CN109710410A - 一种互联网信息资源分配方法及装置 - Google Patents

Abstract

本申请公开了一种互联网信息资源分配方法，用以解决现有技术存在的无法对互联网信息资源进行分配的问题。方法包括：获取互联网信息资源分配方用户输入分配信息；根据所述分配信息，基于预先生成的预测模型，确定待分配互联网信息资源在主资源池与副资源池中的分配方式，并根据所述分配方式创建用于存储所述待分配互联网信息资源的主资源池以及副资源池；响应于请求方用户输入的分配请求，根据所述主资源池以及所述副资源池中剩余待分配互联网信息资源的数量，进行互联网信息资源分配。本申请还公开了一种互联网信息资源分配装置。

Description

一种互联网信息资源分配方法及装置

技术领域

本申请涉及计算机技术领域，尤其涉及一种互联网信息资源分配方法及装置。

背景技术

随着信息技术的不断发展，各种互联网信息资源(比如网络存储资源、安全监控资源等，简称资源)也不断出现。

在现有技术中，往往期望可以对互联网信息资源进行分配，例如，某些拥有互联网信息资源的对象可能会期望调配出一些互联网信息资源，并将这些互联网信息资源分配给其他的对象，或者某些对象可能会期望可以接收其他对象所分配的互联网信息资源。

而如何对互联网信息资源进行分配，现有技术并未提供成熟的解决方案。

发明内容

本申请实施例提供一种互联网信息资源分配方法，用以解决现有技术存在的无法对互联网信息资源进行分配的问题。

本申请实施例还提供一种互联网信息资源分配装置，用以解决现有技术存在的无法对互联网信息资源进行分配的问题。

本申请实施例采用下述技术方案：

一种互联网信息资源分配方法，包括：

获取互联网信息资源分配方用户输入分配信息；

根据所述分配信息，基于预先生成的预测模型，确定待分配互联网信息资源在主资源池与副资源池中的分配方式，并根据所述分配方式创建用于存储所述待分配互联网信息资源的主资源池以及副资源池；

响应于请求方用户输入的分配请求，根据所述主资源池以及所述副资源池中剩余待分配互联网信息资源的数量，进行互联网信息资源分配。

一种互联网信息资源分配装置，包括：

信息获取单元，用于获取互联网信息资源分配方用户输入分配信息；

资源池创建单元，用于根据所述分配信息，基于预先生成的预测模型，确定待分配互联网信息资源在主资源池与副资源池中的分配方式，并根据所述分配方式创建用于存储所述待分配互联网信息资源的主资源池以及副资源池；

资源分配单元，用于响应于请求方用户输入的分配请求，根据所述主资源池以及所述副资源池中剩余待分配互联网信息资源的数量，进行互联网信息资源分配。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

采用本申请实施例提供的互联网信息资源分配方法，在进行互联网信息资源分配之前，可以先获取分配方用户输入分配信息，并根据该些分配信息，基于预先生成的预测模型，确定待分配互联网信息资源在主资源池与副资源池中的分配方式，并根据所述分配方式创建用于存储所述待分配互联网信息资源的主资源池以及副资源池，则当接收到用户发送的分配请求后，系统可以根据主资源池与副资源池中剩余待分配互联网信息资源的数量，来为用户进行互联网信息资源的分配。通过预先生成的预测模型，根据分配方用户输入的分配信息，可以预测出根据分配方用户发送的互联网信息资源分配通知，可能会接收到多少分配请求，进而根据预测出的分配请求，分别确定主资源池以及副资源池中存储的互联网信息资源数量，进而在进行互联网信息资源分配时，首先对主资源池中的资源进行分配，而以副资源池中的资源为备用资源。采用本申请提供的方法，一方面实现了对互联网信息资源的分配，同时还可以通过副资源池中的备用资源，避免当接收到的分配请求过多，而导致主资源池中资源无法满足分配需要的问题。

附图说明

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

图1为本申请实施例提供的一种互联网信息资源分配方法的具体流程示意图；

图2为本申请实施例提供的一种互联网信息资源分配装置的具体结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

