一种基于多源大数据的康养服务智能匹配方法及系统与流程

本发明涉及康养服务匹配，尤其涉及一种基于多源大数据的康养服务智能匹配方法及系统。

背景技术：

1、随着康养服务需求不断增加，养老照护、康复护理、健康管理、机构服务等资源逐渐向线上平台集中。现有平台通常通过用户填写需求、选择服务类型、设定服务地点和预约时间等方式，为用户查找相应的康养服务资源。这类方式在信息展示和基础预约方面具有一定作用，可以减少用户人工咨询和线下比选的成本。

2、在实际应用中，康养服务需求并不是单一标签可以完整表达的。用户近期健康变化、生活习惯、服务记录、反馈评价以及服务资源的可用情况都会影响匹配结果。现有平台大多仍以服务分类、关键词、距离或人工规则作为主要匹配依据，对多源数据之间的连续变化关系利用不足，难以及时判断用户当前更适合哪类服务。

3、同时，康养服务资源本身具有一定承接限制。不同资源在服务能力、可预约状态和承接数量上存在差异。现有方案通常采用简单排序或条件筛选方式进行推荐，缺少对用户需求和服务资源之间适配关系的细化处理。当多个用户同时匹配多个服务资源时，容易出现推荐结果重复、资源分配不均、服务容量被忽略等问题。

4、另外，服务完成后的反馈信息在现有系统中通常只作为评价展示，较少参与后续匹配规则的更新。若某一类服务实际响应效果不佳，系统难以及时修正后续推荐方向；若某一资源长期反馈良好，也难以在匹配过程中形成稳定的正向作用，导致匹配结果缺少持续改进能力。

5、因此，如何提供一种基于多源大数据的康养服务智能匹配方法及系统是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种基于多源大数据的康养服务智能匹配方法及系统，本发明充分利用了多源大数据处理、供需模糊异构图建模、门控图卷积网络和贝叶斯置信更新技术，详细描述了康养状态序列构建、目标状态片段筛定、供需关系建模、服务匹配分配和反馈增量修正的智能化实现过程，具备匹配准确性高、资源分配合理和服务适配性强的优点。

2、根据本发明实施例的一种基于多源大数据的康养服务智能匹配方法，包括如下步骤：

3、s1、获取康养服务场景下的多源数据并进行预处理，形成康养状态序列；

4、s2、对康养状态序列进行滑动窗口切分，采用时序互信息度量确定状态片段之间的关联强度，并结合动态时间规整算法，筛定具有稳定需求表征的目标状态片段；

5、s3、将目标状态片段映射为需求节点，将康养服务资源映射为资源节点，依据关联强度建立跨域连接边，并采用直觉模糊数对连接边进行语义量化配置，构建供需模糊异构图；

6、s4、在供需模糊异构图中，按照跨域连接边类型，采用门控图卷积网络，分别对需求节点和资源节点的邻域特征进行跨域聚合，并通过状态递推对聚合特征进行多轮融合更新，得到双边效用评分；

7、s5、根据双边效用评分和预设的服务容量约束，采用多目标折衷优化方法对跨域连接边进行匹配流分配，并对匹配流进行离散化筛选，生成服务匹配结果；

8、s6、获取服务匹配结果对应的反馈响应数据，并采用贝叶斯置信更新方法，对供需模糊异构图的连接边权进行增量更新。

9、可选的，所述预处理具体包括：

10、对康养服务场景下的多源数据进行来源标记，所述多源数据包括用户侧数据、服务侧数据和反馈侧数据；

11、按照用户标识、服务标识和时间标识建立统一索引，将不同来源的数据字段映射至统一字段集合，并对字段取值进行编码转换；

12、基于统一索引对多源数据中的重复记录进行合并，对缺失字段进行补齐，并将超出预设取值范围的数据记录标记为异常记录后剔除；

13、按照预设时间粒度对完成字段映射的数据进行时间对齐，将同一索引下的数据记录进行状态拼接，得到康养状态向量；

14、按照时间先后顺序排列康养状态向量，形成康养状态序列。

15、可选的，所述s2具体包括：

16、s21、按照固定窗口长度和滑动步长遍历康养状态序列，将连续康养状态向量截取为多个状态片段，并记录每个状态片段对应的时间位置；

17、s22、对状态片段内的康养状态向量进行变化量提取，得到片段变化序列，并基于片段变化序列计算不同状态片段之间的时序互信息值，将时序互信息值作为状态片段之间的关联强度；

