CN112948705A - 一种基于政策大数据的智能匹配方法、装置及介质 - Google Patents

Abstract

本发明涉及数据处理技术领域，具体公开了一种基于政策大数据的智能匹配方法，包括：接收第一用户发出的需求信息，对需求信息分析得到需求标签集；获取第二用户的第一标签集，对第一标签集进行验证判断，若不满足条件则根据预设类型用户数据生成用户标签集；根据需求标签集及用户标签集为第一用户推送与需求信息匹配的目标用户。本发明能够提高需求标签集的全面性及用户标签集的准确性，从而提高了数据信息匹配及推送的准确性及全面性，进而提高用户的使用体验。

Description

一种基于政策大数据的智能匹配方法、装置及介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于政策大数据的智能匹配方法、装置及介质。

背景技术

科技成果转化是需要系统性的以追求各要素之间的相关性来提升大数据对接匹配效率，实现大规模的成功对接转化合作的运作体系。现有的科技成果转化工作的开展大都还依赖于从业者个人的资源整合型对接推动。导致当前的科技成果转化平台上数据还无法做到基于从业者日常交流对接等作业场景的就手工具实现最大化最便捷的资源数据沉淀、标准化、智能的匹配、精准推送、及时响应、全程对接记录，也还无法实现各创新群体对象之间的智能协同作业，高效规模化推动科技成果转化工作。

随着网络的迅速发展而带来的网上信息量的大幅增长，使得用户在面对大量信息时获取自身需要信息就变得相当困难。用户标签，作为“互联网+”时代的一个重要纽带，是根据用户的信息需求等进行数据处理及分析，从而更加方便地推荐给用户相应的信息。

现有技术科技成果转化平台在推送与需求相匹配的数据时往往会出现偏差，使得用户体验性不高，如何提高匹配及推送的准确率成为亟待解决的问题。

发明内容

本发明的第一个目的在于提供一种基于政策大数据的智能匹配方法，解决如何提高匹配准确性的问题。

为了实现上述目的，本发明提供的基于政策大数据的智能匹配方法包括：

接收第一用户通过客户端发出的需求信息，确定所述需求信息的第一关键词，从预设存储路径中获取与所述关键词对应的相似词库，生成所述需求信息的第二关键词，根据所述第二关键词确定所述需求信息对应的需求标签集，所述需求标签集包括类型标签、技能标签，所述第二关键词包含所述第一关键词；

从预设数据库中获取各第二用户的用户数据，所述用户数据包括初始标签集，当所述初始标签集不满足预设条件时，则基于所述用户数据中的预设类型数据及预设标签生成算法对所述用户数据中的预设类型数据进行分析，生成用户标签集，或者，当所述第一标签集满足预设条件时，直接将所述初始标签集作为用户标签集，所述用户标签集包括类型标签、技能标签及所述技能标签的属性标签；

从所述第二用户中筛选出所述用户标签集中的所述类型标签与所述需求标签集中的所述类型标签匹配的用户，或者，所述用户标签集中的所述技能标签与所述需求标签集中的所述技能标签匹配的用户作为备选用户；

基于预设匹配规则、所述需求标签集及所述用户标签集计算所述备选用户与所述需求信息的匹配度，根据所述备选用户与所述需求信息的匹配度从所述第二用户中确定目标用户，并将所述目标用户推送给所述第一用户。

进一步地，所述基于预设匹配规则、所述需求标签集及所述用户标签集计算所述备选用户与所述需求信息的匹配度，包括：

对比所述用户标签集与所述需求标签集，根据标签匹配数确定所述备选用户的第一评分；

基于所述需求标签集的所述技能标签的顺序确定所述用户标签中的所述技能标签的分值，基于所述用户标签集中所述技能标签的属性标签，确定所述技能标签对应的权重，基于所述用户标签中的所述技能标签的分值及所述权重，计算所述备选用户的第二评分；

根据所述第一评分及所述第二评分计算所述备选用户的综合评分，将所述综合评分作为所述备选用户与所述需求信息的匹配度。

进一步地，所述第二关键词包括：所述第一关键词及与所述第一关键词相近的子关键词，所述对比所述用户标签集与所述需求标签集，根据标签匹配数确定所述备选用户的第一评分，包括：

当所述用户标签集中的一个标签与所述第一关键词或与所述第一关键词相近的子关键词匹配的标签时，则判断所述用户标签集中的该标签与所述需求标签集中所述第一关键词或与所述第一关键词相近的子关键词对应的标签相匹配；

