CN116542443A - 一种基于双边匹配模型的资源分配方法及设备 - Google Patents
一种基于双边匹配模型的资源分配方法及设备 Download PDFInfo
- Publication number
- CN116542443A CN116542443A CN202310351946.1A CN202310351946A CN116542443A CN 116542443 A CN116542443 A CN 116542443A CN 202310351946 A CN202310351946 A CN 202310351946A CN 116542443 A CN116542443 A CN 116542443A
- Authority
- CN
- China
- Prior art keywords
- resource
- data
- receiver
- provider
- evaluation index
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000002146 bilateral effect Effects 0.000 title claims abstract description 49
- 238000013468 resource allocation Methods 0.000 title claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims description 71
- 238000012545 processing Methods 0.000 claims description 27
- 238000010606 normalization Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000013439 planning Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Artificial Intelligence (AREA)
- Animal Husbandry (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及涉及双边匹配技术领域,尤其涉及一种基于双边匹配模型的资源分配方法及设备,方法包括:确定区域内资源提供方和资源接收方的基础数据和关联数据;基础数据至少包括:区域内的资源提供方户数集合、资源接收方户数集合、各资源提供方的资源提供能力等级和各资源接收方的资源接收意愿等级;关联数据至少包括:各资源提供方与各资源接收方的实际距离和种植品种交集情况。根据基础数据和关联数据,确定各资源提供方和各资源接收方的资源匹配度;将各资源提供方和各资源接收方的资源匹配度输入预先构建的双边匹配模型,得到区域内资源提供方和资源接收方的平均资源匹配度;双边匹配模型以平均资源匹配度最大为目标。
Description
技术领域
本申请涉及双边匹配技术领域,尤其涉及一种基于双边匹配模型的资源分配方法及设备。
背景技术
针对资源分配,现有技术中产生了一系列精准资源分配的算法模型类的解决技术,比如:从研究资源接收方层面,主要聚焦于采用决策树或随机森林等算法,建立精准识别资源接收方模型,提升资源匹配的效率;从研究对口资源分配层面,基于双边匹配理论,采用G-S递延接受算法,构建对口资源分配区域匹配模型,提升资源提供方与资源接收方的精准匹配度。
但是现有技术中的资源匹配模型一般都是从个体层面出发,没有考虑到双向(即资源提供方和资源接收方)满意,这使得得到的均衡匹配结果相较于资源接收方,更加有利于资源提供方,并且没有定量计算,虽然得到的匹配组合的匹配度可能相对较高,但是没有对资源进行合理规划和利用。
发明内容
为至少在一定程度上克服相关技术中资源匹配模型从个体层面出发,没有考虑到双向满意,得到的均衡匹配结果相较于资源接收方,更加有利于资源提供方,并且没有定量计算,虽然得到的匹配组合的匹配度可能相对较高,但是没有对资源进行合理规划和利用的问题,本申请提供一种基于双边匹配模型的资源分配方法及设备。
本申请的方案如下:
根据本申请实施例的第一方面,提供一种基于双边匹配模型的资源分配方法,包括:
确定区域内资源提供方和资源接收方的基础数据和关联数据;所述基础数据至少包括:区域内的资源提供方户数集合、资源接收方户数集合、各资源提供方的资源提供能力等级和各资源接收方的资源接收意愿等级;所述关联数据至少包括:各资源提供方与各资源接收方的实际距离和种植品种交集情况;
根据所述基础数据和关联数据,确定各资源提供方和各资源接收方的资源匹配度;
将各资源提供方和各资源接收方的资源匹配度输入预先构建的双边匹配模型,得到区域内资源提供方和资源接收方的平均资源匹配度;所述双边匹配模型以所述平均资源匹配度最大为目标。
