CN110766507A - 一种资源配置方法及装置 - Google Patents
一种资源配置方法及装置 Download PDFInfo
- Publication number
- CN110766507A CN110766507A CN201910139194.6A CN201910139194A CN110766507A CN 110766507 A CN110766507 A CN 110766507A CN 201910139194 A CN201910139194 A CN 201910139194A CN 110766507 A CN110766507 A CN 110766507A
- Authority
- CN
- China
- Prior art keywords
- information
- resource
- pushed
- user
- user side
- 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
Images
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/547—Remote procedure calls [RPC]; Web services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/54—Indexing scheme relating to G06F9/54
- G06F2209/541—Client-server
Abstract
本申请涉及数据处理技术领域,尤其是涉及一种资源配置方法及装置,方法包括:获取用户端的订单信息;基于订单信息,确定与订单信息匹配的至少一个服务提供端的待推送资源信息;其中每个服务提供端的待推送资源信息包括至少一种待推送资源信息;基于待推送资源信息,预测用户端使用每种待推送资源的使用概率;基于每种待推送资源对应的使用概率,为用户端进行资源配置。采用上述方式,可以基于订单信息确定与其匹配的待推送资源信息,并预测用户端使用每种待推送资源的使用概率,从而基于该使用概率为用户端配置资源,可以提升资源配置的合理性和准确性,提升资源利用率。
Description
技术领域
本申请涉及数据处理技术领域,尤其是涉及一种资源配置方法及装置。
背景技术
在用户端请求具体服务之前,可以为用户端进行资源配置,以便合理引导用户端选择服务提供端,均衡不同服务提供端的服务用户数量,从而提高服务效率和服务质量。这里的服务提供端可以指硬件产品提供端或其它非实物性服务提供端。
目前进行资源配置时,一般是根据用户端与服务提供端之间的距离进行配置的,比如根据用户端当前所在位置,寻找离用户端当前位置较近的服务提供端,并基于各服务提供端与用户端之间的距离,对服务提供端信息进行排序后推送给用户端。
但是,基于用户端当前位置进行资源配置的方式,不够及时,当用户端距离有意向的服务提供端已经较近时,此时再进行资源配置一般也无法使配置的资源得到合理有效的利用。
发明内容
有鉴于此,本申请实施例提供一种资源配置方法及装置,可以提升资源配置的准确率、利用率和及时率。
主要包括以下几个方面:
第一方面,本申请实施例提供了一种资源配置方法,所述方法包括:
获取用户端的订单信息;
基于所述订单信息,确定与所述订单信息匹配的至少一个服务提供端的待推送资源信息;其中每个服务提供端的待推送资源信息包括至少一种待推送资源信息;
基于所述待推送资源信息,预测所述用户端使用每种待推送资源的使用概率;
基于每种待推送资源对应的使用概率,为所述用户端进行资源配置。
在一种实施方式中,所述订单信息包括出行订单信息;所述基于所述订单信息,确定与所述订单信息匹配的至少一个服务提供端的待推送资源信息,包括:
提取所述订单信息中的目的地信息;
根据所述目的地信息对应的服务类型,确定与所述订单信息匹配的至少一个服务提供端的待推送资源信息。
在上述实施例中,根据所述目的地信息对应的服务类型,确定与所述订单信息匹配的至少一个服务提供端的待推送资源信息,包括:
根据所述目的地信息对应的服务类型,确定与所述服务类型匹配的、且与所述用户端的目的地距离在设定范围内的至少一个服务提供端信息,并确定与每个服务提供端对应的待推送资源信息。
在一种实施例中,基于所述待推送资源信息,预测所述用户端使用每种待推送资源的使用概率,包括:
基于每种待推送资源信息、所述用户端对应的用户信息、以及预先训练的概率预测模型,预测所述用户端使用每种待推送资源的使用概率。
在上述实施例中,基于每种待推送资源信息、所述用户端对应的用户信息、以及预先训练的概率预测模型,预测所述用户端使用每种待推送资源的使用概率,包括:
获取每种所述待推送资源信息的资源特征和所述用户信息对应的用户特征;
针对每种所述待推送资源信息,将所述资源特征和用户特征输入所述概率预测模型,预测所述用户端使用每种待推送资源的使用概率。
在上述实施例中,所述用户信息包括用户属性信息和历史行为数据;根据以下步骤确定所述用户端对应的用户信息:
提取所述订单信息中的用户标识;
获取与所述用户标识对应的用户属性信息和历史行为数据。
在上述实施例中,所述用户属性信息包括以下至少一种:
用户性别、年龄、婚姻状态。
在上述实施例中,所述历史行为数据包括以下至少一种:
用户历史消费信息、用户历史偏好信息。
在上述实施例中,所述用户历史偏好信息包括用户历史上的资源使用信息和/或历史偏好的地点信息。
在一些实施例中,基于每种待推送资源对应的使用概率,为所述用户端进行资源配置,包括:
将每种待推送资源信息按照使用概率大小进行排序,将排序后的待推送资源信息发送给所述用户端。
在上述实施例中,将每种待推送资源信息按照使用概率大小进行排序,将排序后的待推送资源信息发送给所述用户端,包括:
将每种待推送资源信息按照使用概率由大到小的顺序进行排序,选取排名靠前的预设个数的待推送资源信息发送给所述用户端。
在一种实施例中,为所述用户端进行资源配置,包括:
通过即时通讯软件向所述用户端推送配置给所述用户端的资源的领取链接;
或者,将配置给所述用户端的资源下发至所述用户端对应的账户中,并通过即时通讯软件向所述用户端发送指示配置给所述用户端的资源的信息。
在一种实施例中,所述订单信息包括至少一种服务类型下的历史订单信息,和/或当前出行订单信息。
第二方面,本申请实施例还提供一种资源配置装置,所述装置包括获取模块、确定模块、预测模块和配置模块;其中,
所述获取模块,用于获取用户端的订单信息;
所述确定模块,用于基于所述订单信息,确定与所述订单信息匹配的至少一个服务提供端的待推送资源信息;其中每个服务提供端的待推送资源信息包括至少一种待推送资源信息;
所述预测模块,用于基于所述待推送资源信息,预测所述用户端使用每种待推送资源的使用概率;
所述配置模块,用于基于每种待推送资源对应的使用概率,为所述用户端进行资源配置。
