CN110443636A - 在用户间分配资源以调控其电子支付行为的方法和装置 - Google Patents
在用户间分配资源以调控其电子支付行为的方法和装置 Download PDFInfo
- Publication number
- CN110443636A CN110443636A CN201910636106.3A CN201910636106A CN110443636A CN 110443636 A CN110443636 A CN 110443636A CN 201910636106 A CN201910636106 A CN 201910636106A CN 110443636 A CN110443636 A CN 110443636A
- Authority
- CN
- China
- Prior art keywords
- user
- resource
- share
- score
- feature
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 210000005036 nerve Anatomy 0.000 claims abstract description 38
- 230000003542 behavioural effect Effects 0.000 claims abstract description 36
- 230000006399 behavior Effects 0.000 claims description 21
- 238000013468 resource allocation Methods 0.000 claims description 6
- 239000013589 supplement Substances 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 8
- 238000003062 neural network model Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010899 nucleation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q30/0219—Discounts or incentives, e.g. coupons or rebates based on funds or budget
-
- 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
- G06Q30/0222—During e-commerce, i.e. online transactions
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Marketing (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供一种在用户间分配资源以调控其电子支付行为的方法和装置，方法包括：分别将待分配用户集合中的各用户作为目标用户，将待分配资源的各可能份额作为目标份额，将目标用户当前的与电子支付相关的行为特征和目标份额的份额特征作为预先训练的第一神经网络模型的输入，通过第一神经网络模型的输出得到目标用户的第一得分，第一得分用于指示向目标用户发放目标份额的资源后，目标用户在第一预设时间周期内使用该资源的概率；根据各用户对应于各可能份额的第一得分，在满足各用户的第一得分之和最大以及向各用户发放的资源份额总和不超过预定阈值的条件下，确定向各用户分别发放的资源份额，以便有效地调控用户的电子支付行为。
Description
技术领域
本说明书一个或多个实施例涉及计算机领域，尤其涉及在用户间分配资源以调控其电子支付行为的方法和装置。
背景技术
对应一些电子支付系统，注册用户非常大，千万级别，每个月的活跃用户在百万级别，为了增加活跃用户，促使更多的用户使用该电子支付系统进行电子支付，公司可以通过营销活动向用户发放虚拟资源。在营销预算一定的情况下，向哪些用户发放虚拟资源，如何确定向用户发放的虚拟资源的资源份额，才能有效地调控用户的电子支付行为，当前还没有很好的解决办法。
因此，希望能有改进的方案，在用户间分配资源以便有效地调控其电子支付行为。
发明内容
本说明书一个或多个实施例描述了一种在用户间分配资源以调控其电子支付行为的方法和装置，能够有效地调控用户的电子支付行为。
第一方面，提供了一种在用户间分配资源以调控其电子支付行为的方法，方法包括：
分别将待分配用户集合中的各用户作为目标用户，将待分配资源的各可能份额作为目标份额，将所述目标用户当前的与电子支付相关的行为特征和所述目标份额的份额特征作为预先训练的第一神经网络模型的输入，通过所述第一神经网络模型的输出得到所述目标用户的第一得分，所述第一得分用于指示向所述目标用户发放所述目标份额的资源后，所述目标用户在第一预设时间周期内使用该资源的概率；