18、s23、将关联强度达到预设关联阈值的状态片段作为候选状态片段，采用动态时间规整算法，对候选状态片段之间的片段变化序列进行对齐，得到候选状态片段之间的规整距离；

19、s24、根据关联强度和规整距离对候选状态片段进行筛选，将关联强度达到预设关联阈值，且规整距离低于预设距离阈值的候选状态片段，确定为具有稳定需求表征的目标状态片段，其中：

20、所述预设关联阈值根据状态片段之间关联强度的整体分布确定，所述预设距离阈值根据候选状态片段之间规整距离的整体分布确定。

21、可选的，所述s23具体包括：

22、s231、将关联强度达到预设关联阈值的状态片段，标记为候选状态片段，提取候选状态片段对应的片段变化序列，并按照时间位置对片段变化序列进行排列；

23、s232、遍历两个候选状态片段的片段变化序列，计算不同时间位置之间的变化差异值，将变化差异值写入对应矩阵位置，形成规整代价矩阵；

24、s233、从规整代价矩阵的起始位置开始，按照横向、纵向和斜向三个递进方向进行累计代价计算，将当前矩阵位置的变化差异值与前序矩阵位置的最小累计代价累加，形成累计规整代价矩阵；

25、s234、从累计规整代价矩阵的末端位置反向回溯至起始位置，确定两个候选状态片段之间的规整路径，并根据规整路径对应的变化差异累计结果，确定候选状态片段之间的规整距离。

26、可选的，所述s3具体包括：

27、s31、对目标状态片段进行节点化处理，将每个目标状态片段转换为一个需求节点，并保持需求节点与目标状态片段之间的一一对应关系；

28、s32、对康养服务资源进行节点化处理，将每个康养服务资源转换为一个资源节点，并保持资源节点与康养服务资源之间的一一对应关系；

29、s33、对需求节点和资源节点进行逐对遍历，依据目标状态片段对应的关联强度和康养服务资源，对满足跨域连接条件的需求节点和资源节点建立跨域连接边；

30、s34、针对每一条跨域连接边，将该跨域连接边对应的关联强度换算为表示连接成立程度的第一数值；

31、根据需求节点与资源节点在跨域连接条件中的未匹配部分，换算为表示连接不成立程度的第二数值；

32、将第一数值与第二数值之和相对于直觉模糊取值上限的差额，作为表示连接不确定程度的第三数值；

33、将第一数值、第二数值和第三数值按顺序配置至对应跨域连接边，形成该跨域连接边的直觉模糊数；

34、由需求节点、资源节点以及配置直觉模糊数后的跨域连接边，构建供需模糊异构图。

35、可选的，所述s4具体包括：

36、s41、在供需模糊异构图中，将需求节点和资源节点对应的数据表示作为节点特征，并按照跨域连接边对应的直觉模糊数，确定当前节点的邻域节点；

37、s42、采用门控图卷积网络对邻域节点特征进行跨域聚合，根据跨域连接边对应的直觉模糊数计算门控系数，并依据门控系数控制邻域节点特征参与聚合的比例，将聚合后的邻域节点特征传递至对应节点；

38、s43、以聚合后的节点特征作为当前轮状态，对需求节点和资源节点执行状态递推，并将当前轮状态递推结果作为下一轮聚合输入，重复执行跨域聚合和状态递推，完成多轮融合更新；

39、s44、对完成多轮融合更新后的需求节点和资源节点进行双向关联计算，根据需求节点，对资源节点的关联结果和资源节点对需求节点的关联结果，计算对应节点之间的双边效用评分。

40、可选的，所述s42具体包括：

41、s421、以当前需求节点或当前资源节点为中心，沿跨域连接边确定相邻资源节点或相邻需求节点，并将相邻节点的节点特征作为待聚合特征；

42、s422、对跨域连接边对应的直觉模糊数进行门控换算，将连接成立程度对应的数值作为正向调节项，将连接不成立程度和连接不确定程度对应的数值作为抑制调节项，计算跨域连接边的门控系数；

43、s423、将门控系数作用于对应的待聚合特征，对门控系数较高的待聚合特征增加参与比例，对门控系数较低的待聚合特征降低参与比例，得到门控处理后的邻域特征；

44、s424、在门控图卷积网络中，对门控处理后的邻域特征进行线性变换，并按照跨域连接边的连接方向执行邻域加权求和，将求和结果与当前节点特征进行组合后进行非线性映射，得到当前节点的跨域聚合特征。

