CN112084447B - 一种数据分配方法、装置、介质和电子设备 - Google Patents

Abstract

本公开提供了一种数据分配方法、装置、介质和电子设备，该方法包括：获取目标业务的业务对象数据和目标用户在展现渠道的特征数据；根据所述业务对象数据和所述特征数据，基于所述预测模型确定各数据分配档位下所述目标用户对所述目标业务的交互概率；基于所述各数据分配档位下所述目标用户对所述目标业务的交互概率确定目标数据分配档位，在所述目标数据分配档位内对所述目标用户进行数据分配。本公开把信息推送的特征数据以优化匹配的方式分配给用户，实现用户和互联网平台对业务数据的合理分配，从而提升用户对互联网平台推送业务的点击率，提高客户端流量。

Description

一种数据分配方法、装置、介质和电子设备

技术领域

本公开涉及计算机技术领域，具体而言，涉及一种数据分配方法、装置、介质和电子设备。

背景技术

对于互联网企业，通过信息推送业务获取用户流量是比较普遍的业务。对于传统的信息推送业务，往往都是被动的进行信息推送，例如文字推送、图片推送或者视频推送等等。特别是对于一些客户端，通过信息推送业务来获得高的用户点击率，增加用户流量的期望就更加迫切。

然而，上述互联网业务中，大部分的信息推送对用户都不友好，一方面表现在信息推送的内容与用户需求不符，另一方面也表现在信息推送的内容的繁杂，从而使得用户主动对信息推送的点击率很低，互联网企业通过信息推送增加用户流量的目的也因此会受到影响。

公开内容

本公开的目的在于提供一种数据分配方法、装置、介质和电子设备，能够解决上述提到的提升信息推送的技术问题。具体方案如下：

根据本公开的具体实施方式，第一方面，本公开提供一种数据分配方法，包括：获取目标业务的业务对象数据和目标用户在展现渠道的特征数据；根据所述业务对象数据和所述特征数据，基于预测模型确定各数据分配档位下所述目标用户对所述目标业务的交互概率；基于所述各数据分配档位下所述目标用户对所述目标业务的交互概率确定目标数据分配档位，在所述目标数据分配档位内对所述目标用户进行数据分配。

可选的，所述基于所述各数据分配档位下所述目标用户对所述目标业务的交互概率确定目标数据分配档位，在所述目标数据分配档位内对所述目标用户进行数据分配，包括：根据所述各数据分配档位以及所述业务对象数据确定各数据分配档位对应的业务剩余数据；根据所述业务剩余数据与所述交互概率计算所述目标用户的目标数据分配档位；根据所述目标数据分配档位进行数据分配。

可选的，所述根据所述业务剩余数据值与所述交互概率计算所述目标用户的目标数据分配档位，包括：计算各所述业务剩余数据与所述交互概率的乘积，确定所述业务剩余数据与所述交互概率乘积的最大值；将所述最大值对应的所述数据分配档位作为所述目标用户的目标数据分配档位。

可选的，还包括构建预测模型，其中，所述构建预测模型包括：获取业务对象的业务对象数据和N个数据分配档位，N为大于1的自然数；获取针对展现渠道内样本用户的第一数据集和第二数据集；其中，所述第一数据集包括所述样本用户对应的数据分配档位、以及所述样本用户针对所述业务对象的行为数据，所述第二数据集包括所述样本用户在所述展现渠道的特征数据；基于所述第一数据集和所述第二数据集构建预测模型。

可选的，还包括：获取目标用户的第三数据集和第四数据集；其中，所述第三数据集包括所述目标用户对应的目标数据分配档位、以及所述目标用户针对所述业务对象的行为数据，所述第四数据集包括所述目标用户在所述展现渠道的特征数据；根据所述目标用户下的目标数据分配档位，基于所述第三数据集和第四数据集对所述预测模型和数据分配档位进行优化。

