信息匹配方法、装置、可读存储介质和电子设备制造方法及图纸

本发明专利技术实施例公开了一种信息匹配方法、装置、可读存储介质和电子设备，本发明专利技术实施例在确定了目标用户信息和对应的待匹配信息集合后，通过评分模型得到所述待匹配信息集合中各所述待匹配信息和目标用户信息的匹配度以及属性特征，根据所述匹配度筛选得到匹配信息，根据对属性特征进行数据分析生成各匹配信息的推荐文本，以向所述目标用户推荐包括匹配信息和用于表述推荐理由的推荐文本的匹配结果。本发明专利技术实施例在进行信息匹配的过程中充分考虑目标用户的偏好，以及各所述待匹配信息的属性特征，以在实现精准匹配的同时还能够给出对应的匹配理由，提高了信息匹配过程的效率。

【技术实现步骤摘要】
信息匹配方法、装置、可读存储介质和电子设备
本专利技术涉及计算机
，尤其涉及一种信息匹配方法、装置、可读存储介质和电子设备。
技术介绍
随着互联网通信技术的快速发展，无论在日常生活中还是工作场景下，人们在获取需要的信息时通常都会利用互联网来实现信息的搜索与推荐。例如在债券交易领域，交易员和金融债券以及对手方的关系错综复杂，如何实现为海量的交易员推荐和其匹配的金融债券或对手方是目前需要解决的一个很大的问题。基于上述问题，现有技术通常会选择协同过滤法或基于内容推荐的方法进行信息匹配，但前者仅考虑用户的长期喜好，忽略了短期偏好；后者仅考虑用户的短期喜好，忽略了长期偏好，因此两者的匹配结果都不够精确。同时，上述两种方法均无法针对用户匹配的结果给出对应的推荐理由。
技术实现思路
有鉴于此，本专利技术实施例公开了一种信息匹配方法、装置、可读存储介质和电子设备，以实现提高匹配结果的准确性，同时给出各匹配结果对应的推荐理由。第一方面，本专利技术实施例公开了一种信息匹配方法，所述方法包括：确定目标用户信息和与所述目标用户信息对应的待匹配信息集合，所述待匹配信息集合中包括至少一个待匹配信息；将所述目标用户信息和待匹配信息集合输入预先训练得到的评分模型中，输出各所述待匹配信息的匹配概率以及属性特征，所述属性特征中包括文本信息和数据信息；基于各所述待匹配信息的数据信息进行横向数据分析和/或纵向数据分析，以确定各所述待匹配信息的数据特征；根据对应的匹配概率对各所述待匹配信息进行筛选得到匹配信息，以确定匹配信息集合；基于对应的匹配概率对各所述匹配信息进行排序；输出匹配结果，所述匹配结果包括排序后的匹配信息和各所述匹配信息对应的推荐文本，所述推荐文本基于所述文本信息和所述数据特征生成。进一步地，所述确定目标用户信息和与所述目标用户信息对应的待匹配信息集合包括：确定目标用户信息；根据所述目标用户信息获取所述目标用户的历史行为信息；根据所述历史行为信息确定至少一个待匹配信息，以获得待匹配信息集合。进一步地，所述评分模型中包括第一注意力层、第二注意力层、知识图谱以及评分子模型；所述将所述目标用户信息和待匹配信息集合输入预先训练得到的评分模型中，输出各所述待匹配信息的匹配概率以及属性特征包括：将所述目标用户信息和所述知识图谱输入所述第一注意力层，输出用户偏好向量；将所述待匹配信息集合和所述知识图谱输入所述第二注意力层，输出待匹配向量集合，所述待匹配向量集合中包括至少一个与所述待匹配信息对应的待匹配向量；将所述用户偏好向量和所述待匹配向量输入所述评分子模型，输出各所述待匹配信息的匹配概率以及属性特征。进一步地，所述基于各所述待匹配信息的数据信息进行横向数据分析和/或纵向数据分析，以确定各所述待匹配信息的数据特征包括：根据各所述待匹配信息的数据信息确定目标特征值；基于各所述待匹配信息的目标特征值进行横向数据分析，以确定各所述待匹配信息的数据特征。进一步地，所述基于各所述待匹配信息的数据信息进行横向数据分析和/或纵向数据分析，以确定各所述待匹配信息的数据特征包括：确定各所述数据信息中的当前特征数据；获取各所述待匹配信息的历史特征数据集合，所述历史特征数据集合中包括至少一个历史特征数据；对于各所述待匹配信息，基于所述当前特征数据和历史特征数据集合进行纵向数据分析，以确定对应的数据特征。进一步地，所述根据对应的匹配概率对各所述待匹配信息进行筛选得到匹配信息，以确定匹配信息集合具体为：确定匹配概率大于概率阈值的待匹配信息为匹配信息，以确定匹配信息集合。进一步地，所述根据对应的匹配概率对各所述待匹配信息进行筛选得到匹配信息，以确定匹配信息集合具体为：确定匹配概率最大的N个待匹配信息为匹配信息，以确定匹配信息集合，其中，所述N为预设的正整数。第二方面，本专利技术实施例公开了一种信息匹配装置，所述装置包括：信息确定模块，用于确定目标用户信息和与所述目标用户信息对应的待匹配信息集合，所述待匹配信息集合中包括至少一个待匹配信息；匹配模块，用于将所述目标用户信息和待匹配信息集合输入预先训练得到的评分模型中，输出各所述待匹配信息的匹配概率以及属性特征，所述属性特征中包括文本信息和数据信息；数据特征确定模块，用于基于各所述待匹配信息的数据信息进行横向数据分析和/或纵向数据分析，以确定各所述待匹配信息的数据特征；筛选模块，用于根据对应的匹配概率对各所述待匹配信息进行筛选得到匹配信息，以确定匹配信息集合；排序模块，用于基于对应的匹配概率对各所述匹配信息进行排序；信息输出模块，用于输出匹配结果，所述匹配结果包括排序后的匹配信息和各所述匹配信息对应的推荐文本，所述推荐文本基于所述文本信息和所述数据特征生成。第三方面，本专利技术实施例公开了一种计算机可读存储介质，用于存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如第一方面中任一项所述的方法。第四方面，本专利技术实施例公开了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如第一方面中任一项所述的方法。本专利技术实施例在进行信息匹配的过程中充分考虑目标用户的偏好，以及各所述待匹配信息的属性特征，以在实现精准匹配的同时还能够给出对应的匹配理由，提高了信息匹配过程的效率。附图说明通过以下参照附图对本专利技术实施例的描述，本专利技术的上述以及其它目的、特征和优点将更为清楚，在附图中：图1为应用本专利技术实施例的信息匹配方法的信息匹配系统的示意图；图2为本专利技术实施例的信息匹配方法的流程图；图3为本专利技术实施例的信息匹配方法的数据流程示意图；图4为本专利技术实施例的评分模型的结构示意图；图5为本专利技术实施例的推荐结果的示意图；图6为本专利技术实施例的信息匹配装置的示意图；图7为本专利技术实施例的电子设备的示意图。具体实施方式以下基于实施例对本专利技术进行描述，但是本专利技术并不仅仅限于这些实施例。在下文对本专利技术的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本专利技术。为了避免混淆本专利技术的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。除非上下文明确要求，否则在说明书的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。在本专利技术的描述中，需要理解的是，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，在本专利技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。图1本文档来自技高网...

