CN111985773A - 用户资源分配策略确定方法、装置及电子设备 - Google Patents

Abstract

本公开涉及一种用户资源分配策略确定方法、装置、电子设备及计算机可读介质。该方法包括：获取用户的基础数据，所述用户的基础数据包括用户状态数据、用户行为数据、用户资源占用数据；由所述基础数据中提取账龄参数、观察时间、资源分配时间；将所述账龄参数、所述观察时间、所述资源分配时间输入资源损失预测函数，生成损失率曲线；基于所述损失率曲线确定所述用户的资源分配策略。本公开涉及的用户资源分配策略确定方法、装置、电子设备及计算机可读介质，能够结合用户的基础数据对用户未来可能会产生的资源损失情况进行预估，进而对用户当前的资源分配情况进行调整，提高资源利用率和资源分配效率。

Description

用户资源分配策略确定方法、装置及电子设备

技术领域

本公开涉及计算机信息处理领域，具体而言，涉及一种用户资源分配策略确定方法、装置、电子设备及计算机可读介质。

背景技术

随着经济的发展，为了满足其自身发展的需要，个人用户或者企业用户经常由金融服务机构进行资源借贷活动，对于金融服务机构而言，用户的资源借贷活动很可能会给金融服务公司带来风险。金融服务机构不仅要对用户是否能够进行资源占用进行评判，还要对用户进行资源占用的额度进行分配。用户资源额度分配的目的其实是为了找到风险和收益的平衡点。高收益(为用户分配较高的资源配额)伴随着高风险，而低风险(为用户分配较低的资源配额)的回报又很少。所以，太高的风险，太低的收益都不行。

在互联网金融服务领域，vintage(损失率)可以用来评估不同时点的资源释放数据，是风险量化和精细化管理的重要指标。传统的统计报表大多数情况下只是将不同渠道、不同时间、不同产品的数据进行统计，是顺序的，平面的。vintage将不同时期的数据拉平到同一时期比较，可以很直观地比较和反思不同时期互联网金融服务机构的资源分配情况。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本公开提供一种用户资源分配策略确定方法、装置、电子设备及计算机可读介质，能够结合用户的基础数据对用户未来可能会产生的资源损失情况进行预估，进而对用户当前的资源分配情况进行调整，提高资源利用率和资源分配效率。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一方面，提出一种用户资源分配策略确定方法，该方法包括：获取用户的基础数据，所述用户的基础数据包括用户状态数据、用户行为数据、用户资源占用数据；由所述基础数据中提取账龄参数、观察时间、资源分配时间；将所述账龄参数、所述观察时间、所述资源分配时间输入资源损失预测函数，生成损失率曲线；基于所述损失率曲线确定所述用户的资源分配策略。

可选地，还包括：根据历史用户的基础数据和其对应的损失率数据拟合生成所述损失率预测函数。

可选地，根据历史用户的基础数据和其对应的损失率数据拟合生成所述损失率预测函数，包括：将历史用户的损失率数据进行分解，拆分成账龄参数集合、观察时间集合、资源分配时间集合；对所述账龄参数集合、所述观察时间集合、所述资源分配时间集合分别进行拟合生成内生函数、外生函数和起始点函数；基于所述内生函数、所述外生函数和所述起始点函数生成所述损失率预测函数。

可选地，将历史用户的损失率数据进行分解，拆分成账龄参数集合、观察时间集合、资源分配时间集合，包括：对所述历史用户的损失率数据进行对数单位转换；对转换后的损失率数据进行分解，拆分成所述账龄参数集合、所述观察时间集合、所述资源分配时间集合。

可选地，对所述账龄参数集合、所述观察时间集合、所述资源分配时间集合分别进行拟合生成内生函数、外生函数和起始点函数，包括：对所述账龄参数集合进行高斯过程拟合以生成所述内生函数；对所述观察时间集合进行三角函数拟合以生成所述外生函数；对所述资源分配时间集合进行高斯过程拟合以生成所述起始点函数。

可选地，基于所述内生函数、所述外生函数和所述起始点函数生成所述损失率预测函数，包括：对所述内生函数、所述外生函数和所述起始点函数中的任意两个进行逐步迭代拟合以生成所述损失率预测函数。

