一种家政服务人员智能匹配方法、系统和计算机设备

摘要

本发明属于家政服务领域，提供一种家政服务人员智能匹配方法、系统和计算机设备，该方法包括：建立家政服务人员数据库，以存储各家政服务人员的服务者特征参数；通过客户端获取用户关于家政服务需求的文本数据；从所述文本数据中抽取该用户的用户特征参数；将所述用户特征参数与所述数据库中的各服务者特征参数进行匹配，以计算各家政服务人员与该用户的匹配度；根据所述匹配度和预定推送策略向所述客户端传送服务人员的信息。本发明的方法能够精确匹配家政服务人员，并能够提高用户下单率。

说明书

技术领域

本发明属于互联网络技术领域，特别适用于家政服务领域，更具体的是涉及一种家政服务人员智能匹配方法、系统和计算机设备。

背景技术

家政业务包括月嫂服务以及保姆服务等，传统家政服务中月嫂服务被消费者喜爱：月嫂到用户家里为用户提供育儿服务。然而，传统的月嫂服务主要靠自己总结的经验服务用户，同时用户不清楚月嫂的服务内容及质量。

具体地，传统家政服务具有以下几大缺点：家政服务质量、内容无法保障，无法对家政服务内容监督和查看。在现有的家政服务中，月嫂服务大多数是中介介绍或经朋友介绍月嫂，服务内容、质量不透明，月嫂服务没有统一标准，例如月嫂还是靠经验来服务，无法达到科学育儿，无法有效实现与用户针对性需求的适配服务。

现有的家政服务系统，能够为消费者提供线上预约家政服务项目，其余需求仅能够依靠经纪人或推广人电话沟通或者社交工具沟通，不够便捷，无法满足用户根据需求指定服务人员的需求，往往只能够听从家政公司或家政服务平台随机安排家政人员上门服务，存在家政服务人员的分配不合理、家政服务人员与用户的匹配精确度低以及无法有效实现用户定制需求的适配服务等问题。

因此，有必要提供一种更有效的家政服务人员智能匹配方法。

发明内容

(一)要解决的技术问题

本发明旨在解决家政服务人员的分配不合理、家政服务人员与用户的匹配精确度低以及无法有效实现用户定制需求的适配服务等问题。

(二)技术方案

为解决上述技术问题，本发明的一方面提出一种家政服务人员智能匹配方法，包括如下步骤：建立家政服务人员数据库，以存储各家政服务人员的服务者特征参数；通过客户端获取用户关于家政服务需求的文本数据；从所述文本数据中抽取该用户的用户特征参数；将所述用户特征参数与所述数据库中的各服务者特征参数进行匹配，以计算各家政服务人员与该用户的匹配度；根据所述匹配度和预定推送策略向所述客户端传送服务人员的信息。

根据本发明的优选实施方式，通过客户端获取用户关于家政服务需求的文本数据包括：在客户端上提供文字和/或语音的聊天工具，通过所述聊天工具获取用户关于家政服务需求的文本数据。

根据本发明的优选实施方式，所述聊天工具集成于用于家政服务的移动设备APP或PC端应用软件中。

根据本发明的优选实施方式，向所述客户端推送服务人员的信息是通过所述移动设备APP或PC端应用软件进行传送。

根据本发明的优选实施方式，所述方法还包括根据用户的用户特征参数计算用户意向度；并且，只有当用户意向度满足预定条件时，才将所述用户特征参数与所述数据库中的各服务者特征参数进行匹配，以计算各家政服务人员与该用户的匹配度。

根据本发明的优选实施方式，根据用户的用户特征参数计算用户意向度包括：基于历史用户的订单数据，采用机器学习算法计算当前用户的下单概率，用作所述用户意向度。

根据本发明的优选实施方式，还包括：获取当前订单数据，从该当前订单数据提取用户特征参数，所述用户特征参数包括用户意向特征数据和用户偏好特征数据。

根据本发明的优选实施方式，所述计算各家政服务人员与该用户的匹配度包括：采用预定匹配规则筛选出候选家政服务人员；采用匹配度计算模型计算各候选家政服务人员的匹配度，将匹配度满足预定条件的候选家政服务人员作为匹配家政服务人员。