可选的，所述根据所述目标用户下的目标数据分配档位，基于所述第三数据集和第四数据集对所述预测模型和数据分配档位进行优化，包括：根据所述目标用户下的目标数据分配档位对应的业务剩余数据，优化各目标数据分配档位；根据所述目标数据分配档位对应的所述目标用户的第三数据集和第四数据集，优化所述第一数据集和所述第二数据集，根据优化的所述第一数据集和所述第二数据集优化所述预测模型。

可选的，所述在所述目标数据分配档位内对所述目标用户进行数据分配，包括：每一所述目标数据分配档位包括M个分配数值，其中，M为大于1的自然数，在所述目标数据分配档位内随机分配所述M个分配数值。

根据本公开的具体实施方式，第二方面，本公开提供一种数据分配装置，包括：获取单元，用于获取目标业务的业务对象数据和目标用户在展现渠道的特征数据；确定单元，用于根据所述业务对象数据和所述特征数据，基于预测模型确定各数据分配档位下所述目标用户对所述目标业务的交互概率；分配单元，用于基于所述样本各数据分配档位下所述目标用户对所述目标业务的交互概率确定目标数据分配档位，在所述目标数据分配档位内对所述目标用户进行数据分配。

根据本公开的具体实施方式，第三方面，本公开提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上任一项所述的方法。

根据本公开的具体实施方式，第四方面，本公开提供一种电子设备，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，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上任一项所述的方法。

本公开实施例的上述方案与现有技术相比，至少具有以下有益效果：本公开通过提供一种数据分配方法、装置、介质和电子设备，本公开通过弹性构造训练数据模型，提出弹性测算用户行为的概念，预估用户对给定特征数据下信息推送的点击率，并结合此时信息推送的业务对象数据，用户点击信息推送之后，互联网平台会把单次信息推送所获得的业务数据以优化匹配的方式分配给用户，实现用户和互联网平台对业务数据的合理分配，并通过数据模型的不断优化，进一步优化用户和互联网平台对业务数据的分配，从而提升用户对互联网平台推送业务的点击率，提高客户端流量。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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他的附图。在附图中：

图1示出了根据本公开实施例的数据分配方法的应用场景图；

图2示出了根据本公开实施例的数据分配方法流程图；

图3示出了根据本公开实施例的模型构建流程图；

图4示出了根据本公开实施例的数据分配装置结构示意图；

图5示出了根据本公开实施例的分配单元结构示意图；

图6示出了根据本公开的实施例的电子设备连接结构示意图。

具体实施方式

为了使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开作进一步地详细描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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它实施例，都属于本公开保护的范围。

在本公开实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

应当理解，尽管在本公开实施例中可能采用术语第一、第二、第三等来描述某某某，但这些某某某不应限于这些术语。这些术语仅用来将某某某区分开。例如，在不脱离本公开实施例范围的情况下，第一某某某也可以被称为第二某某某，类似地，第二某某某也可以被称为第一某某某。

取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

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商品或者装置不仅包括那些要素，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商品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个某某某”限定的要素，并不排除在包括所述要素的商品或者装置中还存在另外的相同要素。

下面结合附图详细说明本公开的可选实施例。

如图1所示，为本公开实施例的一种应用场景图，该应用场景为多个用户通过手机等终端设备操作安装于该终端设备上的用户端，用户端通过互联网进行数据通信，并同时保持与服务器进行数据通信。作为一种具体的应用场景，例如用户在展现渠道(例如应用程序或应用程序的任一频道)后，主动点击并观看企业推送的目标业务，目标业务可以包括视频业务、图片业务、文本业务等等。服务器结合与该目标业务所对应的业务数据，预测用户对上述目标业务的交互概率，，分配部分业务数据给用户。具体地，本公开实施例可以应用于以下任一场景，例如用户观看视频网站的视频获得业务数据分配、用户观看APP端推送文章获得业务数据分配、用户观看APP端推送新闻获得业务数据分配等等，在此不一一举例，任何能够通过提升点击率，获得分配业务数据的场景都包括在内。