根据各用户对应于各可能份额的第一得分，在满足各用户的第一得分之和最大以及向各用户发放的资源份额总和不超过预定阈值的条件下，确定向各用户分别发放的资源份额。
在一种可能的实施方式中，所述与电子支付相关的行为特征包括如下至少一项：
用户在一定时间内的交易次数、用户在一定时间内的充值次数、用户的基本信息、用户的绑卡信息。
在一种可能的实施方式中，所述份额特征包括如下至少一项：
份额的平均核销率、份额大小。
在一种可能的实施方式中，所述第一神经网络模型通过以下方式训练：
将第一用户集合中各用户在第一时间的与电子支付相关的行为特征和在所述第一时间向各用户发放的资源的历史份额的份额特征作为样本特征，将各用户在所述第一时间之后的第一预设时间周期内是否使用该资源作为样本标签，对所述第一神经网络模型进行训练。
在一种可能的实施方式中，所述待分配用户集合通过如下方式确定：
将初始用户集合中各用户当前的与电子支付相关的行为特征作为预先训练的第二神经网络模型的输入，通过所述第二神经网络模型的输出得到各用户的第二得分，所述第二得分用于指示向各用户发放资源后，各用户在第二预设时间周期内使用该资源的概率；
将各用户中所述第二得分大于第一阈值的用户，加入所述待分配用户集合。
进一步地，所述第二神经网络模型通过以下方式训练：
将第二用户集合中各用户在第二时间的与电子支付相关的行为特征作为样本特征，所述第二时间为向各用户发放资源的时间，将各用户在所述第二时间之后的第二预设时间周期内是否使用该资源作为样本标签，对所述第二神经网络模型进行训练。
在一种可能的实施方式中，所述目标用户当前的与电子支付相关的行为特征和所述目标份额的份额特征构成特征集合；所述第一神经网络模型用于分别提取所述特征集合中多项特征的低阶特征组合和所述多项特征的高阶特征组合，根据所述低阶特征组合和所述高阶特征组合得到所述第一得分。
进一步地，所述第二神经网络模型的输入包括多项特征；
所述第二神经网络模型用于分别提取所述多项特征的低阶特征组合和所述多项特征的高阶特征组合，根据所述低阶特征组合和所述高阶特征组合得到所述第二得分。
在一种可能的实施方式中，所述确定向各用户分别发放的资源份额之后，所述方法还包括：
从各用户对应于各可能份额的第一得分中，确定向各用户分别发放的资源份额下的第一得分；
将向各用户分别发放的资源份额下的第一得分求和，得到资源分配带来的预期进行电子支付的用户数。
第二方面，提供了一种在用户间分配资源以调控其电子支付行为的装置，装置包括：
评分单元，用于分别将待分配用户集合中的各用户作为目标用户，将待分配资源的各可能份额作为目标份额，将所述目标用户当前的与电子支付相关的行为特征和所述目标份额的份额特征作为预先训练的第一神经网络模型的输入，通过所述第一神经网络模型的输出得到所述目标用户的第一得分，所述第一得分用于指示向所述目标用户发放所述目标份额的资源后，所述目标用户在第一预设时间周期内使用该资源的概率；
确定单元，用于根据所述评分单元得到的各用户对应于各可能份额的第一得分，在满足各用户的第一得分之和最大以及向各用户发放的资源份额总和不超过预定阈值的条件下，确定向各用户分别发放的资源份额。
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。
第四方面，提供了一种计算设备，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，实现第一方面的方法。
通过本说明书实施例提供的方法和装置，首先分别将待分配用户集合中的各用户作为目标用户，将待分配资源的各可能份额作为目标份额，将所述目标用户当前的与电子支付相关的行为特征和所述目标份额的份额特征作为预先训练的第一神经网络模型的输入，通过所述第一神经网络模型的输出得到所述目标用户的第一得分，所述第一得分用于指示向所述目标用户发放所述目标份额的资源后，所述目标用户在第一预设时间周期内使用该资源的概率；然后根据各用户对应于各可能份额的第一得分，在满足各用户的第一得分之和最大以及向各用户发放的资源份额总和不超过预定阈值的条件下，确定向各用户分别发放的资源份额。由上可见，用户、可能份额和第一得分之间具有对应关系，不仅用户不同可能会影响第一得分，分配的份额不同也可能会影响第一得分，从而根据第一得分在用户间分配资源，能够最大化资源转发率，以便有效地调控用户的电子支付行为。
附图说明
为了更清楚地说明本发明实施例的技术方案，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发明的一些实施例，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为本说明书披露的一个实施例的实施场景示意图；
