CN107169786A - 数据资源的处理方法和装置 - Google Patents

Abstract

本发明公开了一种数据资源的处理方法和装置。其中，该方法包括：获取事件在多个历史时间段的执行重复率，其中，事件的执行重复率用于表示在第一历史时间段执行事件的对象，在第二历史时间段仍执行事件的概率，其中，第二历史时间段为第一历史时间段的下一个时间段；根据事件在多个历史时间段的执行重复率，获取事件的执行重复率模型；根据执行重复率模型，获取对象在第二历史时间段的事件执行概率；根据对象在第二历史时间段的事件执行概率，确定在第二历史时间段是否向对象发放数据资源。本发明解决了现有技术中电商的优惠券对用户随意发放，导致优惠券浪费的技术问题。

Description

数据资源的处理方法和装置

技术领域

本发明涉及数据处理领域，具体而言，涉及一种数据资源的处理方法和装置。

背景技术

目前，电商通常是通过商品的进价与卖价的差额来获取利润，因此，用户在电商平台上购买的商品更多、购买更频繁，则电商的利润更大。为了刺激用户在电商平台上购买商品，现有电商通常采用向用户发放优惠券的方式，或进行优惠促销活动的方式，以刺激用户再次消费，从而为平台带来更多的利润。

当前电商平台向用户发送优惠券时，在优惠券数量有限的情况下，通常采用统一发送的方式，即向任意用户发送优惠券，但每个用户的购买能力不同，对电商平台的依赖程度也不尽相同，导致每个用户在电商平台上进行购买的频次也不相同，因此电商平台向每个用户下发相同的优惠券的方式并不一定对所有的用户都适用，一些高频次购买的用户在没有优惠券的情况下仍然会继续在电商平台上购买，而需要优惠券刺激进行消费的用户可能并没有收到优惠券，因此导致优惠券资源的浪费。

针对现有技术中电商的优惠券对用户随意发放，导致优惠券浪费的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种数据资源的处理方法和装置，以至少解决现有技术中电商的优惠券对用户随意发放，导致优惠券浪费的技术问题。

根据本发明实施例的一个方面，提供了一种数据资源的处理方法，包括：获取事件在多个历史时间段的执行重复率，其中，事件的执行重复率用于表示在第一历史时间段执行事件的对象，在第二历史时间段仍执行事件的概率，其中，第二历史时间段为第一历史时间段的下一个时间段；根据事件在多个历史时间段的执行重复率，获取事件的执行重复率模型；根据执行重复率模型，获取对象在第二历史时间段的事件执行概率；根据对象在第二历史时间段的事件执行概率，确定在第二历史时间段是否向对象发放数据资源。

进一步地，获取在第一历史时间段执行事件的对象的第一数量，和在第一历史时间段执行事件后，在第二历史时间段仍执行事件的对象的第二数量，其中，第二历史时间段为第一历史时间段的第二历史时间段；确定第一数量和第二数量的比值为对象在第一历史时间段的执行重复率。

进一步地，将对象按照事件的历史执行次数进行分类；获取每一类历史执行次数在多个历史时间段的执行重复率的均值；根据事件的历史执行次数与事件的历史执行次数对应的执行重复率构成执行重复率模型。

进一步地，获取对象的历史事件执行次数；在执行重复率模型中，查找与对象的历史事件执行次数对应的事件执行概率。

进一步地，获取第一阈值和第二阈值，其中，第一阈值小于第二阈值；如果对象在第二历史时间段的事件执行概率小于第一阈值，则向对象发放第一数据量的数据资源；如果对象在第二历史时间段的事件执行概率大于第二阈值，则禁止向对象发放数据资源，或向对象发放第二数量的数据资源，其中，第二数据量小于第一数据量。

根据本发明实施例的另一方面，还提供了一种数据资源的处理装置，包括：第一获取模块，用于获取事件在多个历史时间段的执行重复率，其中，事件的执行重复率用于表示在第一历史时间段执行事件的对象，在第二历史时间段仍执行事件的概率，其中，第二历史时间段为第一历史时间段的下一个时间段；第二获取模块，用于根据事件在多个历史时间段的执行重复率，获取事件的执行重复率模型；第三获取模块，用于根据执行重复率模型，获取对象在第二历史时间段的事件执行概率；确定模块，用于根据对象在第二历史时间段的事件执行概率，确定在第二历史时间段是否向对象发放数据资源。