本申请实施例提供的一种互联网信息资源分配方法，用以解决现有技术存在的无法对互联网信息资源进行分配的问题。

本申请实施例所提供的互联网信息资源分配方法，该方法的执行主体，可以是服务器，例如，互联网信息资源分配服务器、广告服务器以及微博服务器等；此外该方法的执行主体也可以是在前端供用户直接使用的互联网信息资源分配服务平台、微博应用程序(Application，APP)，或者是其他具有互联网信息资源分配功能的应用程序。所述的执行主体并不构成对本申请的限定，为了便于描述，本发明实施例均以执行主体是微博APP为例进行说明。

另外这里需要说明的是，目前在进行互联网广告推荐的过程中，为了提高广告的推荐效果(其中，推荐效果可以是指推荐信息是否对接收到该信息的用户产生影响，比如，用户在接收到推荐信息后，可能会通过点击该推荐信息对推荐消息所推荐的对象进行查看，或者会对推荐信息发送方网站进行访问，等等)，在进行广告推送的过程中广告主往往会一并进行相关互联网信息资源(比如网络存储资源、安全监控资源以及金额数据资源以及电子货币资源等)的分配。例如，当广告接收方接收到一条推送广告，并点击观看该条推送广告后，则广告推送方可以向该接收方用户发送一定金额的电子红包，作为该用户观看推送广告的奖励，以此提高推送广告的观看率，从而提高了广告推送效果。由此可见，在广告推荐过程中，往往会伴随有互联网信息资源的分配过程，因而，为了便于对本方案的理解，下文以采用本申请中提供的互联网信息资源分配方法对广告推送过程中的奖励资源进行分配为例，对本方案的具体实现方式进行介绍。

该方法的具体实现流程示意图如图1所示，主要包括下述步骤：

步骤11，获取互联网信息资源分配方用户输入分配信息；

其中，所述互联网信息资源，比如可以包括：网络存储资源、安全监控资源、文档资源、图片资源、视频资源、音频资源、电子货币资源(比如电子红包)，等等。在本申请实施例中，互联网信息资源可以是指电子红包，即在广告推送过程中，当用户观看推送广告后，分配方用户可以向观看用户分配一定金额的电子红包作为奖励。

此外，在本申请实施例中，互联网信息资源分配方用户同时也是广告推送方用户，即在广告推送过程中，分配方用户会设置一定金额的电子红包作为待分配互联网信息资源，以用作广告推送过程的奖励。

在一种实施方式中，分配方用户可以根据自己的需要自行设置待分配互联网信息资源的分配方式以及待分配数量等分配信息，在本申请实施例中，分配方用户输入的分配信息主要可以包括以下两种：

1、用户信息；

用户信息主要可以包括用户标签、粉丝数、关注数以及账号等级等信息。

其中，用户标签主要可以是指微博服务器根据用户日常行为数据，为该用户设置的、表示该用户所对应类别的标签，例如，某用户日常发送的微博均是与动漫相关的微博，则微博服务器可以为该用户设置“动漫”标签；而粉丝数、关注数以及账号等级是指在用户使用该账号的过程中，服务器记录并统计的数据。

2、待分配互联网信息资源的数量；

以待分配互联网信息资源为电子红包为例，则在本方案中，所述待分配互联网信息资源的数量可以是指电子红包的个数以及待分配电子红包的总金额。

步骤12，根据所述分配信息，基于预先生成的预测模型，确定待分配互联网信息资源在主资源池与副资源池中的分配方式，并根据所述分配方式创建用于存储所述待分配互联网信息资源的主资源池以及副资源池；

在一种实施方式中，本申请实施例中所提供的预测模型可以是基于线性回归算法训练生成的。为了便于对本方案的理解，下文首先对逻辑回归算法进行说明。

线性回归(linear regression)是利用线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个回归系数的模型参数的线性组合。而采用线性回归算法训练预测模型的过程，实际上就是利用预先收集到的各维度的训练样本，对构建的线性回归函数进行求解，以求解出该线性回归函数中权值的过程。

一般地，基于线性回归算法构建的预测模型可以分为如下两种形式：

1、一元线性回归预测模型，如下公式[1]所示：

Y＝aX₁+b [1]