图2示出根据一个实施例的在用户间分配资源以调控其电子支付行为的方法流程图；
图3示出根据一个实施例的确定待分配用户集合的示意图；
图4示出根据一个实施例的根据预算预估活跃用户的示意图；
图5示出根据一个实施例的在用户间分配资源以调控其电子支付行为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。
图1为本说明书披露的一个实施例的实施场景示意图。该实施场景涉及在用户间分配资源以调控其电子支付行为。本说明书实施例中，资源具体可以为货币资源，资源份额具体可以为货币资源的金额。在营销场景中，向用户发放货币资源，使用户在电子支付系统的余额增加，以促使用户使用该电子支付系统进行电子支付，使用获得的货币资源。可以理解的是，可以预先设定向用户发放的货币资源的各种可能的金额，例如，可能的金额包括10元、5元、2元、1元。向用户发放货币资源的金额属于上述可能的金额中的一种，不同的用户获得的金额可能相同，也可能不同，所有用户获得的金额总和要满足预设阈值，也就是说要满足营销预算。
本说明书实施例提供的在用户间分配资源以调控其电子支付行为的方法，能够使各用户获得相应份额的资源后，总体的转化率最大化，以便有效地调控用户的电子支付行为。
图2示出根据一个实施例的在用户间分配资源以调控其电子支付行为的方法流程图，该方法可以基于图1所示的应用场景。如图2所示，该实施例中在用户间分配资源以调控其电子支付行为的方法包括以下步骤：步骤21，分别将待分配用户集合中的各用户作为目标用户，将待分配资源的各可能份额作为目标份额，将所述目标用户当前的与电子支付相关的行为特征和所述目标份额的份额特征作为预先训练的第一神经网络模型的输入，通过所述第一神经网络模型的输出得到所述目标用户的第一得分，所述第一得分用于指示向所述目标用户发放所述目标份额的资源后，所述目标用户在第一预设时间周期内使用该资源的概率；步骤22，根据各用户对应于各可能份额的第一得分，在满足各用户的第一得分之和最大以及向各用户发放的资源份额总和不超过预定阈值的条件下，确定向各用户分别发放的资源份额。下面描述以上各个步骤的具体执行方式。
首先在步骤21，分别将待分配用户集合中的各用户作为目标用户，将待分配资源的各可能份额作为目标份额，将所述目标用户当前的与电子支付相关的行为特征和所述目标份额的份额特征作为预先训练的第一神经网络模型的输入，通过所述第一神经网络模型的输出得到所述目标用户的第一得分，所述第一得分用于指示向所述目标用户发放所述目标份额的资源后，所述目标用户在第一预设时间周期内使用该资源的概率。可以理解的是，第一得分即资源的转化率。
通过步骤21，可以得到用户、份额与第一得分的对应关系，该对应关系可以如表一所示。
表一：用户、份额与第一得分的对应关系表
| 用户 | 份额 | 第一得分 |
| 用户A | X | 0.8 |
| 用户A | Y | 0.6 |
| 用户B | X | 0.9 |
| 用户B | Y | 0.7 |
参照表一，同一用户在不同的资源份额下，第一得分可能不同。可以理解的是，表一中应包含所有可能的份额，表一仅以可能的份额包括X和Y两种为例。
在一个示例中，所述与电子支付相关的行为特征包括如下至少一项：用户在一定时间内的交易次数、用户在一定时间内的充值次数、用户的基本信息、用户的绑卡信息。
在一个示例中，所述份额特征包括如下至少一项：份额的平均核销率、份额大小。
在一个示例中，所述第一神经网络模型通过以下方式训练：
将第一用户集合中各用户在第一时间的与电子支付相关的行为特征和在所述第一时间向各用户发放的资源的历史份额的份额特征作为样本特征，将各用户在所述第一时间之后的第一预设时间周期内是否使用该资源作为样本标签，对所述第一神经网络模型进行训练。
在一个示例中，所述待分配用户集合通过如下方式确定：
将初始用户集合中各用户当前的与电子支付相关的行为特征作为预先训练的第二神经网络模型的输入，通过所述第二神经网络模型的输出得到各用户的第二得分，所述第二得分用于指示向各用户发放资源后，各用户在第二预设时间周期内使用该资源的概率；
将各用户中所述第二得分大于第一阈值的用户，加入所述待分配用户集合。
可以理解的是，上述初始用户集合可以为电子支付系统的所有已注册用户构成的集合，或者，可以为根据预设规则选取的电子支付系统的部分已注册用户构成的集合，例如，所有无余额用户构成的集合。
进一步地，所述第二神经网络模型通过以下方式训练：
将第二用户集合中各用户在第二时间的与电子支付相关的行为特征作为样本特征，所述第二时间为向各用户发放资源的时间，将各用户在所述第二时间之后的第二预设时间周期内是否使用该资源作为样本标签，对所述第二神经网络模型进行训练。
在一个示例中，所述目标用户当前的与电子支付相关的行为特征和所述目标份额的份额特征构成特征集合；所述第一神经网络模型用于分别提取所述特征集合中多项特征的低阶特征组合和所述多项特征的高阶特征组合，根据所述低阶特征组合和所述高阶特征组合得到所述第一得分。例如，第一神经网络模型为DeepFM模型。
