本公开实施例提供数据需求匹配方法和装置、电子设备、存储介质，涉及人工智能技术领域。该数据需求匹配方法，包括：获取买方需求信息，将买方需求文本输入预先训练的需求文本提取模型，得到需求关键词，根据需求关键词和买方需求标签得到关联买方，根据关联买方的历史交易数据获取第一需求推荐列表，根据需求关键词输入预先训练的卖方商品推荐模型得到第二需求推荐列表，根据第一需求推荐列表和第二需求推荐列表得到匹配结果。本申请实施例结合买方和卖方两个角度的需求推荐列表得到最终的匹配结果，能够更全面的匹配买方需求，提高数据需求匹配效率。据需求匹配效率。据需求匹配效率。
【技术实现步骤摘要】
数据需求匹配方法和装置、电子设备、存储介质
[0001]本专利技术涉及数据流通、数据处理和人工智能
，尤其涉及数据需求匹配方法和装置、电子设备和存储介质。
技术介绍
[0002]随着大数据技术的成熟和发展，大数据在商业上的应用越来越广泛，大数据交易的需求也在不断增加。大数据商品与实体商品不同，难以直接评估其价值，也没有行业的定价标准，存在因为交易双方信息不够通畅而导致的交易效率低下的问题。
[0003]目前大数据交易中在需求的匹配上多以线下沟通或者在线数据交易平台的方式进行。即使是在线数据交易平台也多是人工处理为主，例如买方发布需求说明和关键词、标签，由数据交易平台的运营人员或卖方人员对需求进行阅读理解，并基于人工理解和经验选择潜在卖方，但选择后还需要线下的沟通买卖双方才能了解是否匹配。当平台需求较多的时候，目前的匹配方式可能存在的问题有：1)当需求量大的时候，纯人工的处理耗时费力，效率较低；
[0004]2)纯人工的理解，由于人的经验水平不一致，可能对需求的理解也不同，容易存在错误匹配。
技术实现思路
[0005]本公开实施例的主要目的在于提出一种数据需求匹配方法和装置、电子设备和存储介质，提高数据需求匹配效率以及数据需求匹配准确度。
[0006]为实现上述目的，本公开实施例的第一方面提出了一种数据需求匹配方法，包括：获取买方需求信息，所述买方需求信息包括：买方需求文本和买方需求标签；
[0007]将所述买方需求文本输入预先训练的需求文本提取模型，得到需求关键词；
[0008]将所述需求关键词和所述买方需求标签输入预先训练的关联买方推荐模型，得到关联买方；
[0009]根据所述关联买方的历史交易数据获取第一需求推荐列表；
[0010]将所述需求关键词输入预先训练的卖方商品推荐模型，得到第二需求推荐列表；
[0011]根据所述第一需求推荐列表和所述第二需求推荐列表得到匹配结果。
[0012]在一些实施例，所述预先训练的需求文本提取模型包括：文本分析模型和关键词提取模型；所述将所述买方需求文本输入预先训练的需求文本提取模型，得到需求关键词，包括：
[0013]将所述买方需求文本输入所述文本分析模型，得到文本分析结果；
[0014]将所述文本分析结果输入所述关键词提取模型进行匹配，得到所述需求关键词。
[0015]在一些实施例，所述将所述需求关键词和所述买方需求标签输入预先训练的关联买方推荐模型，得到关联买方，包括：
[0016]将所述需求关键词和所述买方需求标签输入预先训练的关联买方推荐模型，计算
得到用户相似度；
[0017]根据所述用户相似度筛选得到所述关联买方。
[0018]在一些实施例，所述根据所述第一需求推荐列表和所述第二需求推荐列表得到匹配结果，包括：
[0019]获取所述第一需求推荐列表的第一相关性排序结果；
[0020]根据所述第一相关性排序结果获取第一匹配结果；
[0021]获取所述第二需求推荐列表的第二相关性排序结果；
[0022]根据所述第二相关性排序结果获取第二匹配结果；
[0023]根据所述第一匹配结果和所述第二匹配结果得到所述匹配结果。
[0024]在一些实施例，所述根据所述第一匹配结果和所述第二匹配结果取交集，得到所述匹配结果，包括：
[0025]对所述第一匹配结果和所述第二匹配结果进行第三相关性排序；
[0026]根据所述第三相关性排序结果获取匹配结果。
[0027]在一些实施例，所述根据所述第一需求推荐列表和所述第二需求推荐列表得到匹配结果后，还包括：
[0028]根据所述匹配结果生成交易推荐方案。
[0029]在一些实施例，还包括：
[0030]获取买方根据所述交易推荐方案执行的交易行为；
[0031]利用所述交易行为训练所述关联买方推荐模型和所述卖方商品推荐模型。
[0032]为实现上述目的，本公开的第二方面提出了一种数据需求匹配装置，包括：
[0033]买方需求信息获取模块，用于获取买方需求信息，所述买方需求信息包括：买方需求文本和买方需求标签；