可选地，对所述内生函数、所述外生函数和所述起始点函数中的任意两个进行逐步迭代拟合以生成所述损失率预测函数，包括：

η(y(m，t，v))＝f(m)+g(t)+h(v)+ε；

其中，η(y(m，t，v))为所述损失率预测函数，f(m)为所述内生函数，g(t)为所述外生函数，h(v)为所述起始点函数，m为所述账龄参数，t为所述观察时间，v为所述资源分配时间，ε为常数变量。

可选地，由所述基础数据中提取账龄参数、观察时间、资源分配时间，包括：根据当前时间确定观察时间；通过所述用户资源占用数据和所述用户行为数据确定所述账龄参数；通过所述用户状态数据和所述用户资源占用数据确定所述资源分配时间。

可选地，基于所述损失率曲线确定所述用户的资源分配策略，包括：基于所述损失率曲线计算所述用户的入催率和首期损失概率；根据所述入催率和所述首期损失概率确定所述用户的资源分配策略。

可选地，还包括：根据所述用户的入催率和首期损失概率确定所述用户的风险指标；在所述风险指标大于阈值时，为所述用户制定风险干预策略。

根据本公开的一方面，提出一种用户资源分配策略确定装置，该装置包括：数据模块，用于获取用户的基础数据，所述用户的基础数据包括用户状态数据、用户行为数据、用户资源占用数据；提取模块，用于由所述基础数据中提取账龄参数、观察时间、资源分配时间；输入模块，用于将所述账龄参数、所述观察时间、所述资源分配时间输入资源损失预测函数，生成损失率曲线；策略模块，用于基于所述损失率曲线确定所述用户的资源分配策略。

可选地，还包括：拟合模块，用于根据历史用户的基础数据和其对应的损失率数据拟合生成所述损失率预测函数。

可选地，所述拟合模块，包括：分解单元，用于将历史用户的损失率数据进行分解，拆分成账龄参数集合、观察时间集合、资源分配时间集合；拟合单元，用于对所述账龄参数集合、所述观察时间集合、所述资源分配时间集合分别进行拟合生成内生函数、外生函数和起始点函数；函数单元，用于基于所述内生函数、所述外生函数和所述起始点函数生成所述损失率预测函数。

可选地，所述分解单元，还用于对所述历史用户的损失率数据进行对数单位转换；对转换后的损失率数据进行分解，拆分成所述账龄参数集合、所述观察时间集合、所述资源分配时间集合。

可选地，所述拟合单元，还用于对所述账龄参数集合进行高斯过程拟合以生成所述内生函数；对所述观察时间集合进行三角函数拟合以生成所述外生函数；对所述资源分配时间集合进行高斯过程拟合以生成所述起始点函数。

可选地，所述函数单元，还用于对所述内生函数、所述外生函数和所述起始点函数中的任意两个进行逐步迭代拟合以生成所述损失率预测函数。

可选地，其特征在于，

η(y(m，t，v))＝f(m)+g(t)+h(v)+ε；

其中，η(y(m，t，v))为所述损失率预测函数，f(m)为所述内生函数，g(t)为所述外生函数，h(v)为所述起始点函数，m为所述账龄参数，t为所述观察时间，v为所述资源分配时间，ε为常数变量。

可选地，所述提取模块，包括：时间单元，用于根据当前时间确定观察时间；参数单元，用于通过所述用户资源占用数据和所述用户行为数据确定所述账龄参数；分配单元，用于通过所述用户状态数据和所述用户资源占用数据确定所述资源分配时间。

可选地，所述策略模块，包括：概率单元，用于基于所述损失率曲线计算所述用户的入催率和首期损失概率；策略单元，用于根据所述入催率和所述首期损失概率确定所述用户的资源分配策略。

可选地，还包括：干预模块，用于根据所述用户的入催率和首期损失概率确定所述用户的风险指标；在所述风险指标大于阈值时，为所述用户制定风险干预策略。

根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。

根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。

根据本公开的用户资源分配策略确定方法、装置、电子设备及计算机可读介质，获取用户的基础数据，所述用户的基础数据包括用户状态数据、用户行为数据、用户资源占用数据；由所述基础数据中提取账龄参数、观察时间、资源分配时间；将所述账龄参数、所述观察时间、所述资源分配时间输入资源损失预测函数，生成损失率曲线；基于所述损失率曲线确定所述用户的资源分配策略的方式，能够结合用户的基础数据对用户未来可能会产生的资源损失情况进行预估，进而对用户当前的资源分配情况进行调整，提高资源利用率和资源分配效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。