统计所述备选用户的所述用户标签集与所述需求标签集的标签匹配数量，基于预设的匹配数量与第一评分的映射数据，确定所述备选用户的第一评分。

进一步地，所述需求标签集的所述技能标签的顺序根据所述第一用户的输入顺序确定，或者，根据所述第一关键词的TF-IDF确定。

进一步地，在所述用户标签集中，所述技能标签的属性标签根据所述第二用户的简历信息、工作年限、用户等级、用户学历专业中的至少一种确定。

进一步地，该方法还包括：

每隔预设时间间隔，获取所述第二用户在预设时间间隔内的用户数据，基于标签生成算法对所述第二用户在预设时间间隔内的用户数据进行分析，生成所述第二用户在预设时间间隔内的用户标签；

基于所述第二用户在预设时间间隔内的用户标签对所述第二用户的用户标签集进行更新并保存。

本发明第二个目的在于提供一种基于政策大数据的智能匹配装置，该装置包括：

接收模块，用于接收第一用户通过客户端发出的需求信息；

第一分析模块，用于确定所述需求信息的第一关键词，从预设存储路径中获取与所述关键词对应的相似词库，生成所述需求信息的第二关键词，根据所述第二关键词确定所述需求信息对应的需求标签集，所述需求标签集包括类型标签、技能标签，所述第二关键词包含所述第一关键词；

第二分析模块，用于从预设数据库中获取各第二用户的用户数据，所述用户数据包括初始标签集，当所述初始标签集不满足预设条件时，则基于所述用户数据中的预设类型数据及预设标签生成算法对所述用户数据中的预设类型数据进行分析，生成用户标签集，或者，当所述第一标签集满足预设条件时，直接将所述初始标签集作为用户标签集，所述用户标签集包括类型标签、技能标签及所述技能标签的属性标签；

筛选模块，用于从所述第二用户中筛选出所述用户标签集中的所述类型标签与所述需求标签集中的所述类型标签匹配的用户，或者，所述用户标签集中的所述技能标签与所述需求标签集中的所述技能标签匹配的用户作为备选用户；

匹配模块，用于基于预设匹配规则、所述需求标签集及所述用户标签集计算所述备选用户与所述需求信息的匹配度，根据所述备选用户与所述需求信息的匹配度从所述第二用户中确定目标用户，并将所述目标用户推送给所述第一用户。

进一步地，该装置还包括：

更新模块，用于每隔预设时间间隔，获取所述第二用户在预设时间间隔内的用户数据，基于标签生成算法对所述第二用户在预设时间间隔内的用户数据进行分析，生成所述第二用户在预设时间间隔内的用户标签；基于所述第二用户在预设时间间隔内的用户标签对所述第二用户的用户标签集进行更新并保存。

本发明的第三个目的在于提供一种电子设备，所述电子设备包括存储器和处理器，所述存储器上存储有基于政策大数据的智能匹配程序，所述基于政策大数据的智能匹配程序被所述处理器执行时实现如上述的基于政策大数据的智能匹配方法的步骤。

本发明的第四个目的在于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基于政策大数据的智能匹配程序，所述基于政策大数据的智能匹配程序可被一个或者多个处理器执行，以实现如上述的基于政策大数据的智能匹配方法的步骤。

本发明的有益效果：

本发明提供的基于政策大数据的智能匹配方法，接收第一用户发出的需求信息，对需求信息分析得到需求标签集；获取第二用户的第一标签集，对第一标签集进行验证判断，若不满足条件则根据预设类型用户数据生成用户标签集；根据需求标签集及用户标签集为第一用户推送与需求信息匹配的目标用户。通过提高需求标签集的全面性及用户标签集的准确性，从而提高了数据信息匹配及推送的准确性及全面性，进而提高用户的使用体验。

附图说明

为了更清楚地说明本发明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发明的一些实施例，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，还可以根据这些附图示出的结构获得其他的附图。

图1为本发明一实施例提供的基于政策大数据的智能匹配方法的流程示意图；

图2为本发明一实施例提供的基于政策大数据的智能匹配装置的模块示意图；

图3为本发明一实施例提供的实现基于政策大数据的智能匹配方法的电子设备的内部结构示意图。

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的一部分实施例，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作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。

需要说明，本发明实施例中所有方向性指示（诸如上、下、左、右、前、后……）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

还需要说明的是，当元件被称为“固定于”或“设置于”另一个元件上时，它可以直接在另一个元件上或者可能同时存在居中元件。当一个元件被称为是“连接”另一个元件，它可以是直接连接另一个元件或者可能同时存在居中元件。

另外，在本发明中涉及“第一”“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

本发明一方面提供了一种基于政策大数据的智能匹配方法。参照图1所示，为本发明一实施例提供的基于政策大数据的智能匹配方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。

