CN110428278B - 确定资源份额的方法及装置 - Google Patents
确定资源份额的方法及装置 Download PDFInfo
- Publication number
- CN110428278B CN110428278B CN201910568598.7A CN201910568598A CN110428278B CN 110428278 B CN110428278 B CN 110428278B CN 201910568598 A CN201910568598 A CN 201910568598A CN 110428278 B CN110428278 B CN 110428278B
- Authority
- CN
- China
- Prior art keywords
- resource
- share
- gear
- service
- sample
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000008901 benefit Effects 0.000 claims abstract description 44
- 230000000875 corresponding effect Effects 0.000 claims description 214
- 238000012549 training Methods 0.000 claims description 91
- 230000008859 change Effects 0.000 claims description 65
- 238000005457 optimization Methods 0.000 claims description 42
- 230000006870 function Effects 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 15
- 230000002596 correlated effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000009193 crawling Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供一种确定为第二业务方提供的资源份额的方法和装置。根据一个实施方式，首先获取第二业务方在历史资源交换业务中的资源使用信息，并根据资源使用信息提取第二业务方的用户特征，接着针对待选的多个资源份额分别确定对应的各个资源利用率，其中，对任一资源份额的资源利用率由与其对应的第一资源特征和用户特征共同通过预先训练的第一预测模型确定。接着，利用预先训练的第二预测模型根据各个待选的资源份额分别对应的资源利用率，确定各个资源份额下第一业务方的各个业务收益，从而将各个业务收益中的最大业务收益对应的资源份额确定为，为第二业务方提供的资源份额。该实施方式可以提高所提供的资源份额的有效性。
Description
技术领域
本说明书一个或多个实施例涉及计算机技术领域，尤其涉及通过计算机在第一业务方和第二业务方进行资源交换业务之前，为第二业务方提供的、用于在与第一业务方进行资源交换业务时抵扣相应资源的资源份额的方法和装置。
背景技术
在日常生活中，各种有形的和无形的各种要素都可以成为资源，例如财务、人力、信息等等。资源交换也是发生在人们日常生活中非常常见的生活现象，例如，用户A通过一个茶杯与用户B的10元钱进行交换。在资源交换过程中，为了促成资源交换的顺利进行，资源一方还可能会为对方提供一定的资源让步，或者附加资源。例如，在交易行为中，商户降价销售，或者赠送消费者一定金额的红包，或者减免一定金额。
其中，在资源交换一方可能面对多个资源交换相对方时，做出多大的资源让步可以促使自身交换到更多的资源份额，是非常重要的问题。随着互联网的发展，很多资源交换都可以借助计算平台来完成。在计算平台中，可以记录更多的用户信息，并利用这些用户信息，针对性地为相对业务方中的不同用户提供不同的资源份额，从而提高所提供资源份额的有效性。
发明内容
本说明书一个或多个实施例描述了一种确定给定资源份额的方法和装置，利用用户的个性化特征，为不同用户提供不同的资源份额，从而实现更有效的资源交换。
根据第一方面，提供了一种确定为第二业务方提供的资源份额的方法，所述资源份额供所述第二业务方在与第一业务方进行资源交换业务时抵扣相应资源，所述方法包括：获取所述第二业务方在历史资源交换业务中的资源使用信息，并根据所述资源使用信息提取所述第二业务方的用户特征；针对待选的多个资源份额，分别确定对应的各个资源利用率，其中，所述多个资源份额包括第一资源份额，所述第一资源份额的资源利用率通过以下方式确定：确定与所述第一资源份额对应的第一资源特征，并将所述第一资源特征和所述用户特征共同输入预先训练的第一预测模型，以根据所述第一预测模型的输出结果预测相应所述第一资源份额对应的第一资源利用率；利用预先训练的第二预测模型处理各个资源利用率，从而根据所述第二预测模型的处理结果确定各个资源利用率分别对应的各个资源份额下，所述第一业务方的各个业务收益；将各个业务收益中的最大业务收益对应的资源份额确定为，为所述第二业务方提供的资源份额。
根据一个实施例，所述资源使用信息包括以下中的至少一项：
历史参与的资源交换业务信息、历史被提供资源份额的利用信息、支付信息、使用资源时的地理位置信息。
根据一个实施例，所述第一预测模型通过以下方式训练：获取对应于多个第二业务方的各个训练样本，其中，各个第二业务方分别对应有样本用户信息和样本标签，所述样本用户信息包括相应第二业务方在历史资源交换业务中的样本资源使用信息、当前被提供的资源份额，所述样本标签包括针对当前被提供的资源份额的使用标签和未使用标签；针对各个训练样本对应的第二业务方，分别提取对应的样本特征，所述样本特征包括通过相应的样本资源使用信息提取的样本用户特征，以及基于相应的当前被提供的资源份额确定的样本资源特征；将各个训练样本对应的样本特征依次输入训练中的预测模型，利用预测模型的输出结果与对应样本标签的对比，调整模型参数，使得根据资源份额和资源利用率之间的单调性优化的损失函数的值趋于减小。
根据进一步的实施例，多个第二业务方对应的当前被提供的资源份额对应多个档位，所述多个档位包括第一档位和第二档位，其中第一档位的资源份额高于第二档位的资源份额，所述训练样本包括第一样本；所述损失函数包括通过以下方式根据资源份额和资源利用率之间的单调性进行优化的第一优化项：针对所述第一样本对应的第二业务方，通过训练中的预测模型预测其在被提供各个档位的资源份额情况下的资源利用率；在第一档位对应的资源利用率低于第二档位对应的资源利用率的情况下，所述第一优化项与第二档位对应的资源利用率与第一档位对应的资源利用率的差值正相关；在第一档位对应的资源利用率等于或高于第二档位对应的资源利用率的情况下，所述第一优化项为0。
根据再进一步的实施例，所述损失函数包括根据资源份额和资源利用率之间的单调性通过以下方式进行优化的第二优化项，使得针对第一样本对应的第二业务方，给定的资源份额越大，资源利用率的变化越平缓：利用训练中的预测模型预测各个档位的资源份额分别对应的各个资源利用率；确定第一档位的资源利用率的第一变化率参数和第二变化率参数，其中，所述第一变化率参数是最高档位的资源份额对应的资源利用率与所述第一档位的资源份额对应的资源利用率的差，除以最高档位的资源份额与所述第一档位的资源份额的差得到的商，所述第二变化率参数是所述第一档位的资源份额对应的资源利用率与最低档位的资源份额对应的资源利用率的差，除以所述第一档位的资源份额与最低档位的资源份额的差得到的商；在所述第一变化率参数大于所述第二变化率参数的情况下，所述第二优化项与所述第一变化率参数和所述第二变化率参数的差成正比；在所述第一变化率参数小于所述第二变化率参数的情况下，所述第二优化项为0。
