一种基于区块链的项目匹配方法、装置、设备及存储介质制造方法及图纸

本实施例提供了一种基于区块链的项目匹配方法、装置、设备及存储介质，采集项目、市场、人员及投资机构的源数据；针对源数据进行预处理；其中，预处理数据包括训练数据、预测数据及投资机构数据；将第一市场数据、第一项目数据、第一人员数据及第一评分数据输入至预置的机器学习模型，得到训练后的机器学习模型；将第二市场数据、第二项目数据、第二人员数据输入至训练后的机器学习模型，得到对应的第二评分数据；根据投资机构数据得到投资机构对应的投资机构评分数据；根据第二评分数据及投资机构评分数据对项目及投资机构进行匹配，得到匹配结果。同时进行三方数据(市场、项目、人员)的分析，提供准确的评估结果。

【技术实现步骤摘要】
一种基于区块链的项目匹配方法、装置、设备及存储介质
本专利技术涉及计算机
，特别是涉及一种基于区块链的项目匹配方法和一种基于区块链的项目匹配装置、一种计算机设备及一种存储介质。
技术介绍
继2015年“大众创业、万众创新”首次写入政府工作报告后，高校应届毕业生作为创新创业项目(简称“双创项目”)的核心力量，正越来越多的获得社会的关注，各类投资机构也纷纷将其业务重心向创新创业的应届毕业生(简称“双创毕业生”)转移。但目前我国在应届双创毕业与投资机构的对接方面，仍存在很多问题；例如，应届毕业生初入社会，即使有好的双创项目，也很难找到合适的投资方，将项目落地实施。很多好的双创项目就是在毕业生一次次的东奔西跑、与投资机构见面并被拒后，项目匹配效率较低；其次，投资机构面对种类繁多的“双创”项目和应届双创毕业生时，很难做到对每个双创项目和人员都进行仔细的评估，因为这将花费大量的人力物力，成本巨大且效果不佳。因此投资机构经常会遗漏或错投项目，导致公司受损；若部分投资机构打着投资者的名义，剽窃应届双创毕业生的双创项目和想法，毕业生由于社会阅历不足以及相关法律知识不熟悉，再加上没有可信的确权证据，可能会导致维权行为较为困难。
技术实现思路
鉴于上述问题，提出了本实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于区块链的项目匹配方法、一种基于区块链的项目匹配装置、一种计算机设备及一种存储介质。为了解决上述问题，本实施例公开了一种基于区块链的项目匹配方法，包括：采集项目、市场、人员及投资机构的源数据；针对所述源数据进行预处理，得到预处理数据；其中，所述预处理数据包括训练数据、预测数据及投资机构数据；所述训练数据包括第一市场数据、第一项目数据、第一人员数据及第一评分数据；所述预测数据包括第二市场数据、第二项目数据、第二人员数据；将所述第一市场数据、第一项目数据、第一人员数据及第一评分数据输入至预置的机器学习模型，得到训练后的机器学习模型；将所述第二市场数据、第二项目数据、第二人员数据输入至所述训练后的机器学习模型，得到对应的第二评分数据；根据所述投资机构数据得到投资机构对应的投资机构评分数据；根据所述第二评分数据及所述投资机构评分数据对项目及投资机构进行匹配，得到匹配结果。优选地，所述将所述第一市场数据、第一项目数据、第一人员数据及第一评分数据输入至预置的机器学习模型，得到训练后的机器学习模型，包括：将所述第一市场数据、第一人员数据及第一评分数据输入至预置的机器学习模型，得到训练后的机器学习模型；和/或，将所述第一市场数据、第一项目数据及第一评分数据输入至预置的机器学习模型，得到训练后的机器学习模型；和/或，将所述第一人员数据、第一项目数据及第一评分数据输入至预置的机器学习模型，得到训练后的机器学习模型。优选地，所述将所述第二市场数据、第二项目数据、第二人员数据输入至所述训练后的机器学习模型，得到对应的第二评分数据，包括：将所述第二市场数据、第二人员数据输入至所述训练后的机器学习模型，得到对应的第三评分数据；和/或，将所述第二市场数据、第二项目数据输入至所述训练后的机器学习模型，得到对应的第四评分数据；和/或，将所述第二人员数据、第二项目数据输入至所述训练后的机器学习模型，得到对应的第五评分数据；将所述第三评分数据和/或第四评分数据和/或第五评分数据进行交叉对比和匹配，得到第二评分数据。优选地，所述将所述第一市场数据、第一项目数据、第一人员数据及第一评分数据输入至预置的机器学习模型，得到训练后的机器学习模型，包括：根据所述第一市场数据、第一项目数据、第一人员数据分别生成对应的第一市场画像、第一项目画像及第一人员画像；将经过数据整合的所述第一市场画像、第一项目画像、第一人员画像及第一评分数据输入至预置的机器学习模型，得到训练后的机器学习模型。优选地，所述方法还包括：将所述源数据、预处理数据、第二评分数据及匹配结果作为区块数据存储至区块链中。优选地，所述方法还包括：接收针对所述项目的搜索请求；响应所述搜索请求展现所述项目的第二评分数据。优选地，所述第一市场数据包括目标市场现有规模、扶持政策、发展趋势；所述第一项目数据包括投入资金、投资回报水平、市场准入标准、所需人员数量、人员技能、所需人际关系网络、业务上下游渠道；所述第一人员数据包括学习成绩、课外活动成绩、课程信息、教师评价、实习单位评价、实习岗位、实习成绩；所述根据所述第一市场数据、第一项目数据、第一人员数据分别生成对应的第一市场画像、第一项目画像及第一人员画像，包括：根据所述目标市场现有规模、扶持政策、发展趋势生成对应的第一市场画像；和/或，根据所述投入资金、投资回报水平、市场准入标准、所需人员数量、人员技能、所需人际关系网络、业务上下游渠道生成对应的第一项目画像；和/或，根据所述学习成绩、课外活动成绩、课程信息、教师评价、实习单位评价、实习岗位、实习成绩生成对应的第一人员画像。本实施例还公开了一种基于区块链的项目匹配装置，包括：源数据采集模块，用于采集项目、市场、人员及投资机构的源数据；预处理数据模块，用于针对所述源数据进行预处理，得到预处理数据；其中，所述预处理数据包括训练数据、预测数据及投资机构数据；所述训练数据包括第一市场数据、第一项目数据、第一人员数据及第一评分数据；所述预测数据包括第二市场数据、第二项目数据、第二人员数据；训练模块，用于将所述第一市场数据、第一项目数据、第一人员数据及第一评分数据输入至预置的机器学习模型，得到训练后的机器学习模型；预测模块，用于将所述第二市场数据、第二项目数据、第二人员数据输入至所述训练后的机器学习模型，得到对应的第二评分数据；投资机构模块，用于根据所述投资机构数据得到投资机构对应的投资机构评分数据；匹配结果获得模块，用于根据所述第二评分数据及所述投资机构评分数据对项目及投资机构进行匹配，得到匹配结果。本实施例还公开了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的基于区块链的项目匹配方法的步骤。本实施例还公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于区块链的项目匹配方法的步骤。本实施例包括以下优点：本实施例中，采集项目、市场、人员及投资机构的源数据；针对所述源数据进行预处理，得到预处理数据；其中，所述预处理数据包括训练数据、预测数据及投资机构数据；所述训练数据包括第一市场数据、第一项目数据、第一人员数据及第一评分数据；所述预测数据包括第二市场数据、第二项目数据、第二人员数据；将所述第一市场数据、第一项目数据、第一人员数据及第一评分数据输入至预置的机器学习模型，得到训练后的机器学习模型；将所述本文档来自技高网...