【技术保护点】
1.一种信息匹配方法，其特征在于，所述方法包括：/n确定目标用户信息和与所述目标用户信息对应的待匹配信息集合，所述待匹配信息集合中包括至少一个待匹配信息；/n将所述目标用户信息和待匹配信息集合输入预先训练得到的评分模型中，输出各所述待匹配信息的匹配概率以及属性特征，所述属性特征中包括文本信息和数据信息；/n基于各所述待匹配信息的数据信息进行横向数据分析和/或纵向数据分析，以确定各所述待匹配信息的数据特征；/n根据对应的匹配概率对各所述待匹配信息进行筛选得到匹配信息，以确定匹配信息集合；/n基于对应的匹配概率对各所述匹配信息进行排序；/n输出匹配结果，所述匹配结果包括排序后的匹配信息和各所述匹配信息对应的推荐文本，所述推荐文本基于所述文本信息和所述数据特征生成。/n

【技术特征摘要】
1.一种信息匹配方法，其特征在于，所述方法包括：
确定目标用户信息和与所述目标用户信息对应的待匹配信息集合，所述待匹配信息集合中包括至少一个待匹配信息；
将所述目标用户信息和待匹配信息集合输入预先训练得到的评分模型中，输出各所述待匹配信息的匹配概率以及属性特征，所述属性特征中包括文本信息和数据信息；
基于各所述待匹配信息的数据信息进行横向数据分析和/或纵向数据分析，以确定各所述待匹配信息的数据特征；
根据对应的匹配概率对各所述待匹配信息进行筛选得到匹配信息，以确定匹配信息集合；
基于对应的匹配概率对各所述匹配信息进行排序；
输出匹配结果，所述匹配结果包括排序后的匹配信息和各所述匹配信息对应的推荐文本，所述推荐文本基于所述文本信息和所述数据特征生成。


2.根据权利要求1所述的方法，其特征在于，所述确定目标用户信息和与所述目标用户信息对应的待匹配信息集合包括：
确定目标用户信息；
根据所述目标用户信息获取所述目标用户的历史行为信息；
根据所述历史行为信息确定至少一个待匹配信息，以获得待匹配信息集合。


3.根据权利要求1所述的方法，其特征在于，所述评分模型中包括第一注意力层、第二注意力层、知识图谱以及评分子模型；
所述将所述目标用户信息和待匹配信息集合输入预先训练得到的评分模型中，输出各所述待匹配信息的匹配概率以及属性特征包括：
将所述目标用户信息和所述知识图谱输入所述第一注意力层，输出用户偏好向量；
将所述待匹配信息集合和所述知识图谱输入所述第二注意力层，输出待匹配向量集合，所述待匹配向量集合中包括至少一个与所述待匹配信息对应的待匹配向量；
将所述用户偏好向量和所述待匹配向量输入所述评分子模型，输出各所述待匹配信息的匹配概率以及属性特征。


4.根据权利要求1所述的方法，其特征在于，所述基于各所述待匹配信息的数据信息进行横向数据分析和/或纵向数据分析，以确定各所述待匹配信息的数据特征包括：
根据各所述待匹配信息的数据信息确定目标特征值；
基于各所述待匹配信息的目标特征值进行横向数据分析，以确定各所述待匹配信息的数据特征。


5.根据权利要求1所述的方法，其特征在于，所述基于各所述待匹配信息的数据信...

【专利技术属性】
技术研发人员：卜国卿，刘路辉，占翼，涂鼎，姜才康，李正，卢艳民，茅廷，
申请(专利权)人：中汇信息技术上海有限公司，
类型：发明
国别省市：上海;31