进一步地，所述第二神经网络模型的输入包括多项特征；
所述第二神经网络模型用于分别提取所述多项特征的低阶特征组合和所述多项特征的高阶特征组合，根据所述低阶特征组合和所述高阶特征组合得到所述第二得分。例如，第二神经网络模型为DeepFM模型。
在一个示例中，所述确定向各用户分别发放的资源份额之后，所述方法还包括：
从各用户对应于各可能份额的第一得分中，确定向各用户分别发放的资源份额下的第一得分；
将向各用户分别发放的资源份额下的第一得分求和，得到资源分配带来的预期进行电子支付的用户数。
然后在步骤22，根据各用户对应于各可能份额的第一得分，在满足各用户的第一得分之和最大以及向各用户发放的资源份额总和不超过预定阈值的条件下，确定向各用户分别发放的资源份额。
本说明书实施例中，具体可以采用背包算法来实现上述步骤22。
背包算法通常有两种：
一种是基础的0-1背包，假设有N个物品，每个物品j的价值为pj，重量为wj，背包所能承受的最大重量为W(W≥0)，问题可以形式化为：
另一种是分组背包(multiple-choice knapsack problem，MCKP)是更泛化的背包问题，物品被分为M组，每组有Ni个物品，每组中的物品互相冲突，只能选一个：
本说明书实施例，将分配资源抽象为背包算法，每个份额的价值是转发率，即pij＝cvrij,代价是该份额，例如金额，即wij＝priceij，预设阈值即总预算为W,在总预算限制的情况下，就知道如何给用户分配资源，每个用户的cvr是知道的,cvr代表了用户回来的概率，例如：0.8，代表这个用户回来的概率是0.8，所有的概率之和就是总计可以带回的用户数。
通过本说明书实施例提供的方法，首先分别将待分配用户集合中的各用户作为目标用户，将待分配资源的各可能份额作为目标份额，将所述目标用户当前的与电子支付相关的行为特征和所述目标份额的份额特征作为预先训练的第一神经网络模型的输入，通过所述第一神经网络模型的输出得到所述目标用户的第一得分，所述第一得分用于指示向所述目标用户发放所述目标份额的资源后，所述目标用户在第一预设时间周期内使用该资源的概率；然后根据各用户对应于各可能份额的第一得分，在满足各用户的第一得分之和最大以及向各用户发放的资源份额总和不超过预定阈值的条件下，确定向各用户分别发放的资源份额。由上可见，用户、可能份额和第一得分之间具有对应关系，不仅用户不同可能会影响第一得分，分配的份额不同也可能会影响第一得分，从而根据第一得分在用户间分配资源，能够最大化资源转发率，以便有效地调控用户的电子支付行为。
图3示出根据一个实施例的确定待分配用户集合的示意图。确定待分配用户集合，也就是确定进行资源分配的人群：首先，根据以前发放资源(seeding)的用户行为数据，和发放资源之后，该资源是否被核销(take up)，形成样本数据，然后使用DeepFM训练模型，预估用户是否会核销(take up)资源，得到用户得分(score)记录表，最后选择模型确定核销(take up)的用户，即score>0.5的用户加入待分配用户集合。
图4示出根据一个实施例的根据预算预估活跃用户的示意图。首先，根据用户seeding的金额，用户是否会核销(take up),形成用户、金额、特征，标签(label)训练样本记录表，然后根据训练样本记录表，形成deepFM的输入格式，训练模型，根据模型可以预估用户对每个金额的核销(take up)率，根据背包算法，获得每个用户分配的金额和对应的转化率(cvr)，最后计算总体cvr之和，得到预估活跃用户数。
根据另一方面的实施例，还提供一种在用户间分配资源以调控其电子支付行为的装置，该装置用于执行本说明书实施例提供的在用户间分配资源以调控其电子支付行为的方法。图5示出根据一个实施例的在用户间分配资源以调控其电子支付行为的装置的示意性框图。如图5所示，该装置500包括：
评分单元51，用于分别将待分配用户集合中的各用户作为目标用户，将待分配资源的各可能份额作为目标份额，将所述目标用户当前的与电子支付相关的行为特征和所述目标份额的份额特征作为预先训练的第一神经网络模型的输入，通过所述第一神经网络模型的输出得到所述目标用户的第一得分，所述第一得分用于指示向所述目标用户发放所述目标份额的资源后，所述目标用户在第一预设时间周期内使用该资源的概率；
确定单元52，用于根据所述评分单元51得到的各用户对应于各可能份额的第一得分，在满足各用户的第一得分之和最大以及向各用户发放的资源份额总和不超过预定阈值的条件下，确定向各用户分别发放的资源份额。
可选地，作为一个实施例，所述与电子支付相关的行为特征包括如下至少一项：
用户在一定时间内的交易次数、用户在一定时间内的充值次数、用户的基本信息、用户的绑卡信息。
可选地，作为一个实施例，所述份额特征包括如下至少一项：
份额的平均核销率、份额大小。
可选地，作为一个实施例，所述第一神经网络模型通过以下方式训练：