【技术保护点】
1.一种基于区块链的项目匹配方法，其特征在于，包括：/n采集项目、市场、人员及投资机构的源数据；/n针对所述源数据进行预处理，得到预处理数据；其中，所述预处理数据包括训练数据、预测数据及投资机构数据；所述训练数据包括第一市场数据、第一项目数据、第一人员数据及第一评分数据；所述预测数据包括第二市场数据、第二项目数据、第二人员数据；/n将所述第一市场数据、第一项目数据、第一人员数据及第一评分数据输入至预置的机器学习模型，得到训练后的机器学习模型；/n将所述第二市场数据、第二项目数据、第二人员数据输入至所述训练后的机器学习模型，得到对应的第二评分数据；/n根据所述投资机构数据得到投资机构对应的投资机构评分数据；/n根据所述第二评分数据及所述投资机构评分数据对项目及投资机构进行匹配，得到匹配结果。/n

【技术特征摘要】
1.一种基于区块链的项目匹配方法，其特征在于，包括：
采集项目、市场、人员及投资机构的源数据；
针对所述源数据进行预处理，得到预处理数据；其中，所述预处理数据包括训练数据、预测数据及投资机构数据；所述训练数据包括第一市场数据、第一项目数据、第一人员数据及第一评分数据；所述预测数据包括第二市场数据、第二项目数据、第二人员数据；
将所述第一市场数据、第一项目数据、第一人员数据及第一评分数据输入至预置的机器学习模型，得到训练后的机器学习模型；
将所述第二市场数据、第二项目数据、第二人员数据输入至所述训练后的机器学习模型，得到对应的第二评分数据；
根据所述投资机构数据得到投资机构对应的投资机构评分数据；
根据所述第二评分数据及所述投资机构评分数据对项目及投资机构进行匹配，得到匹配结果。


2.根据权利要求1所述的方法，其特征在于，所述将所述第一市场数据、第一项目数据、第一人员数据及第一评分数据输入至预置的机器学习模型，得到训练后的机器学习模型，包括：
将所述第一市场数据、第一人员数据及第一评分数据输入至预置的机器学习模型，得到训练后的机器学习模型；
和/或，将所述第一市场数据、第一项目数据及第一评分数据输入至预置的机器学习模型，得到训练后的机器学习模型；
和/或，将所述第一人员数据、第一项目数据及第一评分数据输入至预置的机器学习模型，得到训练后的机器学习模型。


3.根据权利要求1或2所述的方法，其特征在于，所述将所述第二市场数据、第二项目数据、第二人员数据输入至所述训练后的机器学习模型，得到对应的第二评分数据，包括：
将所述第二市场数据、第二人员数据输入至所述训练后的机器学习模型，得到对应的第三评分数据；
和/或，将所述第二市场数据、第二项目数据输入至所述训练后的机器学习模型，得到对应的第四评分数据；
和/或，将所述第二人员数据、第二项目数据输入至所述训练后的机器学习模型，得到对应的第五评分数据；
将所述第三评分数据和/或第四评分数据和/或第五评分数据进行交叉对比和匹配，得到第二评分数据。


4.根据权利要求1所述的方法，其特征在于，所述将所述第一市场数据、第一项目数据、第一人员数据及第一评分数据输入至预置的机器学习模型，得到训练后的机器学习模型，包括：
根据所述第一市场数据、第一项目数据、第一人员数据分别生成对应的第一市场画像、第一项目画像及第一人员画像；
将经过数据整合的所述第一市场画像、第一项目画像、第一人员画像及第一评分数据输入至预置的机器学习模型，得到训练后的机器学习模型。


5.根据权利要求1或2或4所述的方法，其...

【专利技术属性】
技术研发人员：綦海家，黄劲，
申请(专利权)人：盈盛智创科技广州有限公司，
类型：发明
国别省市：广东;44