在一种实施方式中,所述订单信息包括出行订单信息;所述确定模块,具体用于根据以下步骤确定与所述订单信息匹配的至少一个服务提供端的待推送资源信息:
提取所述订单信息中的目的地信息;
根据所述目的地信息对应的服务类型,确定与所述订单信息匹配的至少一个服务提供端的待推送资源信息。
在上述实施例中,所述确定模块,具体用于根据以下步骤确定与所述订单信息匹配的至少一个服务提供端的待推送资源信息:
根据所述目的地信息对应的服务类型,确定与所述服务类型匹配的、且与所述用户端的目的地距离在设定范围内的至少一个服务提供端信息,并确定与每个服务提供端对应的待推送资源信息。
在一种实施例中,所述预测模块,具体用于根据以下步骤预测所述用户端使用每种待推送资源的使用概率:
基于每种待推送资源信息、所述用户端对应的用户信息、以及预先训练的概率预测模型,预测所述用户端使用每种待推送资源的使用概率。
在上述实施例中,所述获取模块,还用于获取每种所述待推送资源信息的资源特征和所述用户信息对应的用户特征;
所述预测模块,具体用于针对每种所述待推送资源信息,将所述资源特征和用户特征输入所述概率预测模型,预测所述用户端使用每种待推送资源的使用概率。
在上述实施例中,所述用户信息包括用户属性信息和历史行为数据;所述确定模块,还用于根据以下步骤确定所述用户端对应的用户信息:
提取所述订单信息中的用户标识;
获取与所述用户标识对应的用户属性信息和历史行为数据。
在上述实施例中,所述用户属性信息包括以下至少一种:
用户性别、年龄、婚姻状态。
在上述实施例中,所述历史行为数据包括以下至少一种:
用户历史消费信息、用户历史偏好信息。
在上述实施例中,所述用户历史偏好信息包括用户历史上的资源使用信息和/或历史偏好的地点信息。
在一些实施例中,所述配置模块,具体用于根据以下步骤为所述用户端进行资源配置:
将每种待推送资源信息按照使用概率大小进行排序,将排序后的待推送资源信息发送给所述用户端。
在上述实施例中,所述配置模块,具体用于根据以下步骤将排序后的待推送资源信息发送给所述用户端:
将每种待推送资源信息按照使用概率由大到小的顺序进行排序,选取排名靠前的预设个数的待推送资源信息发送给所述用户端。
在一种实施例中,所述配置模块,具体用于为所述用户端进行资源配置:
通过即时通讯软件向所述用户端推送配置给所述用户端的资源的领取链接;
或者,将配置给所述用户端的资源下发至所述用户端对应的账户中,并通过即时通讯软件向所述用户端发送指示配置给所述用户端的资源的信息。
在一种实施例中,所述订单信息包括至少一种服务类型下的历史订单信息,和/或当前出行订单信息。
第三方面,本申请实施例还提供一种电子设备,包括:处理器和存储器,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行上述第一方面或第一方面任一种可能的实施方式中所述的资源配置方法的步骤。
第四方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述第一方面或第一方面任一种可能的实施方式中所述的资源配置方法的步骤。
本申请实施例所提供的资源配置方法及装置,通过获取的用户端的订单信息,可以确定与订单信息匹配的至少一个服务提供端的待推送资源信息,基于每种待推送资源对应的使用概率,为用户端进行资源配置。采用上述方式,可以基于订单信息确定与其匹配的待推送资源信息,并预测用户端使用每种待推送资源的使用概率,从而基于该使用概率为用户端配置资源,可以提升资源配置的合理性和准确性,提升资源利用率。
在一种实施方式中,可以通过提取订单信息中的目的地信息,可以根据目的地信息对应的服务类型,确定与订单信息匹配的至少一个服务提供端的待推送资源信息,进一步提升资源配置的准确性。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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他相关的附图。
图1示出了本申请实施例一所提供的一种资源配置方法的流程图;
图2示出了本申请实施例二所提供的一种资源配置方法的流程图;
图3示出了本申请实施例三所提供的一种资源配置装置的功能模块图;
图4示出了本申请实施例四所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中的附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应所述理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的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。
为了使得本领域技术人员能够使用本申请内容,结合特定应用场景“向用户端推送资源信息”,给出以下实施方式。对于本领域技术人员来说,在不脱离本申请的精神和范围的情况下,可以将这里定义的一般原理应用于其他实施例和应用场景。虽然本申请主要围绕打车服务系统进行描述,但是应该理解,这仅是一个示例性实施例。本申请可以应用于任何交通运输类型的服务系统。
除此之外,本申请实施例还可以应用于能够向用户端推送资源信息的任何服务系统,例如,网络服务平台向用户端推送数据流量资源的系统、软件服务平台向用户端推送学习软件的系统、网上购物平台中向用户端推送资源信息的系统、网上订餐平台中向用户端推送资源信息的系统等。当本申请应用到其它任何服务系统中时,同样可以从服务订单中获取订单信息并基于订单信息来推送资源信息。需要说明的是,不同服务系统中服务订单、以及对应的订单信息也有所区别,服务订单并不限于本申请下述实施例中示出的出行订单,还可以为购物订单、订餐订单等,相应地,订单信息也可以根据实际应用场景的不同而适应性改变。
并且,本申请实施例中的资源信息包括但不限于数据流量、学习软件、优惠券、折扣券等,其中,资源信息可适用的应用场景,包括但不限于打车、餐饮、电影、娱乐、住宿、机票、商场等应用场景。本申请中,针对某一服务系统来说,除了可以向该服务系统的用户端推送该服务系统能够使用的资源信息,还可以向该服务系统的用户端推送其它服务系统上能够使用的资源信息。例如,针对打车服务系统来说,可以向发起出行订单的用户端推送打车优惠券、也可以推送其它应用场景下适用的数据流量套餐、餐饮优惠券、电影票、住宿打折券、机票等中的一种或多种。
本申请实施例下述方法、装置、电子设备或计算机存储介质可以应用于任何需要进行充电的场景,本申请实施例并不对具体的应用场景作限制,任何使用本申请实施例提供的资源配置方法的方案均在本申请保护范围内。