将第一用户集合中各用户在第一时间的与电子支付相关的行为特征和在所述第一时间向各用户发放的资源的历史份额的份额特征作为样本特征，将各用户在所述第一时间之后的第一预设时间周期内是否使用该资源作为样本标签，对所述第一神经网络模型进行训练。
可选地，作为一个实施例，所述待分配用户集合通过如下方式确定：
将初始用户集合中各用户当前的与电子支付相关的行为特征作为预先训练的第二神经网络模型的输入，通过所述第二神经网络模型的输出得到各用户的第二得分，所述第二得分用于指示向各用户发放资源后，各用户在第二预设时间周期内使用该资源的概率；
将各用户中所述第二得分大于第一阈值的用户，加入所述待分配用户集合。
进一步地，所述第二神经网络模型通过以下方式训练：
将第二用户集合中各用户在第二时间的与电子支付相关的行为特征作为样本特征，所述第二时间为向各用户发放资源的时间，将各用户在所述第二时间之后的第二预设时间周期内是否使用该资源作为样本标签，对所述第二神经网络模型进行训练。
可选地，作为一个实施例，所述目标用户当前的与电子支付相关的行为特征和所述目标份额的份额特征构成特征集合；所述第一神经网络模型用于分别提取所述特征集合中多项特征的低阶特征组合和所述多项特征的高阶特征组合，根据所述低阶特征组合和所述高阶特征组合得到所述第一得分。
进一步地，所述第二神经网络模型的输入包括多项特征；
所述第二神经网络模型用于分别提取所述多项特征的低阶特征组合和所述多项特征的高阶特征组合，根据所述低阶特征组合和所述高阶特征组合得到所述第二得分。
可选地，作为一个实施例，所述确定单元52，还用于：
在所述确定向各用户分别发放的资源份额之后，从各用户对应于各可能份额的第一得分中，确定向各用户分别发放的资源份额下的第一得分；
将向各用户分别发放的资源份额下的第一得分求和，得到资源分配带来的预期进行电子支付的用户数。
通过本说明书实施例提供的装置，首先评分单元51分别将待分配用户集合中的各用户作为目标用户，将待分配资源的各可能份额作为目标份额，将所述目标用户当前的与电子支付相关的行为特征和所述目标份额的份额特征作为预先训练的第一神经网络模型的输入，通过所述第一神经网络模型的输出得到所述目标用户的第一得分，所述第一得分用于指示向所述目标用户发放所述目标份额的资源后，所述目标用户在第一预设时间周期内使用该资源的概率；然后确定单元52根据各用户对应于各可能份额的第一得分，在满足各用户的第一得分之和最大以及向各用户发放的资源份额总和不超过预定阈值的条件下，确定向各用户分别发放的资源份额。由上可见，用户、可能份额和第一得分之间具有对应关系，不仅用户不同可能会影响第一得分，分配的份额不同也可能会影响第一得分，从而根据第一得分在用户间分配资源，能够最大化资源转发率，以便有效地调控用户的电子支付行为。
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2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2所描述的方法。
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，本发明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，对本发明的目的、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，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。
Claims (20)
1.一种在用户间分配资源以调控其电子支付行为的方法，所述方法包括：
分别将待分配用户集合中的各用户作为目标用户，将待分配资源的各可能份额作为目标份额，将所述目标用户当前的与电子支付相关的行为特征和所述目标份额的份额特征作为预先训练的第一神经网络模型的输入，通过所述第一神经网络模型的输出得到所述目标用户的第一得分，所述第一得分用于指示向所述目标用户发放所述目标份额的资源后，所述目标用户在第一预设时间周期内使用该资源的概率；
根据各用户对应于各可能份额的第一得分，在满足各用户的第一得分之和最大以及向各用户发放的资源份额总和不超过预定阈值的条件下，确定向各用户分别发放的资源份额。
2.如权利要求1所述的方法，其中，所述与电子支付相关的行为特征包括如下至少一项：
用户在一定时间内的交易次数、用户在一定时间内的充值次数、用户的基本信息、用户的绑卡信息。
3.如权利要求1所述的方法，其中，所述份额特征包括如下至少一项：
份额的平均核销率、份额大小。
4.如权利要求1所述的方法，其中，所述第一神经网络模型通过以下方式训练：
将第一用户集合中各用户在第一时间的与电子支付相关的行为特征和在所述第一时间向各用户发放的资源的历史份额的份额特征作为样本特征，将各用户在所述第一时间之后的第一预设时间周期内是否使用该资源作为样本标签，对所述第一神经网络模型进行训练。