在一个实施例中，所述获取对应于多个第二业务方的各个训练样本包括：
将预定档位的资源份额分别提供给所述多个第二业务方，其中，各个第二业务方分别获取其中一个档位的资源份额，各个档位的资源份额提供给至少一个第二业务方；
根据各个第二业务方对被提供的资源份额的使用情况记录对应的训练样本。
在一个实施例中，所述获取对应于多个第二业务方的各个训练样本包括：
从预定网站抓取多个第二业务方对被提供的资源份额的使用情况作为训练样本；
对所抓取的多个第二业务方被提供的各个资源份额分配到预定数量的档位。
在一个实施例中，所述第二预测模型用于描述第一业务方的业务收益与所提供的资源份额、针对所提供份额的资源利用率之间的关系，其中，第一业务方的业务收益与所提供的资源份额负相关，与针对所提供份额的资源利用率正相关。
根据第二方面，提供一种确定为第二业务方提供的资源份额的装置，所述资源份额供所述第二业务方在与第一业务方进行资源交换业务时抵扣相应资源，所述装置包括：
获取单元，配置为获取所述第二业务方在历史资源交换业务中的资源使用信息，并根据所述资源使用信息提取所述第二业务方的用户特征；
第一处理单元，配置为针对待选的多个资源份额，分别确定对应的各个资源利用率，其中，所述多个资源份额包括第一资源份额，所述第一资源份额的资源利用率通过以下方式确定：确定与所述第一资源份额对应的第一资源特征，并将所述第一资源特征和所述用户特征共同输入预先训练的第一预测模型，以根据所述第一预测模型的输出结果预测相应所述第一资源份额对应的第一资源利用率；
第二处理单元，配置为利用预先训练的第二预测模型处理各个资源利用率，从而根据所述第二预测模型的处理结果确定各个资源利用率分别对应的各个资源份额下，所述第一业务方的各个业务收益；
确定单元，配置为将各个业务收益中的最大业务收益对应的资源份额确定为，为所述第二业务方提供的资源份额。
根据第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面的方法。
根据第四方面，提供了一种计算设备，包括存储器和处理器，其特征在于，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面的方法。
通过本说明书实施例提供的确定为第二业务方提供的资源份额的过程中，充分利用第二业务方的个性化信息，提取第二业务方的用户特征，并针对待选的多个资源份额，分别通过预先训练的第一预测模型确定对应的各个资源利用率，然后，通过各个资源利用率预测对应的业务收益，并将业务收益最大的资源份额确定为，为第二业务方提供的资源份额。由于充分利用用户信息，和待选的资源份额一起分析，可以实现针对性、个性化的资源份额确定，同时充分挖掘资源利用率与预测资源利用率和收益的关系来确定具体第二业务方的资源份额，提高为第二业务方提供资源份额的有效性。
附图说明
为了更清楚地说明本说明书的技术构思下的实施例的技术方案，下面将对实施例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的技术构思下的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1示出本说明书实施例的一个实施场景；
图2示出根据一个实施例的资源利用率的预测模型训练方法的流程图；
图3示出根据一个实施例的确定资源份额的方法的流程图；
图4示出根据一个实施例的确定资源份额的装置的示意性框图。
具体实施方式
下面结合附图，对本说明书提供的方案进行描述。
首先对本说明书方案的实施场景进行说明。请参考图1所示，是用户1通过计算平台为用户2确定提供的资源份额的场景。其中，计算平台可以是具有数据处理能力的各种电子设备，例如智能手机、平板电脑、台式计算机、智能手表、服务器等等。在一个实施例中，计算平台还可以设于用户1所用的终端设备(如智能手机)中。
用户1和用户2可以是资源交换业务中的相对业务方，为了描述方便也可以将用户1称为第一业务方，用户2称为第二业务方。在相同的资源交换业务中，一个第一业务方可以面对多个第二业务方。一个第二业务方也可以与多个第一业务方进行不同的资源交换业务。第一业务方为第二业务方提供的资源份额的形式可以和具体场景相关。作为示例，假设用户1为商户，用户2为消费者，则第一业务方提供的资源份额可以是商户向消费者提供的红包金额(如9.9元等)。第一业务方为第二业务方提供的资源份额，可以用于第二业务方在资源交换业务中抵扣相应资源(如9.9元)。
为了便于描述，以用户1为商户，用户2为消费者为例对应用场景中确定资源份额的过程进行描述。用户1可以向计算平台多档资源份额，如红包金额1元、5元、9元等等。计算平台针对任一个消费者，如用户2，获取该消费者在历史资源交换业务中的资源使用信息，例如购买商品的信息、购买商品的金额、支付的频率等等。根据该资源使用信息可以提取出用户2的用户特征。另一方面。针对第一业务方预先确定的每一档资源份额，还可以分别确定对应的资源特征。资源特征可以是相应档位的资源份额本身，例如金额9元档位的资源份额，9可以作为资源特征。将各个资源特征分别和所提取的用户特征一起输入预先训练的第一预测模型，预测相应的资源利用率。假如资源份额有5个档位，1元、5元、9元、19元、29元，则对应每个档位的资源份额可以预测一个资源利用率，共5个资源利用率。这里的资源利用率例如可以是用户使用相应红包金额进行消费的概率，或者核销率等。接着，计算平台可以根据资源利用率和所提供档位的资源份额(如1元)，估计各档资源份额对应的业务收益。计算平台可以选择最大业务收益对应的资源份额，作为提供给用户2的资源份额。用户1可以针对多个用户2进行确定资源份额并推送给相应用户，从而，为多个用户2(如消费者)确定出提供资源份额方案。
值得说明的是，通过以上的描述可以知晓，在确定给定资源份额过程中，第一预测模型所预测的资源利用率的准确度，决定着最终结果的有效性。常规技术中的预测模型，不考虑资源利用率与给定的资源份额之间的单调关系，而是预先定义业务场景可接受的资源利用率阈值，然后预测各个档位的资源份额对应的资源利用率，将不小于资源利用率阈值的最小档位的资源份额确定为给定的资源份额。可见，常规技术中用于预测资源利用率的预测模型无法体现给定资源份额与资源利用率之间的单调性关系。在利用大量无偏样本训练预测模型的情况下，所提供的资源份额与资源利用率之间的单调性通常是比较好的，然而，实践中难以获取纯粹的无偏样本(即具有资源份额和资源利用率的单调性的样本)。为此，在本说明书实施例中，对第一预测模型在训练过程中的单调性进行调整，以提高第一预测模型的准确度。
首先介绍第一预测模型的训练过程。
如图2所示，训练第一预测模型的过程的流程包括以下步骤：步骤201，获取对应于多个第二业务方的训练样本，其中，各个第二业务方分别对应有样本用户信息和样本标签，样本用户信息包括相应的第二业务方在历史资源交换业务中的样本资源使用信息，以及和用户标签对应的当前被提供的资源份额；样本标签包括针对当前被提供的资源份额的使用标签和未使用标签；步骤202，针对各个训练样本对应的第二业务方，分别提取对应的样本特征，样本特征包括通过相应的样本资源使用信息提取的样本用户特征，以及基于相应的当前被提供的资源份额确定的样本资源特征；步骤203，依次将各个训练样本对应的样本特征输入训练中的第一预测模型，将第一预测模型的输出结果与对应的样本标签进行对比，调整模型参数，使得根据资源份额和资源利用率之间的单调性优化的损失函数的值趋于减小。