附图说明

通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，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的附图。

图1是根据一示例性实施例示出的一种用户资源分配策略确定方法及装置的系统框图。

图2是根据一示例性实施例示出的一种用户资源分配策略确定方法的流程图。

图3是根据另一示例性实施例示出的一种用户资源分配策略确定方法的流程图。

图4是根据另一示例性实施例示出的一种用户资源分配策略确定方法的流程图。

图5是根据另一示例性实施例示出的一种用户资源分配策略确定方法的流程图。

图6是根据一示例性实施例示出的一种用户资源分配策略确定装置的框图。

图7是根据一示例性实施例示出的一种电子设备的框图。

图8是根据一示例性实施例示出的一种计算机可读介质的框图。

具体实施方式

现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。

本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能用于限制本公开的保护范围。

本发明中，资源是指任何可被利用的物质、信息、时间，信息资源包括计算资源和各种类型的数据资源。数据资源包括各个领域中的各种专用数据。本发明的创新之处在于如何使用服务器和客户端之间的信息交互技术来使资源分配的过程更加自动化、高效和减小人力成本。由此，从本质上来说，本发明可以应用于各类资源的分配，包括实体的货物、水、电，以及有意义的资料等。但是，为了方便起见，本发明中以金融数据资源为例进行说明资源分配的实施，但本领域技术人员应当理解，本发明亦可以用于其他资源的分配。

图1是根据一示例性实施例示出的一种用户资源分配策略确定方法及装置的系统框图。

如图1所示，系统架构10可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如金融服务类应用、购物类应用、网页浏览器应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的金融服务类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的基础数据进行分析等处理，并将处理结果(例如资源分配策略)反馈给金融服务网站的管理员。

服务器105可例如获取用户的基础数据，所述用户的基础数据包括用户状态数据、用户行为数据、用户资源占用数据；服务器105可例如由所述基础数据中提取账龄参数、观察时间、资源分配时间；服务器105可例如将所述账龄参数、所述观察时间、所述资源分配时间输入资源损失预测函数，生成损失率曲线；服务器105可例如基于所述损失率曲线确定所述用户的资源分配策略。

服务器105还可例如根据历史用户的基础数据和其对应的损失率数据拟合生成所述损失率预测函数。

服务器105可以是一个实体的服务器，还可例如为多个服务器组成，需要说明的是，本公开实施例所提供的用户资源分配策略确定方法可以由服务器105执行，相应地，用户资源分配策略确定装置可以设置于服务器105中。而提供给用户进行金融服务平台浏览的网页端一般位于终端设备101、102、103中。

图2是根据一示例性实施例示出的一种用户资源分配策略确定方法的流程图。用户资源分配策略确定方法20至少包括步骤S202至S208。

如图2所示，在S202中，获取用户的基础数据，所述用户的基础数据包括用户状态数据、用户行为数据、用户资源占用数据。

更进一步的，基础数据中的用户状态数据可包括用户的资源占用状态，可具体为借款时间，还款时间等等，用户行为数据可包括用户的借款行为，还款行为，欠款行为等等，用户资源占用数据可为用户资源占有的数量、额度、周期等等。

在S204中，由所述基础数据中提取账龄参数、观察时间、资源分配时间。包括：根据当前时间确定观察时间；通过所述用户资源占用数据和所述用户行为数据确定所述账龄参数；通过所述用户状态数据和所述用户资源占用数据确定所述资源分配时间。

其中，账龄(Mob：month of book)是借款出去的款项，从借贷开始至今间隔的时间。在互联网金融服务业务中，控制风险的方法一般有两种：解释性极强的风控规则和数据模型(如评分卡)，而在制定风控规则时需要综合考虑现阶段的业务目标完成情况和该产品的历史风险表现来制定。账龄分析相当于是一个风险透视表，能直观地评价业务历史风险，从而给风控人员提供了制定风控策略的有效参考依据。

在S206中，将所述账龄参数、所述观察时间、所述资源分配时间输入资源损失预测函数，生成损失率曲线。其中，资源损失预测函数将在图3对应的实施例中进行详细描述。

资源损失预测函数可根据账龄参数、观察时间、资源分配时间准确预测vintage数据，进而可以提前预知该用户在未来的潜在风险，从而进行更好地风险控制，调整该用户对应的资源配额。

