CN110634043B - 供需匹配模型获得方法、供需匹配方法、平台和存储介质 - Google Patents

供需匹配模型获得方法、供需匹配方法、平台和存储介质 Download PDF

Info

Publication number
CN110634043B
CN110634043B CN201910708240.XA CN201910708240A CN110634043B CN 110634043 B CN110634043 B CN 110634043B CN 201910708240 A CN201910708240 A CN 201910708240A CN 110634043 B CN110634043 B CN 110634043B
Authority
CN
China
Prior art keywords
demand
supply
data
historical
supplier
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.)
Active
Application number
CN201910708240.XA
Other languages
English (en)
Other versions
CN110634043A (zh
Inventor
蔡恒进
蔡天琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhuo Erzhi Lian Wuhan Research Institute Co Ltd
Original Assignee
Zhuo Erzhi Lian Wuhan Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhuo Erzhi Lian Wuhan Research Institute Co Ltd filed Critical Zhuo Erzhi Lian Wuhan Research Institute Co Ltd
Priority to CN201910708240.XA priority Critical patent/CN110634043B/zh
Publication of CN110634043A publication Critical patent/CN110634043A/zh
Application granted granted Critical
Publication of CN110634043B publication Critical patent/CN110634043B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Technology Law (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例公开了一种供需匹配模型的获得方法、供需匹配方法、匹配平台和存储介质，其中，所述供需匹配模型的获得方法包括：获得历史数据，所述历史数据至少包括历史需求方的历史需求数据和供应方为所述历史需求方提供的历史供应数据；基于所述历史需求数据和所述历史供应数据，获得第一关系数据，所述第一关系数据表征为所述历史需求数据和所述历史供应数据之间的关系；基于所述第一关系数据，建立供需匹配模型以针对需求方实现对供应方的数据匹配。

