CN113837613A - 一种任务匹配方法、系统、电子设备及可读存储介质 - Google Patents

Abstract

本申请公开了一种任务匹配方法、系统、电子设备及可读存储介质，包括：获取用工需求信息；获取与每个工作需求对象对应的工作需求信息；在预设的多维坐标系下分别生成与每个用工需求信息对应的用工需求点和与每个工作需求信息对应的工作需求点；根据用工需求点和工作需求点在相同维度下的距离，计算得到每个用工需求点对每个工作需求点的吸引程度；按吸引程度的大小选取排名前设定数量的工作需求点分配给相应的用工需求点，设定数量与相应的工作需求信息的用工需求数量一致。通过应用该方法可快速、准确的为用工需求匹配相应的工作需求。

Description

一种任务匹配方法、系统、电子设备及可读存储介质

技术领域

本申请涉及请求处理领域，特别涉及一种任务匹配方法、装置、电子设备及计算机可读存储介质。

背景技术

在信息技术飞速发展的今天，各个行业领域都在蓬勃发展。

在用工人员的招聘阶段，用工人员的任用都是以用工团队来挑选的，而用工团队的人员素质良莠不齐，是否能够满足项目需求，用工项目人员无法通过肉眼分辨出，这种通过招聘流程较为落后。

现有技术中，存在以用户职业画像的方式来匹配不同岗位的人员需求，但是算法较为复杂，人力资源企业投入的成本巨大，且算法的精确度良莠不齐，无法满足中小型企业的招聘需求。

因此，如何克服上述现有技术存在的缺陷，是本领技术人员亟待解决的问题。

发明内容

本申请的目的是提供一种任务匹配方法、装置、电子设备及计算机可读存储介质。

为实现上述目的，本申请在第一方面提供了一种任务匹配方法，该方法包括：获取用工需求信息，用工需求信息包括用工位置和至少一项其它用工需求信息，其它用户需求信息包括用工工种、用工时长；

获取与每个工作需求对象对应的工作需求信息，工作需求信息包括相应工作需求对象的工作位置期望信息和至少一项其它工作期望信息，工作位置期望信息包括实际位置、期望工作距离和历史最近工作距离，其它工作期望信息包括实际工种、期望工作时长；

建立多维坐标系，并根据用工需求信息、工作需求信息建立对应的用工需求模型、工作需求模型；

根据用工需求模型、工作需求模型，计算得到每个用工需求点对每个工作需求点的吸引度值；

按吸引度值的大小选取排名，将工作需求点推送至用工需求点对应的终端。

可选的，以用工位置经纬度作为X轴、Y轴，以目标用工数量需求薪酬作为Z轴，吸引度值α为T轴，定义参数Rⁿ(X,Y,Z,α)表示某一工作任务，其中，n取值1到4；

对于用工需求信息，建立坐标系生成的用工需求模型为Rⁿ(X_i,Y_i,Z_i,α_i)，表示第i个用工需求点的第n维分量数值，建立坐标系生成的工作需求模型为Rⁿ(X_m,Y_m,Z_m,α_m)，表示第m个工作需求点的第n维分量数值。