优选地,确定各资源提供方的资源提供能力等级,包括:
确定各资源提供方的资源提供能力得分;
对全部资源提供方的资源提供能力得分进行聚类,得到各资源提供方的资源提供能力等级;
确定各资源接收方的资源接收意愿等级,包括:
确定各资源接收方的资源接收意愿得分;
对全部资源接收方的资源接收意愿得分进行聚类,得到各资源接收方的资源接收意愿等级。
优选地,确定各资源提供方的资源提供能力得分,包括:
确定资源提供方对应的第一评价指标,并获取各第一评价指标对应的第一指标数据;
对所述第一指标数据进行处理;
根据处理后的第一指标数据计算各第一评价指标在对应样本数据下的比值;
根据各第一评价指标在对应样本数据下的比值计算各第一评价指标对应的信息熵;
根据各第一评价指标对应的信息熵计算各第一评价指标对应的权熵;
根据各第一评价指标对应的权熵计算各第一评价指标对应的权重;
根据处理后的第一指标数据和各第一评价指标对应的权重,得到各资源提供方的资源提供能力得分;
确定各资源接收方的资源接收意愿得分,包括:
确定资源接收方对应的第二评价指标,并获取各第二评价指标对应的第二指标数据;
对所述第二指标数据进行处理;
根据处理后的第二指标数据计算各第二评价指标在对应样本数据下的比值;
根据各第二评价指标在对应样本数据下的比值计算各第二评价指标对应的信息熵;
根据各第二评价指标对应的信息熵计算各第二评价指标对应的权熵;
根据各第二评价指标对应的权熵计算各第二评价指标对应的权重;
根据处理后的第二指标数据和各第二评价指标对应的权重,得到各资源接收方的资源接收意愿得分。
优选地,对全部资源提供方的资源提供能力得分进行聚类,得到各资源提供方的资源提供能力等级,包括:
在资源提供方的资源提供能力得分数据集中随机选取多个初始聚类中心;
根据资源提供能力得分数据集中各数据到各初始聚类中心的距离,对资源提供能力得分数据集中各数据进行类别划分;
对于每个类别,重新计算聚类中心,并重新对资源提供能力得分数据集中各数据进行类别划分,直到聚类中心不再变化;
输出聚类中心以及各类别的子数据集;
根据各类别的子数据集的资源提供能力得分,对各类别的子数据集进行资源提供能力等级划分;
对全部资源接收方的资源接收意愿得分进行聚类,得到各资源接收方的资源接收意愿等级,包括:
在资源接收方的资源接收意愿得分数据集中随机选取多个初始聚类中心;
根据资源接收意愿得分数据集中各数据到各初始聚类中心的距离,对资源接收意愿得分数据集中各数据进行类别划分;
对于每个类别,重新计算聚类中心,并重新对资源接收意愿得分数据集中各数据进行类别划分,直到聚类中心不再变化;
输出聚类中心以及各类别的子数据集;
根据各类别的子数据集的资源接收意愿得分,对各类别的子数据集进行资源接收意愿等级划分。
优选地,根据所述基础数据和关联数据,确定各资源提供方和各资源接收方的资源匹配度,包括:
基于欧式距离,根据所述基础数据和关联数据,确定各资源提供方和各资源接收方的资源匹配度;包括:
资源提供方与资源接收方的实际距离越小,则欧式距离越小,资源匹配度越大;
资源提供方与资源接收方的种植品种交集越多,则欧式距离越小,资源匹配度越大;
资源提供方的资源提供能力等级与资源接收方的资源接收意愿等级差值的绝对值越小,则欧式距离越小,资源匹配度越大。
优选地,所述方法还包括:
构建双边匹配模型:
其中,表示区域内资源提供方和资源接收方的平均资源匹配度,xi表示资源接收方,yj表示资源提供方,m表示资源提供方的户数,n表示资源接收方的户数,且m<n,表示预设决策变量,/>表示资源提供方yj与资源接收方xi的资源匹配度。
优选地,所述双边匹配模型的约束条件为:
其中,第一约束条件表示资源提供方yj与资源接收方xi是否形成资源匹配,第二约束条件表示形成n对资源匹配,第三约束条件表示全部资源提供方均需与至少一个资源接收方形成资源匹配。
优选地,对所述第一指标数据进行处理,包括:
对所述第一指标数据进行归一标准化处理,并将归一标准化处理后的第一指标数据向右平移预设个单位;
对所述第二指标数据进行处理,包括:
对所述第二指标数据进行归一标准化处理,并将归一标准化处理后的第二指标数据向右平移预设个单位。
优选地,基于欧式距离,根据所述基础数据和关联数据,确定各资源提供方和各资源接收方的资源匹配度前,所述方法还包括:
将资源提供方与资源接收方的实际距离进行归一标准化处理,并将归一标准化处理后的实际距离向右平移预设个单位;
将资源提供方的资源提供能力等级与资源接收方的资源接收意愿等级差值的绝对值进行归一标准化处理,并将归一标准化处理后的绝对值向右平移预设个单位。
根据本申请实施例的第二方面,提供一种基于双边匹配模型的资源分配设备,包括:
处理器和存储器;
所述处理器与存储器通过通信总线相连接:
其中,所述处理器,用于调用并执行所述存储器中存储的程序;
所述存储器,用于存储程序,所述程序至少用于执行如以上任一项所述的一种基于双边匹配模型的资源分配方法。