其中，X₁表示训练样本，a和b表示模型中待确定的未知权值。当预测结果仅受一个因素的影响时，则可以使用一元线性回归预测模型进行预测。

2、多元线性回归预测模型，如下公式[2]所示：

Y＝f(X₁，X₂，X₃……X_n)＝a₁X₁+a₂X₂+a₃X₃+……+a_nX_n+b [2]

其中，X₁，X₂，X₃……X_n表示训练样本集中训练样本的各个维度特征，a₁、a₂、a₃……a_n以及b表示模型中待确定的未知权值。当预测结果可能会受到多个因素的影响时，则可以使用多元线性回归预测模型进行预测。

由于在本方案中，期望计算得到的预测结果可能会受到多种因素的影响，因而在本申请实施例中，预测模型可以是基于多元线性回归函数训练得到的多元线性回归预测模型。

在多元线性回归预测模型中最简单的一种形式是只有两个自变量(n＝2)的二元线性回归预测模型，其一般形式如下公式[3]所示：

Y＝f(X₁，X₂)＝aX₁+bX₂+c [3]

下面以训练二元线性回归预测模型为例，介绍本方案中多元线性回归预测模型具体是如何构建的：

在上述公式[3]中，Y为因变量，即预测结果；X₁，X₂是两个不同自变量，即与预测结果紧密相关的影响因素；a，b，c分别为该二元线性回归预测模型的权值。

其中，a，b，c可以通过求解如下公式[4]得到：

在训练过程中，X₁，X₂以及Y均为已知的训练样本，则通过对X₁，X₂以及Y进行赋值，可以计算出该二元线性回归预测模型中的权值a，b，c。

基于上文所介绍的线性回归算法，下文以将要构建用于预测待分配电子红包金额在主红包池与副红包池中分配方式的预测模型为例，具体介绍在本方案中是如何构建预测模型的。

在一种实施方式中，本方案具体可以按照如下步骤生成预测模型：

子步骤a：获取特定数量的历史分配信息，以及与所述历史分配信息对应的主资源池与副资源池的分配方式；

为了可以训练生成预测模型，首先需要收集用于训练该预测模型的训练样本数据，由于本方案训练生成的预测模型主要是用于预测待分配的电子红包金额在主红包池与副红包池中的分配方式，因而在本方案中可以将已经发送过电子红包的用户的相关数据作为训练预测模型过程中所使用的训练样本数据。

且由于在实际使用过程中，当用户在进行广告推送过程中，将发送电子红包作为观看广告的奖励时，该用户的粉丝数、关注数、待分配的红包总金额以及微博账号等级等特征均可能会对该用户待分配的电子红包总金额的分配方式造成一定程度的影响。且在实际使用中，由于用户发送电子红包总金额是一定的，因而势必会出现接收方用户观看了推送广告，但是没有领取到电子红包的情况，这种情况的频繁发生势必会影响接收方用户正常的使用体验，因此，为了避免这种情况的发生，本方案可以根据已观看推荐广告但是未领取到电子红包的用户数量，来确定副资源池中可容纳的电子红包金额。因而在一种实施方式中，本方案可以将与用户相关的用户标签、粉丝数、关注数、待分配的红包总金额、账号等级以及已观看推荐广告但是未领取到电子红包的用户数量等特征作为训练该预测模型的训练样本数据。

另外，为了尽可能地提高训练得到的预测模型预测结果的准确性，在一种实施方式中，本方案会尽可能多地收集可以作为训练样本的用户数据。在本申请实施例中，往往可以收集至少1000个已经发送过电子红包的用户的相关数据作为训练预测模型过程中所使用的训练样本数据。

子步骤b：根据通过执行子步骤a获取到的样本数据，生成训练样本集；

在一种实施方式中，可以采用如下方式生成训练样本集：

将通过执行子步骤a获取的样本数据中的用户标签、粉丝数、关注数、待分配的红包总金额以及账号等级等特征作为训练样本中的自变量，即上述公式[2]中的X₁，X₂，X₃……X_n等。而将已观看推荐广告但是未领取到电子红包的用户数量作为样本数据中的Y，采用上述方式可以获取足够数量的样本数据，且每个样本数据都有确定的X和Y，即组成训练预测模型所使用的训练样本集。

