CN111598632A - 权益份额、权益份额序列的确定方法及装置 - Google Patents

Abstract

本说明书实施例提供一种权益份额的确定方法，该方法包括：先确定出需对第一用户进行第i次权益发放，其中第一用户属于特定服务的目标用户；接着，获取与该第i次权益发放对应的多个可选权益份额，其均小于权益份额序列中的第i个权益份额上限，其中权益份额序列包括针对上述目标用户设定的K个权益份额上限，其中i≤K；然后，针对其中任意的第一可选权益份额，将该第一可选权益份额和获取到的该第一用户的用户特征，输入预先训练的概率预测模型中，得到第一预测概率，指示该第一用户在被发放该第一可选权益份额后，使用上述特定服务的可能性；再基于得到的对应于多个可选权益份额的多个预测概率，确定第i次权益发放中需发放的权益份额。

Description

权益份额、权益份额序列的确定方法及装置

技术领域

本说明书实施例涉及计算机技术领域，尤其涉及一种权益份额的确定方法及装置，一种权益份额序列的确定方法及装置。

背景技术

随着社会的发展，涌现越来越多的服务平台向用户提供各式各样的服务，以满足用户生活、工作中的多种需求。服务平台为了帮助用户找到符合其需求的服务，会选择采用向用户发放权益的方式，吸引用户体验其平台推出的某项或某几项服务。通常情况下，服务平台向用户发放权益的权益总额是有限的，这就需要根据权益总额确定向单个用户发放的权益份额。一般来说，向某个用户发放的权益份额越高，则该某个用户体验对应服务的可能性越大，但是，若向单个用户发放的权益份额偏高，将导致被发放用户的总数偏少，也就是只有少部分用户可能享受到服务平台发放的权益，若向单个用户发放的权益份额偏低，将导致一些权益份额的浪费。因此，精准确定向单个用户发放的权益份额十分重要。

然而，目前确定上述权益份额的方式较为单一，难以满足实际应用需求。因此，需要一种方案，可以合理、有效地确定出向单个用户发放的权益份额，以尽可能迎合多数用户的心理期望，从而提高用户体验。

发明内容

在本说明书实施例描述的权益份额的确定方法中，在利用机器学习模型预测出用户对权益份额敏感度的同时，通过引入权益份额序列，对向用户发放权益份额的次数予以考虑，从而精准确定出本次（或称当前次）向用户发放的权益份额，实现让尽可能多的用户享受到有限的权益总额，从而尽可能提高多数用户的用户体验。

根据第一方面，提供一种权益份额的确定方法，包括：确定出需对第一用户进行第i次权益发放，所述第一用户属于特定服务的目标用户；获取与所述第i次权益发放对应的多个可选权益份额，其均小于权益份额序列中的第i个权益份额上限，其中权益份额序列包括针对所述目标用户设定的K个权益份额上限；其中，i≤K，K＞1；针对所述多个可选权益份额中任意的第一可选权益份额，将该第一可选权益份额和获取到的所述第一用户的用户特征，输入预先训练的概率预测模型中，得到第一预测概率，指示所述第一用户在被发放该第一可选权益份额后，使用所述特定服务的可能性；基于得到的对应于所述多个可选权益份额的多个预测概率，确定所述第i次权益发放中需发放的第一权益份额。

在一个实施例中，所述特定服务属于以下中的任一种：登录服务、浏览服务、支付服务。

在一个实施例中，确定出需对所述第一用户进行第i次权益发放，包括：接收所述第一用户发起的服务请求，其指示请求使用所述特定服务；基于所述服务请求，查询出已向所述第一用户发放m次权益；在所述m小于K的情况下，判定需对所述第一用户进行第m+1次权益发放；其中i= m+1。

在一个具体的实施例中，所述特定服务是支付服务；在确定所述第i次权益发放中需发放的第一权益份额之后，所述方法还包括：获取所述服务请求对应的原始待支付金额；从所述原始待支付金额中减免所述第一权益份额对应的金额；基于减免后的待支付金额，完成对所述服务请求的处理。

在一个具体的实施例中，在确定所述第i次权益发放中需发放的所述第一权益份额之后，所述方法还包括：向所述第一用户反馈针对所述服务请求的处理成功通知；向所述第一用户发放所述第一权益份额。

在一个实施例中，获取与所述第i次权益发放对应的多个可选权益份额，包括：确定所述权益份额序列中的第i个权益份额上限；基于所述第i个权益份额上限，确定所述多个可选权益份额。

在一个实施例中，在确定出需对所述第一用户进行第i次权益发放，以及，在将该第一可选权益份额和获取到的所述第一用户的用户特征，输入预先训练的概率预测模型中之前，所述方法还包括：获取所述第一用户的用户特征。

在一个实施例中，所述用户特征包括所述用户基础信息和/或针对所述特定服务的历史使用信息；所述用户基础信息包括以下中的至少一项：性别、年龄、职业、地址、兴趣爱好，所述历史使用信息包括以下中的至少一项：使用地点、使用次数、使用时长、使用时间段。

在一个实施例中，基于得到的对应于所述多个可选权益份额的多个预测概率，确定所述第i次权益发放中需发放的所述第一权益份额，包括：基于所述多个预测概率和所述多个可选权益份额，绘制对应的概率-份额曲线图；基于所述概率-份额曲线图，以及预设的份额选取规则，确定出小于所述第i个权益份额上限的某个权益份额，作为所述第一权益份额。

在一个实施例中，基于得到的对应于所述多个可选权益份额的多个预测概率，确定所述第i次权益发放中需发放的所述第一权益份额，包括：确定所述多个预测概率中大于预定阈值的若干预测概率；从所述若干预测概率所对应的若干可选权益份额中，选取最小份额作为所述第一权益份额。

根据第二方面，提供一种权益份额序列的确定方法，包括：获取针对特定服务采集的历史服务数据，其由N组测试用户参与生成，该N组测试用户对应预设的N个候选份额序列，其中各个候选份额序列中包括对应的K个权益份额上限。其中历史服务数据包括向任意的第一测试用户发放的第一权益份额，所述第一权益份额基于以下步骤而确定：确定出需对所述第一测试用户进行第i次权益发放，所述第一测试用户属于第j组测试用户；获取与所述第i次权益发放对应的多个可选权益份额，其均小于第j个候选份额序列中的第i个权益份额上限；其中，i≤K，j≤N，N、K＞1；针对所述多个可选权益份额中任意的第一可选权益份额，将该第一可选权益份额和获取到的所述第一测试用户的用户特征，输入预先训练的概率预测模型中，得到第一预测概率，指示所述第一测试用户在被发放该第一可选权益份额后，使用所述特定服务的可能性；基于得到的对应于所述多个可选权益份额的多个预测概率，确定所述第i次权益发放中需发放的所述第一权益份额。基于所述历史服务数据，确定与所述N个候选份额序列对应的N组指标值，其中各组指标值均对应针对所述特定服务设定的若干评估指标。根据所述N组指标值，从所述N个权益份额序列中确定出目标份额序列，用于确定向任意的目标用户发放的权益份额。