如图2、图3所示，根据本公开的具体实施方式，本公开提供一种数据分配方法，具体包括如下方法步骤，如下方法步骤并不必然具有先后顺序：

步骤S202：获取目标业务的业务对象数据和目标用户在展现渠道的特征数据。

本实施例所述目标业务以播放业务为示例进行说明，但不限于播放业务，可以包括任何能够解决相同问题的业务领域，例如图片业务、文本业务等。

展现渠道包括但不限于各类应用程序、网站等。

本实施例中获取的用户的所有数据，都是在获取渠道中经过用户许可获取的，例如通过APP的隐私条款，接受用户的同意后对用户数据的获取。

播放业务包括但不限于客户端推送的信息业务、视频网站推送的视频(包括但不限于电影、电视剧等)、门户网站推送的文章、新闻等等。播放业务具有被动开启的属性，即只有用户点击后才会播放，播放业务具有一定播放时长。

目标播放业务是指已经应用于产品的正常播放业务，当产品功能完善后，针对用户群体开放的、能够正常作业的推送信息。

目标用户是业务正常运行过程中，对于业务正常使用的一般用户，目标用户在对企业提供的业务正常使用过程中，会根据企业提供的播放业务进行选择性点击，并经过一定时长的播放。

获取用户的数据过程为企业通过APP端口、网页端口等，在用户阅读并接受隐私条款的前提下获取的用户的信息。

播放渠道包括任何可以提供播放业务的平台、客户端、终端、设备等，例如APP、多媒体电视等。企业用户通过所述APP投放信息推送业务，目标用户通过点击来播放相关信息推送业务。

业务对象数据是关于企业平台业务的数据，例如通过APP投放信息推送时，用户会获取该信息推送，同时会伴随该信息推送产生一定的业务对象数据，业务对象数据与提供播放业务的一方相关，也与信息推送的内容类型、播放时长相关。作为一种示例，业务对象数据包括但不限于积分、信用值、经验值等。

特征数据是指，在获取渠道中经过用户许可后获取的用户数据，作为一种示例，特征数据包括但不限于用户画像、兴趣爱好、交互信息等，作为一种示例，用户画像包括但不限于用户地域信息、年龄信息等，兴趣爱好包括但不限于用户是否经常打开某一应用程序、是否经常点击推送信息、用户点击哪类信息的概率较高等；交互信息包括但不限于用户是否点击推送信息，以及点击推送的信息后，推送的信息播放的时间长短，以及用户经常打开某一应用程序的时间段等。

步骤S204：根据所述业务对象数据和所述特征数据，基于所述预测模型确定各数据分配档位下所述目标用户对所述目标播放业务的交互概率。

根据上述步骤S202获取的业务对象数据和用户特征数据，来确定各数据分配档位下所述目标用户对所述目标业务的交互概率，确定过程需要通过训练的预测模型实施。确定出交互概率后，根据交互概率确定分配数据。

其中，分配数据是基于信息推送业务而产生的与所述业务对象数据相关的数据，分配数据通常要小于业务对象数据，例如分配数据包括但不限于通过播放业务而分配给目标用户的一些积分、信用值、经验值等。分配数据是一个范围，企业分配给用户的分配数据会设置上限，例如确定一个分配数据的范围为[0,业务对象数据]，即业务对象数据要大于用户获得的分配数据。对范围内的值取一个整数，例如，当业务对象数据具有10份额比例的数据，那么分配数据可以是[1,2,3,4,5,6,7,8,9]。当然，在一些特殊情况下，也可以设定分配数据大于业务对象数据，采取补贴的行为获取更多的用户。交互概率包括但不限于点击概率、转化概率、下载概率。

作为一种示例，数据分配档位是指数据分配区间，例如包括N个数据分配区间，N为大于1的自然数；每个数据分配区间包括M个分配数值，M为大于1的自然数，例如分配3个数据分配档位，第一档位[1,2,3]，第二档位[4,5,6]，第三档位[7,8,9]。通过设置分配档位对目标数据进行分配，能够准确的将目标数据进行分配的同时，提高数据分配效率。N优选取5-10，因为，N的数值过大，使得分配档位太多，增加计算机的数据处理量，降低分配效率；N的数值过小，使得分配档位太少，导致数据分配不够准确。