进一步地，第一获取子模块，用于获取在第一历史时间段执行事件的对象的第一数量，和在第一历史时间段执行事件后，在第二历史时间段仍执行事件的对象的第二数量，其中，第二历史时间段为第一历史时间段的第二历史时间段；第一确定子模块，用于确定第一数量和第二数量的比值为对象在第一历史时间段的执行重复率。

进一步地，分类子模块，用于将对象按照事件的历史执行次数进行分类；第二获取子模块，用于获取每一类历史执行次数在多个历史时间段的执行重复率的均值；模型构成子模块，用于根据事件的历史执行次数与事件的历史执行次数对应的执行重复率构成执行重复率模型。

进一步地，第三获取子模块，用于获取对象的历史事件执行次数；查找子模块，用于在执行重复率模型中，查找与对象的历史事件执行次数对应的事件执行概率。

进一步地，第四获取子模块，用于获取第一阈值和第二阈值，其中，第一阈值小于第二阈值；第一发放子模块，用于如果对象在第二历史时间段的事件执行概率小于第一阈值，则向对象发放第一数据量的数据资源；第二发放子模块，用于如果对象在第二历史时间段的事件执行概率大于第二阈值，则禁止向对象发放数据资源，或向对象发放第二数量的数据资源，其中，第二数据量小于第一数据量。

在本发明实施例中，获取事件在多个历史时间段的执行重复率，根据事件在多个历史时间段的执行重复率，获取事件的执行重复率模型，根据执行重复率模型，获取对象在第二历史时间段的事件执行概率，根据对象在第二历史时间段的事件执行概率，确定在第二历史时间段是否向对象发放数据资源。上述方案通过构建的事件的执行重复率模型来获取对象在第二历史时间段的事件执行概率，并根据对象在第二历史时间段的事件执行概率，确定是否为对象发放数据资源，即根据构建的事件的执行重复率模型，确定用户在第二历史时间段仍然进行主动购买的概率，并根据用户在第二历史时间段仍然进行主动购买的概率，确定是否向用户发放优惠券。从而通过对用户主动购买的行为的分析，预判其未来的购买频次，针对性的为不同的用户发放不同的优惠，解决了现有技术中电商的优惠券对用户随意发放，导致优惠券浪费的技术问题，进而提高了优惠券吸引用户购买的效果，并节约了发放优惠券的成本。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的数据资源的处理方法的流程图；

图2是根据本发明实施例的一种可选的执行重复率模型的示意图；以及

图3是根据本发明实施例的一种数据资源的处理装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种数据资源的处理方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

还需要说明的是，在下述实施例中，事件用于表示用户在电商平台上进行主动购买的行为，主动购买用于表征用户在未使用优惠券来进行购买的行为。

图1是根据本发明实施例的数据资源的处理方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取事件在多个历史时间段的执行重复率，其中，事件的执行重复率用于表示在第一历史时间段执行事件的对象，在第二历史时间段仍执行事件的概率，其中，第二历史时间段为第一历史时间段的下一个时间段。

具体的，事件的执行重复率用于表征在上一个时间段进行了主动购买事件，在紧接着的第二历史时间段也进行了主动购买事件的概率。在上述步骤中，历史时间段可以为月份，第一历史时间段和第二历史时间段为两个相连的月份，例如：第一历史时间段为一月份，第二历史时间段即为当年的二月份。

在一种可选的实施例中，每个月可以为一个时间段，多个历史时间段可以为一年中的十二个月，上述获取事件在多个历史时间段的执行重复率，即为获取十二个月中，上一个月在电商平台上主动购买了商品，在下个月仍然主动购买商品的概率。

步骤S104，根据事件在多个历史时间段的执行重复率，获取事件的执行重复率模型。

具体的，上述事件的执行重复率模型可以用于表征事件执行重复率与其他参数的对应关系，其他参数可以为用户进行主动购买的历史次数、用户在上个时间段进行主动购买的次数等参数。