子步骤c：采用线性回归算法，分别以所述历史分配信息作为输入数据，以所述历史分配信息对应的主资源池与副资源池的分配方式作为输出，建立所述预测模型，所述预测模型用于根据分配信息确定待分配互联网信息资源在主资源池与副资源池中的分配方式。

将已经生成的训练集数据，代入前面所介绍的公式[2]中，并采用梯度下降法等数学方法，公式[2]中的a₁、a₂、a₃……a_n以及b参数的值，即得到了本方案中用于预测待分配电子红包金额在主红包池与副红包池中分配方式的预测模型。

另外这里还需要说明的是，为了保证使用训练得到的预测模型进行预测的结果准确率，在一种实施方式中，在通过执行上述步骤训练得到预测模型后，还可以对使用验证数据对该预测模型进行验证。具体地，本申请实施例可以采用如下方法对生成的预测模型进行验证：采用相应的验证数据输入所述预测模型，得到输出结果；根据所述输出结果，计算所述预测模型的预测准确率；判断所述预测准确率是否大于预先设定的准确率阈值；并根据判断结果确定该预测模型的准确性，以决定该预测模型是否可用。

其中，可以将已经发送过电子红包的用户的相关数据作为验证数据，由上述训练过程可知，将该些验证数据输入该预测模型后，得到的Y的取值应该与该次发送电子红包的过程中，已观看推荐广告但是未领取到电子红包的用户数量相同，进而可以通过比较预测结果与验证数据中实际已观看推荐广告但是未领取到电子红包的用户数量，来判断该预测模型是否准确。在一种实施方式中，可以设置准确率阈值为80％，即在使用100个验证数据对预测模型进行验证后，只要有80个输出结果符合预期结果，则认为该预测模型准确率合格，可以使用。

而当通过验证发现预测买模型的准确率小于预设的准确率阈值时，则说明该预测模型不符合要求，进而可以通过调整建立预测模型所使用的数据、重新建立相应的预测模型，直至预测模型的预测准确率大于预先设定的准确率阈值。

步骤13，当接收请求方用户发送的分配请求，响应于所述分配请求，根据所述主资源池以及所述副资源池中剩余待分配互联网信息资源的数量，进行互联网信息资源分配。

需要说明的是，当微博服务器接收到请求方用户发的分配请求后，微博服务器首先会根据主资源池中剩余可分配资源的数量，对请求方用户进行分配，并在主资源池中剩余可分配资源数量不足时，使用副资源池中的可分配资源继续向请求方用户进行资源分配，从而避免了由于主资源池中资源不足，而导致部分请求用户无法领取到资源的情况。

具体地，在本申请实施例中，可以按照如下方式向请求方用户进行资源分配：响应于请求方用户输入的分配请求，确定与所述分配请求对应的待分配互联网信息资源数量；判断所述主资源池中剩余待分配互联网信息资源的数量是否大于所述分配请求对应的待分配互联网信息资源数量；当判断结果为是时，根据所述主资源池中剩余待分配互联网信息资源的数量，进行互联网信息资源分配；当判断结果为否时，根据所述副资源池中剩余待分配互联网信息资源的数量，进行互联网信息资源分配。

在实际使用中，由于用户发送电子红包总金额是一定的，且请求方用户接收到互联网信息资源分配通知与请求方用户实际发送分配请求之间往往是有一定的时间间隔的，而在这段时间间隔内，待分配的互联网信息资源可能就会被其他收到通知的用户领取完毕，则此时用户发送分配请求时，就会出现无法领取的情况，这种互联网信息资源分配通知与实际剩余可分配互联网信息资源不符合的情况，会极大的影响用户正常的使用体验。

为了避免上述问题，在本申请实施例中，微博服务器可以根据主资源池中剩余可分配的互联网信息资源的数量，来生成互联网信息资源分配通知，并向请求方用户发送该通知。具体地，在本申请实施例中，可以按照如下方式生成互联网信息资源分配通知：判断所述主资源池中剩余待分配互联网信息资源的数量是否大于预设阈值；当判断结果为是时，生成互联网信息资源分配通知；向请求方发送所述互联网信息资源分配通知，以使得所述请求方根据接收到的所述互联网信息资源分配通知发送分配请求。