Description

供需匹配模型获得方法、供需匹配方法、平台和存储介质
技术领域
本申请涉及供需匹配技术，具体涉及一种供需匹配模型的获得方法、供需匹配方法、匹配平台和存储介质。
背景技术
供需匹配技术主要在于实现为需求方寻找能够满足需求方的需求的供应方或供应方产品的方案。在金融领域中，体现为为不同需求的企业或用户寻找不同的金融机构如银行或不同金融产品，以实现用户期望的收益。相关技术中由于金融体系的不够完善，各个金融机构间为竞争对手的关系、无法做到金融机构间有效的融合等原因而导致无法实现对(至少一个)期望金融机构或金融产品的自动匹配(推荐)，而是需要用户人工从多家金融机构中或多个金融产品中经过反复对比得到期望的金融机构或金融产品，不够智能。
发明内容
为解决现有存在的技术问题，本申请实施例提供一种供需匹配模型的获得方法、供需匹配方法、匹配平台和存储介质，至少能够对需求方实现供应方数据的自动匹配(推荐)、减少人力的损耗。
本申请实施例的技术方案是这样实现的：
本申请提供一种供需匹配模型的获得方法，所述方法包括：
获得历史数据，所述历史数据至少包括历史需求方的历史需求数据和供应方为所述历史需求方提供的历史供应数据；
基于所述历史需求数据和所述历史供应数据，获得第一关系数据，所述第一关系数据表征为所述历史需求数据和所述历史供应数据之间的关系；
基于所述第一关系数据，建立供需匹配模型以针对需求方实现对供应方的数据匹配。
上述方案中，在为同一历史需求方提供历史供应数据的供应方的数量为至少两个的情况下，
相应的，所述基于所述历史需求数据和历史供应数据，获得第一关系数据，包括：
基于所述同一历史需求方的历史需求数据和所述至少两个供应方中各个供应方提供的历史供应数据，获得至少两个第一关系数据，其中各个第一关系数据表征为所述同一历史需求方的历史需求数据和各个供应方提供的历史供应数据之间的关系；
相应的，所述基于所述第一关系数据，建立供需匹配模型，包括：
基于所述至少两个第一关系数据，建立至少两个供需匹配模型，其中，所述至少两个供需匹配模型中的各个供需匹配模型至少能够针对同一需求方实现对至少两个供应方中的各个供应方的数据匹配。
上述方案中，在为同一历史需求方提供历史供应数据的供应方的数量为至少两个的情况下，
相应的，所述基于所述历史需求数据和历史供应数据，获得第一关系数据，基于所述第一关系数据，建立供需匹配模型，包括：
基于所述同一历史需求方的历史需求数据和所述至少两个供应方中各个供应方为满足所述同一历史需求方的历史需求数据而提供的历史供应数据，获得至少两个第一关系数据，所述至少两个第一关系数据表征为所述同一历史需求方的历史需求数据和各个供应方提供的历史供应数据之间的关系；
基于所述至少两个第一关系数据中的其中一个第一关系数据，建立针对需求方和第一供应方的供需匹配模型，其中，所述第一供应方为在所述其中一个第一关系数据中为所述同一历史需求方提供历史供应数据的供应方；
基于所述至少两个第一关系数据中除所述其中一个第一关系数据之外的其它第一关系数据，确定第一供应方的历史供应数据与其它供应方提供的历史供应数据之间的关系；
基于第一供应方的历史供应数据与其它供应方中各个供应方提供的历史供应数据之间的关系，建立针对需求方与所述其它供应方中各个供应方的供需匹配模型。
上述方案中，所述基于第一供应方的历史供应数据与其它供应方中各个供应方提供的历史供应数据之间的关系，建立针对需求方与所述其它供应方中各个供应方的供需匹配模型，包括：
基于第一供应方的历史供应数据与其它供应方中各个供应方提供的历史供应数据之间的关系，对所述针对需求方与第一供应方的供需匹配模型进行变形，得到针对需求方与所述其它供应方中各个供应方的供需匹配模型。
上述方案中，所述方法还包括：
将建立的至少两个供需匹配模型进行融合，得到供需匹配融合模型，所述供需匹配融合模型至少能够对需求方进行至少两个供应方的数据匹配。
上述方案中，在建立供需匹配模型之后，所述方法还包括：
获得需求方的需求数据；
基于所述需求方的需求数据和供需匹配模型，获得至少两个供应方为所述需求方提供的供应数据，其中，所述至少两个供应方中的各个供应方提供的供应数据均能够满足所述需求方的需求数据。
本申请实施例提供一种供需匹配方法，所述方法包括：
获得需求方的需求数据和供需匹配模型；
基于需求方的需求数据和供需匹配模型，获得至少两个供应方提供的供应数据，其中，所述至少两个供应方中的各个供应方提供的供应数据均能够满足所述需求方的需求数据。
本申请实施例提供一种供需匹配方法，包括前述的供需匹配模型的获得方法和前述的供需匹配方法。
本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时至少实现前述的供需匹配模型的获得方法所述的步骤、和/或前述的供需匹配方法所述的步骤。
本申请实施例提供一种匹配平台，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时至少执行实现前述的供需匹配模型的获得方法所述的步骤、和/或前述的供需匹配方法所述的步骤。
本申请实施例提供的供需匹配模型的获得方法、供需匹配方法、匹配平台和存储介质，其中，所述供需匹配模型的获得方法包括：获得历史数据，所述历史数据至少包括历史需求方的历史需求数据和供应方为所述历史需求方提供的历史供应数据；基于所述历史需求数据和所述历史供应数据，获得第一关系数据，所述第一关系数据表征为所述历史需求数据和所述历史供应数据之间的关系；基于所述第一关系数据，建立供需匹配模型以针对需求方实现对供应方的数据匹配。
本申请实施例中，基于历史需求方的历史需求数据和供应方的历史供应数据，获得历史需求数据和所述历史供应数据之间的关系，并基于该关系对供需匹配模型进行建立。其中，依据历史数据实现了供需匹配模型的建立，一方面可保证模型建立的准确性，另一方面，利用该模型可对需求方实现供应数据的自动匹配。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请提供的供需匹配模型的获得方法实施例的实现流程示意图；
图2为本申请提供的供需匹配方法实施例的实现流程示意图；
图3为本申请提供的供需匹配模型的获得方法和供需匹配方法的整体实现流程示意图；
图4为本申请提供的供需匹配模型的获得系统实施例的结构示意图；
图5为本申请提供的供需匹配系统实施例的结构示意图；
图6为本申请提供的供需匹配模型的获得系统或供需匹配系统实施例的硬件结构示意图；
图7为本申请提供的匹配平台实施例的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
可以理解，本申请实施例的主要思路在于：利用历史数据进行需求方和供应方之间的供需匹配模型的建立，在供需匹配模型建立之后，利用该模型为各个需求方匹配出满足需求方需求的供应方数据。进而可实现需求方和供应方之间的数据匹配，为一种自动匹配方案，无需人工反复比对，即可为需求方选取出满意的供应数据，大大减少人力支出，提高用户的体验。其中，利用历史数据进行模型的建立的过程可通过以下供需匹配模型的获得方法实施例来实现。利用建立的供需匹配模型可为各个需求方匹配出满足需求方需求的供应数据的过程可通过以下供需匹配方法的实施例来实现。具体阐述如下所示。
本申请提供一种供需匹配模型的获得方法的第一实施例，如图1所示，所述方法包括：
步骤101：获得历史数据，所述历史数据至少包括历史需求方的历史需求数据和供应方为所述历史需求方提供的历史供应数据；
