CN111652635A - 资源策略信息推荐、执行状态数据、预测模型获得方法 - Google Patents

资源策略信息推荐、执行状态数据、预测模型获得方法 Download PDF

Info

Publication number
CN111652635A
CN111652635A CN202010408996.5A CN202010408996A CN111652635A CN 111652635 A CN111652635 A CN 111652635A CN 202010408996 A CN202010408996 A CN 202010408996A CN 111652635 A CN111652635 A CN 111652635A
Authority
CN
China
Prior art keywords
target
information
resource
user
entity object
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
Application number
CN202010408996.5A
Other languages
English (en)
Inventor
周小又
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lazas Network Technology Shanghai Co Ltd
Original Assignee
Lazas Network Technology Shanghai Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Lazas Network Technology Shanghai Co Ltd filed Critical Lazas Network Technology Shanghai Co Ltd
Priority to CN202010408996.5A priority Critical patent/CN111652635A/zh
Publication of CN111652635A publication Critical patent/CN111652635A/zh
Pending legal-status Critical Current

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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0234—Rebates after completed purchase

Landscapes

  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种资源策略信息的推荐方法，包括：获得目标实体对象对应的候选资源策略信息；获得当前产生的用于从候选资源策略信息中选择目标资源策略信息的随机数；根据获得的随机数与预先设置的探索概率之间的比较结果，从候选资源策略信息中，随机选择一个候选资源策略信息作为推荐给目标用户的目标资源策略信息，或者，选择针对目标实体对象的贡献数据满足预设贡献数据条件的候选资源策略信息，作为推荐给目标用户的目标资源策略信息。本申请通过随机数与预先设置的探索概率之间的比较结果，选择对应的候选资源策略信息作为推荐给目标用户的目标资源策略信息，以提升资源策略信息配置的效率，以及提升针对目标用户配置资源策略的准确度。