根据本发明的优选实施方式，包括：使用贝叶斯算法，建立匹配度计算模型，使用训练数据集训练该匹配度计算模型，所述训练数据集来自以下的至少一种：历史用户的订单数据、从聊天APP抽取的聊天数据、服务匹配特征数据、历史用户的APP安装列表数据、已匹配的服务人员特征数据。

根据本发明的优选实施方式，所述聊天数据包括从用于判断用户服务需求的引导问答型访谈或聊天数据中提取的用户年龄、口味偏好、对服务人员的偏好年龄区段；和/或所述服务人员特征数据包括年龄、性别、地理位置、擅长菜系数据、学历数据、各服务人员所关联的历史订单数据。

本发明第二方面提出一种家政服务人员智能匹配系统，包括客户端和服务器，所述服务器上建立有家政服务人员数据库，以存储各家政服务人员的服务者特征参数；所述客户端用于获取用户关于家政服务需求的文本数据；所述客户端或服务器从所述文本数据中抽取该用户的用户特征参数；所述服务器将所述用户特征参数与所述数据库中的各服务者特征参数进行匹配，以计算各家政服务人员与该用户的匹配度；所述服务器根据所述匹配度和预定推送策略向所述客户端传送服务人员的信息。

根据本发明的优选实施方式，所述客户端或服务器根据用户的用户特征参数计算用户意向度，并且，只有当用户意向度满足预定条件时，才将所述用户特征参数与所述数据库中的各服务者特征参数进行匹配，以计算各家政服务人员与该用户的匹配度。

根据本发明的优选实施方式，所述客户端或服务器根据用户的用户特征参数计算用户意向度包括：基于历史用户的订单数据，采用机器学习算法计算当前用户的下单概率，用作所述用户意向度。

根据本发明的优选实施方式，所述计算各家政服务人员与该用户的匹配度包括：采用预定匹配规则筛选出候选家政服务人员；采用匹配度计算模型计算各候选家政服务人员的匹配度，将匹配度满足预定条件的候选家政服务人员作为匹配家政服务人员。

本发明第三方面提出一种计算机设备，作为与服务器进行通信连接的客户端，所述服务器上建立有家政服务人员数据库，以存储各家政服务人员的服务者特征参数；所述客户端用于获取用户关于家政服务需求的文本数据；所述客户端或服务器从所述文本数据中抽取该用户的用户特征参数；所述服务器将所述用户特征参数与所述数据库中的各服务者特征参数进行匹配，以计算各家政服务人员与该用户的匹配度；所述服务器根据所述匹配度和预定推送策略向所述客户端传送服务人员的信息。

本发明第四方面还提出一种计算机程序产品，存储有计算机可执行程序，所述计算机可执行程序被执行时，实现所述的家政服务人员智能匹配方法。

(三)有益效果

与现有技术相比，本发明通过建立家政服务人员数据库和用户数据库，分别实时存储处于动态变化的家政服务人员和用户及各自的相关特征数据，能够进一步优化家政服务人员智能匹配过程；能够准确计算当前订单数据中用户的用户意向度(即所预测的下单率)，并根据该用户意向度，判断有意向的用户；通过使用第一要求参数和第二要求参数，对当前订单数据中的用户与家政服务人员数据库中的各家政服务人员先进行粗匹配处理，再使用模型计算进行细匹配处理，能够更精确地匹配出与该用户相对应的家政服务人员，能够实现更有效的匹配过程，能够降低计算量，还能够节约资源；能够有效实现用户定制需求的适配服务，并为用户提供更有效的推送消息，还能够提高用户体验感和下单率。

附图说明

图1是本发明的实施例1的家政服务人员智能匹配方法的一示例的流程图。

图2是本发明的实施例1的家政服务人员智能匹配方法的另一示例的流程图。

图3是本发明的实施例1的家政服务人员智能匹配方法的又一示例的流程图。

图4是本发明的实施例2的家政服务人员智能匹配系统的一示例的示意图。

图5是本发明的一个实施例的计算机设备的结构示意图。

图6是本发明的一个实施例的计算机程序产品的示意图。

具体实施方式

在对于具体实施例的介绍过程中，对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是，并不排除本领域技术人员可以在特定情况下，以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。