在本实施例中，基于政策大数据的智能匹配方法包括：

S110，接收第一用户通过客户端发出的需求信息。

本实施例中，基于政策大数据的智能匹配方法应用于人才管理系统，人才管理系统中包括人才数据库。

第一用户通过客户端录入需求信息，该需求包括但不仅限于招聘需求，需求信息为招聘岗位信息，包括：岗位描述及职位要求等。

当向人才管理系统发出该需求后，智能匹配装置基于需求信息为用户匹配与之对应的人才进行推送。

S120，确定所述需求信息的第一关键词，从预设存储路径中获取与所述关键词对应的相似词库，生成所述需求信息的第二关键词，根据所述第二关键词确定所述需求信息对应的需求标签集，所述需求标签集包括类型标签、技能标签，所述第二关键词包含所述第一关键词。

在本实施例中，利用关键词提取算法确定所述需求信息的第一关键词，关键词提取算法可以但不仅限于TextRank、LDA、TPR、jieba、TF-IDF等算法。鉴于目前关键词提取技术已较成熟不做赘述。

智能匹配装置基于现有的关键词提取算法从需求信息中提取出第一关键词后，为了提高第一关键词的全面性，对第一关键词进行近似词扩展。具体地，预先确定各关键词的近义词，确定各关键词的相似词库，从而生成需求信息的第二关键词，然后将第二关键词作为需求信息对应的需求标签集。以第一关键词A为例，第一关键词A的相似词库为An，则将An作为第二关键词，并生成需求标签集。其中，需求标签集中一个标签可能对应一个或多个第二关键词。

以招聘需求信息为例，需求标签集中的类型标签为职位名称，技能标签为专业技术标签。在其他实施例中，需求标签集还可以包括属性标签，例如，工作年限、专业、学校、证书等。

S130，从预设数据库中获取各第二用户的用户数据，所述用户数据包括初始标签集，当所述初始标签集不满足预设条件时，则基于所述用户数据中的预设类型数据及预设标签生成算法对所述用户数据中的预设类型数据进行分析，生成用户标签集，或者，当所述第一标签集满足预设条件时，直接将所述初始标签集作为用户标签集，所述用户标签集包括类型标签、技能标签及所述技能标签的属性标签。

本实施例中，预设数据库为人才数据库。人才数据库中包括各类型人才的数据信息。

人才数据库中存储着各第二用户的用户数据，用户数据包括各种历史行为数据、个人信息及用户标签集。该用户标签集是基于用户的个人信息或者历史数据得到的，然而各第二用户的用户标签集在不同时间都可能发生变化。

在本实施例中，智能匹配装置获取全量第二用户的用户标签集作为各第二用户的初始标签集，初始标签集包括但不仅限于类型标签、技能标签及各技能标签的属性标签。然而，该初始标签集可能更新时间距离当前时间较长，在一定程度上并不能准确反映出该第二用户当前的技术标签及对应的属性标签，因此，为了提高用户技术类型标签的准确性和完整性，对直接获取得到的初始标签集进行条件验证。

作为一种实施方式，预设条件为用户标签集的生成时间（或者，更新时间）距离当前时间的间隔少于7天，或者，1个月等，时间间隔可根据实际情况进行调整。

若初始标签集满足上述条件，则可认为初始标签集可以充分表示第二用户的技术类型，因此，根据当前用户标签集进行智能匹配的准确率会较高，故可以将初始标签集作为用户标签集。

若初始标签集不满足上述条件，则认为初始标签集不能充分表示用户的技术类型，因此，为提高需求信息智能匹配的准确性，需要进一步明确第二用户对应的用户标签集。

在本实施例中，用户数据中的预设类型数据包括：历史简历数据、历史发布文本信息数据、历史访问文本信息、其他用户属性信息。通过对预设类型数据进行语义分析及关键词提取，以确定该第二用户的用户标签集。例如，关键词提取算法可以但不仅限于TextRank、LDA、TPR、jieba、TF-IDF等算法。

作为一种实施方式，用户标签集中的类型标签可通过历史简历数据中的求职职位确认，技能标签可根据历史简历数据中的项目描述、工作描述及所得证书分析得到，或者，根据历史发布论文等数据分析得到，技能标签的属性标签也可根据历史简历数据中项目时间及工作年限分析得到，或者，根据历史发布论文的等级、引用量、影响因子等综合分析得到。

步骤S140，从所述第二用户中筛选出所述用户标签集中的所述类型标签与所述需求标签集中的所述类型标签匹配的用户，或者，所述用户标签集中的所述技能标签与所述需求标签集中的所述技能标签匹配的用户作为备选用户。

为了减少数据计算量，首先要从第二用户中筛选出与第一用户发出的需求信息对应的第二用户，另外，为了保证筛选出的第二用户与需求信息的相关性，从所有的第二用户中筛选出类型标签或技能标签与需求标签集匹配的用户，以作为备选用户。

