CN110033153A - 一种对信息推荐进行资源奖励方法、装置及设备 - Google Patents

一种对信息推荐进行资源奖励方法、装置及设备 Download PDF

Info

Publication number
CN110033153A
CN110033153A CN201811482186.3A CN201811482186A CN110033153A CN 110033153 A CN110033153 A CN 110033153A CN 201811482186 A CN201811482186 A CN 201811482186A CN 110033153 A CN110033153 A CN 110033153A
Authority
CN
China
Prior art keywords
information
risk
reward
rule
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811482186.3A
Other languages
English (en)
Inventor
张鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201811482186.3A priority Critical patent/CN110033153A/zh
Publication of CN110033153A publication Critical patent/CN110033153A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0214—Referral reward systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本说明书实施例公开了一种对信息推荐进行资源奖励方法、装置及设备，所述方法包括：获取待奖励的信息推荐用户的风险识别信息，所述风险识别信息用于判断所述信息推荐用户存在预定风险的概率；根据所述风险识别信息，确定所述信息推荐用户所属的用户风险等级信息；获取确定的所述用户风险等级信息对应的目标奖励规则，所述目标奖励规则中包括进行资源奖励的时效信息；根据所述目标奖励规则，对所述信息推荐用户进行满足所述时效信息的资源奖励。