在一个实施例中，获取与所述第i次权益发放对应的多个可选权益份额，包括：从所述N个候选份额序列中确定第j个候选份额序列，其对应于所述第j组测试用户；确定所述第j个候选份额序列中的第i个权益份额上限；基于所述第i个权益份额上限，确定所述多个可选权益份额。

在一个实施例中，所述若干评估指标中包括以下中的至少一个：人均使用所述特定服务的次数、使用所述特定服务的日均次数、使用所述特定服务的日均用户数、组内用户使用所述特定服务的总次数。

在一个实施例中，所述若干评估指标中包括以下中的至少一个：人均单次发放权益份额、人均发放权益总额、组内用户对应的发放权益总额。

在一个实施例中，根据所述N组指标值，从所述N个权益份额序列中确定出目标份额序列，包括：基于预设的打分规则，根据所述N组指标值对所述N个权益份额序列进行评分，得到N个分数；确定所述N个分数中的最高分所对应的权益份额序列，作为所述目标份额序列。

根据第三方面，提供一种权益份额的确定装置，包括：发放确定单元，配置为确定出需对第一用户进行第i次权益发放，所述第一用户属于特定服务的目标用户；可选份额获取单元，配置为获取与所述第i次权益发放对应的多个可选权益份额，其均小于权益份额序列中的第i个权益份额上限，其中权益份额序列包括针对所述目标用户设定的K个权益份额上限；其中，i≤K，K＞1；概率预测单元，配置为针对所述多个可选权益份额中任意的第一可选权益份额，将该第一可选权益份额和获取到的所述第一用户的用户特征，输入预先训练的概率预测模型中，得到第一预测概率，指示所述第一用户在被发放该第一可选权益份额后，使用所述特定服务的可能性；权益份额确定单元，配置为基于得到的对应于所述多个可选权益份额的多个预测概率，确定所述第i次权益发放中需发放的第一权益份额。

根据第四方面，提供一种权益份额序列的确定装置，包括：数据获取单元，配置为获取针对特定服务采集的历史服务数据，其由N组测试用户参与生成，该N组测试用户对应预设的N个候选份额序列，其中各个候选份额序列中包括对应的K个权益份额上限。其中历史服务数据包括向任意的第一测试用户发放的第一权益份额，所述第一权益份额基于份额确定单元而确定，所述份额确定单元包括：发放确定模块，配置为确定出需对所述第一测试用户进行第i次权益发放，所述第一测试用户属于第j组测试用户；可选份额获取模块，配置为获取与所述第i次权益发放对应的多个可选权益份额，其均小于第j个候选份额序列中的第i个权益份额上限；其中，i≤K，j≤N，N、K＞1；概率预测模块，配置为针对所述多个可选权益份额中任意的第一可选权益份额，将该第一可选权益份额和获取到的所述第一测试用户的用户特征，输入预先训练的概率预测模型中，得到第一预测概率，指示所述第一测试用户在被发放该第一可选权益份额后，使用所述特定服务的可能性；权益份额确定模块，配置为基于得到的对应于所述多个可选权益份额的多个预测概率，确定所述第i次权益发放中需发放的所述第一权益份额。指标值确定单元，配置为基于所述历史服务数据，确定与所述N个候选份额序列对应的N组指标值，其中各组指标值均对应针对所述特定服务设定的若干评估指标。目标序列确定单元，配置为根据所述N组指标值，从所述N个权益份额序列中确定出目标份额序列，用于确定向任意的目标用户发放的权益份额。

根据第五方面，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或第二方面所描述的方法。

根据第六方面，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，实现第一方面或第二方面所描述的方法。

在本说明书实施例披露的权益份额的确定方法中，在利用机器学习模型预测出用户对权益份额敏感度的同时，通过引入权益份额序列，对向用户发放权益份额的次数予以考虑，从而精准确定出本次（或称当前次）向用户发放的权益份额，实现让尽可能多的用户享受到有限的权益总额，从而尽可能提高多数用户的用户体验。

另外，在本说明书实施例披露的权益份额序列的确定方法中，预先设定多个候选权益份额序列，并将其投入到业务线上进行测试，在测试过程中利用机器学习模型预测出用户对权益份额敏感度，并引入对应的候选权益份额序列，对向用户发放权益份额的次数予以考虑，从而精准确定出每次向用户发放的权益份额，进而获取在测试过程中产生的历史服务数据，用于对多个候选权益份额序列进行评估，从而确定出最优的目标权益份额序列，用于确定任意目标用户的权益发放份额，从而实现让尽可能多的用户享受到有限的权益总额，从而尽可能提高多数用户的用户体验。

附图说明

为了更清楚地说明本说明书披露的多个实施例的技术方案，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披露的多个实施例，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示出根据一个实施例的确定权益份额的实施框架图；

图2示出根据一个实施例的权益份额的确定方法流程图；

图3示出基于概率-份额曲线图确定权益发放份额的多个示例；

图4示出根据一个实施例的权益份额序列的确定方法流程图；

图5示出根据一个实施例的权益份额的确定装置结构图；

图6示出根据一个实施例的权益份额序列的确定装置结构图。

具体实施方式

下面结合附图，对本说明书披露的多个实施例进行描述。

本说明书实施例披露一种权益份额的确定方法，基于此方法，可以精准确定出每次向用户发放的权益份额，实现让尽可能多的用户享受到有限的权益总额，从而尽可能提高多数用户的用户体验。下面先对权益份额确定方法的发明构思进行介绍。

具体地，对于服务平台（如支付平台）提供的某项服务（以下或称特定服务，具体如刷脸支付服务），用户通常需要对该项服务进行多次（如5次）体验后，才能实现对该项服务的全面感知。相应地，服务平台为了吸引用户对特定服务的体验达到预定次数，可以在该预定次数内连续向用户发放权益，以使用户在享受到权益的同时，实现对特定服务的全方位了解和体验。

基于此，发明人提出一种权益份额的确定方法，在该方法中，先根据服务平台针对特定服务能够提供的有限权益总额，以及对单个用户设定的权益发放总次数K（K＞1，K∈N+），设定K次中每次针对单个用户进行权益份额发放的份额上限，对应设定的K个权益份额上限组成权益份额序列；进一步地，在确定向某个用户发放第i（i≤K，i∈N+）次权益的具体份额时，考虑该某个用户对权益份额的实时敏感度，进而根据该实时敏感度和权益份额序列中对应于第i次权益发放的权益份额上限，确定第i次向该某个用户发放权益的权益份额。如此，在利用机器学习模型预测出用户对权益份额敏感度的同时，通过引入权益份额序列，对向用户发放权益份额的次数予以考虑，从而精准确定出每次向用户发放的权益份额，实现让尽可能多的用户享受到有限的权益总额，从而尽可能提高多数用户的用户体验。