5.如权利要求1所述的方法，其中，所述待分配用户集合通过如下方式确定：
将初始用户集合中各用户当前的与电子支付相关的行为特征作为预先训练的第二神经网络模型的输入，通过所述第二神经网络模型的输出得到各用户的第二得分，所述第二得分用于指示向各用户发放资源后，各用户在第二预设时间周期内使用该资源的概率；
将各用户中所述第二得分大于第一阈值的用户，加入所述待分配用户集合。
6.如权利要求5所述的方法，其中，所述第二神经网络模型通过以下方式训练：
将第二用户集合中各用户在第二时间的与电子支付相关的行为特征作为样本特征，所述第二时间为向各用户发放资源的时间，将各用户在所述第二时间之后的第二预设时间周期内是否使用该资源作为样本标签，对所述第二神经网络模型进行训练。
7.如权利要求1所述的方法，其中，所述目标用户当前的与电子支付相关的行为特征和所述目标份额的份额特征构成特征集合；所述第一神经网络模型用于分别提取所述特征集合中多项特征的低阶特征组合和所述多项特征的高阶特征组合，根据所述低阶特征组合和所述高阶特征组合得到所述第一得分。
8.如权利要求5所述的方法，其中，所述第二神经网络模型的输入包括多项特征；
所述第二神经网络模型用于分别提取所述多项特征的低阶特征组合和所述多项特征的高阶特征组合，根据所述低阶特征组合和所述高阶特征组合得到所述第二得分。
9.如权利要求1所述的方法，其中，所述确定向各用户分别发放的资源份额之后，所述方法还包括：
从各用户对应于各可能份额的第一得分中，确定向各用户分别发放的资源份额下的第一得分；
将向各用户分别发放的资源份额下的第一得分求和，得到资源分配带来的预期进行电子支付的用户数。
10.一种在用户间分配资源以调控其电子支付行为的装置，所述装置包括：
评分单元，用于分别将待分配用户集合中的各用户作为目标用户，将待分配资源的各可能份额作为目标份额，将所述目标用户当前的与电子支付相关的行为特征和所述目标份额的份额特征作为预先训练的第一神经网络模型的输入，通过所述第一神经网络模型的输出得到所述目标用户的第一得分，所述第一得分用于指示向所述目标用户发放所述目标份额的资源后，所述目标用户在第一预设时间周期内使用该资源的概率；
确定单元，用于根据所述评分单元得到的各用户对应于各可能份额的第一得分，在满足各用户的第一得分之和最大以及向各用户发放的资源份额总和不超过预定阈值的条件下，确定向各用户分别发放的资源份额。
11.如权利要求10所述的装置，其中，所述与电子支付相关的行为特征包括如下至少一项：
用户在一定时间内的交易次数、用户在一定时间内的充值次数、用户的基本信息、用户的绑卡信息。
12.如权利要求10所述的装置，其中，所述份额特征包括如下至少一项：
份额的平均核销率、份额大小。
13.如权利要求10所述的装置，其中，所述第一神经网络模型通过以下方式训练：
将第一用户集合中各用户在第一时间的与电子支付相关的行为特征和在所述第一时间向各用户发放的资源的历史份额的份额特征作为样本特征，将各用户在所述第一时间之后的第一预设时间周期内是否使用该资源作为样本标签，对所述第一神经网络模型进行训练。
14.如权利要求10所述的装置，其中，所述待分配用户集合通过如下方式确定：
将初始用户集合中各用户当前的与电子支付相关的行为特征作为预先训练的第二神经网络模型的输入，通过所述第二神经网络模型的输出得到各用户的第二得分，所述第二得分用于指示向各用户发放资源后，各用户在第二预设时间周期内使用该资源的概率；
将各用户中所述第二得分大于第一阈值的用户，加入所述待分配用户集合。
15.如权利要求14所述的装置，其中，所述第二神经网络模型通过以下方式训练：
将第二用户集合中各用户在第二时间的与电子支付相关的行为特征作为样本特征，所述第二时间为向各用户发放资源的时间，将各用户在所述第二时间之后的第二预设时间周期内是否使用该资源作为样本标签，对所述第二神经网络模型进行训练。
16.如权利要求10所述的装置，其中，所述目标用户当前的与电子支付相关的行为特征和所述目标份额的份额特征构成特征集合；所述第一神经网络模型用于分别提取所述特征集合中多项特征的低阶特征组合和所述多项特征的高阶特征组合，根据所述低阶特征组合和所述高阶特征组合得到所述第一得分。
17.如权利要求14所述的装置，其中，所述第二神经网络模型的输入包括多项特征；
所述第二神经网络模型用于分别提取所述多项特征的低阶特征组合和所述多项特征的高阶特征组合，根据所述低阶特征组合和所述高阶特征组合得到所述第二得分。
18.如权利要求10所述的装置，其中，所述确定单元，还用于：
在所述确定向各用户分别发放的资源份额之后，从各用户对应于各可能份额的第一得分中，确定向各用户分别发放的资源份额下的第一得分；
将向各用户分别发放的资源份额下的第一得分求和，得到资源分配带来的预期进行电子支付的用户数。