本申请提供的技术方案可以包括以下有益效果:本申请中的基于双边匹配模型的资源分配方法,包括:确定区域内资源提供方和资源接收方的基础数据和关联数据;基础数据至少包括:区域内的资源提供方户数集合、资源接收方户数集合、各资源提供方的资源提供能力等级和各资源接收方的资源接收意愿等级;关联数据至少包括:各资源提供方与各资源接收方的实际距离和种植品种交集情况。根据基础数据和关联数据,确定各资源提供方和各资源接收方的资源匹配度;将各资源提供方和各资源接收方的资源匹配度输入预先构建的双边匹配模型,得到区域内资源提供方和资源接收方的平均资源匹配度;双边匹配模型以平均资源匹配度最大为目标。本申请中的技术方案,不仅从个体层面出发,考虑了个体层面的资源提供方与资源接收方的资源匹配度,还以区域内的平均资源匹配度最大为目标,通过双边匹配模型求解区域内均衡、稳定的双边匹配结果,且均衡匹配结果有利于双方,通过提升区域内整体的资源分配精准度,实现对资源的合理规划和利用。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是本申请一个实施例提供的一种基于双边匹配模型的资源分配方法的流程示意图;
图2是本申请一个实施例提供的一种基于双边匹配模型的资源分配方法中确定各资源提供方的资源提供能力得分的流程示意图;
图3是本申请一个实施例提供的一种基于双边匹配模型的资源分配方法中对全部资源提供方的资源提供能力得分进行聚类,得到各资源提供方的资源提供能力等级的流程示意图;
图4是本申请一个实施例提供的一种基于双边匹配模型的资源分配方法中的资源提供方对应的第一评价指标示意图;
图5是本申请一个实施例提供的一种基于双边匹配模型的资源分配设备的结构示意图。
附图标记:处理器-31;存储器-32。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
实施例一
图1是本申请一个实施例提供的一种基于双边匹配模型的资源分配方法的流程示意图,参照图1,一种基于双边匹配模型的资源分配方法,包括:
S11:确定区域内资源提供方和资源接收方的基础数据和关联数据;基础数据至少包括:区域内的资源提供方户数集合、资源接收方户数集合、各资源提供方的资源提供能力等级和各资源接收方的资源接收意愿等级;关联数据至少包括:各资源提供方与各资源接收方的实际距离和种植品种交集情况;
S12:根据基础数据和关联数据,确定各资源提供方和各资源接收方的资源匹配度;
S13:将各资源提供方和各资源接收方的资源匹配度输入预先构建的双边匹配模型,得到区域内资源提供方和资源接收方的平均资源匹配度;双边匹配模型以平均资源匹配度最大为目标。
需要说明的是,本实施例中的技术方案涉及双边匹配技术领域,具体为双边匹配技术在区域内的资源分配中的应用。
确定区域内的资源提供方户数集合为M,M={y1,y2,y3,…,ym};
确定区域内的资源接收方户数集合为N,N={x1,x2,x3,…,xn},其中m<n。
需要说明的是,确定各资源提供方的资源提供能力等级,包括:
确定各资源提供方的资源提供能力得分;
对全部资源提供方的资源提供能力得分进行聚类,得到各资源提供方的资源提供能力等级;
确定各资源接收方的资源接收意愿等级,包括:
确定各资源接收方的资源接收意愿得分;
对全部资源接收方的资源接收意愿得分进行聚类,得到各资源接收方的资源接收意愿等级。
具体的,确定各资源提供方的资源提供能力得分,参照图2,包括:
S201:确定资源提供方对应的第一评价指标,并获取各第一评价指标对应的第一指标数据;
S202:对第一指标数据进行处理;
S203:根据处理后的第一指标数据计算各第一评价指标在对应样本数据下的比值;
S204:根据各第一评价指标在对应样本数据下的比值计算各第一评价指标对应的信息熵;
S205:根据各第一评价指标对应的信息熵计算各第一评价指标对应的权熵;
S206:根据各第一评价指标对应的权熵计算各第一评价指标对应的权重;
S207:根据处理后的第一指标数据和各第一评价指标对应的权重,得到各资源提供方的资源提供能力得分。
对全部资源提供方的资源提供能力得分进行聚类,得到各资源提供方的资源提供能力等级,参照图3,包括:
S208:在资源提供方的资源提供能力得分数据集中随机选取多个初始聚类中心;
S209:根据资源提供能力得分数据集中各数据到各初始聚类中心的距离,对资源提供能力得分数据集中各数据进行类别划分;
S210:对于每个类别,重新计算聚类中心,并重新对资源提供能力得分数据集中各数据进行类别划分,直到聚类中心不再变化;
S211:输出聚类中心以及各类别的子数据集;
S212:根据各类别的子数据集的资源提供能力得分,对各类别的子数据集进行资源提供能力等级划分。
在具体实践中,资源提供方对应的第一评价指标如图4所示,包括:
种植面积a:种植面积的大小可以反映农业主体的生产规模;