Description

一种对信息推荐进行资源奖励方法、装置及设备
技术领域
本说明书涉及计算机技术领域，尤其涉及一种对信息推荐进行资源奖励方法、装置及设备。
背景技术
随着终端技术和网络技术的不断发展，信息的传播和推荐(或分享)已经从原来的通过电视或广播，以及纸质传单等传播推荐方式，逐渐发展为当前的通过互联网进行传播和分享的方式。
通常，通过互联网进行信息的传播和分享的过程中，信息推荐用户可以将需要分享或推荐的信息的地址发送给被推荐用户。为了进一步扩大信息的推广范围，可以对信息推荐用户进行奖励，即信息推荐用户将分享地址发送给被推荐用户，且被推荐用户查看到相关信息后，认为被推荐用户已经接受信息推荐用户的分享或推荐，此时可以对信息推荐用户进行奖励。如，信息推荐用户分享链接或者红包码给被推荐用户，被推荐用户通过扫码或点击链接的形式可以获得一定金额的资源包(如红包)，该资源包可以通过线下支付场景进行核销。当被推荐用户核销分享的资源包后，营销平台会通过全量用户延迟的方式对信息推荐用户进行资源奖励(即返奖)，以此激励更多的用户参与到推荐活动中。
对于通过进行全量用户延迟的方式进行奖励，由于其中的延迟的时间长短取决于被推荐用户对分享信息的核销的时间，以及风险防控的识别时间，而且，不同的被推荐用户的核销时间不同，这样，会使得对信息推荐用户进行奖励所需要的时长较长，资源奖励的效率较低，为此，需要提供一种效率更高的资源奖励的技术方案。
发明内容
本说明书实施例的目的是提供一种对信息推荐进行资源奖励方法、装置及设备，以提供一种效率更高的资源奖励的技术方案。
为了实现上述技术方案，本说明书实施例是这样实现的：
本说明书实施例提供的一种对信息推荐进行资源奖励方法，所述方法包括：
获取待奖励的信息推荐用户的风险识别信息，所述风险识别信息用于判断所述信息推荐用户存在预定风险的概率；
根据所述风险识别信息，确定所述信息推荐用户所属的用户风险等级信息；
获取确定的所述用户风险等级信息对应的目标奖励规则，所述目标奖励规则中包括进行资源奖励的时效信息；
根据所述目标奖励规则，对所述信息推荐用户进行满足所述时效信息的资源奖励。
可选地，所述根据所述风险识别信息，确定所述信息推荐用户所属的用户风险等级信息，包括：
根据所述风险识别信息，确定所述信息推荐用户存在预定风险的概率对应的目标风险分值；
从预定的风险分值区间与用户风险等级信息的对应关系中，确定所述目标风险分值对应的用户风险等级信息，并将确定的用户风险等级信息作为所述信息推荐用户所属的用户风险等级信息。
可选地，所述获取确定的所述用户风险等级信息对应的目标奖励规则，包括：
如果确定的所述用户风险等级信息为第一等级，则获取所述第一等级对应的第一奖励规则，将所述第一奖励规则作为所述目标奖励规则；
其中，所述第一等级为所述信息推荐用户对应的所述目标风险分值小于第一风险阈值对应的等级，所述第一奖励规则中的时效信息为第一时效，所述第一时效小于第一时效阈值。
可选地，所述获取确定的所述用户风险等级信息对应的目标奖励规则，包括：
如果确定的所述用户风险等级信息为第二等级，则获取所述第二等级对应的第二奖励规则，将所述第二奖励规则作为所述目标奖励规则；
其中，所述第二等级为所述信息推荐用户对应的所述目标风险分值处于所述第一风险阈值和第二风险阈值之间对应的等级，且所述第一风险阈值小于所述第二风险阈值，所述第二奖励规则中的时效信息为第二时效，所述第二时效处于所述第一时效阈值和第二时效阈值之间，且所述第一时效阈值小于所述第二时效阈值。
可选地，所述获取确定的所述用户风险等级信息对应的目标奖励规则，包括：
如果确定的所述用户风险等级信息为第三等级，则获取所述第三等级对应的第三奖励规则，将所述第三奖励规则作为所述目标奖励规则；
其中，所述第三等级为所述信息推荐用户对应的所述目标风险分值大于所述第二风险阈值对应的等级，所述第三奖励规则中的时效信息为第三时效，所述第三时效大于所述第二时效阈值。
可选地，所述目标奖励规则中还包括风险分析策略，
所述根据所述目标奖励规则，对所述信息推荐用户进行满足所述时效信息的资源奖励，包括：
基于所述目标奖励规则中的风险分析策略，对所述信息推荐用户进行风险分析，得到分析结果；
如果所述分析结果指示能够对所述信息推荐用户进行资源奖励，则基于所述目标奖励规则，对所述信息推荐用户进行满足所述时效信息的资源奖励。
可选地，所述风险识别信息包括所述信息推荐用户的登录信息、注册信息、交易行为信息、所使用的设备的信息、所处的环境信息、所在的位置信息和活跃度中的一项或多项。
本说明书实施例提供的一种对信息推荐进行资源奖励装置，所述装置包括：
信息获取模块，用于获取待奖励的信息推荐用户的风险识别信息，所述风险识别信息用于判断所述信息推荐用户存在预定风险的概率；
风险等级确定模块，用于根据所述风险识别信息，确定所述信息推荐用户所属的用户风险等级信息；
奖励规则获取模块，用于获取确定的所述用户风险等级信息对应的目标奖励规则，所述目标奖励规则中包括进行资源奖励的时效信息；
奖励模块，用于根据所述目标奖励规则，对所述信息推荐用户进行满足所述时效信息的资源奖励。
可选地，所述风险等级确定模块，包括：
风险分值确定单元，用于根据所述风险识别信息，确定所述信息推荐用户存在预定风险的概率对应的目标风险分值；
风险等级确定单元，用于从预定的风险分值区间与用户风险等级信息的对应关系中，确定所述目标风险分值对应的用户风险等级信息，并将确定的用户风险等级信息作为所述信息推荐用户所属的用户风险等级信息。
可选地，所述奖励规则获取模块，用于：
如果确定的所述用户风险等级信息为第一等级，则获取所述第一等级对应的第一奖励规则，将所述第一奖励规则作为所述目标奖励规则；
其中，所述第一等级为所述信息推荐用户对应的所述目标风险分值小于第一风险阈值对应的等级，所述第一奖励规则中的时效信息为第一时效，所述第一时效小于第一时效阈值。
可选地，所述奖励规则获取模块，用于：
如果确定的所述用户风险等级信息为第二等级，则获取所述第二等级对应的第二奖励规则，将所述第二奖励规则作为所述目标奖励规则；
其中，所述第二等级为所述信息推荐用户对应的所述目标风险分值处于所述第一风险阈值和第二风险阈值之间对应的等级，且所述第一风险阈值小于所述第二风险阈值，所述第二奖励规则中的时效信息为第二时效，所述第二时效处于所述第一时效阈值和第二时效阈值之间，且所述第一时效阈值小于所述第二时效阈值。
可选地，所述奖励规则获取模块，用于：
如果确定的所述用户风险等级信息为第三等级，则获取所述第三等级对应的第三奖励规则，将所述第三奖励规则作为所述目标奖励规则；
其中，所述第三等级为所述信息推荐用户对应的所述目标风险分值大于所述第二风险阈值对应的等级，所述第三奖励规则中的时效信息为第三时效，所述第三时效大于所述第二时效阈值。
可选地，所述目标奖励规则中还包括风险分析策略，所述奖励模块，包括：
分析单元，用于基于所述目标奖励规则中的风险分析策略，对所述信息推荐用户进行风险分析，得到分析结果；
奖励单元，用于如果所述分析结果指示能够对所述信息推荐用户进行资源奖励，则基于所述目标奖励规则，对所述信息推荐用户进行满足所述时效信息的资源奖励。
可选地，所述风险识别信息包括所述信息推荐用户的登录信息、注册信息、交易行为信息、所使用的设备的信息、所处的环境信息、所在的位置信息和活跃度中的一项或多项。
本说明书实施例提供的一种对信息推荐进行资源奖励设备，所述对信息推荐进行资源奖励设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取待奖励的信息推荐用户的风险识别信息，所述风险识别信息用于判断所述信息推荐用户存在预定风险的概率；
根据所述风险识别信息，确定所述信息推荐用户所属的用户风险等级信息；
获取确定的所述用户风险等级信息对应的目标奖励规则，所述目标奖励规则中包括进行资源奖励的时效信息；
根据所述目标奖励规则，对所述信息推荐用户进行满足所述时效信息的资源奖励。
由以上本说明书实施例提供的技术方案可见，本说明书实施例通过获取待奖励的信息推荐用户的用于判断信息推荐用户存在预定风险的概率的风险识别信息，根据该风险识别信息，确定信息推荐用户所属的用户风险等级信息，并确定用户风险等级信息对应的目标奖励规则，该目标奖励规则中包括进行资源奖励的时效信息，根据该目标奖励规则，对信息推荐用户进行满足该时效信息的资源奖励，这样，在对信息推荐用户进行资源奖励时，可以基于信息推荐用户所属的用户风险等级信息，确定相应的目标奖励规则，并根据目标奖励规则中的时效信息进行资源奖励，从而可以最大限度缩短对信息推荐用户进行资源奖励延迟时间，提高了资源奖励的效率，提高用户体验。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书一种对信息推荐进行资源奖励方法实施例；
图2为本说明书一种对信息推荐进行资源奖励系统的结构示意图；
图3为本说明书另一种对信息推荐进行资源奖励方法实施例；
图4为本说明书又一种对信息推荐进行资源奖励方法实施例；
图5为本说明书一种对信息推荐进行资源奖励装置实施例；
图6为本说明书一种对信息推荐进行资源奖励设备实施例。