可选的，所述根据用工需求模型、工作需求模型，计算得到每个用工需求点对每个工作需求点的吸引度值，包括：

P_im表示第i个用工需求点与工作需求点的多维分量距离，所述多维分量距离为欧氏距离，计算公式如下：

采用吸引度值计算算法计算第i个用工需求点与w个工作需求点的吸引度α(i)为

可选的，所述多维分量距离为欧氏距离；

6、可选的，所述吸引度值的计算过程具体为，

在位置维度下，以每个工作需求点的实际位置为中心、以相应的期望工作距离为半径，确定期望工作覆盖区域；

在位置维度下，以每个工作需求点的实际位置为中心、以相应的期望工作距离为半径，确定期望工作覆盖区域；

在吸引度维度下，以每个工作需求点的吸引度数值为中心、以相应的期望吸引度值为半径，确定期望工作覆盖区域；

计算处在期望工作覆盖区域内的用工需求点距工作需求点的多维分量距离，根据所述多维分量距离得到吸引度值。

可选的，该方法还包括：

响应于工作需求对象的位置变化幅度超过预设幅度，重新获取工作需求对应的当前位置，并将相应的实际位置更新为当前位置。

为实现上述目的，本申请在第二方面提供了一种任务匹配系统，该系统包括：

用工需求信息获取单元，被配置成获取用工需求信息，所述用工需求信息包括用工位置和至少一项其它用工需求信息，所述其它用户需求信息包括用工工种、用工时长；

工作需求信息获取单元，被配置成获取与每个工作需求对象对应的工作需求信息，所述工作需求信息包括相应工作需求对象的工作位置期望信息和至少一项其它工作期望信息，所述工作位置期望信息包括实际位置、期望工作距离和历史最近工作距离，所述其它工作期望信息包括实际工种、期望工作时长；

模型构建单元，被配置成在预设的多维坐标系下分别生成与每个所述用工需求信息对应的用工需求点和与每个所述工作需求信息对应的工作需求点，并建立对应的用工需求模型、工作需求模型；

吸引程度计算单元，被配置成根据用工需求点和工作需求点在相同维度下的距离，计算得到每个用工需求点对每个工作需求点的吸引度值；

分配单元，被配置成按吸引度值的大小选取排名前设定数量的工作需求点分配给相应的用工需求点，设定数量与相应的工作需求信息的用工需求数量一致。

可选的，吸引程度计算单元包括：

所述根据用工需求模型、工作需求模型，计算得到每个用工需求点对每个工作需求点的吸引度值，包括：

P_im表示第i个用工需求点与工作需求点的多维分量距离，所述多维分量距离为欧氏距离，计算公式如下：

采用吸引度值计算算法计算第i个用工需求点与w个工作需求点的吸引度α(i)为

可选的，该系统还包括：

位置更新单元，被配置成响应于工作需求对象的位置变化幅度超过预设幅度，重新获取工作需求对应的当前位置，并将相应的实际位置更新为当前位置。

为实现上述目的，本申请在第三方面提供了一种电子设备，该电子设备包括：

存储器，用于存储计算机程序；

处理器，用于在执行存储于存储器上的计算机程序时可实现如上述第一方面中任一实施方式所描述的任务匹配方法的各步骤。

为实现上述目的，本申请在第四方面提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面中任一实施方式所描述的任务匹配方法的各步骤。

相比于现有技术，本申请所提供的任务匹配方法，将用工需求与工作需求数字化、抽象化，基于大数据在多维空间下计算抽象出的用工需求点对每个工作需求点的吸引力程度，进而根据吸引力程度计算得到匹配的工作需求对象。可支持多任务分布式计算，提高了用工推荐算法的执行效率，有利于执行大数据、大批量、高并发计算。

本申请同时还提供了一种任务匹配系统、电子设备及计算机可读存储介质，具有上述有益效果，在此不再赘述。

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为本申请实施例提供的一种任务匹配方法的流程图；

图2为本申请实施例提供的任务匹配方法中一种确定吸引度值的方法的流程图；

图3为本申请实施例提供的一种任务匹配系统的结构框图。

具体实施方式

本申请的核心是提供一种任务匹配方法、系统、装置及计算机可读存储介质，将用工需求与工作需求数字化、抽象化，基于大数据在多维空间下计算抽象出的用工需求点对每个工作需求点的吸引力程度，进而根据吸引力程度计算得到匹配的工作需求对象。可支持多任务分布式计算，提高了用工推荐算法的执行效率，有利于执行大数据、大批量、高并发计算。

为使本申请实施例的目的、技术方案和优点更加清楚，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它实施例，都属于本申请保护的范围。

请参见图1，图1为本申请实施例提供的一种任务匹配方法的流程图，其包括以下步骤：

步骤101：获取用工需求信息；

本步骤旨在由适于执行本申请所提供的任务匹配方法的执行主体(例如用于进行数据处理和分析的本地服务器或云端服务器)获取到由存在用工需求的用工单位发布的用工需求信息。其中，该用工需求信息包括用工位置和至少一项其它用工需求信息，其它用户需求信息包括用工工种、用工时间。