作为一种实施方式，包括构建预测模型步骤，其中，所述构建预测模型包括：获取业务对象的业务对象数据和N个数据分配档位，N为大于1的自然数；获取针对展现渠道内样本用户的第一数据集和第二数据集；其中，所述第一数据集包括所述样本用户对应的数据分配档位、以及所述样本用户针对所述业务对象的行为数据，所述第二数据集包括所述样本用户在所述展现渠道的特征数据；基于所述第一数据集和所述第二数据集构建预测模型。

样本用户是在预测模型构建初期，随机选择的一定数量、一定区域内的用户数据进行统计，样本数量不限，例如可以是1000-5000用户，也可以是10000-50000用户，样本数量越多，样本模型越准确。

所述第一数据集包括所述样本用户对应的数据分配档位，所述数据分配档位是一个预设的区间值，数据分配档位通常在业务对象数据范围内确定。例如当业务对象数据具有10份额比例的数据，那么分配数据可以是[1,2,3,4,5,6,7,8,9]。数据分配档位可以按照[1-3]、[3-5]、[5-7]、[7-9]的4个档位的方式进行划分，当然也可以具有不限于此的更多的划分方法。其中，上述份额比例是基于业务对象数据总量而划分的一个值，例如业务对象数据是100，则将100等分为10份，每份的数据量是10。

获取的样本用户信息的第一数据集还包括样本用户的行为数据，获取数据的过程是经过用户授权同意后进行的，其中，行为数据包括但不限于：基于样本用户对于给定分配档位下是否点击播放业务，例如对于分配档位[1-3]、[3-5]、[5-7]、[7-9]下，对每一档位是否进行了点击，记录每一档位下该用户是否进行点击的行为数据，最后统计出所有样本用户对于每一档位下的行为数据。

作为一种示例，样本模型的构建过程中，假如业务对象数据具有10份额比例的数据，则根据该10份额比例的业务对象数据将分配数据分成3个档位，例如第一数据分配档位、第二数据分配档位、第三分配档位，分配数据包括[1,2,3,4,5,6,7,8,9]时，将[1,2,3]划分为第一数据分配档位,将[4,5,6]划分为第二数据分配档位，将[7,8,9]划分为第三数据分配档位，记录分配给当前用户的数据分配档位为[1-3]、[4-6]、[7-9]时，获取当前用户在此档位下的行为数据，例如是否进行了点击，从而确定当前不同的分配档位对于当前用户的不同吸引力，以此类推，统计所有样本用户对于每一档位[1-3]、[4-6]、[7-9]的行为数据，根据该行为数据计算在每一档位下的交互概率，并统计分析每一交互概率对应的样本用户群体。从而获得某一样本群体下对于个分配档位的交互概率，其中统计分析过程包括但不限于取平均值、取方差等方法。作为一种举例，例如对于某一群体，获得在档位[1-3]、[4-6]、[7-9]时的交互概率分别为20％、30％、40％。

所述第二数据集包括所述样本用户在所述展现渠道的特征数据。根据上述档位分配、交互行为构建出对于不同样本用户群体的各分配档位下的交互概率后，继续获取样本用户群体中各样本用户的特征数据。

通过上述第一数据集和第二数据集就构建出具有不同特征数据的不同样本用户群，对应于每一分配档位下的交互概率，例如对于经常登录某一应用程序的用户群体，对于分配档位[1-3]、[4-6]、[7-9]时的交互概率分别为20％、30％、40％；对于爱好体育运动的用户群体，对于分配档位[1-3]、[4-6]、[7-9]时的交互概率分别为15％、30％、45％。