目前,进行资源配置时,一般是根据用户端与服务提供端之间的距离进行配置的,比如根据用户端当前所在位置,寻找离用户端当前位置较近的服务提供端,并基于各服务提供端与用户端之间的距离,对服务提供端的资源信息进行排序后推送给用户端。但是,基于用户端当前位置进行资源配置的方式,不够及时,当用户端距离有意向的服务提供端已经较近时,此时再进行其他服务提供端的资源推送时,无法使配置的资源得到合理有效的利用。例如,现有的商家券推送方法一般是定位服务(Location-Based Services,LBS),也就是根据用户当前所在位置定位,然后寻找离当前位置近的商家,对商家的排名也多是按离当前位置的距离。采用这种方式,一方面不够及时,比如用户如果是去吃饭,那么一般在到达商场时已经决定了要去哪家饭店,此时再推送相关资源,对用户决定的影响力比较弱;另一方面不够智能化,比如对商家的排名是按离当前位置的距离,这样的排名不考虑用户个体特点和当时的用户意图,所以很难匹配用户实际需求,比如离用户最近的可能是意大利餐馆,而该用户喜欢的是中式、日式、韩式等亚洲菜。
基于此,本申请实施例提供的一种资源配置方法及装置,通过获取的用户端的订单信息,可以确定与订单信息匹配的至少一个服务提供端的待推送资源信息,基于每种待推送资源对应的使用概率,为用户端进行资源配置。采用上述方式,可以基于订单信息确定与其匹配的待推送资源信息,并预测用户端使用每种待推送资源的使用概率,从而基于该使用概率为用户端配置资源,可以提升资源配置的合理性和准确性,提升资源利用率。
为便于对本申请进行理解,下面结合具体实施例对本申请提供的技术方案进行详细说明。
实施例一
参见图1所示,执行所述资源配置方法的设备可以是与用户端进行交互的云平台或服务器。下面从执行主体为服务器的角度,对本申请实施例一所提供的资源配置方法加以说明。本申请实施例一提供的资源配置方法包括以下步骤S101~S104:
S101:获取用户端的订单信息。
在步骤S101中,在用户端向服务器发起请求的过程中,服务器可以基于请求中携带的信息,生成订单,进而服务器获取订单的订单信息。
在具体实施过程中,订单信息可以为出行订单信息,而出行订单信息可以包括但不限于以下信息:订单支付费用、始发地信息、目的地信息、订单类型。具体地,服务器可以基于用户端发起的出行请求中携带的乘车信息,生成出行订单,进而服务器获取出行订单的订单信息。
S102:基于订单信息,确定与订单信息匹配的至少一个服务提供端的待推送资源信息;其中每个服务提供端的待推送资源信息包括至少一种待推送资源信息。
在步骤S102中,服务器在获取到订单信息后,对订单信息进行解析,进而确定与订单信息匹配的至少一个服务提供端的待推送资源信息。
这里,服务提供端可以是打车公司、餐饮业主、电影企业、娱乐公司、酒店、航空公司、商场店铺等。资源信息可以包括但不限于优惠券、代金券、现金红包和折扣券等信息。
其中,与订单信息匹配的服务提供端为至少一个,而每个服务提供端对应的资源信息也至少为一种,所以基于订单信息可以确定与其匹配的待推送资源信息的个数为至少一个。例如,与订单信息匹配的服务提供端包括咖啡厅、影院、甜品店,其中,咖啡厅对应的资源有优惠券,影院对应的资源有折扣券、现金红包,甜品店对应的资源有优惠券,所以与该订单信息匹配的待推送资源包括咖啡厅的优惠券,影院的折扣券、现金红包,甜品店的优惠券。
S103:基于待推送资源信息,预测用户端使用每种待推送资源的使用概率。
在步骤S103中,服务器基于订单信息,为用户端匹配了多个服务提供端的待推送资源信息后,为了更有针对性地为用户端推送上述待推送的资源信息,服务器还需要分别对上述待推送资源信息的使用概率进行预测。
S104:基于每种待推送资源对应的使用概率,为用户端进行资源配置。
在步骤S104中,服务器在预测出的每种待推送资源对应的使用概率后,基于每种待推送资源对应的使用概率,为用户端更有针对性地进行资源配置,即有针对性地向用户端推送待推送资源。
例如,服务器首先获取用户甲通过打车软件叫车生成的出行订单信息,出行订单信息包括订单支付费用20元、始发地小区A、目的地商圈B和快车,进一步地,服务器在获取到该出行订单信息后,基于该订单信息,为用户甲匹配出多个商家(服务提供端)对应的商家券(待推送资源信息),商家券包括餐厅a的折扣券、电影院b的现金红包、饮品店c的优惠券,再进一步地,服务器计算每种商家券被用户甲的使用概率,具体地,服务器预测餐厅a的折扣券被用户甲使用概率为60%、电影院b的现金红包被用户甲使用概率为10%、饮品店c的优惠券被用户甲使用概率为30%,进而服务器根据上述商家券被用户甲使用概率,有针对性为用户甲推送上述商家券,可以提升推送商家券的准确率、利用率和及时率。
本申请实施例所提供的资源配置方法,通过获取的用户端的订单信息,可以确定与订单信息匹配的至少一个服务提供端的待推送资源信息,基于每种待推送资源对应的使用概率,为用户端进行资源配置。采用上述方式,根据用户端的订单信息,可以为用户端匹配出服务提供方的待推送资源信息,进而为用户端进行相应的资源配置,可以提升资源配置的合理性和准确性。
一种可能的实施方式中,以订单信息为出行订单信息为例,步骤S102基于订单信息,确定与订单信息匹配的至少一个服务提供端的待推送资源信息,包括:
步骤一,提取订单信息中的目的地信息。
在该步骤中,服务器在获取到用户端当前的出行订单信息后,对出行订单信息中的目的地信息进行提取,以获取到该出行订单信息中目的地信息。其中,目的地信息包括但不限于目的地名称、目的地的位置、目的地的服务类型。
例如,用户乙当前出行订单信息为订单支付费用30元、始发地小区C、目的地酒店D、专车,服务器可以获取到用户乙当前的出行订单信息,并对目的地酒店D的信息进行提取,酒店D的信息可以包括酒店D的位置信息、酒店D对应的服务类型住宿。
步骤二,根据目的地信息对应的服务类型,确定与订单信息匹配的至少一个服务提供端的待推送资源信息。
在该步骤中,服务器在对用户端当前的出行订单信息中的目的地信息进行提取后,可以得到目的地信息对应的服务类型,其中目的地可以看做是兴趣点(Point ofInterest,POI),进而目的地信息对应的服务类型,即为兴趣点的分类,兴趣点的分类可以包括商圈、写字楼、机场、车站、景点、酒店、餐厅等,进一步地,服务器根据目的地信息对应的服务类型,确定与该出行订单信息匹配的至少一个服务提供端的待推送资源信息,服务提供端可以为餐饮业主、电影企业、娱乐公司、酒店、航空公司、商场店铺等,资源信息可以为优惠券、代金券、现金红包和折扣券等。例如,用户丙当前的出行订单信息中的目的地是“购物广场”,服务器根据“购物广场”对应的服务类型商圈,确定用户丙可能会进行吃饭、购物、看电影等消费,进而为用户丙推送餐厅、服装店、电影院等商家的商家券。
一种可能的实施方式中,为进一步提高向用户端推送资源信息的准确率,即提升用户端使用待推送资源信息的使用概率,具体地,步骤S1022根据目的地信息对应的服务类型,确定与订单信息匹配的至少一个服务提供端的待推送资源信息,包括:
根据目的地信息对应的服务类型,确定与服务类型匹配的、且与用户端的目的地距离在设定范围内的至少一个服务提供端信息,并确定与每个服务提供端对应的待推送资源信息。
