业务匹配方法组成比例

本申请涉及一种业务匹配方法

【技术实现步骤摘要】
业务匹配方法、装置、计算机设备、存储介质和产品


[0001]本申请涉及大数据和人工智能
，特别是涉及一种业务匹配方法
、
装置
、
计算机设备
、
存储介质和计算机程序产品
。

技术介绍

[0002]人工智能是研究
、
开发用于模拟
、
延伸和扩展人的智能的理论
、
方法
、
技术及应用系统的一门技术科学
。
人工智能具有代表性的技术有图像识别
、
语音翻译
、
自动驾驶
、
人机对弈，再到目前正在市场化的产品如家用机器人
、
智慧金融等
。
这些都可以表明人工智能已渗透到了各行各业并且扮演着至关重要的角色
。
其中，图片内容的分析及分类就是采用了人工智能的图片分类技术
。
[0003]目前用户在使用一些具有业务推广
、
广告推荐等功能的软件时，这些软件会将所有需要推广的内容按照一定的排序规则全部展示给用户，这会造成数据传输资源的浪费
。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够避免数据传输资源浪费的业务匹配方法
、
装置
、
计算机设备
、
计算机可读存储介质和计算机程序产品
。
[0005]第一方面，本申请提供了一种业务匹配方法，所述方法包括：
[0006]确定目标对象的存储设备中存储的多个目标图片；
[0007]按照每一所述目标图片中的图片内容对各所述目标图片进行分类处理，得到每一所述目标图片各自所属的图片类型；
[0008]确定待匹配的多个候选业务，并根据每一所述候选业务的关键词确定各所述候选业务的业务标签；所述业务标签与所述图片类型之间存在对应关系；
[0009]将所述目标对象对应的图片类型与每一所述候选业务各自的业务标签进行匹配，得到与所述目标对象对应的图片类型相匹配的目标业务
。
[0010]在其中一个实施例中，所述得到每一所述目标图片各自所属的图片类型之前，包括：
[0011]确定初始图片分类模型和多个样本图片；
[0012]基于所述初始图片分类模型和每一所述样本图片中的图片内容，对各所述样本图片进行分类处理，得到每一所述样本图片各自的预测类型；
[0013]确定每一所述样本图片各自的真实类型；
[0014]基于每一所述样本图片各自的真实类型和预测类型，确定模型损失；
[0015]基于所述模型损失，对所述初始图片分类模型中的参数进行优化，得到用于对所述目标图片进行分类的图片分类模型
。
[0016]在其中一个实施例中，所述得到用于对所述目标图片进行分类的图片分类模型之后，包括：
[0017]获取目标对象的存储设备的后台参数；
[0018]基于所述后台参数，对所述图片分类模型进行封装处理，得到用于对所述目标图片进行分类的分类接口
。
[0019]在其中一个实施例中，每一所述候选业务各自对应的业务标签的数量至少为一个；
[0020]所述根据每一所述候选业务的关键词确定各所述候选业务的业务标签，包括：
[0021]获取每一所述候选业务各自的业务描述内容；
[0022]从每一所述候选业务各自的业务描述内容中提取与所述候选业务对应的至少一个关键词；
[0023]基于每一所述候选业务各自的关键词，确定每一所述候选业务各自对应的至少一个业务标签
。
[0024]在其中一个实施例中，所述确定目标对象的存储设备中存储的多个目标图片，包括：
[0025]确定进行业务匹配的历史时间节点；
[0026]基于所述历史时间节点对目标对象的存储设备中存储的多个候选图片进行筛选，得到多个目标图片
。
[0027]在其中一个实施例中，所述将所述目标对象对应的图片类型与每一所述候选业务各自的业务标签进行匹配，得到与所述目标对象对应的图片类型相匹配的目标业务，包括：
[0028]获取每一所述图片类型各自对应的图片数量；
[0029]基于所述图片数量，对各所述图片类型进行排序，得到排序结果；
[0030]根据所述排序结果，从各所述图片类型中筛选出进行业务匹配的图片类型；
[0031]根据进行业务匹配的图片类型与每一所述候选业务各自对应的业务标签之间的匹配结果，确定目标业务
。
[0032]第二方面，本申请提供了一种业务匹配装置，所述装置包括：
[0033]图片确定模块，用于确定目标对象的存储设备中存储的多个目标图片；