为便于直观理解，图1示出根据一个实施例的确定权益份额的实施框架图。如图1所示，对于某个被服务平台基于特定服务而圈定的目标用户中的任意一个用户，首先，确定当前次向该用户发放权益所对应的发放次数i（如2），基于所述发放次数i，从包含K（如4）个权益份额上限的权益份额序列中，选取第i个权益份额上限，进而获取与该第i个权益份额上限对应的多个可选份额（图中示出M个，且M＞1，M∈N+）；然后，针对该多个可选份额中任意的第一可选份额，将该第一可选份额和获取到的该用户的用户特征，输入预先训练的概率预测模型中，得到第一预测概率，指示所述第一用户被发放该第一可选份额后，第i+1次使用所述特定服务的可能性，依次可以得到对应于该多个可选份额的多个预测概率，反映用户当前对权益份额的敏感程度；最后，基于该多个可选份额和该多个预测概率，确定本次向该用户发放的权益份额。

下面结合具体的实施例，对上述权益份额的确定方法进行详细介绍。具体地，图2示出根据一个实施例的权益份额的确定方法流程图，所述方法的执行主体可以为任何具有计算、处理能力的服务器或设备集群等，例如，可以为提供上述特定服务的服务平台。如图2所示，所述方法包括以下步骤：

步骤S210，确定出需对第一用户进行第i次权益发放，该第一用户属于特定服务的目标用户；步骤S220，获取与该第i次权益发放对应的多个可选权益份额，其均小于权益份额序列中的第i个权益份额上限，其中权益份额序列包括针对该目标用户设定的K个权益份额上限；其中，i≤K，K＞1；步骤S230，针对该多个可选权益份额中任意的第一可选权益份额，将该第一可选权益份额和获取到的该第一用户的用户特征，输入预先训练的概率预测模型中，得到第一预测概率，指示该第一用户在被发放该第一可选权益份额后，使用该特定服务的可能性；步骤S240，基于得到的对应于该多个可选权益份额的多个预测概率，确定该第i次权益发放中需发放的第一权益份额。

针对以上步骤，首先需要说明的是，上述“第一用户”、“第一可选份额”、“第一预测概率”等中的“第一”，是为了描述地清楚简洁，用于区分同类事物，不具有其他限定作用。

以上步骤具体如下：

首先，在步骤S210，确定出需对第一用户进行第i次权益发放，该第一用户属于特定服务的目标用户，其中i不大于预定次数K，i和K均为正整数。在一个实施例中，其中发放的权益可以包括云盘存储空间、终端流量、电子书阅读权限、电子游戏装备、会员体验券、理财产品券、资金优惠券、消费红包等。在一个实施例中，上述特定服务可以包括登录服务、浏览服务、支付服务。在一个具体的实施例中，其中登录服务可以是针对某款APP或某个网站的登录服务。在一个具体的实施例中，其中浏览服务可以是针对某个或某些网页界面，或者，针对某个APP中的界面，或者针对某个公众号中内容界面的浏览服务。在一个具体的实施例中，其中支付服务可以是服务平台提供的支付服务，或者，是针对某种支付渠道或某种支付方式的支付服务。在一个例子中，其中某种支付渠道可以为储蓄卡支付、信用卡支付或理财钱包支付等。在一个例子中，其中某种支付方式可以为刷脸支付、指纹支付、虹膜支付、声音支付、密码支付等。在一个实施例中，其中K为大于1的整数，具体数值可以由工作人员根据实际经验设定，例如，设定为3、4或5等。

关于上述目标用户，在一个实施例中，可以在服务平台开展针对特定服务的权益发放活动之前，先从服务平台中的注册用户中圈定出一部分用户，归入上述目标用户。在一个具体的实施例中，可以从注册用户中确定出未曾使用过上述特定服务的多个用户，归入上述目标用户。在另一个具体的实施例中，还可以从注册用户中确定出在预定时间段内（如最近1个月内）没有使用上述特定服务的多个用户，归入上述目标用户。相应地，在本步骤S210之前，所述方法中还可以包括：获取确定出的目标用户。

在另一个实施例中，可以根据服务平台中注册用户的数量等，确定出目标用户对应的用户总数（如10万），此时，暂且不需要确定具体的目标用户。相应地，在本步骤S210之前，所述方法中还可以包括：获取上述目标用户对应的用户总数。

另一方面，需要说明，对于用户权益发放的触发方式，可以结合权益的使用方式来共同设计。在一个实施例中，可以在用户使用特定服务的当次，发放针对该当次的权益，也就是说，允许用户在该当次特定服务中直接用掉该权益，例如，支付立减。此时，可以根据用户发出的使用特定服务的请求，触发对该用户的权益发放（可以包括权益份额的确定和发放）。在另一个实施例中，可以在用户使用特定服务后，再向用户发放权益，并允许用户再次使用特定服务时使用该权益，或者，发放的权益也可以是与特定服务以外的其他服务或产品相关的。此时，可以根据用户完成对特定服务的使用的通知，触发对该用户的权益发放。在还一个实施例中，可以随机触发对用户权益的发放，以激励用户通过使用特定服务来用掉其被发放或者说获得的权益。

基于以上，在一个实施例中，本步骤中可以包括：接收上述第一用户发起的服务请求，其指示请求使用上述特定服务；基于该服务请求，确定第一用户是否属于目标用户，并在确定出该第一用户属于上述目标用户的情况下，查询出已向该第一用户发放m次权益；进一步地，在所述m小于K的情况下，判定需对所述第一用户进行第m+1次权益发放，其中m+1=i。需要理解，在确定出该第一用户不属于上述目标用户的情况下，或者，在m等于K的情况下，也就是对第一用户进行权益发放的次数已经达到预订次数K的情况下，判定不需要对第一用户进行权益发放。

在一个具体的实施例中，上述确定第一用户是否属于目标用户可以包括：确定第一用户是否为已经归入目标用户中的用户，若是，则可以判定该第一用户属于目标用户，若否，可以进一步判定归入目标用户中的用户的数量是否达到预定用户总数，若未达到，则可以将该第一用户归入目标用户，若已达到，则判定该第一用户不属于目标用户。