附图中的流程图仅是一种示例性的流程演示，不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤，也不代表必须按照图中所显示的的顺序执行。例如，流程图中有的操作/步骤可以分解，有的操作/步骤可以合并或部分合并，等等，在不脱离本发明的发明主旨的情况下，流程图中显示的执行顺序可以根据实际情况改变。

附图中的框图一般表示的是功能实体，并不一定必然与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理单元系统和/或微控制器系统中实现这些功能实体。

各附图中相同的附图标记表示相同或类似的元件、组件或部分，因而下文中可能省略了对相同或类似的元件、组件或部分的重复描述。还应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说，这些定语仅是用来将一者与另一者区分。例如，第一器件亦可称为第二器件，但不偏离本发明实质的技术方案。此外，术语“和/或”、“及/或”是指包括所列出项目中的任一个或多个的所有组合。

鉴于上述问题，本发明提出一种家政服务人员智能匹配方法，该方法通过从用户与经纪人、经纪人与家政服务人员之间的IM聊天数据中提取特征数据，形成用户特征参数和家政服务人员的服务者特征参数，使用用户特征参数计算用户意向度，采用预定匹配规则筛选出候选家政服务人员；还采用匹配度计算模型计算各候选家政服务人员的匹配度，将匹配度满足预定条件的候选家政服务人员作为匹配家政服务人员。由此，能够精确匹配家政服务人员，并能够提高用户下单率。

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。

实施例1

图1是本发明的实施例1的家政服务人员智能匹配方法的一示例的流程图。

如图1所示，提供了一种家政服务人员智能匹配方法，具体包括如下步骤。

步骤S101，建立家政服务人员数据库，以存储各家政服务人员的服务者特征参数。

步骤S102，通过客户端获取用户关于家政服务需求的文本数据。

步骤S103，从所述文本数据中抽取该用户的用户特征参数。

步骤S104，将所述用户特征参数与所述数据库中的各服务者特征参数进行匹配，以计算各家政服务人员与该用户的匹配度。

步骤S105，根据所述匹配度和预定推送策略向所述客户端传送服务人员的信息。

在本示例中，本发明的方法用于对家政服务的服务订单中的用户匹配家政服务人员，并向该用户推荐所匹配出的家政服务人员。由此，能够精确匹配家政服务人员，并能够提高用户下单率。

首先，在步骤S101中，建立家政服务人员数据库，以存储各家政服务人员的服务者特征参数。

具体地，建立家政服务人员数据库，该数据库用于存储各家政服务人员的服务者特征参数，其中所述家政服务人员包括历史订单数据中的家政服务人员和各家政服务产品APP新注册的家政服务人员，其中，对于各家政服务产品APP的客户端上提供文字和/或语音的聊天工具，通过所述聊天工具获取用户关于家政服务需求的文本数据。

更具体地，所述家政服务人员包括月嫂、保姆、临时保洁员等等。

在本示例中，所述服务者特征参数包括年龄、性别、地理位置、擅长菜系数据、学历数据、各服务人员所关联的历史订单数据。

进一步地，还建立用户数据库，该用户数据库用于存储需求家政服务的用户及其用户特征参数，其中用户包括历史用户、各家政服务产品APP新注册的用户、提交服务订单的当前用户等等。

具体地，用户特征参数包括年龄、性别、需求家政服务类型、服务时间和口味特征数据等等。

由此，通过建立家政服务人员数据库和用户数据库，分别实时存储处于动态变化的家政服务人员和用户及各自的相关特征数据，能够进一步优化家政服务人员智能匹配过程。

需要说明的是，上述仅作为优先示例进行说明，不能理解成对本发明的限制。

接下来，在步骤S102中，通过客户端获取用户关于家政服务需求的文本数据。

具体地，从某家政服务产品APP的客户端上的聊天工具中，获取用户与经纪人之间的聊天数据，并通过所述聊天工具获取用户关于家政服务需求的文本数据，其中，所述聊天工具集成于用于家政服务的移动设备APP或PC端应用软件中。

进一步地，所述聊天数据例如为引导问答型访谈或聊天的文本数据，该文本数据包括用户年龄、口味偏好、需求的地理位置、学历要求、性格要求、期望服务人员的年龄区段、可提供薪资范围以及其他用户服务需求数据等等。