步骤S106，根据执行重复率模型，获取对象在第二历史时间段的事件执行概率。

具体的，上述对象可以为待测确定是否为其发放优惠券的用户。

在上述步骤中，可以获取待确定是否为其发送优惠券的用户的主动购买的历史次数，根据执行重复率模型所表征的执行重复率与主动购买的历史次数的关系，确定在下个时间段是否向用户发放优惠券。

步骤S108，根据对象在第二历史时间段的事件执行概率，确定在第二历史时间段是否向对象发放数据资源。

具体的，上述数据资源可以为电商平台为用户发放的优惠券。

在上述步骤中，可以根据对象在第二历史时间段的事件执行概率，对对象在第二历史时间段是否执行事件进行预判，并根据预判结果来发放优惠券。

由上可知，本申请上述实施例获取事件在多个历史时间段的执行重复率，根据事件在多个历史时间段的执行重复率，获取事件的执行重复率模型，根据执行重复率模型，获取对象在第二历史时间段的事件执行概率，根据对象在第二历史时间段的事件执行概率，确定在第二历史时间段是否向对象发放数据资源。上述方案通过构建的事件的执行重复率模型来获取对象在第二历史时间段的事件执行概率，并根据对象在第二历史时间段的事件执行概率，确定是否为对象发放数据资源，即根据构建的事件的执行重复率模型，确定用户在第二历史时间段仍然进行主动购买的概率，并根据用户在第二历史时间段仍然进行主动购买的概率，确定是否向用户发放优惠券。从而通过对用户主动购买的行为的分析，预判其未来的购买频次，针对性的为不同的用户发放不同的优惠，解决了现有技术中电商的优惠券对用户随意发放，导致优惠券浪费的技术问题，进而提高了优惠券吸引用户购买的效果，并节约了发放优惠券的成本。

可选的，根据本申请上述实施例，获取事件在多个历史时间段的执行重复率，包括：

步骤S1021，获取在第一历史时间段执行事件的对象的第一数量，和在第一历史时间段执行事件后，在第二历史时间段仍执行事件的对象的第二数量，其中，第二历史时间段为第一历史时间段的第二历史时间段。

上述步骤可以为，获取一月份子电商平台上进行主动购买的用户量，以及在一月份进行过主动购买后，二月份仍进行了主动购买的用户的数量。

步骤S1024，确定第一数量和第二数量的比值为对象在第一历史时间段的执行重复率。

在一种可选的实施例中，以多个历史时间段我一年中的十二个月为例，该电商平台的执行重复率即可以表示为用户的主动复购率：

1月主动复购率＝去年12月主动购买的用户中1月仍主动购买的用户量/去年12月主动购买用户量；

2月主动复购率＝1月主动购买的用户中2月仍主动购买用户量/1月主动购买用户量；

3月主动复购率＝2月主动购买的用户中3月仍主动购买用户量/2月主动购买用户量；

……

12月主动复购率＝11月主动购买的用户中12月仍主动购买用户量/11月主动购买用户量。

上述步骤通过将第一个历史时间段购买过商品，并在第二个历史时间段仍购买过商品的用户，与在第一个历史时间段购买过商品的用户的比值，作为用户在第二个历史时间段的主动复购率。

可选的，根据本申请上述实施例，根据对象在多个历史时间段的执行重复率，获取对象的执行重复率模型，包括：

步骤S1041，将对象按照事件的历史执行次数进行分类。

此处需要说明的是，对象的历史事件执行次数为用户在该电商平台上的全部购买次数，而并非用户在历史时间段的购买次数。

步骤S1043，获取每一类历史执行次数在多个历史时间段的执行重复率的均值。

步骤S1045，根据事件的历史执行次数与事件的历史执行次数在多个历史时间段的执行重复率的均值构成执行重复率模型。

在一种可选的实施例中，结合图2所示的示例，该电商将所有用户根据用户的购买次数进行分类，得到22类用户，分别为历史购买次数为1至22次的用户，分别对每一类用户在过去12个月的月主动复购率进行计算，再计算每一类用户在过去12个月的月主动复购率的平均值，将每一个类用户以其里是购买次数表征，与过去12个月的月主动复购率进行对应，从而得到如图2所示的里是购买次数与月主动复购率的关系示意图。