步骤102：基于所述历史需求数据和所述历史供应数据，获得第一关系数据，所述第一关系数据表征为所述历史需求数据和所述历史供应数据之间的关系；
步骤103：基于所述第一关系数据，建立供需匹配模型以针对需求方实现对供应方的数据匹配。
执行步骤101～103的实体为匹配平台、具体为供需匹配模型的获得系统。
本申请实施例中，基于历史需求方的历史需求数据和供应方的历史供应数据，获得历史需求数据和所述历史供应数据之间的关系，并基于该关系对供需匹配模型进行建立。其中，依据历史数据实现了供需匹配模型的建立，一方面可保证模型建立的准确性，另一方面，利用该模型可对需求方实现供应数据的自动匹配。
可以理解，在实际应用中，供需方的数量为多个，步骤103所建立的供需匹配模型的数量可以与供需方的数量相同，也可以小于供需方的数量，如所有供应方中的部分供应方采用同一供需匹配模型，其余供应方采用各自的供需匹配模型。特别的，所有供需方还可使用同一供需匹配模型如后续的供需匹配融合模型。其中，针对供需匹配模型的数量与供需方数量相等的情况，也即为每个供需方建立一个对应的供需匹配模型的方案参见如下所示：
在一个可选的实施例中，在为同一历史需求方提供历史供应数据的供应方的数量为至少两个的情况下，
相应的，所述基于所述历史需求数据和历史供应数据，获得第一关系数据，基于所述第一关系数据，建立供需匹配模型以用于针对需求方实现供应方的匹配(也即步骤102、103)，可以通过如下二种方式来实现：
实现方式一：基于所述同一历史需求方的历史需求数据和所述至少两个供应方中各个供应方提供的各个历史供应数据，获得至少两个第一关系数据，其中各个第一关系数据表征为所述同一历史需求方的历史需求数据和各个供应方提供的历史供应数据之间的关系；基于所述至少两个第一关系数据，建立至少两个供需匹配模型，其中，所述至少两个供需匹配模型中的各个供需匹配模型至少能够针对同一需求方实现对至少两个供应方中的各个供应方的数据匹配。
可以理解：实现方式一是利用同一历史需求方的历史需求数据与各个供应方的历史供应数据，建立针对各个供应方的供需匹配模型。这种供需匹配模型的建立方案，考虑到了各个供应方的可供应情况的不同，也即考虑到了各个供应方的供应差异，基于供应差异所建立的供需匹配模型更适合各个供应方的实际供应情况，使得各个供需匹配模型的建立更为准确，进而可保证需求方与供应方之间的数据自动匹配的准确性。
实现方式二：基于所述同一历史需求方的历史需求数据和所述至少两个供应方中各个供应方为满足所述同一历史需求方的历史需求数据而提供的各个历史供应数据，获得至少两个第一关系数据，所述至少两个第一关系数据表征为所述同一历史需求方的历史需求数据和各个供应方提供的历史供应数据之间的关系；基于所述至少两个第一关系数据中的其中一个第一关系数据，建立针对需求方和第一供应方的供需匹配模型，其中，所述第一供应方为在所述其中一个第一关系数据中为所述同一历史需求方提供历史供应数据的供应方；基于所述至少两个第一关系数据中除所述其中一个第一关系数据之外的其它第一关系数据，确定第一供应方的历史供应数据与其它供应方中各个供应方提供的历史供应数据之间的关系；基于第一供应方的历史供应数据与其它供应方中各个供应方提供的历史供应数据之间的关系，建立针对需求方与所述其它供应方中各个供应方的供需匹配模型。
在前述的实现方式二中，所述基于第一供应方的历史供应数据与其它供应方中各个供应方提供的历史供应数据之间的关系，建立针对需求方与所述其它供应方中各个供应方的供需匹配模型，包括：
基于第一供应方的历史供应数据与其它供应方中各个供应方提供的历史供应数据之间的关系，对所述针对需求方与第一供应方的供需匹配模型进行变形，得到针对需求方与所述其它供应方中各个供应方的供需匹配模型。
可以理解：与实现方式一中基于同一需求方的历史需求数据与各个供应方为其提供的历史供应数据而建立各个供需匹配模型的方案不同，实现方式二是利用该同一需求方的历史需求数据和各个供应方中其中任意一个供应方提供的供应数据之间的关系(一个第一关系数据)，确定针对所述其中任意一个供应方的供需匹配模型。考虑到供应方的整体供应原则上存在一定的共性、采用相同的法律进行一定的供应约束，利用这一特点，确定其它供应方中的各个供应方的供应数据与所述其中任意一个供应方的供应数据之间的关系，并基于该关系(该关系通常为一个映射关系或对应关系)，对已经建立的针对所述其中任意一个供应方的供需匹配模型进行变形，即可得到针对其它供应方中的各个供应方的供需匹配模型。这种考虑到供应方共性的方案，可保证各个供需匹配模型的建立准确性，供需匹配模型的准确至少可保证需求方与供应方之间的数据自动匹配的准确性。
针对前述实施例而建立的至少两个供需匹配模型，所述方法还包括：
将建立的至少两个供需匹配模型进行融合，得到供需匹配融合模型，所述供需匹配融合模型至少能够对需求方进行至少两个供应方的数据匹配。本可选实施例中，将建立的针对各个供需方的供需匹配模型进行融合，得到一个模型-供需匹配融合模型，利用这一个模型即可对需求方进行至少两个供应方的数据匹配，这种利用同一模型-供需匹配融合模型实现需求方和多个供应方之间的数据的自动匹配，可大大减少计算工作量、减轻运算资源负担。
在一个可选的实施例中，在建立供需匹配模型之后，所述方法还包括：
获得需求方的需求数据；
基于所述需求方的需求数据和供需匹配模型，获得至少两个供应方为所述需求方提供的供应数据，其中，所述至少两个供应方中的各个供应方提供的供应数据均能够满足所述需求方的需求数据。
本可选实施例中，在供需匹配模型建立之后，在应用层面上基于对建立的供需匹配模型的应用，可为需求方自动匹配出满足其需求的供应方的供应数据，与相关技术中的人工匹配供应数据的方式相比，至少可节省人力、避免人力损耗。此外，所建立的供需匹配模型基于历史需求方的历史需求数据和供应方的历史供应数据而建立，也即基于已经发生的真实数据而建立，可保证模型建立的准确性。另外，本申请实施例的方案可为需求方自动匹配出满足其需求的多个供应方的供应数据，无需供应方的逐一手动比对，通过本申请实施例可自动为需求方提供多个供应方的供应数据，可方便需求方从中选择最理想的供应数据，可大大缩短得到期望供应数据的流程，提升用户的使用体验。
在一个可选的实施例中，在建立供需匹配模型之后，所述方法还包括：
基于获得的需求方的需求数据和供需匹配模型，对无法匹配出符合所述需求数据的供需匹配模型进行修正。
可以理解，前述可选方案中，在供需匹配模型建立后，接收或采集新的需求方的需求数据，并根据建立的针对各个供应方的供需匹配模型或供需匹配融合模型为需求方自动匹配出满足其需求的供应方的供应数据。对于无法匹配出满足需求方的需求的供需匹配模型进行修正，以使得利用经修正后的供需匹配模型也能够自动匹配出需求方的期望数据。
本申请提供一种供需匹配方法的实施例，如图2所示，所述方法包括：
步骤201：获得需求方的需求数据和供需匹配模型；
步骤202：基于需求方的需求数据和供需匹配模型，获得至少两个供应方提供的供应数据，其中，所述至少两个供应方中的各个供应方提供的供应数据均能够满足所述需求方的需求数据。
执行步骤201、202的实体为匹配平台、具体为供需匹配系统。通过本申请实施例可自动为需求方提供至少两个供应方的供应数据，实现了数据的自动匹配，可大大节省人力。
可以理解，所述供需匹配模型为针对所述至少两个供应方中的各个供应方的供需匹配模型、或为对所述各个供应方的供需匹配模型进行融合的模型。关于此处的描述具体请参见本申请实施例中的其它相关说明，不赘述。