Description

资源策略信息推荐、执行状态数据、预测模型获得方法
技术领域
本申请涉及数据处理领域，具体涉及一种资源策略信息的推荐方法，一种执行状态数据的获得方法，一种执行状态数据预测模型的获得方法，一种资源策略信息的推荐装置，一种执行状态数据的获得装置，一种执行状态数据预测模型的获得装置，以及一种电子设备和一种计算机存储介质。
背景技术
随着电子商务的快速发展，越来越多的用户选择网上购物，例如网上订餐，网上买衣服等等。在当前的外卖平台上，资源策略是外卖平台对用户提供优惠的一种方式。资源策略是指用户在同一品牌商户下对应消费订单数量满足预设订单数，即可获得可在品牌通用的无门槛优惠券，例如，资源策略为消费满足3单可获得30元无门槛优惠券。
但是，目前的资源策略配置方式主要是采用人工配置方式，这样在品牌商户数量较多时，现有的人工配置资源策略的方式不仅降低了配置的效率，还会影响到品牌商户针对目标用户配置资源策略的准确度。
发明内容
本申请实施例提供一种资源策略信息的推荐方法，以解决现有人工配置资源策略效率较低、且针对目标用户配置资源策略的准确度较低的问题。本申请实施例另外提供一种执行状态数据的获得方法，一种执行状态数据预测模型的获得方法，一种资源策略信息的推荐装置，一种执行状态数据的获得装置，一种执行状态数据预测模型的获得装置，以及一种电子设备和一种计算机存储介质。
本申请实施例提供一种资源策略信息的推荐方法，包括：获得目标实体对象对应的候选资源策略信息；获得当前产生的用于从所述候选资源策略信息中选择目标资源策略信息的随机数；获得所述随机数与预先设置的探索概率之间的比较结果；根据所述比较结果，从所述候选资源策略信息中，随机选择一个候选资源策略信息作为推荐给目标用户的目标资源策略信息，或者，从所述候选资源策略信息中，选择针对所述目标实体对象的贡献数据满足预设贡献数据条件的候选资源策略信息，作为推荐给目标用户的目标资源策略信息，所述目标资源策略信息用于表示目标用户在满足预设策略条件时、可获得的对应于所述目标实体对象的目标资源信息。
可选的，所述获得所述随机数与预先设置的探测概率之间的比较结果，包括：获得所述随机数不高于所述探测概率的第一比较结果；相应的，所述根据所述比较结果，从所述候选资源策略信息中，随机选择一个候选资源策略信息作为推荐给目标用户的目标资源策略信息，包括：根据所述第一比较结果，从所述候选资源策略信息中，随机选择一个候选资源策略信息作为推荐给目标用户的目标资源策略信息。
可选的，所述获得所述随机数与预先设置的探测概率之间的比较结果，包括：获得所述随机数高于所述探测概率的第二比较结果；相应的，根据所述比较结果，从所述候选资源策略信息中，选择针对所述目标实体对象的贡献数据满足预设贡献数据条件的候选资源策略信息，作为推荐给目标用户的目标资源策略信息，包括：根据所述第二比较结果，从所述候选资源策略信息中，选择针对所述目标实体对象的贡献数据满足预设贡献数据条件的候选资源策略信息，作为推荐给目标用户的目标资源策略信息。
可选的，所述针对所述目标实体对象的贡献数据满足预设贡献数据条件的候选资源策略信息，为针对所述目标实体对象的贡献数据最大的候选资源策略信息。
可选的，所述针对所述目标实体对象的贡献数据为所述候选资源策略信息针对所述目标实体对象的预期平均贡献数据。
可选的，所述候选资源策略信息针对所述目标实体对象的预期平均贡献数据按照下述方式获得：Qi,n＝(Qi,n-1*(n-1)+r_curi,n)/n；其中，Qi,n为第i个候选资源策略信息针对所述目标实体对象的预期平均贡献数据，Qi,n用于表示第i个候选资源策略信息在被第n次推荐给用户后、针对所述目标实体对象的预期平均贡献数据，Qi,n-1用于表示第i个候选资源策略信息在被第n-1次推荐给用户后、针对所述目标实体对象的预期平均贡献数据，r_curi,n用于表示第i个候选资源策略信息在被第n次推荐给用户后、因第n次推荐产生的针对所述目标实体对象的预期贡献数据，所述i和n都为正整数。
可选的，如果n为1，则Qi,n-1的值为0。
可选的，如果第i个候选资源策略信息在第n次被推荐给第一用户，则所述r_curi,n根据所述第一用户针对第i个候选资源策略信息的执行状态预测数据以及第i个候选资源策略信息在被确定第n次推荐给用户的过程中产生的随机数获得。
可选的，所述r_curi,n按照下述方式获得：如果Pi,j>randomi,n，则r_curi,n＝Ri,n-1，否则，r_curi,n＝0；其中，Pi,j用于表示第j个用户针对第i个候选资源策略信息的执行状态预测数据，所述第j个用户为所述第一用户，randomi,n用于表示第i个候选资源策略信息在被确定第n次推荐给用户的过程中产生的随机数，Ri,n-1用于表示第i个候选资源策略信息在被第n-1次推荐给用户后、针对所述目标实体对象的实际平均贡献数据。
可选的，还包括：获得所述目标资源策略信息在当前被推荐给所述目标用户后、因当前推荐产生的针对所述目标实体对象的预期贡献数据；根据所述目标资源策略信息在上一次被推荐给用户后、针对所述目标实体对象的预期平均贡献数据和所述因当前推荐产生的针对所述目标实体对象的预期贡献数据，获得所述目标资源策略信息在当前被推荐给所述目标用户后、针对所述目标实体对象的预期平均贡献数据。
可选的，所述获得所述目标资源策略信息在当前被推荐给所述目标用户后、因当前推荐产生的针对所述目标实体对象的预期贡献数据，包括：根据所述目标用户针对所述目标资源策略信息的执行状态预测数据和所述当前产生的用于从所述候选资源策略信息中选择目标资源策略信息的随机数，获得所述目标资源策略信息在当前被推荐给所述目标用户后、因当前推荐产生的针对所述目标实体对象的预期贡献数据。
可选的，所述根据所述目标用户针对所述目标资源策略信息的执行状态预测数据和所述当前产生的用于从所述候选资源策略信息中选择目标资源策略信息的随机数，获得所述目标资源策略信息在当前被推荐给所述目标用户后、因当前推荐产生的针对所述目标实体对象的预期贡献数据，包括：如果所述根据所述目标用户针对所述目标资源策略信息的执行状态预测数据大于所述当前产生的用于从所述候选资源策略信息中选择目标资源策略信息的随机数，则所述目标资源策略信息在当前被推荐给所述目标用户后、因当前推荐产生的针对所述目标实体对象的预期贡献数据为所述目标资源策略信息在上一次推荐给用户后、针对所述目标实体对象的实际平均贡献数据；或者，如果所述根据所述目标用户针对所述目标资源策略信息的执行状态预测数据小于所述当前产生的用于从所述候选资源策略信息中选择目标资源策略信息的随机数，则所述目标资源策略信息在当前被推荐给所述目标用户后、因当前推荐产生的针对所述目标实体对象的预期贡献数据为预设值。
可选的，按照下述方式获得所述目标资源策略信息在上一次推荐给用户后、针对所述目标实体对象的实际平均贡献数据：Rk,n＝(Qk,n-1*(n-1)+gk,n)/n；其中，k用于表示所述目标资源策略信息的标识，n用于表示所述目标资源策略信息已被推荐给用户n次，Rk,n用于表示所述目标资源策略信息在上一次推荐给用户后、针对所述目标实体对象的实际平均贡献数据，Qk,n-1用于表示所述目标资源策略信息在被第n-1次推荐给用户后、针对所述目标实体对象的预期平均贡献数据，gk,n用于表示所述目标资源策略信息在被第n次推荐给所述目标用户后、因第n次推荐产生的针对所述目标实体对象的实际贡献数据，所述k和n都为正整数。
可选的，按照下述方式根据所述目标资源策略信息在上一次被推荐给用户后、针对所述目标实体对象的预期平均贡献数据和所述因当前推荐产生的针对所述目标实体对象的预期贡献数据，获得所述目标资源策略信息在当前被推荐给所述目标用户后、针对所述目标实体对象的预期平均贡献数据：Qk,n+1＝(Qk,n*n+r_curk,n+1)/(n+1)；其中，k用于表示所述目标资源策略信息的标识，n用于表示所述目标资源策略信息已被推荐给用户n次，Qk,n+1为所述目标资源策略信息在当前被推荐给所述目标用户后、针对所述目标实体对象的预期平均贡献数据，Qk,n用于表示在上一次被推荐给用户后、针对所述目标实体对象的预期平均贡献数据，r_curk,n+1用于表示所述目标资源策略信息在当前被推荐给所述目标用户后、因当前推荐产生的针对所述目标实体对象的预期贡献数据，所述k和n都为正整数。
可选的，还包括：如果确定所述目标资源策略信息在当前被推荐给所述目标用户后，因当前推荐已产生了针对所述目标实体对象的实际贡献数据，则根据所述目标资源策略信息在上一次被推荐给用户后、针对所述目标实体对象的预期平均贡献数据和所述目标资源策略信息在当前被推荐给所述目标用户后，因当前推荐已产生的针对所述目标实体对象的实际贡献数据，获得所述目标资源策略信息在当前被推荐给所述目标用户后，针对所述目标实体对象的实际贡献数据。
可选的，按照下述方式根据所述目标资源策略信息在上一次被推荐给用户后、针对所述目标实体对象的预期平均贡献数据和所述目标资源策略信息在当前被推荐给所述目标用户后，因当前推荐已产生的针对所述目标实体对象的实际贡献数据，获得所述目标资源策略信息在当前被推荐给所述目标用户后，针对所述目标实体对象的实际平均贡献数据：Rk,n+1＝(Qk,n*n+gk,n+1)/(n+1)；其中，k用于表示所述目标资源策略信息的标识，n用于表示所述目标资源策略信息已被推荐给用户n次，Rk,n+1用于表示所述目标资源策略信息在当前被推荐给用户后、针对所述目标实体对象的实际平均贡献数据，Qk,n用于表示所述目标资源策略信息在上一次被推荐给用户后、针对所述目标实体对象的预期平均贡献数据，gk,n+1用于表示所述目标资源策略信息在当前被推荐给所述目标用户后、因当前推荐产生的针对所述目标实体对象的实际贡献数据，所述k和n都为正整数。
