CN111428994B - 业务处理方法、装置及电子设备 - Google Patents

Abstract

本说明书实施例公开了一种业务处理方法、装置及电子设备，其核心思想是，在获取到全量的各样本用户的业务数据时，从这些样本用户中选取出不同种子用户，这些种子用户是已领取业务权益的用户；从所述不同种子用户的业务数据中提取业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系。在这种情况下，当采集到不同待测用户的业务数据时，就可以根据如上映射关系，判断所述不同待测用户各自业务数据中是否包含所述业务特征数据，根据判断结果从所述不同待测用户中选取权益用户和为该权益用户分配的业务权益信息，根据确定的业务权益信息生成为所述权益用户的权益配置策略。

Description

业务处理方法、装置及电子设备

技术领域

本说明书实施例涉及计算机技术领域，尤其涉及一种业务处理方法、装置及电子设备。

背景技术

借助移动互联网技术，大部分业务活动搬到了线上。通过线上发布或投放权益信息，吸引用户购买或参与业务活动，以达到创收的目的。那么，如何实现权益的精准配置成为业界考虑的课题。

发明内容

有鉴于此，本说明书实施例提供了一种实现权益精准配置的业务处理方法、装置及电子设备。

本说明书实施例采用下述技术方案：

本说明书实施例提供一种业务处理方法，包括：

获取各样本用户的业务数据；

从所述各样本用户中选取已领取业务权益的不同种子用户；

从所述不同种子用户的业务数据中提取业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以便利用所述映射关系不同待测用户各自的业务数据中是否包含所述业务特征数据，来选取权益用户和为所述权益用户分配的业务权益信息。

本说明书实施例还提供一种业务处理方法，包括：

利用业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，判断不同待测用户各自的业务数据中是否包含所述业务特征数据，所述映射关系是从种子用户的业务数据中提取得到的；

根据判断结果从所述不同待测用户中选取权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包含与分配的业务权益信息对应的所述业务特征数据；

根据所分配的业务权益信息生成针对所述权益用户的权益配置策略。

本说明书实施例还提供一种业务处理方法，包括：

获取各样本用户的业务数据；

从所述各样本用户中选取已领取业务权益的不同种子用户；

利用所述不同种子用户的业务数据训练业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以得到基于所述映射关系构建的业务权益预测模型，以便利用所述业务权益预测模型从不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息。

本说明书实施例还提供一种业务处理方法，包括：

利用基于业务权益信息与业务特征数据之间的映射关系构建的业务权益预测模型对不同待测用户各自的业务数据进行处理，以从所述不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包括与分配的业务权益信息对应的所述业务特征数据；

根据所分配的业务权益信息生成针对所述权益用户的权益配置策略。

本说明书实施例还提供一种业务处理装置，包括：

获取模块，获取各样本用户的业务数据；

选取模块，从所述各样本用户中选取已领取业务权益的不同种子用户；

提取模块，从所述不同种子用户的业务数据中提取业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以便利用所述映射关系不同待测用户各自的业务数据中是否包含所述业务特征数据，来选取权益用户和为所述权益用户分配的业务权益信息。

本说明书实施例还提供一种业务处理装置，包括：

判断模块，利用业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，判断不同待测用户各自的业务数据中是否包含所述业务特征数据，所述映射关系是从种子用户的业务数据中提取得到的；

选取模块，根据判断结果从所述不同待测用户中选取权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包含与分配的业务权益信息对应的所述业务特征数据；

生成模块，根据所分配的业务权益信息生成针对所述权益用户的权益配置策略。

本说明书实施例还提供一种业务处理装置，包括：

获取模块，获取各样本用户的业务数据；

选取模块，从所述各样本用户中选取已领取业务权益的不同种子用户；

权益模型训练模块，利用所述不同种子用户的业务数据训练业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以得到基于所述映射关系构建的业务权益预测模型，以便利用所述业务权益预测模型从不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息。

本说明书实施例还提供一种业务处理装置，包括：

处理模块，利用基于业务权益信息与业务特征数据之间的映射关系构建的业务权益预测模型对不同待测用户各自的业务数据进行处理，以从所述不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包括与分配的业务权益信息对应的所述业务特征数据；