具体实施方式
本说明书实施例提供一种对信息推荐进行资源奖励方法、装置及设备。
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
实施例一
如图1所示，本说明书实施例提供一种对信息推荐进行资源奖励方法，该方法的执行主体可以为终端设备或服务器等，其中，该终端设备可以如手机或平板电脑等移动终端设备，还可以如个人计算机等设备。该服务器可以是独立的服务器，也可以是由多个服务器组成的服务器集群，而且，该服务器可以是某应用或某网站(如网络购物网站或购物应用等)的后台服务器，还可以是某项业务(如支付业务等)的后台服务器等。该方法可以用于对信息推荐用户进行资源奖励的处理中。为了提高资源奖励的处理效率，本实施例的执行主体可以以服务器为例进行说明，对于执行主体为终端设备的情况，可以参见下述服务器的相关处理过程，在此不再赘述。该方法具体可以包括以下步骤：
在步骤S102中，获取待奖励的信息推荐用户的风险识别信息，该风险识别信息用于判断该信息推荐用户存在预定风险的概率。
其中，信息推荐用户可以是向某用户推荐某种信息的用户，例如，用户A与用户B为好友关系，用户A向用户B推荐或分享了一条消息，用户B收到并查看了该消息，则用户A即为信息推荐用户，用户B为被推荐用户。风险识别信息可以是用于判断该信息推荐用户存在预定风险的概率的相关信息，例如，信息推荐用户的交易行为信息、信息推荐用户的活跃度和信息推荐用户的注册信息等，其中的预定风险可以是任意风险，例如在预定网络营销活动中的营销作弊风险等。
在实施中，随着终端技术和网络技术的不断发展，信息的传播和推荐(或分享)已经从原来的通过电视或广播，以及纸质传单等传播推荐方式，逐渐发展为当前的通过互联网进行传播和分享的方式。
通常，通过互联网进行信息的传播和分享的过程中，可以基于待分享的相关信息编写相应的网页，该网页中可以包括待分享的相关信息，编写完成后，可以为该网页设置相应的分享地址。如图2所示，信息推荐用户查看到该相关信息后，如果需要将该相关信息分享给其他关注该相关信息的用户，则可以获取该分享地址，可以将该分享地址发送给被推荐用户。然后，如果被推荐用户对该相关信息感兴趣，则可以点击该分享地址，被推荐用户的终端设备可以向相应的服务器请求上述网页的数据，从而可以查看到该相关信息。为了进一步扩大推广范围，可以对信息推荐用户进行奖励，具体地，信息推荐用户将分享地址发送给被推荐用户，且被推荐用户查看到相关信息后，由于被推荐用户已经接受信息推荐用户的分享或推荐，即信息推荐用户分享或推荐信息成功，此时可以对信息推荐用户进行奖励。例如，信息推荐用户分享链接或者红包码给被推荐用户，被推荐用户通过扫码或点击链接的形式可以获得一定金额的资源包(如红包)，该资源包可以通过线下支付场景进行核销。当被推荐用户核销分享的资源包后，营销平台会触发针对信息推荐用户的资源奖励(即返奖)，来激励更多的用户参与到推荐活动中。
通常可以通过进行全量用户延迟的方式进行奖励，其中的延迟的时间长短取决于被推荐者用户对分享信息的核销的时间，以及风控基于风险数据的识别时间，这样，会使得对信息推荐用户进行奖励所需要的时长较长，资源奖励的效率较低，为此，本说明书实施例提供一种对信息推荐进行资源奖励的技术方案，具体可以包括以下内容：
在检测到被推荐用户核销信息推荐用户分享或推荐的信息后，可以获取待奖励的信息推荐用户的登录信息(如登录时的IP地址等)、交易行为信息和环境信息等风险识别信息，该风险识别信息用于判断该信息推荐用户存在预定风险的概率。例如，被推荐用户通过扫码或点击链接的形式获得一定金额的资源包后，如果被推荐用户核销了分享的资源包，则营销平台会触发针对信息推荐用户的资源奖励(即返奖)，即可以获取信息推荐用户的登录信息、交易行为信息和环境信息等风险识别信息，可以通过上述风险识别信息判断该信息推荐用户存在营销作弊风险的概率。
在步骤S104中，根据上述风险识别信息，确定上述信息推荐用户所属的用户风险等级信息。
其中，用户风险等级信息可以是信息推荐用户属于哪一风险等级的相关信息，例如，用户风险等级包括3个等级，分别为等级A、等级B和等级C，其中，等级A表示信息推荐用户不存在风险，等级B表示信息推荐用户可能存在风险，等级C表示信息推荐用户存在风险等，通过风险识别信息，可以确定信息推荐用户可以属于等级C等。
在实施中，可以根据实际情况将用户划分为多个等级，例如可以划分为四个等级，可以分别为A、B、C和D，其中，A等级对应的风险较小(如无风险)，D等级对应的风险最大，B等级和C等级对应的风险介于A等级和D等级之间等。在实际应用中，用户风险等级可以基于用户的风险识别信息确定，可以预先收集多个不同用户的注册信息、交易行为信息和环境信息等风险识别信息，然后，可以对每个用户的上述风险识别信息进行分析，确定不同的风险识别信息与预定风险特征的关联关系，可以基于得到的关联关系，确定不同用户对应的用户风险等级。
当通过上述步骤S102的处理得到待奖励的信息推荐用户的风险识别信息后，可以对信息推荐用户的风险识别信息进行分析，确定不同的风险识别信息与预定风险特征的关联关系，可以基于得到的关联关系，计算该信息推荐用户存在营销作弊风险的概率，可以将得到的信息推荐用户存在营销作弊风险的概率与不同用户风险等级对应的预定的阈值进行比较，确定上述信息推荐用户所属的用户风险等级信息。例如，信息推荐用户存在营销作弊风险的概率为0.5，不同用户风险等级对应的预定的阈值可以包括：A等级对应的预定的阈值为0～0.6，B等级对应的预定的阈值为0.6～0.9，C等级对应的预定的阈值为0.9～1，D等级对应的预定的阈值为1，则0.5<0.6，因此，信息推荐用户所属的用户风险等级信息为A等级。
在步骤S106中，获取确定的用户风险等级信息对应的目标奖励规则，该目标奖励规则中包括进行资源奖励的时效信息。
其中，目标奖励规则可以是如何对信息推荐用户进行资源奖励，以及进行资源奖励的时效的相关规则等，目标奖励规则中除了可以包括进行资源奖励的时效信息外，还可以包括其它信息，例如是否进行资源奖励的信息、资源奖励所采用的奖励方式、是否进行离线风险模型的风险分析和进行离线风险模型的风险分析的类型等。
在实施中，可以根据实际情况，为不同的用户风险等级设置不同的奖励规则，例如，基于上述步骤S106的示例，包括A、B、C和D四个等级，其中，A等级对应的风险较小，D等级对应的风险最大，B等级和C等级对应的风险介于A等级和D等级之间等。可以为A等级设置如下的奖励规则：对信息推荐用户进行资源奖励、不需要进行离线风险模型的风险分析、资源奖励所采用的奖励方式(如红包奖励或现金奖励等)，时效信息为实时等；可以为B等级设置如下的奖励规则：进行离线风险模型的风险分析、根据分析结果对信息推荐用户进行资源奖励、资源奖励所采用的奖励方式(如红包奖励或现金奖励等)，时效信息为延迟12小时等；可以为C等级设置如下的奖励规则：进行离线风险模型的风险分析、根据分析结果对信息推荐用户进行资源奖励、资源奖励所采用的奖励方式(如红包奖励或现金奖励等)，时效信息为延迟24小时等；可以为D等级设置如下的奖励规则：不需要进行离线风险模型的风险分析、拒绝对信息推荐用户进行资源奖励等。
当通过上述步骤S104的处理，获取到用户风险等级信息后，可以根据用户风险等级信息中包含的用户风险等级，查找该用户风险等级对应的奖励规则，并可以将查找到的奖励规则作为目标奖励规则。
在步骤S108中，根据上述目标奖励规则，对上述信息推荐用户进行满足上述时效信息的资源奖励。
在实施中，由于奖励规则中包括如何对信息推荐用户进行资源奖励，以及进行资源奖励的时效的相关信息，因此，在通过上述步骤S106的处理，确定信息推荐用户的目标奖励规则后，可以基于目标奖励规则中的时效信息，以及如何对信息推荐用户进行资源奖励，对上述信息推荐用户进行满足上述时效信息的资源奖励，例如，基于上述步骤S106的示例，如果信息推荐用户对应的用户风险等级信息为A等级，若A等级对应的奖励规则包括：对信息推荐用户进行资源奖励、不需要进行离线风险模型的风险分析、资源奖励所采用的奖励方式(如红包奖励或现金奖励等)，时效信息为实时，则可以对信息推荐用户采用红包奖励或现金奖励等方式，实时的进行资源奖励等。
本说明书实施例提供一种对信息推荐进行资源奖励方法，通过获取待奖励的信息推荐用户的用于判断信息推荐用户存在预定风险的概率的风险识别信息，根据该风险识别信息，确定信息推荐用户所属的用户风险等级信息，并确定用户风险等级信息对应的目标奖励规则，该目标奖励规则中包括进行资源奖励的时效信息，根据该目标奖励规则，对信息推荐用户进行满足该时效信息的资源奖励，这样，在对信息推荐用户进行资源奖励时，可以基于信息推荐用户所属的用户风险等级信息，确定相应的目标奖励规则，并根据目标奖励规则中的时效信息进行资源奖励，从而可以最大限度缩短对信息推荐用户进行资源奖励延迟时间，提高了资源奖励的效率，提高用户体验。
实施例二