首先，在步骤201中，获取对应于多个第二业务方的各个训练样本。其中，第二业务方可以是业务场景中，两个相对业务方中的一方，例如，在交易场景中的消费者。各个第二业务方分别对应有样本用户信息和样本标签。其中，样本用户信息一方面可以包括相应第二业务方在历史资源交换业务中的样本资源使用信息，以及和用户标签对应的当前被提供的资源份额。用户标签包括针对所给定的资源份额的使用标签和未使用标签。
其中，每个训练样本对应的用户信息可以包括，第二业务方收到的资源份额(如10元)。资源份额的大小也是第二业务方是否使用该资源份额的重要影响因素。例如，对于一件20元的商品，第二业务方可能不会使用1元的优惠券或红包去抵扣购买，然而，使用10元的优惠券或红包去抵扣购买的概率就会大大增加。
每个训练样本对应的用户信息还可以包括，第二业务方的历史资源使用信息。这些历史资源使用信息可以体现第二业务方在资源使用上的特点。用户历史资源使用信息可以包括但不限于以下中的至少一项：历史参与的资源交换业务信息、历史被提供资源份额的利用信息、支付信息、使用资源时的地理位置信息，等等。其中：历史参与的资源交换业务信息例如可以包括资源交换频次、资源交换份额、交换资源类型(如服装、文具)等等。如在交易场景中，一个消费者网购频率特别低，如低于一年一次，那么其当前使用资源份额的概率也可能较低；历史被提供资源份额的利用信息可以包括历史被提供资源份额的金额及是否使用、历史被提供资源份额的使用比例等；支付信息例如是支付平台(如网银、支付宝等)信息、支付资源份额、支付频率等；使用资源时的地理位置信息可以包括用户历史进行资源交换业务时所在的地理位置、当前地理位置等，如果第二业务方之前的资源使用都发生在第一个省份，而第二业务方当前在第二个省份，提供的资源份额指定在第三个省份可用，则该第二业务方使用被提供的资源份额的可能性较小。此外，资源使用信息还可以包括其他合理的各种信息，在此不再一一列举。
通常，对于一个第二业务方，每给定一个资源份额，就可以产生一条样本记录。因此，一个训练样本中，样本用户信息中的当前被提供的资源份额与样本标签是一一对应的。也就是说，样本标签中的使用标签或未使用标签，是针对当前样本记录中被提供的资源份额的使用情况标注的标签。进一步地，在一个训练样本中，如果提供两个不同的资源份额，或者在两个不同时间提供的资源份额，则可以分别对应采集为两个不同的样本。请参考表1，给出一个样本数据示例。
表1样本数据示例
从表1可以看出，训练样本主要是针对第二业务方当前被提供的资源份额，以及第二业务方对该当前被提供的资源份额的使用情况记录的。因此，在训练样本中，同一个第二业务方可以对应多条样本记录。而历史资源交换业务中的样本资源使用信息是针对当前被提供的资源份额之前的历史资源交换业务。
在一些可选的实现中，训练样本可以是通过网络爬虫(如python等)从预定网站(例如××商城等)爬取的。例如，在爬取过程中可以以预定网站中的用户注册信息为参考，根据用户注册信息逐条爬取数据作为训练样本。或者，可以以预定网站中涉及第一业务方向第二业务方提供资源份额的信息作为参考，获取对应的用户信息和对所提供的资源份额的使用情况，记录为训练样本。为了使第一预测模型的训练结果更加准确，在爬取样本数据时，还可以对当前提供的资源份额的时间进行限定，可以仅提取近期提供的且第二业务方有充足时间处置的资源份额的使用情况作为样本。例如，资源份额的时间为半年内至1周前，如此，最迟提供的资源份额是1周前，第二业务方有充足时间确定是否使用所收到的资源份额。
可以理解，所爬取的训练样本如表1所示的情况下，为了使得训练样本覆盖更多的第二业务方，避免对一个第二业务方采集过多训练样本时造成的样本偏差，可选地，还可以对表1所示的样本记录进行筛选，使得每个第二业务方仅对应一个训练样本。
在另一些可选的实现中，还可以对预定数量的第二业务方(如消费者)分别随机提供一个不同档位的资源份额，并根据相应第二业务方对当前所提供的资源份额的会用情况记录样本。其中，如果第二业务方使用了当前提供的资源份额，则确定对应的样本标签为使用标签，否则，对应的样本标签为未使用标签。例如，第一业务方为商户、第二业务方为消费者的情况下，在商户对服装进行促销之前，先对一部分消费者提供多个档位金额(如1元、5元、9元、19元四个档位金额)的优惠券或红包，根据各个收到优惠券或红包的消费者的用户信息和对优惠券或红包的使用情况对应记录各条训练样本。可选地，第一业务方可以提前预定时间段(如3天)提供资源份额，以供第二业务方有充足的时间处理所收到的资源份额，从而，采集的训练样本更加有效。
可以理解，样本用户信息还可以包括第二业务方对应的职业、性别等基本信息。如，一些收入较高的职业，资源使用概率也可能较高；女性的资源使用概率可能比男性高，等等。对于不存在历史资源使用信息的新用户作为第二业务方时，其对应的用户信息还可以仅包括上述的基本信息。为了使得第一预测模型更准确，在训练过程中训练样本可以只获取有历史资源使用信息的第二业务方作为训练样本。
由以上描述可知，训练样本是根据第一业务方当前提供的资源份额，并对应相应第二业务方对该当前提供的资源份额的使用情况。这里说的“当前”，是为了区分历史资源使用信息与样本所针对的资源份额的使用信息进行区分，而非表示“当前时间”。训练样本中的用户标签，可以根据实际获取的对该当前提供的资源份额的使用情况确定。如果第二业务方使用了第一业务方提供的资源份额，则对应使用标签，否则，对应未使用标签。
然后，在步骤202中，针对各个训练样本对应的第二业务方，分别提取对应的样本特征。其中，样本特征可以包括两个方面：一方面是与样本对应的第二业务方的个人特性相关的样本用户特征，该特征可以通过相应的样本资源使用信息提取；另一方面可以是与作为样本进行记录的当前被提供的资源份额相关的样本资源特征，该特征可以通过当前被提供的资源份额确定。
一方面，从一个训练样本对应的第二业务方的样本资源使用信息中，可以提取出样本用户特征。样本用户特征可以包括多个特征。例如：通过用户历史资源交换业务信息提取的资源交换频次特征、交易金额特征等；通过历史被提供资源份额的利用信息提取的资源使用率(给定资源的使用次数/全部收到给定资源的次数)等；通过支付信息提取的支付特征，如支付金额特征(额度不限、仅小额等)、支付频次(如一周8次)等；通过使用资源时的地理位置信息提取是否在常住地的特征；等等。
值得说明的是，样本用户特征是根据对应于训练样本的各个第二业务方的历史行为，对相应第二业务方进行个性化分析确定的特征。样本用户特征与当前给定的资源份额无关，可以反映的是第二业务方的资源使用特点。
另一方面，根据当前所收到的资源份额可以确定训练样本的另一个特征，资源特征。该资源特征可以是记录为训练样本的当前被提供的资源份额本身，例如9.9(元)，也可以是当前资源份额对应的档位数，例如第4档，在此不作限定。资源特征是与样本标签直接相关的特征。
然后，通过步骤203训练第一预测模型。在模型训练过程中，可以将各个训练样本对应的样本特征依次输入选定的模型，利用模型输出结果与对应的用户标签的对比，调整模型参数，使得模型的损失函数的值趋于减小。在本说明书实施例中，损失函数还可以根据资源份额和资源利用率的单调性进行优化。
