[發明專利]任務分配方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202011405908.2
• 申請日: 2020-12-02
• 公開（公告）號: CN112529390A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 張俊杰;滿天龍;王振明
• 申請（專利權）人: 平安醫療健康管理股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06N3/04;G06N3/08;G06F16/35;G06F40/284;G06F40/30;G06K9/62
• 代理公司: 深圳市明日今典知識產權代理事務所(普通合伙) 44343
• 代理人: 王杰輝;宋慶洪

1.一種任務分配方法，其特征在于，包括以下步驟：

獲取待分配任務集合中各任務的標簽信息，并基于所述標簽信息生成各個所述任務的任務標簽向量；

獲取各個眾包用戶的個體標簽信息，并基于各個所述個體標簽信息生成各個所述眾包用戶的個體標簽向量；

將每個所述任務標簽向量與每個所述個體標簽向量分別由不同的輸入端輸入至預設的派單孿生神經網絡中，基于所述派單孿生神經網絡計算得到所述任務與每個所述眾包用戶的匹配度；其中，所述預設的派單孿生神經網絡包括兩個輸入端；

確定出與所述任務對應的匹配度最高的眾包用戶作為目標眾包用戶；

將所述任務分配至對應的所述目標眾包用戶進行調查。

2.根據權利要求1所述的任務分配方法，其特征在于，所述獲取待分配任務集合中各任務的標簽信息的步驟之前，還包括：

接收發單數據；所述發單數據包括圖片數據以及文本數據，所述文本數據中包括委托事項；

基于OCR系統對所述圖片數據進行識別得到識別結果，并基于隨機森林模型從所述識別結果中識別得到第一任務集合；

基于預設的語義分類孿生神經網絡對所述文本數據中的委托事項進行識別，得到第二任務集合；其中，所述語義分類孿生神經網絡基于孿生神經網絡訓練得到；輸入所述語義分類孿生神經網絡的數據包括委托事項以及對應的標準任務；

將所述第一任務集合與所述第二任務集合進行合并，并進行去重處理，得到所述待分配任務集合。

3.根據權利要求1所述的任務分配方法，其特征在于，所述將所述任務分配至對應的所述目標眾包用戶進行調查的步驟之后，包括：

獲取所述目標眾包用戶對所述任務的調查結果；

基于預設的打分孿生神經網絡，對所述任務的調查結果進行打分，得到打分分值；

判斷所述打分分值是否大于閾值；

若不大于，則確定需要對所述調查結果進行復核；若大于，則確定不需要對所述調查結果進行復核。

4.根據權利要求3所述的任務分配方法，其特征在于，所述基于預設的打分孿生神經網絡，對所述任務的調查結果進行打分，得到打分分值的步驟，包括：

獲取與所述任務對應的標準任務；

將所述調查結果由所述打分孿生神經網絡的一個輸入端輸入，將所述標準任務由所述打分孿生神經網絡的另一個輸入端輸入，并基于所述打分孿生神經網絡輸出得到所述調查結果與所述標準任務之間的匹配度；

將所述匹配度作為對所述任務的調查結果的打分分值。

5.根據權利要求1所述的任務分配方法，其特征在于，所述派單孿生神經網絡包括兩個第一輸入端，以及兩個結構相同的第一特征提取模塊、一個第一分類模塊以及一個第一sigmoid層；

兩個第一輸入端分別用于輸入任務標簽向量以及個體標簽向量，且每個所述第一輸入端連接一個第一特征提取模塊；

兩個所述第一特征提取模塊的結構均包括3層16維度全連接層、3層歸一化層以及3層線性整流函數層，用于分別對所述任務標簽向量以及個體標簽向量進行特征提取；

所述第一分類模塊為2維度全連接層，用于對兩個所述特征提取模塊的輸出融合后進行特征提取；

所述第一sigmoid層用于對所述第一分類模塊的輸出特征進行匹配度計算。