45、可选的，所述s5具体包括：

46、s51、以供需模糊异构图中的跨域连接边为分配对象，将跨域连接边对应的双边效用评分作为分配依据，并根据预设服务容量，约束限定资源节点可承接的匹配流总量，其中：

47、所述预设服务容量为，资源节点在当前匹配轮次内可承接的服务数量上限，所述匹配流为，跨域连接边在需求节点与资源节点之间分配的服务承接份额；

48、s52、按照双边效用评分由高至低的顺序，对跨域连接边进行初始流量赋值，并在赋值过程中累计每个资源节点已承接的匹配流；

49、当资源节点已承接的匹配流达到预设服务容量时，停止向该资源节点连接的跨域连接边继续增加匹配流；

50、s53、比较资源节点的已分配匹配流和预设服务容量，对超出预设服务容量的匹配流按双边效用评分由低至高进行削减，并将削减出的匹配流分配至存在剩余容量的跨域连接边；

51、s54、对调整后的匹配流进行离散化筛选，将匹配流达到预设筛选条件的跨域连接边保留，并剔除同一需求节点下重复承接的跨域连接边，基于保留后的跨域连接边形成服务匹配结果。

52、可选的，所述s6具体包括：

53、s61、获取服务匹配结果对应的反馈响应数据，按照服务匹配结果中的跨域连接边索引，将反馈响应数据分配至对应的跨域连接边；

54、s62、提取反馈响应数据中的正向响应量和负向响应量，根据正向响应量增加对应跨域连接边的反馈支持值，并根据负向响应量增加对应跨域连接边的反馈抑制值；

55、s63、将对应跨域连接边的当前边权作为先验值，将反馈支持值和反馈抑制值作为观测值，采用贝叶斯置信更新方法计算后验置信值；

56、s64、依据后验置信值对对应跨域连接边的边权进行递推修正，并按照修正后的边权重新计算跨域连接边的直觉模糊数，完成供需模糊异构图的增量更新。

57、根据本发明实施例的一种基于多源大数据的康养服务智能匹配系统，包括：

58、数据处理模块，用于获取康养服务场景下的多源数据并进行预处理，形成康养状态序列；

59、片段筛定模块，用于对康养状态序列进行滑动窗口切分，采用时序互信息度量确定状态片段之间的关联强度，并结合动态时间规整算法，筛定具有稳定需求表征的目标状态片段；

60、图构建模块，用于将目标状态片段映射为需求节点，将康养服务资源映射为资源节点，依据关联强度建立跨域连接边，并采用直觉模糊数对连接边进行语义量化配置，构建供需模糊异构图；

61、聚合评分模块，用于在供需模糊异构图中，按照跨域连接边类型，采用门控图卷积网络，分别对需求节点和资源节点的邻域特征进行跨域聚合，并通过状态递推对聚合特征进行多轮融合更新，得到双边效用评分；

62、匹配分配模块，用于根据双边效用评分和预设的服务容量约束，采用多目标折衷优化方法对跨域连接边进行匹配流分配，并对匹配流进行离散化筛选，生成服务匹配结果；

63、反馈更新模块，用于获取服务匹配结果对应的反馈响应数据，并采用贝叶斯置信更新方法，对供需模糊异构图的连接边权进行增量更新。

64、本发明的有益效果是：

65、首先，本发明通过多源数据处理形成康养状态序列，并结合滑动窗口、时序互信息和动态时间规整筛定目标状态片段，使用户需求能够从连续变化的数据中被识别，减少仅依赖人工填写或静态标签造成的匹配偏差。

66、其次，本发明将目标状态片段和康养服务资源分别转换为需求节点和资源节点，通过跨域连接边和直觉模糊数构建供需模糊异构图，并采用门控图卷积网络进行跨域聚合，使需求与资源之间的承接关系可以被量化处理，提高服务匹配和资源分配的合理性。

67、最后，本发明根据服务匹配结果对应的反馈响应数据，采用贝叶斯置信更新方式对连接边权进行增量修正，使匹配关系能够随服务反馈持续调整，减少资源错配和重复推荐，提升康养服务的匹配效率、资源利用率和服务适配度。