均亩产量b:均亩产量=设置时间内的总产量/种植面积,均亩产量的大小可以反映农业主体的生产效率;
均亩销量c:均亩销量=设置时间内的总销量/种植面积,均亩销量的大小可以反映农业主体的销售能力;
是否出现检测不合格情况d:检测合格情况可以反映农业主体是否规范使用投入品;
是否参加政策性保险e:参加政策性保险可以反映农业主体有风险管理意识。
对第一指标数据进行处理,包括:对第一指标数据进行归一标准化处理,并将归一标准化处理后的第一指标数据向右平移预设个单位。
在具体实践中,第一指标k的数据的归一标准化处理过程如下:
其中,yjk′为归一标准化处理后第一指标k的数据,yjk为归一标准化处理前第一指标k的数据,yj为资源提供方,m为资源提供方的户数。
本步骤中得到所有第一指标对应的标准化后的数据。
由于标准化后的数据出现了0,为了避免分母为0,将所有的数据向右平移0.0001个单位,即加上0.0001,后续向右平移处理均出于此考虑,不再赘述。
标准化后的数据整体向右平移0.0001个单位后,计算各第一评价指标在对应样本数据下的比值:
其中,Yjk为第一评价指标k在对应样本数据下的比值,yj为资源提供方,m为资源提供方的户数。
计算各第一评价指标对应的信息熵:
其中,Hk为第一评价指标k对应的信息熵。
计算各第一评价指标对应的权熵:
Gk=1-Hk,k∈{a,b,c,d,e};
其中,Gk为第一评价指标k对应的权熵。
计算各第一评价指标对应的权重:
其中,Wk为第一评价指标k对应的权重。
根据处理后的第一指标数据和各第一评价指标对应的权重,得到各资源提供方的资源提供能力得分:
Yj=yja′*Wa+yjb′*Wb+yjc′*Wc+yjd′*Wd+yje′*We,j∈[1,m];
其中,Yj为资源提供方yj的资源提供能力得分,yja′、yjb′、yjc′、yjd′、yje′分别为第一指标a、b、c、d、e处理后的数据,Wa、Wb、Wc、Wd、We分别为第一指标a、b、c、d、e对应的权重,m为资源提供方的户数。
在具体实践中,采用K-均值聚类对全部资源提供方的资源提供能力得分进行聚类分为5个类别。
在资源提供方的资源提供能力得分数据集中随机选取5个初始聚类中心C={C1,C2,C3,C4,C5};
根据资源提供能力得分数据集中各数据Yj到各初始聚类中心的距离,对资源提供能力得分数据集中各数据进行类别划分;
对于每个类别C1,C2,C3,C4,C5,重新计算聚类中心:
其中n为每个类别对应包含的数据点的个数;
重复上述步骤,直到聚类中心不再变化。
输出聚类中心以及各类别的子数据集;
根据各类别的子数据集的资源提供能力得分,对各类别的子数据集进行资源提供能力等级划分,得到5个类别,5个类别对应5个资源提供能力等级,分数越高的类别,资源提供能力等级越高,从而,得到资源提供方的资源提供能力等级Bj∈{1,2,3,4,5},j∈[1,m]。
确定各资源接收方的资源接收意愿得分,包括:
确定资源接收方对应的第二评价指标,并获取各第二评价指标对应的第二指标数据;
对第二指标数据进行处理;
根据处理后的第二指标数据计算各第二评价指标在对应样本数据下的比值;
根据各第二评价指标在对应样本数据下的比值计算各第二评价指标对应的信息熵;
根据各第二评价指标对应的信息熵计算各第二评价指标对应的权熵;
根据各第二评价指标对应的权熵计算各第二评价指标对应的权重;
根据处理后的第二指标数据和各第二评价指标对应的权重,得到各资源接收方的资源接收意愿得分。
对全部资源接收方的资源接收意愿得分进行聚类,得到各资源接收方的资源接收意愿等级,包括:
在资源接收方的资源接收意愿得分数据集中随机选取多个初始聚类中心;
根据资源接收意愿得分数据集中各数据到各初始聚类中心的距离,对资源接收意愿得分数据集中各数据进行类别划分;
对于每个类别,重新计算聚类中心,并重新对资源接收意愿得分数据集中各数据进行类别划分,直到聚类中心不再变化;
输出聚类中心以及各类别的子数据集;
根据各类别的子数据集的资源接收意愿得分,对各类别的子数据集进行资源接收意愿等级划分。
需要说明的是,对第二指标数据进行处理,包括:
对第二指标数据进行归一标准化处理,并将归一标准化处理后的第二指标数据向右平移预设个单位。
需要说明的是,得到各资源接收方的资源接收意愿等级的过程与得到各资源提供方的资源提供能力等级的过程基本相同,此处不做赘述。
需要说明的是,根据基础数据和关联数据,确定各资源提供方和各资源接收方的资源匹配度,包括:
基于欧式距离,根据基础数据和关联数据,确定各资源提供方和各资源接收方的资源匹配度;包括:
资源提供方与资源接收方的实际距离越小,则欧式距离越小,资源匹配度越大;
资源提供方与资源接收方的种植品种交集越多,则欧式距离越小,资源匹配度越大;
资源提供方的资源提供能力等级与资源接收方的资源接收意愿等级差值的绝对值越小,则欧式距离越小,资源匹配度越大。
需要说明的是,根据基础数据和关联数据,确定各资源提供方和各资源接收方的资源匹配度前,方法还包括:
将资源提供方与资源接收方的实际距离进行归一标准化处理,并将归一标准化处理后的实际距离向右平移预设个单位;
将资源提供方的资源提供能力等级与资源接收方的资源接收意愿等级差值的绝对值进行归一标准化处理,并将归一标准化处理后的绝对值向右平移预设个单位。
在具体实践中,基于欧式距离,根据基础数据和关联数据,确定各资源提供方和各资源接收方的资源匹配度:
为资源提供方yi和资源接收方xi的资源匹配度,/>为资源提供方yi和资源接收方xi的欧式距离,两者的欧式距离越小,资源匹配度越大。
为资源提供方yi和资源接收方xi的实际距离,将/>进行归一标准化处理,处理后的数据为/>
为资源提供方yi和资源接收方xi的种植品种交集情况,有交集则/>无交集则/>
|Pi-Bj|表示资源提供方的资源提供能力等级Bj与资源接收方的资源接收意愿等级Pi的差值的绝对值,将|Pi-Bj|进行归一标准化处理,处理后的数据为
需要说明的是,方法还包括:
构建双边匹配模型:
其中,表示区域内资源提供方和资源接收方的平均资源匹配度,xi表示资源接收方,yj表示资源提供方,m表示资源提供方的户数,n表示资源接收方的户数,且m<n,表示预设决策变量,/>表示资源提供方yj与资源接收方xi的资源匹配度。
需要说明的是,双边匹配模型的约束条件为:
其中,第一约束条件表示资源提供方yj与资源接收方xi是否形成资源匹配,第二约束条件表示形成n对资源匹配,第三约束条件表示全部资源提供方均需与至少一个资源接收方形成资源匹配。
可以理解的是,本实施例中的基于双边匹配模型的资源分配方法,包括:确定区域内资源提供方和资源接收方的基础数据和关联数据;基础数据至少包括:区域内的资源提供方户数集合、资源接收方户数集合、各资源提供方的资源提供能力等级和各资源接收方的资源接收意愿等级;关联数据至少包括:各资源提供方与各资源接收方的实际距离和种植品种交集情况。根据基础数据和关联数据,确定各资源提供方和各资源接收方的资源匹配度;将各资源提供方和各资源接收方的资源匹配度输入预先构建的双边匹配模型,得到区域内资源提供方和资源接收方的平均资源匹配度;双边匹配模型以平均资源匹配度最大为目标。本实施例中的技术方案,不仅从个体层面出发,考虑了个体层面的资源提供方与资源接收方的资源匹配度,还以区域内的平均资源匹配度最大为目标,通过双边匹配模型求解区域内均衡、稳定的双边匹配结果,且均衡匹配结果有利于双方,通过提升区域内整体的资源分配精准度,实现对资源的合理规划和利用。
实施例二
图5是本申请一个实施例提供的一种基于双边匹配模型的资源分配设备的结构示意图,参照图5,一种基于双边匹配模型的资源分配设备,包括:
处理器31和存储器32;
处理器31与存储器2通过通信总线相连接:
其中,处理器31,用于调用并执行存储器32中存储的程序;
存储器32,用于存储程序,程序至少用于执行如以上实施例中的一种基于双边匹配模型的资源分配方法。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本申请的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本申请的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块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。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于双边匹配模型的资源分配方法,其特征在于,包括:
确定区域内资源提供方和资源接收方的基础数据和关联数据;所述基础数据至少包括:区域内的资源提供方户数集合、资源接收方户数集合、各资源提供方的资源提供能力等级和各资源接收方的资源接收意愿等级;所述关联数据至少包括:各资源提供方与各资源接收方的实际距离和种植品种交集情况;
根据所述基础数据和关联数据,确定各资源提供方和各资源接收方的资源匹配度;
将各资源提供方和各资源接收方的资源匹配度输入预先构建的双边匹配模型,得到区域内资源提供方和资源接收方的平均资源匹配度;所述双边匹配模型以所述平均资源匹配度最大为目标。
2.根据权利要求1所述的方法,其特征在于,确定各资源提供方的资源提供能力等级,包括:
确定各资源提供方的资源提供能力得分;
对全部资源提供方的资源提供能力得分进行聚类,得到各资源提供方的资源提供能力等级;
确定各资源接收方的资源接收意愿等级,包括:
确定各资源接收方的资源接收意愿得分;
对全部资源接收方的资源接收意愿得分进行聚类,得到各资源接收方的资源接收意愿等级。
3.根据权利要求2所述的方法,其特征在于,确定各资源提供方的资源提供能力得分,包括:
确定资源提供方对应的第一评价指标,并获取各第一评价指标对应的第一指标数据;
对所述第一指标数据进行处理;