步骤S150，基于预设匹配规则、所述需求标签集及所述用户标签集计算所述备选用户与所述需求信息的匹配度，根据所述备选用户与所述需求信息的匹配度从所述第二用户中确定目标用户，并将所述目标用户推送给所述第一用户。

通过类型标签及技能标签初步筛选出备选用户后，需基于备选用户的用户标签集确定备选用户与需求信息的匹配度。

在本实施例中，对比所述用户标签集与所述需求标签集，根据标签匹配数确定所述备选用户的第一评分；基于所述需求标签集的所述技能标签的顺序确定所述用户标签中的所述技能标签的分值，基于所述用户标签集中所述技能标签的属性标签，确定所述技能标签对应的权重，基于所述用户标签中的所述技能标签的分值及所述权重，计算所述备选用户的第二评分；根据所述第一评分及所述第二评分计算所述备选用户的综合评分，将所述综合评分作为所述备选用户与所述需求信息的匹配度。

需要说明的是，第二关键词中包括第一关键词及与所述第一关键词相近的子关键词。其中，所述对比所述用户标签集与所述需求标签集，根据标签匹配数确定所述备选用户的第一评分，包括：当所述用户标签集中的一个标签与所述第一关键词或与所述第一关键词相近的子关键词匹配的标签时，则判断所述用户标签集中的该标签与所述需求标签集中所述第一关键词或与所述第一关键词相近的子关键词对应的标签相匹配；统计所述备选用户的所述用户标签集与所述需求标签集的标签匹配数量，基于预设的匹配数量与第一评分的映射数据，确定所述备选用户的第一评分。

例如，与标签P对应的第二关键词为M、N，其中，M包括第一关键词M1及M1的近义词Mi，N包括第一关键词N1及近义词Ni，只要一个第二用户的用户标签集中存在标签与M、N中的任意关键词匹配，则判断该第二用户的用户标签集中该标签与需求标签集中的标签P匹配。利用上述判断规则统计备选用户的用户标签集与需求标签集的标签匹配数量。然后，获取预先确定的标签匹配数量与评分的映射数据，确定备选用户的第一评分。

可以理解的是，标签匹配数量占需求标签的总标签数量比重越大，评分越高，相反，标签匹配数量占需求标签的总标签数量比重越小，评分越低。在其他实施例中，可根据实际需求对标签匹配数量与评分的映射数据进行调整。

在从匹配标签数量的维度确定备选用户的第一评分之后，进一步根据技能标签的相关信息计算备选用户的第二评分。在本实施例中，所述需求标签集的所述技能标签的顺序可以根据所述第一用户的指定顺序（例如，输入顺序）确定，或者，根据所述第一关键词的TF-IDF确定。需求标签集中技能标签顺序越靠前，对应的分值越大，相反，顺序越靠后，对应的分值越小，同样，可根据实际需求进行调整，例如，各技能标签的分值可以设置为相同。另外，技能标签的属性标签在一定程度上可以说明用户在某一技能上的水平，例如，属性标签可以是等级标签：低级、中级、高级、专家等，或者，属性标签还可以是工作年限标签等，在此不做限制。综上，可基于确定的权重和分值计算各备选用户的第二评分。

确定各备选用户的第一评分及第二评分后，根据预设的第一评分与第二评分的权重，计算各备选用户的综合评分，将综合评分作为各备选用户与需求信息的匹配度。基于匹配度对各备选用户进行排序，匹配度最高的备选用户作为目标用户推送给第一用户。

通过从不同的维度综合评估备选用户与需求信息的匹配度，提高了匹配准确率。

在其他实施例中，还可以选择排序靠前的预设数量的备选用户一并推送给第一用户进行挑选，以提高用户使用体验。

为了提高用户标签集的准确性，需及时对用户的用户标签集进行更新调整，以提高匹配效率。在其他实施例中，基于政策大数据的智能匹配方法还包括：

每隔预设时间间隔，获取所述第二用户在预设时间间隔内的用户数据，基于标签生成算法对所述第二用户在预设时间间隔内的用户数据进行分析，生成所述第二用户在预设时间间隔内的用户标签；

基于所述第二用户在预设时间间隔内的用户标签对所述第二用户的用户标签集进行更新并保存。

例如，每个一个月、三个月或者半年获取第二用户的用户数据，并基于用户数据分析确定得到第二用户在一个月、上个月或者半年对应的用户标签，根据第二用户在一个月、上个月或者半年对应的用户标签对其历史用户标签集进行更新并保存。

关于上述步骤的详细介绍，请参照下述图2关于基于政策大数据的智能匹配程序10实施例的程序模块示意图及图1关于基于政策大数据的智能匹配方法实施例的方法流程示意图的说明。