生成模块，根据所分配的业务权益信息生成针对所述权益用户的权益配置策略。

本说明书实施例还提供一种电子设备，包括：

处理器；以及

被配置成存储计算机程序的存储器，所述计算机程序在被执行时使所述处理器执行以下操作：

获取各样本用户的业务数据；

从所述各样本用户中选取已领取业务权益的不同种子用户；

从所述不同种子用户的业务数据中提取业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以便利用所述映射关系不同待测用户各自的业务数据中是否包含所述业务特征数据，来选取权益用户和为所述权益用户分配的业务权益信息。

本说明书实施例还提供一种电子设备，包括：

处理器；以及

被配置成存储计算机程序的存储器，所述计算机程序在被执行时使所述处理器执行以下操作：

利用业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，判断不同待测用户各自的业务数据中是否包含所述业务特征数据，所述映射关系是从种子用户的业务数据中提取得到的；

根据判断结果从所述不同待测用户中选取权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包含与分配的业务权益信息对应的所述业务特征数据；

根据所分配的业务权益信息生成针对所述权益用户的权益配置策略。

本说明书实施例还提供一种电子设备，包括：

处理器；以及

被配置成存储计算机程序的存储器，所述计算机程序在被执行时使所述处理器执行以下操作：

获取各样本用户的业务数据；

从所述各样本用户中选取已领取业务权益的不同种子用户；

利用所述不同种子用户的业务数据训练业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以得到基于所述映射关系构建的业务权益预测模型，以便利用所述业务权益预测模型从不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息。

本说明书实施例还提供一种电子设备，包括：

处理器；以及

被配置成存储计算机程序的存储器，所述计算机程序在被执行时使所述处理器执行以下操作：

利用基于业务权益信息与业务特征数据之间的映射关系构建的业务权益预测模型对不同待测用户各自的业务数据进行处理，以从所述不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包括与分配的业务权益信息对应的所述业务特征数据；

根据所分配的业务权益信息生成针对所述权益用户的权益配置策略。

本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：

在获取到全量的各用户的业务数据时，从这些用户中选取出不同种子用户，这些种子用户是已领取业务权益的用户；从所述不同种子用户的业务数据中提取业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系。那么，在这种情况下，当采集到不同待测用户的业务数据时，就可以根据如上映射关系，判断所述不同待测用户各自业务数据中是否包含所述业务特征数据，根据判断结果从所述不同待测用户中选取权益用户和为该权益用户分配的业务权益信息，根据确定的业务权益信息生成为所述权益用户的权益配置策略。

利用本说明书实施例记载的方法，考虑到不同用户对业务权益的需求存在差异，那么可以基于业务特征数据对用户进行业务权益的分层次配置，可以实现对权益用户精准选取，并进一步实现业务权益精准投放及配置，不仅可以提升用户体验度，还可以提升业务权益的用户转化率。

附图说明

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

图1为本说明书实施例提出的一种业务处理方法的流程图；

图2为本说明书实施例提出的一种业务处理方法的流程图；

图3为本说明书实施例提出的一种业务处理方法的流程图；

图4为本说明书实施例提出的一种业务处理方法的应用示例的流程图；

图5为本说明书实施例提出的一种业务处理方法的流程图；

图6为本说明书实施例提出的一种业务处理方法的应用示例的流程图；

图7为本说明书实施例提出的一种业务处理装置的结构示意图；

图8为本说明书实施例提出的一种业务处理装置的结构图；

图9为本说明书实施例提出的一种业务处理装置的结构示意图；

图10为本说明书实施例提出的一种业务处理装置的结构图。

具体实施方式

对现有技术进行分析发现，通常情况下，可以基于点击率进行权益投放及配置。例如，若某权益节点点击率高，可以在该权益节点投放权益信息，以期获得最大用户转化率。

本说明书实施例提出一种业务处理方法、装置及电子设备，其核心思想是，在获取到全量的各用户的业务数据时，从这些用户中选取出不同种子用户，这些种子用户是已领取业务权益的用户；从所述不同种子用户的业务数据中提取业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系。那么，在这种情况下，当采集到不同待测用户的业务数据时，就可以根据如上映射关系，判断所述不同待测用户各自业务数据中是否包含所述业务特征数据，根据判断结果从所述不同待测用户中选取权益用户和为该权益用户分配的业务权益信息，根据确定的业务权益信息生成为所述权益用户的权益配置策略。

