[发明专利]一种资源分配方法、装置、计算机设备、存储介质及产品

说明书

本申请提供一种资源分配方法、装置、计算机设备、存储介质及产品，包括：获取目标对象的属性信息；其中，所述属性信息是描述目标对象属性特征的数据信息；获取预置的资源分配模型，根据所述资源分配模型对所述属性信息进行处理得到资源分配信息；其中，所述资源分配模型是用于对目标对象的属性信息进行处理，得到资源的分配信息的神经网络模型；所述资源分配信息是基于所述目标对象的属性特征，对所述目标对象分配的资源信息。本申请在保证分配效率的前提下，还确保了各成员机构的属性特征与给各成员机构分配的资源之间的匹配度。

技术领域

本申请涉及人工智能技术，尤其涉及一种资源分配方法、装置、计算机设备、存储介质及产品。

背景技术

对于企业财务管理而言，资源的管理占有很重要的地位，因此每年都需要在规定的时间之前，完成对所有成员机构的资源分配工作。但目前用户在进行资源分配时，很难以一个系统化的标准对未来年度的资源进行分配，进而可能产生资源分配不均的情况。这对资源的管理造成了不小的影响。

对此，当前企业通常是通过结合年度总结和资源分配经验，对各成员机构分配资源，然而，发明人发现，这种方式不仅资源分配效率低下，而且还难以保证各成员机构的属性特征与给各成员机构分配的资源之间的匹配度。

发明内容

本申请提供一种资源分配方法、装置、计算机设备、存储介质及产品，用以解决当前资源分配方法不仅资源分配效率低下，而且还难以保证各成员机构的属性特征与给各成员机构分配的资源之间的匹配度的问题。

第一方面，本申请提供一种资源分配方法，包括：

获取目标对象的属性信息；其中，所述属性信息是描述目标对象属性特征的数据信息；

获取预置的资源分配模型，根据所述资源分配模型对所述属性信息进行处理得到资源分配信息；其中，所述资源分配模型是用于对目标对象的属性信息进行处理，得到资源的分配信息的神经网络模型；所述资源分配信息是基于所述目标对象的属性特征，对所述目标对象分配的资源信息。

上述方案中，所述资源分配模型的创建方法包括：

获取历史属性信息和历史分配信息；其中，历史属性信息是描述分配对象属性特征的数据信息；所述历史分配信息是历史上基于所述属性特征对所述分配对象分配的资源信息；

根据所述历史属性信息和历史分配信息生成训练集合；其中，所述训练集合中具有多个样本信息；

通过所述训练集合对预置的初始模型进行训练以得到所述资源分配模型；其中，所述初始模型是未经训练的神经网络模型。

上述方案中，所述根据所述历史属性信息和历史分配信息生成训练集合，包括：

汇总一个对象信息对应的历史属性信息和历史分配信息得到样本信息，及汇总多个对象信息的样本信息得到样本集合；其中，所述对象信息是分配对象的唯一性标识；

按照预置的划分比例信息将所述样本集合划分成训练组、测试组和验证组；

汇总所述训练组、所述测试组和所述验证组得到所述训练集合。

上述方案中，所述通过所述训练集合对预置的初始模型进行训练以得到所述资源分配模型，包括：

提取所述训练集合中的训练组、测试组和验证组；

通过所述训练组对所述初始模型进行训练得到待验证模型；

通过所述验证组对所述待验证模型进行验证处理；若所述待验证模型通过所述验证处理，则将所述待验证模型设为待测试模型；若所述待验证模型未通过所述验证处理，则将所述待验证模型设为验证失败模型；