19.一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1-9中任一项的所述的方法。
20.一种计算设备，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，实现权利要求1-9中任一项的所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910636106.3A CN110443636A (zh) | 2019-07-15 | 2019-07-15 | 在用户间分配资源以调控其电子支付行为的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910636106.3A CN110443636A (zh) | 2019-07-15 | 2019-07-15 | 在用户间分配资源以调控其电子支付行为的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110443636A true CN110443636A (zh) | 2019-11-12 |
Family
ID=68430309
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910636106.3A Pending CN110443636A (zh) | 2019-07-15 | 2019-07-15 | 在用户间分配资源以调控其电子支付行为的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110443636A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112541127A (zh) * | 2021-02-05 | 2021-03-23 | 北京淇瑀信息科技有限公司 | 一种基于资源配额使用率的分场景信息推送方法及装置 |
| CN113949678A (zh) * | 2021-09-15 | 2022-01-18 | 北京三快在线科技有限公司 | 流量控制方法、装置、电子设备及计算机可读存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107096227A (zh) * | 2017-04-18 | 2017-08-29 | 腾讯科技（深圳）有限公司 | 一种电子资源分配方法和装置 |
| CN108132963A (zh) * | 2017-11-23 | 2018-06-08 | 广州优视网络科技有限公司 | 资源推荐方法和装置、计算设备和存储介质 |
| CN108416624A (zh) * | 2018-02-27 | 2018-08-17 | 深圳乐信软件技术有限公司 | 一种优惠券推送方法、装置、存储介质及智能终端 |
| CN108460618A (zh) * | 2018-01-09 | 2018-08-28 | 北京三快在线科技有限公司 | 一种资源配置方法及装置，电子设备 |
| CN108805485A (zh) * | 2018-04-28 | 2018-11-13 | 天津五八到家科技有限公司 | 信息处理方法及装置 |
| CN109858952A (zh) * | 2019-01-02 | 2019-06-07 | 口口相传(北京)网络技术有限公司 | 服务场景下的数据处理方法和装置 |
| CN109993428A (zh) * | 2019-03-28 | 2019-07-09 | 第四范式（北京）技术有限公司 | 资源分配方法与装置 |
-
2019
- 2019-07-15 CN CN201910636106.3A patent/CN110443636A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107096227A (zh) * | 2017-04-18 | 2017-08-29 | 腾讯科技（深圳）有限公司 | 一种电子资源分配方法和装置 |
| CN108132963A (zh) * | 2017-11-23 | 2018-06-08 | 广州优视网络科技有限公司 | 资源推荐方法和装置、计算设备和存储介质 |
| CN108460618A (zh) * | 2018-01-09 | 2018-08-28 | 北京三快在线科技有限公司 | 一种资源配置方法及装置，电子设备 |
| CN108416624A (zh) * | 2018-02-27 | 2018-08-17 | 深圳乐信软件技术有限公司 | 一种优惠券推送方法、装置、存储介质及智能终端 |
| CN108805485A (zh) * | 2018-04-28 | 2018-11-13 | 天津五八到家科技有限公司 | 信息处理方法及装置 |
