CN113554508A - 一种虚拟资源对象匹配方法、装置、电子设备和存储介质 - Google Patents

Abstract

本发明实施例公开了一种虚拟资源对象匹配方法、装置、电子设备和存储介质，该方法可包括：获取用户信息和多个虚拟资源对象的产品信息，通过用户信息和虚拟资源对象的产品信息中的带有硬性要求的信息对该多个虚拟资源对象进行初筛得到一个或多个第一虚拟资源对象，再通过用户信息和虚拟资源对象的产品信息中其他相对复杂的机动信息进行复筛，从符合初筛阶段的一个或多个第一虚拟资源对象中筛选出一个或多个第二虚拟资源对象，完成虚拟资源对象与用户需求的最佳匹配方案。采用本发明实施例能够高效地、准确地为用户提供更优的虚拟资源对象，节约用户时间成本和资金成本，提升用户的体验。

Description

一种虚拟资源对象匹配方法、装置、电子设备和存储介质

技术领域

本发明涉及贷款技术领域，尤其涉及一种虚拟资源对象匹配方法、装置、电子设备和存储介质。

背景技术

实际生活中，当用户有贷款需求时，更多依赖人力处理，常用的方式是产品代理对接用户，由产品经理根据用户信息主观地为用户推荐贷款产品。此外，即使现有方案中存在部分匹配系统，但往往是需要用户在确定了银行、金融机构或者借贷平台等产品方之后，才通过该匹配系统从确定的产品方的产品库中匹配贷款产品，然而该银行、金融机构或者借贷平台可能还不是最适合用户的产品方。

因此，常常出现用户即使在付出更高时间成本的情况下，仍然可能存在难以办理到更匹配的贷款产品，可能还要为此付出更高的资金成本的现象。因此如何提供一种高效、高准确率的贷款产品匹配方案，为用户匹配更符合需求的贷款产品，提升用户的借贷体验，是亟待解决的问题。

发明内容

本发明实施例提供一种虚拟资源对象匹配方法、装置、电子设备和存储介质，能够高效地为用户提供更符合需求的虚拟资源对象，节约用户时间成本和资金成本，提升用户的体验。

第一方面，本发明实施例提供了一种虚拟资源对象匹配方法，可包括：

获取多个虚拟资源对象的产品信息，所述产品信息包括每个虚拟资源对象的风险控制信息和产品基本信息；

获取用户的个人信息，所述个人信息包括所述用户的用户可信信息和用户需求信息；

基于所述多个虚拟资源对象的所述风险控制信息和所述用户可信信息对所述多个虚拟资源对象进行第一筛选，输出符合第一筛选要求的一个或多个第一虚拟资源对象；

基于所述一个或多个第一虚拟资源对象的所述产品基本信息和所述用户需求信息对所述一个或多个第一虚拟资源对象进行第二筛选，输出符合第二筛选要求的一个或多个第二虚拟资源对象。

本发明实施例，在虚拟资源对象匹配的过程中，首先获取到多个虚拟资源对象的产品信息和用户的个人信息，其中，产品信息可以分为风险控制信息(例如包括虚拟资源对象的产品方为进行合理的风险控制而提出的硬性要求指标)和产品基本信息(例如包括虚拟资源对象的各种基本属性)两类，而用户的个人信息可以分为用户可信信息(例如包括与上述风险控制信息对应的用户真实的个人信用信息)和用户需求信息(例如包括与上述产品基本信息对应的用户的基本需求)；然后利用用户的用户可信信息和虚拟资源对象的风险控制信息对该多个虚拟资源对象进行第一轮筛选，筛选出符合要求的一个或多个虚拟资源对象；最后再利用用户的用户需求信息和虚拟资源对象的产品基本信息对符合第一轮筛选要求的虚拟资源对象进行第二轮筛选，筛选出符合第二轮筛选要求的一个或多个虚拟资源对象。由于，在上述第一轮筛选过程中仅利用部分信息(即风险控制信息和用户可信信息)进行初步筛选，因此基于较小的计算量便可以快速的缩小虚拟资源对象的范围；进一步地，在上述第一轮筛选后的基础上，仅利用另一部分信息(即产品基本信息和用户需求信息)进行深度筛选，从而可以从较小的范围中快速、准确的确定符合要求的虚拟资源对象，避免大量无效的计算，提升了虚拟资源对象的匹配效率；此外，由于第一轮筛选条件是较容易判断的硬性条件，第二轮筛选条件是相对复杂的机动条件，因此，可以在基数较大的第一轮筛选过程中更加高效的完成筛选，而将相对复杂的机动条件设置在较小的基数(经过第一轮筛选后的)的第二轮筛选过程中，从而进一步地提升了筛选效率。综上，本发明实施例通过基于不同侧重点的信息组合分别进行两个阶段的筛选，能够高效、准确地为用户匹配出更符合需求的虚拟资源对象，提升了用户的体验。

在一种可能的实现方式中，所述基于所述多个虚拟资源对象的所述风险控制信息和所述用户可信信息对所述多个虚拟资源对象进行第一筛选，输出符合第一筛选要求的一个或多个第一虚拟资源对象，包括：根据预设的第一公式判断所述多个虚拟资源对象的每一个虚拟资源对象的所述风险控制信息中的每一项和所述用户可信信息中对应的每一项是否匹配；将所述风险控制信息中的每一项和所述用户可信信息中对应的每一项均匹配的虚拟资源对象，确定为符合所述第一筛选要求的第一虚拟资源对象；输出符合所述第一筛选要求的一个或多个第一虚拟资源对象。

本发明实施例中，在获取到多个虚拟资源对象的信息和用户的个人信息后，首先判断每一个虚拟资源对象中具有硬性要求的每一项信息(即风险控制信息)和用户信息中对应的每一项信息(即用户可信信息)是否匹配，每一组对应的风险控制信息和用户可信信息都匹配的产品才是符合本次筛选要求的虚拟资源对象，即只要某一个虚拟资源对象的多项具有硬性要求的信息中存在至少一项信息与其对应的用户信息不匹配，则该虚拟资源对象不符合本次筛选的要求，不会进入下一轮筛选中。综上，本发明实施例仅利用部分信息完成第一轮筛选，可快速缩小匹配的范围，避免大量无效的计算，为能够高效、准确地匹配出合适的虚拟资源对象提供基础。