即对本申请来说，用工位置是最基础的用工需求信息，而包括用工工种、用工时间在内的其它用工需求信息都需要建立在位置匹配的基础上，从而保证匹配到的工作需求对象的有效性。

具体的，用于描述用工需求位置的用工位置可以表现为多种形式，例如真实世界的经纬度、或者某个地图应用中的三维坐标、或者某个相对位置信息，只需要能够准确的确定用工位置即可，此处不做具体限定。同理，用工工种可以表述为几个固定的工种标签、类别、组别等，而用工时间则可以表现为每日要求工作时长、每周要求工作总时长等多种形式，以对应实际的用工情况。

当然，除上述直接给出的用工工种、用工时间外，其它用工需求信息也可以根据实际情况灵活增加或减少，例如用工奖励、用工报酬等。

步骤102：获取与每个工作需求对象对应的工作需求信息；

在步骤101的基础上，本步骤旨在由上述执行主体获取与每个工作需求对象对应的工作需求信息。其中，工作需求对象可以为寻求工作机会的人员，也可以处于待机状态的工作机器人或者待激活状态下的工业设备。

应当理解的是，工作需求信息应当匹配于用工需求信息，因此，该工作需求信息包括相应工作需求对象的工作位置期望信息和至少一项其它工作期望信息，工作位置期望信息包括实际位置、期望工作距离和历史最近工作距离，其它工作期望信息包括实际工种、期望工作时长。即工作位置期望信息对应于用工位置，其它工作期望信息则对应于其它用工需求信息。

其中，基于工作位置期望信息确定是否匹配用工位置，以及匹配哪些用工位置时，将基于具体包括的实际位置、期望工作距离和历史最近工作距离在内来综合判定，以便给出相对准确、合理的判定结果。

同理，当其它用工需求信息包含有更多的其它信息时，其它工作期望信息也可以包含相应的信息类型，也可以包含其它用工需求信息未包含的信息类型，此处不做具体限定。

需要说明的是，为了区分不同的工作需求对象，还应当使用能够唯一代表每个不同的工作需求对象的身份信息，或者说建立每个身份信息与对应的工作需求信息之间的绑定或对应关系，例如使用身份编号、唯一名称等方式。考虑到名称很难保证唯一，则可以同时结合发布工作需求信息的时间来生成一个受时间影响的身份信息，以借助时间的流动性来尽可能的保障唯一性。

步骤103：建立多维坐标系，并根据用工需求信息、工作需求信息建立对应的用工需求模型、工作需求模型；

在步骤102的基础上，本步骤旨在由上述执行主体在预先建立的多维坐标系下分别生成与每个用工需求信息对应的用工需求点和与每个工作需求信息对应的工作需求点，即本步骤就是将用工需求信息和工作需求信息进行数字化、抽象化以及直观可视化，得到多维坐标下的一个个点，进而通过不同点在坐标下的相对位置关系来确定两者之间的吸引力。

应当理解的是，该多维坐标系的维度数应当与用工需求信息和工作需求信息中包含的最多信息类型数一致，例如当用工需求信息中仅包含基础的用工位置和用工工种时，那么该应当对应于空间维度和工作维度，其中空间维度用于表现用工位置，工作维度用于区别不同的工种，具体的，空间维度又可以根据所描述的为二维空间、三维空间或者四维空间再具体细分为二维、三维或四维。若包含其它类型的信息时，维度数也应随之增加，以便于在相应的维度下确定用工需求点与工作需求点的匹配程度。

具体地，以用工位置经纬度作为X轴、Y轴，以目标用工数量需求薪酬作为Z轴，吸引度值α为T轴，定义参数Rⁿ(X,Y,Z,α)表示某一工作任务，其中n取值1到4，分别对应任务参数Rⁿ(X,Y,Z,α)中X、Y、Z以及的值，比如n取1，则表示X的值。应当理解的是，对于用工需求信息，建立坐标系生成的用工需求模型为Rⁿ(X_i,Y_i,Z_i,α_i)，即表示第i个用工需求点的第n维分量数值，建立坐标系生成的工作需求模型为Rⁿ(X_m,Y_m,Z_m,α_m)，即表示第m个工作需求点的第n维分量数值。