在另一示例中，所述聊天数据还包括由语音转换的文本数据，该文本数据包括用户对于家政服务需求的各种数据等。

需要说明的是，上述具体聊天数据仅作为示例进行说明，不能理解成对本发明的限制。

接下来，在步骤S103中，从所述文本数据中抽取该用户的用户特征参数。

具体地，从步骤S102所获取的文本数据中，提取用户的用户特征参数。

例如，从用于判断用户服务需求的引导问答型访谈或聊天数据中，提取用户年龄、口味偏好、对服务人员的偏好年龄区段等的用户特征参数。

在另一示例中，还包括从家政服务的历史订单数据中提取用户意向特征，以进一步地完善用户特征参数。

进一步地，还包括提取服务匹配特征和家政服务人员特征数据，并使用使用所提取的数据建立用于训练模型的训练数据集。

在又一示例中，用户特征参数还包括用户的APP安装列表数据，其中，获取用户的APP安装列表，并进行向量转换，以生成用户的APP安装列表数据。

由此，通过从多个维度提取用户的用户特征参数，以得到更精确的用户特征参数，并使用该用户特征参数进行二次计算。

进一步地，根据所得到的用户特征参数，将用户数据数据库中用户进行细分类，并为每个用户添加相应用户特征标签，以用于后续数据分析。

需要说明的是，上述仅作为示例进行说明，不能理解成对本发明的限制。

图2是示出了本发明的实施例1的家政服务人员智能匹配方法的另一示例的流程图。

如图2所示，还包括判断用户意向度是否满足预定条件的步骤S201。

在步骤S201中，判断用户意向度是否满足预定条件。

具体地，根据用户的用户特征参数计算用户意向度，其中，所述用户特征参数与步骤S103中的用户特征参数所指代的物理意义相同，提取方法相同，因此，省略了对它们的描述。

在本示例中，基于历史用户的订单数据，采用机器学习算法计算当前用户的用户的下单概率，用作所述用户意向度。

例如，使用FM算法，构建用户意向预测模型，使用第一训练数据集训练该用户意向预测模型，该第一训练数据集来自以下的至少一种：用户的地理位置、年龄、、历史用户下单率、服务匹配特征数据以及已匹配的服务人员的服务者特征参数。

需要说明的是，上述仅作为示例进行说明，不能理解成对本发明的限制，在其他示例中，还可以使用FFM算法、DeepFM，或者两种算法的组合算法等，或者使用机器学习的其他方法，构建用户意向预测模型。

具体地，获取当前订单数据，对该当前订单数据进行用户意向特征数据、口味特征数据提取，形成用户特征参数，使用该用户特征参数，并使用用户预测模型计算该用户的用户意向度。

优选地，所述用户特征参数包括用户意向特征数据和口味特征数据，该用户意向特征数据包括该用户需求的地理位置、学历要求、性格要求、期望服务人员的年龄区段和可提供薪资范围中的至少两个特征数据。