在一种可能的实现方式中，基于所述一个或多个第一虚拟资源对象的所述产品基本信息和所述用户需求信息对所述一个或多个第一虚拟资源对象进行第二筛选，输出符合第二筛选要求的一个或多个第二虚拟资源对象，包括：根据预设的第二公式对所述一个或多个第一虚拟资源对象的所述产品基本信息和所述用户需求信息进行计算，得到所述一个或多个第一虚拟资源对象中每一个虚拟资源对象的筛选概率，所述筛选概率表示其对应的虚拟资源对象与所述用户的匹配程度；将所述筛选概率大于预设值的第一虚拟资源对象，确定为符合所述第二筛选要求的第二虚拟资源对象；输出符合所述第二筛选要求的一个或多个第二虚拟资源对象。

本发明实施例中，在通过一部分信息(即风险控制信息和用户可信信息)完成对多个虚拟资源对象的第一轮筛选，输出符合要求的一个或多个虚拟资源对象之后，再通过另一部分信息(即产品基本信息和用户需求信息)对符合第一轮筛选的虚拟资源对象进行第二轮筛选，可以从符合第一轮筛选的虚拟资源对象中筛选出与用户需求相匹配的一个或多个虚拟资源对象。综上，本发明实施例仅利用部分信息完成第二轮筛选，可避免大量无效的计算，为能够高效、准确地匹配出合适的虚拟资源对象提供基础。

在一种可能的实现方式中，所述预设的第一公式为：

H[1,p]＝∏(X[1,n]⊙Y[p,n])；

H[1,p]＝∏(X[1,n]⊙Y[p,n])；

其中，X[1,n]为所述用户的所述用户可信信息组成的特征向量，所述用户可信信息个数为n；所述n为整数；Y[p,n]为所述虚拟资源对象的所述风险控制信息组成的特征向量，所述风险控制信息个数为n；(X[1,n]⊙Y[p,n])表示对每一项所述用户可信信息和对应的所述风险控制信息进行一对一匹配比对的比对结果；H[1,p]表示所述多个虚拟资源对象与所述用户的匹配结果，通过∏对所述(X[1,n]⊙Y[p,n])做相乘计算得到。

本发明实施中，将每一个虚拟资源对象的风险控制信息和用户的用户可信信息分别组成特征向量，然后将向量中对应的每一组用户可信信息和风险控制信息一一进行比对判断，再对每一组的比对结果进行连乘运算，得到每一个虚拟资源对象与用户的匹配结果。由于本次比对时所使用的信息是带有硬性要求的信息，只要这些信息中的某一组比对匹配的结果为不匹配，就可以认定该某一组信息所对应的虚拟资源对象与用户的需求不匹配。因此能够基于较小的计算量便可以快速的缩小虚拟资源对象的范围，提高虚拟资源对象匹配的效率。

在一种可能的实现方式中，所述预设的第二公式，包括：

其中，X[2,n]为所述用户的所述用户需求信息的特征向量，所述用户需求信息个数为m；所述m为整数；Y[2,n]为所述一个或多个第一虚拟资源对象的所述产品基本信息的特征向量，所述产品基本信息个数为m；S[p,n]表示所述一个或多个第一虚拟资源对象中的任一个虚拟资源对象的任一个所述产品基本信息与对应的所述用户需求信息的匹配程度；W[p,n]为任一组所述S[p,n]的权重值的特征向量；B[2,p]为所述一个或多个第一虚拟资源对象的筛选偏差值的特征向量；Z[2,p]表示所述一个或多个第一虚拟资源对象被所述用户选中的筛选概率，通过对所述S[p,n]和所述W[p,n]进行点积运算并加上所述B[2,p]得到。

本发明实施例中，将符合第一轮筛选要求的每一个虚拟资源对象的产品基本信息和用户的用户需求信息分别组成特征向量(即Y[2,n]和X[2,n])，然后将向量中对应的每一组用户需求信息和产品基本信息一一进行计算，得到每一组信息的匹配程度(即S[p,n])。根据用户实际匹配过程的侧重倾向，为每一组匹配程度赋予对应的权重值(即W[p,n])，对每一组匹配程度和对应的权重值做积运算得到每一个虚拟资源对象初步的筛选概率，能够为用户匹配更加切合需求的虚拟资源对象；此外，由于每一个虚拟资源对象在实际匹配过程中可能存在一定筛选误差，因此在得到虚拟资源对象初步的筛选概率后，再与这些虚拟资源对象的筛选偏差值(即B[2,p])做和运算，得到每一个虚拟资源对象更符合实际的筛选概率(即Z[2,p])。因此能够基于较小的虚拟资源对象的范围，快速准确地为用户匹配出符合需求的虚拟资源对象，提高用户的体验。

在一种可能的实现方式中，所述筛选概率Z[2,p]为经过sigmoid函数进行归一化处理后的筛选概率。

本发明实施例中，第二轮筛选过程在计算各个产品初步的筛选概率与筛选偏差值(即B[2,p])的和值之后，可以利用sigmoid函数对该和值进行激活处理，将筛选概率数值映射到[0,1]范围之间，使得虚拟资源对象的筛选概率值更为直观。

在一种可能的实现方式中，所述风险控制信息包括是否抵押担保、是否收取手续费、是否收取提前还款违约金、用户负债情况、用户失信信息、用户小贷产品信息、用户征信不良记录中的一项或多项；所述产品基本信息包括产品类型、产品方公司类型、额度、利率区间、审批时效、还款周期、还款方式、开展城市、申请条件、申请流程、所需材料、产品用途、还款能力中的一项或多项；所述用户可信信息包括用户是否有抵押物、用户是否接受支付手续费、用户是否接受收取提前还款违约金、用户负债情况、用户失信信息、用户小贷产品信息、用户征信不良记录中的一项或多项；所述用户需求信息包括产品类型、产品方公司类型、额度、期望利率、期望放款时间、还款周期、还款方式、办理城市、用户条件、用户接受申请流程、用户提供材料、产品用途、收入情况中的一项或多项。

在一种可能的实现方式中，在向所述多个虚拟资源对象中引入新的虚拟资源对象时，通过预设标签对所述新的虚拟资源对象的产品信息进行匹配；若匹配，则根据所述预设标签为所述新的虚拟资源对象的产品信息配置现有的所述产品基本信息和现有的所述风险控制信息；若不匹配，则通过智能语义识别为所述新的虚拟资源对象的产品信息创建新的标签，并根据所述新的标签为所述新的虚拟资源对象的产品信息配置新的所述产品基本信息和新的所述风险控制信息；通过所述新的标签映射出新的所述用户需求信息和新的所述用户可信信息。