步骤104：根据用工需求模型、工作需求模型，计算得到每个用工需求点对每个工作需求点的吸引度值；

在步骤103的基础上，本步骤旨在由上述执行主体根据用工需求点和工作需求点在相同维度下的距离，计算得到每个用工需求点对每个工作需求点的吸引程度。

具体地，吸引度值的定义是吸引工人、员工的量化数值，本发明采用吸引度值计算算法计算第i个用工需求点与w个工作需求点的吸引度α(i)，例如位置m为当前距离较近的用工任务需求位置，计算公式如下：

其中，α_max表示第i个用工需求点所自动保存的历史计算中出现的最大吸引度，φ是调解系数，其类型为常量，定义为吸引度常量，通常情况下取φ为1，P_im表示第i个用工需求点与工作需求点的多维分量距离，所述多维分量距离为欧氏距离。计算方法如下：

需要说明的是，本发明将吸引度值α(i)引入到多维分量距离数据的计算中，从而使得在获得该多维分量距离数据之后，将该数据代入到吸引度值的计算中能够使得吸引度值的计算更加稳定，避免出现不合理的误差。

步骤105：按吸引度值的大小选取排名，将工作需求点推送至用工需求点对应的终端。

在步骤104的基础上，本步骤旨在由上述执行主体按吸引程度的大小选取排名前设定数量的工作需求点分配给相应的用工需求点。即按照每个用工需求信息来择优选择，以保证按本申请所提供方案执行时的真实成功率。

相比于现有技术，本实施例所提供的任务匹配方法，将用工需求与工作需求数字化、抽象化，基于大数据在多维空间下计算抽象出的用工需求点对每个工作需求点的吸引力程度，进而根据吸引力程度计算得到匹配的工作需求对象。可支持多任务分布式计算，提高了用工推荐算法的执行效率，有利于执行大数据、大批量、高并发计算。

需要说明的是，本发明在计算当前用工需求信息与工作需求信息的吸引度值的阈值，匹配度大于该阈值时，例如阈值设置为历史平均吸引度值的倍数，则删除用工需求位置标记，并释放智能计算体计算资源，将结果保存到数据库用工推荐表。

在上述实施例的基础上，本实施例通过图2提供了一种确定吸引力的方法的流程图，具体包括以下步骤：

步骤201：在位置维度下，以每个工作需求点的实际位置为中心、以相应的期望工作距离为半径，确定期望工作覆盖区域；

本发明实施例中，位置维度指的是经度和纬度，且经度和纬度需要分开计算，以提高多维分量距离以及吸引度值的准确性。即计算n取1，X的值为经度，以及n取2，Y的值为纬度的情况。

步骤202：在目标薪酬纬度下，以每个工作需求点的目标薪酬数值为中心、以相应的期望薪酬为半径，确定期望工作覆盖区域；

即计算n取3，Z的值为目标薪酬数值。

步骤203：在吸引度维度下，以每个工作需求点的吸引度数值为中心、以相应的期望吸引度值为半径，确定期望工作覆盖区域；

即计算n取4，α的值为吸引度值。需要说明的是，工作需求点以及用工需求点的吸引度值都会进行初始化设置。

步骤204：计算处在期望工作覆盖区域内的用工需求点距工作需求点的多维分量距离，根据所述多维分量距离得到吸引度值；

本步骤通过计算得到位置差，来基于位置差来确定出多维分量距离。

具体的，根据坐标系构建方式的不同，位置差的计算方式也多种多样，例如可计算处在期望工作覆盖区域内的用工需求点与工作需求点之间的欧氏距离，来将欧氏距离的计算结果作为该通用距离吸引力。当然，也可以根据实际情况换用其它的距离计算方式，例如曼哈顿距离、切比雪夫距离、闵可夫斯基距离等。本步骤的多维分量距离以及吸引度值计算如步骤104所示。

在上述任意实施例的基础上，本实施例还为了保障计算结果的准确性，在工作需求对象的位置变化幅度超过预设幅度时，要求重新获取工作需求对应的当前位置，并将相应的实际位置更新为当前位置。以避免进行无效的运算。具体的，该预设幅度的大小可自行设定，以尽可能的符合实际应用场景的需要。