如图2所示，是本发明基于基于政策大数据的智能匹配装置100的功能模块图。

本发明所述基于政策大数据的智能匹配装置100可以安装于电子设备1中。根据实现的功能，所述基于政策大数据的智能匹配装置100可以包括接收模块110、标签集生成模块120及处理及推送模块130。本发明所述模块也可以称之为单元，是指一种能够被电子设备1处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备1的存储器中。

在本实施例中，关于各模块/单元的功能如下：

接收模块110，用于接收第一用户通过客户端发出的需求信息。

本实施例中，基于政策大数据的智能匹配方法应用于人才管理系统，人才管理系统中包括人才数据库。

第一用户通过客户端录入需求信息，该需求包括但不仅限于招聘需求，需求信息为招聘岗位信息，包括：岗位描述及职位要求等。

当向人才管理系统发出该需求后，智能匹配装置100基于需求信息为用户匹配与之对应的人才进行推送。

第一分析模块120，用于确定所述需求信息的第一关键词，从预设存储路径中获取与所述关键词对应的相似词库，生成所述需求信息的第二关键词，根据所述第二关键词确定所述需求信息对应的需求标签集，所述需求标签集包括类型标签、技能标签，所述第二关键词包含所述第一关键词。

在本实施例中，利用关键词提取算法确定所述需求信息的第一关键词，关键词提取算法可以但不仅限于TextRank、LDA、TPR、jieba、TF-IDF等算法。鉴于目前关键词提取技术已较成熟不做赘述。

智能匹配装置100基于现有的关键词提取算法从需求信息中提取出第一关键词后，为了提高第一关键词的全面性，对第一关键词进行近似词扩展。具体地，预先确定各关键词的近义词，确定各关键词的相似词库，从而生成需求信息的第二关键词，然后将第二关键词作为需求信息对应的需求标签集。以第一关键词A为例，第一关键词A的相似词库为An，则将An作为第二关键词，并生成需求标签集。其中，需求标签集中一个标签可能对应一个或多个第二关键词。

以招聘需求信息为例，需求标签集中的类型标签为职位名称，技能标签为专业技术标签。在其他实施例中，需求标签集还可以包括属性标签，例如，工作年限、专业、学校、证书等。

第二分析模块130，用于从预设数据库中获取各第二用户的用户数据，所述用户数据包括初始标签集，当所述初始标签集不满足预设条件时，则基于所述用户数据中的预设类型数据及预设标签生成算法对所述用户数据中的预设类型数据进行分析，生成用户标签集，或者，当所述第一标签集满足预设条件时，直接将所述初始标签集作为用户标签集，所述用户标签集包括类型标签、技能标签及所述技能标签的属性标签。

本实施例中，预设数据库为人才数据库。人才数据库中包括各类型人才的数据信息。

人才数据库中存储着各第二用户的用户数据，用户数据包括各种历史行为数据、个人信息及用户标签集。该用户标签集是基于用户的个人信息或者历史数据得到的，然而各第二用户的用户标签集在不同时间都可能发生变化。

在本实施例中，智能匹配装置100获取全量第二用户的用户标签集作为各第二用户的初始标签集，初始标签集包括但不仅限于类型标签、技能标签及各技能标签的属性标签。然而，该初始标签集可能更新时间距离当前时间较长，在一定程度上并不能准确反映出该第二用户当前的技术标签及对应的属性标签，因此，为了提高用户技术类型标签的准确性和完整性，对直接获取得到的初始标签集进行条件验证。

作为一种实施方式，预设条件为用户标签集的生成时间（或者，更新时间）距离当前时间的间隔少于7天，或者，1个月等，时间间隔可根据实际情况进行调整。

若初始标签集满足上述条件，则可认为初始标签集可以充分表示第二用户的技术类型，因此，根据当前用户标签集进行智能匹配的准确率会较高，故可以将初始标签集作为用户标签集。

若初始标签集不满足上述条件，则认为初始标签集不能充分表示用户的技术类型，因此，为提高需求信息智能匹配的准确性，需要进一步明确第二用户对应的用户标签集。

在本实施例中，用户数据中的预设类型数据包括：历史简历数据、历史发布文本信息数据、历史访问文本信息、其他用户属性信息。通过对预设类型数据进行语义分析及关键词提取，以确定该第二用户的用户标签集。例如，关键词提取算法可以但不仅限于TextRank、LDA、TPR、jieba、TF-IDF等算法。