本发明实施例中，当有新的虚拟资源对象被引入时，首先根据预设的标签录入新的虚拟资源对象的产品信息，预设的标签与风险控制信息和产品基本信息具有对应关系，通过这个对应关系，可以为新的虚拟资源对象配置现有类别的风险控制信息和产品基本信息。当存在预设的标签未能覆盖到部分产品信息的情况时，通过智能语义识别技术对这部分产品信息进行分析，然后创建出新的标签，通过新的标签再创建新的风险控制信息和产品基本信息，并根据新的风险控制信息和产品基本信息增加现有产品的风险控制信息和产品基本信息的具体条目。同时，通过新的标签，映射出新的用户需求信息和用户可信信息，并针对新的用户需求信息和用户可信信息更新用户的用户需求信息和用户可信信息的具体条目。如此一来，在以后的筛选过程中，将会有更多、更细化的产品信息和用户信息参与其中，使匹配出的虚拟资源对象更加接近用户实际的需求，提升用户的体验。

第二方面，本发明实施例提供了一种虚拟资源对象匹配装置，可包括：

第一获取单元，用于获取多个虚拟资源对象的产品信息，所述产品信息包括每个虚拟资源对象的风险控制信息和产品基本信息；

第二获取单元，用于获取用户的个人信息，所述个人信息包括所述用户的用户可信信息和用户需求信息；

第一处理单元，用于基于所述多个虚拟资源对象的所述风险控制信息和所述用户可信信息对所述多个虚拟资源对象进行第一筛选，输出符合第一筛选要求的一个或多个第一虚拟资源对象；

第二处理单元，用于基于所述一个或多个第一虚拟资源对象的所述产品基本信息和所述用户需求信息对所述一个或多个第一虚拟资源对象进行第二筛选，输出符合第二筛选要求的一个或多个第二虚拟资源对象。

本发明实施例，首先通过第一获取单元和第二获取单元获取到多个虚拟资源对象的产品信息和用户的个人信息，其中，产品信息可以分为风险控制信息(例如包括虚拟资源对象的产品方为进行合理的风险控制而提出的硬性要求指标)和产品基本信息(例如包括虚拟资源对象的各种基本属性)两类，而用户的个人信息可以分为用户可信信息(例如包括与上述风险控制信息对应的用户真实的个人信用信息)和用户需求信息(例如包括与上述产品基本信息对应的用户的基本需求)；然后通过第一处理单元利用用户的用户可信信息和虚拟资源对象的风险控制信息对该多个虚拟资源对象进行第一轮筛选，筛选出符合要求的一个或多个虚拟资源对象，仅利用部分信息进行第一轮筛选，将虚拟资源对象的范围缩小；最后再通过第二处理单元利用用户的用户需求信息和虚拟资源对象的产品基本信息对符合第一轮筛选要求的虚拟资源对象进行第二轮筛选，筛选出符合第二轮筛选要求的一个或多个虚拟资源对象。由于，在上述第一轮筛选过程中仅利用部分信息(即风险控制信息和用户可信信息)进行初步筛选，因此基于较小的计算量便可以快速的缩小虚拟资源对象的范围；进一步地，在上述第一轮筛选后的基础上，仅利用另一部分信息(即产品基本信息和用户需求信息)进行深度筛选，从而可以从较小的范围中快速、准确的确定符合要求的虚拟资源对象，避免大量无效的计算，提升了虚拟资源对象的匹配效率；此外，由于第一轮筛选条件是较容易判断的硬性条件，第二轮筛选条件是相对复杂的机动条件，因此，可以在基数较大的第一轮筛选过程中更加高效的完成筛选，而将相对复杂的机动条件设置在较小的基数(经过第一轮筛选后的)的第二轮筛选过程中，从而进一步地提升了筛选效率。综上，本发明实施例通过基于不同侧重点的信息组合分别进行两个阶段的筛选，能够高效、准确地为用户匹配出更符合需求的虚拟资源对象，提升了用户的体验。

在一种可能的实现方式中，所述第一处理单元，具体用于：

根据预设的第一公式判断所述多个虚拟资源对象的每一个虚拟资源对象的所述风险控制信息中的每一项和所述用户可信信息中对应的每一项是否匹配；

将所述风险控制信息中的每一项和所述用户可信信息中对应的每一项均匹配的虚拟资源对象，确定为符合所述第一筛选要求的第一虚拟资源对象；

输出符合所述第一筛选要求的一个或多个第一虚拟资源对象。

在一种可能的实现方式中，所述第二处理单元，具体用于：

根据预设的第二公式对所述一个或多个第一虚拟资源对象的所述产品基本信息和所述用户需求信息进行计算，得到所述一个或多个第一虚拟资源对象中每一个虚拟资源对象的筛选概率，所述筛选概率表示其对应的虚拟资源对象与所述用户的匹配程度；

将所述筛选概率大于预设值的第一虚拟资源对象，确定为符合所述第二筛选要求的第二虚拟资源对象；

输出符合所述第二筛选要求的一个或多个第二虚拟资源对象。

在一种可能的实现方式中，所述预设的第一公式为：

H[1,p]＝∏(X[1,n]⊙Y[p,n])；

其中，X[1,n]为所述用户的所述用户可信信息组成的特征向量，所述用户可信信息个数为n；所述n为整数；

Y[p,n]为所述虚拟资源对象的所述风险控制信息组成的特征向量，所述风险控制信息个数为n；

(X[1,n]⊙Y[p,n])表示对每一项所述用户可信信息和对应的所述风险控制信息进行一对一匹配比对的比对结果；

H[1,p]表示所述多个虚拟资源对象与所述用户的匹配结果，通过∏对所述(X[1,n]⊙Y[p,n])做相乘计算得到。

在一种可能的实现方式中，所述预设的第二公式，包括：

其中，X[2,n]为所述用户的所述用户需求信息的特征向量，所述用户需求信息个数为m；所述m为整数；

Y[2,n]为所述一个或多个第一虚拟资源对象的所述产品基本信息的特征向量，所述产品基本信息个数为m；

S[p,n]表示所述一个或多个第一虚拟资源对象中的任一个虚拟资源对象的任一个所述产品基本信息与对应的所述用户需求信息的匹配程度；

W[p,n]为任一组所述S[p,n]的权重值的特征向量；

B[2,p]为所述一个或多个第一虚拟资源对象的筛选偏差值的特征向量；

Z[2,p]表示所述一个或多个第一虚拟资源对象被所述用户选中的筛选概率，通过对所述S[p,n]和所述W[p,n]进行点积运算并加上所述B[2,p]得到。

在一种可能的实现方式中，所述筛选概率Z[2,p]为经过sigmoid函数进行归一化处理后的筛选概率。

在一种可能的实现方式中，所述风险控制信息包括是否抵押担保、是否收取手续费、是否收取提前还款违约金、用户负债情况、用户失信信息、用户小贷产品信息、用户征信不良记录中的一项或多项；