因为情况复杂，无法一一列举进行阐述，本领域技术人员应能意识到根据本申请提供的基本方法原理结合实际情况可以存在很多的例子，在不付出足够的创造性劳动下，应均在本申请的保护范围内。

下面请参见图3，图3为本申请实施例所提供的一种任务匹配系统300的结构框图，本实施例作为对应于上述方法实施例的装置实施例存在，该任务匹配系统300可以包括：

用工需求信息获取单元301，被配置成获取用工需求信息，用工需求信息包括用工位置和至少一项其它用工需求信息，其它用户需求信息包括用工工种、用工时长；

工作需求信息获取单元302，被配置成获取与每个工作需求对象对应的工作需求信息，工作需求信息包括相应工作需求对象的工作位置期望信息和至少一项其它工作期望信息，工作位置期望信息包括实际位置、期望工作距离和历史最近工作距离，其它工作期望信息包括实际工种、期望工作时长；

模型构建单元303，被配置成在预设的多维坐标系下分别生成与每个用工需求信息对应的用工需求点和与每个工作需求信息对应的工作需求点；

吸引程度计算单元304，被配置成根据用工需求点和工作需求点在相同维度下的距离，计算得到每个用工需求点对每个工作需求点的吸引度值；

分配单元305，被配置成按吸引度值的大小选取排名前设定数量的工作需求点分配给相应的用工需求点，设定数量与相应的工作需求信息的用工需求数量一致。

在本申请的一些其它实施例中，吸引程度计算单元304可以包括：

期望工作覆盖区域确定子单元，被配置成在位置、目标薪酬以及吸引度维度下，以每个工作需求点的数据为中心、以相应的目标数据为半径，确定期望工作覆盖区域；

在本申请的一些其它实施例中，该任务匹配系统400还可以包括：

位置更新单元，被配置成响应于工作需求对象的位置变化幅度超过预设幅度，重新获取工作需求对应的当前位置，并将相应的实际位置更新为当前位置。

相比于现有技术，本实施例所提供的任务匹配系统，将用工需求与工作需求数字化、抽象化，基于大数据在多维空间下计算抽象出的用工需求点对每个工作需求点的吸引力程度，进而根据吸引力程度计算得到匹配的工作需求对象。可支持多任务分布式计算，提高了用工推荐算法的执行效率，有利于执行大数据、大批量、高并发计算。

基于上述实施例，本申请还提供了一种电子设备，该电子设备可以包括存储器和处理器，其中，该存储器中存有计算机程序，该处理器调用该存储器中的计算机程序时，可以实现上述实施例所提供的步骤。当然，该电子设备还可以包括各种必要的网络接口、电源以及其它零部件等。

本申请还提供了一种计算机可读存储介质，其上存有计算机程序，该计算机程序被执行终端或处理器执行时可以实现上述实施例所提供的步骤。该存储介质可以包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

还需要说明的是，在本说明书中，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”或者其任何其它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它要素，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，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种任务匹配方法，包括：

获取用工需求信息，所述用工需求信息包括用工位置和至少一项其它用工需求信息，所述其它用户需求信息包括用工工种、用工时长；

获取与每个工作需求对象对应的工作需求信息，所述工作需求信息包括相应工作需求对象的工作位置期望信息和至少一项其它工作期望信息，所述工作位置期望信息包括实际位置、期望工作距离和历史最近工作距离，所述其它工作期望信息包括实际工种、期望工作时长；

建立多维坐标系，并根据用工需求信息、工作需求信息建立对应的用工需求模型、工作需求模型；

根据用工需求模型、工作需求模型，计算得到每个用工需求点对每个工作需求点的吸引度值；

按吸引度值的大小选取排名，将工作需求点推送至用工需求点对应的终端。

2.根据权利要求1所述的方法，其特征在于，其中，所述建立多维坐标系，并根据用工需求信息、工作需求信息建立对应的用工需求模型、工作需求模型，包括：

以用工位置经纬度作为X轴、Y轴，以目标用工数量需求薪酬作为Z轴，吸引度值α为T轴，定义参数Rⁿ(X,Y,Z,α)表示某一工作任务，其中，n取值1到4；

对于用工需求信息，建立坐标系生成的用工需求模型为Rⁿ(X_i,Y_i,Z_i,α_i)，表示第i个用工需求点的第n维分量数值，建立坐标系生成的工作需求模型为Rⁿ(X_m,Y_m,Z_m,α_m)，表示第m个工作需求点的第n维分量数值。