如图3所示，本说明书实施例提供一种对信息推荐进行资源奖励方法，该方法的执行主体可以为终端设备或服务器等，其中，该终端设备可以如手机或平板电脑等移动终端设备，还可以如个人计算机等设备。该服务器可以是独立的服务器，也可以是由多个服务器组成的服务器集群，而且，该服务器可以是某应用或某网站(如网络购物网站或购物应用等)的后台服务器，还可以是某项业务(如支付业务等)的后台服务器等。该方法可以用于对信息推荐用户进行资源奖励的处理中。为了提高资源奖励的处理效率，本实施例的执行主体可以以服务器为例进行说明，对于执行主体为终端设备的情况，可以参见下述服务器的相关处理过程，在此不再赘述。该方法具体可以包括以下步骤：
在步骤S302中，获取待奖励的信息推荐用户的风险识别信息，该风险识别信息用于判断该信息推荐用户存在预定风险的概率。
其中，风险识别信息包括该信息推荐用户的登录信息、注册信息、交易行为信息、所使用的设备的信息、所处的环境信息、所在的位置信息和活跃度中的一项或多项。其中的信息推荐用户的登录信息可以是信息推荐用户通过终端设备中安装的应用程序登录信息推荐服务器所使用的信息。信息推荐用户的注册信息可以是信息推荐用户通过终端设备中安装的应用程序在信息推荐服务器进行用户注册时提供的信息。信息推荐用户所使用的设备的信息可以包括设备标识(如设备名称、IMEI号等)、IP地址或MAC地址等。信息推荐用户所处的环境信息可以包括信息推荐用户所处的地理位置，以及该地理位置的人文信息等。
在步骤S304中，根据上述风险识别信息，确定信息推荐用户存在预定风险的概率对应的目标风险分值。
在实施中，可以预先通过多种方式收集多个不同用户的风险识别信息，例如，可以通过购买或奖励的方式从不同的用户处获取风险识别信息，或者，可以通过预定的测试协议要求指定的用户参加相应的测试活动，以获取多个不同用户的风险识别信息等，具体如，可以根据某项预定指标(例如针对某相关业务的活跃度等)，向超过预定阈值的用户发出邀请，以邀请该用户参加风险测试，如果用户同意该邀请，则可以引导用户填写相关信息，同时，还可以通过用户使用的终端设备获取如该用户所使用的设备的信息、所处的环境信息、所在的位置信息等，可以将上述信息提供给相应的服务器。此外，在实际应用中，还可以是对某指定区域内的用户进行上述处理，例如可以针对北京市的用户进行上述处理，或者，针对香港区域的用户进行上述处理等。
收集到多个不同用户的风险识别信息后，可以对多个用户进行分层处理，从而可以对不同层级的用户设定不同的用户风险等级。在实际应用中，可以通过对用户进行打分的方式，对多个用户进行分层处理，具体地，针对其中的任一用户，可以对该用户的风险识别信息进行分析，确定不同的风险识别信息与预定风险的特征的关联关系，可以基于得到的关联关系，计算该用户存在营销作弊风险的概率，进而对该用户进行风险评分，得到相应的风险分值。风险分值的取值范围可以为0-100，风险分值越高表示存在营销作弊风险的概率越高，可以通过上述评分过程得到大量用户的风险分值，然后，可以结合用户实际存在营销作弊风险的情况，设定分层的层级数量和每个层级的风险分值的取值范围，例如，风险分值低于60分的用户可以设定为实时进行资源奖励，风险分值大于60分的用户可以设定为延迟进行资源奖励，另外，对于风险分值大于60分的用户可以进行进一步分层处理，例如，风险分值介于60分到90分之间的用户可以设定为最多延迟预定时长进行资源奖励，风险分值介于90分到100分之间的用户可以设定为预定天数进行资源奖励等。在实际应用中，大部分的用户的风险分值低于60分，风险分值大于60分的用户的数量相对较少，在一个实施例中，风险分值低于60分的用户的数量占总用户数量的80％，风险分值介于60分到90分之间的用户的数量占总用户数量的15％，风险分值介于90分到100分之间的用户的数量占总用户数量的5％。
通过上述方式可以将多个用户进行分层处理，不同层级的用户的用户风险等级不同，例如，设定为实时进行资源奖励的用户的用户风险等级可以为A级，设定为最多延迟预定时长进行资源奖励的用户的用户风险等级可以为B级，设定为最多延迟预定天数进行资源奖励的用户的用户风险等级可以为C级。此外，对于已经确定存在营销作弊风险的用户可以加入黑名单中，对于该用户，可以拒绝对其进行资源奖励等，具体可以如表1所示。
表1
用户风险等级 风险分值区间 时效信息
A 小于60分 实时
B 介于60分到90分之间 H+24小时
C 介于90分到100分之间 T+1天
D 黑名单中的用户 实时
通过上述方式得到风险分值区间与用户风险等级的对应关系后，可以对信息推荐用户的风险识别信息进行分析，确定不同的风险识别信息与预定风险的特征的关联关系，可以基于得到的关联关系，计算该信息推荐用户存在营销作弊风险的概率，进而对该信息推荐用户进行风险评分，得到目标风险分值。
在步骤S306中，从预定的风险分值区间与用户风险等级信息的对应关系中，确定目标风险分值对应的用户风险等级信息，并将确定的用户风险等级信息作为信息推荐用户所属的用户风险等级信息。
在实施中，可以预先存储有风险分值区间与用户风险等级信息的对应关系，该对应关系可以通过上述步骤S304中的相关处理过程得到。通过上述步骤S304的处理，得到信息推荐用户的目标风险分值后，可以将该目标风险分值与上述对应关系中的风险分值区间进行对比，确定目标风险分值处于哪一个风险分值区间内，从而得到信息推荐用户的用户风险等级信息。
例如，基于上述步骤S304的示例，如果通过分析计算，确定信息推荐用户的目标风险分值为50分，则可以确定目标风险分值低于60分，信息推荐用户的用户风险等级为A级，即对信息推荐用户实时进行资源奖励。再例如，如果通过分析计算，确定信息推荐用户的目标风险分值为80分，则可以确定目标风险介于60分到90分之间，信息推荐用户的用户风险等级为B级，即对信息推荐用户最多延迟预定时长进行资源奖励等。
针对不同的用户风险等级，可以设置不同的奖励规则，如基于上述示例，可以对A等级设定奖励规则为：资源奖励所采用的奖励方式为红包奖励或现金奖励，时效信息为实时等，具体处理可以参见下述步骤S308～步骤S312。
在步骤S308中，如果确定的用户风险等级信息为第一等级，则获取第一等级对应的第一奖励规则，将第一奖励规则作为目标奖励规则，目标奖励规则中包括进行资源奖励的时效信息，其中，第一等级为信息推荐用户对应的目标风险分值小于第一风险阈值对应的等级，第一奖励规则中的时效信息为第一时效，第一时效小于第一时效阈值。
其中，第一风险阈值可以根据实际情况设定，具体如60分等。第一时效阈值可以根据实际情况设定，具体如5分钟或3分钟等。
在步骤S310中，如果确定的用户风险等级信息为第二等级，则获取第二等级对应的第二奖励规则，将第二奖励规则作为目标奖励规则，目标奖励规则中包括进行资源奖励的时效信息，其中，第二等级为信息推荐用户对应的目标风险分值处于第一风险阈值和第二风险阈值之间对应的等级，且第一风险阈值小于第二风险阈值，第二奖励规则中的时效信息为第二时效，第二时效处于第一时效阈值和第二时效阈值之间，且第一时效阈值小于第二时效阈值。
其中，第二风险阈值可以根据实际情况设定，具体如90分等。第二时效阈值可以根据实际情况设定，具体如1小时或2小时等。
在步骤S312中，如果确定的用户风险等级信息为第三等级，则获取第三等级对应的第三奖励规则，将第三奖励规则作为目标奖励规则，目标奖励规则中包括进行资源奖励的时效信息，其中，第三等级为信息推荐用户对应的目标风险分值大于第二风险阈值对应的等级，第三奖励规则中的时效信息为第三时效，第三时效大于第二时效阈值。
另外，考虑到上述对用户进行分层处理，仅是一种粗略的确定用户风险等级的方式，为了保证资源奖励的可靠性，防止用户进行营销作弊，还可以对信息推荐用户进行风险分析(即目标奖励规则中还包括风险分析策略)，并可以通过风险分析的结果，进一步确定是否对信息推荐用户进行资源奖励，具体可以包括以下步骤S314和步骤S316的处理。
在步骤S314中，基于目标奖励规则中的风险分析策略，对信息推荐用户进行风险分析，得到分析结果。
在实施中，可以预先设置有风险分析识别模型，该风险分析识别模型可以通过预定的算法建立，例如，可以通过随机森林算法建立，并训练风险分析识别模型，或者，可以通过循环神经网络算法建立，并训练风险分析识别模型等。在实际应用中，可以根据实际情况，使用相应的算法建立并训练风险分析识别模型，本说明书实施例对此不做限定。其中，风险分析识别模型可以是离线的风险分析识别模型，还可以是当前在线的风险分析识别模型等。
相应的，上述对用户进行分层处理的过程中，表1中的对应关系可以变为如表2所示。
表2
为了保证资源奖励的可靠性，防止用户进行营销作弊，在获取到目标奖励规则后，可以从目标奖励规则中提取相关的内容信息，提取的信息可以包括时效信息和风险分析策略等。可以基于目标奖励规则中的时效信息，对信息推荐用户进行符合该时效信息的资源奖励，同时，结合目标奖励规则中的风险分析策略，确定是否需要对信息推荐用户进行风险分析，如果需要对信息推荐用户进行风险分析，则可以基于上述风险分析识别模型对信息推荐用户进行风险分析，得到相应的分析结果。
在步骤S316中，如果分析结果指示能够对信息推荐用户进行资源奖励，则基于目标奖励规则，对信息推荐用户进行满足该时效信息的资源奖励。
在实施中，如表3所示