根据上述样本用户的数据统计建立的构建预测模型的记录，构建出基于上述样本用户的预测模型的数据分配方法。例如对于A用户，用户A登录后，获取用户A的特征数据，例如用户A经常在晚上10点打开该应用，可以确定A用户属于预测模型的a群体，结合a群体对应给出[4-6]的数据分配档位时，可以根据预测模型预测用户A会有30％的概率点击信息，此时，用户A获取的随机分配数据值为5。而对于B用户，用户B登录后，获取用户B的特征数据，例如用户B经常在上午10点打开该应用，可以确定B用户属于预测模型的b群体，给出[7-9]的数据分配档位，可以根据预测模型预测用户B会有60％的概率点击信息，此时，用户B随机获取的分配数据值为9，同理，对于不同的样本用户，通过分析样本用户的特征数据，可以给出预期的分配档位，此时用户点击的概率最高，以达到最佳的匹配目的。

构建预测模型的方式如上所述，此时参与构建预测模型的条件越多，形成的预测模型越准确，例如加入行为动作特征后，可以判断用户在哪个时间段登陆用户端、哪个时间段推送信息时用户的交互概率高，例如，用户在晚间10点休息时，登陆用户端的时间最长，交互概率最高，可以在此时间段多次推送信息推送业务。

步骤S206：基于所述各数据分配档位下所述目标用户对所述目标业务的交互概率确定目标数据分配档位，在所述目标数据分配档位内对所述目标用户进行数据分配。

目标用户是基于上述样本用户之外的用户，也可以是上述样本用户。目标用户在进行数据分配时，也需要在用户同意的前提下获取当前用户的一系列特征数据，根据用户数据和之前的预测模型，给出特征数据分配。

作为实施方式之一，所述基于所述各数据分配档位下所述目标用户对所述目标业务的交互概率确定目标数据分配档位，在所述目标数据分配档位内对所述目标用户进行数据分配，包括：根据所述各数据分配档位以及所述业务对象数据计算业务剩余数据；根据所述业务剩余数据与所述交互概率计算所述目标用户的目标数据分配档位；根据所述目标数据分配档位进行数据分配。

例如对于目标用户C，根据预测模型，此时该用户C的分配数据为第一分配档位时(档位[1-3])，该用户C在此分配数据下的交互概率为50％，目标用户C随机获得第一分配档位中的一个分配数据，例如获得分配数据为3份额，此时，业务对象数据为10份额，业务剩余数据为10-3＝7份额，业务剩余数据与交互概率的乘积为7*50％＝3.5份额。

该用户C的分配数据档位为[4-6]时(属于第二分配档位)，该用户在此分配数据档位下的交互概率为60％，目标用户C随机获得第二分配档位中的一个分配数据，例如获得分配数据为5份额，此时，业务对象数据为10份额，业务剩余数据为10-5＝5份额，业务剩余数据与交互概率的乘积为5*60％＝3份额。

此时比较业务剩余数据与交互概率的乘积，3.5大于3，所以，对于该用户C应当按照第一分配档位[1-3]进行分配。

作为一种可选的实施方式，所述根据所述业务剩余数据与所述交互概率计算所述目标用户的目标数据分配档位，包括：计算各所述业务剩余数据与所述交互概率的乘积；将所述乘积排序；根据所述排序确定业务剩余数据与所述交互概率乘积的最大值；将所述最大值对应的所述数据分配档位作为当前用户的目标数据分配档位。在所述目标数据分配档位内随机进行数据分配。

例如，对于目标用户D在分配数据为[1,2,3,4,5,6,7,8,9]范围内进行分配时，根据预测模型获得的第一至第八数据分配档位([1-2]、[2-3]、[3-4]、[4-5]、[5-6]、[6-7]、[7-8]、[8-9])下的交互概率分别为，[10％,13％,18％,23％,30％,35％,40％,48％]，分配数据分别对应[1,2,3,4,5,6,7,8]，根据预测模型可以计算，此时，业务对象数据为10份额，业务剩余数据为[9,8,7,6,5,4,3,2]，业务剩余数据与交互概率的乘积为[0.9，1.04，1.26，1.38，1.5，1.4,1.2，0.96]。通过排序比较可知，1.5属于业务剩余数据与交互概率的乘积最大值，此时可以确定对于该用户D应当按照分配数据为5时的档位进行分配，即按照档位[5-6]进行分配。此时，业务对象数据为10时，用户和企业各分配5的业务数据，因此，5是最佳分配值。