作为一种实施方式，用户标签集中的类型标签可通过历史简历数据中的求职职位确认，技能标签可根据历史简历数据中的项目描述、工作描述及所得证书分析得到，或者，根据历史发布论文等数据分析得到，技能标签的属性标签也可根据历史简历数据中项目时间及工作年限分析得到，或者，根据历史发布论文的等级、引用量、影响因子等综合分析得到。

筛选模块140，用于从所述第二用户中筛选出所述用户标签集中的所述类型标签与所述需求标签集中的所述类型标签匹配的用户，或者，所述用户标签集中的所述技能标签与所述需求标签集中的所述技能标签匹配的用户作为备选用户。

为了减少数据计算量，首先要从第二用户中筛选出与第一用户发出的需求信息对应的第二用户，另外，为了保证筛选出的第二用户与需求信息的相关性，从所有的第二用户中筛选出类型标签或技能标签与需求标签集匹配的用户，以作为备选用户。

匹配模块150，用于基于预设匹配规则、所述需求标签集及所述用户标签集计算所述备选用户与所述需求信息的匹配度，根据所述备选用户与所述需求信息的匹配度从所述第二用户中确定目标用户，并将所述目标用户推送给所述第一用户。

通过类型标签及技能标签初步筛选出备选用户后，智能匹配装置100需基于备选用户的用户标签集确定备选用户与需求信息的匹配度。

在本实施例中，对比所述用户标签集与所述需求标签集，根据标签匹配数确定所述备选用户的第一评分；基于所述需求标签集的所述技能标签的顺序确定所述用户标签中的所述技能标签的分值，基于所述用户标签集中所述技能标签的属性标签，确定所述技能标签对应的权重，基于所述用户标签中的所述技能标签的分值及所述权重，计算所述备选用户的第二评分；根据所述第一评分及所述第二评分计算所述备选用户的综合评分，将所述综合评分作为所述备选用户与所述需求信息的匹配度。

需要说明的是，第二关键词中包括第一关键词及与所述第一关键词相近的子关键词。其中，所述对比所述用户标签集与所述需求标签集，根据标签匹配数确定所述备选用户的第一评分，包括：当所述用户标签集中的一个标签与所述第一关键词或与所述第一关键词相近的子关键词匹配的标签时，则判断所述用户标签集中的该标签与所述需求标签集中所述第一关键词或与所述第一关键词相近的子关键词对应的标签相匹配；统计所述备选用户的所述用户标签集与所述需求标签集的标签匹配数量，基于预设的匹配数量与第一评分的映射数据，确定所述备选用户的第一评分。

例如，与标签P对应的第二关键词为M、N，其中，M包括第一关键词M1及M1的近义词Mi，N包括第一关键词N1及近义词Ni，只要一个第二用户的用户标签集中存在标签与M、N中的任意关键词匹配，则判断该第二用户的用户标签集中该标签与需求标签集中的标签P匹配。利用上述判断规则统计备选用户的用户标签集与需求标签集的标签匹配数量。然后，获取预先确定的标签匹配数量与评分的映射数据，确定备选用户的第一评分。

可以理解的是，标签匹配数量占需求标签的总标签数量比重越大，评分越高，相反，标签匹配数量占需求标签的总标签数量比重越小，评分越低。在其他实施例中，可根据实际需求对标签匹配数量与评分的映射数据进行调整。

在从匹配标签数量的维度确定备选用户的第一评分之后，进一步根据技能标签的相关信息计算备选用户的第二评分。在本实施例中，所述需求标签集的所述技能标签的顺序可以根据所述第一用户的指定顺序（例如，输入顺序）确定，或者，根据所述第一关键词的TF-IDF确定。需求标签集中技能标签顺序越靠前，对应的分值越大，相反，顺序越靠后，对应的分值越小，同样，可根据实际需求进行调整，例如，各技能标签的分值可以设置为相同。另外，技能标签的属性标签在一定程度上可以说明用户在某一技能上的水平，例如，属性标签可以是等级标签：低级、中级、高级、专家等，或者，属性标签还可以是工作年限标签等，在此不做限制。综上，可基于确定的权重和分值计算各备选用户的第二评分。

确定各备选用户的第一评分及第二评分后，根据预设的第一评分与第二评分的权重，计算各备选用户的综合评分，将综合评分作为各备选用户与需求信息的匹配度。基于匹配度对各备选用户进行排序，匹配度最高的备选用户作为目标用户推送给第一用户。

通过从不同的维度综合评估备选用户与需求信息的匹配度，提高了匹配准确率。

在其他实施例中，还可以选择排序靠前的预设数量的备选用户一并推送给第一用户进行挑选，以提高用户使用体验。

为了提高用户标签集的准确性，需及时对用户的用户标签集进行更新调整，以提高匹配效率。在其他实施例中，基于政策大数据的智能匹配装置100还包括：

更新模块160，用于每隔预设时间间隔，获取所述第二用户在预设时间间隔内的用户数据，基于标签生成算法对所述第二用户在预设时间间隔内的用户数据进行分析，生成所述第二用户在预设时间间隔内的用户标签；基于所述第二用户在预设时间间隔内的用户标签对所述第二用户的用户标签集进行更新并保存。