所述产品基本信息包括产品类型、产品方公司类型、额度、利率区间、审批时效、还款周期、还款方式、开展城市、申请条件、申请流程、所需材料、产品用途、还款能力中的一项或多项；

所述用户可信信息包括用户是否有抵押物、用户是否接受支付手续费、用户是否接受收取提前还款违约金、用户负债情况、用户失信信息、用户小贷产品信息、用户征信不良记录中的一项或多项；

所述用户需求信息包括产品类型、产品方公司类型、额度、期望利率、期望放款时间、还款周期、还款方式、办理城市、用户条件、用户接受申请流程、用户提供材料、产品用途、收入情况中的一项或多项。

在一种可能的实现方式中，所述装置，还包括第三处理单元，具体用于：

在向所述多个虚拟资源对象中引入新的虚拟资源对象时，通过预设标签对所述新的虚拟资源对象的产品信息进行匹配；

若匹配，则根据所述预设标签为所述新的虚拟资源对象的产品信息配置现有的所述产品基本信息和现有的所述风险控制信息；

若不匹配，则通过智能语义识别为所述新的虚拟资源对象的产品信息创建新的标签，并根据所述新的标签为所述新的虚拟资源对象的产品信息配置新的所述产品基本信息和新的所述风险控制信息；

通过所述新的标签映射出新的所述用户需求信息和新的所述用户可信信息。

第三方面，本发明实施例提供一种电子设备，该电子设备中包括处理器，处理器被配置为支持该电子设备实现第一方面提供的虚拟资源对象匹配方法中相应的功能。该电子设备还可以包括存储器，存储器用于与处理器耦合，其保存该电子设备必要的程序指令和数据。该电子设备还可以包括通信接口，用于该电子设备与其他设备或通信网络通信。

第四方面，本发明实施例提供一种计算机可读存储介质，用于储存为上述第二方面提供的一种虚拟资源对象匹配装置中的处理器中所用的计算机软件指令，其包含用于执行上述方面所设计的程序。

第五方面，本申请提供了一种芯片系统，该芯片系统包括处理器，用于支持设备实现上述第一方面中所涉及的功能，例如，生成或处理上述虚拟资源对象匹配方法中所涉及的信息。在一种可能的设计中，所述芯片系统还包括存储器，所述存储器，用于保存设备必要的程序指令和数据。该芯片系统，可以由芯片构成，也可以包含芯片和其他分立器件。

附图说明

为了更清楚地说明本发明实施例或背景技术中的技术方案，下面将对本发明实施例或背景技术中所需要使用的附图进行说明。

图1a是本发明实施例提供的一种虚拟资源对象匹配方法的流程示意图。

图1b是本发明实施例提供的另一种虚拟资源对象匹配方法的流程示意图。

图2是本发明实施例提供的一种虚拟资源对象匹配装置的结构示意图。

图3是本发明实施例提供的另一种虚拟资源对象匹配装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例进行描述。

本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

在本说明书中使用的术语“部件”、“模块”、“系统”等用于表示计算机相关的实体、硬件、固件、硬件和软件的组合、软件、或执行中的软件。例如，部件可以是但不限于，在处理器上运行的进程、处理器、对象、可执行文件、执行线程、程序和/或计算机。通过图示，在计算设备上运行的应用和计算设备都可以是部件。一个或多个部件可驻留在进程和/或执行线程中，部件可位于一个计算机上和/或分布在2个或更多个计算机之间。此外，这些部件可从在上面存储有各种数据结构的各种计算机可读介质执行。部件可例如根据具有一个或多个数据分组(例如来自与本地系统、分布式系统和/或网络间的另一部件交互的二个部件的数据，例如通过信号与其它系统交互的互联网)的信号通过本地和/或远程进程来通信。

为便于本领域技术人员理解，对本申请中的部分用语进行解释说明：

(1)Sigmoid函数，是一个常见的S型函数，也称为S型生长曲线，具备单增以及反函数单增等性质。本发明方案中利用Sigmoid函数将筛选概率映射到0到1之间。

首先，分析并提出本申请所具体要解决的技术问题。在现有技术中，关于贷款产品匹配的技术，包括如下方案一和方案二：

方案一：依赖人力处理，常用的方式是产品代理对接用户，由产品经理根据用户信息主观地为用户推荐贷款产品。

该方案一存在以下多个缺点：

缺点1：信息不对称，包括用户所知信息与产品代理所知的现有产品信息存在不对称，产品代理所知的信息和现有最新产品的信息存在不对称。

缺点2：国家信贷政策调整，用户和产品代理可能没有及时获取随政策而调整的产品信息。

缺点3：依靠人力处理，效率不高、准确率不高。

方案二：现有方案中存在部分匹配系统，但往往是需要用户在确定了银行、金融机构或者借贷平台等产品方之后，才通过匹配系统从其产品库中匹配产品。

上述方案二存在以下缺点：

缺点1：需要用户在确定了产品方之后，才能从产品方的产品库中匹配贷款产品。用户确定的产品方可能还不是最适合用户的产品方。因此，用户仍可能错过最为合适的产品方及其贷款产品。

为了解决当前贷款产品匹配方案无法满足实际使用需求的问题，达到高效、高准确率的贷款产品匹配，提升用户借贷体验的目的，本申请综合考虑现有技术存在的缺点，提供的一种贷款产品匹配方法用于克服上述缺点。

为了便于理解本发明实施例，下面示例性地以贷款产品为例，并基于图1a和图1b提供的虚拟资源对象匹配的流程示意图，结合本申请中提供的虚拟资源对象匹配方法，对实施例进行具体说明。

参见图1a，图1a是本发明实施例提供的一种虚拟资源对象匹配方法的流程示意图，该方法可以包括以下步骤S101-步骤S104：

步骤S101：获取多个虚拟资源对象的产品信息，所述产品信息包括每个虚拟资源对象的风险控制信息和产品基本信息。

具体地，多个虚拟资源对象可以是多个贷款产品。即从产品库中获取多个贷款产品的产品信息，产品信息可以包括每个贷款产品的风险控制信息和产品基本信息，可参见图1b，图1b是本发明实施例提供的另一种虚拟资源对象匹配方法的流程示意图，产品集11表示产品库中有多个虚拟资源对象(即贷款产品)，其数量可以为n个，n为大于0的整数。其中，风险控制信息包括是否抵押担保、是否收取手续费、是否收取提前还款违约金、用户负债情况、用户失信信息、用户小贷产品信息、用户征信不良记录中的一项或多项；产品基本信息包括产品类型、产品方公司类型、额度、利率区间、审批时效、还款周期、还款方式、开展城市、申请条件、申请流程、所需材料、贷款用途、还款能力中的一项或多项。

需要说明的是，贷款产品的风险控制信息是贷款产品所对应的机构为进行有效的风险控制而对用户提出的硬性要求指标。例如，用户负债情况可以是要求用户的负债金额不超过50万，用户失信信息可以是要求用户不是失信人员，用户小贷产品信息可以是要求用户小贷产品不超过3个，用户征信不良记录可以是要求用户无征信不良记录。此处不再一一举例。

步骤S102：获取用户信息，所述用户信息包括用户需求信息和用户可信信息。

具体地，从信息库中获取用户的个人信息，用户的个人信息可以包括用户的用户可信信息和用户需求信息，其中，用户可信信息包括用户是否有抵押物、用户是否接受支付手续费、用户是否接受收取提前还款违约金、用户负债情况、用户失信信息、用户小贷产品信息、用户征信不良记录中的一项或多项；用户需求信息包括产品类型、产品方公司类型、借款额、期望利率、期望放款时间、还款周期、还款方式、办理城市、用户条件、用户接受申请流程、用户提供材料、贷款用途、收入情况中的一项或多项。

需要说明的是，用户的用户可信信息是用户如实填写的各种信息。例如，用户负债情况可以是用户的负债金额为30万，用户失信信息可以是用户不是失信人员，用户小贷产品信息可以是用户参与小贷产品的数量为5个，用户征信不良记录可以是用户不存在征信不良记录。此处不再一一举例。

步骤S103：基于多个虚拟资源对象的风险控制信息和用户可信信息对多个虚拟资源对象进行第一筛选，输出符合第一筛选要求的一个或多个第一虚拟资源对象。

具体地，首先从多个贷款产品的信息中确定出带有硬性要求指标的信息(即风险控制信息)，并且从用户信息中确定出与硬性要求指标相对应的信息(即用户可信信息)；然后基于风险控制信息和用户可信信息进行第一筛选，风险控制信息中的每一项和所述用户可信信息中对应的每一项均匹配的贷款产品，被确定为符合第一筛选要求的贷款产品；最后从多个贷款产品中输出符合第一筛选要求的一个或多个第一即贷款产品，可参见图1b，产品集12表示的是经过第一轮筛选后，剔除了“产品2”、“产品4”等不符合要求的多个产品，只保留了符合第一轮筛选要求的一个或多个第一虚拟资源对象(即贷款产品)，其数量可以为m个，m为大于0的整数，且m小于或等于n。其中，产品信息中的风险控制信息可以包括是否抵押担保、是否收取手续费、是否收取提前还款违约金、用户负债情况、用户失信信息、用户小贷产品信息、用户征信不良记录中的一种或多种；用户的用户可信信息可以包括用户是否有抵押物、用户是否接受支付手续费、用户是否接受收取提前还款违约金、用户负债情况、用户失信信息、用户小贷产品信息、用户征信不良记录中的一种或多种。

可选地，第一筛选可以参考以下公式：

H[1,p]＝∏(X[1,n]⊙Y[p,n])；

H[1,p]＝∏(X[1,n]⊙Y[p,n])；

其中，X[1,n]为所述用户的所述用户可信信息组成的特征向量，所述用户可信信息个数为n；所述n为整数；

Y[p,n]为所述贷款产品的所述风险控制信息组成的特征向量，所述风险控制信息个数为n；(X[1,n]⊙Y[p,n])表示对每一项所述用户可信信息和对应的所述风险控制信息进行一对一匹配比对的比对结果；

H[1,p]表示所述多个贷款产品与所述用户的匹配结果，通过∏对所述(X[1,n]⊙Y[p,n])做相乘计算得到。

需要说明的是，相似度比对的结果(X[1,n]⊙Y[p,n])只有0或1。例如，“0”表示用户的用户可信信息中的某一项与其对应的一项风险控制信息的比对结果为不匹配，而“1”则表示匹配。再对所有比对结果进行相乘计算，得到某款产品的初筛结果H[1,p]，H[1,p]的结果只有0或1。也就是说，只要参与第一筛选的某一对用户信息和产品信息的相似度比对结果为“0”，该产品信息所对应的贷款产品将会被认定为与用户需求不匹配。第一筛选的要求可以是将相似度比对结果为“0”的产品筛选掉，也即是说，与用户需求不匹配的贷款产品会被剔除掉，剩下的第一贷款产品集合进入复筛阶段。

如上举例，某款贷款产品的风险控制信息如下：用户负债情况要求用户的负债金额不超过50万，用户失信信息要求用户不是失信人员，用户小贷产品信息要求用户小贷产品不超过3个，用户征信不良记录要求用户无征信不良记录。而对应的某用户的用户可信信息是用户的负债金额为30万，用户不是失信人员，用户参与小贷产品的数量为5个，用户不存在征信不良记录。通过匹配可以得到以下比对结果：用户负债情况比对结果为“1”，用户失信信息比对结果为“1”、用户小贷产品信息比对结果为“0”、用户征信不良记录比对结果为“1”。对所有比对结果做相乘计算，计算结果为“0”，因此此款贷款产品与用户不匹配，不会进入复筛阶段。

步骤S104：基于所述一个或多个第一虚拟资源对象的所述产品基本信息和所述用户需求信息对所述一个或多个第一虚拟资源对象进行第二筛选，输出符合第二筛选要求的一个或多个第二虚拟资源对象。