这里,本申请实施例通过将目的地信息对应的服务类型以及目的地的位置共同作为确定与订单信息匹配的至少一个服务提供端的条件,可以进一步提高向用户端推送至少一个服务提供端的资源信息的准确率。例如,用户丁对应订单信息中的目的地是购物中心E,购物中心E对应的服务类型为商圈,进而服务器可以确定用户丁可能会进行吃饭、购物、看电影等消费,购物中心E距离商家设定范围为1000米,其中,购物中心E分别距离服装店d、电影院e和餐厅f有200米、500米和1200米,进一步地,服务器根据购物中心E对应的服务类型以及位置,向用户丁推送服装店d的折扣券、电影院e的现金红包,不推送餐厅f的优惠券。
其中,设定范围为目的地所在位置距离服务提供端所在位置的最大距离范围,设定范围可以在服务器中预先设置并存储在数据库中,可以根据服务器中大数据分析得到。
实施例二
参见图2所示,本申请实施例二提供的资源配置方法包括以下步骤S201~S204:
S201:获取用户端的订单信息。
S202:基于订单信息,确定与订单信息匹配的至少一个服务提供方的待推送资源信息;其中每个服务提供方的待推送资源信息包括至少一种待推送资源信息。
S203:基于每种待推送资源信息、用户端对应的用户信息、以及预先训练的概率预测模型,预测用户端使用每种待推送资源的使用概率。
在步骤S203中,为了更准确地预测出用户端使用每种待推送资源的使用概率,本申请实施例通过每种待推送资源信息、用户端对应的用户信息、以及预先训练的概率预测模型共同对用户端使用每种待推送资源的使用概率进行预测。
S204:基于每种待推送资源对应的使用概率,为用户端进行资源配置。
其中,步骤S201、步骤S202和步骤S204的描述可以参照步骤S101、步骤S102和步骤S104的描述,对此不做赘述。
需要说明的是,概率预测模型是预先训练好的,用于预测用户端使用每种待推送资源的使用概率。具体实施过程中,以出行订单为例,概率预测模型训练过程可以包括:
1)服务器统计打车平台中用户在过去N天内的完单量,得到完单量的分布,其中N为正整数。
2)根据步骤1)中的完单量分布,选取完单量排名在预设名次的用户,并分别获取上述用户在过去N天内使用服务器推送资源的使用次数,得到每种资源的使用分布。
3)根据步骤2)中得到的每种资源的使用分布,通过设定的阈值将每种资源分为高频使用资源和低频使用资源两类,高频使用资源对应二分类机器学习模型的正样本,低频使用资源对应机器学习模型的负样本,训练二分类模型,进而得到概率预测模型。
具体地,步骤S203基于每种待推送资源信息、用户端对应的用户信息、以及预先训练的概率预测模型,预测用户端使用每种待推送资源的使用概率的步骤,包括:
步骤一,获取每种待推送资源信息的资源特征和用户信息对应的用户特征。
在该步骤中,服务器基于当前订单信息,确定与当前订单信息匹配的至少一个服务提供端的待推送资源信息,进而获取每种待推送资源信息的资源特征;服务器还根据当前订单信息对应的用户端,获取与用户端对应的用户信息,进而对该用户信息进行特征提取,以得到用户特征。
步骤二,针对每种待推送资源信息,将资源特征和用户特征输入概率预测模型,预测用户端使用每种待推送资源的使用概率。
在该步骤中,服务器对于与订单信息匹配的至少一个服务提供端的每种待推送资源信息,要分别预测用户端使用每种资源信息的使用概率,具体地,针对每种待推送资源信息,将该种待推送资源信息对应的资源特征以及用户信息对应的用户特征一同作为模型输入输入至概率预测模型,进而预测出用户端使用该种待推送资源的使用概率,至此,该种待推送资源的使用概率预测完毕。对于其他待推送资源被用户端的使用概率,重复步骤二,直至预测完毕所有与订单信息匹配的至少一个服务提供端的待推送资源被用户端使用的使用概率。
这里,待推送资源信息的资源特征包括但不限于资源类型、资源金额、资源有效期限、资源对应商家类型等,例如,资源为“火锅店的优惠券”,资源类型为优惠券、资源金额为30元(每消费满100元优惠30元)、资源有效期限为2018-12-10至2018-12-15、资源对应商家券类型为餐饮。
需要说明的是,用户信息包括用户属性信息和历史行为数据;其中,根据以下步骤确定用户端对应的用户信息:提取订单信息中的用户标识;获取与用户标识对应的用户属性信息和历史行为数据。
这里,用户标识包括但不限于用户ID、用户名称、用户账号等。
具体实施过程中,服务器对获取到的当前订单信息进行用户标识提取,以获取用户标识,进而获取与用户标识对应的用户属性信息和历史行为数据,即该用户端对应的用户信息,进而对该用户信息进行特征提取,以得到用户特征。
其中,用户属性信息包括但不限于用户性别、年龄、婚姻状态;历史行为数据包括但不限于用户历史消费信息、用户历史偏好信息,而用户历史偏好信息包括用户历史上的资源使用信息和/或历史偏好的地点信息。
具体地,用户历史消费信息包括但不限于购买力等级、消费指数、始发地兴趣点类型等;用户历史偏好信息包括但不限于用户近预设天数出入场所类型、近预设天数点击资源次数、资源依赖等级、用户近预设天数累计用资源金额、用户近预设天数累计用资源次数、用户近预设天数累计绑定资源次数、用户近预设天数累计核销资源次数、用户近预设天数绑定资源中可用资源最高面额、用户“商旅”标签完成订单总数、用户“商旅-酒店宾馆”标签完成订单总数、用户“在地生活”标签完成订单总数、用户“吃喝玩乐”标签完成订单总数、用户“吃喝玩乐-购物”标签完成订单总数、用户“吃喝玩乐-美食”标签完成订单总数等。
一种可能的实施方式中,基于每种待推送资源对应的使用概率,为用户端进行资源配置,包括:
将每种待推送资源信息按照使用概率大小进行排序,将排序后的待推送资源信息发送给用户端。
这里,服务器在预测完每种待推送资源信息被用户端的使用的使用概率后,可以按照每种待推送资源信息使用概率的大小进行排序,并将排序后的待推送资源信息发送给用户端。
具体地,将每种待推送资源信息按照使用概率由大到小的顺序进行排序,选取排名靠前的预设个数的待推送资源信息发送给用户端。
其中,预设个数可以在服务器中预先设置并存储在数据库中,可以根据服务器中大数据分析得到。
本申请实施例,服务器通过对与订单信息匹配的每种待推送资源信息被用户端使用的使用概率进行预测,并将每种待推送资源信息按照使用概率大小由大到小的顺序进行排序,进而选取排名靠前的预设个数的待推送资源信息发送给用户端,可以提升推送资源的准确率、利用率和及时率。
一种可能的实施方式中,服务器在预测用户端使用每种待推送资源的使用概率后,按照每种待推送资源对应的使用概率,为用户端进行资源配置,其中,资源配置方式包括以下两种方式:
方式一、通过即时通讯软件向用户端推送配置给用户端的资源的领取链接。
这里,服务器可以直接通过即时通讯软件将待推送资源信息发送给用户端,即将资源的领取链接通过即时通讯软件发送给用户端,其中,即时通讯软件包括但不限于短信、微信和邮件。
方式二、将配置给用户端的资源下发至用户端对应的账户中,并通过即时通讯软件向用户端发送指示配置给用户端的资源的信息。