可选的，还包括：在为所述目标用户推荐所述目标资源策略信息后，如果需要为第二用户推荐资源策略信息，则获得用于从所述候选资源策略信息中为所述第二用户选择第二目标资源策略信息的第二随机数；获得所述第二随机数与所述探索概率之间的比较结果；根据所述比较结果，从所述候选资源策略信息中，随机选择一个候选资源策略信息作为推荐给所述第二用户的第二目标资源策略信息，或者，从所述候选资源策略信息中，选择针对所述目标实体对象的预期平均贡献数据满足预设贡献数据条件的候选资源策略信息，作为推荐给所述第二用户的第二目标资源策略信息。
可选的，所述目标实体对象为目标商户，所述预设策略条件为预设消费条件，所述目标资源信息为目标优惠信息，所述针对所述目标实体对象的贡献数据为能够为所述目标商户带来的预期平均收益数据。
本申请实施例还提供一种执行状态数据的获得方法，包括：获得目标用户的特征信息、目标实体对象的特征信息和对应于所述目标实体对象的目标资源策略信息；将所述目标用户的特征信息、所述目标实体对象的特征信息和所述目标资源策略信息输入到执行状态数据预测模型中，获得所述目标用户针对所述目标资源策略信息的执行状态预测数据，所述执行状态数据预测模型用于根据用户特征信息、实体对象特征信息和对应于实体对象的资源策略信息，预测用户针对资源策略信息的执行状态预测数据，所述目标资源策略信息用于表示目标用户在满足预设策略条件时、可获得的对应于所述目标实体对象的目标资源信息。
可选的，所述目标实体对象为目标商户，所述预设策略条件为预设消费条件，所述目标资源信息为目标优惠信息，所述目标用户针对所述目标资源策略信息的执行状态预测数据为所述目标用户满足预设消费条件的概率。
本申请实施例还提供一种执行状态数据预测模型的获得方法，包括：获得用户特征信息样本、实体对象特征信息样本、资源策略信息样本和用户针对资源策略信息样本的执行状态样本数据；根据所述用户特征信息样本、所述实体对象特征信息样本、所述资源策略信息样本和所述执行状态样本数据，生成执行状态数据预测模型，所述执行状态数据预测模型用于根据用户特征信息、实体对象特征信息和对应于实体对象的资源策略信息，预测用户针对资源策略信息的执行状态预测数据，所述资源策略信息用于表示用户在满足预设策略条件时、可获得的对应于实体对象的资源信息。
可选的，所述实体对象特征信息样本是对应于实体对象样本的特征信息样本，所述资源策略信息样本是对应于所述实体对象样本的资源策略样本；所述方法还包括：获得所述实体对象样本对应的订单数据；根据所述实体对象样本对应的订单数据，获得用户针对资源策略信息样本的执行状态样本数据。
可选的，所述实体对象为商户，所述预设策略条件为预设消费条件，所述资源信息为优惠信息，所述用户针对所述资源策略信息的执行状态预测数据为所述用户满足预设消费条件的概率，所述用户针对资源策略信息样本的执行状态样本数据为用户针对资源策略信息样本是否满足预设消费条件的结果。
本申请实施例还提供一种资源策略信息的推荐装置，包括：候选资源策略信息获得单元，用于获得目标实体对象对应的候选资源策略信息；随机数获得单元，用于获得当前产生的用于从所述候选资源策略信息中选择目标资源策略信息的随机数；比较结果获得单元，用于获得所述随机数与预先设置的探索概率之间的比较结果；目标资源策略信息确定单元，用于根据所述比较结果，从所述候选资源策略信息中，随机选择一个候选资源策略信息作为推荐给目标用户的目标资源策略信息，或者，从所述候选资源策略信息中，选择针对所述目标实体对象的贡献数据满足预设贡献数据条件的候选资源策略信息，作为推荐给目标用户的目标资源策略信息，所述目标资源策略信息用于表示目标用户在满足预设策略条件时、可获得的对应于所述目标实体对象的目标资源信息。
本申请实施例还提供一种执行状态数据的获得装置，包括：信息获得单元，用于获得目标用户的特征信息、目标实体对象的特征信息和对应于所述目标实体对象的目标资源策略信息；执行状态预测数据获得单元，用于将所述目标用户的特征信息、所述目标实体对象的特征信息和所述目标资源策略信息输入到执行状态数据预测模型中，获得所述目标用户针对所述目标资源策略信息的执行状态预测数据，所述执行状态数据预测模型用于根据用户特征信息、实体对象特征信息和对应于实体对象的资源策略信息，预测用户针对资源策略信息的执行状态预测数据，所述目标资源策略信息用于表示目标用户在满足预设策略条件时、可获得的对应于所述目标实体对象的目标资源信息。
本申请实施例还提供一种执行状态数据预测模型的获得装置，包括：信息样本获得单元，用于获得用户特征信息样本、实体对象特征信息样本、资源策略信息样本和用户针对资源策略信息样本的执行状态样本数据；执行状态数据预测模型生成单元，用于根据所述用户特征信息样本、所述实体对象特征信息样本、所述资源策略信息样本和所述执行状态样本数据，生成执行状态数据预测模型，所述执行状态数据预测模型用于根据用户特征信息、实体对象特征信息和对应于实体对象的资源策略信息，预测用户针对资源策略信息的执行状态预测数据，所述资源策略信息用于表示用户在满足预设策略条件时、可获得的对应于实体对象的资源信息。
本申请实施例还提供一种电子设备，所述电子设备包括：处理器；存储器，用于存储计算机程序，该计算机程序被处理器运行，执行上述所述的方法。
本申请实施例还提供一种计算机存储介质，所述计算机存储介质存储有计算机程序，该计算机程序被处理器运行，执行上述所述的方法。
与现有技术相比，本申请实施例具有以下优点:
本申请实施例提供一种资源策略信息的推荐方法，包括：获得目标实体对象对应的候选资源策略信息；获得当前产生的用于从所述候选资源策略信息中选择目标资源策略信息的随机数；获得所述随机数与预先设置的探索概率之间的比较结果；根据所述比较结果，从所述候选资源策略信息中，随机选择一个候选资源策略信息作为推荐给目标用户的目标资源策略信息，或者，从所述候选资源策略信息中，选择针对所述目标实体对象的贡献数据满足预设贡献数据条件的候选资源策略信息，作为推荐给目标用户的目标资源策略信息，所述目标资源策略信息用于表示目标用户在满足预设策略条件时、可获得的对应于所述目标实体对象的目标资源信息。本申请实施例通过随机数与预先设置的探索概率之间的比较结果，选择对应的候选资源策略信息作为推荐给目标用户的目标资源策略信息，以提升资源策略信息配置的效率，以及提升针对目标用户配置资源策略的准确度。
本申请实施例提供一种执行状态数据的获得方法，包括：获得目标用户的特征信息、目标实体对象的特征信息和对应于所述目标实体对象的目标资源策略信息；将所述目标用户的特征信息、所述目标实体对象的特征信息和所述目标资源策略信息输入到执行状态数据预测模型中，获得所述目标用户针对所述目标资源策略信息的执行状态预测数据，所述执行状态数据预测模型用于根据用户特征信息、实体对象特征信息和对应于实体对象的资源策略信息，预测用户针对资源策略信息的执行状态预测数据，所述目标资源策略信息用于表示目标用户在满足预设策略条件时、可获得的对应于所述目标实体对象的目标资源信息。本申请实施例通过将目标用户的特征信息、所述目标实体对象的特征信息和所述目标资源策略信息输入到执行状态数据预测模型中，获得所述目标用户针对所述目标资源策略信息的执行状态预测数据，从而基于执行状态预测数据，在将目标资源策略信息推荐给用户后，使得资源策略信息配置的效率得以提升，还提升了针对目标用户配置资源策略的准确度。
本申请实施例提供一种执行状态数据预测模型的获得方法，包括：获得用户特征信息样本、实体对象特征信息样本、资源策略信息样本和用户针对资源策略信息样本的执行状态样本数据；根据所述用户特征信息样本、所述实体对象特征信息样本、所述资源策略信息样本和所述执行状态样本数据，生成执行状态数据预测模型，所述执行状态数据预测模型用于根据用户特征信息、实体对象特征信息和对应于实体对象的资源策略信息，预测用户针对资源策略信息的执行状态预测数据，所述资源策略信息用于表示用户在满足预设策略条件时、可获得的对应于实体对象的资源信息。本申请实施例由于在执行状态数据预测模型中，引入用户特征信息样本、实体对象特征信息样本、资源策略信息样本和用户针对资源策略信息样本的执行状态样本数据作为输入，能够从更全面的维度预测用户针对资源策略信息的执行状态预测数据，从而基于执行状态预测数据，在将目标资源策略信息推荐给用户后，使得资源策略信息配置的效率得以提升，还提升了针对目标用户配置资源策略的准确度。
附图说明
图1-A是本申请第一实施例提供的应用场景的示意图。
图1为本申请第一实施例提供的资源策略信息的推荐方法的流程图。
图2为本申请第二实施例提供的执行状态数据的获得方法的流程图。
图3为本申请第三实施例提供的执行状态数据预测模型的获得方法的流程图。
图4为本申请第四实施例提供的资源策略信息的推荐装置的示意图。
图5为本申请第五实施例提供的执行状态数据的获得装置的示意图。
图6为本申请第六实施例提供的执行状态数据预测模型的获得装置的示意图。
图7为本申请第七实施例提供的电子设备的示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请实施例。但是本申请实施例能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请实施例内涵的情况下做类似推广，因此本申请实施例不受下面公开的具体实施的限制。
