一种AI社交经纪人的供需关系精准匹配与智能引荐方法及系统与流程

本发明涉及人工智能，尤其涉及一种ai社交经纪人的供需关系精准匹配与智能引荐方法及系统。

背景技术：

1、近年来，基于人工智能的线上生意社交平台逐渐兴起。此类平台旨在为商业用户提供商机发现、人脉链接与知识获取的一站式服务。现有的同类平台多采用功能中心化的技术架构，其核心逻辑是：平台作为被动的信息展示与检索工具，向用户提供搜索、筛选、查看等离散功能，用户需主动操作各项功能模块以获取所需信息。现有社交匹配方案也多为被动推荐列表生成，或基于单次静态数据计算匹配转化值最大化，缺乏对供需关系动态演化的感知与响应。

2、中国专利公开号cn118820602a公开了一种基于ai和知识图谱的项目规划及商情智能推送系统，其包括：数据采集模块，用于实时抓取行业数据；商情分析模块，包括语言处理单元、知识图谱构建单元和决策支持单元；语言处理单元用于根据数据采集模块的信息提取关键信息并转化后传输至知识图谱构建单元和决策支持单元；知识图谱构建单元根据关键信息构建知识库并形成知识图谱信息，传输至决策支持单元；决策支持单元用于根据语言处理单元和知识图谱构建单元的结果进行统计和分析，辅助做出商业决策；智能推送模块，包括个性化单元和推送单元，用于理解用户需求并推送相关信息。此专利技术方案通过实时抓取行业数据、构建知识图谱、计算文本综合价值等方式，实现了商情资讯的智能推送与辅助决策。然而，其技术路径聚焦于从海量文本中筛选高价值资讯内容并推送给用户，本质上是实现行业资讯文本与用户之间的信息匹配，而非具有互补供需关系的商业主体之间的社交撮合。具体而言，该方案无法识别用户寻找资金方、项目方或潜在合伙人的核心诉求，更不能量化供需双方之间的互补程度并主动发起撮合。

3、由此可见，现有技术中缺乏针对商业主体之间供需关系的精准匹配与智能引荐方案，无法满足用户在生意社交场景中对潜在合作方的精准发现、主动引荐与适时撮合的核心需求。

技术实现思路

1、为此，本发明提供一种ai社交经纪人的供需关系精准匹配与智能引荐方法及系统，用以克服现有技术中供需匹配依赖静态信息、无法感知匹配度动态变化、缺乏引荐时机判断、以及引荐执行依赖手动操作导致撮合效率低下的问题。

2、为实现上述目的，本发明提供一种ai社交经纪人的供需关系精准匹配与智能引荐方法，所述方法包括：

3、根据获取的目标用户静态数据、动态行为数据及历史交互数据，构建包含显性需求标签与隐性偏好向量的多维度用户画像；

4、以所述目标用户为中心节点，以各候选用户为候选节点，根据所述显性需求标签与各候选用户的供给标签之间的语义相似度、所述隐性偏好向量与各候选用户的交互历史之间的亲和度系数、以及各候选用户在供需关系网络图中的影响力指数，综合计算所述目标用户与各候选用户之间的动态供需匹配度，并以所述动态供需匹配度为连接边权重，构建动态更新的供需关系网络图；

5、基于所述供需关系网络图，通过社交经纪人决策引擎生成引荐策略；

6、响应于推荐触发，以所述目标用户或所述候选用户中任一方的授权身份，向另一方发送包含供需契合点说明的引荐语，并在获得双方确认后建立引荐连接。

7、进一步地，所述方法还包括：

8、获取引荐连接建立后的交互结果数据，所述交互结果数据至少包括引荐请求是否被接受以及引荐连接建立后的交互行为数据；

9、根据所述交互结果数据确定所述引荐成功率和后续交互满意度，并将所述引荐成功率和所述后续交互满意度作为奖励信号输入强化学习框架，以更新所述社交经纪人决策引擎的引荐策略。

10、进一步地，采用强化学习框架更新所述社交经纪人决策引擎的引擎策略，包括：

11、基于当前时刻各候选用户的匹配度、历史被引荐次数及历史引荐成功率，确定当前状态；

12、将所述当前状态输入至策略网络，输出各候选用户是否发起引荐的动作决策，并执行所输出的动作；

13、根据所述动作执行后的反馈信号计算奖励值；

14、将所述当前状态、所述动作、所述奖励值以及执行所述动作后获得的下一时刻状态组成状态转移样本，并将连续多个时刻的所述状态转移样本按照引荐决策过程形成当前策略对应的轨迹数据；