[0034]关键词提取模块，用于将所述买方需求文本输入预先训练的需求文本提取模型，得到需求关键词；
[0035]关联买方推荐模块，用于将所述需求关键词和所述买方需求标签输入预先训练的关联买方推荐模型，得到关联买方；
[0036]第一需求推荐列表获取模块，用于根据所述关联买方的历史交易数据获取第一需求推荐列表；
[0037]第二需求推荐列表获取模块，用于将所述需求关键词输入预先训练的卖方商品推荐模型，得到第二需求推荐列表；
[0038]匹配模块，用于根据所述第一需求推荐列表和所述第二需求推荐列表得到匹配结果。
[0039]为实现上述目的，本公开的第三方面提出了一种电子设备，包括：
[0040]至少一个存储器；
[0041]至少一个处理器；
[0042]至少一个程序；
[0043]所述程序被存储在存储器中，处理器执行所述至少一个程序以实现本公开如上述第一方面所述的方法。
[0044]为实现上述目的，本公开的第四方面提出了一种存储介质，该存储介质是计算机
可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行：
[0045]如上述第一方面所述的方法。
[0046]本公开实施例提出的数据需求匹配方法和装置、电子设备、存储介质，与相关技术相比，获取买方需求信息，其中，买方需求信息包括：买方需求文本和买方需求标签，将买方需求文本输入预先训练的需求文本提取模型，得到需求关键词，将需求关键词和买方需求标签输入预先训练的关联买方推荐模型，得到关联买方，根据关联买方的历史交易数据获取第一需求推荐列表，将需求关键词输入预先训练的卖方商品推荐模型，得到第二需求推荐列表，根据第一需求推荐列表和第二需求推荐列表得到匹配结果。本申请实施例通过对买方需求文本进行关键词提取，然后根据得到的需求关键词从买方角度进行匹配，得到第一需求推荐列表，然后再基于卖方角度进行匹配得到第二需求推荐列表，结合两个角度的需求推荐列表得到最终的匹配结果，能够更全面的匹配买方需求，提高数据需求匹配效率，避免相关技术中需求量大的时候，纯人工处理信息不对称耗时费力，效率较低的问题。同时采用预先训练的数据模型进行需求理解，提高数据需求匹配准确度，避免了由于人的经验水平不一致，对需求的理解不同，存在错误匹配的问题。
附图说明
[0047]图1是本公开实施例提供的数据需求匹配方法的流程图。
[0048]图2是图1中的步骤S102的流程图。
[0049]图3是图1中的步骤S103的流程图。
[0050]图4是图1中的步骤S106的流程图。
[0051]图5是本公开另一实施例实施本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数据需求匹配方法，其特征在于，包括：获取买方需求信息，所述买方需求信息包括：买方需求文本和买方需求标签；将所述买方需求文本输入预先训练的需求文本提取模型，得到需求关键词；将所述需求关键词和所述买方需求标签输入预先训练的关联买方推荐模型，得到关联买方；根据所述关联买方的历史交易数据获取第一需求推荐列表；将所述需求关键词输入预先训练的卖方商品推荐模型，得到第二需求推荐列表；根据所述第一需求推荐列表和所述第二需求推荐列表得到匹配结果。2.根据权利要求1所述的数据需求匹配方法，其特征在于，所述预先训练的需求文本提取模型包括：文本分析模型和关键词提取模型；所述将所述买方需求文本输入预先训练的需求文本提取模型，得到需求关键词，包括：将所述买方需求文本输入所述文本分析模型，得到文本分析结果；将所述文本分析结果输入所述关键词提取模型进行匹配，得到所述需求关键词。3.根据权利要求1所述的数据需求匹配方法，其特征在于，所述将所述需求关键词和所述买方需求标签输入预先训练的关联买方推荐模型，得到关联买方，包括：将所述需求关键词和所述买方需求标签输入预先训练的关联买方推荐模型，计算得到用户相似度；根据所述用户相似度筛选得到所述关联买方。4.根据权利要求1所述的数据需求匹配方法，其特征在于，所述根据所述第一需求推荐列表和所述第二需求推荐列表得到匹配结果，包括：获取所述第一需求推荐列表的第一相关性排序结果；根据所述第一相关性排序结果获取第一匹配结果；获取所述第二需求推荐列表的第二相关性排序结果；根据所述第二相关性排序结果获取第二匹配结果；根据所述第一匹配结果和所述第二匹配结果得到所述匹配结果。5.根据权利要求4所述的数据需求匹配方法，其特征在于，所述根据所述第一...
【专利技术属性】
技术研发人员：洪博然，尹志斌，杜自然，邵雷，董传晔，
申请(专利权)人：黄倩倩深圳市数聚湾区大数据研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。