为了使本领域的技术人员更好的理解本申请方案，下面基于本申请提供的资源策略信息的推荐方法对其实施例的具体应用场景进行详细描述，如图1-A所示，其为本申请第一实施例提供的应用场景的示意图。
具体的，该应用场景为外卖场景。目标用户通过自己使用的客户端获得目标资源策略信息，该客户端可以是手机、平板电脑等。该目标资源策略信息由服务器发送至客户端以为目标用户呈现。目标用户通过自己使用的客户端可以获得目标实体对象的具体信息，例如“aa店”，并在该店的附页信息上展示出为目标用户提供的目标资源策略信息，例如，目标资源策略信息为满3单可享30元无门槛点券。其中，为了使得为目标用户提供的目标资源策略信息既能够满足目标用户的需求，还可以增加外卖平台的收益。服务器一般会获得目标实体对象对应的候选资源策略信息，该候选资源策略信息为多个，例如候选资源策略信息a为满3单可享30元无门槛点券，候选资源策略信息b为满3单可享20元无门槛点券，候选资源策略信息c为满5单可享50元无门槛点券，候选资源策略信息d为满4单可享40元无门槛点券，候选资源策略信息e为满3单可享25元无门槛点券等等。而后，获得当前产生的用于从候选资源策略信息中选择目标资源策略信息的随机数，即，当前随机产生一个数作为随机数。通过该随机数与预先设置的探索概率之间的比较，获得该随机数与预先设置的探索概率之间的比较结果。其中，预先设置的探索概率可以设置为0.1。当然，在其它场景中，预先设置的探索概率可以根据实际需求进行设定，本场景对此不作具体的限定。最后，获得所述随机数不高于所述探索概率的第一比较结果，根据所述第一比较结果，从所述候选资源策略信息中，随机选择一个候选资源策略信息作为推荐给目标用户的目标资源策略信息。例如，随机选择候选资源策略信息b为满3单可享20元无门槛点券作为目标用户的目标资源策略信息，即在客户端的附页展示的目标资源策略信息具体为满3单可享20元无门槛点券。或者，获得所述随机数高于所述探索概率的第二比较结果，根据所述第二比较结果，从所述候选资源策略信息中，选择针对所述目标实体对象的贡献数据满足预设贡献数据条件的候选资源策略信息，作为推荐给目标用户的目标资源策略信息。其中，目标实体对象的贡献数据具体包括选择候选资源策略信息a的贡献数据Ra＝50，选择候选资源策略信息b的贡献数据Rb＝60，选择候选资源策略信息c的贡献数据Rc＝70，选择候选资源策略信息d的贡献数据Rd＝80，选择候选资源策略信息e的贡献数据Re＝100。若将预设贡献数据条件设置为当前的贡献数据最大，则选择候选资源策略信息e为满3单可享25元无门槛点券作为目标用户的目标资源策略信息，即在客户端的附页展示的目标资源策略信息具体为满3单可享25元无门槛点券。
需要说明的是，应用场景仅仅是应用场景的一个实施例，提供此应用场景实施例的目的是便于理解本申请的资源策略信息的推荐方法，而并非用于限定本申请的资源策略信息的推荐方法。
以下，通过不同的实施例分别对本申请提供的资源策略信息的推荐方法、执行状态数据的获得方法以及执行状态数据预测模型的获得方法进行详细描述。
如图1所示，其为本申请第一实施例提供的一种资源策略信息的推荐方法的流程图。所述方法包括如下步骤。
步骤S101：获得目标实体对象对应的候选资源策略信息。
在本步骤，实体对象为商户，则目标实体对象是指目标商户，例如“aa店”。目标实体对象对应的候选资源策略信息是指用户在同一品牌商户下对应消费订单数量满足预设订单数，即可获得可在品牌通用的无门槛优惠券。例如，候选资源策略信息为满3单可享30元无门槛点券。其中，在本申请第一实施例中，候选资源策略信息可以为多个，例如，候选资源策略信息a为满3单可享30元无门槛点券，候选资源策略信息b为满3单可享20元无门槛点券，候选资源策略信息c为满5单可享50元无门槛点券，候选资源策略信息d为满4单可享40元无门槛点券，候选资源策略信息e为满3单可享25元无门槛点券等等。
步骤S102：获得当前产生的用于从所述候选资源策略信息中选择目标资源策略信息的随机数。
在本步骤中，用于从候选资源策略信息中选择目标资源策略信息的随机数是当前随机产生的。
步骤S103：获得所述随机数与预先设置的探索概率之间的比较结果。
在获得当前产生的用于从候选资源策略信息中选择目标资源策略信息的随机数后，获得该随机数与预先设置的探索概率之间的比较结果。其中，预先设置的探索概率可以根据实际需求进行设定，本申请第一实施例可以将预先设置的探索概率设置为0.1。
在本步骤中，获得所述随机数与预先设置的探索概率之间的比较结果，包括：获得所述随机数不高于所述探索概率的第一比较结果。或者获得所述随机数高于所述探索概率的第二比较结果。
步骤S104：根据所述比较结果，从所述候选资源策略信息中，随机选择一个候选资源策略信息作为推荐给目标用户的目标资源策略信息，或者，从所述候选资源策略信息中，选择针对所述目标实体对象的贡献数据满足预设贡献数据条件的候选资源策略信息，作为推荐给目标用户的目标资源策略信息，所述目标资源策略信息用于表示目标用户在满足预设策略条件时、可获得的对应于所述目标实体对象的目标资源信息。
在获得所述随机数不高于所述探索概率的第一比较结果和获得所述随机数高于所述探索概率的第二比较结果后，根据第一比较结果、第二比较结果对应从候选资源策略信息中获取推荐给目标用户的目标资源策略信息。
具体的，根据所述第一比较结果，从所述候选资源策略信息中，随机选择一个候选资源策略信息作为推荐给目标用户的目标资源策略信息。或者，根据所述第二比较结果，从所述候选资源策略信息中，选择针对所述目标实体对象的贡献数据满足预设贡献数据条件的候选资源策略信息，作为推荐给目标用户的目标资源策略信息。举例说明，如果产生的随机数为0.05，预先设置的探索概率为0.1，可知随机数为0.05小于预先设置的探索概率为0.1，即获得所述随机数不高于所述探索概率的第一比较结果，从而根据获得的第一比较结果，从所述候选资源策略信息中，随机选择一个候选资源策略信息作为推荐给目标用户的目标资源策略信息。例如，随机选择候选资源策略信息b为满3单可享20元无门槛点券作为目标用户的目标资源策略信息，在本申请实施例中，为了区别候选资源策略信息和目标资源策略信息，则目标资源策略信息为目标优惠信息，即目标资源策略信息为享20元无门槛点券。如果产生的随机数为0.15，预先设置的探索概率为0.1，可知随机数为0.15大于预先设置的探索概率为0.1，即获得所述随机数高于所述探索概率的第二比较结果，从而第二比较结果，从候选资源策略信息中，选择针对所述目标实体对象的贡献数据满足预设贡献数据条件的候选资源策略信息，作为推荐给目标用户的目标资源策略信息。其中，预设策略条件为预设消费条件，对应于上述，该预设消费条件即为用户在商户消费的次数。针对所述目标实体对象的贡献数据为能够为所述目标商户带来的预期平均收益数据。
在本步骤中，目标实体对象的贡献数据可以通过候选资源策略信息得到。具体为，获得候选资源策略信息和获得推荐给用户该候选资源策略信息的次数，从而得到针对目标实体对象推荐对应候选资源策略信息后对应的贡献数据。例如，推荐了候选资源策略信息a，且推荐了10次。候选资源策略信息a为满3单可享30元无门槛点券，其中，假设满3单的贡献数据计为100元，则在推荐了10次的候选资源策略信息a后，其对应的目标实体对象的贡献数据1000元。同样的，假设可获得选择候选资源策略信息b的贡献数据为1500元，选择候选资源策略信息c的贡献数据2000元，选择候选资源策略信息d的贡献数据3000元，选择候选资源策略信息e的贡献数据2500元。
在本步骤中，预设贡献数据条件可以是贡献数据最大，或者贡献数据设置为指定阈值等等，本申请第一实施例对预设贡献数据条件不作具体的限定。对应于上述，针对所述目标实体对象的贡献数据满足预设贡献数据条件的候选资源策略信息，为针对所述目标实体对象的贡献数据最大的候选资源策略信息。例如，候选资源策略信息a的贡献数据1000元、候选资源策略信息b的贡献数据为1500元、候选资源策略信息c的贡献数据2000元、候选资源策略信息d的贡献数据3000元、候选资源策略信息e的贡献数据2500元，从而获得的目标实体对象的贡献数据最大的候选资源策略信息为候选资源策略信息e。
在本申请第一实施例中，针对所述目标实体对象的贡献数据为所述候选资源策略信息针对所述目标实体对象的预期平均贡献数据。预期平均贡献数据是指某个策略信息可以为实体对象带来的平均收益，具体为，该某个策略信息被用户选了多少次，预计该策略信息被选了该次数后，可以为改实体对象带来的预期总收益，除以该策略信息被选的次数，即为该策略信息对实体对象带来的预期平均收益。具体的，候选资源策略信息针对所述目标实体对象的预期平均贡献数据按照下述方式获得：
Qi,n＝(Qi,n-1*(n-1)+r_curi,n)/n；
