[发明专利]目标对象匹配方法、装置及计算机设备

权利要求书

1.一种目标对象匹配方法，其特征在于，所述方法包括：

根据第一类文本数据获取第一目标对象的资源合并信息；

根据第二类文本数据获取第二目标对象的资源转移信息；

根据所述资源合并信息和所述资源转移信息判断所述第一目标对象和所述第二目标对象是否满足匹配规则；

将满足所述匹配规则的第一目标对象和第二目标对象进行关联。

2.根据权利要求1所述的方法，其特征在于，所述根据第一类文本数据获取第一目标对象的资源合并信息包括：

获取所述第一类文本数据，基于自然语言处理技术获取一级指定字段，所述一级指定字段用于表征资源经营数据；

从所述一级指定字段提取二级指定字段，所述二级指定字段用于表征资源规划数据；

提取所述二级指定字段中的目标关键词，获取包括所述目标关键词的目标段落；

对所述目标段落进行分词处理以得到词汇列表集合；

将所述词汇列表集合输入向量化模型，获取所述向量化模型的输出，所述向量化模型的输出包括所述第一目标对象的资源合并信息。

3.根据权利要求2所述的方法，其特征在于，所述向量化模型的构建步骤包括：

选取第一类样本数据，获取所述第一类样本数据中的资源合并信息；

以所述第一类样本数据和所述第一类样本数据中的资源合并信息作为训练集，训练得到所述向量化模型。

4.根据权利要求2所述的方法，其特征在于，所述将所述词汇列表集合输入向量化模型，获取所述向量化模型的输出包括：

所述向量化模型根据所述词汇列表集合生成表征词汇源语句和资源合并方向词汇的数值型向量；

根据所述数值型向量输出所述第一目标对象的资源合并信息，所述资源合并信息包括资源合并方向行业信息。

5.根据权利要求1所述的方法，其特征在于，所述根据第二类文本数据获取第二目标对象的资源转移信息包括：

获取所述第二类文本数据，将所述第二类文本数据输入优化训练模型，获取所述优化训练模型的输出，所述优化训练模型的输出包括所述第二目标对象的资源转移信息。

6.根据权利要求5所述的方法，其特征在于，所述优化训练模型构建步骤包括：

获取训练样本，以深度学习框架作为训练框架生成预训练模型，并确定所述预训练模型的权重；

获取第二类样本数据，基于所述第二类样本数据对所述预训练模型进行验证，获取验证结果；

将所述验证结果中的错误数据加入所述训练样本并训练得到所述优化训练模型。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

向所述第一目标对象推送相关联的所述第二目标对象的资源转移信息，向所述第二目标对象推送相关联的所述第一目标对象的资源合并信息。

8.一种目标对象匹配装置，其特征在于，所述装置包括：

第一目标对象模块，用于根据第一类文本数据获取第一目标对象的资源合并信息；

第二目标对象模块，用于根据第二类文本数据获取第二目标对象的资源转移信息；

匹配模块，用于根据所述资源合并信息和所述资源转移信息判断所述第一目标对象和所述第二目标对象是否满足匹配规则；

关联模块，用于将满足所述匹配规则的第一目标对象和第二目标对象进行关联。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。