利用本说明书实施例记载的方法，考虑到不同用户对业务权益的需求存在差异，那么可以基于业务特征数据对用户进行业务权益的分层次配置，可以实现对权益用户精准选取，并进一步实现业务权益精准投放及配置，不仅可以提升用户体验度，还可以提升业务权益的用户转化率。

为使本申请的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本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做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

图1为本说明书实施例提出的一种业务处理方法的流程图。

步骤101：获取各样本用户的业务数据。

在本说明书实施例中，获取各样本用户的业务数据，可以包括：

从数据库中获取各样本用户的业务数据。

业务数据与具体的业务场景相关。具体地，该业务数据可以是利用具体的应用程序采集得到的，并存储于数据库中。

另外，这些业务数据可以是样本用户在过去一定时期内的数据，具体期限不作具体限定。

步骤103：从所述各样本用户中选取已领取业务权益的不同种子用户。

本说明书实施例记载的业务权益信息可以是指在用户参与具体业务活动时，向用户反馈的利益信息，具体如返现、折扣、返券或其他利益信息。以此，种子用户领取业务权益可以反映出该用户参与或购买了业务活动，该种子用户可以称为已转化用户。

具体地，从所述各样本用户中选取已领取业务权益的不同种子用户，包括：

判断所述各样本用户的业务数据中是否包含业务权益信息；

根据判断结果选取已领取业务权益的不同种子用户。

这里需要说明的是，对于不同种子用户，各自领取的业务权益信息可以相同或不相同，每个种子用户可能领取一项或多项业务权益信息，在此均不作具体限定。

具体地，业务权益信息可以包括业务权益的类型和权益节点信息中的一种或两种，权益节点信息为配置所述业务权益的功能节点信息。其中，业务权益的类型可以根据关联的业务类型、业务权益的形式具体确定，此处不作具体限定。

其中，功能节点信息具体可以是应用程序内的功能节点信息，每个功能节点可以提供一定功能的业务服务，例如积分功能、加油功能、停车功能、缴费功能等等，不一一列举。那么，业务权益的类型与权益节点信息可以是相关或不相关，所谓相关可以是指与功能节点所提供功能相关的业务权益的类型，意在吸引用户使用业务权益以使用或参与功能节点提供的业务服务。所谓不相关是指在功能节点所配置业务权益的类型与该功能节点提供的功能不相关，意在吸引用户在使用该功能节点提供的功能服务时，可以注意到该业务权益并能够使用该业务权益。

步骤105：从所述不同种子用户的业务数据中提取业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以便利用所述映射关系不同待测用户各自的业务数据中是否包含所述业务特征数据，来选取权益用户和为所述权益用户分配的业务权益信息。

本说明书实施例记载的业务特征数据是指与种子用户领取业务权益的行为存在关联性的特征数据，业务权益信息与业务特征数据之间存在关联度。这种关联度，可以通过对业务数据进行分析、处理，从中挖掘出与业务权益信息可能存在关联性的特征数据。

具体如，可以借助深度学习技术，从庞大业务数据中确立业务权益信息与业务特征数据之间的映射关系。

其中，业务特征数据可以包括如下一种或多种的组合：

各种子用户的身份特征数据；

在应用程序内的内部行为数据；

从第三方程序采集的行业行为数据。

身份特征数据为静态数据，表明种子用户身份，如年龄、性别等。

内部行为数据可以理解为种子用户使用应用程序的操作行为数据，例如登录次数，所使用应用程序内的节点功能等，在此不作具体限定。

行业行为数据可以是第三方程序提供的种子用户的行为数据，如车牌号、停车信息、加油信息、导航等，在此不作具体限定。

利用本说明书实施例记载的方法，考虑到不同用户对业务权益的需求存在差异，那么可以基于业务特征数据对用户进行业务权益的分层次配置，可以实现对权益用户精准选取，并进一步实现业务权益精准投放及配置，不仅可以提升用户体验度，还可以提升业务权益的用户转化率。

图2为本说明书实施例提出的一种业务处理方法的流程图。

步骤202：利用业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，判断不同待测用户各自的业务数据中是否包含所述业务特征数据，所述映射关系是从种子用户的业务数据中提取得到的。