其中，Qi,n为第i个候选资源策略信息针对所述目标实体对象的预期平均贡献数据，Qi,n用于表示第i个候选资源策略信息在被第n次推荐给用户后、针对所述目标实体对象的预期平均贡献数据，Qi,n-1用于表示第i个候选资源策略信息在被第n-1次推荐给用户后、针对所述目标实体对象的预期平均贡献数据，r_curi,n用于表示第i个候选资源策略信息在被第n次推荐给用户后、因第n次推荐产生的针对所述目标实体对象的预期贡献数据，所述i和n都为正整数。其中，第i个候选资源策略信息在被第n次推荐给用户，该用户可以是目标用户、也可以是用户a，用户b等。其中，如果n为1，则Qi,n-1的值为0，Qi,n-1的值为0也可以理解为Qi,n的初始值。在本申请第一实施例中，如果第i个候选资源策略信息在第n次被推荐给第一用户，则所述r_curi,n根据所述第一用户针对第i个候选资源策略信息的执行状态预测数据以及第i个候选资源策略信息在被确定第n次推荐给用户的过程中产生的随机数获得。在本步骤中，所述r_curi,n按照下述方式获得：如果Pi,j>randomi,n，则r_curi,n＝Ri,n-1，否则，r_curi,n＝0；其中，Pi,j用于表示第j个用户针对第i个候选资源策略信息的执行状态预测数据，所述第j个用户为所述第一用户，randomi,n用于表示第i个候选资源策略信息在被确定第n次推荐给用户的过程中产生的随机数，Ri,n-1用于表示第i个候选资源策略信息在被第n-1次推荐给用户后、针对所述目标实体对象的实际平均贡献数据。
进一步的，在获得目标用户的目标资源策略信息后，获得目标资源策略信息在当前被推荐给目标用户后、因当前推荐产生的针对目标实体对象的预期贡献数据。具体的，根据目标用户针对目标资源策略信息的执行状态预测数据和当前产生的用于从候选资源策略信息中选择目标资源策略信息的随机数，获得目标资源策略信息在当前被推荐给所述目标用户后、因当前推荐产生的针对所述目标实体对象的预期贡献数据。进一步解释说明，如果根据所述目标用户针对目标资源策略信息的执行状态预测数据大于当前产生的用于从候选资源策略信息中选择目标资源策略信息的随机数，则目标资源策略信息在当前被推荐给所述目标用户后、因当前推荐产生的针对所述目标实体对象的预期贡献数据为所述目标资源策略信息在上一次推荐给用户后、针对所述目标实体对象的实际平均贡献数据；或者，如果所述根据所述目标用户针对所述目标资源策略信息的执行状态预测数据小于所述当前产生的用于从所述候选资源策略信息中选择目标资源策略信息的随机数，则所述目标资源策略信息在当前被推荐给所述目标用户后、因当前推荐产生的针对所述目标实体对象的预期贡献数据为预设值。在本申请第一实施例中，该预设值可以为0。
其中，获得所述目标资源策略信息在上一次推荐给用户后、针对所述目标实体对象的实际平均贡献数据可以按照下述方式获得：
Rk,n＝(Qk,n-1*(n-1)+gk,n)/n；
其中，k用于表示所述目标资源策略信息的标识，n用于表示所述目标资源策略信息已被推荐给用户n次，Rk,n用于表示所述目标资源策略信息在上一次推荐给用户后、针对所述目标实体对象的实际平均贡献数据，Qk,n-1用于表示所述目标资源策略信息在被第n-1次推荐给用户后、针对所述目标实体对象的预期平均贡献数据，gk,n用于表示所述目标资源策略信息在被第n次推荐给所述目标用户后、因第n次推荐产生的针对所述目标实体对象的实际贡献数据，所述k和n都为正整数。
其中，根据所述目标资源策略信息在上一次被推荐给用户后、针对所述目标实体对象的预期平均贡献数据和所述因当前推荐产生的针对所述目标实体对象的预期贡献数据，获得所述目标资源策略信息在当前被推荐给所述目标用户后、针对所述目标实体对象的预期平均贡献数据按照下述方式进行：
Qk,n+1＝(Qk,n*n+r_curk,n+1)/(n+1)；
其中，k用于表示所述目标资源策略信息的标识，n用于表示所述目标资源策略信息已被推荐给用户n次，Qk,n+1为所述目标资源策略信息在当前被推荐给所述目标用户后、针对所述目标实体对象的预期平均贡献数据，Qk,n用于表示在上一次被推荐给用户后、针对所述目标实体对象的预期平均贡献数据，r_curk,n+1用于表示所述目标资源策略信息在当前被推荐给所述目标用户后、因当前推荐产生的针对所述目标实体对象的预期贡献数据，所述k和n都为正整数。
在为所述目标用户推荐所述目标资源策略信息后，如果需要为第二用户推荐资源策略信息，则获得用于从所述候选资源策略信息中为所述第二用户选择第二目标资源策略信息的第二随机数；获得所述第二随机数与所述探索概率之间的比较结果；根据所述比较结果，从所述候选资源策略信息中，随机选择一个候选资源策略信息作为推荐给所述第二用户的第二目标资源策略信息，或者，从所述候选资源策略信息中，选择针对所述目标实体对象的预期平均贡献数据满足预设贡献数据条件的候选资源策略信息，作为推荐给所述第二用户的第二目标资源策略信息。
在本申请第一实施例中，如果确定所述目标资源策略信息在当前被推荐给所述目标用户后，因当前推荐已产生了针对所述目标实体对象的实际贡献数据，则根据所述目标资源策略信息在上一次被推荐给用户后、针对所述目标实体对象的预期平均贡献数据和所述目标资源策略信息在当前被推荐给所述目标用户后，因当前推荐已产生的针对所述目标实体对象的实际贡献数据，获得所述目标资源策略信息在当前被推荐给所述目标用户后，针对所述目标实体对象的实际贡献数据。具体按照如下方式获得：
Rk,n+1＝(Qk,n*n+gk,n+1)/(n+1)；
其中，k用于表示所述目标资源策略信息的标识，n用于表示所述目标资源策略信息已被推荐给用户n次，Rk,n+1用于表示所述目标资源策略信息在当前被推荐给用户后、针对所述目标实体对象的实际平均贡献数据，Qk,n用于表示所述目标资源策略信息在上一次被推荐给用户后、针对所述目标实体对象的预期平均贡献数据，gk,n+1用于表示所述目标资源策略信息在当前被推荐给所述目标用户后、因当前推荐产生的针对所述目标实体对象的实际贡献数据，所述k和n都为正整数。
在本申请第一实施例中，若所述方法应用于目标实体对象使用的计算设备，则所述方法还包括：将获得的所述目标用户的目标资源策略信息发送给用于展示资源策略信息的所述目标用户所使用的计算设备。若所述方法应用于网络平台，则所述方法还包括：将获得的所述目标用户的目标资源策略信息发送给用于存储资源策略信息的所述目标实体对象所使用的计算设备。在所述目标实体对象所使用的计算设备获得所述目标用户的目标资源策略信息后，将获得的所述目标用户的目标资源策略信息发送给用于展示资源策略信息的所述目标用户所使用的计算设备。可以理解的是，在目标实体对象所使用的计算设备获得所述目标用户的目标资源策略信息之前，还包括：向所述网络平台发送适用于所述目标用户的目标资源策略信息的请求消息，以通过该请求消息获得目标用户的目标资源策略信息。
本申请第一实施例提供一种资源策略信息的推荐方法，包括：获得目标实体对象对应的候选资源策略信息；获得当前产生的用于从所述候选资源策略信息中选择目标资源策略信息的随机数；获得所述随机数与预先设置的探索概率之间的比较结果；根据所述比较结果，从所述候选资源策略信息中，随机选择一个候选资源策略信息作为推荐给目标用户的目标资源策略信息，或者，从所述候选资源策略信息中，选择针对所述目标实体对象的贡献数据满足预设贡献数据条件的候选资源策略信息，作为推荐给目标用户的目标资源策略信息，所述目标资源策略信息用于表示目标用户在满足预设策略条件时、可获得的对应于所述目标实体对象的目标资源信息。本申请第一实施例通过随机数与预先设置的探索概率之间的比较结果，选择对应的候选资源策略信息作为推荐给目标用户的目标资源策略信息，以提升资源策略信息配置的效率，以及提升针对目标用户配置资源策略的准确度。
在以上描述中，提供了一种资源策略信息的推荐方法，本申请还提供了执行状态数据的获得方法。请参考图2，其为本申请第二实施例提供一种执行状态数据的获得方法的流程图，具体步骤如下。
步骤S201：获得目标用户的特征信息、目标实体对象的特征信息和对应于所述目标实体对象的目标资源策略信息。
在本步骤中，目标用户的特征信息至少包括以下信息的一种：目标用户使用资源策略的数量、目标用户完成资源策略的时长、目标用户使用资源策略对应的实体对象的位置信息。目标实体对象的特征信息至少包括以下信息的一种：目标实体对象发放资源策略的数量、发放资源策略的种类、核销资源策略的数量。
在本步骤中，获得目标实体对象的目标资源策略信息可以通过上述本申请第一实施例的方法获得，故在此不作重复解释说明。
步骤S202：将所述目标用户的特征信息、所述目标实体对象的特征信息和所述目标资源策略信息输入到执行状态数据预测模型中，获得所述目标用户针对所述目标资源策略信息的执行状态预测数据，所述执行状态数据预测模型用于根据用户特征信息、实体对象特征信息和对应于实体对象的资源策略信息，预测用户针对资源策略信息的执行状态预测数据，所述目标资源策略信息用于表示目标用户在满足预设策略条件时、可获得的对应于所述目标实体对象的目标资源信息。
其中，目标实体对象为目标商户，预设策略条件为预设消费条件，目标资源信息为目标优惠信息，所述目标用户针对所述目标资源策略信息的执行状态预测数据为所述目标用户满足预设消费条件的概率。
在本申请第二实施例中，若所述方法应用于网络平台，则所述方法还包括：获得所述目标用户针对所述目标资源策略信息的执行状态预测数据发送给用于存储执行状态预测数据的所述目标实体对象所使用的计算设备。可以理解的是，在目标实体对象所使用的计算设备获得目标用户针对所述目标资源策略信息的执行状态预测数据之前，还包括：向所述网络平台发送针对获得目标用户针对所述目标资源策略信息的执行状态预测数据的请求消息，以通过该请求消息获得目标用户的目标资源策略信息。
