源预调度方法 |
CN111311053A (zh) * | 2019-12-17 | 2020-06-19 | 武汉空心科技有限公司 | 工作平台潜在任务的预分配方法 |
CN111507558A (zh) * | 2019-12-17 | 2020-08-07 | 武汉空心科技有限公司 | 工作平台服务资源的预定义调度系统 |
CN112597030A (zh) * | 2020-12-26 | 2021-04-02 | 中国农业银行股份有限公司 | 一种任务发布方法及装置、执行方法及装置、系统 |
CN112801430A (zh) * | 2021-04-13 | 2021-05-14 | 贝壳找房(北京)科技有限公司 | 任务下发方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110322169B (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110322169A (zh) | 一种任务发布的方法及装置 | |
Zhang et al. | Parallel and reliable probabilistic load forecasting via quantile regression forest and quantile determination | |
Wu et al. | Hourly demand response in day‐ahead scheduling for managing the variability of renewable energy | |
CN115640914B (zh) | 一种智慧燃气储气优化方法、物联网系统、装置及介质 | |
Yamin et al. | A new approach for GenCos profit based unit commitment in day-ahead competitive electricity markets considering reserve uncertainty | |
CN109753356A (zh) | 一种容器资源调度方法、装置及计算机可读存储介质 | |
CN106315319A (zh) | 一种电梯智能预调度方法及系统 | |
CN112332404B (zh) | 采暖服务智能管理系统及方法 | |
Edwards et al. | Assessing the contribution of nightly rechargeable grid-scale storage to generation capacity adequacy | |
Tuli et al. | GOSH: Task scheduling using deep surrogate models in fog computing environments | |
CA3117745A1 (en) | Reinforcement learning systems and methods for inventory control and optimization | |
CN109377291A (zh) | 任务价格预测方法、装置、电子设备及计算机存储介质 | |
CN109725988A (zh) | 一种任务调度方法和装置 | |
CN108133390A (zh) | 用于预测用户行为的方法和装置以及计算设备 | |
CN109272348A (zh) | 活跃用户数量确定方法及装置、存储介质和电子设备 | |
Sun et al. | A decomposition-based matheuristic for supply chain network design with assembly line balancing | |
Bayliss et al. | Scheduling airline reserve crew using a probabilistic crew absence and recovery model | |
CN109492863A (zh) | 金融单证的自动生成方法及装置 | |
CN109472399A (zh) | 考虑预测不确定性的机票购买决策方法和系统 | |
Naversen et al. | Accounting for reserve capacity activation when scheduling a hydropower dominated system | |
Pahwa et al. | Dynamic matching with deep reinforcement learning for a two-sided Manufacturing-as-a-Service (MaaS) marketplace | |
CN111275229B (zh) | 资源模型训练方法、资源缺口预测方法、装置及电子设备 | |
Núñez et al. | Efficiency benchmarking and remuneration of Spanish electricity distribution companies | |
Sun et al. | DSM pricing method based on A3C and LSTM under cloud-edge environment | |
Lei et al. | Forecasting short-term residential electricity consumption using a deep fusion model |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |