CN113641903B - 基于人工智能的业务匹配方法及服务器 - Google Patents

Abstract

本发明实施例提供一种基于人工智能的业务匹配方法及服务器，通过对候选项目列表中的候选项目进行语义识别处理，得到预处理后的候选项目集合，然后获取待匹配目标的预设信息对候选项目集合进行过滤，再获取待匹配目标的业务数据，通过需求分析模型得到待匹配目标的需求信息。从需求信息中获取匹配因子，借助匹配模型获取与第一匹配因子匹配的索引项，以及从候选项目集合中获取每一个候选项目的第二匹配因子，获取与第二匹配因子匹配的索引项，将第一匹配因子和第二匹配因子相同的索引项作为选定索引项，最后通过选定索引项索引到关联的候选项目。本发明实施例能够为企业匹配个性化项目精准推送，借助人工智能进行数据的处理，效率和准确性高。

Description

基于人工智能的业务匹配方法及服务器

技术领域

本申请涉及数据处理领域，具体而言，涉及一种基于人工智能的业务匹配方法及服务器。

背景技术

随着人民思想水平和经济能力的提高，越来越多的人投入到创业的浪潮当中，企业的发展过程中，往往需要各种项目扶持或参与各类项目评选，以帮助企业渡过风险或增加知名度，收获资金支持和大众认可，然而，现有情况中，企业在申报各类项目的过程中，需要主动关注相关的项目动态和资格确认，效率较低，且容易遗漏重要信息，而无差别的信息推送，也往往因为缺乏针对性而被企业忽略，因此，需要一种能够针对性为企业推荐项目信息的方式。

发明内容

本发明的目的在于提供一种基于人工智能的业务匹配方法及服务器，以改善上述的问题。

为了达到上述目的，本发明实施例是这样实现的：

第一方面，本发明实施例提供了一种基于人工智能的业务匹配方法，包括：

从项目资源库中获取候选项目列表；

对候选项目列表中的候选项目进行语义识别处理，得到预处理后的候选项目集合；

获取待匹配目标的预设信息并基于预设信息对候选项目集合进行过滤，得到过滤后的候选项目集合；

获取待匹配目标的业务数据，将业务数据输入需求分析模型，得到待匹配目标的需求信息；

从需求信息中获取第一匹配因子，通过匹配模型从项目索引数据库中获取与第一匹配因子匹配的索引项；

从候选项目集合中获取每一个候选项目的第二匹配因子，通过匹配模型从项目索引数据库中获取与每一第二匹配因子匹配的索引项；

将第二匹配因子匹配的索引项与第一匹配因子匹配的索引项中相同的索引项作为选定索引项；

通过选定索引项索引到关联的候选项目。

进一步地，对候选项目列表中的候选项目进行语义识别处理，得到预处理后的候选项目集合，包括：

将候选项目列表中的每一个候选项目输入分词模型，在分词模型中，对每一个候选项目进行索引，以定位与预设信息表征的目标特性相应的项目信息位置，并获取项目信息包含的内容。

进一步地，获取待匹配目标的预设信息，并基于预设信息对候选项目集合进行过滤，得到过滤后的候选项目集合，包括：

将待匹配目标的预设信息与每一候选项目的项目信息包含的内容进行对比，得到匹配度；

将匹配度低于预设阈值的候选项目过滤，并将剩余的候选项目存储至同一存储空间。

进一步地，将待匹配目标的预设信息与每一候选项目的项目信息包含的内容进行对比，得到匹配度，包括：

将待匹配目标的预设信息中的各文字信息条目包含的信息与对应的项目信息中的文字内容进行相似度比较，得到各文字信息条目的相似度分值；

将待匹配目标的预设信息中的数字信息条目包含的信息与对应的项目信息中的数字内容进行计算，得到数字信息条目的相似度分值；

当各文字信息条目的相似度分值中出现一个或多个相似度分值为零分或各数字信息条目的相似度分值中出现一个或多个相似度分值为零分时，匹配度为零；

当各文字信息条目的相似度分值中不包含相似度分值为零分且各数字信息条目的相似度分值中不包含相似度分值为零分时，将各文字信息条目的相似度分值相加得到文字信息条目相似度以及将各数字信息条目的相似度分值相加得到数字信息条目相似度，将文字信息条目相似度和数字信息条目相似度的和作为匹配度。

进一步地，将待匹配目标的预设信息中的各文字信息条目包含的信息与对应的项目信息中的文字内容进行相似度比较，得到各文字信息条目的相似度分值，包括：

获取待匹配目标的预设信息中的各文字信息条目包含的文字内容以及对应的项目信息中的文字内容；

通过过滤器将各文字信息条目包含的文字内容以及对应的项目信息中的文字内容进行过滤，得到各文字信息条目以及对应的项目信息的表意性文字内容；

分别获取各文字信息条目的表意性文字内容和对应的项目信息的表意性文字的词频向量；

通过各文字信息条目的表意性文字内容和对应的项目信息的表意性文字的词频向量计算各文字信息条目的表意性文字内容和对应的项目信息的表意性文字的余弦距离；

根据余弦距离确定待匹配目标的预设信息中的各文字信息条目包含的信息与对应的项目信息中的文字内容进行相似度，并得到对应的相似度分值；

将待匹配目标的预设信息中的数字信息条目包含的信息与对应的项目信息中的数字内容进行计算，得到数字信息条目的相似度分值，包括：

获取待匹配目标的预设信息中的数字信息条目的数值以及对应的项目信息中的数字内容确定的数值范围；

判断待匹配目标的预设信息中的数字信息条目的数值是否落入数值范围；

当数值未落入数值范围且小于数值范围的最小数值时，数字信息条目的相似度分值为零；

当数值在数值范围内或数值在数值范围外且大于数值范围的最大值时，根据数值与数值范围的最小数值的比值得到数字信息条目的相似度分值。

进一步地，通过匹配模型从项目索引数据库中获取与第一匹配因子匹配的索引项，包括：

在匹配模型中，计算项目索引数据库中每一个索引项分别与第一匹配因子的匹配度；

将匹配度最大的索引项作为第一匹配因子匹配的索引项；

通过匹配模型从项目索引数据库中获取与第二匹配因子匹配的索引项，包括：

在匹配模型中，计算项目索引数据库中每一个索引项分别与第二匹配因子的匹配度；

将匹配度最大的索引项作为第二匹配因子匹配的索引项。

进一步地，当第一匹配因子或第二匹配因子对应的匹配度最大的索引项为多个时，获取第一匹配因子或第二匹配因子的匹配元素的优先级，将优先级最高的匹配元素获得的匹配度最高的索引项作为第一匹配因子或第二匹配因子的索引项。

进一步地，索引项包括至少一个关联的候选项目。

进一步地，需求分析模型的训练过程包括：

获取业务数据训练样本，业务数据训练样本为通过对业务数据进行特征提取得到的多个业务数据向量，每个业务数据向量表征一种分析维度；

将多个业务数据向量进行特征融合处理，得到融合向量；

通过融合向量，得到业务数据对应的需求分析结果；

通过预设损失函数确定需求分析结果与业务数据的实际需求之间的损失值；

通过损失值调节需求分析模型的参数，直至满足预设条件。

第二方面，本发明实施例提供了一种基于人工智能的业务匹配服务器，该服务器包括互相之间通信的处理器和存储器，处理器用于从存储器中调取计算机程序，并通过运行计算机程序实现上述第一方面提供的方法。

本发明实施例提供的基于人工智能的业务匹配方法及服务器，通过对候选项目列表中的候选项目进行语义识别处理，得到预处理后的候选项目集合，然后获取待匹配目标的预设信息对候选项目集合进行过滤，再获取待匹配目标的业务数据，将业务数据输入需求分析模型，得到待匹配目标的需求信息。从需求信息中获取第一匹配因子，借助匹配模型从项目索引数据库中获取与第一匹配因子匹配的索引项，以及从候选项目集合中获取每一个候选项目的第二匹配因子，借助匹配模型获取与每一第二匹配因子匹配的索引项，将第一匹配因子和第二匹配因子相同的索引项作为选定索引项，最后通过选定索引项索引到关联的候选项目。本发明实施例能够为企业匹配适合的项目，借助人工智能技术进行相关数据的处理，效率和准确性高。

在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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获得其他相关的附图。

附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中参考数字在附图的各个视图中代表相似的机构。

图1是本发明实施例提供的一种整体应用场景示意图。

图2是本发明实施例提供的一种服务器的硬件和软件组成的示意图。

图3是本发明实施例提供的基于人工智能的业务匹配方法的流程图。

图4是本发明实施例提供的索引项匹配场景示意图。

图5是本发明实施例提供的基于人工智能的业务匹配装置的功能模块架构示意图。

具体实施方式

为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。

在下面的详细描述中，通过实例阐述了许多具体细节，以便提供对相关指导的全面了解。然而，对于本领域的技术人员来说，显然可以在没有这些细节的情况下实施本申请。在其他情况下，公知的方法、程序、系统、组成和/或电路已经在一个相对较高水平上被描述，没有细节，以避免不必要的模糊本申请的方面。

这些和其他特性、当前申请披露的功能、执行的方法、结构中相关元素的功能和部件的组合和生产经济性,在参照附图进行以下描述的考虑中可能会变得更加明显,所有这些形成本申请的一部分。然而，需要理解清楚的是，附图仅仅是为了说明和描述的目的，并不旨在限制本申请的范围。应当了解的是，这些图纸不是按比例绘制的。然而，应当明确理解的是，附图仅用于说明和描述的目的，并不意图限制本申请的范围。应当知晓的是，这些附图并不依照比例。

本申请中使用流程图说明根据本申请的实施例的系统所执行的执行过程。应当明确理解的是，流程图的执行过程可以不按顺序执行。相反，这些执行过程可以以相反的顺序或同时执行。另外，可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。

本发明实施例提供的基于人工智能的业务匹配方法应用于服务器，如图1所示，该服务器可通过一网络400与多个客户端200通信连接，构成一网络系统300。该多个客户端200可以是具备网络交互功能的个人电脑、笔记本电脑、平板电脑或智能手机等。客户端200的作用可以包括两层，一是产生项目信息，该项目信息可以是官方通过客户端200发布的各种政策，并通过网络传播至其他终端设备上，该政策可以是针对各类企业发布的企业扶持项目，例如资金补贴、税收减免、人才公寓提供、办公场地优惠等等，由于项目信息往往海量的，有相关需求且满足项目条件的企业可能并不能及时获知相关情况，导致利益受损。客户端200的另一层作用是接收项目信息，其使用者为需要获取项目信息的企业。本实施例提供的服务器100会实时或者周期性地从网络400上获取由客户端200发布的项目信息，以及获取企业公开信息、客户端产生的企业经营过程产生并上传的信息，然后经过本发明实施例提供的基于人工智能的业务匹配方法处理后，向企业推送个性化的高匹配度的项目。

请参照图2，是服务器100的架构示意图，该服务器100包括基于人工智能的业务匹配装置110、存储器120、处理器130和通信单元140。存储器120、处理器130以及通信单元140各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。基于人工智能的业务匹配装置110包括至少一个可以软件或固件(firmware)的形式存储于存储器120中或固化在服务器100的操作系统(operating system，OS)中的软件功能模块。处理器130用于执行存储器120中存储的可执行模块，例如基于人工智能的业务匹配装置110所包括的软件功能模块及计算机程序等。

其中，存储器120可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器120用于存储程序，处理器130在接收到执行指令后，执行所述程序。通信单元140用于通过网络建立服务器100与业务交互设备之间的通信连接，并用于通过网络收发数据。

处理器可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(DSP))、专用集成电路(ASIC)、现场可编程门阵列(FPGA)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。可以实现或者执行本发明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该处理器也可以是任何常规的处理器等。

可以理解，图2所示的结构仅为示意，服务器100还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。

图3是根据本申请的一些实施例所示的一种基于人工智能的业务匹配方法的流程图，该方法应用于图1中的服务器100，具体可以包括以下步骤S1-步骤S8。在以下步骤S1-步骤S8的基础上，将对一些可选实施例进行说明，这些实施例应当理解为示例，不应理解为实现本方案所必不可少的技术特征。

步骤S1，从项目资源库中获取候选项目列表。

容易理解，项目资源库中存储的候选项目列表为服务器100在网络400上周期性或实时获取的项目信息构成的列表，该项目资源库可以是建立在服务器100中的数据库，也可以是建立在其他存储装置中的数据库，例如与服务器100通信的另一存储服务器中。

步骤S2，对候选项目列表中的候选项目进行语义识别处理，得到预处理后的候选项目集合。

在本申请实施例中，以候选项目为官方发布的各类政策为例，政策一般会对拟提供相关政策的企业有一定的要求，设立相关的条件，只有满足条件的企业能够申请相关的政策。在本实施例中，对候选项目列表中的候选项目预处理的过程为识别相关条件的过程，具体的，可以将候选项目列表中的每一个候选项目输入一分词模型，在分词模型中，对每一个候选项目进行索引，以定位与预设信息表征的目标特性相应的项目信息的位置，并获取项目信息包含的内容。其中，预设信息表征的目标特性可以是企业基本情况的详细内容，例如企业注册资本、上一年度纳税额、企业经营性质、企业认证等，而预设信息为上述目标特性的具体内容。分词模型的作用是在候选项目中找到与目标特性对应的内容，首先是定位，然后再获取具体的内容，定位的过程可以采用文字重合度和分段断句等规则进行，该分词模型可以采用任何可能的神经网络模型，本实施例对此不作限定。

步骤S3，获取待匹配目标的预设信息并基于预设信息对候选项目集合进行过滤，得到过滤后的候选项目集合。

为企业推送个性化精准的项目政策，前提是该项目是企业能够满足项目基本要求，因此，在步骤S3中先将企业不能满足要求的项目进行清理。具体的，通过企业的预设信息作为清除标准，该预设信息即上述步骤S2中目标特性的具体内容。如注册资本500万、企业性质为小微企业、上一年度纳税额5万。

在基于预设信息对候选项目集合进行过滤时，可以将待匹配目标的预设信息与每一候选项目的项目信息包含的内容进行对比，得到匹配度，再将匹配度低于预设阈值的候选项目过滤，并将剩余的候选项目存储至同一存储空间，得到过滤后的候选项目集合，该预设阈值的值根据实际情况可自由调整，本实施例对此不做限定。

待匹配目标的预设信息与每一候选项目的项目信息包含的内容的匹配度可以从两方面获取。待匹配目标的预设信息中一般会包括两类信息，文字信息和数字信息，对于文字信息，可以是企业的经营性质、企业取得的荣誉认证等，对于数字信息，可以是企业的注册时长、企业注册资本、企业员工数量、企业研发投入等。因此，在获取待匹配目标的预设信息与每一候选项目的项目信息包含的内容的匹配度时，也需要从两方面获取，将待匹配目标的预设信息中的各文字信息条目包含的信息与对应的项目信息中的文字内容进行相似度比较，得到各文字信息条目的相似度分值。文字信息可能包括多种不同性质的文字信息，因此本实施例中，将文字信息分为多个条目，例如文字信息条目为企业的经营性质、企业取得的荣誉认证。例如文字信息条目为企业资质，候选项目的要求是国家高新技术企业，而待匹配目标的预设信息不包括高新技术企业的描述，则相似度得分为0，反之可以为1。

在比较待匹配目标的预设信息中的各文字信息条目包含的信息与对应的项目信息中的文字内容的相似度时，首先获取待匹配目标的预设信息中的各文字信息条目包含的文字内容以及对应的项目信息中的文字内容，再通过过滤器将各文字信息条目包含的文字内容以及对应的项目信息中的文字内容进行过滤，得到各文字信息条目以及对应的项目信息的表意性文字内容。过滤器的过滤原理是将需要过滤的文字内容中与过滤器包含的文字内容相同的文字去除，例如没有实际意义的虚词，如之、的。将此类词去除后，能够减少匹配度对比的误差。过滤器过滤之后，分别获取各文字信息条目的表意性文字内容和对应的项目信息的表意性文字的词频向量。表意性文字内容即清除掉无意义词汇之后剩余的能够表示明确意义的文字内容，词频向量是将文字进行向量化后的产物，可通过TF-IDF(termfrequency–inverse document frequency)技术对文字内容挖掘后得到。再通过各文字信息条目的表意性文字内容和对应的项目信息的表意性文字的词频向量计算各文字信息条目的表意性文字内容和对应的项目信息的表意性文字的余弦距离。该余弦距离可以表征两个词频向量之间的相似度，根据余弦距离即可确定待匹配目标的预设信息中的各文字信息条目包含的信息与对应的项目信息中的文字内容进行相似度，举例越近，相似度越高，通过该余弦距离可以得到对应的相似度分值，例如约定在不同的距离范围赋予不同的分值。通过以上内容即完成待匹配目标的预设信息中的文字信息条目包含的信息与对应的项目信息中的文字内容匹配度的获取。

接下来将待匹配目标的预设信息中的数字信息条目包含的信息与对应的项目信息中的数字内容进行计算，得到数字信息条目的相似度分值。具体的，获取待匹配目标的预设信息中的数字信息条目的数值以及对应的项目信息中的数字内容确定的数值范围。官方发布的项目中，一般设立的条件有对企业的经营数据有要求，例如对科技研发进行扶持的项目中，可能对企业前三年的研发投入金额以及占据营收的比例有要求，或者对研发人员的数量有要求。通常是不低于一个设定的值，或者给定一个特定的范围。本发明实施例中，判断待匹配目标的预设信息中的数字信息条目的数值是否落入数值范围，当数值未落入数值范围且小于数值范围的最小数值时，此时说明企业不满足项目对于该条件的要求，数字信息条目的相似度分值为零；当数值在数值范围内或数值在数值范围外且大于数值范围的最大值时，此时说明企业满足项目对于该条件的要求，可以根据数值与数值范围的最小数值的比值得到数字信息条目的相似度分值，具体的分值划分规则可根据实际情况进行设置，本实施例对此不作限定。

当各文字信息条目的相似度分值中出现一个或多个相似度分值为零分或各数字信息条目的相似度分值中出现一个或多个相似度分值为零分时，待匹配目标的预设信息与候选项目的项目信息包含的内容匹配度为零；当各文字信息条目的相似度分值中不包含相似度分值为零分且各数字信息条目的相似度分值中不包含相似度分值为零分时，将各文字信息条目的相似度分值相加得到文字信息条目相似度以及将各数字信息条目的相似度分值相加得到数字信息条目相似度，将文字信息条目相似度和数字信息条目相似度的和作为匹配度。

步骤S4，获取待匹配目标的业务数据，将业务数据输入需求分析模型，得到待匹配目标的需求信息。

以待匹配目标为企业举例说明，业务数据可以是企业日常经营产生的行为数据，例如正在进行的科研项目、产出的科技成果、主要人员(例如高管、技术人员)的增减情况、上一年度营收情况、融资情况等企业经营过程中的数据。通过上述数据可以分析出企业可能的需求是什么，例如通过上一年度营收情况和人员工资发放情况可以分析出可能需要资金扶持，通过人员增减情况可以分析出可能需要帮助提供办公地点或进行相关租金的减免，通过融资情况可以分析出可能需要提供相关渠道或者投资商的介入等等。而通过需求分析模型可以将业务数据进行机器学习，智能化地输业务数据表达的需求信息。该需求分析模型可通过以下方式训练得到：

首先获取业务数据训练样本，该业务数据训练样本为通过对业务数据进行特征提取得到的多个业务数据向量，每个业务数据向量表征一种分析维度。

再将多个业务数据向量进行特征融合处理，得到融合向量。特征融合表示整合所有分析维度的业务数据向量的信息，其融合的过程可以通过向量拼接实现，如文字的业务数据向量拼接于数字的业务数据向量后，此外，还可以采用常规池化处理进行特征融合或全连接处理方式进行特征融合。

然后通过融合向量，得到业务数据对应的需求分析结果，例如可以通过分类器进行分析得到。

之后通过预设损失函数确定需求分析结果与业务数据的实际需求之间的损失值。最后通过损失值调节需求分析模型的参数，直至满足预设条件。

可以想到，该训练过程为有监督训练，损失函数可以为任何可能的损失函数，例如交叉熵损失函数、0-1损失函数，预设条件可以是任意可能的条件，如达到预设的训练次数，或者模型收敛。该过程较为常规，此处不做赘述。

步骤S5，从需求信息中获取第一匹配因子，通过匹配模型从项目索引数据库中获取与第一匹配因子匹配的索引项。

步骤S6，从候选项目集合中获取每一个候选项目的第二匹配因子，通过匹配模型从项目索引数据库中获取与每一第二匹配因子匹配的索引项。

索引数据库包含多个索引项，各个索引项能够表征不同的项目的性质，或者能够表征企业的需求，相应的，第一匹配因子和第二匹配因子也是表征相应信息的元素。需要说明的是，第一匹配因子和第二匹配因子可以蕴含多个匹配要素，由匹配模型将与匹配要素的匹配程度高的索引项进行匹配，第一匹配因子可以是需求信息中能反映趋近于候选项目性质的文字内容，如补贴、扶持、研发投入高、高端人才引进等。

在匹配模型中，计算项目索引数据库中每一个索引项分别与第一匹配因子的匹配度，将匹配度最大的索引项作为第一匹配因子匹配的索引项。相应的，也计算项目索引数据库中每一个索引项分别与第二匹配因子的匹配度，将匹配度最大的索引项作为第二匹配因子匹配的索引项。以上匹配的过程可以参考上述文字信息条目的内容与项目信息中的文字内容进行相似度比较时的过程，此处不做赘述。该匹配模型可以是任何可能的神经网络模型，本实施例对此不做限定。

需要说明的是，当第一匹配因子或第二匹配因子对应的匹配度最大的索引项为多个时，获取第一匹配因子或第二匹配因子的匹配元素的优先级，将优先级最高的匹配元素获得的匹配度最高的索引项作为第一匹配因子或第二匹配因子的索引项。例如，第一匹配因子包括匹配元素为资金补助和税收减免，同时匹配到两个索引项，一个索引项表征的项目性质为资金补助和人才公寓，另一个索引项表征的项目性质为税收减免和办公场地租金减免，该两个索引项对于第一匹配因子的匹配度相等，但是在该应用场景中，需求信息更侧重于税收减免，第一匹配因子中税收减免的匹配元素具有更高的优先级，因此，表征税收减免和办公场地租金减免项目性质的索引项被选定。

步骤S7，将第二匹配因子匹配的索引项与第一匹配因子匹配的索引项中相同的索引项作为选定索引项。

步骤S8，通过选定索引项索引到关联的候选项目。

需要说明的是，一个索引项可能同时与多个候选项目关联，例如请参照图4，第一匹配因子1匹配的索引项为索引项1，而该索引项1匹配了第二匹配因子1、第二匹配因子2和第二匹配因子3，而第二匹配因子1、第二匹配因子2和第二匹配因子3分别对应候选项目1、候选项目2和候选项目3，及索引项1关联候选项目1、候选项目2和候选项目3。因此，在对第一匹配因子1对应的待匹配目标1进行项目推送时，可同时推送候选项目1、候选项目2和候选项目3。通过索引项与第一匹配因子和第二匹配因子的匹配，来建立第一匹配因子和第二匹配因子的关系，不用将第一匹配因子与所有第二匹配因子进行遍历对比，能够增加匹配的效率。

请参照图5，是本发明实施例提供的基于人工智能的业务匹配装置110的架构示意图，该基于人工智能的业务匹配装置110可用于执行基于目标画像的业务推送方法，其中，基于人工智能的业务匹配装置110包括：

获取模块111，用于从项目资源库中获取候选项目列表；获取待匹配目标的预设信息；获取待匹配目标的业务数据，从需求信息中获取第一匹配因子；从候选项目集合中获取每一个候选项目的第二匹配因子。

识别模块112，用于对候选项目列表中的候选项目进行语义识别处理，得到预处理后的候选项目集合。

过滤模块113，用于基于预设信息对候选项目集合进行过滤，得到过滤后的候选项目集合。

需求确定模块114，用于将业务数据输入需求分析模型，得到待匹配目标的需求信息。

匹配模块115，用于通过匹配模型从项目索引数据库中获取与第一匹配因子匹配的索引项以及通过匹配模型从项目索引数据库中获取与每一第二匹配因子匹配的索引项。

索引模块116，用于将第二匹配因子匹配的索引项与第一匹配因子匹配的索引项中相同的索引项作为选定索引项，通过选定索引项索引到关联的候选项目。

其中，获取模块111可用于执行步骤S1、S3、S4、S5、S6的部分内容；识别模块112可用于执行步骤S2；过滤模块113可用于执行步骤S3的部分步骤；需求确定模块114可用于执行步骤S4的部分步骤；匹配模块115可用于执行步骤S5和S6的部分步骤；索引模块116可用于执行步骤S7和S8。

由于在上述实施例中，已经对本发明实施例提供的基于人工智能的业务匹配方法进行了详细的介绍，而该基于人工智能的业务匹配装置110的原理与该方法相同，此处不再对基于人工智能的业务匹配装置110的各模块的执行原理进行赘述。

综上所述，本发明实施例提供了一种基于人工智能的业务匹配方法、装置及服务器，通过对候选项目列表中的候选项目进行语义识别处理，得到预处理后的候选项目集合，然后获取待匹配目标的预设信息对候选项目集合进行过滤，再获取待匹配目标的业务数据，将业务数据输入需求分析模型，得到待匹配目标的需求信息。从需求信息中获取第一匹配因子，借助匹配模型从项目索引数据库中获取与第一匹配因子匹配的索引项，以及从候选项目集合中获取每一个候选项目的第二匹配因子，借助匹配模型获取与每一第二匹配因子匹配的索引项，将第一匹配因子和第二匹配因子相同的索引项作为选定索引项，最后通过选定索引项索引到关联的候选项目。本发明实施例能够为企业匹配适合的项目，借助人工智能技术进行相关数据的处理，效率和准确性高。

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，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能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，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，本发明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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、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。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

需要理解的是，针对上述内容没有进行名词解释的技术术语，本领域技术人员可以根据上述所公开的内容进行前后推导毫无疑义地确定其所指代的含义，例如针对一些值、系数、权重、指数、因子等术语，本领域技术人员可以根据前后的逻辑关系进行推导和确定，这些数值的取值范围可以根据实际情况进行选取，例如0～1，又例如1～10，再例如50～100，在此均不作限定。

本领域技术人员可以根据上述已公开的内容毫无疑义对一些预设的、基准的、预定的、设定的以及目标的技术特征/技术术语进行确定，例如阈值、阈值区间、阈值范围等。对于一些未作解释的技术特征术语，本领域技术人员完全能够基于前后文的逻辑关系进行合理地、毫无疑义地推导，从而清楚、完整地实施上述技术方案。未作解释的技术特征术语的前缀，例如“第一”、“第二”、“目标”、“指定”和“实时”等，可以根据前后文进行毫无疑义地推导和确定。未作解释的技术特征术语的后缀，例如“列表”、“特征”、“序列”、“集合”、“元素”等，也可以根据前后文进行毫无疑义地推导和确定。

本申请实施例公开的上述内容对于本领域技术人员而言是清楚完整的。应当理解，本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是基于本申请所记载的内容进行的，因此上述内容并不是对整体方案的创造性的评判。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可以对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。

同时，本申请使用了特定术语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同部分两次或多次提到的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的至少一个实施例中的某些特征、结构或特点可以进行适当的组合。

另外，本领域普通技术人员可以理解的是，本申请的各个方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可以被称为“单元”、“组件”或“系统”。此外，本申请的各方面可以表现为位于至少一个计算机可读介质中的计算机产品，所述产品包括计算机可读程序编码。

计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤缆线、RF、或类似介质、或任何上述介质的组合。

本申请各方面执行所需的计算机程序码可以用一种或多种程序语言的任意组合编写，包括面向对象程序设计，如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET，Python等，或类似的常规程序编程语言，如"C"编程语言，Visual Basic，Fortran2003，Perl，COBOL 2002，PHP，ABAP，动态编程语言如Python，Ruby和Groovy或其它编程语言。所述程式设计编码可以完全在用户计算机上执行、或作为独立的软体包在用户计算机上执行、或部分在用户计算机上执行部分在远程计算机执行、或完全在远程计算机或服务器上执行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网络(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。

此外，除非申请专利范围中明确说明，本申请所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的申请专利范围并不仅限于披露的实施例，相反，申请专利范围旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件装置实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或行动装置上安装所描述的系统。

同样应当理解的是，为了简化本申请揭示的表述，从而帮助对至少一个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法幷不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

Claims (7)

1.一种基于人工智能的业务匹配方法，其特征在于，包括：

从项目资源库中获取候选项目列表；

将所述候选项目列表中的每一个候选项目输入分词模型，在所述分词模型中，对每一个候选项目进行索引，以定位与预设信息表征的目标特性相应的项目信息位置，并获取所述项目信息包含的内容，得到预处理后的候选项目集合；