按照上述方法，当微博服务器判断主资源池中当前剩余的可分配互联网信息资源的数量大于0时，则微博服务器可以生成互联网信息资源分配通知，并向请求方用户发送该通知，由于有副资源池的存在，而且副资源池中存储的互联网信息资源的数量是通过预测得到的，因而即使请求方用户在接收到分配通知后，没有及时发送分配请求，而导致主资源池中剩余的可分配互联网信息资源被其他用户领取完毕，则微博服务器还可以通过副资源池中存储的资源向请求方用户进行分配，从而避免了由于互联网信息资源分配通知与实际剩余可分配互联网信息资源不符，而导致请求方用户无法正常领取到互联网信息资源的问题。

采用本申请实施例提供的互联网信息资源分配方法，在进行互联网信息资源分配之前，可以先获取分配方用户输入分配信息，并根据该些分配信息，基于预先生成的预测模型，确定待分配互联网信息资源在主资源池与副资源池中的分配方式，并根据所述分配方式创建用于存储所述待分配互联网信息资源的主资源池以及副资源池，则当接收到用户发送的分配请求后，系统可以根据主资源池与副资源池中剩余待分配互联网信息资源的数量，来为用户进行互联网信息资源的分配。通过预先生成的预测模型，根据分配方用户输入的分配信息，可以预测出根据分配方用户发送的互联网信息资源分配通知，可能会接收到多少分配请求，进而根据预测出的分配请求，分别确定主资源池以及副资源池中存储的互联网信息资源数量，进而在进行互联网信息资源分配时，首先对主资源池中的资源进行分配，而以副资源池中的资源为备用资源。采用本申请提供的方法，一方面实现了对互联网信息资源的分配，同时还可以通过副资源池中的备用资源，避免当接收到的分配请求过多，而导致主资源池中资源无法满足分配需要的问题。

另外，本申请实施例提供的一种互联网信息资源分配装置，，用以解决现有技术存在的无法对互联网信息资源进行分配的问题。该装置的具体结构示意图如图2所示，包括：信息获取单元21、资源池创建单元22以及资源分配单元23。

其中，信息获取单元21，用于获取互联网信息资源分配方用户输入分配信息；

资源池创建单元22，用于根据所述分配信息，基于预先生成的预测模型，确定待分配互联网信息资源在主资源池与副资源池中的分配方式，并根据所述分配方式创建用于存储所述待分配互联网信息资源的主资源池以及副资源池；

资源分配单元23，用于接收请求方用户发送的分配请求，响应于所述分配请求，根据所述主资源池以及所述副资源池中剩余待分配互联网信息资源的数量，进行互联网信息资源分配。

在一种实施方式中，所述分配信息包括：用户信息以及待分配互联网信息资源的数量，其中，所述用户信息包括：用户标签、粉丝数、关注数以及账号等级；

则资源池创建单元22，具体用于：采用预先生成的预测模型，以所述用户信息以及所述待分配互联网信息资源的数量作为输入，确定所述待分配互联网信息资源在主资源池与副资源池中的分配方式。

在一种实施方式中，资源分配单元23，具体用于：响应于请求方用户输入的分配请求，确定与所述分配请求对应的待分配互联网信息资源数量；判断所述主资源池中剩余待分配互联网信息资源的数量是否大于所述分配请求对应的待分配互联网信息资源数量；当判断结果为是时，根据所述主资源池中剩余待分配互联网信息资源的数量，进行互联网信息资源分配；当判断结果为否时，根据所述副资源池中剩余待分配互联网信息资源的数量，进行互联网信息资源分配。

在一种实施方式中，通知生成单元，具体用于：判断所述主资源池中剩余待分配互联网信息资源的数量是否大于预设阈值；当判断结果为是时，生成互联网信息资源分配通知；向请求方发送所述互联网信息资源分配通知，以使得所述请求方根据接收到的所述互联网信息资源分配通知发送分配请求。