可以理解，样本特征包括样本用户特征和资源特征。资源特征描述了和样本标签一致的当前被提供的资源份额特点，可以用于挖掘被提供的资源份额与是否使用，或使用概率大小的关系。而样本用户特征体现的是第二业务方的个人特点，作为辅助特征辅助挖掘被提供的资源份额与是否使用，或使用概率大小的关系。用样本用户特征和资源特征一起作为第一预测模型的特征训练模型，可以充分考虑各种影响因素，提高第一预测模型的准确性。可选地，在模型训练过程中，还可以为资源特征分配较高的初始权重，为样本用户特征分配较低的初始权重，以提高模型训练的效率。
通常，对于同一个第二业务方而言，资源份额和资源利用率会具有单调性，资源利用率随着资源份额的升高而升高。也就是说，同一个第二业务方获取资源份额较高情况下的资源利用率，不低于获取资源份额较低情况下的资源利用率。为此，根据一个可能的设计，可以在损失函数中增加调节资源份额和资源利用率之间的单调性的第一优化项。
假设各档位上的资源份额由低到高排列，如资源份额的5个档位1元、3元、5元、10元、20元等。假设其中任意两个档位分别为第一档位、第二档位，第一档位对应的资源份额比第二档位对应的资源份额高。为了便于描述，将该第二档位用i表示，第一档位用i+1表示，针对训练样本对应的任一第二业务方(也可以称为第一用户)，通过训练中的第一预测模型预测到的第二档位的资源利用率用Ri表示，通过训练中的第一预测模型预测到的第一档位的资源利用率用Ri+1表示。则第一优化项可以与max(0，Ri-Ri+1)正相关。其中，max(A，B)表示取A和B中的最大值。这样，针对第二业务方中的某一个用户，在第一档位对应的资源利用率Ri+1低于第二档位对应的资源利用率Ri的情况下，不满足资源利用率与资源份额的单调性。此时，可以通过与第二档位对应的资源利用率与第一档位对应的资源利用率的差值Ri-Ri+1(此时为正数)正相关的第一优化项来优化模型参数。可以理解，在模型训练过程中，调整模型参数，使得损失函数的值向减小的方向发展，如果损失函数中增加了第一优化项，则同时使得第一优化项Ri-Ri+1向减小的方向发展，以维持资源利用率与资源份额的单调性。而当第一档位对应的资源利用率Ri+1等于或高于第二档位对应的资源利用率Ri的情况下，Ri-Ri+1小于0，此时第一优化项为0，也就是说满足资源利用率与资源份额的单调性，不需进一步调节。
可以理解，在资源份额和资源利用率之间针对同一个第二业务方具有单调性的情况下，随着资源份额的增加，资源利用率的增加速度变缓。例如，对于一个作为消费者的第二业务方来说，一件100元的商品，第一业务方商户为其提供10元的红包，该红包的使用率可能较低，如果商户为其提供40元的红包，使用率会迅速提高，而商户提供70元的红包和提供40元的红包，对使用率的影响的差距会小于提供40元的红包和提供10元的红包的差距。
如此，根据进一步的实施例，在第一优化项的基础上，还可以在损失函数中增加第二优化项，进一步对资源份额和资源利用率之间的单调状况进行优化，使得针对任一样本对应的第二业务方，给定的资源份额越大，资源利用率的变化越平缓。
具体地，针对任意样本对应的第二业务方，通过训练中的第一预测模型对各个档位的资源份额预测资源利用率之后，还可以确定任一档位的资源利用率对应的第一变化参数和第二变化参数。其中，第一变化参数用于描述当前档位的高档资源利用率的变化率，第二变化参数用于描述当前档位的低档资源利用率的变化率。进一步地，第一变化率参数可以是最高档位的资源份额对应的资源利用率与第一档位的资源份额对应的资源利用率的差，除以最高档位的资源份额与第一档位的资源份额的差得到的商；第二变化率参数可以是第一档位的资源份额对应的资源利用率与最低档位的资源份额对应的资源利用率的差，除以第一档位的资源份额与最低档位的资源份额的差得到的商。
将第一档位记为i，对应的资源份额记为Ci，资源利用率记为Ri，最低档位对应的资源份额记为C0，资源利用率记为R0，最高档位对应的资源份额记为CN，资源利用率记为RN，其中，i是0-N之间的整数。则，第一档位i的第一变化率参数为(RN-Ri)/(CN-Ci)，第二变化率参数为(Ri-R0)/(Ci-C0)。
在第一变化率参数大于第二变化率参数的情况下，当前档位的高档资源利用率的变化率，大于当前档位的低档资源利用率的变化率，也就是说，对于上述任意的第二业务方，资源利用率没有朝着资源份额越大，变化越平缓的方向发展。此时，可以在损失函数中增加与第一变化率参数和第二变化率参数的差成正比的第二优化项，从而在调整模型参数使得损失函数的值向减小的方向发展时，对资源利用率的变化率朝着资源份额越大，变化越平缓的方向调整。在第一变化率参数小于第二变化率参数的情况下，资源利用率朝着资源份额越大，变化越平缓的方向发展，第二优化项可以为0。也就是说，第二优化项可以与max((RN-Ri)/(CN-Ci)-(Ri-R0)/(Ci-C0)，0)成正比。
这样，通过第一优化项可以对资源份额和资源利用率之间的单调性进行优化，第二优化项可以对资源利用率随着资源份额的变化率进行优化，从而提高第一预测模型的准确性。当损失函数同时包括第一优化项和第二优化项时，第一预测模型的损失函数为：原损失函数+a×第一优化项+b×第二优化项。其中，a、b均为正数，其可以通过人工经验确定。这里的原损失函数可以是为所选定的第一预测模型确定的基本损失函数，例如平方误差(Square Loss)、绝对值误差(Absolute Loss)等等。
这样，通过采用由第一优化项、第二优化项优化的损失函数，可以进一步优化资源利用率与当前被提供的资源份额的关系，从而提高第一预测模型的准确性。
当第一业务方要向第二业务方提供资源份额时，可以通过图3示出的流程确定要提供的资源份额。如图3所示，是使用通过图2的方法训练的第一预测模型为第二业务方确定给定的资源份额的流程图。图3使出的流程的执行主体和图2示出的流程的执行主体可以一致，也可以不一致，在此不作限定。
如图3所示，第一业务方为任一个第二业务方确定提供的资源份额时，通过以下流程进行：步骤301，获取第二业务方在历史资源交换业务中的资源使用信息，并根据资源使用信息提取第二业务方的用户特征；步骤302，针对待选的多个资源份额，分别确定对应的各个资源利用率，其中，多个资源份额包括第一资源份额，第一资源份额的资源利用率通过以下方式确定：确定与第一资源份额对应的第一资源特征，并将第一资源特征和用户特征共同输入预先训练的第一预测模型，以根据第一预测模型的输出结果预测相应第一资源份额对应的资源利用率；步骤303，利用预先训练的第二预测模型处理各个资源利用率，从而根据第二预测模型的处理结果确定各个资源利用率分别对应的各个资源份额下，第一业务方的各个业务收益；步骤304，将各个收益中的最大业务收益对应档位的资源份额确定为，为第二业务方提供的资源份额。
首先，通过步骤301，获取第二业务方在历史资源交换业务中的资源使用信息，并根据资源使用信息提取第二业务方的用户特征。其中，这里的第二业务方是待定资源份额的任一第二业务方(如消费者张三)。
第二业务方的资源使用信息可以包括但不限于以下中的至少一项：历史参与的资源交换业务信息、历史被提供资源份额的利用信息、支付信息、使用资源时的地理位置信息等等。该资源使用信息可以根据第二业务方的用户信息从预订网站(如某购物平台)抓取。通过资源使用信息可以提取相应第二业务方的用户特征。其中的用户特征的提取方式与样本用户特征一致，在此不再赘述。
然后，在步骤302中，针对待选的多个资源份额，分别确定对应的各个资源利用率。其中，待选的多个资源份额可以是第一业务方预先提供的，或者从可选资源份额中选择的。多个资源份额也可以理解成多个档位的资源份额，每个资源份额对应一个档位。假设多个资源份额包括第一资源份额，第一资源份额的资源利用率可以通过以下方式确定：