根据处理后的第一指标数据计算各第一评价指标在对应样本数据下的比值;
根据各第一评价指标在对应样本数据下的比值计算各第一评价指标对应的信息熵;
根据各第一评价指标对应的信息熵计算各第一评价指标对应的权熵;
根据各第一评价指标对应的权熵计算各第一评价指标对应的权重;
根据处理后的第一指标数据和各第一评价指标对应的权重,得到各资源提供方的资源提供能力得分;
确定各资源接收方的资源接收意愿得分,包括:
确定资源接收方对应的第二评价指标,并获取各第二评价指标对应的第二指标数据;
对所述第二指标数据进行处理;
根据处理后的第二指标数据计算各第二评价指标在对应样本数据下的比值;
根据各第二评价指标在对应样本数据下的比值计算各第二评价指标对应的信息熵;
根据各第二评价指标对应的信息熵计算各第二评价指标对应的权熵;
根据各第二评价指标对应的权熵计算各第二评价指标对应的权重;
根据处理后的第二指标数据和各第二评价指标对应的权重,得到各资源接收方的资源接收意愿得分。
4.根据权利要求2所述的方法,其特征在于,对全部资源提供方的资源提供能力得分进行聚类,得到各资源提供方的资源提供能力等级,包括:
在资源提供方的资源提供能力得分数据集中随机选取多个初始聚类中心;
根据资源提供能力得分数据集中各数据到各初始聚类中心的距离,对资源提供能力得分数据集中各数据进行类别划分;
对于每个类别,重新计算聚类中心,并重新对资源提供能力得分数据集中各数据进行类别划分,直到聚类中心不再变化;
输出聚类中心以及各类别的子数据集;
根据各类别的子数据集的资源提供能力得分,对各类别的子数据集进行资源提供能力等级划分;
对全部资源接收方的资源接收意愿得分进行聚类,得到各资源接收方的资源接收意愿等级,包括:
在资源接收方的资源接收意愿得分数据集中随机选取多个初始聚类中心;
根据资源接收意愿得分数据集中各数据到各初始聚类中心的距离,对资源接收意愿得分数据集中各数据进行类别划分;
对于每个类别,重新计算聚类中心,并重新对资源接收意愿得分数据集中各数据进行类别划分,直到聚类中心不再变化;
输出聚类中心以及各类别的子数据集;
根据各类别的子数据集的资源接收意愿得分,对各类别的子数据集进行资源接收意愿等级划分。
5.根据权利要求1所述的方法,其特征在于,根据所述基础数据和关联数据,确定各资源提供方和各资源接收方的资源匹配度,包括:
基于欧式距离,根据所述基础数据和关联数据,确定各资源提供方和各资源接收方的资源匹配度;包括:
资源提供方与资源接收方的实际距离越小,则欧式距离越小,资源匹配度越大;
资源提供方与资源接收方的种植品种交集越多,则欧式距离越小,资源匹配度越大;
资源提供方的资源提供能力等级与资源接收方的资源接收意愿等级差值的绝对值越小,则欧式距离越小,资源匹配度越大。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
构建双边匹配模型:
其中,表示区域内资源提供方和资源接收方的平均资源匹配度,xi表示资源接收方,yj表示资源提供方,m表示资源提供方的户数,n表示资源接收方的户数,且m<n,/>表示预设决策变量,/>表示资源提供方yj与资源接收方xi的资源匹配度。
7.根据权利要求6所述的方法,其特征在于,所述双边匹配模型的约束条件为:
其中,第一约束条件表示资源提供方yj与资源接收方xi是否形成资源匹配,第二约束条件表示形成n对资源匹配,第三约束条件表示全部资源提供方均需与至少一个资源接收方形成资源匹配。
8.根据权利要求3所述的方法,其特征在于,对所述第一指标数据进行处理,包括:
对所述第一指标数据进行归一标准化处理,并将归一标准化处理后的第一指标数据向右平移预设个单位;
对所述第二指标数据进行处理,包括:
对所述第二指标数据进行归一标准化处理,并将归一标准化处理后的第二指标数据向右平移预设个单位。
9.根据权利要求3所述的方法,其特征在于,基于欧式距离,根据所述基础数据和关联数据,确定各资源提供方和各资源接收方的资源匹配度前,所述方法还包括:
将资源提供方与资源接收方的实际距离进行归一标准化处理,并将归一标准化处理后的实际距离向右平移预设个单位;
将资源提供方的资源提供能力等级与资源接收方的资源接收意愿等级差值的绝对值进行归一标准化处理,并将归一标准化处理后的绝对值向右平移预设个单位。
10.一种基于双边匹配模型的资源分配设备,其特征在于,包括:
处理器和存储器;
所述处理器与存储器通过通信总线相连接:
其中,所述处理器,用于调用并执行所述存储器中存储的程序;