在另一个实施例中，本步骤中可以包括：响应于上述第一用户完成对上述特定服务的第i次使用，判定需要对该第一用户进行第i次权益发放。

在又一个实施例中，上述第一用户可以是上述预先圈选出的目标用户中任意的一个用户，相应地，本步骤中可以包括：确定出需对第一用户进行第1次权益发放，此时i=1。

由上，可以确定出需对第一用户进行第i次权益发放。接着，在步骤S220，获取与该第i次权益发放对应的多个可选权益份额，其均小于权益份额序列中的第i个权益份额上限，其中权益份额序列包括针对该目标用户设定的K个权益份额上限。

需要说明，可以根据上述预定次数K，服务平台可以提供的权益总额，上述目标用户对应的用户数量等，设定其中每次权益发放的权益份额上限，对应得到K个权益份额上限，组成权益份额序列。该权益份额序列可以由工作人员根据实际经验设定，在一个实施例中，K个权益份额上限可以是相等的。在另一个实施例中，K个权益份额上限可以是存在波动的。在又一个实施例中，K个权益份额上限可以是逐个降低的。在一个例子中，假定K=5，发放的权益是优惠红包，则设定的权益份额上限可以如下表所示：

表1

权益份额上限编号	1	2	3	4	5
						权益份额上限（元）	1.0	0.6	1.0	0.3	0.1

由此，每次权益发放都有与之对应的一个权益份额上限。比如，如表1所示，第1次权益发放对应的权益份额上限为1.0元。

基于此，在一个实施中，本步骤中可以包括：先根据确定出的第i次权益发放，确定上述权益份额序列中的第i个权益份额上限，再基于该第i个权益份额上限，确定多个可选权益份额。在一个具体的实施例中，可以基于该第i个权益份额上限，随机确定出小于该第i个权益份额上限的多个可选权益份额。在另一个具体的实施例中，可以基于该第i个权益份额上限，按照固定份额间隔进行多次取值，得到多个可选权益份额。需要理解，多个可选权益份额对应的份额个数可以是预先设定好的，如10个或20个等，也可以是变化的，如随机选定的。

在另一个实施例中，可以预先确定出与K个权益份额上限中各个权益份额上限对应的可选权益份额，相应地，也就可以预先在权益发放次数和可选权益份额之间建立映射关系。由此，在本步骤中可以包括：基于该映射关系，获取与第i次权益发放对应的多个可选权益份额。

根据一个具体的例子，假定i=3，则本步骤中可以获取与第3次权益发放对应的20个可选权益份额，具体可包括0.9、0.8等小于表1中第3个权益份额上限1.0的20个份额。

由上，可以得到与第i次权益发放对应的多个可选权益份额。然后，在步骤S230，针对该多个可选权益份额中任意的第一可选权益份额，将该第一可选权益份额和获取到的该第一用户的用户特征，输入预先训练的概率预测模型中，得到第一预测概率，指示该第一用户在被发放该第一可选权益份额后，使用该特定服务的可能性。依此，可以得到与多个可选权益份额对应的多个预测概率。

在一个实施例中，其中第一用户的用户特征可以包括用户基础信息，例如，性别、年龄、职业、地址、兴趣爱好、资产、个人信用等。在另一个实施例中，用户特征可以包括用户对上述特定服务的历史使用信息，例如，使用地点、使用次数、使用时长、使用时间段等。在还一个实施例中，用户特征还可以包括特定服务以外的其他业务场景下的历史业务数据。在一个具体的实施例中，其中历史业务数据可以包括用户在服务平台中的活跃度，例如，一天中登录或访问服务平台的时长、次数等。在另一个具体的实施例中，其中历史业务数据可以包括用户的消费特征，例如，消费金额、所消费商品的商品等。在还一个具体的实施例中，其中历史业务数据可以包括用户在特定服务（如刷脸支付）的其他同类服务（如密码支付、付款码支付）中的行为数据。

在一个实施例中，上述用户特征可以是实时获取的。在一个具体的实施例中，可以响应于上述确定出需对第一用户进行第i次权益发放，获取第一用户的用户特征。在另一个具体的实施例中，还可以是在上述获取多个可选权益份额之后，获取第一用户的用户特征。在另一个实施例中，上述用户特定也可以是定期获取的，例如，在每天晚上零点收集用户数据，更新用户特征，以待第二天使用。

在一个实施例中，上述概率预测模型的实现可以基于交叉特征网络（Deep &Cross Network，简称DCN），或深度神经网络（DeepNeuralNetworks，简称DNN），或卷积神经网络（ConvolutionalNeuralNetworks，简称CNN）等。在一个实施例中，上述概率预测模型可以是分类模型，如二分类模型。

需要说明，上述概率预测模型是预先训练得到的，其训练过程和使用过程类似，主要区别在于训练过程会利用针对样本的输出结果和样本标签确定训练损失，然后利用训练损失对模型进行参数调整，直到模型收敛或迭代至预定次数，而在使用过程中是利用训练好的模型，使用过程中模型参数不会发生变化。此外，与上述概率模型输出的预测概率相对应的，训练概率预测模型的样本标签可以是类别标签，指示用户在被发放权益后使用特定服务，或者，指示用户在被发放权益后没有使用特定服务。如此，基于预先训练好的概率预测模型，可以得到反映用户对权益份额敏感度的预测概率，或称预测使用概率。

由上，可以得到与上述多个可选权益份额对应的多个预测概率。然后，在步骤S240，基于该多个预测概率，确定该第i次权益发放中需发放的第一权益份额。

在一个实施例中，本步骤中可以包括：先确定上述多个预测概率中大于预定阈值的若干预测概率；再从若干预测概率所对应的若干可选权益份额中，选取最小份额作为上述第一权益份额。在一个具体的实施例中，其中预定阈值可以是人工设定的，如设定为0.5或0.6等。此外，上述多个预测概率均小于该预定阈值，则可以将上述第i个权益份额上限确定为第一权益份额，或者，可以将多个预测概率中的最大概率所对应的可选权益份额，确定为第一权益份额。

在另一个实施例中，本步骤中可以包括：先基于上述多个预测概率和多个可选权益份额，绘制对应的概率-份额曲线图；再基于该概率-份额曲线图，以及预设的份额选取规则，确定出小于第i个权益份额上限的某个权益份额，作为上述第一权益份额。显然，预设的份额选取规则中仍是会选取小于权益份额上限的权益份额，作为该第一权益份额。具体地，一方面，可以基于概率-份额曲线图，确定让第一用户对份额的敏感度骤然上升的点，并将该点对应的份额确定为第一权益份额。在一个具体的实施例中，其中预设的份额选取规则可以是：选取概率-份额曲线中斜率最大的一点所对应的权益份额，作为该第一权益份额，例如，参见图3中的点A，可以将该点A对应的权益份额0.5，确定为第一权益份额。在另一个具体的实施例中，预设的份额选取规则可以是：选取曲线中阶越式的间断点所对应的权益份额，作为该第一权益份额，例如，参见图3中的点B，可以将该点B对应的权益份额0.6，确定为第一权益份额。另一方面，考虑到通常随着权益份额的增加，用户使用概率会增大，然后再趋于平稳，因此，可以确定出曲线中开始趋于平稳的点，并将该点对应的份额确定为第一权益份额。在一个具体的实施例中，相应的份额选取规则可以是：从曲线中确定出斜率开始小于预定数值的转折点，再将该点所对应的权益份额，作为该第一权益份额，例如，参见图3中的点C，可以将该点C对应的权益份额0.7，确定为第一权益份额。