步骤302a，确定与第一资源份额对应的第一资源特征。该第一资源特征可以是资源份额本身，也可以是资源份额的档位数，在此不做限定。值得说明的是，该第一资源特征的确定方式，与步骤202中第一预测模型的训练样本对应的各个第二业务方的当前被提供的资源份额对应的样本资源特征的确定方式一致。
步骤302b，将第一资源特征和用户特征共同输入预先训练的第一预测模型，以根据第一预测模型的输出结果预测相应第一资源份额对应的第一资源利用率。其中，第一预测模型的输出结果可以是靠近“使用”和“未使用”中的一个标签的概率。以靠近“使用”的概率为例，在本步骤中，第一预测模型的输出结果可以理解为，当第二业务方被提供第一资源份额时，第二业务方使用该第一资源份额的概率。该概率可以被作为第一资源份额对应的第一资源利用率。
第一资源份额可以是上述多个资源份额中的任意一个资源份额。则对于每个资源份额，都可以确定出相应的资源利用率。第一预测模型可以是图2示出的方法训练的预测模型，充分考虑资源份额和资源利用率之间的单调性，准确度较高。
然后，在步骤303中，利用预先训练的第二预测模型处理各个资源利用率，从而根据第二预测模型的处理结果确定各个资源利用率分别对应的各个资源份额下，第一业务方的各个业务收益。其中，第二预测模型用于根据资源份额和对应的资源利用率确定业务收益。这里的业务收益可以是投资回报率(Return On Investment)、资源增值率等等。
可以理解，业务收益可以根据为第二业务方提供相应的资源份额，以及第二业务方对该资源份额的资源利用率确定。通常，业务收益与为第二业务方提供相应的资源份额负相关，与第二业务方对该资源份额的资源利用率正相关。
由此，在一个实施例中，由于业务收益是在资源份额核销的基础上确定的，因此，业务收益可以为核销率与核销成本的差值，核销成本与资源利用率和资源份额的乘积正相关。将业务收益用A表示，资源利用率用B表示，资源份额用C表示，则第二预测模型可以为A＝B-k×B×C。其中，k为资源利用率和资源份额成本之间的平衡参数。k的取值范围可以为0-1。当k取0时，业务收益和资源利用率一致，当k取1时，核销成本为资源利用率和资源份额的乘积，业务收益为资源利用率与资源份额和资源利用率的乘积的差值。其中，k可以通过以下方式确定：离线回测训练样本，遍历0-1之间各个预定取值，以确定每个预定取值对应的业务收益，取最接近样本的实际情况的预定取值作为第二预测模型中的k值。
在另一个实施例中，第二预测模型还可以是GBDT(Gradient Boosting DecisionTree梯度提升树)、循环神经网络等等。此时，第二预测模型的训练方式如下：通过训练好的第一预测模型预测各个训练样本对应的各个资源利用率，将各个资源利用率与相应的当前被提供资源份额一起输入选定的第二预测模型，并根据实际的业务收益调整模型参数。
如此，通过第二预测模型，可以根据各个资源利用率和待选的各个资源份额，确定待选的各个资源份额下，针对第二业务方的各个业务收益。
接着，在步骤304中，将步骤303中确定的各个业务收益中的最大业务收益对应的资源份额确定为，为第二业务方提供的资源份额。
回顾以上过程，本说明书实施例在确定为第二业务方提供的、与第一业务方进行资源交换业务时可以抵扣相应资源的资源份额的过程中，充分利用第二业务方的个性化信息，提取第二业务方的用户特征，并针对待选的多个资源份额，分别通过预先训练的第一预测模型确定对应的各个资源利用率，然后，通过各个资源利用率预测对应的业务收益，并将业务收益最大的资源份额确定为，为所述第二业务方提供的资源份额。由于充分利用用户信息，和待选的资源份额一起分析，可以实现针对性、个性化的资源份额确定，同时充分挖掘资源利用率与预测资源利用率和收益的关系来确定具体第二业务方的资源份额，提高为第二业务方提供资源份额的有效性。进一步地，在用于预测资源利用率的第一预测模型根据资源利用率与资源份额之间的单调性进行优化的情况下，能够进一步提高确定最优资源份额的准确度。
根据另一方面的实施例，还提供一种确定资源份额的装置。其中的资源份额供所述第二业务方在与第一业务方进行资源交换业务时抵扣相应资源。图4示出根据一个实施例的确定资源份额的装置的示意性框图。如图4所示，确定资源份额的装置400包括：获取单元41，配置为获取第二业务方在历史资源交换业务中的资源使用信息，并根据资源使用信息提取所述第二业务方的用户特征；第一处理单元42，配置为针对待选的多个资源份额，分别确定对应的各个资源利用率，其中，多个资源份额包括第一资源份额，第一资源份额的资源利用率通过以下方式确定：确定与第一资源份额对应的第一资源特征，并将第一资源特征和用户特征共同输入预先训练的第一预测模型，以根据第一预测模型的输出结果预测相应第一资源份额对应的第一资源利用率；第二处理单元43，配置为利用预先训练的第二预测模型处理各个资源利用率，从而根据第二预测模型的处理结果确定各个资源利用率分别对应的各个资源份额下，第一业务方的各个业务收益；确定单元44，配置为将各个业务收益中的最大业务收益对应的资源份额确定为，为第二业务方提供的资源份额。
在一个实施例中，资源使用信息包括以下中的至少一项：
历史参与的资源交换业务信息、历史被提供资源份额的利用信息、支付信息、使用资源时的地理位置信息。
根据一个可能的设计，装置400还可以包括训练单元，配置为通过以下方式训练第一预测模型：
获取对应于多个第二业务方的各个训练样本，其中，各个第二业务方分别对应有样本用户信息和样本标签，样本用户信息包括相应第二业务方在历史资源交换业务中的样本资源使用信息、当前被提供的资源份额，样本标签包括针对当前被提供的资源份额的使用标签和未使用标签；
针对各个训练样本对应的第二业务方，分别提取对应的样本特征，样本特征包括通过相应的样本资源使用信息提取的样本用户特征，以及基于相应的当前被提供的资源份额确定的样本资源特征；
将各个训练样本对应的样本特征依次输入训练中的预测模型，利用预测模型的输出结果与对应样本标签的对比，调整模型参数，使得根据资源份额和资源利用率之间的单调性优化的损失函数的值趋于减小。
在进一步的一个可能设计中，多个第二业务方对应的当前被提供的资源份额对应多个档位，所述多个档位包括第一档位和第二档位，其中第一档位的资源份额高于第二档位的资源份额，训练样本包括第一样本；
第一预测模型的损失函数可以包括通过以下方式根据资源份额和资源利用率之间的单调性进行优化的第一优化项：
针对第一样本对应的第二业务方，通过训练中的预测模型预测其在被提供各个档位的资源份额情况下的资源利用率；
在第一档位对应的资源利用率低于第二档位对应的资源利用率的情况下，第一优化项与第二档位对应的资源利用率与第一档位对应的资源利用率的差值正相关；
在第一档位对应的资源利用率等于或高于第二档位对应的资源利用率的情况下，第一优化项为0。
在一个可选的实现中，第一预测模型的损失函数还可以包括根据资源份额和资源利用率之间的单调性通过以下方式进行优化的第二优化项，使得针对第一样本对应的第二业务方，给定的资源份额越大，资源利用率的变化越平缓：
利用训练中的预测模型预测各个档位的资源份额分别对应的各个资源利用率；
确定第一档位的资源利用率的第一变化率参数和第二变化率参数，其中，第一变化率参数是最高档位的资源份额对应的资源利用率与第一档位的资源份额对应的资源利用率的差，除以最高档位的资源份额与第一档位的资源份额的差得到的商，第二变化率参数是第一档位的资源份额对应的资源利用率与最低档位的资源份额对应的资源利用率的差，除以第一档位的资源份额与最低档位的资源份额的差得到的商；
