冯兴+周继恩+方亚超

摘 要：传统的匹配技术因规则和参数固定，匹配性能和效果很不理想。基于实时大数据和机器学习技术，提出了一种新的分布式智能匹配系统，该系统根据实时匹配成功率和用户反馈进行自我优化。实验表明，系统性能可水平扩展，匹配正确率显著提高。

关键词：智能匹配；实时大数据；机器学习；分布式协调；Spark Streaming

DOIDOI：10.11907/rjdk.171722

中图分类号：TP303

文献标识码：A 文章编号文章编号：1672-7800（2017）008-0005-04

0 引言

人们通过打车软件可以匹配到最佳司机出行，亦可通过拼单软件凑团优惠秒杀；金融机构根据海量历史交易构造模型，实时侦测诈欺交易；商户根据客户群体特征分析消费趋势，从而进行精准营销。这一切，都离不开匹配技术。

匹配指事物之间有相符合或相配合的关系，匹配技术旨在以一定的目标、遵循一定的规则建立事物之间的关联，从而产生“协同效应”[1]。匹配技术一般遵循如下流程：从不同的事物中按照一定的规则提炼出特征，然后按照一定的目标去组合这些特征，能够满足预期目标则表示匹配成功[2]。传统匹配技术采用固定的规则和方法，规则不会随着实际情况发生调整和改变。实时匹配成功率较低，未成功的匹配只有等待T+1日的批量流程完成处理，难以应对越来越多的（T+0）实时场景需求。实时大数据技术[3]可以将历史匹配记录和实时信息結合起来分析，动态调整匹配规则和方法，提升了匹配的实时性和成功率，也提高了匹配效果和用户体验。……