表3
如果信息推荐用户的风险分值小于60分，则信息推荐用户的用户风险等级为A等级，相应的，可以对信息推荐用户进行资源奖励，并且结合上述表2可知，可以不需要对信息推荐用户使用风险分析识别模型进行风险分析，可以对信息推荐用户实时进行方式1的资源奖励。再例如，如果信息推荐用户的风险分值介于60分到90分之间，则信息推荐用户的用户风险等级为B等级，相应的，需要依赖风险分析策略判断是否对信息推荐用户进行资源奖励，此时，可以使用风险分析识别模型对信息推荐用户进行风险分析，确定是否能够对信息推荐用户进行资源奖励，如果分析结果指示能够对信息推荐用户进行资源奖励，则可以对信息推荐用户执行时效为H+24小时，以及方式1的资源奖励等。
本说明书实施例提供一种对信息推荐进行资源奖励方法，通过获取待奖励的信息推荐用户的用于判断信息推荐用户存在预定风险的概率的风险识别信息，根据该风险识别信息，确定信息推荐用户所属的用户风险等级信息，并确定用户风险等级信息对应的目标奖励规则，该目标奖励规则中包括进行资源奖励的时效信息，根据该目标奖励规则，对信息推荐用户进行满足该时效信息的资源奖励，这样，在对信息推荐用户进行资源奖励时，可以基于信息推荐用户所属的用户风险等级信息，确定相应的目标奖励规则，并根据目标奖励规则中的时效信息进行资源奖励，从而可以最大限度缩短对信息推荐用户进行资源奖励延迟时间，提高了资源奖励的效率，提高用户体验。
实施例三
本实施例将结合具体的应用场景，对本说明书实施例提供一种对信息推荐进行资源奖励方法进行详细的阐述，相应的应用场景为信息推荐用户分享或推荐某链接或者提供红包码给被推荐用户，被推荐用户点击该链接或者扫描该红包码后，获得一定额度的奖励，被推荐用户在指定场景下核销获得的上述奖励，核销成功后，触发营销平台针对信息推荐用户的返奖的应用场景，其中，资源奖励可以为返奖，奖励规则可以为返奖规则。
如图4所示，该方法的执行主体可以为终端设备或服务器等，其中，该终端设备可以如手机或平板电脑等移动终端设备，还可以如个人计算机等设备。该服务器可以是独立的服务器，也可以是由多个服务器组成的服务器集群等。该方法可以用于对信息推荐用户进行资源奖励的处理中。为了提高资源奖励的处理效率，本实施例的执行主体可以以服务器为例进行说明，对于执行主体为终端设备的情况，可以参见下述服务器的相关处理过程，在此不再赘述。该方法具体可以包括以下步骤：
在步骤S402中，获取待返奖的信息推荐用户的风险识别信息，该风险识别信息用于判断该信息推荐用户存在预定风险的概率。
其中，风险识别信息包括该信息推荐用户的登录信息、注册信息、交易行为信息、所使用的设备的信息、所处的环境信息、所在的位置信息和活跃度中的一项或多项。
在实施中，信息推荐用户分享或推荐某链接或者提供红包码给被推荐用户，被推荐用户点击该链接或者扫描该红包码后，会获得一定额度的奖励(可以为红包或现金等)。被推荐用户在指定场景下(如在指定的店铺或使用指定的支付方式等)核销获得的上述奖励，核销成功后，可以触发营销平台针对信息推荐用户的返奖，即可以获取待返奖的信息推荐用户的风险识别信息。
在步骤S404中，根据上述风险识别信息，确定信息推荐用户存在预定风险的概率对应的目标风险分值。
在实施中，可以预先通过多种方式收集多个不同用户的风险识别信息，然后，可以对多个用户进行分层处理，从而可以对不同层级的用户设定不同的用户风险等级。在实际应用中，可以通过对用户进行打分的方式，对多个用户进行分层处理，具体地，针对其中的任一用户，可以对该用户的风险识别信息进行分析，确定不同的风险识别信息与预定风险的特征的关联关系，可以基于得到的关联关系，计算该用户存在营销作弊风险的概率，进而对该用户进行风险评分，得到相应的风险分值。风险分值的取值范围可以为0-100，风险分值越高表示存在营销作弊风险的概率越高，可以通过上述评分过程得到大量用户的风险分值，然后，可以结合用户实际存在营销作弊风险的情况，设定分层的层级数量和每个层级的风险分值的取值范围，例如，风险分值低于60分的用户可以设定为实时进行返奖，风险分值大于60分的用户可以设定为延迟进行返奖，另外，对于风险分值大于60分的用户可以进行进一步分层处理，例如，风险分值介于60分到90分之间的用户可以设定为最多延迟预定时长进行返奖，风险分值介于90分到100分之间的用户可以设定为预定天数进行返奖等。
此外，在实际应用中，还可以是对某指定区域内的用户进行上述处理，例如可以针对北京市的用户进行上述处理，或者，针对香港区域的用户进行上述处理等。
通过上述方式可以将多个用户进行分层处理，不同层级的用户的用户风险等级不同。此外，对于已经确定存在营销作弊风险的用户可以加入黑名单中，对于该用户，可以拒绝对其进行返奖等。
通过上述方式得到风险分值区间与用户风险等级的对应关系后，可以对信息推荐用户的风险识别信息进行分析，进而对该信息推荐用户进行风险评分，得到目标风险分值。
在步骤S406中，从预定的风险分值区间与用户风险等级信息的对应关系中，确定目标风险分值对应的用户风险等级信息，并将确定的用户风险等级信息作为信息推荐用户所属的用户风险等级信息。
针对不同的用户风险等级，可以设置不同的返奖规则，具体处理可以参见下述步骤S408～步骤S412。
在步骤S408中，如果确定的用户风险等级信息为第一等级，则获取第一等级对应的第一返奖规则，将第一返奖规则作为目标返奖规则，目标返奖规则中包括进行返奖的时效信息，其中，第一等级为信息推荐用户对应的目标风险分值小于第一风险阈值对应的等级，第一返奖规则中的时效信息为第一时效，第一时效小于第一时效阈值。
在步骤S410中，如果确定的用户风险等级信息为第二等级，则获取第二等级对应的第二返奖规则，将第二返奖规则作为目标返奖规则，目标返奖规则中包括进行返奖的时效信息，其中，第二等级为信息推荐用户对应的目标风险分值处于第一风险阈值和第二风险阈值之间对应的等级，且第一风险阈值小于第二风险阈值，第二返奖规则中的时效信息为第二时效，第二时效处于第一时效阈值和第二时效阈值之间，且第一时效阈值小于第二时效阈值。
在步骤S412中，如果确定的用户风险等级信息为第三等级，则获取第三等级对应的第三返奖规则，将第三返奖规则作为目标返奖规则，目标返奖规则中包括进行返奖的时效信息，其中，第三等级为信息推荐用户对应的目标风险分值大于第二风险阈值对应的等级，第三返奖规则中的时效信息为第三时效，第三时效大于第二时效阈值。
另外，考虑到上述对用户进行分层处理，仅是一种粗略的确定用户风险等级的方式，为了保证返奖的可靠性，防止用户进行营销作弊，还可以对信息推荐用户进行风险分析(即目标返奖规则中还包括风险分析策略)，并可以通过风险分析的结果，进一步确定是否对信息推荐用户进行返奖，具体可以包括以下步骤S414和步骤S416的处理。
在步骤S414中，基于目标返奖规则中的风险分析策略，对信息推荐用户进行风险分析，得到分析结果。
在实施中，上述对用户进行分层处理的过程中，如表4所示。
表4
在步骤S416中，如果分析结果指示能够对信息推荐用户进行返奖，则基于目标返奖规则，对信息推荐用户进行满足该时效信息的返奖。
在实施中，如表5所示
表5
如果信息推荐用户的风险分值介于90分到100分之间，则信息推荐用户的用户风险等级为C等级，相应的，需要依赖风险分析策略判断是否对信息推荐用户进行返奖，此时，可以使用风险分析识别模型对信息推荐用户进行风险分析，确定是否能够对信息推荐用户进行返奖，如果分析结果指示能够对信息推荐用户进行返奖，则可以对信息推荐用户执行时效为T+1天，以及方式1的返奖等。
本说明书实施例提供一种对信息推荐进行资源奖励方法，通过获取待奖励的信息推荐用户的用于判断信息推荐用户存在预定风险的概率的风险识别信息，根据该风险识别信息，确定信息推荐用户所属的用户风险等级信息，并确定用户风险等级信息对应的目标奖励规则，该目标奖励规则中包括进行资源奖励的时效信息，根据该目标奖励规则，对信息推荐用户进行满足该时效信息的资源奖励，这样，在对信息推荐用户进行资源奖励时，可以基于信息推荐用户所属的用户风险等级信息，确定相应的目标奖励规则，并根据目标奖励规则中的时效信息进行资源奖励，从而可以最大限度缩短对信息推荐用户进行资源奖励延迟时间，提高了资源奖励的效率，提高用户体验。
实施例四
以上为本说明书实施例提供的对信息推荐进行资源奖励方法，基于同样的思路，本说明书实施例还提供一种对信息推荐进行资源奖励装置，如图5所示。
该对信息推荐进行资源奖励装置包括：信息获取模块501、风险等级确定模块502、奖励规则获取模块503和奖励模块504，其中：
信息获取模块501，用于获取待奖励的信息推荐用户的风险识别信息，所述风险识别信息用于判断所述信息推荐用户存在预定风险的概率；
风险等级确定模块502，用于根据所述风险识别信息，确定所述信息推荐用户所属的用户风险等级信息；
奖励规则获取模块503，用于获取确定的所述用户风险等级信息对应的目标奖励规则，所述目标奖励规则中包括进行资源奖励的时效信息；
奖励模块504，用于根据所述目标奖励规则，对所述信息推荐用户进行满足所述时效信息的资源奖励。
本说明书实施例中，所述风险等级确定模块502，包括：