可以理解，对于无法匹配出符合所述需求数据的供需匹配模型，本申请实施例还可以进行进一步修正以使其也能够匹配出需求方的期望数据。具体请参见本申请实施例的相关说明，重复之处不赘述。
下面结合图3所示对本申请实施例的技术方案做进一步说明。
本申请实施例至少可应用于金融领域，在应用于金融领域的情况下，需求方具体可以为需要进行贷款、储蓄、购买理财、基金、购票、期货等业务的企业或用户；供应方具体可以为能够提供以上业务的金融机构如银行、贷款公司、投资公司等。利用建立的供需匹配模型可为需求方自动匹配出可满足其需求的供应方，利用自动匹配出的供应方提供的供应数据，需求方均可获得其需求如成功贷款或收获预期的收益等。
可以理解，在实际应用中，各金融机构是否能够批贷、批贷额度、确定自身金融产品的收益率等业务均依照自身的风控策略而实现。而各个金融机构内部的风控策略，除了受不可抗力因素(如金融风暴)影响之外，金融机构内部的风控策略很难获知或无法获知，对本申请实施例来说，各个金融机构的风控策略相当于一个黑盒子。本申请实施例中，基于各个金融机构与多个历史需求方之间的历史供应数据和需求数据，利用机器学习技术，对该黑盒子进行训练，以推测出各个金融机构内部的风控策略。可以理解，利用机器学习技术对黑盒子进行训练而得到的供需匹配模型反映了金融机构内部的风控策略。可以理解，由于机器学习技术包括基于神经网络的机器学习、基于决策树的机器学习、基于向量机的机器学习等，本申请实施例可采用如上的任意一种或几种进行供需匹配模型的训练。
具体的实现过程是：
步骤301：采集历史数据，将采集的部分历史数据作为机器学习的训练集数据，部分历史数据作为测试集数据；
本步骤中，可以从匹配平台的数据链层703或者各个金融机构的数据库中进行历史数据的采集。历史数据包括历史需求方的历史需求数据和供应方的历史供应数据。可以理解，历史数据为已经产生的真实数据。历史数据除了包括历史需求方的历史需求数据和供应方的历史供应数据，还包括需求方用于与金融机构打交道的一切相关数据如企业注册资产、资质和偿还能力、规模等。历史数据还包括金融机构提供的金融产品。
举个例子，以历史需求方为企业A，其历史需求数据为贷款二百万，也即企业A存在有向各个银行进行贷款的需求。从历史数据中得知，各个银行经过对企业A的资质与偿还能力的考察，根据企业A提交的相关数据，银行1评定企业A将获得二百万额度的贷款。对于相同的企业A提交的期望批贷的需求，其它银行如银行2评定企业A将获得一百万额度的贷款，银行3评定企业A将获得一百五十万的贷款。银行1至3给出的评定结果作为各个供应方的历史供应数据。
再举个例子，以历史需求方为用户B，其银行卡中具有活动资金10万，想要购买年利率在5.2％以上的金融产品(用户B的历史需求数据)。为满足用户B的以上需求，银行A为其推荐银行1的金融产品1，银行B为其推荐银行B的金融产品2。银行推荐的金融产品作为各个供应方的历史供应数据。
可以理解，在实际应用中，历史需求方的数量为多个，需求为多种，供应方的数量为多个，提供的业务为多种。诸如如上所示的历史需求方的历史需求数据以及供应方提供的供应数据的情况也是多种多样的，在此不一一枚举，任何合理的情况均包括在本申请实施例的覆盖范围内。可以理解的是，采集的历史数据越多对于金融机构的内部的风控策略的预测更为准确。
其中，训练集数据用于对供需匹配模型的建立，测试集数据用于对建立的供需匹配模型的优化。可将采集的历史数据中的一部分如70％作为训练集数据，另一部分如30％作为测试集数据。
步骤302：对训练集进行分析，预测各个金融机构的内部的风控策略，建立针对各个金融机构的供需匹配模型；
本步骤中，针对同一金融机构，通过步骤301可采集到多个需求方的多种需求数据与该金融机构提供的多种供应数据，根据多个需求方的针对相同业务的需求数据与该金融机构针对该相同业务提供给各个需求方的供应数据，得到针对该相同业务的等级分类。
举个例子，在历史数据中，针对批贷业务，银行A给信用为AAA的企业1批贷二百万，给信用为AAA的企业2批贷一百五十万；给信用为AA的企业1批贷一百万，给信用为AA的企业2批贷八十万；给信用为A的企业1批贷五十万，给信用为A的企业2批贷四十万。则可以预测出银行A针对批贷业务的等级分类为：信用为A的企业批贷额度为四十～五十万(第1等级)；信用为AA的企业批贷额度为八十～一百万(第2等级)；信用为AAA的企业批贷额度为一百五十万～二百万(第3等级)。
针对理财产品业务，根据用户购买的历史数据，预测出银行A针对理财产品的等级分类可以是：购买金额为1万～5万的推荐用户购买理财产品1(第1等级)，购买金额为5万～10万的推荐用户购买理财产品2(第2等级)，购买金额为10万～15万的推荐用户购买理财产品3(第3等级)。
由于银行具有批贷、理财产品、基金、黄金等多种业务。基于采集到的历史数据，具体是需求方的需求数据和金融机构提供的供应数据，可预测出同一金融机构的多种业务的等级分类、业务产品(如理财产品、批贷额度)与等级分类之间的关系、需求方的数据(需求数据和相关数据)与等级分类之间的关系。根据业务产品与等级分类之间的关系和需求方的数据与等级分类之间的关系，预测出需求方的数据与等级分类、业务产品之间的关系。基于以上预测关系中的至少一种，预测出针对所述同一金融机构的供需匹配模型。其中，以上预测的关系的理解请参见前述的银行A针对批贷业务的等级分类、针对理财产品的等级分类的方案进行类似理解。其中，以上预测关系中的任意一种均可视为第一关系数据的具体实现。
需要说明的是，以上方案中预测出的几种关系为一种定性分析方案，以上的几种关系均可视为一种映射关系或对应关系。基于该映射关系或对应关系得到的供需匹配模型可以是映射关系模型，可反映该同一金融机构的内部风控策略。当然，供需匹配模型也可以是一种定量关系模型、可用数学表达式表示。如供需匹配模型用数学表达式y＝w*ax+b来表示；其中，a为指数；x为指数a的幂、为需求方的需求数据；y为供应方的供应数据；w为权重参数；b为截距。
采用如上类似的方案，对每个金融机构进行内部风控策略的预测，得到针对各个金融机构的供需匹配模型。
前述的建立供需匹配模型的方案采用前述实现方式一的方案来实现。可以理解，采用前述的实现方式一实现供需匹配模型的建立方案，考虑到了各个供应方的供应差异(如银行A对信用为AA的企业批贷额度为50万～80万，银行B对信用为AA的企业批贷额度为100万～150万)，基于供应差异所建立的供需匹配模型更适合各个供应方的实际供应情况，各个供需匹配模型的建立更为准确性，进而可保证需求方与供应方之间的数据自动匹配的准确性。
如果采用前述的建立供需匹配模型的实现方式二来实现，则参见如下描述：
在基于以上预测的关系，建立针对其中一个金融机构如目标金融机构(如银行A)的供需匹配模型之后，确定其它不同金融机构如银行B与所述其中一个金融机构之间的业务的等级分类的对应关系。如从历史数据中得到：银行A对信用为AA的企业A批贷额度为50万～80万(银行A针对批贷业务的第2等级)，银行B对信用为AA的企业A批贷额度为100万～150万(银行B针对批贷业务的第3等级)，则可以看出银行A针对批贷业务的第2等级相当于银行B针对批贷业务的第3等级，由此得到不同金融机构之间的业务等级的对应关系，进一步地，得到其它金融机构与目标金融机构之间的业务等级的对应关系。此外，还可以根据不同金融机构为同一历史需求方的历史需求数据提供的相同或相似业务产品以及前述得到的业务产品(如理财产品、批贷额度)与等级分类之间的关系，得到不同金融机构之间的业务等级的对应关系。