例如，智能匹配装置100每个一个月、三个月或者半年获取第二用户的用户数据，并基于用户数据分析确定得到第二用户在一个月、上个月或者半年对应的用户标签，根据第二用户在一个月、上个月或者半年对应的用户标签对其历史用户标签集进行更新并保存。

如图3所示，是本发明实现基于政策大数据的智能匹配方法的电子设备的结构示意图。

所述电子设备1可以包括处理器12、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器12上运行的计算机程序，如基于政策大数据的智能匹配程序10。

其中，所述存储器11至少包括一种类型的可读存储介质，所述计算机可读存储介质上存储有基于政策大数据的智能匹配程序10，基于政策大数据的智能匹配程序10可被一个或者多个处理器12执行。所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡（Smart Media Card，SMC）、安全数字（Secure Digital，SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如基于政策大数据的智能匹配程序10的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述处理器12在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器12是所述电子设备1的控制核心（Control Unit），利用各种接口和线路连接整个电子设备1的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如基于政策大数据的智能匹配程序10等），以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。

所述总线可以是外设部件互连标准（peripheral component interconnect，简称PCI）总线或扩展工业标准结构（extended industry standard architecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器12等之间的连接通信。

图3仅示出了具有部件的电子设备1，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理系统与所述至少一个处理器12逻辑相连，从而通过电源管理系统实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

进一步地，所述电子设备1还可以包括网络接口13，可选地，所述网络接口13可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备1与其他电子设备1之间建立通信连接。

可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的基于政策大数据的智能匹配程序10是多个指令的组合，在所述处理器12中运行时，可以实现：

接收第一用户通过客户端发出的需求信息；

确定所述需求信息的第一关键词，从预设存储路径中获取与所述关键词对应的相似词库，生成所述需求信息的第二关键词，根据所述第二关键词确定所述需求信息对应的需求标签集，所述需求标签集包括类型标签、技能标签，所述第二关键词包含所述第一关键词；

从预设数据库中获取各第二用户的用户数据，所述用户数据包括初始标签集，当所述初始标签集不满足预设条件时，则基于所述用户数据中的预设类型数据及预设标签生成算法对所述用户数据中的预设类型数据进行分析，生成用户标签集，或者，当所述第一标签集满足预设条件时，直接将所述初始标签集作为用户标签集，所述用户标签集包括类型标签、技能标签及所述技能标签的属性标签；

从所述第二用户中筛选出所述用户标签集中的所述类型标签与所述需求标签集中的所述类型标签匹配的用户，或者，所述用户标签集中的所述技能标签与所述需求标签集中的所述技能标签匹配的用户作为备选用户；

基于预设匹配规则、所述需求标签集及所述用户标签集计算所述备选用户与所述需求信息的匹配度，根据所述备选用户与所述需求信息的匹配度从所述第二用户中确定目标用户，并将所述目标用户推送给所述第一用户。

具体地，所述处理器11对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或系统、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，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。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块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，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或系统也可以由一个单元或系统通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于政策大数据的智能匹配方法，其特征在于，该方法包括：

接收第一用户通过客户端发出的需求信息；

确定所述需求信息的第一关键词，从预设存储路径中获取与所述关键词对应的相似词库，生成所述需求信息的第二关键词，根据所述第二关键词确定所述需求信息对应的需求标签集，所述需求标签集包括类型标签、技能标签，所述第二关键词包含所述第一关键词；

从预设数据库中获取各第二用户的用户数据，所述用户数据包括初始标签集，当所述初始标签集不满足预设条件时，则基于所述用户数据中的预设类型数据及预设标签生成算法对所述用户数据中的预设类型数据进行分析，生成用户标签集，或者，当所述第一标签集满足预设条件时，直接将所述初始标签集作为用户标签集，所述用户标签集包括类型标签、技能标签及所述技能标签的属性标签；

从所述第二用户中筛选出所述用户标签集中的所述类型标签与所述需求标签集中的所述类型标签匹配的用户，或者，所述用户标签集中的所述技能标签与所述需求标签集中的所述技能标签匹配的用户作为备选用户；

基于预设匹配规则、所述需求标签集及所述用户标签集计算所述备选用户与所述需求信息的匹配度，根据所述备选用户与所述需求信息的匹配度从所述第二用户中确定目标用户，并将所述目标用户推送给所述第一用户。