风险分值确定单元，用于根据所述风险识别信息，确定所述信息推荐用户存在预定风险的概率对应的目标风险分值；
风险等级确定单元，用于从预定的风险分值区间与用户风险等级信息的对应关系中，确定所述目标风险分值对应的用户风险等级信息，并将确定的用户风险等级信息作为所述信息推荐用户所属的用户风险等级信息。
本说明书实施例中，所述奖励规则获取模块503，用于：
如果确定的所述用户风险等级信息为第一等级，则获取所述第一等级对应的第一奖励规则，将所述第一奖励规则作为所述目标奖励规则；
其中，所述第一等级为所述信息推荐用户对应的所述目标风险分值小于第一风险阈值对应的等级，所述第一奖励规则中的时效信息为第一时效，所述第一时效小于第一时效阈值。
本说明书实施例中，所述奖励规则获取模块503，用于：
如果确定的所述用户风险等级信息为第二等级，则获取所述第二等级对应的第二奖励规则，将所述第二奖励规则作为所述目标奖励规则；
其中，所述第二等级为所述信息推荐用户对应的所述目标风险分值处于所述第一风险阈值和第二风险阈值之间对应的等级，且所述第一风险阈值小于所述第二风险阈值，所述第二奖励规则中的时效信息为第二时效，所述第二时效处于所述第一时效阈值和第二时效阈值之间，且所述第一时效阈值小于所述第二时效阈值。
本说明书实施例中，所述奖励规则获取模块503，用于：
如果确定的所述用户风险等级信息为第三等级，则获取所述第三等级对应的第三奖励规则，将所述第三奖励规则作为所述目标奖励规则；
其中，所述第三等级为所述信息推荐用户对应的所述目标风险分值大于所述第二风险阈值对应的等级，所述第三奖励规则中的时效信息为第三时效，所述第三时效大于所述第二时效阈值。
本说明书实施例中，所述目标奖励规则中还包括风险分析策略，所述奖励模块504，包括：
分析单元，用于基于所述目标奖励规则中的风险分析策略，对所述信息推荐用户进行风险分析，得到分析结果；
奖励单元，用于如果所述分析结果指示能够对所述信息推荐用户进行资源奖励，则基于所述目标奖励规则，对所述信息推荐用户进行满足所述时效信息的资源奖励。
本说明书实施例中，所述风险识别信息包括所述信息推荐用户的登录信息、注册信息、交易行为信息、所使用的设备的信息、所处的环境信息、所在的位置信息和活跃度中的一项或多项。
本说明书实施例提供一种对信息推荐进行资源奖励装置，通过获取待奖励的信息推荐用户的用于判断信息推荐用户存在预定风险的概率的风险识别信息，根据该风险识别信息，确定信息推荐用户所属的用户风险等级信息，并确定用户风险等级信息对应的目标奖励规则，该目标奖励规则中包括进行资源奖励的时效信息，根据该目标奖励规则，对信息推荐用户进行满足该时效信息的资源奖励，这样，在对信息推荐用户进行资源奖励时，可以基于信息推荐用户所属的用户风险等级信息，确定相应的目标奖励规则，并根据目标奖励规则中的时效信息进行资源奖励，从而可以最大限度缩短对信息推荐用户进行资源奖励延迟时间，提高了资源奖励的效率，提高用户体验。
实施例五
以上为本说明书实施例提供的对信息推荐进行资源奖励装置，基于同样的思路，本说明书实施例还提供一种对信息推荐进行资源奖励设备，如图6所示。
所述对信息推荐进行资源奖励设备可以为上述实施例提供的服务器或终端设备。
对信息推荐进行资源奖励设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器601和存储器602，存储器602中可以存储有一个或一个以上存储应用程序或数据。其中，存储器602可以是短暂存储或持久存储。存储在存储器602的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对对信息推荐进行资源奖励设备中的一系列计算机可执行指令。更进一步地，处理器601可以设置为与存储器602通信，在对信息推荐进行资源奖励设备上执行存储器602中的一系列计算机可执行指令。对信息推荐进行资源奖励设备还可以包括一个或一个以上电源603，一个或一个以上有线或无线网络接口604，一个或一个以上输入输出接口605，一个或一个以上键盘606。
具体在本实施例中，对信息推荐进行资源奖励设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对对信息推荐进行资源奖励设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
获取待奖励的信息推荐用户的风险识别信息，所述风险识别信息用于判断所述信息推荐用户存在预定风险的概率；
根据所述风险识别信息，确定所述信息推荐用户所属的用户风险等级信息；
获取确定的所述用户风险等级信息对应的目标奖励规则，所述目标奖励规则中包括进行资源奖励的时效信息；
根据所述目标奖励规则，对所述信息推荐用户进行满足所述时效信息的资源奖励。
本说明书实施例中，所述根据所述风险识别信息，确定所述信息推荐用户所属的用户风险等级信息，包括：
根据所述风险识别信息，确定所述信息推荐用户存在预定风险的概率对应的目标风险分值；
从预定的风险分值区间与用户风险等级信息的对应关系中，确定所述目标风险分值对应的用户风险等级信息，并将确定的用户风险等级信息作为所述信息推荐用户所属的用户风险等级信息。
本说明书实施例中，所述获取确定的所述用户风险等级信息对应的目标奖励规则，包括：
如果确定的所述用户风险等级信息为第一等级，则获取所述第一等级对应的第一奖励规则，将所述第一奖励规则作为所述目标奖励规则；
其中，所述第一等级为所述信息推荐用户对应的所述目标风险分值小于第一风险阈值对应的等级，所述第一奖励规则中的时效信息为第一时效，所述第一时效小于第一时效阈值。
本说明书实施例中，所述获取确定的所述用户风险等级信息对应的目标奖励规则，包括：
如果确定的所述用户风险等级信息为第二等级，则获取所述第二等级对应的第二奖励规则，将所述第二奖励规则作为所述目标奖励规则；
其中，所述第二等级为所述信息推荐用户对应的所述目标风险分值处于所述第一风险阈值和第二风险阈值之间对应的等级，且所述第一风险阈值小于所述第二风险阈值，所述第二奖励规则中的时效信息为第二时效，所述第二时效处于所述第一时效阈值和第二时效阈值之间，且所述第一时效阈值小于所述第二时效阈值。
本说明书实施例中，所述获取确定的所述用户风险等级信息对应的目标奖励规则，包括：
如果确定的所述用户风险等级信息为第三等级，则获取所述第三等级对应的第三奖励规则，将所述第三奖励规则作为所述目标奖励规则；
其中，所述第三等级为所述信息推荐用户对应的所述目标风险分值大于所述第二风险阈值对应的等级，所述第三奖励规则中的时效信息为第三时效，所述第三时效大于所述第二时效阈值。
本说明书实施例中，所述目标奖励规则中还包括风险分析策略，
所述根据所述目标奖励规则，对所述信息推荐用户进行满足所述时效信息的资源奖励，包括：
基于所述目标奖励规则中的风险分析策略，对所述信息推荐用户进行风险分析，得到分析结果；
如果所述分析结果指示能够对所述信息推荐用户进行资源奖励，则基于所述目标奖励规则，对所述信息推荐用户进行满足所述时效信息的资源奖励。
本说明书实施例中，所述风险识别信息包括所述信息推荐用户的登录信息、注册信息、交易行为信息、所使用的设备的信息、所处的环境信息、所在的位置信息和活跃度中的一项或多项。
本说明书实施例提供一种对信息推荐进行资源奖励设备，通过获取待奖励的信息推荐用户的用于判断信息推荐用户存在预定风险的概率的风险识别信息，根据该风险识别信息，确定信息推荐用户所属的用户风险等级信息，并确定用户风险等级信息对应的目标奖励规则，该目标奖励规则中包括进行资源奖励的时效信息，根据该目标奖励规则，对信息推荐用户进行满足该时效信息的资源奖励，这样，在对信息推荐用户进行资源奖励时，可以基于信息推荐用户所属的用户风险等级信息，确定相应的目标奖励规则，并根据目标奖励规则中的时效信息进行资源奖励，从而可以最大限度缩短对信息推荐用户进行资源奖励延迟时间，提高了资源奖励的效率，提高用户体验。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书一个或多个实施例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，本说明书一个或多个实施例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。
本说明书的实施例是参照根据本说明书实施例的方法、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，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例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，本说明书一个或多个实施例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。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (15)