其中，参考上文步骤101，103和105，业务权益信息与业务特征数据之间的映射关系是从种子用户的业务数据中提取得到。

在本说明书实施例中，可以是，当采集到预设数量的待测用户的业务数据时，利用不同待测用户各自的业务数据，判断不同待测用户各自的业务数据中是否包含所述业务特征数据。

还可以是，从数据库中直接获取不同待测用户各自的业务数据，利用不同待测用户各自的业务数据，判断不同待测用户各自的业务数据中是否包含所述业务特征数据。

其中，对不同映射关系，其中的业务权益信息和业务特征数据中至少一项是不同的。那么对于每个待测用户，基于每一种映射关系，得到一个判断结果，是或否。

步骤204：根据判断结果从所述不同待测用户中选取权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包含与分配的业务权益信息对应的所述业务特征数据。

具体地，若待测用户的判断结果显示包含业务特征数据，则可以将该待测用户确定为权益用户，并利用所述映射关系确定该待测用户的业务特征数据对应的业务权益信息。

若判断结果显示未包含业务特征数据，则可以抛弃该待测用户。

在这种情况下，可以从待测用户中选取一定数量的权益用户。

步骤206：根据所分配的业务权益信息生成针对所述权益用户的权益配置策略。

所述权益配置策略可以包括业务权益的类型、权益节点信息、权益配置时机中的一种或多种的组合。

在这种情况下，可以基于权益配置策略为权益用户配置业务权益，这可以是实时配置，还可以是在一段时间之后进行配置。

利用本说明书实施例记载的方案，考虑到不同用户对业务权益的需求存在差异，那么可以基于业务特征数据对用户进行业务权益的分层次配置，可以实现对权益用户精准选取，并进一步实现业务权益精准投放及配置，不仅可以提升用户体验度，还可以提升业务权益的用户转化率。

图3为本说明书实施例提出的一种业务处理方法的流程图。

步骤301：获取各样本用户的业务数据，具体可参考上文步骤101的内容。

步骤303：从所述各样本用户中选取已领取业务权益的不同种子用户，具体可参考上文步骤103的内容。

步骤305：利用所述不同种子用户的业务数据训练业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以得到基于所述映射关系构建的业务权益预测模型，以便利用所述业务权益预测模型从不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包含与所述业务权益信息对应的所述业务特征数据。

本说明书实施例采用了深度学习技术，通过机器学习，从业务数据中提取出业务权益信息与业务特征数据之间的映射关系，业务权益预测模型即是根据该映射关系构建得到的。

具体地，业务权益预测模型可以是一种分类模型，具体如逻辑回归(LogisticRegression)模型，或深度神经网络模型等其他分类模型，在此不作具体限定。

图4为本说明书实施例提出的一种业务处理方法的应用示例的流程图。

步骤402可以参考上文步骤301的内容，步骤404可以参考上文步骤303，在此不再赘述。

步骤406：利用所述不同种子用户的业务数据训练图模型，以将所述不同种子用户的业务数据转化为图向量。

本说明书实施例采用图嵌入GE(全称：Graph Embedding)将业务数据转化为向量表示。GE是一种图计算的方法，是学习特征节点的一种连续、稠密、低维的向量表示，可以通过向量的关系来衡量特征节点之间的关系。例如，采用Deep Walk、node2vec等图嵌入学习算法，可以生成由图数据结构中各顶点的向量构成的图嵌入矩阵。图嵌入技术因为其结果的通用性，经常被用作特征提取，进一步将结果输入给下游任务/项目。

本说明书实施例利用图向量表征每一个种子用户的相似度扩散，这充分考虑了各业务特征数据之间的关联性，这充分考虑了种子用户所有类型的业务特征。

步骤408：以所述图向量作为输入，训练所述业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，得到所述业务权益预测模型。

利用图向量训练业务权益预测模型，迭代次数少，训练时间段，提高训练效率。

那么，利用图向量+深度学习技术对种子用户和业务特征数据所反映的业务场景的互动进行建模，把种子用户的图向量作为正样本训练模型，刻画出种子用户和场景的深度向量。基于图向量的模型训练方案，相当于将业务权益预测模型请量化，提升对权益用户的圈人效果和运营的使用体验。