此处需要说明的是，图中历史购买1至22次仅用于对上述方法进行说明，对于电商平台应该有更多购买次数来构成上述执行重复率模型。

此处还需要说明的是，结合图2所示，可以知晓的是，用户的历史购买次数与用户的月主动复购率有比较明显的正相关关系，也即，用户的历史购买系数越多，其月主动复购率越大。

可选的，根据本申请上述实施例，根据执行重复率模型，获取对象在第二历史时间段的事件执行概率，包括：

步骤S1601，获取对象的历史事件执行次数。

步骤S1603，在执行重复率模型中，查找与对象的历史事件执行次数对应的事件执行概率。

在一种可选的实施例，结合图2所示的示例，待确定是否向其发送优惠券的用户在预设的电商平台的历史购买次数为16次，则该用户对应的事件重复执行率，即月主动复购率为40.00％，因此得到该用户在下个月仍在该电商平台购买商品的概率为40.00％。

可选的，根据本申请上述实施例，根据对象在第二历史时间段的事件执行概率，确定在第二历史时间段是否向对象发放数据资源，包括：

步骤S1081，获取第一阈值和第二阈值，其中，第一阈值小于第二阈值。

步骤S1083，如果对象在第二历史时间段的事件执行概率小于第一阈值，则向对象发放第一数据量的数据资源。

步骤S1085，如果对象在第二历史时间段的事件执行概率大于第二阈值，则禁止向对象发放数据资源，或向对象发放第二数量的数据资源，其中，第二数据量小于第一数据量。

结合图2所示，用户的历史购买次数与用户的月主动复购率有比较明显的正相关关系，也即月主动复购率越大的用户，其主动购买的次数越多，因此可以为月主动复购率较大的用户发放较少的优惠券，因为月主动复购率较大的用户在没由收到优惠券的情况下仍然会进行购买，对于月制动复购率较小的用户，其也为历史购买次数较少的用户，可以向其发放较多的优惠券，以吸引其进行购买。

在一种可选的实施例中，上述第一阈值为10％，第二阈值为50％。在用户的时间执行概率，对于月主动复购率低于10％的用户，发放较多的优惠券，较多的优惠券可以是优惠券的数量较多，也可是优惠券的金额较大，还可以是二者的结合，以吸引这部分用户重复购买；对于月主动复购率高于50％的用户，可以发放较少的优惠券，或不发放优惠券。较少的优惠券可以是优惠券的金额较少，也可以是优惠券的数量较少，还可以是二者的结合。

而对于在第二历史时间段的事件执行概率处于第一阈值和第二阈值之间的用户，可以对其发送第三数据量的数据资源，第三数据量小于第一数据量且大于第二数据量。

下面，以一种可选的示例对上述实施例进行说明。仍然结合图2所示，分别确定在某个电商平台上的已注册用户A、用户B和用户C的月主动复购率。用户A的里是购买次数为0次，用户B的历史购买次数为12次，用户C的历史购买次数为22次，则用户A的月主动复购率为0，用户B的复购率为30％，用户C的复购率为60％。依据上述用户A、B、C的复购率，为用户A、B、C分别发放优惠券。由于用户A的月主动复购率小于第一阈值10％，则向其发送3张满100减20的优惠券，用户B的月主动复购率处于10％与50％之间，向其发送2张满100减10元的优惠券，用户C的月主动复购率大于50％，向用户C发送1张满100减5元的优惠券。

实施例2

根据本发明实施例，提供了一种数据资源的处理装置的实施例，图3是根据本发明实施例的一种数据资源的处理装置的示意图，结合图3所示，该数据资源的处理装置包括：

第一获取模块30，用于获取事件在多个历史时间段的执行重复率，其中，事件的执行重复率用于表示在第一历史时间段执行事件的对象，在第二历史时间段仍执行事件的概率，其中，第二历史时间段为第一历史时间段的下一个时间段。