[0034]类型确定模块，用于按照每一所述目标图片中的图片内容对各所述目标图片进行分类处理，得到每一所述目标图片各自所属的图片类型；
[0035]标签确定模块，用于确定待匹配的多个候选业务，并根据每一所述候选业务的关键词确定各所述候选业务的业务标签；所述业务标签与所述图片类型之间存在对应关系；
[0036]业务匹配模块，用于将所述目标对象对应的图片类型与每一所述候选业务各自的业务标签进行匹配，得到与所述目标对象对应的图片类型相匹配的目标业务
。
[0037]第三方面，本申请提供了一种计算机设备，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方法的步骤
。
[0038]第四方面，本申请提供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方法的步骤
。
[0039]第五方面，本申请提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的方法的步骤
。
[0040]上述业务匹配方法
、
装置
、
计算机设备
、
存储介质和计算机程序产品，通过对目标对象的存储设备中存储的多个目标图片进行分类，得到每一目标图片各自所属的图片类型，从而可以通过识别目标图片的图片类型来了解目标对象的偏好；通过根据待匹配的候
选业务的关键词确定每一候选业务各自对应的业务标签，并将目标对象所对应的图片类型和候选业务的业务标签进行匹配，确定与目标对象的图片类型相匹配的目标业务，从而可以根据目标对象的偏好为目标对象推荐合适的目标业务，从而可以使得在目标对象进行业务的浏览时，所浏览到的业务均为目标对象所感兴趣的业务，从而能够避免数据传输资源的浪费
。
附图说明
[0041]图1为一个实施例中业务匹配方法的应用环境图；
[0042]图2为一个实施例中业务匹配方法的流程示意图；
[0043]图3为一个实施例中参数优化步骤的流程示意图；
[0044]图4为一个实施例中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种业务匹配方法，其特征在于，所述方法包括：确定目标对象的存储设备中存储的多个目标图片；按照每一所述目标图片中的图片内容对各所述目标图片进行分类处理，得到每一所述目标图片各自所属的图片类型；确定待匹配的多个候选业务，并根据每一所述候选业务的关键词确定各所述候选业务的业务标签；所述业务标签与所述图片类型之间存在对应关系；将所述目标对象对应的图片类型与每一所述候选业务各自的业务标签进行匹配，得到与所述目标对象对应的图片类型相匹配的目标业务
。2.
根据权利要求1所述的方法，其特征在于，所述得到每一所述目标图片各自所属的图片类型之前，包括：确定初始图片分类模型和多个样本图片；基于所述初始图片分类模型和每一所述样本图片中的图片内容，对各所述样本图片进行分类处理，得到每一所述样本图片各自的预测类型；确定每一所述样本图片各自的真实类型；基于每一所述样本图片各自的真实类型和预测类型，确定模型损失；基于所述模型损失，对所述初始图片分类模型中的参数进行优化，得到用于对所述目标图片进行分类的图片分类模型
。3.
根据权利要求2所述的方法，其特征在于，所述得到用于对所述目标图片进行分类的图片分类模型之后，包括：获取目标对象的存储设备的后台参数；基于所述后台参数，对所述图片分类模型进行封装处理，得到用于对所述目标图片进行分类的分类接口
。4.
根据权利要求1所述的方法，其特征在于，每一所述候选业务各自对应的业务标签的数量至少为一个；所述根据每一所述候选业务的关键词确定各所述候选业务的业务标签，包括：获取每一所述候选业务各自的业务描述内容；从每一所述候选业务各自的业务描述内容中提取与所述候选业务对应的至少一个关键词；基于每一所述候选业务各自的关键词，确定每一所述候选业务各自对应的至少一个业务标签
。5.
根据权利要求1所述的方法，其特征在于，所述确定目标对象的存储设备中...

【专利技术属性】
技术研发人员：刘博，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：