15、当所述轨迹数据达到预设批次条件时，基于所述轨迹数据采用近端策略优化算法更新所述策略网络的参数；

16、重复上述过程直至满足预设收敛条件。

17、进一步地，所述基于所述供需关系网络图，通过社交经纪人决策引擎生成引荐策略，包括：

18、对于所述供需关系网络图中的任一候选用户节点，获取所述候选用户与所述目标用户之间的当前动态供需匹配度；

19、当所述当前动态供需匹配度高于第一阈值时，将所述候选用户标记为引荐候选，并获取所述候选用户在预设历史时间窗口内的匹配度时间序列数据，计算匹配度变化率；

20、根据所述匹配度变化率与预设变化率阈值，生成引荐策略。

21、进一步地，所述根据所述匹配度变化率与预设变化率阈值，生成引荐策略，包括：

22、当所述匹配度变化率高于第二阈值时，判定当前时刻为最优引荐时机，立即触发引荐动作；

23、当所述匹配度变化率低于第三阈值时，将所述候选用户存入监控队列，并在后续所述匹配度变化率高于所述第二阈值时，从所述监控队列中唤醒所述候选用户并触发引荐动作。

24、进一步地，当存在多个待引荐候选用户时，根据各待引荐候选用户与所述目标用户之间的社交距离以及对应的匹配度变化率确定引荐优先级；

25、对于匹配度变化率高于所述第二阈值的多个待引荐候选用户，优先选择社交距离较小的候选用户进行引荐；

26、对于社交距离相同的候选用户，优先选择匹配度变化率较高的候选用户；

27、其中，所述供需关系网络图中的节点表示参与供需撮合的用户，连接边表示两个用户之间存在供需关联关系，连接边的权重表示两个用户之间的动态供需匹配度，所述社交距离根据目标用户与候选用户在所述供需关系网络图中的最短路径长度确定。

28、进一步地，所述语义相似度的确定过程包括：

29、将所述显性需求标签和各候选用户的供给标签分别映射至预构建的行业知识图谱中的对应节点，获取所述对应节点之间的路径及所述路径上的语义关系类型；

30、根据所述语义关系类型确定所述显性需求标签与所述供给标签之间的供需关系，其中，所述语义关系类型至少包括互补关系、上下游关系和同类竞争关系；

31、根据所述供需关系确定对应的语义匹配结果，并基于所述语义匹配结果确定所述语义相似度。

32、进一步地，所述动态供需匹配度的更新方式包括：

33、在预设监测周期内，对所述供需关系网络图中的节点数据进行变化检测；

34、当任一节点的静态属性数据或动态行为数据发生变化时，将发生变化的节点确定为变化节点，并获取所述变化节点对应的相邻节点集合；

35、针对所述相邻节点集合中的各相邻节点，仅重新计算所述变化节点与各相邻节点之间的动态供需匹配度，并利用重新计算得到的动态供需匹配度更新对应关联边的权重；

36、针对未与所述变化节点建立关联的候选节点，根据所述变化节点更新后的用户数据进行候选关系筛选，当未建立关联的候选节点满足预设匹配条件时，计算所述变化节点与对应候选节点之间的动态供需匹配度，并根据计算结果建立对应关联边；

37、对于未与所述变化节点关联的其他节点及关联边，保持其对应的动态供需匹配度及边权重不变，以形成局部更新的供需关系网络图。

38、进一步地，本发明还提供了一种ai社交经纪人的供需关系精准匹配与智能引荐系统，所述系统包括：

39、画像构建模块，其用以根据获取的目标用户静态数据、动态行为数据及历史交互数据，构建包含显性需求标签与隐性偏好向量的多维度用户画像；

40、网络图构建模块，其用以以所述目标用户为中心节点，以各候选用户为候选节点，根据所述显性需求标签与各候选用户的供给标签之间的语义相似度、所述隐性偏好向量与各候选用户的交互历史之间的亲和度系数、以及各候选用户在供需关系网络图中的影响力指数，综合计算所述目标用户与各候选用户之间的动态供需匹配度，并以所述动态供需匹配度为连接边权重，构建动态更新的供需关系网络图；

41、策略生成模块，其用以基于所述供需关系网络图，通过社交经纪人决策引擎生成引荐策略；

42、引荐连接模块，其用以响应于推荐触发，以所述目标用户或所述候选用户中任一方的授权身份，向另一方发送包含供需契合点说明的引荐语，并在获得双方确认后建立引荐连接。

43、进一步地，所述系统还包括：

44、更新模块，其用以获取引荐连接建立后的交互结果数据，所述交互结果数据至少包括引荐请求是否被接受以及引荐连接建立后的交互行为数据，根据所述交互结果数据确定引荐成功率和后续交互满意度，并将所述引荐成功率和所述后续交互满意度作为奖励信号输入强化学习框架，以更新所述社交经纪人决策引擎的引荐策略。

45、与现有技术相比，本发明的有益效果在于，

46、本发明通过构建包含显性需求标签与隐性偏好向量的多维度用户画像，并综合语义相似度、亲和度系数及供需关系网络图影响力指数计算动态供需匹配度，提升了供需双方互补关系识别的精准度；通过基于供需关系网络图的社交经纪人决策引擎生成引荐策略，实现了引荐时机的动态判断；通过以授权身份自动发送引荐语并在获得确认后建立引荐连接，实现了从匹配决策到引荐执行的自动化撮合。