基于该对应关系将其它金融机构的业务等级用目标金融机构的业务等级来表示，同时将其它金融机构对应业务等级下的历史需求方的历史需求数据转换成目标金融机构下的需求数据，代入至针对目标金融机构而建立的供需匹配模型中，相当于对目标金融机构的供需匹配模型进行变形，得到针对其它金融机构的供需匹配模型。例如，如果能够定量描述供需匹配模型，目标金融机构的供需匹配模型用数学表达式y＝w*ax+b表示，那么经过如上描述，其它金融机构中的其中一个金融机构的供需匹配模型可以用y＝w*(a+1)x+b表示。
步骤303：利用测试集数据对各个供需匹配模型进行优化；
本步骤中，针对其中一个供需匹配模型，将测试集数据中的多个历史需求方的历史需求数据作为供需匹配模型的输入，得到各个输出结果，在多个输出结果中，计算输出结果与输入数据对应的供应方的历史供应数据为相同的输出结果占所有输出结果的比例，如果计算出的比例达到预设的阈值时，确定供需匹配模型无需优化或优化完毕。否则，持续改变模型中的参数如前述的参数w和/或b直至比例达到阈值停止优化。
举个例子，针对建立的银行A的供需匹配模型，在历史数据中得到银行A为信用额度为AA的企业A批贷60万，结合银行A针对贷款业务的实际等级分类，为信用额度为AA的企业的批贷等级为第2等级(批贷50万～60万)。本步骤中，将企业A的需求数据输入至供需匹配模型，输出为企业A提供的批贷等级，输出为企业A提供的批贷等级为第2等级与银行A的实际批贷等级一致。在历史数据中的其它历史需求方的历史需求数据如企业B、C的历史需求数据也输入至针对银行A的供需匹配模型得到对应的输出结果，在输出的多个结果中，计算与输入数据对应的供应方的历史供应数据相同的输出结果占用所有输出结果的比例，在计算出的比例达到预设的阈值时，确定供需匹配模型无需优化或优化完毕。如果计算出的比例未达到预设的阈值，则改变模型中的参数如前述的参数w和/或b直至比例达到阈值停止优化。其中，阈值根据经验而得，预先设置好的数值或数值范围，如取值为80％或[70％,90％]。
本领域技术人员应该而知，步骤301～303为利用机器学习技术进行供需匹配模型训练的过程。在训练完成后，进入应用阶段，具体如下所述：
步骤304：接收或采集需求方输入的需求数据，将需求数据输入至针对各个供应方的供应匹配模型，得到各个输出结果；
在步骤304中，采集需求方输入的需求数据，可将该需求数据输入至所有供需匹配模型，也可以由需求方进行指定输入至部分供需匹配模型。如用户A具有灵活资金5万，想要购买年收益达到5％的理财产品，希望通过至少一个供应匹配模型能够为用户A推荐几种能够令用户A满意的理财产品。假定用户指定银行1和银行2，则将用户A的需求数据输入至针对银行1的供应匹配模型，得到银行1可为用户A提供银行1理财业务等级为1的理财产品。将用户A的需求数据输入至针对银行2的供应匹配模型，得到银行2可为用户A提供银行2理财业务等级为2的理财产品。
本领域技术人员应该理解，前述步骤303：利用测试集数据对各个供需匹配模型进行优化，已经在一定程度上保证了供需匹配模型的建立准确性，如果在实际应用中，存在有以下情况，则还需要对建立的供需匹配模型进行修正：
如果存在有由用户1指定的一个供需匹配模型如银行3的供需匹配模型，经过其对用户1输入的需求数据的处理，得到与用户A期望数据存在很大差异的情况，如利用银行3的供需匹配模型提供的理财产品其年收益仅为2.7％，与用户期望的年收益5％之间的差值大于预定阈值如1％，则视银行3的供需匹配模型为不符合要求的模型，需要对其进行修正。修正的方法可采用与前述的步骤303类似，将真实发生的多个需求方的需求数据作为该不符合要求的供需匹配模型的输入、将真实发生的对应于该多个需求数据的多个供应数据作为输出，对该不符合要求的供需匹配模型中的参数如前述的w和/或b进行调整，直至经参数调整后的该供需匹配模型的输出与真实输出相一致或允许经参数调整后的供需匹配模型的输出与真实输出之间的差异控制在允许的范围内。对供需匹配模型的修正可方便后续为输入至模型的新需求方的需求数据自动匹配出满足该新需求方的需求的数据，提升用户对供需匹配模型的使用感受。也即根据实际应用中的实际情况对供需匹配模型进行修正，至少可满足实际使用需求。
步骤305：从多个输出结果中选择能够满足需求方的需求数据的输出结果进行展示；
在步骤305中，从多个输出结果中挑选出能够使得既满足需求方的需求又使得需求方的需求利益最大化的输出结果，并展示该输出结果至用户，与人工挑选供应数据相比，可大大缩短得到期望供应数据的流程。例如，将银行1和2推荐的两种理财产品进行比较，银行2提供的理财产品在同等购买周期内其收益更高，则向用户A展示银行2的理财产品相关信息如购买周期(例如为90天)、预期收益率、起息日、停息日等信息。可以理解，步骤305还可以以多种理财产品组合的方式进行展示。对于展示的内容以及如何展示均不做具体限定，可以为任何合理的形式。
前述方案中利用各个供应匹配模型进行的供应数据的自动匹配。此外，还可以将各个供应匹配模型进行融合得到供需匹配融合模型，利用供需匹配融合模型进行供应数据的自动匹配。这种利用同一模型-供需匹配融合模型实现需求方和多个供应方之间的数据的自动匹配，可大大减少计算工作量、减轻运算资源负担。其中，将各个供应匹配模型进行融合的方法可以是：如果能够定量描述各个供需匹配模型，以目标金融机构n的供需匹配模型yn用数学表达式yn＝wn*ax+bn表示，则供需匹配融合模型y＝w*ax+b中的参数w可以取值为各个wn的均值、参数b可以取值为各个bn的均值。当然，还可以采用其他的融合方法，至少融合方法需要考虑到各个金融机构在提供金融产品时利用的共性规律或原则。具体的其他融合方法的实现过程请参见现有相关说明，此处不赘述。
如上方案可知，由于不同金融机构的风控策略是不公开的，本申请实施例中利用机器学习技术和真实的历史数据将其作为一个黑盒子进行训练以预测不同金融机构的风控策略，并基于真实的历史数据对其进行优化。其中，根据历史数据实现了供需匹配模型的建立，一方面可保证模型建立的准确性，另一方面，利用该模型可对需求方实现供应方的自动匹配。在应用层面上，通过预测的能够反应出不同金融机构的风控策略的供需匹配模型为不同需求方自动匹配出满意的供应数据，能为需求方对接不同金融机构的产品，能够实现对需求方资金的自动合理分配，使得需求方在风险可控的范围内尽可能最大化利益，进而为需求方带来良好的产品购买体验。
可以理解，前述步骤301～305为匹配平台利用机器学习技术而实现。其中，执行前述步骤301～303的实体为匹配平台、具体为供需匹配模型的获得系统；执行前述步骤304、304的实体为匹配平台、具体为供需匹配系统。在一个可选的实施例中，可划分匹配平台为如图7所示的三大部分，依次为用于与需求方进行互动的输入输出层701、用于执行步骤301～305的中台702和用于向中台提供历史数据的数据链层703。其中，输入输出层701用于接收步骤304中需求方输入的需求数据和展示步骤305中输出的结果。
可以认为，本申请实施例的匹配平台相当于将各个金融机构的供需匹配模型进行集合，为企业或用户提供了一种方便用户获知更好供应数据的平台，利用该平台即可让企业或用户一步获知购买哪个金融机构提供的金融产品或哪种金融产品更好，无需向各个金融机构进行供应数据的逐一获取。
本申请提供一种供需匹配模型的获得系统的实施例，如图4所示，所述系统包括：第一获得单元401、第二获得单元402及建立单元403；其中，
所述第一获得单元401，用于获得历史数据，所述历史数据至少包括历史需求方的历史需求数据和供应方为所述历史需求方提供的历史供应数据；