在本说明书另一实施例中，还可以使用TGI用户扩散算法，基于业务数据的统计信息计算种子用户的显著性标签，并根据这些显著性标签进行深度神经网络模型训练，以达到查找相似用户的目的。

图5为本说明书实施例提出的一种业务处理方法的流程图。

步骤501：利用基于业务权益信息与业务特征数据之间的映射关系构建的业务权益预测模型对不同待测用户各自的业务数据进行处理，以从所述不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包括与分配的业务权益信息对应的所述业务特征数据，所述业务权益预测模型是利用不同种子用户的业务数据训练业务权益信息与所述业务特征数据之间的映射关系而得到的。

步骤503：根据所分配的业务权益信息生成针对所述权益用户的权益配置策略，以根据权益配置策略向权益用户发送业务权益信息。

另外，在向用户发送业务权益信息之后，可以监测权益用户是否领取业务权益信息；

利用领取业务权益信息的权益用户的业务数据重新训练业务权益预测模型，以更新业务权益预测模型中的上述映射关系。

图6为本说明书实施例提出的一种业务处理方法的应用示例的流程图。

步骤602：利用图模型，将不同待测用户各自的业务数据转化为图向量。

步骤604：以所述图向量作为输入，利用所述业务权益预测模型进行处理，以从所述不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息；

步骤606可以参考上文步骤503，在此不再详述。

图7为本说明书实施例提出的一种业务处理装置的结构示意图。

本装置可以包括：

获取模块701，获取各样本用户的业务数据；

选取模块702，从所述各样本用户中选取已领取业务权益的不同种子用户；

提取模块703，从所述不同种子用户的业务数据中提取业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以便利用所述映射关系不同待测用户各自的业务数据中是否包含所述业务特征数据，来选取权益用户和为所述权益用户分配的业务权益信息。

利用本说明书实施例提供的装置，考虑到不同用户对业务权益的需求存在差异，那么可以基于业务特征数据对用户进行业务权益的分层次配置，可以实现对权益用户精准选取，并进一步实现业务权益精准投放及配置，不仅可以提升用户体验度，还可以提升业务权益的用户转化率。

基于同一个发明构思，本说明书实施例还提供了一种电子设备，包括：

处理器；以及

被配置成存储计算机程序的存储器，所述计算机程序在被执行时使所述处理器执行以下操作：

获取各样本用户的业务数据；

从所述各样本用户中选取已领取业务权益的不同种子用户；

从所述不同种子用户的业务数据中提取业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以便利用所述映射关系不同待测用户各自的业务数据中是否包含所述业务特征数据，来选取权益用户和为所述权益用户分配的业务权益信息。

基于同一发明构思，本说明书实施例中还提供了一种计算机可读存储介质，包括与电子设备结合使用计算机程序，所述计算机程序可被处理器执行以完成以下步骤：

获取各样本用户的业务数据；

从所述各样本用户中选取已领取业务权益的不同种子用户；

从所述不同种子用户的业务数据中提取业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以便利用所述映射关系不同待测用户各自的业务数据中是否包含所述业务特征数据，来选取权益用户和为所述权益用户分配的业务权益信息。

图8为本说明书实施例提出的一种业务处理装置的结构图。

本装置可以包括：

判断模块801，利用业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，判断不同待测用户各自的业务数据中是否包含所述业务特征数据，所述映射关系是从种子用户的业务数据中提取得到的；

选取模块802，根据判断结果从所述不同待测用户中选取权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包含与分配的业务权益信息对应的所述业务特征数据；

生成模块803，根据所分配的业务权益信息生成针对所述权益用户的权益配置策略。

利用本说明书实施例记载的装置，考虑到不同用户对业务权益的需求存在差异，那么可以基于业务特征数据对用户进行业务权益的分层次配置，可以实现对权益用户精准选取，并进一步实现业务权益精准投放及配置，不仅可以提升用户体验度，还可以提升业务权益的用户转化率。

基于同一个发明构思，本说明书实施例还提供了一种电子设备，包括：

处理器；以及

被配置成存储计算机程序的存储器，所述计算机程序在被执行时使所述处理器执行以下操作：

利用业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，判断不同待测用户各自的业务数据中是否包含所述业务特征数据，所述映射关系是从种子用户的业务数据中提取得到的；