在第一变化率参数大于第二变化率参数的情况下，第二优化项与所述第一变化率参数和第二变化率参数的差成正比；
在第一变化率参数小于第二变化率参数的情况下，第二优化项为0。
根据一个实施方式，获取单元41还可以配置为：
将预定档位的资源份额分别提供给多个第二业务方，其中，各个第二业务方分别获取其中一个档位的资源份额，各个档位的资源份额提供给至少一个第二业务方；
根据各个第二业务方对被提供的资源份额的使用情况记录对应的训练样本。
根据另一个实施方式，获取单元41还可以配置为：
从预定网站抓取多个第二业务方对被提供的资源份额的使用情况作为训练样本；
对所抓取的多个第二业务方被提供的各个资源份额分配到预定数量的资源份额档位。
根据一个实施例，第二预测模型可以用于描述第一业务方的业务收益与所提供的资源份额、针对所提供份额的资源利用率之间的关系，其中，第一业务方的业务收益与所提供的资源份额负相关，与针对所提供份额的资源利用率正相关。
值得说明的是，图4所示的装置400是与图3示出的方法实施例相对应的装置实施例，图3示出的方法实施例中的相应描述同样适用于装置400，在此不再赘述。
根据另一方面的实施例，还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行结合图3所描述的方法。
根据再一方面的实施例，还提供一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现结合图3所述的方法。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本说明书实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。
以上所述的具体实施方式，对本说明书中的技术构思的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本说明书的技术构思的具体实施方式而已，并不用于限定本说明书的技术构思的保护范围，凡在本说明书的技术构思的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本说明书的技术构思的保护范围之内。
Claims (16)
1.一种确定为第二业务方提供的资源份额的方法，所述资源份额供所述第二业务方在与第一业务方进行资源交换业务时抵扣相应资源，所述方法包括：
获取所述第二业务方在历史资源交换业务中的资源使用信息，并根据所述资源使用信息提取所述第二业务方的用户特征；
针对待选的多个资源份额，基于所述第二业务方的用户特征分别确定对应的各个资源利用率，其中，所述多个资源份额包括第一资源份额，所述第一资源份额的资源利用率通过以下方式确定：确定与所述第一资源份额对应的第一资源特征，并将所述第一资源特征和所述用户特征共同输入预先训练的第一预测模型，以根据所述第一预测模型的输出结果预测所述第一资源份额对应的第一资源利用率，多个第二业务方对应的当前被提供的资源份额对应多个档位，所述多个档位包括第一档位和第二档位，其中第一档位的资源份额高于第二档位的资源份额，所述第一预测模型的训练样本包括第一样本；第一预测模型的损失函数包括通过以下方式根据资源份额和资源利用率之间的单调性进行优化的第一优化项：针对所述第一样本对应的第二业务方，通过训练中的预测模型预测其在被提供各个档位的资源份额情况下的资源利用率；在第一档位对应的资源利用率低于第二档位对应的资源利用率的情况下，所述第一优化项与第二档位对应的资源利用率和第一档位对应的资源利用率的差值正相关；在第一档位对应的资源利用率等于或高于第二档位对应的资源利用率的情况下，所述第一优化项为0；
利用预先训练的第二预测模型处理各个资源利用率，从而根据所述第二预测模型的处理结果确定各个资源利用率分别对应的各个资源份额下，所述第一业务方的各个业务收益，其中，所述第二预测模型用于描述第一业务方的业务收益与所提供的资源份额、针对所提供份额的资源利用率之间的关系，第一业务方的业务收益与针对所提供份额的资源利用率正相关；
将各个业务收益中的最大业务收益对应的资源份额确定为，为所述第二业务方提供的资源份额。
2.根据权利要求1所述的方法，其中，所述资源使用信息包括以下中的至少一项：
历史参与的资源交换业务信息、历史被提供资源份额的利用信息、支付信息、使用资源时的地理位置信息。
3.根据权利要求1所述的方法，其中，所述第一预测模型通过以下方式训练：
获取对应于多个第二业务方的各个训练样本，其中，各个第二业务方分别对应有样本用户信息和样本标签，所述样本用户信息包括相应第二业务方在历史资源交换业务中的样本资源使用信息、当前被提供的资源份额，所述样本标签包括针对当前被提供的资源份额的使用标签和未使用标签；
针对各个训练样本对应的第二业务方，分别提取对应的样本特征，所述样本特征包括通过相应的样本资源使用信息提取的样本用户特征，以及基于相应的当前被提供的资源份额确定的样本资源特征；
将各个训练样本对应的样本特征依次输入训练中的预测模型，利用预测模型的输出结果与对应样本标签的对比，调整模型参数，使得根据资源份额和资源利用率之间的单调性优化的损失函数的值趋于减小。
4.根据权利要求1所述的方法，其中，
所述损失函数还包括根据资源份额和资源利用率之间的单调性通过以下方式进行优化的第二优化项，使得针对第一样本对应的第二业务方，给定的资源份额越大，资源利用率的变化越平缓：
利用训练中的预测模型预测各个档位的资源份额分别对应的各个资源利用率；
确定第一档位的资源利用率的第一变化率参数和第二变化率参数，其中，所述第一变化率参数是最高档位的资源份额对应的资源利用率与所述第一档位的资源份额对应的资源利用率的差，除以最高档位的资源份额与所述第一档位的资源份额的差得到的商，所述第二变化率参数是所述第一档位的资源份额对应的资源利用率与最低档位的资源份额对应的资源利用率的差，除以所述第一档位的资源份额与最低档位的资源份额的差得到的商；
在所述第一变化率参数大于所述第二变化率参数的情况下，所述第二优化项与所述第一变化率参数和所述第二变化率参数的差成正比；
在所述第一变化率参数小于所述第二变化率参数的情况下，所述第二优化项为0。
5.根据权利要求3所述的方法，其中，所述获取对应于多个第二业务方的各个训练样本包括：
将预定档位的资源份额分别提供给所述多个第二业务方，其中，各个第二业务方分别获取其中一个档位的资源份额，各个档位的资源份额提供给至少一个第二业务方；
根据各个第二业务方对被提供的资源份额的使用情况记录对应的训练样本。
6.根据权利要求1所述的方法，其中，所述获取对应于多个第二业务方的各个训练样本包括：
从预定网站抓取多个第二业务方对被提供的资源份额的使用情况作为训练样本；
对所抓取的多个第二业务方被提供的各个资源份额分配到预定数量的档位。
7.根据权利要求1所述的方法，其中，第一业务方的业务收益与所提供的资源份额负相关。
8.一种确定为第二业务方提供的资源份额的装置，所述资源份额供所述第二业务方在与第一业务方进行资源交换业务时抵扣相应资源，所述装置包括：
获取单元，配置为获取所述第二业务方在历史资源交换业务中的资源使用信息，并根据所述资源使用信息提取所述第二业务方的用户特征；