本申请第二实施例提供一种执行状态数据的获得方法，包括：获得目标用户的特征信息、目标实体对象的特征信息和对应于所述目标实体对象的目标资源策略信息；将所述目标用户的特征信息、所述目标实体对象的特征信息和所述目标资源策略信息输入到执行状态数据预测模型中，获得所述目标用户针对所述目标资源策略信息的执行状态预测数据，所述执行状态数据预测模型用于根据用户特征信息、实体对象特征信息和对应于实体对象的资源策略信息，预测用户针对资源策略信息的执行状态预测数据，所述目标资源策略信息用于表示目标用户在满足预设策略条件时、可获得的对应于所述目标实体对象的目标资源信息。本申请第二实施例通过将目标用户的特征信息、所述目标实体对象的特征信息和所述目标资源策略信息输入到执行状态数据预测模型中，获得所述目标用户针对所述目标资源策略信息的执行状态预测数据，从而基于执行状态预测数据，在将目标资源策略信息推荐给用户后，使得资源策略信息配置的效率得以提升，还提升了针对目标用户配置资源策略的准确度。
在以上描述中，提供了一种执行状态数据的获得方法，与上述执行状态数据的获得方法相对应，本申请还提供了执行状态数据预测模型的获得方法。请参考图3，其为本申请第三实施例提供一种执行状态数据预测模型的获得方法的流程图，具体步骤如下。
步骤S301：获得用户特征信息样本、实体对象特征信息样本、资源策略信息样本和用户针对资源策略信息样本的执行状态样本数据。
在本步骤，实体对象特征信息样本是对应于实体对象样本的特征信息样本，所述资源策略信息样本是对应于所述实体对象样本的资源策略样本。获得用户针对资源策略信息样本的执行状态样本数据具体包括，获得所述实体对象样本对应的订单数据，根据所述实体对象样本对应的订单数据，获得用户针对资源策略信息样本的执行状态样本数据。
步骤S302：根据所述用户特征信息样本、所述实体对象特征信息样本、所述资源策略信息样本和所述执行状态样本数据，生成执行状态数据预测模型，所述执行状态数据预测模型用于根据用户特征信息、实体对象特征信息和对应于实体对象的资源策略信息，预测用户针对资源策略信息的执行状态预测数据，所述资源策略信息用于表示用户在满足预设策略条件时、可获得的对应于实体对象的资源信息。
其中，实体对象为商户，所述预设策略条件为预设消费条件，所述资源信息为优惠信息，所述用户针对所述资源策略信息的执行状态预测数据为所述用户满足预设消费条件的概率，所述用户针对资源策略信息样本的执行状态样本数据为用户针对资源策略信息样本是否满足预设消费条件的结果。
在本申请第三实施例中，若所述方法应用于网络平台，则所述方法还包括：目标实体对象所使用的计算设备向网络平台发送生成执行状态数据预测模型的请求，并在所述网络平台生成执行状态数据预测模型后，将所述执行状态数据预测模型发送给目标实体对象所使用的计算设备，以使得目标实体对象所使用的计算设备可以通过执行状态数据预测模型根据用户特征信息、实体对象特征信息和对应于实体对象的资源策略信息，预测用户针对资源策略信息的执行状态预测数据。
本申请第三实施例提供一种执行状态数据预测模型的获得方法，包括：获得用户特征信息样本、实体对象特征信息样本、资源策略信息样本和用户针对资源策略信息样本的执行状态样本数据；根据所述用户特征信息样本、所述实体对象特征信息样本、所述资源策略信息样本和所述执行状态样本数据，生成执行状态数据预测模型，所述执行状态数据预测模型用于根据用户特征信息、实体对象特征信息和对应于实体对象的资源策略信息，预测用户针对资源策略信息的执行状态预测数据，所述资源策略信息用于表示用户在满足预设策略条件时、可获得的对应于实体对象的资源信息。本申请第三实施例由于在执行状态数据预测模型中，引入用户特征信息样本、实体对象特征信息样本、资源策略信息样本和用户针对资源策略信息样本的执行状态样本数据作为输入，能够从更全面的维度预测用户针对资源策略信息的执行状态预测数据，从而基于执行状态预测数据，在将目标资源策略信息推荐给用户后，使得资源策略信息配置的效率得以提升，还提升了针对目标用户配置资源策略的准确度。
在上述的本申请第一实施例中，提供了一种资源策略信息的推荐方法，与之相对应的，本申请提供一种资源策略信息的推荐装置。如图4所示，其为本申请第四实施例提供的一种资源策略信息的推荐装置的示意图。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。本申请第四实施例提供一种资源策略信息的推荐装置，包括：候选资源策略信息获得单元401，用于获得目标实体对象对应的候选资源策略信息；随机数获得单元402，用于获得当前产生的用于从所述候选资源策略信息中选择目标资源策略信息的随机数；比较结果获得单元403，用于获得所述随机数与预先设置的探索概率之间的比较结果；目标资源策略信息确定单元404，用于根据所述比较结果，从所述候选资源策略信息中，随机选择一个候选资源策略信息作为推荐给目标用户的目标资源策略信息，或者，从所述候选资源策略信息中，选择针对所述目标实体对象的贡献数据满足预设贡献数据条件的候选资源策略信息，作为推荐给目标用户的目标资源策略信息，所述目标资源策略信息用于表示目标用户在满足预设策略条件时、可获得的对应于所述目标实体对象的目标资源信息。
在上述的本申请第二实施例中，提供了一种执行状态数据的获得方法，与之相对应的，本申请提供一种执行状态数据的获得装置。如图5所示，其为本申请第五实施例提供的一种执行状态数据的获得装置的示意图。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。本申请第五实施例提供一种执行状态数据的获得装置，包括：信息获得单元501，用于获得目标用户的特征信息、目标实体对象的特征信息和对应于所述目标实体对象的目标资源策略信息；执行状态预测数据获得单元502，用于将所述目标用户的特征信息、所述目标实体对象的特征信息和所述目标资源策略信息输入到执行状态数据预测模型中，获得所述目标用户针对所述目标资源策略信息的执行状态预测数据，所述执行状态数据预测模型用于根据用户特征信息、实体对象特征信息和对应于实体对象的资源策略信息，预测用户针对资源策略信息的执行状态预测数据，所述目标资源策略信息用于表示目标用户在满足预设策略条件时、可获得的对应于所述目标实体对象的目标资源信息。
在上述的本申请第三实施例中，提供了一种执行状态数据预测模型的获得方法，与之相对应的，本申请提供一种执行状态数据预测模型的获得装置。如图6所示，其为本申请第六实施例提供的一种执行状态数据预测模型的获得装置的示意图。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。本申请第六实施例提供一种执行状态数据预测模型的获得装置，包括：信息样本获得单元601，用于获得用户特征信息样本、实体对象特征信息样本、资源策略信息样本和用户针对资源策略信息样本的执行状态样本数据；执行状态数据预测模型生成单元602，用于根据所述用户特征信息样本、所述实体对象特征信息样本、所述资源策略信息样本和所述执行状态样本数据，生成执行状态数据预测模型，所述执行状态数据预测模型用于根据用户特征信息、实体对象特征信息和对应于实体对象的资源策略信息，预测用户针对资源策略信息的执行状态预测数据，所述资源策略信息用于表示用户在满足预设策略条件时、可获得的对应于实体对象的资源信息。
本申请第一实施例给出了一种资源策略信息的推荐方法，本申请第七实施例给出了与第一实施例方法对应的电子设备。可参考图7所示，其示出了本实施例电子设备示意图。本申请第七实施例提供一种电子设备，包括：处理器701；存储器702，用于存储计算机程序，该计算机程序被处理器运行，执行上述本申请第一实施例提供的资源策略信息的推荐方法。
本申请第八实施例给出了与第一实施例方法对应的计算机存储介质。本申请第八实施例提供一种计算机存储介质，计算机存储介质存储有计算机程序，该计算机程序被处理器运行，执行上述本申请第一实施例提供的资源策略信息的推荐方法。
本申请第二实施例给出了一种执行状态数据的获得方法，本申请第九实施例给出了与第二实施例方法对应的电子设备。可参考图7所示，其示出了本实施例电子设备示意图。本申请第九实施例提供一种电子设备，包括：处理器701；存储器702，用于存储计算机程序，该计算机程序被处理器运行，执行上述本申请第二实施例提供的执行状态数据的获得方法。
本申请第十实施例给出了与第二实施例方法对应的计算机存储介质。本申请第十实施例提供一种计算机存储介质，计算机存储介质存储有计算机程序，该计算机程序被处理器运行，执行上述本申请第二实施例提供的执行状态数据的获得方法。
本申请第三实施例给出了一种执行状态数据预测模型的获得方法，本申请第十一实施例给出了与第三实施例方法对应的电子设备。可参考图7所示，其示出了本实施例电子设备示意图。本申请第十一实施例提供一种电子设备，包括：处理器701；存储器702，用于存储计算机程序，该计算机程序被处理器运行，执行上述本申请第三实施例提供的执行状态数据预测模型的获得方法。
本申请第十二实施例给出了与第三实施例方法对应的计算机存储介质。本申请第十二实施例提供一种计算机存储介质，计算机存储介质存储有计算机程序，该计算机程序被处理器运行，执行上述本申请第三实施例提供的执行状态数据预测模型的获得方法。
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非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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，本申请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。
本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。

