[發明專利]資源分配方法、裝置、計算機設備及存儲介質

有效

• 申請號: 202110037824.6
• 申請日: 2021-01-12
• 公開（公告）號: CN112801144B
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 陳弘;牛犇;張莉;吳志成
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06Q10/04;G06Q10/06
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 楊毅玲;劉麗華

1.一種資源分配方法，其特征在于，所述方法包括：

使用特征分類模型對多個目標對象的數據表中的數據進行特征分類，得到每個數據表對應的多個特征類別；

根據每個數據表對應的多個特征類別為對應的目標對象構建特征類別數據矩陣，所述特征類別數據矩陣包括多個特征類別數據向量；

將每個目標對象的多個特征類別數據向量輸入多任務多輸出預測模型中進行預測，得到每個目標對象的每個特征類別對應的多個評價類別及每個評價類別對應的評價概率；

根據每個目標對象的多個特征類別及每個評價類別對應的評價概率生成特征評價概率矩陣；

根據多個所述特征評價概率矩陣對所述多個目標對象進行聚類，得到多個目標對象簇；

根據所述多個目標對象簇為每個目標對象分配資源。

2.如權利要求1所述的資源分配方法，其特征在于，所述根據每個數據表對應的多個特征類別為對應的目標對象構建特征類別數據矩陣包括：

對于每個目標對象，獲取同一個特征類別對應的多個數據；

將同一個特征類別對應的多個數據進行拼接得到特征類別數據向量；

根據多個特征類別對應的特征類別數據向量構建第一特征類別數據矩陣；

對所述第一特征類別數據矩陣分別進行橫向歸一化處理和縱向歸一化處理得到第二特征類別數據矩陣。

3.如權利要求2所述的資源分配方法，其特征在于，在得到所述第二特征類別數據矩陣之后，所述方法還包括：

計算所述第二特征類別數據矩陣中每個特征類別數據向量中的每個數據指標的權重；

根據所述權重更新對應的特征類別數據向量，得到第一特征類別數據向量；

基于所述第一特征類別數據向量中的數據提取多個交叉特征數據；

計算每個交叉特征數據與對應的第一特征類別數據向量中的每個數據指標的數據之間的相關性；

根據所述相關性篩選出多個目標交叉特征數據；

基于所述多個目標交叉特征數據更新對應的第一特征類別數據向量，得到第二特征類別數據向量；

基于每個目標對象的多個第二特征類別數據向量生成目標特征類別數據矩陣。

4.如權利要求1所述的資源分配方法，其特征在于，所述根據每個目標對象的多個特征類別及每個評價類別對應的評價概率生成特征評價概率矩陣包括：

對于每個特征類別，獲取對應的多個評價概率中的最大評價概率；

將所述多個評價概率中除所述最大評價概率外的評價概率設置為預設值；

根據每個特征類別對應的所述最大評價概率及多個所述預設值生成特征評價概率矩陣。

5.如權利要求4所述的資源分配方法，其特征在于，所述根據多個所述特征評價概率矩陣對所述多個目標對象進行聚類，得到多個目標對象簇包括：

對多個所述特征評價概率矩陣進行聚類，得到多個特征評價概率矩陣簇；

確定每個特征評價概率矩陣簇中的特征評價概率矩陣對應的目標對象，得到目標對象簇。

6.如權利要求1至5中任意一項所述的資源分配方法，其特征在于，所述根據所述多個目標對象簇為每個目標對象分配資源包括：

計算每個目標對象簇對應的評價概率矩陣簇的平均評價概率矩陣；

根據所述平均評價概率矩陣計算評價分值；

根據所述評價分值對所述多個目標對象簇進行倒序排序；

為倒序排序后的多個目標對象簇中的目標對象分配對應的資源，其中，同一個目標對象簇中的目標對象分配相同的資源。

7.如權利要求6所述的資源分配方法，其特征在于，所述根據所述平均評價概率矩陣計算評價分值包括：

計算每個目標對象簇的平均評價概率與對應的特征類別的特征類別權重之間的加權平均和，得到每個目標對象簇的評價分值。