根据判断结果从所述不同待测用户中选取权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包含与分配的业务权益信息对应的所述业务特征数据；

根据所分配的业务权益信息生成针对所述权益用户的权益配置策略。

基于同一发明构思，本说明书实施例中还提供了一种计算机可读存储介质，包括与电子设备结合使用计算机程序，所述计算机程序可被处理器执行以完成以下步骤：

利用业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，判断不同待测用户各自的业务数据中是否包含所述业务特征数据，所述映射关系是从种子用户的业务数据中提取得到的；

根据判断结果从所述不同待测用户中选取权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包含与分配的业务权益信息对应的所述业务特征数据；

根据所分配的业务权益信息生成针对所述权益用户的权益配置策略。

图9为本说明书实施例提出的一种业务处理装置的结构示意图。

本装置可以包括：

获取模块901，获取各样本用户的业务数据；

选取模块902，从所述各样本用户中选取已领取业务权益的不同种子用户；

权益模型训练模块903，利用所述不同种子用户的业务数据训练业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以得到基于所述映射关系构建的业务权益预测模型，以便利用所述业务权益预测模型从不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包含与所述业务权益信息对应的所述业务特征数据。

可选地，本装置还可以包括：

图模型训练模块904，在利用所述不同种子用户的业务数据训练业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系之前，利用所述不同种子用户的业务数据训练图模型，以将所述不同种子用户的业务数据转化为图向量；

那么，对权益模型预测模块903，利用所述不同种子用户的业务数据训练业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，包括：

以所述图向量作为输入，训练所述业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以得到所述业务权益预测模型。

基于同一个发明构思，本说明书实施例还提供了一种电子设备，包括：

处理器；以及

被配置成存储计算机程序的存储器，所述计算机程序在被执行时使所述处理器执行以下操作：

获取各样本用户的业务数据；

从所述各样本用户中选取已领取业务权益的不同种子用户；

利用所述不同种子用户的业务数据训练业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以得到基于所述映射关系构建的业务权益预测模型，以便利用所述业务权益预测模型从不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包含与所述业务权益信息对应的所述业务特征数据。

基于同一发明构思，本说明书实施例中还提供了一种计算机可读存储介质，包括与电子设备结合使用计算机程序，所述计算机程序可被处理器执行以完成以下步骤：

获取各样本用户的业务数据；

从所述各样本用户中选取已领取业务权益的不同种子用户；

利用所述不同种子用户的业务数据训练业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以得到基于所述映射关系构建的业务权益预测模型，以便利用所述业务权益预测模型从不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包含与所述业务权益信息对应的所述业务特征数据。

图10为本说明书实施例提出的一种业务处理装置的结构图。

本装置可以包括：

处理模块1001，利用基于业务权益信息与业务特征数据之间的映射关系构建的业务权益预测模型对不同待测用户各自的业务数据进行处理，以从所述不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包括与分配的业务权益信息对应的所述业务特征数据，所述业务权益预测模型是利用不同种子用户的业务数据训练业务权益信息与所述业务特征数据之间的映射关系而得到的；

生成模块1002，根据所分配的业务权益信息生成针对所述权益用户的权益配置策略。

可选地，本装置还可以包括：

转化模块1003，在利用基于业务权益信息与业务特征数据之间的映射关系构建的业务权益预测模型对不同待测用户各自的业务数据进行处理之前，利用图模型，将不同待测用户各自的业务数据转化为图向量；

那么，针对生成模块1002，利用基于业务权益信息与业务特征数据之间的映射关系构建的业务权益预测模型对不同待测用户各自的业务数据进行处理，包括：

以所述图向量作为输入，利用所述业务权益预测模型进行处理，以从所述不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息。

基于同一个发明构思，本说明书实施例还提供了一种电子设备，包括：

处理器；以及

被配置成存储计算机程序的存储器，所述计算机程序在被执行时使所述处理器执行以下操作：

利用基于业务权益信息与业务特征数据之间的映射关系构建的业务权益预测模型对不同待测用户各自的业务数据进行处理，以从所述不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包括所述业务特征数据，所述业务权益预测模型是利用不同种子用户的业务数据训练业务权益信息与所述业务特征数据之间的映射关系而得到的；