在一种实施方式中，所述装置还包括预测模型生成单元，具体用于：获取特定数量的历史分配信息，以及与所述历史分配信息对应的主资源池与副资源池的分配方式；采用线性回归算法，分别以所述历史分配信息作为输入数据，以所述历史分配信息对应的主资源池与副资源池的分配方式作为输出，建立所述预测模型，所述预测模型用于根据分配信息确定待分配互联网信息资源在主资源池与副资源池中的分配方式。

在一种实施方式中，预测模型生成单元，还用于：采用相应的验证数据输入所述预测模型，得到输出结果；根据所述输出结果，计算所述预测模型的预测准确率；判断所述预测准确率是否大于预先设定的准确率阈值；当判断结果为是时，则确定所述预测模型可用；当判断结果为否时，则调整建立预测模型所使用的数据、重新建立相应的预测模型，直至预测模型的预测准确率大于预先设定的准确率阈值。

采用本申请实施例提供的互联网信息资源分配装置，在进行互联网信息资源分配之前，可以先获取分配方用户输入分配信息，并根据该些分配信息，基于预先生成的预测模型，确定待分配互联网信息资源在主资源池与副资源池中的分配方式，并根据所述分配方式创建用于存储所述待分配互联网信息资源的主资源池以及副资源池，则当接收到用户发送的分配请求后，系统可以根据主资源池与副资源池中剩余待分配互联网信息资源的数量，来为用户进行互联网信息资源的分配。通过预先生成的预测模型，根据分配方用户输入的分配信息，可以预测出根据分配方用户发送的互联网信息资源分配通知，可能会接收到多少分配请求，进而根据预测出的分配请求，分别确定主资源池以及副资源池中存储的互联网信息资源数量，进而在进行互联网信息资源分配时，首先对主资源池中的资源进行分配，而以副资源池中的资源为备用资源。采用本申请提供的方法，一方面实现了对互联网信息资源的分配，同时还可以通过副资源池中的备用资源，避免当接收到的分配请求过多，而导致主资源池中资源无法满足分配需要的问题。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (12)

1.一种互联网信息资源分配方法，其特征在于，包括：

获取互联网信息资源分配方用户输入的分配信息；

根据所述分配信息，基于预先生成的预测模型，确定待分配互联网信息资源在主资源池与副资源池中的分配方式，并根据所述分配方式创建用于存储所述待分配互联网信息资源的主资源池以及副资源池；

接收请求方用户发送的分配请求，响应于所述分配请求，根据所述主资源池以及所述副资源池中剩余待分配互联网信息资源的数量，进行互联网信息资源分配。

2.根据权利要求1所述的方法，其特征在于，所述分配信息包括：用户信息以及待分配互联网信息资源的数量，其中，所述用户信息包括：用户标签、粉丝数、关注数以及账号等级；

则根据所述分配信息，基于预先生成的预测模型，确定待分配互联网信息资源在主资源池与副资源池中的分配方式，具体包括：

采用预先生成的预测模型，以所述用户信息以及所述待分配互联网信息资源的数量作为输入，确定所述待分配互联网信息资源在主资源池与副资源池中的分配方式。

3.根据权利要求1所述的方法，其特征在于，响应于请求方用户输入的分配请求，根据所述主资源池以及所述副资源池中剩余待分配互联网信息资源的数量，进行互联网信息资源分配，具体包括：

响应于请求方用户输入的分配请求，确定与所述分配请求对应的待分配互联网信息资源数量；

判断所述主资源池中剩余待分配互联网信息资源的数量是否大于所述分配请求对应的待分配互联网信息资源数量；

当判断结果为是时，根据所述主资源池中剩余待分配互联网信息资源的数量，进行互联网信息资源分配；

当判断结果为否时，根据所述副资源池中剩余待分配互联网信息资源的数量，进行互联网信息资源分配。

4.根据权利要求1所述的方法，其特征在于，接收请求方用户发送的分配请求，响应于所述分配请求，根据所述主资源池以及所述副资源池中剩余待分配互联网信息资源的数量，进行互联网信息资源分配前，所述方法还包括：