在S208中，基于所述损失率曲线确定所述用户的资源分配策略。资源分配策略可例如包括：增加该用户的资源配额，降低该用户的资源配额，或者禁止该用户的资源占用行为。

根据本公开的用户资源分配策略确定方法，获取用户的基础数据，所述用户的基础数据包括用户状态数据、用户行为数据、用户资源占用数据；由所述基础数据中提取账龄参数、观察时间、资源分配时间；将所述账龄参数、所述观察时间、所述资源分配时间输入资源损失预测函数，生成损失率曲线；基于所述损失率曲线确定所述用户的资源分配策略的方式，能够结合用户的基础数据对用户未来可能会产生的资源损失情况进行预估，进而对用户当前的资源分配情况进行调整，提高资源利用率和资源分配效率。

应清楚地理解，本公开描述了如何形成和使用特定示例，但本公开的原理不限于这些示例的任何细节。相反，基于本公开公开的内容的教导，这些原理能够应用于许多其它实施例。

图3是根据另一示例性实施例示出的一种用户资源分配策略确定方法的流程图。图3所示的流程30是对“根据历史用户的基础数据和其对应的损失率数据拟合生成所述损失率预测函数”的详细描述。

如图3所示，在S302中，将历史用户的损失率数据进行分解，拆分成账龄参数集合、观察时间集合、资源分配时间集合。更具体的可对所述历史用户的损失率数据进行对数单位转换；对转换后的损失率数据进行分解，拆分成所述账龄参数集合、所述观察时间集合、所述资源分配时间集合。

因此通过分解拟合的方法可以较全面地学习风险的多维度变化。其中mob相关函数反应的是客群自身自有的内生风险，放款时间相关函数则反应的是放款时的起始风险水平，观察时间相关函数反应的是外部宏观环境的外生风险。精准预测未发生的vintage可以进行更加有效的风控决策。

在S304中，对所述账龄参数集合、所述观察时间集合、所述资源分配时间集合分别进行拟合生成内生函数、外生函数和起始点函数。更具体的可包括：对所述账龄参数集合进行高斯过程拟合以生成所述内生函数f(m)；对所述观察时间集合进行三角函数拟合以生成所述外生函数g(t)；对所述资源分配时间集合进行高斯过程拟合以生成所述起始点函数h(v)。

在S306中，基于所述内生函数、所述外生函数和所述起始点函数生成所述损失率预测函数。包括：对所述内生函数、所述外生函数和所述起始点函数中的任意两个进行逐步迭代拟合以生成所述损失率预测函数。对所述内生函数、所述外生函数和所述起始点函数中的任意两个进行逐步迭代拟合以生成所述损失率预测函数，包括：

η(y(m，t，v))＝f(m)+g(t)+h(v)+ε；

其中，η(y(m，t，v))为所述损失率预测函数，f(m)为所述内生函数，g(t)为所述外生函数，h(v)为所述起始点函数，m为所述账龄参数，t为所述观察时间，v为所述资源分配时间，ε为常数变量。

其中，逐步迭代法是一种不断用变量的旧值递推新值的过程，逐步迭代法利用计算机运算速度快、适合做重复性操作的特点，让计算机对内生函数外生函数和起始点函数中的任意两个进行重复计算，在每次计算这些函数时，都从变量的原值推出它的一个新值直至找到最优的参数值为止。

图4是根据另一示例性实施例示出的一种用户资源分配策略确定方法的流程图。图4所示的流程40是对另一实施例的“根据历史用户的基础数据和其对应的损失率数据拟合生成所述损失率预测函数”的详细描述。

如图4所示，在S402中，输入历史用户的基础数据。

在S404中，分解数据，提取账龄参数集合、观察时间集合、资源分配时间集合。

在S406中，高斯过程拟合内生函数。其中，高斯过程拟合(Gaussian ProcessRegression，GPR)是使用高斯过程先验对数据进行回归分析的非参数模型(non-parameteric model)。GPR的模型假设包括噪声(回归残差)和高斯过程先验两部分，其求解按贝叶斯推断(Bayesian inference)进行。若不限制核函数的形式，GPR在理论上是紧致空间(compact space)内任意连续函数的通用近似(universal approximator)。此外，GPR可提供预测结果的后验，且在似然为正态分布时，该后验具有解析形式。因此，GPR是一个具有泛用性和可解析性的概率模型。