1.一种对信息推荐进行资源奖励方法，所述方法包括：
获取待奖励的信息推荐用户的风险识别信息，所述风险识别信息用于判断所述信息推荐用户存在预定风险的概率；
根据所述风险识别信息，确定所述信息推荐用户所属的用户风险等级信息；
获取确定的所述用户风险等级信息对应的目标奖励规则，所述目标奖励规则中包括进行资源奖励的时效信息；
根据所述目标奖励规则，对所述信息推荐用户进行满足所述时效信息的资源奖励。
2.根据权利要求1所述的方法，所述根据所述风险识别信息，确定所述信息推荐用户所属的用户风险等级信息，包括：
根据所述风险识别信息，确定所述信息推荐用户存在预定风险的概率对应的目标风险分值；
从预定的风险分值区间与用户风险等级信息的对应关系中，确定所述目标风险分值对应的用户风险等级信息，并将确定的用户风险等级信息作为所述信息推荐用户所属的用户风险等级信息。
3.根据权利要求2所述的方法，所述获取确定的所述用户风险等级信息对应的目标奖励规则，包括：
如果确定的所述用户风险等级信息为第一等级，则获取所述第一等级对应的第一奖励规则，将所述第一奖励规则作为所述目标奖励规则；
其中，所述第一等级为所述信息推荐用户对应的所述目标风险分值小于第一风险阈值对应的等级，所述第一奖励规则中的时效信息为第一时效，所述第一时效小于第一时效阈值。
4.根据权利要求3所述的方法，所述获取确定的所述用户风险等级信息对应的目标奖励规则，包括：
如果确定的所述用户风险等级信息为第二等级，则获取所述第二等级对应的第二奖励规则，将所述第二奖励规则作为所述目标奖励规则；
其中，所述第二等级为所述信息推荐用户对应的所述目标风险分值处于所述第一风险阈值和第二风险阈值之间对应的等级，且所述第一风险阈值小于所述第二风险阈值，所述第二奖励规则中的时效信息为第二时效，所述第二时效处于所述第一时效阈值和第二时效阈值之间，且所述第一时效阈值小于所述第二时效阈值。
5.根据权利要求4所述的方法，所述获取确定的所述用户风险等级信息对应的目标奖励规则，包括：
如果确定的所述用户风险等级信息为第三等级，则获取所述第三等级对应的第三奖励规则，将所述第三奖励规则作为所述目标奖励规则；
其中，所述第三等级为所述信息推荐用户对应的所述目标风险分值大于所述第二风险阈值对应的等级，所述第三奖励规则中的时效信息为第三时效，所述第三时效大于所述第二时效阈值。
6.根据权利要求1所述的方法，所述目标奖励规则中还包括风险分析策略，
所述根据所述目标奖励规则，对所述信息推荐用户进行满足所述时效信息的资源奖励，包括：
基于所述目标奖励规则中的风险分析策略，对所述信息推荐用户进行风险分析，得到分析结果；
如果所述分析结果指示能够对所述信息推荐用户进行资源奖励，则基于所述目标奖励规则，对所述信息推荐用户进行满足所述时效信息的资源奖励。
7.根据权利要求1-6中任一项所述的方法，所述风险识别信息包括所述信息推荐用户的登录信息、注册信息、交易行为信息、所使用的设备的信息、所处的环境信息、所在的位置信息和活跃度中的一项或多项。
8.一种对信息推荐进行资源奖励装置，所述装置包括：
信息获取模块，用于获取待奖励的信息推荐用户的风险识别信息，所述风险识别信息用于判断所述信息推荐用户存在预定风险的概率；
风险等级确定模块，用于根据所述风险识别信息，确定所述信息推荐用户所属的用户风险等级信息；
奖励规则获取模块，用于获取确定的所述用户风险等级信息对应的目标奖励规则，所述目标奖励规则中包括进行资源奖励的时效信息；
奖励模块，用于根据所述目标奖励规则，对所述信息推荐用户进行满足所述时效信息的资源奖励。
9.根据权利要求8所述的装置，所述风险等级确定模块，包括：
风险分值确定单元，用于根据所述风险识别信息，确定所述信息推荐用户存在预定风险的概率对应的目标风险分值；
风险等级确定单元，用于从预定的风险分值区间与用户风险等级信息的对应关系中，确定所述目标风险分值对应的用户风险等级信息，并将确定的用户风险等级信息作为所述信息推荐用户所属的用户风险等级信息。
10.根据权利要求9所述的装置，所述奖励规则获取模块，用于：
如果确定的所述用户风险等级信息为第一等级，则获取所述第一等级对应的第一奖励规则，将所述第一奖励规则作为所述目标奖励规则；
其中，所述第一等级为所述信息推荐用户对应的所述目标风险分值小于第一风险阈值对应的等级，所述第一奖励规则中的时效信息为第一时效，所述第一时效小于第一时效阈值。
11.根据权利要求10所述的装置，所述奖励规则获取模块，用于：
如果确定的所述用户风险等级信息为第二等级，则获取所述第二等级对应的第二奖励规则，将所述第二奖励规则作为所述目标奖励规则；
其中，所述第二等级为所述信息推荐用户对应的所述目标风险分值处于所述第一风险阈值和第二风险阈值之间对应的等级，且所述第一风险阈值小于所述第二风险阈值，所述第二奖励规则中的时效信息为第二时效，所述第二时效处于所述第一时效阈值和第二时效阈值之间，且所述第一时效阈值小于所述第二时效阈值。
12.根据权利要求11所述的装置，所述奖励规则获取模块，用于：
如果确定的所述用户风险等级信息为第三等级，则获取所述第三等级对应的第三奖励规则，将所述第三奖励规则作为所述目标奖励规则；
其中，所述第三等级为所述信息推荐用户对应的所述目标风险分值大于所述第二风险阈值对应的等级，所述第三奖励规则中的时效信息为第三时效，所述第三时效大于所述第二时效阈值。
13.根据权利要求8所述的装置，所述目标奖励规则中还包括风险分析策略，所述奖励模块，包括：
分析单元，用于基于所述目标奖励规则中的风险分析策略，对所述信息推荐用户进行风险分析，得到分析结果；
奖励单元，用于如果所述分析结果指示能够对所述信息推荐用户进行资源奖励，则基于所述目标奖励规则，对所述信息推荐用户进行满足所述时效信息的资源奖励。
14.根据权利要求8-13中任一项所述的装置，所述风险识别信息包括所述信息推荐用户的登录信息、注册信息、交易行为信息、所使用的设备的信息、所处的环境信息、所在的位置信息和活跃度中的一项或多项。
15.一种对信息推荐进行资源奖励设备，所述对信息推荐进行资源奖励设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取待奖励的信息推荐用户的风险识别信息，所述风险识别信息用于判断所述信息推荐用户存在预定风险的概率；
根据所述风险识别信息，确定所述信息推荐用户所属的用户风险等级信息；
获取确定的所述用户风险等级信息对应的目标奖励规则，所述目标奖励规则中包括进行资源奖励的时效信息；
根据所述目标奖励规则，对所述信息推荐用户进行满足所述时效信息的资源奖励。
CN201811482186.3A 2018-12-05 2018-12-05 一种对信息推荐进行资源奖励方法、装置及设备 Pending CN110033153A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811482186.3A CN110033153A (zh) 2018-12-05 2018-12-05 一种对信息推荐进行资源奖励方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811482186.3A CN110033153A (zh) 2018-12-05 2018-12-05 一种对信息推荐进行资源奖励方法、装置及设备