如此，可以确定出该第i次权益发放中需发放的第一权益份额。

需要说明，在一个实施例中，在步骤S240之后，上述方法还可以包括：向第一用户发放该第一权益份额。在一个具体的实施例中，可以向第一用户推送关于上述特定服务的介绍内容，该介绍内容中包括可供该第一用户领取的第一权益份额。在另一个具体的实施例中，在步骤S210中包括接收第一用户发起的针对特定服务的服务请求，相应地，在一个更具体的实施例中，在步骤S240之后，可以向第一用户反馈针对该服务请求的处理成功通知，并向第一用户发放该第一权益份额。在另一个更具体的实施例中，该特定服务是支付服务，在步骤S240之后，可以获取该服务请求对应的原始待支付金额，并从该原始待支付金额中减免该第一权益份额对应的金额；再基于减免后的待支付金额，完成对该服务请求的处理。如此，可以实现对该第一权益份额的发放。

综上，在本说明书实施例披露的权益份额的确定方法中，在利用机器学习模型预测出用户对权益份额敏感度的同时，通过引入权益份额序列，对向用户发放权益份额的次数予以考虑，从而精准确定出本次（或称当前次）向用户发放的权益份额，实现让尽可能多的用户享受到有限的权益总额，从而尽可能提高多数用户的用户体验。

根据另一方面的实施例，考虑到前述实施例中采用的权益份额序列是工作人员设定的，不同的权益份额序列，会影响具体确定出的权益发放份额，从而会影响用户体验。由此，发明人提出，也可先设定出多个权益份额序列，作为候选序列，然后，将该多个权益份额序列进行上线测试，从中选取出效果最优的，最能提高用户体验的权益份额序列，作为最终对广大用户使用的目标权益份额序列。

具体地，图4示出根据一个实施例的权益份额序列的确定方法流程图，所述方法的执行主体可以为任何具有计算、处理能力的服务器或设备集群等，例如，可以为提供上述特定服务的服务平台。如图4所示，所述方法包括以下步骤：

步骤S410，获取针对特定服务采集的历史服务数据，其由N组测试用户参与生成，该N组测试用户对应预设的N个候选份额序列，其中各个候选份额序列中包括对应的K个权益份额上限；其中历史服务数据包括向任意的第一测试用户发放的第一权益份额，该第一权益份额基于以下步骤而确定：步骤S411，确定出需对该第一测试用户进行第i次权益发放，该第一测试用户属于第j组测试用户；步骤S412，获取与该第i次权益发放对应的多个可选权益份额，其均小于第j个候选份额序列中的第i个权益份额上限；其中，i≤K，j≤N，N、K＞1；步骤S413，针对该多个可选权益份额中任意的第一可选权益份额，将该第一可选权益份额和获取到的该第一测试用户的用户特征，输入预先训练的概率预测模型中，得到第一预测概率，指示该第一测试用户在被发放该第一可选权益份额后，使用该特定服务的可能性；步骤S414，基于得到的对应于该多个可选权益份额的多个预测概率，确定该第i次权益发放中需发放的该第一权益份额。步骤S420，基于该历史服务数据，确定与该N个候选份额序列对应的N组指标值，其中各组指标值均对应针对该特定服务设定的若干评估指标。步骤S430，根据该N组指标值，从该N个权益份额序列中确定出目标份额序列，用于确定向任意的目标用户发放的权益份额。

以上步骤具体如下：

首先，在步骤S410，获取针对特定服务采集的历史服务数据，其由N组测试用户参与生成，该N组测试用户对应预设的N个候选份额序列。其中，N是大于1的正整数。

需要说明，N组测试用户对应预设的N个候选份额序列，也就是说，利用N组不同的测试用户（通常任意两组测试用户中不包含同一用户），对N个不同的候选份额序列进行测试。其中对任一候选份额序列的设定，可以参见前述对权益份额序列进行设定的相关描述，不作赘述。

上述历史服务数据包括向N组测试用户中任意的第一测试用户发放的第一权益份额。该第一权益份额的确定基于上述步骤S411至步骤S414实现，具体可以参见文中对图2中示出的权益份额确定方法的描述。此外，需要说明，对N组测试用户的确定可以参见前述对目标用户的确定，主要区别在于，在确定目标用户后不需要分组，而在确定测试用户后或者在确定测试用户的过程中，需要将测试用户分为N组，通常情况下，不同组测试用户中包含的用户数量是相同或相近的。另外，在一个实施例中，上述步骤S412可以包括：从所述N个候选份额序列中确定第j个候选份额序列，其对应于该第j组测试用户；确定该第j个候选份额序列中的第i个权益份额上限；基于该第i个权益份额上限，确定所述多个可选权益份额。其中i和j均为正整数。

上述历史服务数据中除了可以包括N组测试用户的权益发放情况以外，还可以包括N组测试用户在预定时间内对特定服务的使用数据，包括各次的使用记录等。

以上，可以获取针对特定服务采集的历史服务数据。接着，在步骤S420，基于该历史服务数据，确定与该N个候选份额序列对应的N组指标值，其中各组指标值均对应针对该特定服务设定的若干评估指标。

需要理解，上述历史服务数据是由N组测试用户参与生成的，因此，历史服务数据可以根据涉及的N组测试用户，划分为N份，用于确定对应组别的指标值。

在一个实施例中，上述若干评估指标中可以包括与特定服务的使用情况相关的指标，如人均使用该特定服务的次数、使用该特定服务的日均次数、使用该特定服务的日均用户数、组内用户使用该特定服务的总次数。

在一个实施例中，上述若干评估指标中可以包括与权益发放情况相关的指标，如人均单次发放权益份额、人均发放权益总额、组内用户对应的发放权益总额。

以上，可以确定与该N个候选份额序列对应的N组指标值，然后，在步骤S430，根据该N组指标值，从该N个权益份额序列中确定出目标份额序列，用于确定向任意的目标用户发放的权益份额。

在一个实施例中，本步骤中可以包括：基于预设的打分规则，根据该N组指标值对该N个权益份额序列进行评分，得到N个分数，再确定该N个分数中的最高分所对应的权益份额序列，作为该目标份额序列。在一个具体的实施例中，其中打分规则可以包括为每个指标值分配的权重系数（可以为正或负），然后，通过对各组指标值分别进行加权求和，得到对应的分数。

