[發(fā)明專利]基于多源異構(gòu)數(shù)據(jù)的資源分配方法、裝置和電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202110861785.1
• 申請(qǐng)日: 2021-07-29
• 公開（公告）號(hào): CN113657724A
• 公開（公告）日: 2021-11-16
• 發(fā)明（設(shè)計(jì)）人: 劉然;孫濤;沈赟
• 申請(qǐng)（專利權(quán)）人: 上海淇玥信息技術(shù)有限公司
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06;G06N20/20;G06Q40/02
• 代理公司: 北京清誠知識(shí)產(chǎn)權(quán)代理有限公司 11691
• 代理人: 喻穎

本發(fā)明屬于在計(jì)算機(jī)信息處理技術(shù)領(lǐng)域，提供一種基于多源異構(gòu)數(shù)據(jù)的資源分配方法、裝置和電子設(shè)備，方法包括：獲取用戶進(jìn)行資源請(qǐng)求時(shí)的用戶數(shù)據(jù)；根據(jù)所述用戶數(shù)據(jù)的類型分別輸入預(yù)設(shè)的機(jī)器學(xué)習(xí)模型，得到與所述類型對(duì)應(yīng)的評(píng)估結(jié)果；根據(jù)所述評(píng)估結(jié)果對(duì)所述用戶進(jìn)行資源分配。本發(fā)明通過獲取歷史用戶的用戶數(shù)據(jù)，并將不同類型的用戶數(shù)據(jù)分別輸入對(duì)應(yīng)的機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，利用訓(xùn)練好的機(jī)器學(xué)習(xí)模型對(duì)新用戶的用戶數(shù)據(jù)進(jìn)行評(píng)估，根據(jù)評(píng)估結(jié)果對(duì)新用戶進(jìn)行資源分配，減少了數(shù)據(jù)轉(zhuǎn)換過程中導(dǎo)致的信息損失，改善數(shù)據(jù)使用的單一性，提高了數(shù)據(jù)使用效率和模型輸出的準(zhǔn)確率，評(píng)估策略更靈活多變，降低了業(yè)務(wù)風(fēng)險(xiǎn)和損失。

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)信息處理技術(shù)領(lǐng)域，更具體的是涉及一種基于多源異構(gòu)數(shù)據(jù)的資源分配方法、裝置、電子設(shè)備和計(jì)算機(jī)可讀介質(zhì)。

背景技術(shù)

在各個(gè)領(lǐng)域中，特征對(duì)模型的效果影響尤為突出，好的特征不僅能夠提高模型在訓(xùn)練集上的效果，而且在跨時(shí)間驗(yàn)證上的效果也較為穩(wěn)定?，F(xiàn)有技術(shù)中對(duì)模型進(jìn)行訓(xùn)練時(shí)，通常會(huì)將各種非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換成結(jié)構(gòu)化數(shù)據(jù)，便于輸入模型，但實(shí)際上，非結(jié)構(gòu)化數(shù)據(jù)在轉(zhuǎn)成結(jié)構(gòu)化數(shù)據(jù)的過程中，往往會(huì)損失其中所蘊(yùn)含的信息量，降低了模型的精度，資源管理平臺(tái)使用模型對(duì)用戶進(jìn)行評(píng)估時(shí)的降低了評(píng)估結(jié)果的準(zhǔn)確率。

發(fā)明內(nèi)容

(一)要解決的技術(shù)問題

本發(fā)明旨在解決如何提高資源管理平臺(tái)評(píng)估用戶的準(zhǔn)確率的技術(shù)問題。

(二)技術(shù)方案

為解決上述技術(shù)問題，本發(fā)明的一方面提出一種基于多源異構(gòu)數(shù)據(jù)的資源分配方法，包括：

獲取用戶進(jìn)行資源請(qǐng)求時(shí)的用戶數(shù)據(jù)；

根據(jù)所述用戶數(shù)據(jù)的類型分別輸入預(yù)設(shè)的機(jī)器學(xué)習(xí)模型，得到與所述類型對(duì)應(yīng)的評(píng)估結(jié)果；

根據(jù)所述評(píng)估結(jié)果對(duì)所述用戶進(jìn)行資源分配。

根據(jù)本發(fā)明的優(yōu)選實(shí)施方式，所述獲取用戶進(jìn)行資源請(qǐng)求時(shí)的用戶數(shù)據(jù)，進(jìn)一步包括：

獲取用戶注冊(cè)時(shí)提交的身份數(shù)據(jù)；

獲取用戶進(jìn)行資源請(qǐng)求過程中提交的圖片數(shù)據(jù)；

獲取用戶進(jìn)行資源請(qǐng)求過程中產(chǎn)生的埋點(diǎn)數(shù)據(jù)。

根據(jù)本發(fā)明的優(yōu)選實(shí)施方式，所述圖片數(shù)據(jù)包括：

用戶進(jìn)行人臉識(shí)別時(shí)拍攝的圖片數(shù)據(jù)及用戶上傳的圖片數(shù)據(jù)。

根據(jù)本發(fā)明的優(yōu)選實(shí)施方式，在根據(jù)所述用戶數(shù)據(jù)的類型分別輸入預(yù)設(shè)的機(jī)器學(xué)習(xí)模型前，所述方法還包括：

將歷史用戶進(jìn)行資源請(qǐng)求的用戶數(shù)據(jù)作為訓(xùn)練樣本對(duì)所述機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練；

根據(jù)所述歷史用戶的用戶數(shù)據(jù)類型分別訓(xùn)練得到第一評(píng)估模型、第二評(píng)估模型和第三評(píng)估模型。

根據(jù)本發(fā)明的優(yōu)選實(shí)施方式，所述根據(jù)所述用戶數(shù)據(jù)的類型分別輸入預(yù)設(shè)的機(jī)器學(xué)習(xí)模型，得到與所述類型對(duì)應(yīng)的評(píng)估結(jié)果，進(jìn)一步包括：

將所述身份數(shù)據(jù)輸入所述第一評(píng)估模型，得到第一評(píng)分；

將所述圖片數(shù)據(jù)輸入所述第二評(píng)估模型，得到第二評(píng)分；

將所述埋點(diǎn)數(shù)據(jù)輸入所述第三評(píng)估模型，得到第三評(píng)分。

根據(jù)本發(fā)明的優(yōu)選實(shí)施方式，所述根據(jù)所述評(píng)估結(jié)果對(duì)所述用戶進(jìn)行資源分配，進(jìn)一步包括：

將所述第一評(píng)分、第二評(píng)分和第三評(píng)分輸入訓(xùn)練好的綜合評(píng)估模型，并設(shè)置對(duì)應(yīng)的指標(biāo)，輸出得到該用戶的綜合評(píng)估結(jié)果；

根據(jù)所述綜合評(píng)估結(jié)果對(duì)所述用戶進(jìn)行資源分配。