将待匹配目标的预设信息与每一所述候选项目的所述项目信息包含的内容进行对比，得到匹配度，将所述匹配度低于预设阈值的候选项目过滤，并将剩余的候选项目存储至同一存储空间，得到过滤后的候选项目集合，其中，得到匹配度的过程为：将所述待匹配目标的预设信息中的各文字信息条目包含的信息与对应的所述项目信息中的文字内容进行相似度比较，得到所述各文字信息条目的相似度分值，将所述待匹配目标的预设信息中的数字信息条目包含的信息与对应的所述项目信息中的数字内容进行计算，得到所述数字信息条目的相似度分值，当所述各文字信息条目的相似度分值中出现一个或多个相似度分值为零分或所述各数字信息条目的相似度分值中出现一个或多个相似度分值为零分时，所述匹配度为零，当所述各文字信息条目的相似度分值中不包含相似度分值为零分且所述各数字信息条目的相似度分值中不包含相似度分值为零分时，将所述各文字信息条目的相似度分值相加得到文字信息条目相似度以及将所述各数字信息条目的相似度分值相加得到数字信息条目相似度，将所述文字信息条目相似度和所述数字信息条目相似度的和作为所述匹配度；其中，所述将所述待匹配目标的预设信息中的各文字信息条目包含的信息与对应的所述项目信息中的文字内容进行相似度比较，得到所述各文字信息条目的相似度分值包括：获取所述待匹配目标的预设信息中的各文字信息条目包含的文字内容以及对应的所述项目信息中的文字内容，通过过滤器将所述各文字信息条目包含的文字内容以及对应的所述项目信息中的文字内容进行过滤，得到所述各文字信息条目以及对应的所述项目信息的表意性文字内容，分别获取所述各文字信息条目的表意性文字内容和对应的所述项目信息的表意性文字的词频向量，通过所述各文字信息条目的表意性文字内容和对应的所述项目信息的表意性文字的词频向量计算所述各文字信息条目的表意性文字内容和对应的所述项目信息的表意性文字的余弦距离，根据所述余弦距离确定所述待匹配目标的预设信息中的各文字信息条目包含的信息与对应的所述项目信息中的文字内容进行相似度，并得到对应的相似度分值；

获取所述待匹配目标的业务数据，将所述业务数据输入需求分析模型，得到所述待匹配目标的需求信息；

从所述需求信息中获取第一匹配因子，通过匹配模型从项目索引数据库中获取与所述第一匹配因子匹配的索引项；

从所述候选项目集合中获取每一个候选项目的第二匹配因子，通过所述匹配模型从所述项目索引数据库中获取与每一所述第二匹配因子匹配的索引项；

将所述第二匹配因子匹配的索引项与所述第一匹配因子匹配的索引项中相同的索引项作为选定索引项；

通过所述选定索引项索引到关联的候选项目。

2.根据权利要求1所述的方法，其特征在于，所述将所述待匹配目标的预设信息中的数字信息条目包含的信息与对应的所述项目信息中的数字内容进行计算，得到所述数字信息条目的相似度分值，包括：

获取所述待匹配目标的预设信息中的数字信息条目的数值以及对应的所述项目信息中的数字内容确定的数值范围；

判断所述待匹配目标的预设信息中的数字信息条目的数值是否落入所述数值范围；

当所述数值未落入所述数值范围且小于所述数值范围的最小数值时，所述数字信息条目的相似度分值为零；

当所述数值在所述数值范围内或所述数值在所述数值范围外且大于所述数值范围的最大值时，根据所述数值与所述数值范围的最小数值的比值得到所述数字信息条目的相似度分值。

3.根据权利要求1所述的方法，其特征在于，所述通过匹配模型从项目索引数据库中获取与所述第一匹配因子匹配的索引项，包括：

在所述匹配模型中，计算所述项目索引数据库中每一个索引项分别与所述第一匹配因子的匹配度；

将所述匹配度最大的索引项作为所述第一匹配因子匹配的索引项；

所述通过匹配模型从项目索引数据库中获取与所述第二匹配因子匹配的索引项，包括：

在所述匹配模型中，计算所述项目索引数据库中每一个索引项分别与所述第二匹配因子的匹配度；

将所述匹配度最大的索引项作为所述第二匹配因子匹配的索引项。

4.根据权利要求3所述的方法，其特征在于，当所述第一匹配因子或第二匹配因子对应的匹配度最大的索引项为多个时，获取所述第一匹配因子或第二匹配因子的匹配元素的优先级，将优先级最高的所述匹配元素获得的匹配度最高的索引项作为所述第一匹配因子或第二匹配因子的索引项。

5.根据权利要求1所述的方法，其特征在于，所述索引项包括至少一个关联的候选项目。

6.根据权利要求1所述的方法，其特征在于，所述需求分析模型的训练过程包括：

获取业务数据训练样本，所述业务数据训练样本为通过对业务数据进行特征提取得到的多个业务数据向量，每个所述业务数据向量表征一种分析维度；

将所述多个业务数据向量进行特征融合处理，得到融合向量；

通过所述融合向量，得到所述业务数据对应的需求分析结果；

通过预设损失函数确定所述需求分析结果与所述业务数据的实际需求之间的损失值；

通过所述损失值调节所述需求分析模型的参数，直至满足预设条件。

7.一种基于人工智能的业务匹配服务器，其特征在于，所述服务器包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实现上述权利要求1-6任一项所述的方法。

Images