一种目标对象推荐方法及系统技术方案

本发明专利技术提供一种目标对象推荐方法及系统，所述的目标对象推荐方法包括：获取待分配的目标对象的目标文本，通过所述目标文本获取多个特征标签，并通过多个所述特征标签获取特征矩阵；将所述特征矩阵输入到神经网络中进行分类处理，获取分类结果，并通过训练所述神经网络获取推荐模型，所述分类结果包括分类后的承揽对象和第一置信度；将多个所述待分配的目标对象所对应的特征矩阵输入到所述推荐模型中，分别获取推荐后的分类结果，根据所述推荐后的分类结果确定所述承揽对象将要分配的目标对象。提高了潜在目标对象分配的精度，提高承揽服务的满意度。的满意度。的满意度。

【技术实现步骤摘要】
一种目标对象推荐方法及系统


[0001]本专利技术涉及大数据
，特别是涉及一种目标对象推荐方法及系统。

技术介绍

[0002]随着经济社会的发展，普通大众对于服务的需求越来越专业化和细分化，受限制于获得服务的方式和途径，服务方往往均不能找到精确的、理想的目标对象，尤其体现在专业性较强的承揽服务中，其中，承揽服务是指当事人/承揽对象为目标对象一方完成一定的工作，目标对象在验收后支付约定的报酬的行为。
[0003]目前，可以通过构建信息化的服务平台为承揽对象进行派单，达到分配目标对象的目的，然而，当目标对象在服务平台发出请求时，平台如何精确地将合适的目标对象派发给入库的承揽对象进行处理，将会是一个现实问题，直接影响着服务平台的可持续发展，例如，直接目标对象的满意程度以及承揽对象的粘性。