具体地，在完成对多个贷款产品的第一轮筛选，输出符合要求的一个或多个贷款产品之后，首先从一个或多个贷款产品中明确出带有软性要求指标的信息(即产品基本信息)，并且从用户信息中确定出用户的带有软性要求的信息(即用户需求信息)；产品基本信息和用户需求信息存在一一对应关系，并且贷款产品的产品基本信息与风险控制信息重合项为0，用户的用户需求信息与用户可信信息重合项为0，也即是说，被用于第一筛选的风险控制信息和用户可信信息将不会被用到第二筛选过程中。最后，基于用户需求信息和产品基本信息进行计算，得到一个或多个第一贷款产品中每一个贷款产品的筛选概率，筛选概率表示其对应的贷款产品与用户的匹配程度，从一个或多个第一贷款产品中筛选出筛选概率大于预设值的一个或多个贷款产品。也即是说，在第一筛选中被认定为与用户需求不匹配的贷款产品不会再参与第二筛选。可参见图1b，产品集13表示的是经过第二轮筛选后，剔除了“产品3”、“产品5”等不符合要求的多个产品，只保留了符合第二轮筛选要求的一个或多个第二虚拟资源对象(即贷款产品)，其数量可以为k个，k为大于0的整数，且k小于或等于m。

可选地，第二筛选可以参考以下公式：

其中，X[2,n]为所述用户的所述用户需求信息的特征向量，所述用户需求信息个数为m；所述m为整数；

Y[2,n]为所述一个或多个第一贷款产品的所述产品基本信息的特征向量，所述产品基本信息个数为m；

S[p,n]表示所述一个或多个第一贷款产品中的任一个贷款产品的任一个所述产品基本信息与对应的所述用户需求信息的匹配程度；

W[p,n]为任一组所述S[p,n]的权重值的特征向量；

B[2,p]为所述一个或多个第一贷款产品的筛选偏差值的特征向量；

Z[2,p]表示所述一个或多个第一贷款产品被所述用户选中的筛选概率，通过对所述S[p,n]和所述W[p,n]进行点积运算并加上所述B[2,p]得到。

可选地，为了得到接近真实选择的筛选结果，筛选概率Z[2,p]可以是经过sigmoid函数处理得到的，可以参考如下公式：

经过sigmoid函数激活处理后，各个贷款产品的筛选结果接近真实选择的筛选概率，筛选概率是分布在[0,1]之间的非线性结果。

可选地，可以设置一个阈值T，例如T可以是0.8，然后为用户推荐筛选概率大于T的一个或多个贷款产品。其中，贷款产品可以按照筛选概率的大小关系进行排列，筛选概率最高的贷款产品会被认为是与用户需求最为匹配的贷款产品。

可选地，可以将筛选概率最高的N个贷款产品推荐给用户。

可选地，可以先对第一筛选和第二筛选进行训练，分别输入一定数量的硬性条件和硬性要求，调优各个产品的筛选偏差值B[2,p]和权重向量W[p,n]；然后，通过对训练集和测试集进行分析，得到筛选能力最优的各项参数。

可选地，除上述方法步骤S101-S104之外，该虚拟资源对象匹配方法还可以包括步骤S105：

步骤S105：在向所述多个虚拟资源对象中引入新的虚拟资源对象时，根据预设标签为新的虚拟资源对象配置产品基本信息和风险控制信息，并细化用户的用户可信信息和用户需求信息。

具体地，当有新的贷款产品被引入时，首先根据预设的标签录入新的贷款产品的产品信息，预设标签与风险控制信息和产品基本信息具有对应关系，通过这个对应关系，可以为新的贷款产品配置现有类别的产品要素和产品风控要素。当存在预设标签未能覆盖到部分产品信息的情况时，通过智能语义识别技术对这部分产品信息进行分析，然后再创建出新的标签，通过这些新的标签创建新的风险控制信息和产品基本信息，并针对新的风险控制信息和产品基本信息更新现有产品的风险控制信息和产品基本信息的具体条目。同时，通过这些新的标签，映射出新的用户需求信息和用户可信信息，并针对新的用户需求信息和用户可信信息更新用户的用户需求信息和用户可信信息的具体条目。如此一来，在以后的筛选过程中，将会有更多、更细化的产品信息和用户信息参与其中，使匹配出的贷款产品更加接近用户实际的借贷需求。例如，新引入的贷款产品为烟草贷，针对的对象为烟草专行个体户，根据预设的标签，已完成烟草贷产品可识别部分产品信息的录入。然而，该贷款产品另外提出了烟草专行个体户需要有烟草专卖许可证的要求，预设的标签中没有相关内容。则通过智能语义识别，创建出新的标签“烟草专卖许可证”，通过此标签创建出新的风险控制信息“持有烟草专卖许可证”，用户的用户可信信息也相应增加“是否具有烟草专卖许可证”。

可理解地，当上述步骤S101～S105用于进行虚拟资源对象匹配时，由于在虚拟资源对象匹配过程中设置了两个筛选阶段，每个筛选阶段都只用到虚拟资源对象和用户的部分信息，避免了大量的无效计算，能够高效、准确地为用户匹配合适的虚拟资源对象，有效提升了用户的体验；此外，在虚拟资源对象引入阶段可以通过预设标签完成对产品信息的录入和更新，对应地，用户信息也根据相应的标签完成录入和更新，使得两者的信息关联度更为紧密，从而使得匹配出的虚拟资源对象更加贴合用户的需求。

可理解地，当上述虚拟资源对象匹配方法用于贷款产品借贷场景时，可以避免大量的无效计算，能够高效、准确地为用户匹配合适的贷款产品，有效提升了用户的借贷体验。

上述详细阐述了本发明实施例的方法，下面提供了本发明实施例的相关装置。

请参见图2，图2是本发明实施例提供的一种虚拟资源对象匹配装置的结构示意图，该虚拟资源对象匹配装置2可以包括第一获取单元21、第二获取单元22、第一处理单元23和第二处理单元24，可选地，还可以包括第三处理单元25。其中，各个单元的详细描述如下。

第一获取单元21，用于获取多个虚拟资源对象的产品信息，所述产品信息包括每个虚拟资源对象的风险控制信息和产品基本信息

第二获取单元22，用于获取用户的个人信息，所述个人信息包括所述用户的用户可信信息和用户需求信息；

第一处理单元23，用于基于所述多个虚拟资源对象的所述风险控制信息和所述用户可信信息对所述多个虚拟资源对象进行第一筛选，输出符合第一筛选要求的一个或多个第一虚拟资源对象；

第二处理单元24，用于基于所述一个或多个第一虚拟资源对象的所述产品基本信息和所述用户需求信息对所述一个或多个第一虚拟资源对象进行第二筛选，输出符合第二筛选要求的一个或多个第二虚拟资源对象。