在S408中，三角函数拟合外生函数。因外生函数具有周期性特质，则通过带周期性的三角函数组合函数进行拟合。

在S410中，高斯过程拟合起始点函数。

在S412中，生成损失率预测函数。通过将以上三个函数分别拟合以及两两迭代拟合生成损失率预测函数：

η(y(m，t，v))＝f(m)+g(t)+h(v)+ε；

其中，η(y(m，t，v))为所述损失率预测函数，f(m)为所述内生函数，g(t)为所述外生函数，h(v)为所述起始点函数，m为所述账龄参数，t为所述观察时间，v为所述资源分配时间，ε为常数变量。

在S414中，进行可视化展示。损失率预测函数的预测结果进行可视化展示，以方便用户进行查阅。

图5是根据另一示例性实施例示出的一种用户资源分配策略确定方法的流程图。图5所示的流程50是对图2所示的流程中S208“基于所述损失率曲线确定所述用户的资源分配策略”的详细描述。

如图5所示，在S502中，基于所述损失率曲线计算所述用户的入催率和首期损失概率。其中，入催率指的是在某一个还款日，客户从欠款未逾期变成欠款逾期的比例。可例如，某天，有N个欠款未逾期客户到了还款日，里面有M个客户按时还款了，那么入催率就是(N-M)/N。

首期逾期率，是说在某一个还款日，仅第一期到期的客户中有多少没有按时还款。首期逾期率与入催率的差别在于，入催率包含了第一期、第二期、第三期等等所有到期的欠款逾期客户。首期逾期率一般用来做反欺诈，因为欺诈类的用户，在分期偿还的第一期就不会进行资源偿还的。

更进一步的，资源分配策略可包括资源配额和资源分配时间，应付利息以及资源回收时间等等。

在S504中，根据所述用户的入催率和首期损失概率确定所述用户的风险指标。

在S506中，根据所述入催率和所述首期损失概率确定所述用户的资源分配策略。根据入催了和首期损失概率计算评估当前用户的逾期风险，然后根据逾期风险的大小为所述用户确定资源分配策略。

在S508中，在所述风险指标大于阈值时，为所述用户制定风险干预策略。在用户的风险指标大于阈值时，可将该用户确定为特殊监控用户，实时监控该用户的资源占用行为以及其对应的用户行为，在适当的时候，可对用户进行风险干预。

更具体的，风险干预策略可包括，提升该用户的利息数值，减少该用户的资源配额，或者是在贷后管理时，对该用户采用预设流程等。

本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。

此外，需要注意的是，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。

图6是根据一示例性实施例示出的一种用户资源分配策略确定装置的框图。如图6所示，用户资源分配策略确定装置60包括：数据模块602，提取模块604，输入模块606，策略模块608，拟合模块610。

数据模块602用于获取用户的基础数据，所述用户的基础数据包括用户状态数据、用户行为数据、用户资源占用数据；

提取模块604用于由所述基础数据中提取账龄参数、观察时间、资源分配时间；所述提取模块604包括：时间单元，用于根据当前时间确定观察时间；参数单元，用于通过所述用户资源占用数据和所述用户行为数据确定所述账龄参数；分配单元，用于通过所述用户状态数据和所述用户资源占用数据确定所述资源分配时间。

输入模块606用于将所述账龄参数、所述观察时间、所述资源分配时间输入资源损失预测函数，生成损失率曲线；

策略模块608用于基于所述损失率曲线确定所述用户的资源分配策略。所述策略模块608包括：概率单元，用于基于所述损失率曲线计算所述用户的入催率和首期损失概率；策略单元，用于根据所述入催率和所述首期损失概率确定所述用户的资源分配策略。

拟合模块610用于根据历史用户的基础数据和其对应的损失率数据拟合生成所述损失率预测函数。所述拟合模块610包括：分解单元，用于将历史用户的损失率数据进行分解，拆分成账龄参数集合、观察时间集合、资源分配时间集合；拟合单元，用于对所述账龄参数集合、所述观察时间集合、所述资源分配时间集合分别进行拟合生成内生函数、外生函数和起始点函数；函数单元，用于基于所述内生函数、所述外生函数和所述起始点函数生成所述损失率预测函数。

