一种兼职工作匹配方法及系统、存储介质技术方案

本发明专利技术公开了一种兼职工作匹配方法及系统、存储介质，涉及人工智能领域，包括：获取兼职用户输入的用户数据、任务发布者发布的任务数据及兼职用户的用户行为数据；基于所述用户数据、所述任务数据及所述用户行为数据，进行大数据分析，通过人工智能算法模型实现任务与兼职用户的匹配；将匹配结果推送给匹配到的兼职用户的客户端进行展现。本发明专利技术实施例缩短了兼职人员与合适的兼职工作的匹配时间，相对与人工匹配，效率更高，避免由于人工浏览的漏看，导致匹配的兼职工作不能被兼职人员看到，影响兼职数据的获取率，提高了兼职信息针对目标用户的展现量。

【技术实现步骤摘要】
一种兼职工作匹配方法及系统、存储介质
本专利技术涉及人工智能
，特别涉及一种兼职工作匹配方法及系统、存储介质。
技术介绍
随着互联网应用的普及和发展，网络对于人们的生活与工作影响越来越大，人们的工作方式也逐渐发生转变，很多有时间和技能的网民希望通过完成网络工作来获得报酬，这样人们可以在时间和空间上更为自由。但是工作任务的获取以及筛选成为了一个新的不可避免的难题。现有的兼职网站的技术方案，主要是通过分类或者搜索等方式向用户提供服务。还无法让用户低成本的快速获得高精准匹配的任务。存在垃圾数据过多、内容了解不清晰，匹配不精准等问题。现有技术中存在的主要问题如下：用户通过大量分类（或者搜索关键词）来一级一级的点击获得任务列表，缩小浏览范围。操作步骤长，浏览无效消息过多，造成时间上的浪费；任务列表复杂多样，造成理解上的困难甚至误解。
技术实现思路
本专利技术实施例提供了一种兼职工作匹配方法及系统、存储介质。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。根据本专利技术实施例的第一方面，提供了一种兼职工作匹配方法，包括：获取兼职用户输入的用户数据、任务发布者发布的任务数据及兼职用户的用户行为数据；基于所述用户数据、所述任务数据及所述用户行为数据，进行大数据分析，通过人工智能算法模型实现任务与兼职用户的匹配；将匹配结果推送给匹配到的兼职用户的客户端进行展现。在一种实施方式中，所述用户数据，包括：用户的个人基本信息、用户的技能信息。在一种实施方式中，所述个人基本信息包括：真实姓名、年龄、教育经历、工作经历；所述技能信息，包括：服务内容、价格、响应时间。在一种实施方式中，所述用户行为数据，包括：用户历史交易数据、用户评价数据。在一种实施方式中，所述人工智能算法模型为机器学习算法模型。在一种实施方式中，还包括：基于所述用户行为数据，通过机器学习优化所述机器学习算法模型。在一种实施方式中，所述方法基于客户端/服务器（Client/Server，C/S）架构实现。本专利技术的另一方面，提供一种兼职工作匹配系统，包括：客户端，用于获取兼职用户输入的用户数据、任务发布者发布的任务数据及兼职用户的用户行为数据，将所述用户数据、所述任务数据以及所述用户行为数据发送给数据服务器，以及将接收到的匹配结果推送给匹配到的兼职用户；数据服务器，用于基于所述用户数据、所述任务数据及所述用户行为数据，进行大数据分析；智能计算服务器，用于基于大数据分析的结果，通过人工智能算法模型实现任务与兼职用户的匹配，并将匹配结果发送给所述客户端。在一种实施方式中，所述人工智能算法模型为机器学习算法模型，所述智能计算服务器，还用于，基于所述用户行为数据，通过机器学习优化所述机器学习算法模型。本专利技术的另一方面，提供一种存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序被处理器执行时实现本专利技术实施例提供的兼职工作匹配方法。本专利技术实施例提供的技术方案可以包括以下有益效果：本专利技术提供的方法通过云服务来实现大数据收集分析、机器学习的人工智能算法来实现用户精准获得兼职任务的需求。用户无需执行筛选兼职任务的操作，无需担心错误操作；针对用户而言，降低了体验和学习使用的门槛，针对目前数量庞大的兼职信息，大大的提高了选择兼职信息的效率，节约了大量的时间和带宽；针对任务发布者来说，可以更快速获得更优质的兼职人员来截取任务，为发布者来创造价值；本专利技术实施例缩短了兼职人员与合适的兼职工作的匹配时间，相对与人工匹配，效率更高，避免由于人工浏览的漏看，导致匹配的兼职工作不能被兼职人员看到，影响兼职数据的获取率，提高了兼职信息针对目标用户的展现量。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是根据一示例性实施例示出的一种兼职工作匹配方法的流程示意图；图2是根据一示例性实施例示出的一种兼职工作匹配系统的框图。具体实施方式以下描述和附图充分地示出本专利技术的具体实施方案，以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本专利技术的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。在本文中，各实施方案可以被单独地或总地用术语“专利技术”来表示，这仅仅是为了方便，并且如果事实上公开了超过一个的专利技术，不是要自动地限制该应用的范围为任何单个专利技术或专利技术构思。本文中，诸如第一和第二等之类的关系术语仅仅用于将一个实体或者操作与另一个实体或操作区分开来，而不要求或者暗示这些实体或操作之间存在任何实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。本文中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的方法、产品等而言，由于其与实施例公开的方法部分相对应，所以描述的比较简单，相关之处参见方法部分说明即可。如图1所示，本专利技术实施例提供了一种兼职工作匹配方法，包括：S101、获取兼职用户输入的用户数据、任务发布者发布的任务数据及兼职用户的用户行为数据；S102、基于所述用户数据、所述任务数据及所述用户行为数据，进行大数据分析，通过人工智能算法模型实现任务与兼职用户的匹配；S103、将匹配结果推送给匹配到的兼职用户的客户端进行展现。在实际应用中，本技术方案采用C/S结构，可以保障用户数据安全。通过大数据及智能化算法来实现工作任务的精准匹配职能分发。方案主要由数据服务器、智能计算服务器、客户端等实现。用户在注册为兼职人员时，填写用户数据，兼职用户的日常操作产生用户行为数据，发布任务的用户填写任务数据。在一种实施方式中，硬件结构可以包括数据服务器、智能计算服务器和客户端。数据服务器和智能计算服务器位于云端。数据服务器基于大数据技术，汇总用户数据、任务数据和用户行为数据进行管理，例如，采用Hadoop的HDFS进行大数据的存储，将兼职人员、人数数据、用户行为数据等进行存储后，通过MapReduce进行离线计算，对数据结果进行整理汇总。在一种实施方式中，数据服务器还可以网络抓取行业数据，与上述数据一同进行管理。智能计算服务器通过人工智能算法，例如机器学习算法对用户数据、任务数据等进行运算，确定与各兼职用户匹配的兼职任务，在用户实时请求时，仅仅是离线计算的结果还是不够的，还需要进行更加低延迟本文档来自技高网...