在另一个实施例中，本步骤中可以包括：将N组指标值中的各组指标值，分别输入预设的打分函数中，得到N个分数，再确定该N个分数中的最高分所对应的权益份额序列，作为该目标份额序列。在一个示例中，预设的打分函数可以为：分数=组内用户使用该特定服务的总次数/组内用户对应的发放权益总额。

在还一个实施例中，本步骤中可以包括：向工作人员展示该N组指标值，接收该工作人员基于N组指标值，从N个权益份额序列中确定出的序列，作为上述目标份额序列。

由上，可以确定出目标份额序列，用于确定向任意的目标用户发放的权益份额。具体如何基于目标份额序列，确定权益发放份额，可以参加前述实施例中的对权益份额的确定方法的描述，不作赘述。

综上，在本说明书实施例披露的权益份额序列的确定方法中，预先设定多个候选权益份额序列，并将其投入到业务线上进行测试，在测试过程中利用机器学习模型预测出用户对权益份额敏感度，并引入对应的候选权益份额序列，对向用户发放权益份额的次数予以考虑，从而精准确定出每次向用户发放的权益份额，进而获取在测试过程中产生的历史服务数据，用于对多个候选权益份额序列进行评估，从而确定出最优的目标权益份额序列，用于确定任意目标用户的权益发放份额，从而实现让尽可能多的用户享受到有限的权益总额，从而尽可能提高多数用户的用户体验。

以上对权益份额和权益份额序列的确定方法进行介绍，相应地，本说明书实施例还披露对应的确定装置，具体如下：

图5示出根据一个实施例的权益份额的确定装置结构图。如图5所示，该装置500中包括：

发放确定单元510，配置为确定出需对第一用户进行第i次权益发放，上述第一用户属于特定服务的目标用户；可选份额获取单元520，配置为获取与上述第i次权益发放对应的多个可选权益份额，其均小于权益份额序列中的第i个权益份额上限，其中权益份额序列包括针对上述目标用户设定的K个权益份额上限；其中，i≤K，K＞1；概率预测单元530，配置为针对上述多个可选权益份额中任意的第一可选权益份额，将该第一可选权益份额和获取到的上述第一用户的用户特征，输入预先训练的概率预测模型中，得到第一预测概率，指示上述第一用户在被发放该第一可选权益份额后，使用上述特定服务的可能性；权益份额确定单元540，配置为基于得到的对应于上述多个可选权益份额的多个预测概率，确定上述第i次权益发放中需发放的第一权益份额。

在一个实施例中，上述特定服务属于以下中的任一种：登录服务、浏览服务、支付服务。

在一个实施例中，上述发放确定单元510具体配置为：接收上述第一用户发起的服务请求，其指示请求使用上述特定服务；基于上述服务请求，查询出已向上述第一用户发放m次权益；在上述m小于K的情况下，判定需对上述第一用户进行第m+1次权益发放；其中i= m+1。

在一个具体的实施例中，上述装置500还包括请求处理单元550，配置为：获取上述服务请求对应的原始待支付金额；从上述原始待支付金额中减免上述第一权益份额对应的金额；基于减免后的待支付金额，完成对上述服务请求的处理。

在另一个具体的实施例中，上述装置还包括请求处理单元550，配置为：向上述第一用户反馈针对上述服务请求的处理成功通知；向上述第一用户发放上述第一权益份额。

在一个实施例中，上述可选份额获取单元520具体配置为：确定上述权益份额序列中的第i个权益份额上限；基于上述第i个权益份额上限，确定上述多个可选权益份额。

在一个实施例中，上述装置500还包括：特征获取单元560，配置为获取上述第一用户的用户特征。

在一个实施例中，上述用户特征包括上述用户基础信息和/或针对上述特定服务的历史使用信息；上述用户基础信息包括以下中的至少一项：性别、年龄、职业、地址、兴趣爱好，上述历史使用信息包括以下中的至少一项：使用地点、使用次数、使用时长、使用时间段。

在一个实施例中，上述权益份额确定单元540具体配置为：基于上述多个预测概率和上述多个可选权益份额，绘制对应的概率-份额曲线图；基于上述概率-份额曲线图，以及预设的份额选取规则，确定出小于上述第i个权益份额上限的某个权益份额，作为上述第一权益份额。

在一个实施例中，上述权益份额确定单元540具体配置为：确定上述多个预测概率中大于预定阈值的若干预测概率；从上述若干预测概率所对应的若干可选权益份额中，选取最小份额作为上述第一权益份额。

综上，在本说明书实施例披露的权益份额的确定装置中，在利用机器学习模型预测出用户对权益份额敏感度的同时，通过引入权益份额序列，对向用户发放权益份额的次数予以考虑，从而精准确定出本次（或称当前次）向用户发放的权益份额，实现让尽可能多的用户享受到有限的权益总额，从而尽可能提高多数用户的用户体验。

图6示出根据一个实施例的权益份额序列的确定装置结构图。如图6所示，该装置600中包括：

数据获取单元610，配置为获取针对特定服务采集的历史服务数据，其由N组测试用户参与生成，该N组测试用户对应预设的N个候选份额序列，其中各个候选份额序列中包括对应的K个权益份额上限。其中历史服务数据包括向任意的第一测试用户发放的第一权益份额，上述第一权益份额基于份额确定单元而确定，上述份额确定单元包括：发放确定模块，配置为确定出需对上述第一测试用户进行第i次权益发放，上述第一测试用户属于第j组测试用户；可选份额获取模块，配置为获取与上述第i次权益发放对应的多个可选权益份额，其均小于第j个候选份额序列中的第i个权益份额上限；其中，i≤K，j≤N，N、K＞1；概率预测模块，配置为针对上述多个可选权益份额中任意的第一可选权益份额，将该第一可选权益份额和获取到的上述第一测试用户的用户特征，输入预先训练的概率预测模型中，得到第一预测概率，指示上述第一测试用户在被发放该第一可选权益份额后，使用上述特定服务的可能性；权益份额确定模块，配置为基于得到的对应于上述多个可选权益份额的多个预测概率，确定上述第i次权益发放中需发放的上述第一权益份额。指标值确定单元620，配置为基于上述历史服务数据，确定与上述N个候选份额序列对应的N组指标值，其中各组指标值均对应针对上述特定服务设定的若干评估指标；目标序列确定单元630，配置为根据上述N组指标值，从上述N个权益份额序列中确定出目标份额序列，用于确定向任意的目标用户发放的权益份额。

在一个实施例中，上述可选份额获取模块具体配置为：从上述N个候选份额序列中确定第j个候选份额序列，其对应于上述第j组测试用户；确定上述第j个候选份额序列中的第i个权益份额上限；基于上述第i个权益份额上限，确定上述多个可选权益份额。