2.如权利要求1所述的基于政策大数据的智能匹配方法，其特征在于，所述基于预设匹配规则、所述需求标签集及所述用户标签集计算所述备选用户与所述需求信息的匹配度，包括：

对比所述用户标签集与所述需求标签集，根据标签匹配数确定所述备选用户的第一评分；

基于所述需求标签集的所述技能标签的顺序确定所述用户标签中的所述技能标签的分值，基于所述用户标签集中所述技能标签的属性标签，确定所述技能标签对应的权重，基于所述用户标签中的所述技能标签的分值及所述权重，计算所述备选用户的第二评分；

根据所述第一评分及所述第二评分计算所述备选用户的综合评分，将所述综合评分作为所述备选用户与所述需求信息的匹配度。

3.如权利要求2所述的基于政策大数据的智能匹配方法，其特征在于，所述第二关键词包括：所述第一关键词及与所述第一关键词相近的子关键词，所述对比所述用户标签集与所述需求标签集，根据标签匹配数确定所述备选用户的第一评分，包括：

当所述用户标签集中的一个标签与所述第一关键词或与所述第一关键词相近的子关键词匹配的标签时，则判断所述用户标签集中的该标签与所述需求标签集中所述第一关键词或与所述第一关键词相近的子关键词对应的标签相匹配；

统计所述备选用户的所述用户标签集与所述需求标签集的标签匹配数量，基于预设的匹配数量与第一评分的映射数据，确定所述备选用户的第一评分。

4.如权利要求2所述的基于政策大数据的智能匹配方法，其特征在于，所述需求标签集的所述技能标签的顺序根据所述第一用户的输入顺序确定，或者，根据所述第一关键词的TF-IDF确定。

5.如权利要求1所述的基于政策大数据的智能匹配方法，其特征在于，在所述用户标签集中，所述技能标签的属性标签根据所述第二用户的简历信息、工作年限、用户等级、用户学历专业中的至少一种确定。

6.如权利要求1所述的基于政策大数据的智能匹配方法，其特征在于，该方法还包括：

每隔预设时间间隔，获取所述第二用户在预设时间间隔内的用户数据，基于标签生成算法对所述第二用户在预设时间间隔内的用户数据进行分析，生成所述第二用户在预设时间间隔内的用户标签；

基于所述第二用户在预设时间间隔内的用户标签对所述第二用户的用户标签集进行更新并保存。

7.一种基于政策大数据的智能匹配装置，其特征在于，该装置包括：

接收模块，用于接收第一用户通过客户端发出的需求信息；

第一分析模块，用于确定所述需求信息的第一关键词，从预设存储路径中获取与所述关键词对应的相似词库，生成所述需求信息的第二关键词，根据所述第二关键词确定所述需求信息对应的需求标签集，所述需求标签集包括类型标签、技能标签，所述第二关键词包含所述第一关键词；

第二分析模块，用于从预设数据库中获取各第二用户的用户数据，所述用户数据包括初始标签集，当所述初始标签集不满足预设条件时，则基于所述用户数据中的预设类型数据及预设标签生成算法对所述用户数据中的预设类型数据进行分析，生成用户标签集，或者，当所述第一标签集满足预设条件时，直接将所述初始标签集作为用户标签集，所述用户标签集包括类型标签、技能标签及所述技能标签的属性标签；

筛选模块，用于从所述第二用户中筛选出所述用户标签集中的所述类型标签与所述需求标签集中的所述类型标签匹配的用户，或者，所述用户标签集中的所述技能标签与所述需求标签集中的所述技能标签匹配的用户作为备选用户；

匹配模块，用于基于预设匹配规则、所述需求标签集及所述用户标签集计算所述备选用户与所述需求信息的匹配度，根据所述备选用户与所述需求信息的匹配度从所述第二用户中确定目标用户，并将所述目标用户推送给所述第一用户。

8.如权利要求7所述的基于政策大数据的智能匹配装置，其特征在于，该装置还包括：

更新模块，用于每隔预设时间间隔，获取所述第二用户在预设时间间隔内的用户数据，基于标签生成算法对所述第二用户在预设时间间隔内的用户数据进行分析，生成所述第二用户在预设时间间隔内的用户标签；基于所述第二用户在预设时间间隔内的用户标签对所述第二用户的用户标签集进行更新并保存。

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器上存储有基于政策大数据的智能匹配程序，所述基于政策大数据的智能匹配程序被所述处理器执行时实现如权利要求1-6中任一项所述的基于政策大数据的智能匹配方法的步骤。

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基于政策大数据的智能匹配程序，所述基于政策大数据的智能匹配程序可被一个或者多个处理器执行，以实现如权利要求1-6中任一项所述的基于政策大数据的智能匹配方法的步骤。

Images