Claims (10)

1.一种资源策略信息的推荐方法，其特征在于，包括：
获得目标实体对象对应的候选资源策略信息；
获得当前产生的用于从所述候选资源策略信息中选择目标资源策略信息的随机数；
获得所述随机数与预先设置的探索概率之间的比较结果；
根据所述比较结果，从所述候选资源策略信息中，随机选择一个候选资源策略信息作为推荐给目标用户的目标资源策略信息，或者，从所述候选资源策略信息中，选择针对所述目标实体对象的贡献数据满足预设贡献数据条件的候选资源策略信息，作为推荐给目标用户的目标资源策略信息，所述目标资源策略信息用于表示目标用户在满足预设策略条件时、可获得的对应于所述目标实体对象的目标资源信息。
2.根据权利要求1所述的资源策略信息的推荐方法，其特征在于，所述获得所述随机数与预先设置的探测概率之间的比较结果，包括：
获得所述随机数不高于所述探测概率的第一比较结果；
相应的，所述根据所述比较结果，从所述候选资源策略信息中，随机选择一个候选资源策略信息作为推荐给目标用户的目标资源策略信息，包括：
根据所述第一比较结果，从所述候选资源策略信息中，随机选择一个候选资源策略信息作为推荐给目标用户的目标资源策略信息。
3.根据权利要求1所述的资源策略信息的推荐方法，其特征在于，所述获得所述随机数与预先设置的探测概率之间的比较结果，包括：
获得所述随机数高于所述探测概率的第二比较结果；
相应的，根据所述比较结果，从所述候选资源策略信息中，选择针对所述目标实体对象的贡献数据满足预设贡献数据条件的候选资源策略信息，作为推荐给目标用户的目标资源策略信息，包括：根据所述第二比较结果，从所述候选资源策略信息中，选择针对所述目标实体对象的贡献数据满足预设贡献数据条件的候选资源策略信息，作为推荐给目标用户的目标资源策略信息。
4.一种执行状态数据的获得方法，其特征在于，包括：
获得目标用户的特征信息、目标实体对象的特征信息和对应于所述目标实体对象的目标资源策略信息；
将所述目标用户的特征信息、所述目标实体对象的特征信息和所述目标资源策略信息输入到执行状态数据预测模型中，获得所述目标用户针对所述目标资源策略信息的执行状态预测数据，所述执行状态数据预测模型用于根据用户特征信息、实体对象特征信息和对应于实体对象的资源策略信息，预测用户针对资源策略信息的执行状态预测数据，所述目标资源策略信息用于表示目标用户在满足预设策略条件时、可获得的对应于所述目标实体对象的目标资源信息。
5.一种执行状态数据预测模型的获得方法，其特征在于，包括：
获得用户特征信息样本、实体对象特征信息样本、资源策略信息样本和用户针对资源策略信息样本的执行状态样本数据；
根据所述用户特征信息样本、所述实体对象特征信息样本、所述资源策略信息样本和所述执行状态样本数据，生成执行状态数据预测模型，所述执行状态数据预测模型用于根据用户特征信息、实体对象特征信息和对应于实体对象的资源策略信息，预测用户针对资源策略信息的执行状态预测数据，所述资源策略信息用于表示用户在满足预设策略条件时、可获得的对应于实体对象的资源信息。
6.一种资源策略信息的推荐装置，其特征在于，包括：
候选资源策略信息获得单元，用于获得目标实体对象对应的候选资源策略信息；
随机数获得单元，用于获得当前产生的用于从所述候选资源策略信息中选择目标资源策略信息的随机数；
比较结果获得单元，用于获得所述随机数与预先设置的探索概率之间的比较结果；
目标资源策略信息确定单元，用于根据所述比较结果，从所述候选资源策略信息中，随机选择一个候选资源策略信息作为推荐给目标用户的目标资源策略信息，或者，从所述候选资源策略信息中，选择针对所述目标实体对象的贡献数据满足预设贡献数据条件的候选资源策略信息，作为推荐给目标用户的目标资源策略信息，所述目标资源策略信息用于表示目标用户在满足预设策略条件时、可获得的对应于所述目标实体对象的目标资源信息。
7.一种执行状态数据的获得装置，其特征在于，包括：
信息获得单元，用于获得目标用户的特征信息、目标实体对象的特征信息和对应于所述目标实体对象的目标资源策略信息；
执行状态预测数据获得单元，用于将所述目标用户的特征信息、所述目标实体对象的特征信息和所述目标资源策略信息输入到执行状态数据预测模型中，获得所述目标用户针对所述目标资源策略信息的执行状态预测数据，所述执行状态数据预测模型用于根据用户特征信息、实体对象特征信息和对应于实体对象的资源策略信息，预测用户针对资源策略信息的执行状态预测数据，所述目标资源策略信息用于表示目标用户在满足预设策略条件时、可获得的对应于所述目标实体对象的目标资源信息。
8.一种执行状态数据预测模型的获得装置，其特征在于，包括：
信息样本获得单元，用于获得用户特征信息样本、实体对象特征信息样本、资源策略信息样本和用户针对资源策略信息样本的执行状态样本数据；
执行状态数据预测模型生成单元，用于根据所述用户特征信息样本、所述实体对象特征信息样本、所述资源策略信息样本和所述执行状态样本数据，生成执行状态数据预测模型，所述执行状态数据预测模型用于根据用户特征信息、实体对象特征信息和对应于实体对象的资源策略信息，预测用户针对资源策略信息的执行状态预测数据，所述资源策略信息用于表示用户在满足预设策略条件时、可获得的对应于实体对象的资源信息。
9.一种电子设备，其特征在于，所述电子设备包括：处理器；存储器，用于存储计算机程序，该计算机程序被处理器运行，执行权利要求1-3、4、5任意一项所述的方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，该计算机程序被处理器运行，执行权利要求1-3、4、5任意一项所述的方法。
CN202010408996.5A 2020-05-14 2020-05-14 资源策略信息推荐、执行状态数据、预测模型获得方法 Pending CN111652635A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010408996.5A CN111652635A (zh) 2020-05-14 2020-05-14 资源策略信息推荐、执行状态数据、预测模型获得方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010408996.5A CN111652635A (zh) 2020-05-14 2020-05-14 资源策略信息推荐、执行状态数据、预测模型获得方法

