[发明专利]资源分配方法、装置、计算机设备及存储介质

权利要求书

1.一种资源分配方法，其特征在于，所述方法包括：

使用特征分类模型对多个目标对象的数据表中的数据进行特征分类，得到每个数据表对应的多个特征类别；

根据每个数据表对应的多个特征类别为对应的目标对象构建特征类别数据矩阵，所述特征类别数据矩阵包括多个特征类别数据向量；

将每个目标对象的多个特征类别数据向量输入多任务多输出预测模型中进行预测，得到每个目标对象的每个特征类别对应的多个评价类别及每个评价类别对应的评价概率；

根据每个目标对象的多个特征类别及每个评价类别对应的评价概率生成特征评价概率矩阵；

根据多个所述特征评价概率矩阵对所述多个目标对象进行聚类，得到多个目标对象簇；

根据所述多个目标对象簇为每个目标对象分配资源。

2.如权利要求1所述的资源分配方法，其特征在于，所述根据每个数据表对应的多个特征类别为对应的目标对象构建特征类别数据矩阵包括：

对于每个目标对象，获取同一个特征类别对应的多个数据；

将同一个特征类别对应的多个数据进行拼接得到特征类别数据向量；

根据多个特征类别对应的特征类别数据向量构建第一特征类别数据矩阵；

对所述第一特征类别数据矩阵分别进行横向归一化处理和纵向归一化处理得到第二特征类别数据矩阵。

3.如权利要求2所述的资源分配方法，其特征在于，在得到所述第二特征类别数据矩阵之后，所述方法还包括：

计算所述第二特征类别数据矩阵中每个特征类别数据向量中的每个数据指标的权重；

根据所述权重更新对应的特征类别数据向量，得到第一特征类别数据向量；

基于所述第一特征类别数据向量中的数据提取多个交叉特征数据；

计算每个交叉特征数据与对应的第一特征类别数据向量中的每个数据指标的数据之间的相关性；

根据所述相关性筛选出多个目标交叉特征数据；

基于所述多个目标交叉特征数据更新对应的第一特征类别数据向量，得到第二特征类别数据向量；

基于每个目标对象的多个第二特征类别数据向量生成目标特征类别数据矩阵。

4.如权利要求1所述的资源分配方法，其特征在于，所述根据每个目标对象的多个特征类别及每个评价类别对应的评价概率生成特征评价概率矩阵包括：

对于每个特征类别，获取对应的多个评价概率中的最大评价概率；

将所述多个评价概率中除所述最大评价概率外的评价概率设置为预设值；

根据每个特征类别对应的所述最大评价概率及多个所述预设值生成特征评价概率矩阵。

5.如权利要求4所述的资源分配方法，其特征在于，所述根据多个所述特征评价概率矩阵对所述多个目标对象进行聚类，得到多个目标对象簇包括：

对多个所述特征评价概率矩阵进行聚类，得到多个特征评价概率矩阵簇；

确定每个特征评价概率矩阵簇中的特征评价概率矩阵对应的目标对象，得到目标对象簇。

6.如权利要求1至5中任意一项所述的资源分配方法，其特征在于，所述根据所述多个目标对象簇为每个目标对象分配资源包括：

计算每个目标对象簇对应的评价概率矩阵簇的平均评价概率矩阵；

根据所述平均评价概率矩阵计算评价分值；

根据所述评价分值对所述多个目标对象簇进行倒序排序；

为倒序排序后的多个目标对象簇中的目标对象分配对应的资源，其中，同一个目标对象簇中的目标对象分配相同的资源。

7.如权利要求6所述的资源分配方法，其特征在于，所述根据所述平均评价概率矩阵计算评价分值包括：

计算每个目标对象簇的平均评价概率与对应的特征类别的特征类别权重之间的加权平均和，得到每个目标对象簇的评价分值。