[发明专利]一种数据处理匹配方法、装置、设备及存储介质

说明书

本申请提供了一种数据处理匹配方法、装置、设备及存储介质，该方法涉及数据处理匹配领域。其中，该方法包括：在对象信息库中选取N个备选对象，N为大于1的整数；基于适配度算法计算N个备选对象的第一适配度分数；将N个备选对象的信息通过神经网络模型进行计算，得到N个备选对象的第二适配度分数；将每个备选对象的第一适配度分数和每个备选对象的第二适配度分数进行融合计算，得到每个备选对象的第三适配度分数；在该N个备选对象中，将第三适配度分数最高的备选对象确定为目标对象。

技术领域

本申请涉及数据处理匹配领域，尤其涉及一种数据处理匹配方法、装置、设备及存储介质。

背景技术

小额贷款是以个人或企业为核心，贷款金额为1万元以上，20万元以下的综合消费贷款。目前，许多小额信贷公司对客户逾期未还本金和利息的案件，在进行起诉之前会进行案件的风险等级评估，根据案件的风险等级判断该案件是否能够进行诉讼，以及在决定诉讼的情况下，匹配相关的律师和法院，以此来提高该案件胜诉的可能性。

对于小额贷款案件进行律师的匹配主要是通过神经网络来进行匹配的，通过将律师信息和案件信息作为神经网络模型的输入，神经网络输出案件与律师的适配分数，选择适配分数最高的律师为案件的代理律师，以此来提高案件的胜诉率。但是，由于神经网络的训练样本有限，神经网络输出的适配分数在某些情况下不够准确，即，神经网络模型的应用场景有限，如果仅通过神经网络模型输出的适配分数来匹配案件的代理律师，可能会出现匹配的代理律师不能胜任该案件，致使案件的胜诉率较低的情况。因此，如何在更多应用场景下计算出准确度更高的适配分数，并基于该适配分数选择最佳的代理律师，进而提高小额贷款案件胜诉率是技术人员日益关注的问题。

发明内容

本申请实施例提供了一种数据处理匹配方法、装置、设备及存储介质，该方法解决了数据处理匹配设备仅通过神经网络模型进行数据处理匹配目标对象，导致匹配的对象准确度不高，使得数据处理匹配设备多次进行数据处理匹配目标对象，进而消耗数据处理匹配设备大量计算资源，使得数据处理匹配设备性能下降的问题。

第一方面，本申请实施例提供了一种数据处理匹配方法，包括：在对象信息库中选取N个备选对象，N为大于1的整数；基于适配度算法计算N个备选对象的第一适配度分数；将N个备选对象的信息通过神经网络模型进行计算，得到N个备选对象的第二适配度分数；将每个备选对象的第一适配度分数和每个备选对象的第二适配度分数进行融合计算，得到每个备选对象的第三适配度分数；在该N个备选对象中，将第三适配度分数最高的备选对象确定为目标对象。在上述实施例中，数据处理匹配设备分别通过适配度算法和神经网络模型计算备选对象的第一适配度分数和第二适配度分数，将第一适配度分数和第二适配度分数进行融合计算，得到第三适配度分数，并将第三适配度分数作为备选对象是否为目标对象的依据。通过上述方法计算出的第三适配度分数的准确性更高，能够使得数据处理匹配设备通过数据处理，正确匹配最合适的对象，在为诉讼案件匹配代理律师等应用场景下，能够通过该方法为待诉讼的案件匹配到最合适的代理律师，从而提高诉讼案件的胜诉率。通过上述方法，避免了数据处理匹配设备仅通过神经网络模型进行数据处理匹配目标对象准确性不高的情况，减小了数据处理匹配设备多次处理数据匹配对象的次数，从而节省了数据处理匹配设备大量的计算资源，提高了数据处理匹配设备的工作性能。