| CN109858952A (zh) * | 2019-01-02 | 2019-06-07 | 口口相传(北京)网络技术有限公司 | 服务场景下的数据处理方法和装置 |
| CN109993428A (zh) * | 2019-03-28 | 2019-07-09 | 第四范式（北京）技术有限公司 | 资源分配方法与装置 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112541127A (zh) * | 2021-02-05 | 2021-03-23 | 北京淇瑀信息科技有限公司 | 一种基于资源配额使用率的分场景信息推送方法及装置 |
| CN112541127B (zh) * | 2021-02-05 | 2022-02-25 | 北京淇瑀信息科技有限公司 | 一种基于资源配额使用率的分场景信息推送方法及装置 |
| CN113949678A (zh) * | 2021-09-15 | 2022-01-18 | 北京三快在线科技有限公司 | 流量控制方法、装置、电子设备及计算机可读存储介质 |
| CN113949678B (zh) * | 2021-09-15 | 2023-09-01 | 北京三快在线科技有限公司 | 流量控制方法、装置、电子设备及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107944593A (zh) | 一种资源分配方法及装置，电子设备 | |
| CN109389431A (zh) | 优惠券的分配方法、装置、电子设备及可读存储介质 | |
| CN105893138A (zh) | 基于配额的资源管理方法和装置 | |
| CN107633257B (zh) | 数据质量评估方法及装置、计算机可读存储介质、终端 | |
| CN106339852A (zh) | 具有偏好的众包任务分配方法 | |
| CN110443636A (zh) | 在用户间分配资源以调控其电子支付行为的方法和装置 | |
| CN106534303B (zh) | 一种应用于对账系统的负载均衡方法和装置 | |
| CN110310155A (zh) | 广告投放方法、装置及服务器 | |
| CN111553594B (zh) | 资源分配方法、装置、计算机设备和计算机可读存储介质 | |
| CN111861711B (zh) | 资源分配方法及相关产品 | |
| CN108874805B (zh) | 数据的处理方法和装置 | |
| CN109614982A (zh) | 产品分析方法、装置、计算机设备以及存储介质 | |
| CN108564461A (zh) | 一种资源配置方法、计算机可读存储介质及终端设备 | |
| CN104038470A (zh) | 一种推广信息的展现方法及装置 | |
| CN106682978A (zh) | 清分结算规则生成方法及清分结算规则生成装置 | |
| CN110428128A (zh) | 绩效数据获取方法、装置和存储介质 | |
| US20120239591A1 (en) | Method of calculating the market value of individual patents within a patent landscape | |
| CN102456029A (zh) | 数据处理方法和计算机 | |
| CN109685506B (zh) | 多重签名账户生成方法和多重签名账户的签名确认方法 | |
| Nguyen et al. | One-sided matching with limited complementarities | |
| CN115202890B (zh) | 数据元件生产资源空间分配方法、系统及设备 | |
| CN108629674A (zh) | 拍卖收益的分配方法及终端设备 | |
| CN106657058B (zh) | 事件资源分配方法和装置 | |
| CN110363359A (zh) | 一种职业预测方法和系统 | |
| CN109829759A (zh) | 一种基于区块链的互联网广告联盟系统 |
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: 40017419 Country of ref document: HK |
|
| 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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191112 |
|
| RJ01 | Rejection of invention patent application after publication |