所述第二获得单元402，用于基于所述历史需求数据和所述历史供应数据，获得第一关系数据，所述第一关系数据表征为所述历史需求数据和所述历史供应数据之间的关系；
所述建立单元403，用于基于所述第一关系数据，建立供需匹配模型以针对需求方实现对供应方的数据匹配。
在一个可选的实施例中，在为同一历史需求方提供历史供应数据的供应方的数量为至少两个的情况下，
所述第二获得单元402，用于基于所述同一历史需求方的历史需求数据和所述至少两个供应方中各个供应方提供的各个历史供应数据，获得至少两个第一关系数据，其中各个第一关系数据表征为所述同一历史需求方的历史需求数据和各个供应方提供的历史供应数据之间的关系；
相应的，所述建立单元403，用于基于所述至少两个第一关系数据，建立至少两个供需匹配模型，其中，所述至少两个供需匹配模型中的各个供需匹配模型至少能够针对同一需求方实现对至少两个供应方中的各个供应方的数据匹配。
在一个可选的实施例中，为同一历史需求方提供历史供应数据的供应方的数量为至少两个的情况下，
所述第二获得单元402，用于基于所述同一历史需求方的历史需求数据和所述至少两个供应方中各个供应方为满足所述同一历史需求方的历史需求数据而提供的各个历史供应数据，获得至少两个第一关系数据，所述至少两个第一关系数据表征为所述同一历史需求方的历史需求数据和各个供应方提供的历史供应数据之间的关系；基于所述至少两个第一关系数据中除所述其中一个第一关系数据之外的其余第一关系数据，确定第一供应方的历史供应数据与其它供应方提供的历史供应数据之间的关系；
相应的，所述建立单元403，用于基于所述至少两个第一关系数据中的其中一个第一关系数据，建立针对需求方和第一供应方的供需匹配模型，其中，所述第一供应方为在所述其中一个第一关系数据中为所述同一历史需求方提供历史供应数据的供应方；基于第一供应方的历史供应数据与其它供应方提供的历史供应数据之间的关系，建立针对需求方与所述其它供应方的供需匹配模型。
在一个可选的实施例中，所述建立单元403，用于基于第一供应方的历史供应数据与其它供应方提供的历史供应数据之间的关系，对所述针对需求方与第一供应方的供需匹配模型进行变形，得到针对需求方与所述其它供应方的供需匹配模型。
在一个可选的实施例中，所述系统还包括融合单元，用于将建立的至少两个供需匹配模型进行融合，得到供需匹配融合模型，所述供需匹配融合模型至少能够对需求方进行至少两个供应方的数据匹配。
在一个可选的实施例中，所述系统还包括：
第三获得单元，用于获得应用数据，所述应用数据包括所述需求方的需求数据、所述需求方的新需求数据以及新需求方的需求数据中的至少一种；
第四获得单元，用于基于所述应用数据和供需匹配模型，获得至少两个供应方为所述应用数据提供的供应数据，其中，所述至少两个供应方中的各个供应方提供的供应数据均能够满足所述应用数据的需求。
本申请提供一种供需匹配系统的实施例，如图5所示，所述系统包括：第一获得单元501及第二获得单元502；其中，
第一获得单元501，用于获得需求方的需求数据和供需匹配模型；
第二获得单元502，用于基于需求方的需求数据和供需匹配模型，获得至少两个供应方提供的供应数据，其中，所述至少两个供应方中的各个供应方提供的供应数据均能够满足所述需求方的需求数据。
所述供需匹配模型为针对所述至少两个供应方中的各个供应方的供需匹配模型、或为对所述各个供应方的供需匹配模型进行融合的模型。
需要说明的是，本申请实施例的供需匹配模型的获得系统、供需匹配系统，由于其解决问题的原理与前述的供需匹配模型的获得方法、供需匹配方法相似，因此，系统的实施过程及实施原理均可以参见前述方法的实施过程及实施原理描述，重复之处不再赘述。
所述第一获得单元401、第二获得单元402及建立单元403在实际应用中均可由供需匹配模型的获得系统中的中央处理器(CPU，Central Processing Unit)、数字信号处理器(DSP，Digital Signal Processor)、微控制单元(MCU，Microcontroller Unit)或可编程门阵列(FPGA，Field－Programmable Gate Array)实现。所述一获得单元501及第二获得单元502在实际应用中均可由供需匹配系统中的CPU、DSP、MCU或FPGA实现。
本申请实施例还提供一种匹配平台，包括前述的供需匹配模型的获得系统和供需匹配系统。
本申请实施例还提供一种匹配平台，包括如图7所示的输入输出层、中台和数据链层。
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时至少用于执行前述的供需匹配模型的获得方法所述的步骤和/或执行前述的供需匹配方法的步骤。所述计算机可读存储介质具体可以为存储器。所述存储器可以为如图6所示的存储器62。
本申请实施例还提供了一种终端。图6为本申请实施例的匹配平台的硬件结构示意图，如图6所示，匹配平台包括：用于进行数据传输的通信组件63、至少一个处理器61和用于存储能够在处理器61上运行的计算机程序的存储器62。终端中的各个组件通过总线系统64耦合在一起。可理解，总线系统64用于实现这些组件之间的连接通信。总线系统64除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图6中将各种总线都标为总线系统64。
其中，所述处理器61执行所述计算机程序时至少执行前述的供需匹配模型的获得方法所述的步骤和/或执行前述的供需匹配方法的步骤。
可以理解，存储器62可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random AccessMemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本申请实施例描述的存储器62旨在包括但不限于这些和任意其它适合类型的存储器。
上述本申请实施例揭示的方法可以应用于处理器61中，或者由处理器61实现。处理器61可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器61中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器61可以是通用处理器、DSP，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器61可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器62，处理器61读取存储器62中的信息，结合其硬件完成前述方法的步骤。
在示例性实施例中，匹配平台可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable Logic Device)、FPGA、通用处理器、控制器、MCU、微处理器(Microprocessor)、或其他电子元件实现，用于执行前述的获得供需匹配模型方法所述的步骤和/或执行前述的供需匹配方法的步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，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全部单元来实现本实施例方案的目的。
另外，在本申请各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (7)