这里,服务器可以将待推送资源发送至用户端使用的应用软件对应的账户中,并通过即时通讯软件向用户端发送提示信息,以提示用户到该应用软件查看服务器推送的资源,以供用户到相应的服务提供方使用该资源。
其中,应用软件可以为打车软件。
一种可能的实施方式中,订单信息包括至少一种服务类型下的历史订单信息,和/或当前出行订单信息。
这里,服务器可以从当前出行订单信息中提取用户本次出行的目的地,进而根据目的地信息对应的服务类型,确定与当前出行订单信息匹配的至少一个服务提供端的待推送资源信息;服务器可以从历史订单信息中提取出用户信息,即提取出用户属性信息和历史行为数据,进而将每种待推送资源信息的资源特征和用户信息对应的用户特征输入概率预测模型,以预测用户端使用该种待推送资源的使用概率。
本申请实施例一和实施例二,通过获取的用户端的订单信息,可以确定与订单信息匹配的至少一个服务提供端的待推送资源信息,基于每种待推送资源对应的使用概率,为用户端进行资源配置。采用上述方式,可以基于订单信息确定与其匹配的待推送资源信息,并预测用户端使用每种待推送资源的使用概率,从而基于该使用概率为用户端配置资源,可以提升资源配置的合理性和准确性,提升资源利用率。
基于同一申请构思,本申请实施例三中还提供了与实施例一和实施例二提供的资源配置方法对应的资源配置装置,由于本申请实施例中的装置解决问题的原理与本申请上述实施例一的资源配置方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
实施例三
参见图3所示,为本申请实施例三提供的一种资源配置装置300的功能模块图,所述资源配置装置300包括:获取模块301、确定模块302、预测模块303和配置模块304;其中,
获取模块301,用于获取用户端的订单信息;
确定模块302,用于基于订单信息,确定与订单信息匹配的至少一个服务提供端的待推送资源信息;其中每个服务提供端的待推送资源信息包括至少一种待推送资源信息;
预测模块303,用于基于待推送资源信息,预测用户端使用每种待推送资源的使用概率;
配置模块304,用于基于每种待推送资源对应的使用概率,为用户端进行资源配置。
一种可能的实施方式中,订单信息包括出行订单信息;确定模块302,具体用于根据以下步骤确定与订单信息匹配的至少一个服务提供端的待推送资源信息:
提取订单信息中的目的地信息;
根据目的地信息对应的服务类型,确定与订单信息匹配的至少一个服务提供端的待推送资源信息。
一种可能的实施方式中,确定模块302,具体用于根据以下步骤确定与订单信息匹配的至少一个服务提供端的待推送资源信息:
根据目的地信息对应的服务类型,确定与服务类型匹配的、且与用户端的目的地距离在设定范围内的至少一个服务提供端信息,并确定与每个服务提供端对应的待推送资源信息。
一种可能的实施方式中,预测模块303,具体用于根据以下步骤预测用户端使用每种待推送资源的使用概率:
基于每种待推送资源信息、用户端对应的用户信息、以及预先训练的概率预测模型,预测用户端使用每种待推送资源的使用概率。
一种可能的实施方式中,获取模块301,还用于获取每种待推送资源信息的资源特征和用户信息对应的用户特征;
预测模块303,具体用于针对每种待推送资源信息,将资源特征和用户特征输入概率预测模型,预测用户端使用每种待推送资源的使用概率。
一种可能的实施方式中,用户信息包括用户属性信息和历史行为数据;确定模块302,还用于根据以下步骤确定用户端对应的用户信息:
提取订单信息中的用户标识;
获取与用户标识对应的用户属性信息和历史行为数据。
一种可能的实施方式中,用户属性信息包括以下至少一种:
用户性别、年龄、婚姻状态。
一种可能的实施方式中,历史行为数据包括以下至少一种:
用户历史消费信息、用户历史偏好信息。
一种可能的实施方式中,用户历史偏好信息包括用户历史上的资源使用信息和/或历史偏好的地点信息。
一种可能的实施方式中,配置模块304,具体用于根据以下步骤为用户端进行资源配置:
将每种待推送资源信息按照使用概率大小进行排序,将排序后的待推送资源信息发送给用户端。
一种可能的实施方式中,配置模块304,具体用于为用户端进行资源配置:
通过即时通讯软件向用户端推送配置给用户端的资源的领取链接;
或者,将配置给用户端的资源下发至用户端对应的账户中,并通过即时通讯软件向用户端发送指示配置给用户端的资源的信息。
一种可能的实施方式中,订单信息包括至少一种服务类型下的历史订单信息,和/或当前出行订单信息。
本申请实施例三,通过获取模块301获取的用户端的订单信息,可以根据确定模块302确定与订单信息匹配的至少一个服务提供端的待推送资源信息,通过预测模块303预测每种待推送资源对应的使用概率,通过配置模块304为用户端进行资源配置。采用上述资源配置装置300,根据用户端的订单信息,可以为用户端匹配出服务提供方的待推送资源信息,进而为用户端进行相应的资源配置,可以提升资源配置的准确率、利用率和及时率。
实施例四
基于同一申请构思,参见图4所示,为本申请实施例四提供的一种电子设备400的结构示意图,电子设备400包括:处理器401、存储器402、和总线403。其中,存储器402存储有处理器401可执行的机器可读指令,当电子设备400运行时,处理器401与存储器402之间通过总线403通信,该机器可读指令被处理器401执行时执行以下指令:
获取用户端的订单信息;
基于订单信息,确定与订单信息匹配的至少一个服务提供端的待推送资源信息;其中每个服务提供端的待推送资源信息包括至少一种待推送资源信息;
基于待推送资源信息,预测用户端使用每种待推送资源的使用概率;
基于每种待推送资源对应的使用概率,为用户端进行资源配置。
在一种实施方式中,该机器可读指令被处理器401执行时执行以下指令:
提取订单信息中的目的地信息;
根据目的地信息对应的服务类型,确定与订单信息匹配的至少一个服务提供方的待推送资源信息。
在一种实施方式中,该机器可读指令被处理器401执行时执行以下指令:
根据目的地信息对应的服务类型,确定与服务类型匹配的、且与用户端的目的地距离在设定范围内的至少一个服务提供方信息,并确定与每个服务提供方对应的待推送资源信息。
在一种实施方式中,该机器可读指令被处理器401执行时执行以下指令:
基于每种待推送资源信息、用户端对应的用户信息、以及预先训练的概率预测模型,预测用户端使用每种待推送资源的使用概率。
在一种实施方式中,该机器可读指令被处理器401执行时执行以下指令:
获取每种待推送资源信息的资源特征和用户信息对应的用户特征;
针对每种待推送资源信息,将资源特征和用户特征输入概率预测模型,预测用户端使用该种待推送资源的使用概率。
在一种实施方式中,该机器可读指令被处理器401执行时执行以下指令:
提取订单信息中的用户标识;
获取与用户标识对应的用户属性信息和历史行为数据。
在一种实施方式中,该机器可读指令被处理器401执行时执行以下指令:
将每种待推送资源信息按照使用概率大小进行排序,将排序后的待推送资源信息发送给用户端。
