[发明专利]基于人工智能的目标对象匹配方法及相关设备

说明书

本发明涉及人工智能技术领域，提供一种基于人工智能的目标对象匹配方法及相关设备，首先对原始的孪生神经网络进行改进，并基于相似样本对和不相似样本对对改进后的孪生神经网络进行训练，得到学习能力和泛化性能较高的相似度计算模型；其次，在获取多个待匹配对象之后，根据待匹配对象的目标数据为对应的待匹配对象标识目标标签，从而将标识有不同目标标签的待匹配对象进行两两配对，得到多个待匹配对象对；最后使用相似度计算模型计算每个待匹配对象对的相似度，从而根据所述相似度确定所述多个待匹配对象对中的目标待匹配对象对。本发明能够准确且快速批量的为目标对象进行配对。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的目标对象匹配方法、装置、电子设备及存储介质。

背景技术

在保险行业中，保险代理人的个人特征和展业行为特征，在很大程度上影响其成单概率和最终业绩水平。企业通过网上学习平台为保险代理人推荐课程资源，以提高他们的出单率。

发明人在实现本发明的过程中发现，现有的推荐系统主要是根据保险代理人的用户特征进行课程推荐，然而对于用户特征相似的两个保险代理人，比如同一个地区同样年龄的代理人，出勤率、走访频率、电访频率等也相似，却可能产生不同的出单结果和业绩，因此，目标对象的配对不准确导致推荐系统的推荐效果也较差。

发明内容

鉴于以上内容，有必要提出一种基于人工智能的目标对象匹配方法、装置、电子设备及存储介质，能够准确的进行目标对象的匹配。

本发明的第一方面提供一种基于人工智能的目标对象匹配方法，所述方法包括：

获取多个正样本对及多个负样本对，其中，所述正样本对中的两个样本为相似样本，所述负样本对中的两个样本为不相似样本；

获取原始孪生神经网络并对所述原始孪生神经网络进行改进，基于所述多个正样本对及所述多个负样本对对改进后的孪生神经网络进行训练，得到相似度计算模型；

获取多个待匹配对象的目标数据，并根据所述目标数据为对应的所述待匹配对象标识目标标签；

将标识有不同目标标签的待匹配对象进行两两配对，得到多个待匹配对象对；

使用所述相似度计算模型计算每个所述待匹配对象对的相似度，并根据所述相似度确定所述多个待匹配对象对中的目标待匹配对象对。

在一个可选的实施方式中，所述对所述原始孪生神经网络进行改进包括：

获取所述原始孪生神经网络中的N个全连接层；

使用卷积层替换前N-1个全连接层；

在前N-2个卷积层中的每一个卷积层加入一层最大池化层，并在每个卷积层中加入一层批归一化层，得到改进后的孪生神经网络。

在一个可选的实施方式中，所述基于所述多个正样本对及所述多个负样本对对改进后的孪生神经网络进行训练，得到相似度计算模型包括：

随机选取至少一个目标正样本对及至少一个目标负样本对；

对所述目标正样本对中的至少一个特征数据进行擦除处理，及对目标负样本对中的至少一个特征数据进行擦除处理；

根据擦除处理后的目标正样本对和擦除处理后的目标负样本对得到训练样本对集；

将所述训练样本对集中的每个训练样本对通过一个卷积层进行特征降维，得到降维特征；

将所述降维特征通过ReLU函数进行激活，得到激活特征；

将所述激活特征通过下一个卷积层进行升维，得到升维特征；

将所述升维特征通过sigmoid函数进行归一化，得到归一化特征；