进一步地，将所提取的用户意向特征数据和口味特征数据，输入所述用户意向预测模型，计算该用户的用户意向度。

更进一步地，将所计算的用户意向度与预定条件进行比较，以判断该用户是否满足一次筛选的预定条件。

由此，能够准确计算当前订单数据中用户的用户意向度(即所预测的下单率)，并根据该用户意向度，判断有意向的用户(即用户意向度大于特定值的用户)。

需要说明的是，上述仅作为示例进行说明，不能理解成对本发明的限制，

接下来，在步骤S104中，将所述用户特征参数与所述数据库中的各服务者特征参数进行匹配，以计算各家政服务人员与该用户的匹配度。

具体地，当所计算的用户意向度满足预定条件时，判断该用户为有意向用户。

进一步地，根据预定匹配规则，将该用户的用户特征参数与所述家政服务人员数据库中的各服务者特征参数进行匹配处理(或者匹配)，以筛选出候选家政服务人员。

图3是示出了本发明的实施例1的家政服务人员智能匹配方法的又一示例的流程图。

如图3所示，还包括确定用于匹配处理的第一要求参数和第二要求参数的步骤S301。

在步骤S301中，确定用于匹配处理的第一要求参数和第二要求参数。

在本示例中，该匹配处理包括第一匹配处理和第二匹配处理，所述第一匹配处理用于匹配用户的多个第一要求参数，所述第二匹配处理用于匹配用户的多个第二要求参数。

具体地，第一要求参数为硬性指标，例如，包括地理位置、薪资数据、年龄、是否住家、家政服务类型和时间。

进一步地，第二要求参数为软性指标，例如，包括特定年龄区段、学历、饮食口味。

在本示例中，分别对各第一要求参数和各第二要求参数设定重要度系数。

具体地，使用所述第一要求参数计算各服务人员与该用户的第一匹配度，以得到一次匹配筛选的服务人员集合；

进一步地，在该第一匹配度大于特定值的情况下，使用所述第二要求参数计算各服务人员与该用户的第二匹配度，再将所述第一匹配度和所述第二匹配度加权相加，以得到各服务人员与所述用户的匹配度，从所述服务人员集合中进行二次匹配筛选处理，以形成服务人员匹配列表，即得到的候选家政服务人员。

例如，在第一匹配处理(即粗匹配)中，第一要求参数包括地理位置、薪资、年龄、是否住家，使用第一要求参数计算的第一匹配为62％，

而在第二匹配处理(即细匹配)中，第二要求参数包括年龄、学历、擅长菜系等，在粗匹配为62％之后，细匹配：40岁(10％)，本科(10％)，擅长湘菜系、川菜系(10％)等等，得到家政服务人员A的匹配度为92％。

例如，家政服务人员B在粗匹配为60％之后，细匹配：45岁(5％)，专科(5％)，擅长湘菜系(5％)等，得到家政服务人员B的匹配度为75％

再例如，比如家政服务人员C的匹配度为71％，以形成具有排序的服务人员集合(AB C)。

在另一示例中，在得到一次匹配筛选的服务人员集合之后，采用匹配度计算模型计算各候选家政服务人员的匹配度，通过所计算的匹配度，从所述服务人员集合中筛选出候选家政服务人员，以作为匹配家政服务人员。

在该示例中，例如使用贝叶斯算法，建立匹配度计算模型，使用训练数据集训练该匹配度计算模型，其中，所述训练数据集来自以下的至少一种：历史用户的订单数据、从聊天APP抽取的聊天数据、服务匹配特征数据、历史用户的APP安装列表数据、用户特征参数和已匹配的家政服务人员的服务者特征参数。

具体地，所述服务匹配特征数据包括家政服务类型、服务时间、地理位置。

需要说明的是，在该示例中的所述用户特征参数与步骤S103中的用户特征参数相同，所述聊天数据与步骤S102中的聊天数据相同，所述家政服务人员的服务者特征参数与步骤S101中的家政服务人员的服务者特征参数相同，因此，省略了对上述数据的描述。

具体地，使用训练好的匹配度计算模型，计算该用户与所述服务人员集合中各家政服务人员的匹配度，并将所计算的匹配度满足预定条件的候选家政服务人员，作为匹配家政服务人员。

在又一示例中，将所述当前订单数据中的用户的用户意向度以及所述服务人员集合中服务人员的匹配度大于特定阈值以上的数量占总数量的比例进行加权计算，以用作所述当前订单的下单概率，由此判断用户下单情况。

因此，通过使用第一要求参数和第二要求参数，对当前订单数据中的用户与家政服务人员数据库中的各家政服务人员先进行粗匹配处理，再使用模型计算进行细匹配处理，能够更精确地匹配出与该用户相对应的家政服务人员，能够实现更有效的匹配过程，能够降低计算量，还能够节约资源。

需要说明的是，上述仅作为优选示例进行说明，不能理解成对本发明的限制。

接下来，在步骤S105中，根据所述匹配度和预定推送策略向所述客户端传送服务人员的信息。

具体地，根据步骤S104得到的匹配度，确定匹配家政服务人员。

进一步地，根据预定推送策略向该用户对应的客户端传送所述匹配家政服务人员的信息。

更具体地，所述预定推送策略包括推送时间、推送方式和次数、推送内容和推送人。

例如，在匹配的家政服务人员进行第一推送之后，该用户在特定时间内未接收该推送且未下单，在该情况下，根据预设推送策略进行第二推送。

再例如，在匹配的家政服务人员进行第一推送之后，该用户在特定时间内接收，但在该用户下单时所推送的家政服务人员已被另一用户选择且下单，在该情况下，实时对该用户进行第二次推送，以推送与所述家政服务人员相等同的另一家政服务人员。