Publications (1)

Publication Number Publication Date
CN111652635A true CN111652635A (zh) 2020-09-11

Family

ID=72348530

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010408996.5A Pending CN111652635A (zh) 2020-05-14 2020-05-14 资源策略信息推荐、执行状态数据、预测模型获得方法

Country Status (1)

Country Link
CN (1) CN111652635A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010211748A (ja) * 2009-03-12 2010-09-24 Hiroshima Univ 資源配分システム
CN106095906A (zh) * 2016-06-07 2016-11-09 腾讯科技（深圳）有限公司 一种数据处理方法及装置
CN107578281A (zh) * 2017-08-31 2018-01-12 湖南大学 电子商务环境下用户优惠券行为预测方法及模型构建方法
CN110413877A (zh) * 2019-07-02 2019-11-05 阿里巴巴集团控股有限公司 一种资源推荐方法、装置及电子设备
CN110956497A (zh) * 2019-11-27 2020-04-03 桂林电子科技大学 一种电子商务平台用户重复购买行为预测方法
US20200137131A1 (en) * 2017-07-14 2020-04-30 Wangsu Science & Technology Co., Ltd. Method and apparatus for scheduling service

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010211748A (ja) * 2009-03-12 2010-09-24 Hiroshima Univ 資源配分システム
CN106095906A (zh) * 2016-06-07 2016-11-09 腾讯科技（深圳）有限公司 一种数据处理方法及装置
US20200137131A1 (en) * 2017-07-14 2020-04-30 Wangsu Science & Technology Co., Ltd. Method and apparatus for scheduling service
CN107578281A (zh) * 2017-08-31 2018-01-12 湖南大学 电子商务环境下用户优惠券行为预测方法及模型构建方法
CN110413877A (zh) * 2019-07-02 2019-11-05 阿里巴巴集团控股有限公司 一种资源推荐方法、装置及电子设备
CN110956497A (zh) * 2019-11-27 2020-04-03 桂林电子科技大学 一种电子商务平台用户重复购买行为预测方法

Similar Documents

Publication Publication Date Title
CN111160950B (zh) 一种资源信息的处理、输出方法及装置
JP2017514218A (ja) サードパーティアプリケーションの実行
CN111738775B (zh) 一种用户支付意愿预测模型的训练方法及系统
US9928123B1 (en) Precomputing processes associated with requests
US11132710B2 (en) System and method for personalized network content generation and redirection according to repeat behavior
US9633386B1 (en) Display of items from search
US9721291B1 (en) Identifying effective images associated with items
CN110175306A (zh) 一种广告信息的处理方法及装置
CN112948521B (zh) 对象处置方法及装置
CN107295052B (zh) 一种业务处理方法及装置
CN111143546A (zh) 一种获得推荐语的方法、装置及电子设备
CN110188297B (zh) 资源信息展示方法、计算设备及计算机存储介质
CN106682888B (zh) 业务信息的处理方法和处理装置
CN111177093A (zh) 一种科技资源的共享方法及设备、介质
CN111652635A (zh) 资源策略信息推荐、执行状态数据、预测模型获得方法
CN112445909A (zh) 商品检索方法及装置
CN111652674B (zh) 一种资源推荐方法以及装置
US11062386B1 (en) Bid placement for ranked items
CN113553203A (zh) 请求处理方法、装置、服务器及存储介质
US20160092477A1 (en) Detection and quantifying of data redundancy in column-oriented in-memory databases
US8468091B1 (en) Trade-in program with advance payment
CN106611315B (zh) 一种业务的关联信息预估方法及装置
US9917788B2 (en) Speculative generation of network page components
CN114693389B (zh) 一种针对采购商的线上寻源方法、设备及介质
US20180336281A1 (en) Creator Aware and Diverse Recommendations of Digital Content

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200911