在一个实施例中，上述若干评估指标中包括以下中的至少一个：人均使用上述特定服务的次数、使用上述特定服务的日均次数、使用上述特定服务的日均用户数、组内用户使用上述特定服务的总次数。

在一个实施例中，上述若干评估指标中包括以下中的至少一个：人均单次发放权益份额、人均发放权益总额、组内用户对应的发放权益总额。

在一个实施例中，上述目标序列确定单元630具体配置为：基于预设的打分规则，根据上述N组指标值对上述N个权益份额序列进行评分，得到N个分数；确定上述N个分数中的最高分所对应的权益份额序列，作为上述目标份额序列。

综上，在本说明书实施例披露的权益份额序列的确定装置中，预先设定多个候选权益份额序列，并将其投入到业务线上进行测试，在测试过程中利用机器学习模型预测出用户对权益份额敏感度，并引入对应的候选权益份额序列，对向用户发放权益份额的次数予以考虑，从而精准确定出每次向用户发放的权益份额，进而获取在测试过程中产生的历史服务数据，用于对多个候选权益份额序列进行评估，从而确定出最优的目标权益份额序列，用于确定任意目标用户的权益发放份额，从而实现让尽可能多的用户享受到有限的权益总额，从而尽可能提高多数用户的用户体验。

如上，根据又一方面的实施例，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或图4所描述的方法。

根据又一方面的实施例，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或图4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，本说明书披露的多个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，对本说明书披露的多个实施例的目的、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披露的多个实施例的具体实施方式而已，并不用于限定本说明书披露的多个实施例的保护范围，凡在本说明书披露的多个实施例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披露的多个实施例的保护范围之内。

Claims (32)

1.一种权益份额的确定方法，包括：

确定出需对第一用户进行第i次权益发放，所述第一用户属于特定服务的目标用户；

获取与所述第i次权益发放对应的多个可选权益份额，其均小于权益份额序列中的第i个权益份额上限，其中权益份额序列包括针对所述目标用户设定的K个权益份额上限；其中，i≤K，K＞1；

针对所述多个可选权益份额中任意的第一可选权益份额，将该第一可选权益份额和获取到的所述第一用户的用户特征，输入预先训练的概率预测模型中，得到第一预测概率，指示所述第一用户在被发放该第一可选权益份额后，使用所述特定服务的可能性；

基于得到的对应于所述多个可选权益份额的多个预测概率，确定所述第i次权益发放中需发放的第一权益份额。

2.根据权利要求1所述的方法，其中，所述特定服务属于以下中的任一种：登录服务、浏览服务、支付服务。

3.根据权利要求1所述的方法，其中，确定出需对所述第一用户进行第i次权益发放，包括：

接收所述第一用户发起的服务请求，其指示请求使用所述特定服务；

基于所述服务请求，查询出已向所述第一用户发放m次权益；

在所述m小于K的情况下，判定需对所述第一用户进行第m+1次权益发放；其中i= m+1。

4.根据权利要求3所述的方法，其中，所述特定服务是支付服务；在确定所述第i次权益发放中需发放的第一权益份额之后，所述方法还包括：

获取所述服务请求对应的原始待支付金额；

从所述原始待支付金额中减免所述第一权益份额对应的金额；

基于减免后的待支付金额，完成对所述服务请求的处理。

5.根据权利要求3所述的方法，其中，在确定所述第i次权益发放中需发放的所述第一权益份额之后，所述方法还包括：

向所述第一用户反馈针对所述服务请求的处理成功通知；

向所述第一用户发放所述第一权益份额。

6.根据权利要求1所述的方法，其中，获取与所述第i次权益发放对应的多个可选权益份额，包括：

确定所述权益份额序列中的第i个权益份额上限；

基于所述第i个权益份额上限，确定所述多个可选权益份额。

7.根据权利要求1所述的方法，其中，在确定出需对所述第一用户进行第i次权益发放，以及，在将该第一可选权益份额和获取到的所述第一用户的用户特征，输入预先训练的概率预测模型中之前，所述方法还包括：

获取所述第一用户的用户特征。

8.根据权利要求1或7所述的方法，其中，所述用户特征包括所述用户基础信息和/或针对所述特定服务的历史使用信息；所述用户基础信息包括以下中的至少一项：性别、年龄、职业、地址、兴趣爱好，所述历史使用信息包括以下中的至少一项：使用地点、使用次数、使用时长、使用时间段。

9.根据权利要求1所述的方法，其中，基于得到的对应于所述多个可选权益份额的多个预测概率，确定所述第i次权益发放中需发放的所述第一权益份额，包括：

基于所述多个预测概率和所述多个可选权益份额，绘制对应的概率-份额曲线图；

基于所述概率-份额曲线图，以及预设的份额选取规则，确定出小于所述第i个权益份额上限的某个权益份额，作为所述第一权益份额。

10.根据权利要求1所述的方法，其中，基于得到的对应于所述多个可选权益份额的多个预测概率，确定所述第i次权益发放中需发放的所述第一权益份额，包括：

确定所述多个预测概率中大于预定阈值的若干预测概率；

从所述若干预测概率所对应的若干可选权益份额中，选取最小份额作为所述第一权益份额。

11.一种权益份额序列的确定方法，包括：

获取针对特定服务采集的历史服务数据，其由N组测试用户参与生成，该N组测试用户对应预设的N个候选份额序列，其中各个候选份额序列中包括对应的K个权益份额上限；其中历史服务数据包括向任意的第一测试用户发放的第一权益份额，所述第一权益份额基于以下步骤而确定：

确定出需对所述第一测试用户进行第i次权益发放，所述第一测试用户属于第j组测试用户；

获取与所述第i次权益发放对应的多个可选权益份额，其均小于第j个候选份额序列中的第i个权益份额上限；其中，i≤K，j≤N，N、K＞1；

针对所述多个可选权益份额中任意的第一可选权益份额，将该第一可选权益份额和获取到的所述第一测试用户的用户特征，输入预先训练的概率预测模型中，得到第一预测概率，指示所述第一测试用户在被发放该第一可选权益份额后，使用所述特定服务的可能性；

基于得到的对应于所述多个可选权益份额的多个预测概率，确定所述第i次权益发放中需发放的所述第一权益份额；

基于所述历史服务数据，确定与所述N个候选份额序列对应的N组指标值，其中各组指标值均对应针对所述特定服务设定的若干评估指标；

根据所述N组指标值，从所述N个权益份额序列中确定出目标份额序列，用于确定向任意的目标用户发放的权益份额。

12.根据权利要求11所述的方法，其中，获取与所述第i次权益发放对应的多个可选权益份额，包括：

从所述N个候选份额序列中确定第j个候选份额序列，其对应于所述第j组测试用户；

确定所述第j个候选份额序列中的第i个权益份额上限；

基于所述第i个权益份额上限，确定所述多个可选权益份额。

13.根据权利要求11所述的方法，其中，所述若干评估指标中包括以下中的至少一个：人均使用所述特定服务的次数、使用所述特定服务的日均次数、使用所述特定服务的日均用户数、组内用户使用所述特定服务的总次数。