3.根据权利要求1所述的方法，其特征在于，其中，所述根据用工需求模型、工作需求模型，计算得到每个用工需求点对每个工作需求点的吸引度值，包括：

P_im表示第i个用工需求点与工作需求点的多维分量距离，所述多维分量距离为欧氏距离，计算公式如下：

采用吸引度值计算算法计算第i个用工需求点与w个工作需求点的吸引度α(i)为

其中，α_max表示第i个用工需求点所自动保存的历史计算中出现的最大吸引度，φ是调解系数，其类型为常量，定义为吸引度常量，P_im表示第i个用工需求点与工作需求点的多维分量距离。

4.根据权利要求3所述的方法，其特征在于，所述多维分量距离为欧氏距离。

5.根据权利要求3所述的方法，其特征在于，所述吸引度值的计算过程具体为，

在位置维度下，以每个工作需求点的实际位置为中心、以相应的期望工作距离为半径，确定期望工作覆盖区域；

在位置维度下，以每个工作需求点的实际位置为中心、以相应的期望工作距离为半径，确定期望工作覆盖区域；

在吸引度维度下，以每个工作需求点的吸引度数值为中心、以相应的期望吸引度值为半径，确定期望工作覆盖区域；

计算处在期望工作覆盖区域内的用工需求点距工作需求点的多维分量距离，根据所述多维分量距离得到吸引度值。

6.根据权利要求1-5任一项所述的方法，还包括：

响应于所述工作需求对象的位置变化幅度超过预设幅度，重新获取所述工作需求对应的当前位置，并将相应的实际位置更新为所述当前位置。

7.一种任务匹配系统，包括：

用工需求信息获取单元，被配置成获取用工需求信息，所述用工需求信息包括用工位置和至少一项其它用工需求信息，所述其它用户需求信息包括用工工种、用工时长；

工作需求信息获取单元，被配置成获取与每个工作需求对象对应的工作需求信息，所述工作需求信息包括相应工作需求对象的工作位置期望信息和至少一项其它工作期望信息，所述工作位置期望信息包括实际位置、期望工作距离和历史最近工作距离，所述其它工作期望信息包括实际工种、期望工作时长；

模型构建单元，被配置成在预设的多维坐标系下分别生成与每个所述用工需求信息对应的用工需求点和与每个所述工作需求信息对应的工作需求点，并建立对应的用工需求模型、工作需求模型；

吸引程度计算单元，被配置成根据用工需求点和工作需求点在相同维度下的距离，计算得到每个用工需求点对每个工作需求点的吸引度值；

分配单元，被配置成按吸引度值的大小选取排名前设定数量的工作需求点分配给相应的用工需求点，设定数量与相应的工作需求信息的用工需求数量一致。

8.根据权利要求7所述的系统，其中，所述吸引程度计算单元包括：

所述根据用工需求模型、工作需求模型，计算得到每个用工需求点对每个工作需求点的吸引度值，包括：

P_im表示第i个用工需求点与工作需求点的多维分量距离，所述多维分量距离为欧氏距离，计算公式如下：

采用吸引度值计算算法计算第i个用工需求点与w个工作需求点的吸引度α(i)为

其中，α_max表示第i个用工需求点所自动保存的历史计算中出现的最大吸引度，φ是调解系数，其类型为常量，定义为吸引度常量，P_im表示第i个用工需求点与工作需求点的多维分量距离。

9.一种电子设备，其特征在于，包括：

存储器，用于计算机程序；

处理器，用于在执行存储于所述存储器上的计算机程序时可实现如权利要求1至6任一项所述的任务匹配方法的各步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序在被处理器执行后可实现如权利要求1至6任一项所述的任务匹配方法的各步骤。

Images