优选地，向所述客户端推送服务人员的信息是通过所述移动设备APP或PC端应用软件进行传送。

在另一示例中，根据所述服务人员集合，并根据各服务人员的优先级，选择最优服务人员返回给当前订单数据中的用户，或者将所述服务人员集合中排名靠前的至少三个家政服务人员返回给当前订单数据中的用户，以向所述用户提供可选择的页面或弹窗页面。

由此，能够有效实现用户定制需求的适配服务，并为用户提供更有效的推送消息，还能够提高用户体验感和下单率。

需要说明的是，上述仅作为示例进行说明，不能理解成对本发明的限制。

与现有技术相比，本发明通过建立家政服务人员数据库和用户数据库，分别实时存储处于动态变化的家政服务人员和用户及各自的相关特征数据，能够进一步优化家政服务人员智能匹配过程；能够准确计算当前订单数据中用户的用户意向度(即所预测的下单率)，并根据该用户意向度，判断有意向的用户；通过使用第一要求参数和第二要求参数，对当前订单数据中的用户与家政服务人员数据库中的各家政服务人员先进行粗匹配处理，再使用模型计算进行细匹配处理，能够更精确地匹配出与该用户相对应的家政服务人员，能够实现更有效的匹配过程，能够降低计算量，还能够节约资源；能够有效实现用户定制需求的适配服务，并为用户提供更有效的推送消息，还能够提高用户体验感和下单率。

实施例2

下面描述本发明的系统实施例，该系统可以用于执行本发明的方法实施例。对于本发明系统实施例中描述的细节，应视为对于上述方法实施例的补充；对于在本发明系统实施例中未披露的细节，可以参照上述方法实施例来实现。

参照图4，将说明本发明的实施例2的家政服务人员智能匹配系统，该家政服务人员智能匹配系统包括客户端和服务器，所述服务器上建立有家政服务人员数据库，以存储各家政服务人员的服务者特征参数；所述客户端用于获取用户关于家政服务需求的文本数据；所述客户端或服务器从所述文本数据中抽取该用户的用户特征参数；所述服务器将所述用户特征参数与所述数据库中的各服务者特征参数进行匹配，以计算各家政服务人员与该用户的匹配度；所述服务器根据所述匹配度和预定推送策略向所述客户端传送服务人员的信息。

在本示例中，所述客户端或服务器根据用户的用户特征参数计算用户意向度，并且，只有当用户意向度满足预定条件时，才将所述用户特征参数与所述数据库中的各服务者特征参数进行匹配，以计算各家政服务人员与该用户的匹配度。

具体地，所述客户端或服务器根据用户的用户特征参数计算用户意向度包括：基于历史用户的订单数据，采用机器学习算法计算当前用户的用户的下单概率，用作所述用户意向度。

优选地，计算各家政服务人员与该用户的匹配度，其中，采用预定匹配规则筛选出候选家政服务人员；采用匹配度计算模型计算各候选家政服务人员的匹配度，将匹配度满足预定条件的候选家政服务人员作为匹配家政服务人员。

优选地，所述服务器还包括用户数据库，该用户数据库用于存储需求家政服务的用户及其用户特征参数，其中用户包括历史用户、各家政服务产品APP新注册的用户、提交服务订单的当前用户等等。

需要说明的是，上述仅作为示例进行说明，不能理解成对本发明的限制。此外，在实施例2中，省略了与实施例1相同的部分的说明。

本领域技术人员可以理解，上述系统实施例中的各模块可以按照描述分布于系统中，也可以进行相应变化，分布于不同于上述实施例的一个或多个系统中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