1.一种供需匹配模型的获得方法，其特征在于，所述方法包括：
获得历史数据，所述历史数据至少包括历史需求方的历史需求数据和供应方为所述历史需求方提供的历史供应数据；
在为同一历史需求方提供历史供应数据的供应方的数量为至少两个的情况下，基于同一历史需求方的历史需求数据和至少两个供应方中各个供应方提供的历史供应数据，获得至少两个第一关系数据，其中各个第一关系数据表征为所述同一历史需求方的历史需求数据和各个供应方提供的历史供应数据之间的关系；
基于所述至少两个第一关系数据，建立至少两个供需匹配模型，其中，所述至少两个供需匹配模型中的各个供需匹配模型至少能够针对同一需求方实现对至少两个供应方中的各个供应方的数据匹配。
2.根据权利要求1所述的方法，其特征在于，所述基于同一历史需求方的历史需求数据和至少两个供应方中各个供应方提供的历史供应数据，获得至少两个第一关系数据，包括：
基于所述同一历史需求方的历史需求数据和所述至少两个供应方中各个供应方为满足所述同一历史需求方的历史需求数据而提供的历史供应数据，获得至少两个第一关系数据，所述至少两个第一关系数据表征为所述同一历史需求方的历史需求数据和各个供应方提供的历史供应数据之间的关系；
所述基于所述至少两个第一关系数据，建立至少两个供需匹配模型，包括：
基于所述至少两个第一关系数据中的其中一个第一关系数据，建立针对需求方和第一供应方的供需匹配模型，其中，所述第一供应方为在所述其中一个第一关系数据中为所述同一历史需求方提供历史供应数据的供应方；
基于所述至少两个第一关系数据中除所述其中一个第一关系数据之外的其它第一关系数据，确定第一供应方的历史供应数据与其它供应方提供的历史供应数据之间的关系；
基于第一供应方的历史供应数据与其它供应方中各个供应方提供的历史供应数据之间的关系，建立针对需求方与所述其它供应方中各个供应方的供需匹配模型；
其中，所述基于第一供应方的历史供应数据与其它供应方中各个供应方提供的历史供应数据之间的关系，建立针对需求方与所述其它供应方中各个供应方的供需匹配模型，包括：
基于第一供应方的历史供应数据与其它供应方中各个供应方提供的历史供应数据之间的关系，对所述针对需求方与第一供应方的供需匹配模型进行变形，得到针对需求方与所述其它供应方中各个供应方的供需匹配模型。
3.根据权利要求1至2任一项所述的方法，其特征在于，所述方法还包括：
将建立的至少两个供需匹配模型进行融合，得到供需匹配融合模型，所述供需匹配融合模型至少能够对需求方进行至少两个供应方的数据匹配。
4.根据权利要求1所述的方法，其特征在于，在建立供需匹配模型之后，所述方法还包括：
获得需求方的需求数据；
基于所述需求方的需求数据和供需匹配模型，获得至少两个供应方为所述需求方提供的供应数据，其中，所述至少两个供应方中的各个供应方提供的供应数据均能够满足所述需求方的需求数据。
5.一种供需匹配方法，其特征在于，所述方法包括：
获得需求方的需求数据和供需匹配模型；
基于需求方的需求数据和供需匹配模型，获得至少两个供应方提供的供应数据，其中，所述至少两个供应方中的各个供应方提供的供应数据均能够满足所述需求方的需求数据；
其中，所述供需匹配模型是通过权利要求1至4任一项所述的供需匹配模型的获得方法得到的。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时至少实现权利要求1至4任一供需匹配模型的获得方法所述的步骤、权利要求5所述的供需匹配方法所述的步骤。
7.一种匹配平台，包括存储器、处理器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至少执行权利要求1至4任一供需匹配模型的获得方法所述的步骤、权利要求5所述的供需匹配方法所述的步骤。
CN201910708240.XA 2019-08-01 2019-08-01 供需匹配模型获得方法、供需匹配方法、平台和存储介质 Active CN110634043B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910708240.XA CN110634043B (zh) 2019-08-01 2019-08-01 供需匹配模型获得方法、供需匹配方法、平台和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910708240.XA CN110634043B (zh) 2019-08-01 2019-08-01 供需匹配模型获得方法、供需匹配方法、平台和存储介质