判断所述主资源池中剩余待分配互联网信息资源的数量是否大于预设阈值；

当判断结果为是时，生成互联网信息资源分配通知；

向请求方用户发送所述互联网信息资源分配通知，以使得所述请求方用户根据接收到的所述互联网信息资源分配通知发送分配请求。

5.根据权利要求1所述的方法，其特征在于，所述预测模型采用下述方式生成：

获取特定数量的历史分配信息，以及与所述历史分配信息对应的主资源池与副资源池的分配方式；

采用线性回归算法，分别以所述历史分配信息作为输入数据，以所述历史分配信息对应的主资源池与副资源池的分配方式作为输出，建立所述预测模型，所述预测模型用于根据分配信息确定待分配互联网信息资源在主资源池与副资源池中的分配方式。

6.根据权利要求5所述的方法，其特征在于，采用线性回归算法，分别以所述历史分配信息作为输入数据，以所述历史分配信息对应的主资源池与副资源池的分配方式作为输出，建立所述预测模型后，所述方法还包括：

采用相应的验证数据输入所述预测模型，得到输出结果；

根据所述输出结果，计算所述预测模型的预测准确率；

判断所述预测准确率是否大于预先设定的准确率阈值；

当判断结果为是时，则确定所述预测模型可用；当判断结果为否时，则调整建立预测模型所使用的数据、重新建立相应的预测模型，直至预测模型的预测准确率大于预先设定的准确率阈值。

7.一种互联网信息资源分配装置，其特征在于，包括：

信息获取单元，用于获取互联网信息资源分配方用户输入的分配信息；

资源池创建单元，用于根据所述分配信息，基于预先生成的预测模型，确定待分配互联网信息资源在主资源池与副资源池中的分配方式，并根据所述分配方式创建用于存储所述待分配互联网信息资源的主资源池以及副资源池；

资源分配单元，用于接收请求方用户发送的分配请求，响应于所述分配请求，根据所述主资源池以及所述副资源池中剩余待分配互联网信息资源的数量，进行互联网信息资源分配。

8.根据权利要求7所述的装置，其特征在于，所述分配信息包括：用户信息以及待分配互联网信息资源的数量，其中，所述用户信息包括：用户标签、粉丝数、关注数以及账号等级；

则所述资源池创建单元，具体用于：

采用预先生成的预测模型，以所述用户信息以及所述待分配互联网信息资源的数量作为输入，确定所述待分配互联网信息资源在主资源池与副资源池中的分配方式。

9.根据权利要求7所述的装置，其特征在于，资源分配单元，具体用于：

响应于请求方用户输入的分配请求，确定与所述分配请求对应的待分配互联网信息资源数量；

判断所述主资源池中剩余待分配互联网信息资源的数量是否大于所述分配请求对应的待分配互联网信息资源数量；

当判断结果为是时，根据所述主资源池中剩余待分配互联网信息资源的数量，进行互联网信息资源分配；

当判断结果为否时，根据所述副资源池中剩余待分配互联网信息资源的数量，进行互联网信息资源分配。

10.根据权利要求7所述的装置，其特征在于，所述装置还包括通知生成单元，用于：

判断所述主资源池中剩余待分配互联网信息资源的数量是否大于预设阈值；

当判断结果为是时，生成互联网信息资源分配通知；

向请求方用户发送所述互联网信息资源分配通知，以使得所述请求方用户根据接收到的所述互联网信息资源分配通知发送分配请求。

11.根据权利要求7所述的装置，其特征在于，所述装置还包括预测模型生成单元，用于：

获取特定数量的历史分配信息，以及与所述历史分配信息对应的主资源池与副资源池的分配方式；

采用线性回归算法，分别以所述历史分配信息作为输入数据，以所述历史分配信息对应的主资源池与副资源池的分配方式作为输出，建立所述预测模型，所述预测模型用于根据分配信息确定待分配互联网信息资源在主资源池与副资源池中的分配方式。

12.根据权利要求11所述的装置，其特征在于，所述预测模型生成单元，还用于：

采用相应的验证数据输入所述预测模型，得到输出结果；

根据所述输出结果，计算所述预测模型的预测准确率；

判断所述预测准确率是否大于预先设定的准确率阈值；

当判断结果为是时，则确定所述预测模型可用；当判断结果为否时，则调整建立预测模型所使用的数据、重新建立相应的预测模型，直至预测模型的预测准确率大于预先设定的准确率阈值。