第二获取模块32，用于根据事件在多个历史时间段的执行重复率，获取事件的执行重复率模型。

第三获取模块34，用于根据执行重复率模型，获取对象在第二历史时间段的事件执行概率。

确定模块36，用于根据对象在第二历史时间段的事件执行概率，确定在第二历史时间段是否向对象发放数据资源。

由上可知，本申请上述实施例通过第一获取模块获取事件在多个历史时间段的执行重复率，通过第二获取模块根据事件在多个历史时间段的执行重复率，获取事件的执行重复率模型，通过第三获取模块根据执行重复率模型，获取对象在第二历史时间段的事件执行概率，通过确定模块根据对象在第二历史时间段的事件执行概率，确定在第二历史时间段是否向对象发放数据资源。上述方案通过构建的事件的执行重复率模型来获取对象在第二历史时间段的事件执行概率，并根据对象在第二历史时间段的事件执行概率，确定是否为对象发放数据资源，即根据构建的事件的执行重复率模型，确定用户在第二历史时间段仍然进行主动购买的概率，并根据用户在第二历史时间段仍然进行主动购买的概率，确定是否向用户发放优惠券。从而通过对用户主动购买的行为的分析，预判其未来的购买频次，针对性的为不同的用户发放不同的优惠，解决了现有技术中电商的优惠券对用户随意发放，导致优惠券浪费的技术问题，进而提高了优惠券吸引用户购买的效果，并节约了发放优惠券的成本。

可选的，根据本申请上述实施例，第一获取模块包括：

第一获取子模块，用于获取在第一历史时间段执行事件的对象的第一数量，和在第一历史时间段执行事件后，在第二历史时间段仍执行事件的对象的第二数量，其中，第二历史时间段为第一历史时间段的第二历史时间段。

第一确定子模块，用于确定第一数量和第二数量的比值为对象在第一历史时间段的执行重复率。

可选的，根据本申请上述实施例，第二获取模块包括：

分类子模块，用于将对象按照事件的历史执行次数进行分类。

第二获取子模块，用于获取每一类历史执行次数在多个历史时间段的执行重复率的均值。

模型构成子模块，用于根据事件的历史执行次数与事件的历史执行次数在多个历史时间段的执行重复率的均值构成执行重复率模型。

可选的，根据本申请上述实施例，第三获取模块包括：

第三获取子模块，用于获取对象的历史事件执行次数。

查找子模块，用于在执行重复率模型中，查找与对象的历史事件执行次数对应的事件执行概率。

可选的，根据本申请上述实施例，确定模块包括：

第四获取子模块，用于获取第一阈值和第二阈值，其中，第一阈值小于第二阈值。

第一发放子模块，用于如果对象在第二历史时间段的事件执行概率小于第一阈值，则向对象发放第一数据量的数据资源。

第二发放子模块，用于如果对象在第二历史时间段的事件执行概率大于第二阈值，则禁止向对象发放数据资源，或向对象发放第二数量的数据资源，其中，第二数据量小于第一数据量。

实施例2

根据本发明实施例，提供了一种存储介质，该存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行实施例1中任意一项的数据资源的处理方法。

实施例3

根据本发明实施例，提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行实施例1中任意一项的数据资源的处理方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (12)

1.一种数据资源的处理方法，其特征在于，包括：

获取事件在多个历史时间段的执行重复率，其中，所述事件的执行重复率用于表示在第一历史时间段执行所述事件的对象，在第二历史时间段仍执行所述事件的概率，其中，所述第二历史时间段为所述第一历史时间段的下一个时间段；