所述存储器,用于存储程序,所述程序至少用于执行权利要求1-9任一项所述的一种基于双边匹配模型的资源分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310351946.1A CN116542443B (zh) | 2023-03-29 | 2023-03-29 | 一种基于双边匹配模型的资源分配方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310351946.1A CN116542443B (zh) | 2023-03-29 | 2023-03-29 | 一种基于双边匹配模型的资源分配方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116542443A true CN116542443A (zh) | 2023-08-04 |
CN116542443B CN116542443B (zh) | 2024-07-16 |
Family
ID=87455086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310351946.1A Active CN116542443B (zh) | 2023-03-29 | 2023-03-29 | 一种基于双边匹配模型的资源分配方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116542443B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180098087A1 (en) * | 2016-09-30 | 2018-04-05 | Qualcomm Incorporated | Frame rate up-conversion coding mode |
CN109447728A (zh) * | 2018-09-07 | 2019-03-08 | 平安科技(深圳)有限公司 | 金融产品推荐方法、装置、计算机设备及存储介质 |
CN111371853A (zh) * | 2020-02-24 | 2020-07-03 | 中国银联股份有限公司 | 资源信息推送方法、装置、服务器及存储介质 |
CN112163726A (zh) * | 2020-08-18 | 2021-01-01 | 北京三快在线科技有限公司 | 服务资源分配方法、装置、电子设备及可读存储介质 |
CN114187030A (zh) * | 2021-11-23 | 2022-03-15 | 内蒙古金豆农业科技有限公司 | 基于大数据的农产品产销服务综合信息生成方法及系统 |
CN114255096A (zh) * | 2021-11-30 | 2022-03-29 | 王建冬 | 数据需求匹配方法和装置、电子设备、存储介质 |
CN115049451A (zh) * | 2022-05-07 | 2022-09-13 | 贵州电子商务云运营有限责任公司 | 基于同平台农产品买卖双方交易撮合模型的实现方法 |
CN116595398A (zh) * | 2023-06-12 | 2023-08-15 | 江西开创数码科技有限公司 | 基于元宇宙的资源智能匹配方法及相关装置 |
-
2023
- 2023-03-29 CN CN202310351946.1A patent/CN116542443B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180098087A1 (en) * | 2016-09-30 | 2018-04-05 | Qualcomm Incorporated | Frame rate up-conversion coding mode |
CN109792527A (zh) * | 2016-09-30 | 2019-05-21 | 高通股份有限公司 | 帧率上转换译码模式的改进 |
CN109447728A (zh) * | 2018-09-07 | 2019-03-08 | 平安科技(深圳)有限公司 | 金融产品推荐方法、装置、计算机设备及存储介质 |
CN111371853A (zh) * | 2020-02-24 | 2020-07-03 | 中国银联股份有限公司 | 资源信息推送方法、装置、服务器及存储介质 |
CN112163726A (zh) * | 2020-08-18 | 2021-01-01 | 北京三快在线科技有限公司 | 服务资源分配方法、装置、电子设备及可读存储介质 |
CN114187030A (zh) * | 2021-11-23 | 2022-03-15 | 内蒙古金豆农业科技有限公司 | 基于大数据的农产品产销服务综合信息生成方法及系统 |
CN114255096A (zh) * | 2021-11-30 | 2022-03-29 | 王建冬 | 数据需求匹配方法和装置、电子设备、存储介质 |
CN115049451A (zh) * | 2022-05-07 | 2022-09-13 | 贵州电子商务云运营有限责任公司 | 基于同平台农产品买卖双方交易撮合模型的实现方法 |