第一处理单元，配置为针对待选的多个资源份额，基于所述第二业务方的用户特征分别确定对应的各个资源利用率，其中，所述多个资源份额包括第一资源份额，所述第一资源份额的资源利用率通过以下方式确定：确定与所述第一资源份额对应的第一资源特征，并将所述第一资源特征和所述用户特征共同输入预先训练的第一预测模型，以根据所述第一预测模型的输出结果预测相应所述第一资源份额对应的第一资源利用率，多个第二业务方对应的当前被提供的资源份额对应多个档位，所述多个档位包括第一档位和第二档位，其中第一档位的资源份额高于第二档位的资源份额，所述第一预测模型的训练样本包括第一样本；第一预测模型的损失函数包括通过以下方式根据资源份额和资源利用率之间的单调性进行优化的第一优化项：针对所述第一样本对应的第二业务方，通过训练中的预测模型预测其在被提供各个档位的资源份额情况下的资源利用率；在第一档位对应的资源利用率低于第二档位对应的资源利用率的情况下，所述第一优化项与第二档位对应的资源利用率和第一档位对应的资源利用率的差值正相关；在第一档位对应的资源利用率等于或高于第二档位对应的资源利用率的情况下，所述第一优化项为0；
第二处理单元，配置为利用预先训练的第二预测模型处理各个资源利用率，从而根据所述第二预测模型的处理结果确定各个资源利用率分别对应的各个资源份额下，所述第一业务方的各个业务收益，其中，所述第二预测模型用于描述第一业务方的业务收益与所提供的资源份额、针对所提供份额的资源利用率之间的关系，第一业务方的业务收益与针对所提供份额的资源利用率正相关；
确定单元，配置为将各个业务收益中的最大业务收益对应的资源份额确定为，为所述第二业务方提供的资源份额。
9.根据权利要求8所述的装置，其中，所述资源使用信息包括以下中的至少一项：
历史参与的资源交换业务信息、历史被提供资源份额的利用信息、支付信息、使用资源时的地理位置信息。
10.根据权利要求8所述的装置，其中，所述装置还包括训练单元，配置为通过以下方式训练所述第一预测模型：
获取对应于多个第二业务方的各个训练样本，其中，各个第二业务方分别对应有样本用户信息和样本标签，所述样本用户信息包括相应第二业务方在历史资源交换业务中的样本资源使用信息、当前被提供的资源份额，所述样本标签包括针对当前被提供的资源份额的使用标签和未使用标签；
针对各个训练样本对应的第二业务方，分别提取对应的样本特征，所述样本特征包括通过相应的样本资源使用信息提取的样本用户特征，以及基于相应的当前被提供的资源份额确定的样本资源特征；
将各个训练样本对应的样本特征依次输入训练中的预测模型，利用预测模型的输出结果与对应样本标签的对比，调整模型参数，使得根据资源份额和资源利用率之间的单调性优化的损失函数的值趋于减小。
11.根据权利要求9所述的装置，其中，所述损失函数包括通过以下方式根据资源份额和资源利用率之间的单调性进行优化的第二优化项，使得针对第一样本对应的第二业务方，给定的资源份额越大，资源利用率的变化越平缓：
利用训练中的预测模型预测各个档位的资源份额分别对应的各个资源利用率；
确定第一档位的资源利用率的第一变化率参数和第二变化率参数，其中，所述第一变化率参数是最高档位的资源份额对应的资源利用率与所述第一档位的资源份额对应的资源利用率的差，除以最高档位的资源份额与所述第一档位的资源份额的差得到的商，所述第二变化率参数是所述第一档位的资源份额对应的资源利用率与最低档位的资源份额对应的资源利用率的差，除以所述第一档位的资源份额与最低档位的资源份额的差得到的商；
在所述第一变化率参数大于所述第二变化率参数的情况下，所述第二优化项与所述第一变化率参数和所述第二变化率参数的差成正比；
在所述第一变化率参数小于所述第二变化率参数的情况下，所述第二优化项为0。
12.根据权利要求8所述的装置，其中，所述获取单元还配置为：
将预定档位的资源份额分别提供给所述多个第二业务方，其中，各个第二业务方分别获取其中一个档位的资源份额，各个档位的资源份额提供给至少一个第二业务方；
根据各个第二业务方对被提供的资源份额的使用情况记录对应的训练样本。
13.根据权利要求9所述的装置，其中，所述获取单元还配置为：
从预定网站抓取多个第二业务方对被提供的资源份额的使用情况作为训练样本；
对所抓取的多个第二业务方被提供的各个资源份额分配到预定数量的资源份额档位。
14.根据权利要求8所述的装置，其中，第一业务方的业务收益与所提供的资源份额负相关。
15.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-7中任一项的所述的方法。
16.一种计算设备，包括存储器和处理器，其特征在于，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910568598.7A CN110428278B (zh) | 2019-06-27 | 2019-06-27 | 确定资源份额的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910568598.7A CN110428278B (zh) | 2019-06-27 | 2019-06-27 | 确定资源份额的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110428278A CN110428278A (zh) | 2019-11-08 |
| CN110428278B true CN110428278B (zh) | 2023-10-27 |
Family
ID=68409811
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910568598.7A Active CN110428278B (zh) | 2019-06-27 | 2019-06-27 | 确定资源份额的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110428278B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111325557B (zh) * | 2020-02-25 | 2022-04-29 | 支付宝(杭州)信息技术有限公司 | 一种商户风险的检测方法、装置及设备 |
| CN112016792A (zh) * | 2020-07-15 | 2020-12-01 | 北京淇瑀信息科技有限公司 | 用户资源配额确定方法、装置及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107944593A (zh) * | 2017-10-11 | 2018-04-20 | 北京三快在线科技有限公司 | 一种资源分配方法及装置，电子设备 |
| CN108305102A (zh) * | 2018-01-30 | 2018-07-20 | 阿里巴巴集团控股有限公司 | 电子红包发放方法、装置及客户端 |
| CN108710904A (zh) * | 2018-05-10 | 2018-10-26 | 上海交通大学 | 基于递归神经网络的图像匹配方法及系统 |
| CN109005057A (zh) * | 2018-07-19 | 2018-12-14 | 华北电力大学 | 一种基于契约匹配理论的计算资源分配与任务卸载方案 |
| CN109685545A (zh) * | 2018-11-16 | 2019-04-26 | 北京奇虎科技有限公司 | 待发放虚拟网络资源预估方法、装置及电子设备 |