【技术保护点】
1.一种兼职工作匹配方法，其特征在于，包括：获取兼职用户输入的用户数据、任务发布者发布的任务数据及兼职用户的用户行为数据；基于所述用户数据、所述任务数据及所述用户行为数据，进行大数据分析，通过人工智能算法模型实现任务与兼职用户的匹配；将匹配结果推送给匹配到的兼职用户的客户端进行展现。

【技术特征摘要】
1.一种兼职工作匹配方法，其特征在于，包括：获取兼职用户输入的用户数据、任务发布者发布的任务数据及兼职用户的用户行为数据；基于所述用户数据、所述任务数据及所述用户行为数据，进行大数据分析，通过人工智能算法模型实现任务与兼职用户的匹配；将匹配结果推送给匹配到的兼职用户的客户端进行展现。2.如权利要求1所述的方法，其中，所述用户数据，包括：用户的个人基本信息、用户的技能信息。3.如权利要求2所述的方法，其中，所述个人基本信息包括：真实姓名、年龄、教育经历、工作经历；所述技能信息，包括：服务内容、价格、响应时间。4.如权利要求1所述的方法，其中，所述用户行为数据，包括：用户历史交易数据、用户评价数据。5.如权利要求1所述的方法，其中，所述人工智能算法模型为机器学习算法模型。6.如权利要求5所述的方法，其中，还包括：基于所述用户行为数据，通过机器学习优化所述机器学习算法模型。7.如权利要求1所...

【专利技术属性】
技术研发人员：金波，王大力，王占先，毕强，韩小，武凤飞，智强，
申请(专利权)人：北京多点在线科技有限公司，
类型：发明
国别省市：北京,11