Publications (1)

Publication Number Publication Date
CN110033153A true CN110033153A (zh) 2019-07-19

Family

ID=67235297

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811482186.3A Pending CN110033153A (zh) 2018-12-05 2018-12-05 一种对信息推荐进行资源奖励方法、装置及设备

Country Status (1)

Country Link
CN (1) CN110033153A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111552889A (zh) * 2020-04-26 2020-08-18 上海连尚网络科技有限公司 一种推荐书籍的方法与设备
CN111681027A (zh) * 2020-04-16 2020-09-18 上海淇玥信息技术有限公司 信息推广中的风险管理方法及其装置、电子设备和存储介质
CN111681024A (zh) * 2020-04-16 2020-09-18 上海淇玥信息技术有限公司 信息推广中的风险管理方法及其装置、电子设备和存储介质
CN111784360A (zh) * 2020-09-07 2020-10-16 北京江融信科技有限公司 一种基于网络链接回溯的反欺诈预测方法及系统
CN112418580A (zh) * 2019-08-22 2021-02-26 上海哔哩哔哩科技有限公司 一种风险控制方法、计算机设备及可读存储介
CN113723759A (zh) * 2021-07-30 2021-11-30 北京淇瑀信息科技有限公司 基于设备意向度和设备风险度为设备提供互联网服务的方法及装置
CN116561812A (zh) * 2023-07-12 2023-08-08 联仁健康医疗大数据科技股份有限公司 一种数据处理方法、装置、电子设备及存储介质
WO2023177627A1 (en) * 2022-03-16 2023-09-21 Block, Inc. Machine learning model for fraud reduction

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040122735A1 (en) * 2002-10-09 2004-06-24 Bang Technologies, Llc System, method and apparatus for an integrated marketing vehicle platform
CN101233546A (zh) * 2005-08-01 2008-07-30 Igt公司 用于管理游戏网络的方法和装置
CN102136093A (zh) * 2010-01-26 2011-07-27 金蝶软件（中国）有限公司 一种实现核销的方法和系统
CN105894324A (zh) * 2016-03-30 2016-08-24 盛趣信息技术（上海）有限公司 游戏奖励方法及系统
CN106067088A (zh) * 2016-05-30 2016-11-02 中国邮政储蓄银行股份有限公司 电子银行访问行为的检测方法和装置
CN106326279A (zh) * 2015-06-30 2017-01-11 深圳市阿拉互联网金融服务有限公司 奖励数据处理的方法和系统
CN106355518A (zh) * 2016-11-29 2017-01-25 国网山东省电力公司电力科学研究院 一种电费缴纳客户筛选方法及系统
CN106991582A (zh) * 2017-03-31 2017-07-28 北京金山安全软件有限公司 信息推广方法、装置及服务器
CN107016568A (zh) * 2017-03-17 2017-08-04 袁军 积分增值消费电子商务平台的数据处理方法及系统
CN107688996A (zh) * 2016-08-04 2018-02-13 上海前隆信息科技有限公司 一种激励用户的方法、装置及设备
CN108280692A (zh) * 2018-02-05 2018-07-13 广州华多网络科技有限公司 奖励发放方法、装置、计算机可读存储介质以及终端
CN108596642A (zh) * 2017-12-29 2018-09-28 掌阅科技股份有限公司 电子书推广方法、计算设备及计算机存储介质
CN113724019A (zh) * 2021-09-14 2021-11-30 中国银行股份有限公司 线上金融业务的分享方法及装置、存储介质及电子设备

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040122735A1 (en) * 2002-10-09 2004-06-24 Bang Technologies, Llc System, method and apparatus for an integrated marketing vehicle platform
CN101233546A (zh) * 2005-08-01 2008-07-30 Igt公司 用于管理游戏网络的方法和装置
CN102136093A (zh) * 2010-01-26 2011-07-27 金蝶软件（中国）有限公司 一种实现核销的方法和系统
CN106326279A (zh) * 2015-06-30 2017-01-11 深圳市阿拉互联网金融服务有限公司 奖励数据处理的方法和系统
CN105894324A (zh) * 2016-03-30 2016-08-24 盛趣信息技术（上海）有限公司 游戏奖励方法及系统
CN106067088A (zh) * 2016-05-30 2016-11-02 中国邮政储蓄银行股份有限公司 电子银行访问行为的检测方法和装置
CN107688996A (zh) * 2016-08-04 2018-02-13 上海前隆信息科技有限公司 一种激励用户的方法、装置及设备
CN106355518A (zh) * 2016-11-29 2017-01-25 国网山东省电力公司电力科学研究院 一种电费缴纳客户筛选方法及系统
CN107016568A (zh) * 2017-03-17 2017-08-04 袁军 积分增值消费电子商务平台的数据处理方法及系统
CN106991582A (zh) * 2017-03-31 2017-07-28 北京金山安全软件有限公司 信息推广方法、装置及服务器
CN108596642A (zh) * 2017-12-29 2018-09-28 掌阅科技股份有限公司 电子书推广方法、计算设备及计算机存储介质
CN108280692A (zh) * 2018-02-05 2018-07-13 广州华多网络科技有限公司 奖励发放方法、装置、计算机可读存储介质以及终端
CN113724019A (zh) * 2021-09-14 2021-11-30 中国银行股份有限公司 线上金融业务的分享方法及装置、存储介质及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
中国质量新闻网: ""极速退款"只需1秒 信用好才有"资格"享受", 《HTTPS://WWW.CQN.COM.CN/ZGZLB/CONTENT/2015-04/09/CONTENT_2449940.HTM》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112418580A (zh) * 2019-08-22 2021-02-26 上海哔哩哔哩科技有限公司 一种风险控制方法、计算机设备及可读存储介
CN111681027A (zh) * 2020-04-16 2020-09-18 上海淇玥信息技术有限公司 信息推广中的风险管理方法及其装置、电子设备和存储介质
CN111681024A (zh) * 2020-04-16 2020-09-18 上海淇玥信息技术有限公司 信息推广中的风险管理方法及其装置、电子设备和存储介质
CN111552889A (zh) * 2020-04-26 2020-08-18 上海连尚网络科技有限公司 一种推荐书籍的方法与设备
CN111552889B (zh) * 2020-04-26 2024-02-13 上海连尚网络科技有限公司 一种推荐书籍的方法与设备
CN111784360A (zh) * 2020-09-07 2020-10-16 北京江融信科技有限公司 一种基于网络链接回溯的反欺诈预测方法及系统
CN111784360B (zh) * 2020-09-07 2021-01-22 北京江融信科技有限公司 一种基于网络链接回溯的反欺诈预测方法及系统
CN113723759A (zh) * 2021-07-30 2021-11-30 北京淇瑀信息科技有限公司 基于设备意向度和设备风险度为设备提供互联网服务的方法及装置
CN113723759B (zh) * 2021-07-30 2024-06-04 北京淇瑀信息科技有限公司 基于设备意向度和设备风险度为设备提供互联网服务的方法及装置
WO2023177627A1 (en) * 2022-03-16 2023-09-21 Block, Inc. Machine learning model for fraud reduction
CN116561812A (zh) * 2023-07-12 2023-08-08 联仁健康医疗大数据科技股份有限公司 一种数据处理方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN110033153A (zh) 一种对信息推荐进行资源奖励方法、装置及设备
CN108196952B (zh) 一种资源分配方法、装置及设备
CN110400169A (zh) 一种信息推送方法、装置及设备
CN109428719A (zh) 一种身份验证方法、装置及设备
CN109064175A (zh) 一种账户盗用风险防控方法及装置
CN108492104A (zh) 一种资源转移监测方法及装置
CN107066478A (zh) 一种虚假地址信息识别的方法及装置
CN108416616A (zh) 投诉举报类别的排序方法和装置
CN108921569A (zh) 一种确定用户投诉类型的方法及装置
CN110032698A (zh) 信息显示方法和装置、信息处理方法和装置
CN112104642B (zh) 一种异常账号确定方法和相关装置
CN109064217B (zh) 基于用户等级的核身策略确定方法、装置及电子设备
CN109614414B (zh) 一种用户信息的确定方法及装置
CN110474944A (zh) 网络信息的处理方法、装置及存储介质
CN110245475A (zh) 身份验证方法和装置
CN109102324B (zh) 模型训练方法、基于模型的红包物料铺设预测方法及装置
CN107862556A (zh) 一种vip广告的投放方法和系统
CN110032857A (zh) 账户的注册、可信设备的识别方法及装置
CN110502614A (zh) 文本拦截方法、装置、系统以及设备
CN109739989A (zh) 文本分类方法和计算机设备
CN110334013A (zh) 决策引擎的测试方法、装置及电子设备
CN107093094A (zh) 一种评价信息的发布方法及装置
CN109325657A (zh) 一种信贷业务的审批方法、存储介质和服务器
CN108960561A (zh) 一种基于不平衡数据的风控模型处理方法、装置及设备
CN110516713A (zh) 一种目标群体识别方法、装置及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40010792

Country of ref document: HK

TA01 Transfer of patent application right

Effective date of registration: 20200924

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20200924

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20190719

RJ01 Rejection of invention patent application after publication