根据所分配的业务权益信息生成针对所述权益用户的权益配置策略。

基于同一发明构思，本说明书实施例中还提供了一种计算机可读存储介质，包括与电子设备结合使用计算机程序，所述计算机程序可被处理器执行以完成以下步骤：

利用业务权益预测模型对不同待测用户各自的业务数据进行处理，以从所述不同待测用户中选取出权益用户，所述权益用户的业务数据中包括业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，所述业务权益预测模型是利用不同种子用户训练所述映射关系而得到的；

根据所选取权益用户对应的业务权益信息生成针对所述权益用户的权益配置策略。

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

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

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

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

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

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

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

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

本申请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申请，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。

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

Claims (18)

1.一种业务处理方法，包括：

获取各样本用户的业务数据；

从所述各样本用户中选取已领取业务权益的不同种子用户；

将所述不同种子用户的业务数据转化为图向量，从所述图向量中提取业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以便利用所述映射关系判断不同待测用户各自的业务数据中是否包含所述业务特征数据，来选取权益用户和为所述权益用户分配的业务权益信息。

2.如权利要求1所述的方法，所述业务权益信息包括业务权益的类型和权益节点信息中的一种或两种，所述权益节点信息为配置所述业务权益的功能节点信息。

3.如权利要求1所述的方法，所述业务特征数据包括如下一种或多种的组合：所述种子用户的身份特征数据；

在应用程序内的内部行为数据；

从第三方程序采集的行业行为数据。

4.一种业务处理方法，包括：

利用业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，判断不同待测用户各自的业务数据中是否包含所述业务特征数据，所述映射关系是将不同种子用户的业务数据转化为图向量，从所述图向量中提取得到的；

根据判断结果从所述不同待测用户中选取权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包含与分配的业务权益信息对应的所述业务特征数据；

根据所分配的业务权益信息生成针对所述权益用户的权益配置策略。

5.一种业务处理方法，包括：

获取各样本用户的业务数据；

从所述各样本用户中选取已领取业务权益的不同种子用户；

将所述不同种子用户的业务数据转化为图向量，利用所述图向量训练业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以得到基于所述映射关系构建的业务权益预测模型，以便利用所述业务权益预测模型从不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息。

6.如权利要求5所述的方法，所述将所述不同种子用户的业务数据转化为图向量，利用所述图向量训练业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，具体包括：

利用所述不同种子用户的业务数据训练图模型，以将所述不同种子用户的业务数据转化为图向量；

以所述图向量作为输入，训练所述业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以得到所述业务权益预测模型。

7.一种业务处理方法，包括：

利用基于业务权益信息与业务特征数据之间的映射关系构建的业务权益预测模型对不同待测用户各自的业务数据进行处理，以从所述不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息，所述业务权益预测模型是将不同种子用户的业务数据转化为图向量，利用所述图向量训练获得的模型；

根据所分配的业务权益信息生成针对所述权益用户的权益配置策略。

8.如权利要求7所述的方法，所述业务权益预测模型是将不同种子用户的业务数据转化为图向量，利用所述图向量训练获得的模型，具体包括：

利用图模型，将所述不同待测用户各自的业务数据转化为图向量；

以所述图向量作为输入，训练业务权益信息与业务特征数据之间的映射关系，以得到所述业务权益预测模型

利用基于业务权益信息与业务特征数据之间的映射关系构建的业务权益预测模型对不同待测用户各自的业务数据进行处理，包括：

利用所述业务权益预测模型进行处理，以从所述不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息。

9.一种业务处理装置，包括：

获取模块，获取各样本用户的业务数据；

选取模块，从所述各样本用户中选取已领取业务权益的不同种子用户；

提取模块，将所述不同种子用户的业务数据转化为图向量，从所述图向量中提取业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以便利用所述映射关系判断不同待测用户各自的业务数据中是否包含所述业务特征数据，来选取权益用户和为所述权益用户分配的业务权益信息。

10.一种业务处理装置，包括：

判断模块，利用业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，判断不同待测用户各自的业务数据中是否包含所述业务特征数据，所述映射关系是将不同种子用户的业务数据转化为图向量，从所述图向量中提取得到的；