与现有技术相比，本发明通过建立家政服务人员数据库和用户数据库，分别实时存储处于动态变化的家政服务人员和用户及各自的相关特征数据，能够进一步优化家政服务人员智能匹配过程；能够准确计算当前订单数据中用户的用户意向度(即所预测的下单率)，并根据该用户意向度，判断有意向的用户；通过使用第一要求参数和第二要求参数，对当前订单数据中的用户与家政服务人员数据库中的各家政服务人员先进行粗匹配处理，再使用模型计算进行细匹配处理，能够更精确地匹配出与该用户相对应的家政服务人员，能够实现更有效的匹配过程，能够降低计算量，还能够节约资源；能够有效实现用户定制需求的适配服务，并为用户提供更有效的推送消息，还能够提高用户体验感和下单率。

实施例3

下面描述本发明的计算机设备实施例，该计算机设备可以视为对于上述本发明的方法和系统实施例的具体实体实施方式。对于本发明计算机设备实施例中描述的细节，应视为对于上述方法或系统实施例的补充；对于在本发明计算机设备实施例中未披露的细节，可以参照上述方法或系统实施例来实现。

图5是本发明的一个实施例的计算机设备的结构示意图，该计算机设备包括处理器和存储器，所述存储器用于存储计算机可执行程序，当所述计算机程序被所述处理器执行时，所述处理器执行图1的方法。

具体地，该计算机设备作为与服务器进行通信连接的客户端，所述服务器上建立有家政服务人员数据库，以存储各家政服务人员的服务者特征参数；所述客户端用于获取用户关于家政服务需求的文本数据；所述客户端或服务器从所述文本数据中抽取该用户的用户特征参数；当用户意向度满足预定条件，所述服务器将所述用户特征参数与所述数据库中的各服务者特征参数进行匹配，以计算各家政服务人员与该用户的匹配度；所述服务器根据所述匹配度和预定推送策略向所述客户端传送服务人员的信息。

如图5所示，计算机设备以通用计算设备的形式表现。其中处理器可以是一个，也可以是多个并且协同工作。本发明也不排除进行分布式处理，即处理器可以分散在不同的实体设备中。本发明的计算机设备并不限于单一实体，也可以是多个实体设备的总和。

所述存储器存储有计算机可执行程序，通常是机器可读的代码。所述计算机可读程序可以被所述处理器执行，以使得计算机设备能够执行本发明的方法，或者方法中的至少部分步骤。

所述存储器包括易失性存储器，例如随机存取存储单元(RAM)和/或高速缓存存储单元，还可以是非易失性存储器，如只读存储单元(ROM)。

可选的，该实施例中，计算机设备还包括有I/O接口，其用于计算机设备与外部的设备进行数据交换。I/O接口可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

应当理解，图5显示的计算机设备仅仅是本发明的一个示例，本发明的计算机设备中还可以包括上述示例中未示出的元件或组件。例如，有些计算机设备中还包括有显示屏等显示单元，有些计算机设备还包括人机交互元件，例如按扭、键盘等。只要该计算机设备能够执行存储器中的计算机可读程序以实现本发明方法或方法的至少部分步骤，均可认为是本发明所涵盖的计算机设备。

需要说明的是，上述仅作为示例进行说明，不能理解成对本发明的限制。此外，在实施例3中，省略了与实施例1和实施例2相同的部分的描述。

图6是本发明的一个实施例的计算机程序产品的示意图。如图6所示，计算机程序产品中存储有计算机可执行程序，所述计算机可执行程序被执行时，实现本发明上述方法。所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、系统或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

通过以上对实施方式的描述，本领域的技术人员易于理解，本发明可以由能够执行特定计算机程序的硬件来实现，例如本发明的系统，以及系统中包含的电子处理单元、服务器、客户端、手机、控制单元、处理器等来实现。本发明也可以由执行本发明的方法的计算机软件来实现，例如由微处理器、电子控制单元，客户端、服务器端等执行的控制软件来实现。但需要说明的是，执行本发明的方法的计算机软件并不限于由一个或特定个的硬件实体中执行，其也可以是由不特定具体硬件的以分布式的方式来实现。对于计算机软件，软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM，U盘，移动硬盘等)中，也可以分布式存储于网络上，只要其能使得计算机设备执行根据本发明的方法。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟系统或者计算机设备固有相关，各种通用系统也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。