在一种可能的实现方式中，所述第一处理单元23，具体用于：

根据预设的第一公式判断所述多个虚拟资源对象的每一个虚拟资源对象的所述风险控制信息中的每一项和所述用户可信信息中对应的每一项是否匹配；

将所述风险控制信息中的每一项和所述用户可信信息中对应的每一项均匹配的虚拟资源对象，确定为符合所述第一筛选要求的第一虚拟资源对象；

输出符合所述第一筛选要求的一个或多个第一虚拟资源对象。

在一种可能的实现方式中，所述第二处理单元24，具体用于：

根据预设的第二公式对所述一个或多个第一虚拟资源对象的所述产品基本信息和所述用户需求信息进行计算，得到所述一个或多个第一虚拟资源对象中每一个虚拟资源对象的筛选概率，所述筛选概率表示其对应的虚拟资源对象与所述用户的匹配程度；

将所述筛选概率大于预设值的第一虚拟资源对象，确定为符合所述第二筛选要求的第二虚拟资源对象；

输出符合所述第二筛选要求的一个或多个第二虚拟资源对象。

在一种可能的实现方式中，所述预设的第一公式为：

H[1,p]＝∏(X[1,n]⊙Y[p,n])；

其中，X[1,n]为所述用户的所述用户可信信息组成的特征向量，所述用户可信信息个数为n；所述n为整数；

Y[p,n]为所述虚拟资源对象的所述风险控制信息组成的特征向量，所述风险控制信息个数为n；

(X[1,n]⊙Y[p,n])表示对每一项所述用户可信信息和对应的所述风险控制信息进行一对一匹配比对的比对结果；

H[1,p]表示所述多个虚拟资源对象与所述用户的匹配结果，通过∏对所述(X[1,n]⊙Y[p,n])做相乘计算得到。

在一种可能的实现方式中，所述预设的第二公式，包括：

其中，X[2,n]为所述用户的所述用户需求信息的特征向量，所述用户需求信息个数为m；所述m为整数；

Y[2,n]为所述一个或多个第一虚拟资源对象的所述产品基本信息的特征向量，所述产品基本信息个数为m；

S[p,n]表示所述一个或多个第一虚拟资源对象中的任一个虚拟资源对象的任一个所述产品基本信息与对应的所述用户需求信息的匹配程度；

W[p,n]为任一组所述S[p,n]的权重值的特征向量；

B[2,p]为所述一个或多个第一虚拟资源对象的筛选偏差值的特征向量；

Z[2,p]表示所述一个或多个第一虚拟资源对象被所述用户选中的筛选概率，通过对所述S[p,n]和所述W[p,n]进行点积运算并加上所述B[2,p]得到。

在一种可能的实现方式中，所述筛选概率Z[2,p]为经过sigmoid函数进行归一化处理后的筛选概率。

在一种可能的实现方式中，所述风险控制信息包括是否抵押担保、是否收取手续费、是否收取提前还款违约金、用户负债情况、用户失信信息、用户小贷产品信息、用户征信不良记录中的一项或多项；

所述产品基本信息包括产品类型、产品方公司类型、额度、利率区间、审批时效、还款周期、还款方式、开展城市、申请条件、申请流程、所需材料、产品用途、还款能力中的一项或多项；

所述用户可信信息包括用户是否有抵押物、用户是否接受支付手续费、用户是否接受收取提前还款违约金、用户负债情况、用户失信信息、用户小贷产品信息、用户征信不良记录中的一项或多项；

所述用户需求信息包括产品类型、产品方公司类型、额度、期望利率、期望放款时间、还款周期、还款方式、办理城市、用户条件、用户接受申请流程、用户提供材料、产品用途、收入情况中的一项或多项。

在一种可能的实现方式中，所述装置，还包括第三处理单元25，具体用于：

在向所述多个虚拟资源对象中引入新的虚拟资源对象时，通过预设标签对所述新的虚拟资源对象的产品信息进行匹配；

若匹配，则根据所述预设标签为所述新的虚拟资源对象的产品信息配置现有的所述产品基本信息和现有的所述风险控制信息；

若不匹配，则通过智能语义识别为所述新的虚拟资源对象的产品信息创建新的标签，并根据所述新的标签为所述新的虚拟资源对象的产品信息配置新的所述产品基本信息和新的所述风险控制信息；

通过所述新的标签映射出新的所述用户需求信息和新的所述用户可信信息。

需要说明的是，本发明实施例中所描述的虚拟资源对象匹配装置2中各功能单元的功能可参见上述所述的方法实施例中步骤S101-步骤S105的相关描述，此处不再赘述。

如图3所示，图3是本发明实施例提供的另一种虚拟资源对象匹配装置的结构示意图，该装置3包括至少一个处理器31，至少一个存储器32、至少一个通信接口33。此外，该设备还可以包括天线等通用部件，在此不再详述。

处理器31可以是通用中央处理器(CPU)，微处理器，特定应用集成电路(application-specific integrated circuit，ASIC)，或一个或多个用于控制以上方案程序执行的集成电路。

通信接口33，用于与其他设备或通信网络通信，如以太网，无线接入网(RAN)，核心网，无线局域网(Wireless Local Area Networks，WLAN)等。

存储器32可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(ElectricallyErasable Programmable Read-Only Memory，EEPROM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线与处理器相连接。存储器也可以和处理器集成在一起。

其中，所述存储器32用于存储执行以上所述的虚拟资源对象匹配方法的应用程序代码，并由处理器31来控制执行。所述处理器31用于执行所述存储器32中存储的应用程序代码。

存储器32存储的代码可执行以上图1a提供的虚拟资源对象匹配方法，比如获取多个虚拟资源对象的产品信息，所述产品信息包括每个虚拟资源对象的风险控制信息和产品基本信息；获取用户信息，所述用户信息包括用户需求信息和用户可信信息；基于多个虚拟资源对象的风险控制信息和用户可信信息对多个虚拟资源对象进行第一筛选，输出符合第一筛选要求的一个或多个第一虚拟资源对象；基于所述一个或多个第一虚拟资源对象的所述产品基本信息和所述用户需求信息对所述一个或多个第一虚拟资源对象进行第二筛选，输出符合第二筛选要求的一个或多个第二虚拟资源对象；在向所述多个虚拟资源对象中引入新的虚拟资源对象时，根据预设标签为新的虚拟资源对象配置产品基本信息和风险控制信息，并细化用户的用户可信信息和用户需求信息。

需要说明的是，本发明实施例中所描述的虚拟资源对象匹配装置3中各功能单元的功能可参见上述所述的方法实施例中的步骤S101-步骤S105相关描述，此处不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可能可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

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，可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，例如上述单元的划分，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，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，可以是电性或其它的形式。