根据本公开的用户资源分配策略确定装置，获取用户的基础数据，所述用户的基础数据包括用户状态数据、用户行为数据、用户资源占用数据；由所述基础数据中提取账龄参数、观察时间、资源分配时间；将所述账龄参数、所述观察时间、所述资源分配时间输入资源损失预测函数，生成损失率曲线；基于所述损失率曲线确定所述用户的资源分配策略的方式，能够结合用户的基础数据对用户未来可能会产生的资源损失情况进行预估，进而对用户当前的资源分配情况进行调整，提高资源利用率和资源分配效率。

图7是根据一示例性实施例示出的一种电子设备的框图。

下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：至少一个处理单元710、至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730、显示单元740等。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元710执行，使得所述处理单元710执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元710可以执行如图2，图3，图4，图5中所示的步骤。

所述存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(ROM)7203。

所述存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204，这样的程序模块7205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备700也可以与一个或多个外部设备700’(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器760可以通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，如图8所示，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。

所述软件产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言一诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该计算机可读介质实现如下功能：获取用户的基础数据，所述用户的基础数据包括用户状态数据、用户行为数据、用户资源占用数据；由所述基础数据中提取账龄参数、观察时间、资源分配时间；将所述账龄参数、所述观察时间、所述资源分配时间输入资源损失预测函数，生成损失率曲线；基于所述损失率曲线确定所述用户的资源分配策略。

本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。

以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。

Claims (10)

1.一种用户资源分配策略确定方法，其特征在于，包括：

获取用户的基础数据，所述用户的基础数据包括用户状态数据、用户行为数据、用户资源占用数据；

由所述基础数据中提取账龄参数、观察时间、资源分配时间；

将所述账龄参数、所述观察时间、所述资源分配时间输入资源损失预测函数，生成损失率曲线；

基于所述损失率曲线确定所述用户的资源分配策略。

2.如权利要求1所述的方法，其特征在于，还包括：

根据历史用户的基础数据和其对应的损失率数据拟合生成所述损失率预测函数。

3.如权利要求1-2中任一所述的方法，其特征在于，根据历史用户的基础数据和其对应的损失率数据拟合生成所述损失率预测函数，包括：

将历史用户的损失率数据进行分解，拆分成账龄参数集合、观察时间集合、资源分配时间集合；

对所述账龄参数集合、所述观察时间集合、所述资源分配时间集合分别进行拟合生成内生函数、外生函数和起始点函数；

基于所述内生函数、所述外生函数和所述起始点函数生成所述损失率预测函数。

4.如权利要求1-3中任所述的方法，其特征在于，将历史用户的损失率数据进行分解，拆分成账龄参数集合、观察时间集合、资源分配时间集合，包括：

对所述历史用户的损失率数据进行对数单位转换；

对转换后的损失率数据进行分解，拆分成所述账龄参数集合、所述观察时间集合、所述资源分配时间集合。

5.如权利要求1-4中任一所述的方法，其特征在于，对所述账龄参数集合、所述观察时间集合、所述资源分配时间集合分别进行拟合生成内生函数、外生函数和起始点函数，包括：

对所述账龄参数集合进行高斯过程拟合以生成所述内生函数；

对所述观察时间集合进行三角函数拟合以生成所述外生函数；

对所述资源分配时间集合进行高斯过程拟合以生成所述起始点函数。

6.如权利要求1-5中任一所述的方法，其特征在于，基于所述内生函数、所述外生函数和所述起始点函数生成所述损失率预测函数，包括：

对所述内生函数、所述外生函数和所述起始点函数中的任意两个进行逐步迭代拟合以生成所述损失率预测函数。

7.如权利要求1-6中任一所述的方法，其特征在于，对所述内生函数、所述外生函数和所述起始点函数中的任意两个进行逐步迭代拟合以生成所述损失率预测函数，包括：

η(y(m，t，v))＝f(m)+g(t)+h(v)+ε；

其中，η(y(m，t，v))为所述损失率预测函数，f(m)为所述内生函数，g(t)为所述外生函数，h(v)为所述起始点函数，m为所述账龄参数，t为所述观察时间，v为所述资源分配时间，ε为常数变量。

8.一种用户资源分配策略确定装置，其特征在于，包括：

数据模块，用于获取用户的基础数据，所述用户的基础数据包括用户状态数据、用户行为数据、用户资源占用数据；

提取模块，用于由所述基础数据中提取账龄参数、观察时间、资源分配时间；

输入模块，用于将所述账龄参数、所述观察时间、所述资源分配时间输入资源损失预测函数，生成损失率曲线；

策略模块，用于基于所述损失率曲线确定所述用户的资源分配策略。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images