Publications (2)

Publication Number Publication Date
CN110634043A CN110634043A (zh) 2019-12-31
CN110634043B true CN110634043B (zh) 2022-05-13

Family

ID=68970304

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910708240.XA Active CN110634043B (zh) 2019-08-01 2019-08-01 供需匹配模型获得方法、供需匹配方法、平台和存储介质

Country Status (1)

Country Link
CN (1) CN110634043B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111429069B (zh) * 2020-03-31 2022-08-09 卓尔智联(武汉)研究院有限公司 一种基于通证的供应链协作方法及系统
CN112949969A (zh) * 2020-12-02 2021-06-11 北京金山云网络技术有限公司 供需匹配方法、装置、电子设备及存储介质
CN113919602B (zh) * 2021-12-13 2022-03-29 华南师范大学 一种大数据交易的数据价值双向评估方法及系统
CN115471168B (zh) * 2021-12-14 2023-07-18 国网上海市电力公司 自动化流程处理方法、装置、电子设备和计算机可读介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108595506A (zh) * 2018-03-21 2018-09-28 上海数据交易中心有限公司 需求匹配方法及装置、存储介质、终端
CN109377308A (zh) * 2018-09-25 2019-02-22 深圳市元征科技股份有限公司 一种供需匹配方法、系统及区块链节点设备和存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110208591A1 (en) * 2010-02-24 2011-08-25 Datong Chen Forecasting Online Advertising Inventory of Day Parting Queries

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108595506A (zh) * 2018-03-21 2018-09-28 上海数据交易中心有限公司 需求匹配方法及装置、存储介质、终端
CN109377308A (zh) * 2018-09-25 2019-02-22 深圳市元征科技股份有限公司 一种供需匹配方法、系统及区块链节点设备和存储介质

Also Published As

Publication number Publication date
CN110634043A (zh) 2019-12-31

Similar Documents

Publication Publication Date Title
CN110634043B (zh) 供需匹配模型获得方法、供需匹配方法、平台和存储介质
Mild et al. How low can you go?—Overcoming the inability of lenders to set proper interest rates on unsecured peer-to-peer lending markets
US8433638B2 (en) Systems and methods for providing investment performance data to investors
US20070061248A1 (en) Networked loan market and lending management system
US20070282729A1 (en) Consolidation, sharing and analysis of investment information
US9251539B2 (en) System and method for resolving transactions employing goal seeking attributes
US20050004855A1 (en) Simulator module for providing financial planning and advice
US20100005035A1 (en) Systems and Methods for a Cross-Linked Investment Trading Platform
US20140258175A1 (en) Generating Personalized Investment Recommendations
US20110178860A1 (en) System and method for resolving transactions employing goal seeking attributes
CN109389491A (zh) 基于大数据的贷款产品筛选方法、装置、设备及存储介质
KR20120032606A (ko) 증권투자고객 참여 가능 증권투자 시스템 및 그 방법
CA3037134A1 (en) Systems and methods of generating a pooled investment vehicle using shared data
Park et al. Recommendation of investment portfolio for peer-to-peer lending with additional consideration of bidding period
US20110178859A1 (en) System and method for resolving transactions employing optional benefit offers
AU2020351871A1 (en) Dynamically-generated electronic database for portfolio selection
US20200202444A1 (en) Servicing a plurality of rived longevity-contingent instruments
CN113962526A (zh) 电力交易服务费违约风险评估方法、设备和计算机可读存储介质
US20110004569A1 (en) Automated and consolidated financial planning and services
CN113450216A (zh) 用于量化交易的数据处理方法、系统、设备和存储介质
CN112836742A (zh) 系统资源调整方法、装置及设备
KR20190122555A (ko) 사용자간 관심사 데이터 기반 페이 활용 시스템 및 방법
KR102616126B1 (ko) 부동산 리스크 헤지 약정 서비스 제공방법, 서버 및 컴퓨터프로그램
US20230267542A1 (en) System and method for analysing financial products
CN114493611A (zh) 一种交易策略评估处理方法及装置

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