上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发明实施例方案的目的。

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。

上述集成的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。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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(可以为个人计算机、服务端或者网络设备等，具体可以是计算机设备中的处理器)执行本申请各个实施例上述方法的全部或部分步骤。其中，而前述的存储介质可包括：U盘、移动硬盘、磁碟、光盘、只读存储器(Read-OnlyMemory，缩写：ROM)或者随机存取存储器(RandomAccessMemory，缩写：RAM)等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种虚拟资源对象匹配方法，其特征在于，包括：

获取多个虚拟资源对象的产品信息，所述产品信息包括每个虚拟资源对象的风险控制信息和产品基本信息；

获取用户的个人信息，所述个人信息包括所述用户的用户可信信息和用户需求信息；

基于所述多个虚拟资源对象的所述风险控制信息和所述用户可信信息对所述多个虚拟资源对象进行第一筛选，输出符合第一筛选要求的一个或多个第一虚拟资源对象；

基于所述一个或多个第一虚拟资源对象的所述产品基本信息和所述用户需求信息对所述一个或多个第一虚拟资源对象进行第二筛选，输出符合第二筛选要求的一个或多个第二虚拟资源对象。

2.如权利要求1所述的方法，其特征在于，所述基于所述多个虚拟资源对象的所述风险控制信息和所述用户可信信息对所述多个虚拟资源对象进行第一筛选，输出符合第一筛选要求的一个或多个第一虚拟资源对象，包括：

根据预设的第一公式判断所述多个虚拟资源对象的每一个虚拟资源对象的所述风险控制信息中的每一项和所述用户可信信息中对应的每一项是否匹配；

将所述风险控制信息中的每一项和所述用户可信信息中对应的每一项均匹配的虚拟资源对象，确定为符合所述第一筛选要求的第一虚拟资源对象；

输出符合所述第一筛选要求的一个或多个第一虚拟资源对象。

3.如权利要求2所述的方法，其特征在于，基于所述一个或多个第一虚拟资源对象的所述产品基本信息和所述用户需求信息对所述一个或多个第一虚拟资源对象进行第二筛选，输出符合第二筛选要求的一个或多个第二虚拟资源对象，包括：

根据预设的第二公式对所述一个或多个第一虚拟资源对象的所述产品基本信息和所述用户需求信息进行计算，得到所述一个或多个第一虚拟资源对象中每一个虚拟资源对象的筛选概率，所述筛选概率表示其对应的虚拟资源对象与所述用户的匹配程度；

将所述筛选概率大于预设值的第一虚拟资源对象，确定为符合所述第二筛选要求的第二虚拟资源对象；

输出符合所述第二筛选要求的一个或多个第二虚拟资源对象。

4.如权利要求3所述的方法，其特征在于，所述预设的第一公式为：

H[1,p]＝∏(X[1,n]⊙Y[p,n])；

其中，X[1,n]为所述用户的所述用户可信信息组成的特征向量，所述用户可信信息个数为n；所述n为整数；

Y[p,n]为所述虚拟资源对象的所述风险控制信息组成的特征向量，所述风险控制信息个数为n；

(X[1,n]⊙Y[p,n])表示对每一项所述用户可信信息和对应的所述风险控制信息进行一对一匹配比对的比对结果；

H[1,p]表示所述多个虚拟资源对象与所述用户的匹配结果，通过∏对所述(X[1,n]⊙Y[p,n])做相乘计算得到。

5.如权利要求4所述的方法，其特征在于，所述预设的第二公式，包括：

其中，X[2,n]为所述用户的所述用户需求信息的特征向量，所述用户需求信息个数为m；所述m为整数；

Y[2,n]为所述一个或多个第一虚拟资源对象的所述产品基本信息的特征向量，所述产品基本信息个数为m；

S[p,n]表示所述一个或多个第一虚拟资源对象中的任一个虚拟资源对象的任一个所述产品基本信息与对应的所述用户需求信息的匹配程度；

W[p,n]为任一组所述S[p,n]的权重值的特征向量；

B[2,p]为所述一个或多个第一虚拟资源对象的筛选偏差值的特征向量；

Z[2,p]表示所述一个或多个第一虚拟资源对象被所述用户选中的筛选概率，通过对所述S[p,n]和所述W[p,n]进行点积运算并加上所述B[2,p]得到。

6.如权利要求5所述的方法，其特征在于，所述筛选概率Z[2,p]为经过sigmoid函数进行归一化处理后的筛选概率。

7.如权利要求1～6中任一项所述的方法，其特征在于，所述风险控制信息包括是否抵押担保、是否收取手续费、是否收取提前还款违约金、用户负债情况、用户失信信息、用户小贷产品信息、用户征信不良记录中的一项或多项；

所述产品基本信息包括产品类型、产品方公司类型、额度、利率区间、审批时效、还款周期、还款方式、开展城市、申请条件、申请流程、所需材料、产品用途、还款能力中的一项或多项；

所述用户可信信息包括用户是否有抵押物、用户是否接受支付手续费、用户是否接受收取提前还款违约金、用户负债情况、用户失信信息、用户小贷产品信息、用户征信不良记录中的一项或多项；

所述用户需求信息包括产品类型、产品方公司类型、额度、期望利率、期望放款时间、还款周期、还款方式、办理城市、用户条件、用户接受申请流程、用户提供材料、产品用途、收入情况中的一项或多项。

8.一种虚拟资源对象匹配装置，其特征在于，包括：

第一获取单元，用于获取多个虚拟资源对象的产品信息，所述产品信息包括每个虚拟资源对象的风险控制信息和产品基本信息；

第二获取单元，用于获取用户的个人信息，所述个人信息包括所述用户的用户可信信息和用户需求信息；

第一处理单元，用于基于所述多个虚拟资源对象的所述风险控制信息和所述用户可信信息对所述多个虚拟资源对象进行第一筛选，输出符合第一筛选要求的一个或多个第一虚拟资源对象；

第二处理单元，用于基于所述一个或多个第一虚拟资源对象的所述产品基本信息和所述用户需求信息对所述一个或多个第一虚拟资源对象进行第二筛选，输出符合第二筛选要求的一个或多个第二虚拟资源对象。

9.一种电子设备，其特征在于，包括：处理器、存储器以及通信接口；所述处理器与所述存储器、所述通信接口相连，其中，所述网络接口用于提供数据通信功能，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，以使得所述计算机设备执行权利要求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存储有计算机程序，所述计算机程序适于由处理器加载并执行，以使得具有所述处理器的计算机设备执行权利要求1～7任一项所述的方法。

Images