[发明专利]资源调度方法、装置与平台

权利要求书

1.一种资源调度方法，其特征在于，包括：

获取请求资源调度的目标事件的事件特征和资源池中各资源的多维度资源特征；

根据所述事件特征和各资源的多维度资源特征，对所述目标事件进行资源匹配，得到所述目标事件与各资源的资源匹配度；

根据所述目标事件与各资源的资源匹配度，确定所述目标事件的调度资源。

2.根据权利要求1所述的方法，其特征在于，所述对所述目标事件进行资源匹配，得到所述目标事件与各资源的资源匹配度，包括：

采用预先建立的机器学习模型对所述目标事件进行资源匹配，得到所述目标事件与各资源的资源匹配度。

3.根据权利要求2所述的方法，其特征在于，所述机器学习模型为线性机器学习模型。

4.根据权利要求1所述的方法，其特征在于，所述根据所述目标事件与各资源的资源匹配度，确定所述目标事件的调度资源，包括：

根据所述目标事件与各资源之间的资源匹配度和各资源的密度调度因子，确定所述目标事件与各资源之间的资源匹配分值，其中，每个资源的密度调度因子用于表示所述资源的资源调度密度分布；

根据所述目标事件与各资源之间的资源匹配分值，确定所述目标事件的调度资源。

5.根据权利要求4所述的方法，其特征在于，在所述根据所述目标事件与各资源之间的资源匹配度和各资源的密度调度因子，确定所述目标事件与各资源之间的资源匹配分值之前，所述方法还包括：

对于每个资源，根据历史上目标区域内发生请求调度的事件总数在历史上所有发生请求调度的事件总数中所占的比例，以及所述目标区域内当前可调度的资源总数在当前可调度的所有资源总数中所占的比例，确定所述资源的密度调度因子；其中，所述资源所在地区被划分为多个区域，所述目标区域为所述资源所在的区域。

6.根据权利要求4所述的方法，其特征在于，所述根据所述目标事件与各资源之间的资源匹配度和各资源的密度调度因子，确定所述目标事件与各资源之间的资源匹配分值，包括：

根据所述目标事件与各资源之间的资源匹配度、各资源的密度调度因子和随机因子，确定所述目标事件与各资源之间的资源匹配分值，所述随机因子为生成的任意随机数。

7.根据权利要求2所述的方法，其特征在于，在所述采用预先建立的机器学习模型对所述目标事件进行资源匹配之前，所述方法还包括：

根据历史资源调度数据建立所述机器学习模型，所述历史资源调度数据包括历史调度事件的事件特征、被调度资源的多维度资源特征和被调度资源与历史调度事件之间的资源匹配度。

8.根据权利要求7所述的方法，其特征在于，所述事件特征包括事件类型，所述根据历史资源调度数据建立所述机器学习模型，包括：

对于每类事件类型，根据所述事件类型对应的历史资源调度数据获得样本数据；

根据所述样本数据建立所述事件类型对应的机器学习模型；

则所述采用预先建立的机器学习模型对所述目标事件进行资源匹配，包括：

采用预先建立的与所述目标事件的事件类型对应的机器学习模型对所述目标事件进行资源匹配。

9.根据权利要求2所述的方法，其特征在于，所述方法还包括：

更新所述机器学习模型。

10.根据权利要求1所述的方法，其特征在于，在所述根据所述事件特征和各资源的多维度资源特征，对所述目标事件进行资源匹配之前，所述方法还包括：

对所述资源池中的资源进行数据清洗。

11.根据权利要求10所述的方法，其特征在于，所述对所述资源池中的资源进行数据清洗，包括：

从所述资源池中滤除下列资源中的至少一种：关键特征的特征值不符合预设要求的资源、不可调度的资源和处于下线状态的资源。