技术实现思路

[0004]鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种目标对象推荐方法及系统，用于解决现有技术中目标对象推荐不精确的问题。
[0005]为实现上述目的及其他相关目的，本专利技术提供一种目标对象推荐方法，包括：获取待分配的目标对象的目标文本，通过所述目标文本获取多个特征标签，并通过多个所述特征标签获取特征矩阵；将所述特征矩阵输入到神经网络中进行分类处理，获取分类结果，并通过训练所述神经网络获取推荐模型，所述分类结果包括分类后的承揽对象和第一置信度；将多个所述待分配的目标对象所对应的特征矩阵输入到所述推荐模型中，分别获取推荐后的分类结果，根据所述推荐后的分类结果确定所述承揽对象将要分配的目标对象。
[0006]可选的，根据所述推荐后的分类结果确定所述承揽对象将要分配的目标对象，包括：设置第一阈值，当第一置信度大于或者等于第一阈值时，则判定推荐有效，并将所述待分配的目标对象分配给所述承揽对象。
[0007]可选的，通过所述目标文本获取多个特征标签，包括：将所述待分配的目标对象的文本进行自然语言处理，并将处理结果与标注的特征标签进行相似度对比，根据所述相似度的大小，获取处理后的特征标签。
[0008]可选的，所述神经网络包括输入层、隐藏层以及输出层，通过损失函数对所述神经网络进行训练，所述损失函数包括第一损失函数和第二损失函数，所述第一损失函数包括所述处理后的特征标签与所述标注的特征标签之间的损失，所述第二损失函数包括待分配的目标对象与推荐后的承揽对象之间的损失。
[0009]可选的，所述损失函数的数学表达为：
其中，L为损失函数，L1为第一损失函数，L2为第二损失函数，N为所述处理后的特征标签的数量，M为所述承揽标签的数量；当所述处理后的特征标签的集合中第i个标签与标注的特征标签的集合中的第e个标签匹配时，x（ie）=1，否则，x（ie）=0；pie为所述处理后的特征标签的集合中第i个标签与标注的特征标签的集合中的第e个标签匹配的概率；当第k个待分配的目标对象与推荐后的承揽对象匹配时，zk=1，否则，zk=0；pk为所述待分配的目标对象与推荐后的承揽对象的概率。
[0010]可选的，根据所述推荐后的分类结果确定所述承揽对象将要分配的目标对象之后，包括：当所述承揽对象拒绝所述待分配的目标对象时，改变所述承揽对象的所述第一置信度，获取第二置信度；当第二置信度大于或者等于所述第一阈值时，则判定推荐有效，并将所述待分配的目标对象分配给所述承揽对象；当第二置信度小于所述第一阈值时，则将所述待分配的目标对象分配给第一置信度最高的承揽对象。
[0011]可选的，所述第二置信度的数学表达为：其中，t为单位时间内的所述承揽对象的拒绝次数，b为单位时间内各个所述承揽对象的平均拒绝次数，e为自然对数，a1为第一置信度，a2为第二置信度。
[0012]一种目标对象推荐系统，包括：获取模块，获取待分配的目标对象目标文本，通过所述目标文本获取多个的特征标签，并通过多个所述特征标签获取特征矩阵；模型模块，用于将所述特征矩阵输入到神经网络中进行分类处理，获取分类结果，并通过训练所述神经网络获取推荐模型，所述分类结果包括分类后的承揽对象和第一置信度；处理模块，用于将多个所述待分配的目标对象所对应的特征矩阵输入到所述推荐模型中，分别获取推荐后的分类结果，根据所述推荐后的分类结果确定所述承揽对象将要
分配的目标对象。
[0013]一种电子设备，包括：一个或多个处理器；和其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述电子设备执行所述的目标对象推荐方法。
[0014]一种机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得设备执行所述的目标对象推荐方法。
[0015]如上所述，本专利技术的目标对象推荐方法及系统，具有以下有益效果：通过推荐模型的分类处理，获取分类后的承揽对象以及第一置信度，根据第一置信度的大小，选取第一置信度较高的分类后的承揽对象，判定所述待分配的目标对象与第一置信度较高的分类后的承揽对象匹配，进行分配，提高了潜在目标对象分配的精度，提高承揽服务的满意度。
[0016]附图说明
[0017]图1显示为本专利技术实施例的目标对象推荐方法的示意图。
[0018]图2显示为本专利技术实施例的目标对象推荐系统的示意图。
[0019]具体实施方式
[0020]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。
[0021]需要说明的是，本实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本专利技术可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本专利技术所能产生的功效及所能达成的目的下，均应仍落在本专利技术所揭示的
技术实现思路
得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本专利技术可实施的范围，其相对关系的改变或调整，在无实质变更
技术实现思路
下，当亦视为本专利技术可实施的范畴。
[0022]在承揽服务推荐平台中，目标对象向平台发出需求请求，平台根据承揽对象的特性，将合适的目标对象推荐给特定的承揽对象，不仅能够满足目标对象的需求，而且承揽对象能够获取理想的目标用户，降低机会成本，请参阅图1，本专利技术提供一种目标对象推荐方法，包括：S1：获取待分配的目标对象的目标文本，通过所述目标文本获取多个特征标签，并
通过多个所述特征标签获取特征矩阵；S2：将所述特征矩阵输入到神经网络中进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标对象推荐方法，其特征在于，包括：获取待分配的目标对象的目标文本，通过所述目标文本获取多个特征标签，并通过多个所述特征标签获取特征矩阵；将所述特征矩阵输入到神经网络中进行分类处理，获取分类结果，并通过训练所述神经网络获取推荐模型，所述分类结果包括分类后的承揽对象和第一置信度；将多个所述待分配的目标对象所对应的特征矩阵输入到所述推荐模型中，分别获取推荐后的分类结果，根据所述推荐后的分类结果确定所述承揽对象将要分配的目标对象。2.据权利要求1所述的目标对象推荐方法，其特征在于，根据所述推荐后的分类结果确定所述承揽对象将要分配的目标对象，包括：设置第一阈值，当第一置信度大于或者等于第一阈值时，则判定推荐有效，并将所述待分配的目标对象分配给所述承揽对象。3.根据权利要求2所述的目标对象推荐方法，其特征在于，通过所述目标文本获取多个特征标签，包括：将所述待分配的目标对象的文本进行自然语言处理，并将处理结果与标注的特征标签进行相似度对比，根据所述相似度的大小，获取处理后的特征标签。4.根据权利要求3所述的目标对象推荐方法，其特征在于，所述神经网络包括输入层、隐藏层以及输出层，通过损失函数对所述神经网络进行训练，所述损失函数包括第一损失函数和第二损失函数，所述第一损失函数包括所述处理后的特征标签与所述标注的特征标签之间的损失，所述第二损失函数包括待分配的目标对象与推荐后的承揽对象之间的损失。5.根据权利要求4所述的目标对象推荐方法，其特征在于，所述损失函数的数学表达为：为：为：其中，L为损失函数，L1为第一损失函数，L2为第二损失函数，N为所述处理后的特征标签的数量，M为承揽标签的数量；当所述处理后的特征标签的集合中第i个标签与标注的特征标签的集合中的第e个标签匹配时，x（ie）=1，否则，x（ie）=0；pie为所述处理后的特征标签的集合中第i个标签与标注的特征标签的集合中的第e个标签匹配的概率；当第k个...

【专利技术属性】
技术研发人员：姚娟娟，钟南山，
申请(专利权)人：明品云北京数据科技有限公司，
类型：发明
国别省市：