14.根据权利要求11所述的方法，其中，所述若干评估指标中包括以下中的至少一个：人均单次发放权益份额、人均发放权益总额、组内用户对应的发放权益总额。

15.根据权利要求11所述的方法，其中，根据所述N组指标值，从所述N个权益份额序列中确定出目标份额序列，包括：

基于预设的打分规则，根据所述N组指标值对所述N个权益份额序列进行评分，得到N个分数；

确定所述N个分数中的最高分所对应的权益份额序列，作为所述目标份额序列。

16.一种权益份额的确定装置，包括：

发放确定单元，配置为确定出需对第一用户进行第i次权益发放，所述第一用户属于特定服务的目标用户；

可选份额获取单元，配置为获取与所述第i次权益发放对应的多个可选权益份额，其均小于权益份额序列中的第i个权益份额上限，其中权益份额序列包括针对所述目标用户设定的K个权益份额上限；其中，i≤K，K＞1；

概率预测单元，配置为针对所述多个可选权益份额中任意的第一可选权益份额，将该第一可选权益份额和获取到的所述第一用户的用户特征，输入预先训练的概率预测模型中，得到第一预测概率，指示所述第一用户在被发放该第一可选权益份额后，使用所述特定服务的可能性；

权益份额确定单元，配置为基于得到的对应于所述多个可选权益份额的多个预测概率，确定所述第i次权益发放中需发放的第一权益份额。

17.根据权利要求16所述的装置，其中，所述特定服务属于以下中的任一种：登录服务、浏览服务、支付服务。

18.根据权利要求16所述的装置，其中，所述发放确定单元具体配置为：

接收所述第一用户发起的服务请求，其指示请求使用所述特定服务；

基于所述服务请求，查询出已向所述第一用户发放m次权益；

在所述m小于K的情况下，判定需对所述第一用户进行第m+1次权益发放；其中i= m+1。

19.根据权利要求18所述的装置，其中，所述装置还包括请求处理单元，配置为：

获取所述服务请求对应的原始待支付金额；

从所述原始待支付金额中减免所述第一权益份额对应的金额；

基于减免后的待支付金额，完成对所述服务请求的处理。

20.根据权利要求18所述的装置，其中，所述装置还包括请求处理单元，配置为：

向所述第一用户反馈针对所述服务请求的处理成功通知；

向所述第一用户发放所述第一权益份额。

21.根据权利要求16所述的装置，其中，所述可选份额获取单元具体配置为：

确定所述权益份额序列中的第i个权益份额上限；

基于所述第i个权益份额上限，确定所述多个可选权益份额。

22.根据权利要求16所述的装置，其中，所述装置还包括：

特征获取单元，配置为获取所述第一用户的用户特征。

23.根据权利要求16或22所述的装置，其中，所述用户特征包括所述用户基础信息和/或针对所述特定服务的历史使用信息；所述用户基础信息包括以下中的至少一项：性别、年龄、职业、地址、兴趣爱好，所述历史使用信息包括以下中的至少一项：使用地点、使用次数、使用时长、使用时间段。

24.根据权利要求16所述的装置，其中，所述权益份额确定单元具体配置为：

基于所述多个预测概率和所述多个可选权益份额，绘制对应的概率-份额曲线图；

基于所述概率-份额曲线图，以及预设的份额选取规则，确定出小于所述第i个权益份额上限的某个权益份额，作为所述第一权益份额。

25.根据权利要求16所述的装置，其中，所述权益份额确定单元具体配置为：

确定所述多个预测概率中大于预定阈值的若干预测概率；

从所述若干预测概率所对应的若干可选权益份额中，选取最小份额作为所述第一权益份额。

26.一种权益份额序列的确定装置，包括：

数据获取单元，配置为获取针对特定服务采集的历史服务数据，其由N组测试用户参与生成，该N组测试用户对应预设的N个候选份额序列，其中各个候选份额序列中包括对应的K个权益份额上限；其中历史服务数据包括向任意的第一测试用户发放的第一权益份额，所述第一权益份额基于份额确定单元而确定，所述份额确定单元包括：

发放确定模块，配置为确定出需对所述第一测试用户进行第i次权益发放，所述第一测试用户属于第j组测试用户；

可选份额获取模块，配置为获取与所述第i次权益发放对应的多个可选权益份额，其均小于第j个候选份额序列中的第i个权益份额上限；其中，i≤K，j≤N，N、K＞1；

概率预测模块，配置为针对所述多个可选权益份额中任意的第一可选权益份额，将该第一可选权益份额和获取到的所述第一测试用户的用户特征，输入预先训练的概率预测模型中，得到第一预测概率，指示所述第一测试用户在被发放该第一可选权益份额后，使用所述特定服务的可能性；

权益份额确定模块，配置为基于得到的对应于所述多个可选权益份额的多个预测概率，确定所述第i次权益发放中需发放的所述第一权益份额；

指标值确定单元，配置为基于所述历史服务数据，确定与所述N个候选份额序列对应的N组指标值，其中各组指标值均对应针对所述特定服务设定的若干评估指标；

目标序列确定单元，配置为根据所述N组指标值，从所述N个权益份额序列中确定出目标份额序列，用于确定向任意的目标用户发放的权益份额。

27.根据权利要求26所述的装置，其中，所述可选份额获取模块具体配置为：

从所述N个候选份额序列中确定第j个候选份额序列，其对应于所述第j组测试用户；

确定所述第j个候选份额序列中的第i个权益份额上限；

基于所述第i个权益份额上限，确定所述多个可选权益份额。

28.根据权利要求26所述的装置，其中，所述若干评估指标中包括以下中的至少一个：人均使用所述特定服务的次数、使用所述特定服务的日均次数、使用所述特定服务的日均用户数、组内用户使用所述特定服务的总次数。

29.根据权利要求26所述的装置，其中，所述若干评估指标中包括以下中的至少一个：人均单次发放权益份额、人均发放权益总额、组内用户对应的发放权益总额。

30.根据权利要求26所述的装置，其中，所述目标序列确定单元具体配置为：

基于预设的打分规则，根据所述N组指标值对所述N个权益份额序列进行评分，得到N个分数；

确定所述N个分数中的最高分所对应的权益份额序列，作为所述目标份额序列。

31.一种计算机可读存储介质，其上存储有计算机程序，其中，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1-15中任一项的所述的方法。

32.一种计算设备，包括存储器和处理器，其中，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1-15中任一项所述的方法。

Images