在一种实施方式中,该机器可读指令被处理器401执行时执行以下指令:
将每种待推送资源信息按照使用概率由大到小的顺序进行排序,选取排名靠前的预设个数的待推送资源信息发送给用户端。
在一种实施方式中,该机器可读指令被处理器401执行时执行以下指令:
通过即时通讯软件向用户端推送配置给用户端的资源的领取链接;
或者,将配置给用户端的资源下发至用户端对应的账户中,并通过即时通讯软件向用户端发送指示配置给用户端的资源的信息。
本申请实施例四,通过电子设备400中处理器401执行以下机器可读指令:获取的用户端的订单信息,可以确定与订单信息匹配的至少一个服务提供端的待推送资源信息,基于每种待推送资源对应的使用概率,为用户端进行资源配置,可以提升资源配置的准确率、利用率和及时率。
基于同一申请构思,本申请实施例四还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行执行上述实施例一和实施例二所述的资源配置方法的步骤。
具体地,所述存储介质能够为通用的存储介质,如移动磁盘、硬盘等,所述存储介质上的计算机程序被运行时,能够执行上述资源配置方法,从而解决目前基于用户端当前位置进行资源配置的方式不够及时的问题。本申请实施例根据用户端的订单信息,可以为用户端准确地匹配出服务提供端的待推送资源信息,进而为用户端进行相应的资源配置,可以提升资源配置的准确率、利用率和及时率。本申请实施例所提供的资源配置方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,程序代码包括的指令可用于执行前面方法实施例中的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应所述理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来,所述计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (28)
1.一种资源配置方法,其特征在于,所述方法包括:
获取用户端的订单信息;
基于所述订单信息,确定与所述订单信息匹配的至少一个服务提供端的待推送资源信息;其中每个服务提供端的待推送资源信息包括至少一种待推送资源信息;
基于所述待推送资源信息,预测所述用户端使用每种待推送资源的使用概率;
基于每种待推送资源对应的使用概率,为所述用户端进行资源配置。
2.如权利要求1所述的方法,其特征在于,所述订单信息包括出行订单信息;所述基于所述订单信息,确定与所述订单信息匹配的至少一个服务提供端的待推送资源信息,包括:
提取所述订单信息中的目的地信息;
根据所述目的地信息对应的服务类型,确定与所述订单信息匹配的至少一个服务提供端的待推送资源信息。
3.如权利要求2所述的方法,其特征在于,根据所述目的地信息对应的服务类型,确定与所述订单信息匹配的至少一个服务提供端的待推送资源信息,包括:
根据所述目的地信息对应的服务类型,确定与所述服务类型匹配的、且与所述用户端的目的地距离在设定范围内的至少一个服务提供端信息,并确定与每个服务提供端对应的待推送资源信息。
4.如权利要求1所述的方法,其特征在于,基于所述待推送资源信息,预测所述用户端使用每种待推送资源的使用概率,包括:
基于每种待推送资源信息、所述用户端对应的用户信息、以及预先训练的概率预测模型,预测所述用户端使用每种待推送资源的使用概率。
5.如权利要求4所述的方法,其特征在于,基于每种待推送资源信息、所述用户端对应的用户信息、以及预先训练的概率预测模型,预测所述用户端使用每种待推送资源的使用概率,包括:
获取每种所述待推送资源信息的资源特征和所述用户信息对应的用户特征;
针对每种所述待推送资源信息,将所述资源特征和用户特征输入所述概率预测模型,预测所述用户端使用每种待推送资源的使用概率。
6.如权利要求4所述的方法,其特征在于,所述用户信息包括用户属性信息和历史行为数据;根据以下步骤确定所述用户端对应的用户信息:
提取所述订单信息中的用户标识;
获取与所述用户标识对应的用户属性信息和历史行为数据。
7.如权利要求6所述的方法,其特征在于,所述用户属性信息包括以下至少一种:
用户性别、年龄、婚姻状态。
8.如权利要求6所述的方法,其特征在于,所述历史行为数据包括以下至少一种:
用户历史消费信息、用户历史偏好信息。
9.如权利要求8所述的方法,其特征在于,所述用户历史偏好信息包括用户历史上的资源使用信息和/或历史偏好的地点信息。
10.如权利要求1所述的方法,其特征在于,基于每种待推送资源对应的使用概率,为所述用户端进行资源配置,包括:
将每种待推送资源信息按照使用概率大小进行排序,将排序后的待推送资源信息发送给所述用户端。
11.如权利要求10所述的方法,其特征在于,将每种待推送资源信息按照使用概率大小进行排序,将排序后的待推送资源信息发送给所述用户端,包括:
将每种待推送资源信息按照使用概率由大到小的顺序进行排序,选取排名靠前的预设个数的待推送资源信息发送给所述用户端。
12.如权利要求1所述的方法,其特征在于,为所述用户端进行资源配置,包括:
通过即时通讯软件向所述用户端推送配置给所述用户端的资源的领取链接;
或者,将配置给所述用户端的资源下发至所述用户端对应的账户中,并通过即时通讯软件向所述用户端发送指示配置给所述用户端的资源的信息。
13.如权利要求1所述的方法,其特征在于,所述订单信息包括至少一种服务类型下的历史订单信息,和/或当前出行订单信息。
14.一种资源配置装置,其特征在于,所述装置包括获取模块、确定模块、预测模块和配置模块;其中,
所述获取模块,用于获取用户端的订单信息;
所述确定模块,用于基于所述订单信息,确定与所述订单信息匹配的至少一个服务提供端的待推送资源信息;其中每个服务提供端的待推送资源信息包括至少一种待推送资源信息;
所述预测模块,用于基于所述待推送资源信息,预测所述用户端使用每种待推送资源的使用概率;
所述配置模块,用于基于每种待推送资源对应的使用概率,为所述用户端进行资源配置。
15.如权利要求14所述的装置,其特征在于,所述订单信息包括出行订单信息;所述确定模块,具体用于根据以下步骤确定与所述订单信息匹配的至少一个服务提供端的待推送资源信息:
提取所述订单信息中的目的地信息;
根据所述目的地信息对应的服务类型,确定与所述订单信息匹配的至少一个服务提供端的待推送资源信息。
16.如权利要求15所述的装置,其特征在于,所述确定模块,具体用于根据以下步骤确定与所述订单信息匹配的至少一个服务提供端的待推送资源信息:
根据所述目的地信息对应的服务类型,确定与所述服务类型匹配的、且与所述用户端的目的地距离在设定范围内的至少一个服务提供端信息,并确定与每个服务提供端对应的待推送资源信息。
17.如权利要求14所述的装置,其特征在于,所述预测模块,具体用于根据以下步骤预测所述用户端使用每种待推送资源的使用概率:
基于每种待推送资源信息、所述用户端对应的用户信息、以及预先训练的概率预测模型,预测所述用户端使用每种待推送资源的使用概率。
18.如权利要求17所述的装置,其特征在于,
所述获取模块,还用于获取每种所述待推送资源信息的资源特征和所述用户信息对应的用户特征;
所述预测模块,具体用于针对每种所述待推送资源信息,将所述资源特征和用户特征输入所述概率预测模型,预测所述用户端使用每种待推送资源的使用概率。
19.如权利要求17所述的装置,其特征在于,所述用户信息包括用户属性信息和历史行为数据;所述确定模块,还用于根据以下步骤确定所述用户端对应的用户信息:
提取所述订单信息中的用户标识;
获取与所述用户标识对应的用户属性信息和历史行为数据。
20.如权利要求19所述的装置,其特征在于,所述用户属性信息包括以下至少一种:
用户性别、年龄、婚姻状态。
21.如权利要求19所述的装置,其特征在于,所述历史行为数据包括以下至少一种:
用户历史消费信息、用户历史偏好信息。
22.如权利要求21所述的装置,其特征在于,所述用户历史偏好信息包括用户历史上的资源使用信息和/或历史偏好的地点信息。
23.如权利要求14所述的装置,其特征在于,所述配置模块,具体用于根据以下步骤为所述用户端进行资源配置:
将每种待推送资源信息按照使用概率大小进行排序,将排序后的待推送资源信息发送给所述用户端。
24.如权利要求23所述的装置,其特征在于,所述配置模块,具体用于根据以下步骤将排序后的待推送资源信息发送给所述用户端:
将每种待推送资源信息按照使用概率由大到小的顺序进行排序,选取排名靠前的预设个数的待推送资源信息发送给所述用户端。
25.如权利要求14所述的装置,其特征在于,所述配置模块,具体用于为所述用户端进行资源配置:
通过即时通讯软件向所述用户端推送配置给所述用户端的资源的领取链接;
或者,将配置给所述用户端的资源下发至所述用户端对应的账户中,并通过即时通讯软件向所述用户端发送指示配置给所述用户端的资源的信息。
26.如权利要求14所述的装置,其特征在于,所述订单信息包括至少一种服务类型下的历史订单信息,和/或当前出行订单信息。
27.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至13任一所述的资源配置方法的步骤。
28.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至13任一所述的资源配置方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910139194.6A CN110766507A (zh) | 2019-02-25 | 2019-02-25 | 一种资源配置方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910139194.6A CN110766507A (zh) | 2019-02-25 | 2019-02-25 | 一种资源配置方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110766507A true CN110766507A (zh) | 2020-02-07 |
Family
ID=69328608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910139194.6A Pending CN110766507A (zh) | 2019-02-25 | 2019-02-25 | 一种资源配置方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110766507A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111835831A (zh) * | 2020-06-16 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 业务推送方法、装置和电子设备 |
CN111861540A (zh) * | 2020-06-09 | 2020-10-30 | 上海钧正网络科技有限公司 | 信息推送方法、装置、计算机设备和存储介质 |
CN111930524A (zh) * | 2020-10-10 | 2020-11-13 | 上海兴容信息技术有限公司 | 一种计算资源分配的方法和系统 |
CN112073454A (zh) * | 2020-07-22 | 2020-12-11 | 北京三快在线科技有限公司 | 资源分发方法、装置、电子设备 |
CN112446734A (zh) * | 2020-11-30 | 2021-03-05 | 上海寻梦信息技术有限公司 | 提供安装资源的方法、装置、设备以及存储介质 |
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 |
CN112801324A (zh) * | 2020-12-31 | 2021-05-14 | 北京嘀嘀无限科技发展有限公司 | 出行推荐方法、装置、电子设备及计算机可读存储介质 |
CN112819526A (zh) * | 2021-01-29 | 2021-05-18 | 北京骑胜科技有限公司 | 待推送资源确定方法、装置、电子设备、介质及程序产品 |
CN113570114A (zh) * | 2021-07-02 | 2021-10-29 | 上海淇玥信息技术有限公司 | 一种资源服务智能匹配方法、系统和计算机设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846035A (zh) * | 2016-12-15 | 2017-06-13 | 北京小度信息科技有限公司 | 信息推送方法及装置 |
CN107507042A (zh) * | 2017-09-15 | 2017-12-22 | 携程计算机技术(上海)有限公司 | 基于用户画像的营销方法及系统 |
CN107730038A (zh) * | 2017-10-09 | 2018-02-23 | 小草数语(北京)科技有限公司 | 用户偏好性别的预测方法、装置及其设备 |
CN107818478A (zh) * | 2017-10-31 | 2018-03-20 | 携程计算机技术(上海)有限公司 | 基于预估收益的海外优惠券发放方法及系统 |
CN109257398A (zh) * | 2017-07-12 | 2019-01-22 | 阿里巴巴集团控股有限公司 | 一种业务对象的推送方法及设备 |
-
2019