根据所述事件在所述多个历史时间段的执行重复率，获取所述事件的执行重复率模型；

根据所述执行重复率模型，获取所述对象在第二历史时间段的事件执行概率；

根据所述对象在所述第二历史时间段的事件执行概率，确定在所述第二历史时间段是否向所述对象发放数据资源。

2.根据权利要求1所述的方法，其特征在于，获取事件在多个历史时间段的执行重复率，包括：

获取在所述第一历史时间段执行所述事件的对象的第一数量，和在所述第一历史时间段执行所述事件后，在所述第二历史时间段仍执行所述事件的对象的第二数量；

确定所述第一数量和所述第二数量的比值为所述对象在所述第一历史时间段的执行重复率。

3.根据权利要求1所述的方法，其特征在于，根据所述对象在所述多个历史时间段的执行重复率，获取所述对象的执行重复率模型，包括：

将所述对象按照事件的历史执行次数进行分类；

获取每一类历史执行次数在所述多个历史时间段的执行重复率的均值；

根据所述事件的历史执行次数与所述事件的历史执行次数在所述多个历史时间段的执行重复率的均值构成所述执行重复率模型。

4.根据权利要求3所述的方法，其特征在于，根据所述执行重复率模型，获取所述对象在第二历史时间段的事件执行概率，包括：

获取所述对象的历史事件执行次数；

在所述执行重复率模型中，查找与所述对象的历史事件执行次数对应的事件执行概率。

5.根据权利要求1至4中任意一项所述的方法，其特征在于，根据所述对象在所述第二历史时间段的事件执行概率，确定在所述第二历史时间段是否向所述对象发放数据资源，包括：

获取第一阈值和第二阈值，其中，所述第一阈值小于所述第二阈值；

如果所述对象在所述第二历史时间段的事件执行概率小于所述第一阈值，则向所述对象发放第一数据量的所述数据资源；

如果所述对象在所述第二历史时间段的事件执行概率大于所述第二阈值，则禁止向所述对象发放所述数据资源，或向所述对象发放第二数量的数据资源，其中，所述第二数据量小于所述第一数据量。

6.一种数据资源的处理装置，其特征在于，包括：

第一获取模块，用于获取事件在多个历史时间段的执行重复率，其中，所述事件的执行重复率用于表示在第一历史时间段执行所述事件的对象，在第二历史时间段仍执行所述事件的概率，其中，所述第二历史时间段为所述第一历史时间段的下一个时间段；

第二获取模块，用于根据所述事件在所述多个历史时间段的执行重复率，获取所述事件的执行重复率模型；

第三获取模块，用于根据所述执行重复率模型，获取所述对象在第二历史时间段的事件执行概率；

确定模块，用于根据所述对象在所述第二历史时间段的事件执行概率，确定在所述第二历史时间段是否向所述对象发放数据资源。

7.根据权利要求6所述的装置，其特征在于，所述第一获取模块包括：

第一获取子模块，用于获取在所述第一历史时间段执行所述事件的对象的第一数量，和在所述第一历史时间段执行所述事件后，在所述第二历史时间段仍执行所述事件的对象的第二数量；

第一确定子模块，用于确定所述第一数量和所述第二数量的比值为所述对象在所述第一历史时间段的执行重复率。

8.根据权利要求6所述的装置，其特征在于，所述第二获取模块包括：

分类子模块，用于将所述对象按照事件的历史执行次数进行分类；

第二获取子模块，用于获取每一类历史执行次数在所述多个历史时间段的执行重复率的均值；

模型构成子模块，用于根据所述事件的历史执行次数与所述事件的历史执行次数在所述多个历史时间段的执行重复率的均值构成所述执行重复率模型。

9.根据权利要求8所述的装置，其特征在于，所述第三获取模块包括：

第三获取子模块，用于获取所述对象的历史事件执行次数；

查找子模块，用于在执行重复率模型中，查找与所述对象的历史事件执行次数对应的事件执行概率。

10.根据权利要求6至9中任意一项所述的装置，其特征在于，所述确定模块包括：

第四获取子模块，用于获取第一阈值和第二阈值，其中，所述第一阈值小于所述第二阈值；

第一发放子模块，用于如果所述对象在所述第二历史时间段的事件执行概率小于所述第一阈值，则向所述对象发放第一数据量的所述数据资源；

第二发放子模块，用于如果所述对象在所述第二历史时间段的事件执行概率大于所述第二阈值，则禁止向所述对象发放所述数据资源，或向所述对象发放第二数量的数据资源，其中，所述第二数据量小于所述第一数据量。

11.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至5中任意一项所述的数据资源的处理方法。

12.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至5中任意一项所述的数据资源的处理方法。