选取模块，根据判断结果从所述不同待测用户中选取权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包含与分配的业务权益信息对应的所述业务特征数据；

生成模块，根据所分配的业务权益信息生成针对所述权益用户的权益配置策略。

11.一种业务处理装置，包括：

获取模块，获取各样本用户的业务数据；

选取模块，从所述各样本用户中选取已领取业务权益的不同种子用户；

权益模型训练模块，将所述不同种子用户的业务数据转化为图向量，利用所述图向量训练业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以得到基于所述映射关系构建的业务权益预测模型，以便利用所述业务权益预测模型从不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息。

12.如权利要求11所述的装置，还包括：

图模型训练模块，将所述不同种子用户的业务数据转化为图向量，具体包括：利用所述不同种子用户的业务数据训练图模型，以将所述不同种子用户的业务数据转化为图向量；

利用所述图向量训练业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，包括：

以所述图向量作为输入，训练业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以得到所述业务权益预测模型。

13.一种业务处理装置，包括：

处理模块，利用基于业务权益信息与业务特征数据之间的映射关系构建的业务权益预测模型对不同待测用户各自的业务数据进行处理，以从所述不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包括与分配的业务权益信息对应的所述业务特征数据，所述业务权益预测模型是将不同种子用户的业务数据转化为图向量，利用所述图向量训练获得的模型；

生成模块，根据所分配的业务权益信息生成针对所述权益用户的权益配置策略。

14.如权利要求13所述的装置，还包括：

转化模块，所述业务权益预测模型是将不同种子用户的业务数据转化为图向量，具体包括：

利用图模型，将所述不同待测用户各自的业务数据转化为图向量；

以所述图向量作为输入，训练业务权益信息与业务特征数据之间的映射关系，以得到所述业务权益预测模型；

利用基于业务权益信息与业务特征数据之间的映射关系构建的业务权益预测模型对不同待测用户各自的业务数据进行处理，包括：

利用所述业务权益预测模型进行处理，以从所述不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息。

15.一种电子设备，包括：

处理器；以及

被配置成存储计算机程序的存储器，所述计算机程序在被执行时使所述处理器执行以下操作：

获取各样本用户的业务数据；

从所述各样本用户中选取已领取业务权益的不同种子用户；

将所述不同种子用户的业务数据转化为图向量，从所述图向量中提取业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以便利用所述映射关系判断不同待测用户各自的业务数据中是否包含所述业务特征数据，来选取权益用户和为所述权益用户分配的业务权益信息。

16.一种电子设备，包括：

处理器；以及

被配置成存储计算机程序的存储器，所述计算机程序在被执行时使所述处理器执行以下操作：

利用业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，判断不同待测用户各自的业务数据中是否包含所述业务特征数据，所述映射关系是将不同种子用户的业务数据转化为图向量，从所述图向量中提取得到的；

根据判断结果从所述不同待测用户中选取权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包含与分配的业务权益信息对应的所述业务特征数据；

根据所分配的业务权益信息生成针对所述权益用户的权益配置策略。

17.一种电子设备，包括：

处理器；以及

被配置成存储计算机程序的存储器，所述计算机程序在被执行时使所述处理器执行以下操作：

获取各样本用户的业务数据；

从所述各样本用户中选取已领取业务权益的不同种子用户；

将所述不同种子用户的业务数据转化为图向量，利用所述图向量训练业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系，以得到基于所述映射关系构建的业务权益预测模型，以便利用所述业务权益预测模型从不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息。

18.一种电子设备，包括：

处理器；以及

被配置成存储计算机程序的存储器，所述计算机程序在被执行时使所述处理器执行以下操作：

利用基于业务权益信息与业务特征数据之间的映射关系构建的业务权益预测模型对不同待测用户各自的业务数据进行处理，以从所述不同待测用户中选取出权益用户和为所述权益用户分配的业务权益信息，所述权益用户的业务数据中包括与分配的业务权益信息对应的所述业务特征数据，所述业务权益预测模型是将不同种子用户的业务数据转化为图向量，利用所述图向量训练获得的模型；

根据所分配的业务权益信息生成针对所述权益用户的权益配置策略。

Images