[发明专利]资源分配方法、装置、计算机设备及存储介质

说明书

本发明涉及人工智能技术领域，提供一种资源分配方法、装置、计算机设备及存储介质，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；使用多任务多输出预测模型基于特征类别数据矩阵预测得到每个目标对象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；根据多个特征评价概率矩阵对多个目标对象进行聚类得到多个目标对象簇；根据多个目标对象簇为每个目标对象分配资源。本发明能够解决资源分配不均衡的问题且资源分配效率高。

技术领域

本发明涉及人工智能技术领域，具体涉及一种资源分配方法、装置、计算机设备及存储介质。

背景技术

随着企业信息化建设的加快，企业越来越意识到资源的重要性，对于一些表现较差的营业单位分配较少的资源，能够节约企业资源，从而将多余的资源分配给一些表现优秀的营业单位，为这些表现优秀的营业单位提供更多的机会。

现有资源分配系统，通过训练机器学习模型，使用机器学习模型基于营业单位的业绩数据来分配资源。如此，会导致一些综合服务能力强，但业绩数据低的营业单位，分配了较少的资源，因此，资源的分配的准确度较低；此外，仅基于业绩数据，还会产生资源分配不均衡的问题。

发明内容

鉴于以上内容，有必要提出一种资源分配方法、装置、计算机设备及存储介质，能够批量的对多个目标对象进行资源分配，资源分配效率高；且通过聚类为同一个目标对象簇中的目标对象分配相同的资源，解决了资源分配不均衡的问题。

本发明的第一方面提供一种资源分配方法，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；

使用多任务多输出预测模型基于每个目标对象的特征类别数据矩阵进行预测，得到每个目标对象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。

在一个可选的实施例中，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。

在一个可选的实施例中，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；