| CN109743778A (zh) * | 2019-01-14 | 2019-05-10 | 长沙学院 | 一种基于强化学习的资源分配优化方法和系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5557590B2 (ja) * | 2010-05-06 | 2014-07-23 | 株式会社日立製作所 | 負荷分散装置及びシステム |
-
2019
- 2019-06-27 CN CN201910568598.7A patent/CN110428278B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107944593A (zh) * | 2017-10-11 | 2018-04-20 | 北京三快在线科技有限公司 | 一种资源分配方法及装置，电子设备 |
| CN108305102A (zh) * | 2018-01-30 | 2018-07-20 | 阿里巴巴集团控股有限公司 | 电子红包发放方法、装置及客户端 |
| CN108710904A (zh) * | 2018-05-10 | 2018-10-26 | 上海交通大学 | 基于递归神经网络的图像匹配方法及系统 |
| CN109005057A (zh) * | 2018-07-19 | 2018-12-14 | 华北电力大学 | 一种基于契约匹配理论的计算资源分配与任务卸载方案 |
| CN109685545A (zh) * | 2018-11-16 | 2019-04-26 | 北京奇虎科技有限公司 | 待发放虚拟网络资源预估方法、装置及电子设备 |
| CN109743778A (zh) * | 2019-01-14 | 2019-05-10 | 长沙学院 | 一种基于强化学习的资源分配优化方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 业务流程中一种个性化的任务完成时间预测方法;郑婷婷;陈洁璇;许洋;余阳;潘茂林;;计算机集成制造系统(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110428278A (zh) | 2019-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107133865B (zh) | 一种信用分的获取、特征向量值的输出方法及其装置 | |
| US10628837B2 (en) | System and method for modeling customer behavior | |
| CN107122369B (zh) | 一种业务数据处理方法、装置和系统 | |
| CN109783730A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
| CN111428217B (zh) | 欺诈团伙识别方法、装置、电子设备及计算机可读存储介质 | |
| CN110428278B (zh) | 确定资源份额的方法及装置 | |
| CN111951052B (zh) | 基于知识图谱的获取潜在客户方法及装置 | |
| WO2016048355A1 (en) | Item recommendation | |
| US20210192496A1 (en) | Digital wallet reward optimization using reverse-engineering | |
| CN111078880A (zh) | 子应用的风险识别方法以及装置 | |
| CN111353554B (zh) | 预测缺失的用户业务属性的方法及装置 | |
| CN111369080B (zh) | 一种智能客服解决率预测方法和系统以及多业务预测模型 | |
| US11755975B2 (en) | System, method, and computer program product for implementing a hybrid deep neural network model to determine a market strategy | |
| CN110796379B (zh) | 业务渠道的风险评估方法、装置、设备及存储介质 | |
| US10049306B2 (en) | System and method for learning from the images of raw data | |
| CN112330373A (zh) | 用户行为分析方法、装置及计算机可读存储介质 | |
| Radovanović et al. | A fair classifier chain for multi‐label bank marketing strategy classification | |
| US20150095194A1 (en) | Systems and methods for search term prioritization | |
| US10565650B2 (en) | Content selection for mobile device | |
| CN111782792A (zh) | 用于信息处理的方法和装置 | |
| CN111476657A (zh) | 信息推送方法、装置及系统 | |
| CN116485391A (zh) | 支付推荐处理方法及装置 | |
| CN111787042A (zh) | 用于推送信息的方法和装置 | |
| Khudolii et al. | The impact of innovation and fintech on the banking business | |
| CN113902481B (zh) | 权益确定方法、装置、存储介质及设备 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201010 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant before: Advanced innovation technology Co.,Ltd. Effective date of registration: 20201010 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman 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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240206 Address after: Guohao Times City # 20-01, 128 Meizhi Road, Singapore Patentee after: Advanced Nova Technology (Singapore) Holdings Ltd. Country or region after: Singapore Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Patentee before: Innovative advanced technology Co.,Ltd. Country or region before: United Kingdom |
|
| TR01 | Transfer of patent right |