CN116595398A (zh) * | 2023-06-12 | 2023-08-15 | 江西开创数码科技有限公司 | 基于元宇宙的资源智能匹配方法及相关装置 |
Non-Patent Citations (2)
Title |
---|
胡令;张文;: ""互联网+"背景下竞争性农产品交易平台定价模型构建及案例分析", 四川农业大学学报, no. 04, 31 October 2019 (2019-10-31), pages 133 - 139 * |
陆国浩;: "基于用户满意度的农产品交易匹配研究", 沙洲职业工学院学报, no. 01, 15 March 2015 (2015-03-15), pages 17 - 21 * |
Also Published As
Publication number | Publication date |
---|---|
CN116542443B (zh) | 2024-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110705683B (zh) | 随机森林模型的构造方法、装置、电子设备及存储介质 | |
US8572019B2 (en) | Reducing the dissimilarity between a first multivariate data set and a second multivariate data set | |
CN111695593A (zh) | 基于XGBoost的数据分类方法、装置、计算机设备及存储介质 | |
CN110827924B (zh) | 基因表达数据的聚类方法、装置、计算机设备及存储介质 | |
CN109104688A (zh) | 使用聚集技术生成无线网络接入点模型 | |
Rosa et al. | Homoplasy-based partitioning outperforms alternatives in Bayesian analysis of discrete morphological data | |
CN110709826A (zh) | 用于链接来自异构数据库的数据记录的方法及系统 | |
CN116386801B (zh) | 基于聚类算法构建患者身份标识的方法、装置及电子设备 | |
US20170337267A1 (en) | System and method for discovering groups whose members have a given attribute | |
KR20200110141A (ko) | 신약 후보 물질 도출을 위한 데이터 처리 방법 | |
CN110110119B (zh) | 图像检索的方法、装置及计算机可读存储介质 | |
CN115424053A (zh) | 小样本图像识别方法、装置、设备及存储介质 | |
CN116842053A (zh) | 一种分布式云端数据检索系统及方法 | |
Rezaei et al. | K-sets and k-swaps algorithms for clustering sets | |
Autry et al. | Metropolized forest recombination for Monte Carlo sampling of graph partitions | |
CN116542443B (zh) | 一种基于双边匹配模型的资源分配方法及设备 | |
CN113094444A (zh) | 数据处理方法、数据处理装置、计算机设备和介质 | |
Gu et al. | Partitioning around medoids clustering and random forest classification for GIS-informed imputation of fluoride concentration data | |
CN113782121B (zh) | 随机分组方法、装置、计算机设备及存储介质 | |
CN109857859A (zh) | 新闻信息的处理方法、装置、设备以及存储介质 | |
CN109522915A (zh) | 病毒文件聚类方法、装置及可读介质 | |
CN113988670A (zh) | 综合性企业信用风险预警方法及系统 | |
CN107423822A (zh) | 贝叶斯网络构建方法及装置 | |
CN111611531A (zh) | 人员关系分析方法、装置及电子设备 | |
US20220020454A1 (en) | Method for data processing to derive new drug candidate substance |
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 |