- 2019-02-25 CN CN201910139194.6A patent/CN110766507A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846035A (zh) * | 2016-12-15 | 2017-06-13 | 北京小度信息科技有限公司 | 信息推送方法及装置 |
CN109257398A (zh) * | 2017-07-12 | 2019-01-22 | 阿里巴巴集团控股有限公司 | 一种业务对象的推送方法及设备 |
CN107507042A (zh) * | 2017-09-15 | 2017-12-22 | 携程计算机技术(上海)有限公司 | 基于用户画像的营销方法及系统 |
CN107730038A (zh) * | 2017-10-09 | 2018-02-23 | 小草数语(北京)科技有限公司 | 用户偏好性别的预测方法、装置及其设备 |
CN107818478A (zh) * | 2017-10-31 | 2018-03-20 | 携程计算机技术(上海)有限公司 | 基于预估收益的海外优惠券发放方法及系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861540A (zh) * | 2020-06-09 | 2020-10-30 | 上海钧正网络科技有限公司 | 信息推送方法、装置、计算机设备和存储介质 |
CN111835831A (zh) * | 2020-06-16 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 业务推送方法、装置和电子设备 |
CN111835831B (zh) * | 2020-06-16 | 2023-11-03 | 北京嘀嘀无限科技发展有限公司 | 业务推送方法、装置和电子设备 |
CN112073454A (zh) * | 2020-07-22 | 2020-12-11 | 北京三快在线科技有限公司 | 资源分发方法、装置、电子设备 |
CN111930524A (zh) * | 2020-10-10 | 2020-11-13 | 上海兴容信息技术有限公司 | 一种计算资源分配的方法和系统 |
CN111930524B (zh) * | 2020-10-10 | 2021-02-12 | 上海兴容信息技术有限公司 | 一种计算资源分配的方法和系统 |
CN112446734A (zh) * | 2020-11-30 | 2021-03-05 | 上海寻梦信息技术有限公司 | 提供安装资源的方法、装置、设备以及存储介质 |
CN112801324A (zh) * | 2020-12-31 | 2021-05-14 | 北京嘀嘀无限科技发展有限公司 | 出行推荐方法、装置、电子设备及计算机可读存储介质 |
CN112819526A (zh) * | 2021-01-29 | 2021-05-18 | 北京骑胜科技有限公司 | 待推送资源确定方法、装置、电子设备、介质及程序产品 |
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 |
CN113570114A (zh) * | 2021-07-02 | 2021-10-29 | 上海淇玥信息技术有限公司 | 一种资源服务智能匹配方法、系统和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766507A (zh) | 一种资源配置方法及装置 | |
CN104731917B (zh) | 一种推荐方法及装置 | |
US20130041742A1 (en) | Control method and corresponding system for obtaining coupons through coupon terminal | |
CN108550055B (zh) | 基于地理位置的广告信息推送方法及系统 | |
US20210201212A1 (en) | System and method for ranking in alternative destination recommendation on ridesharing platforms | |
WO2017206831A1 (zh) | 虚拟资源的处理方法、服务器及存储介质 | |
CN106911801B (zh) | 关联用户信息的方法及信息推送系统 | |
CN109003131B (zh) | 基于用户场景属性信息的精准营销方法及装置 | |
CN107515885B (zh) | 信息推送的方法和装置 | |
CN106327248A (zh) | 电子优惠券的获取方法及装置 | |
KR101713984B1 (ko) | 기부금 관리 방법 및 기부금 관리 시스템 | |
CN111198989A (zh) | 确定出行推荐数据的方法、装置、存储介质及电子设备 | |
CN111756796B (zh) | 权益资源信息的推送方法及装置、存储介质、终端 | |
US20140222535A1 (en) | Method and system for card marketing using expenditure details of an individual | |
CN111753210A (zh) | 资源推送方法、装置、计算机设备及计算机可读存储介质 | |
CN108520455A (zh) | 一种推荐信息的方法及设备 | |
US20130325676A1 (en) | Server and method for providing affiliate store information | |
KR20100091380A (ko) | 무료로 등록된 데이터의 가치를 결정하는 시스템 및 방법 | |
CN111091409A (zh) | 客户标签的确定方法、装置和服务器 | |
CN110009424A (zh) | 一种服务信息推送方法、装置及存储介质 | |
JP6229354B2 (ja) | 需要予測装置、需要予測方法、および需要予測プログラム | |
CN113554438A (zh) | 账号的识别方法、装置、电子设备及计算机可读介质 | |
CN110555168A (zh) | 信息推送的方法及装置 | |
US20170178167A1 (en) | Method for predicting a demand for a business | |
JP2017191500A (ja) | 携帯端末に対して地点情報を提供する装置、方法、およびプログラム |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200207 |
|
RJ01 | Rejection of invention patent application after publication |