作为实施方式之一，还包括获取目标用户的第三数据集和第四数据集；其中，所述第三数据集包括所述目标用户对应的目标数据分配档位、以及所述目标用户针对所述业务对象的行为数据，所述第四数据集包括所述目标用户在所述展现渠道的特征数据；根据所述目标用户下的目标数据分配档位，基于所述第三数据集和第四数据集对所述预测模型和样本数据分配档位进行优化。

其中，根据所述目标用户下的目标数据分配档位，基于所述第三数据集和第四数据集对所述预测模型和样本数据分配档位进行优化，包括：根据所述目标用户下的目标数据分配档位对应的业务剩余数据，优化各目标数据分配档位；根据所述目标数据分配档位对应的所述目标用户的第三数据集和第四数据集，优化所述第一数据集和所述第二数据集，根据优化的所述第一数据集和所述第二数据集优化所述预测模型。

通过样本用户构建预测模型后，在目标用户应用过程中，可以不断的将目标用户的分配数据的记录添加到预测模型当中，此时如果当前用户为样本用户，则更新该样本用户的各项数据，包括点击率、点击时间等等。如果当前用户为新进目标用户，则根据目标用户数据添加新记录，补充到预测模型即可，预测模型经过大量的数据补充，会进一步得到完善，优化了点击率，使得预测模型的预测结果更加准确，使用户的体验更好，也使平台在用户满足的条件下，平台通过分享业务对象数据获得最大剩余数据。

本公开通过提供一种数据分配方法，通过弹性构造训练数据模型，提出弹性测算用户行为的概念，预估用户对给定特征数据下信息推送的点击率，并结合此时信息推送的业务对象数据，用户点击信息推送之后，互联网平台会把单次信息推送所获得的业务数据以优化匹配的方式分配给用户，实现用户和互联网平台对业务数据的合理分配，并通过数据模型的不断优化，进一步优化用户和互联网平台对业务数据的分配，从而提升用户对互联网平台推送业务的点击率，提高客户端流量。用户

如图4所示，根据本公开的具体实施方式提供一种数据分配装置，本实施例承接如上实施例，用于实现如上实施例所述的方法步骤，基于相同的名称含义的解释与如上实施例相同，具有与如上实施例相同的技术效果，此处不再赘述。本公开提供的数据分配装置具体包括：获取单元402、确定单元404、分配单元406。

获取单元402，用于获取目标业务的业务对象数据和目标用户在展现渠道的特征数据。

确定单元404，用于根据所述业务对象数据和所述特征数据，基于所述预测模型确定各数据分配档位下所述目标用户对所述目标业务的交互概率。

作为一种实施方式，所述构建预测模型包括：获取业务对象的业务对象数据和N个数据分配档位，N为大于1的自然数；获取针对展现渠道内样本用户的第一数据集和第二数据集；其中，所述第一数据集包括所述样本用户对应的数据分配档位、以及所述样本用户针对所述业务对象的行为数据，所述第二数据集包括所述样本用户在所述展现渠道的特征数据；基于所述第一数据集和所述第二数据集构建预测模型。

分配单元406，用于基于所述各数据分配档位下所述目标用户对所述目标业务的交互概率确定目标数据分配档位，在所述目标数据分配档位内对所述目标用户进行数据分配。

作为实施方式之一，所述基于所述各数据分配档位下所述目标用户对所述目标业务的交互概率确定目标数据分配档位，在所述目标数据分配档位内对所述目标用户进行数据分配，包括：根据所述各数据分配档位以及所述业务对象数据计算业务剩余数据；根据所述业务剩余数据与所述交互概率计算所述目标用户的目标数据分配档位；根据所述目标数据分配档位进行数据分配。

作为一种可选的实施方式，所述根据所述业务剩余数据与所述交互概率计算所述目标用户的目标数据分配档位，如图5所示，包括：

计算子单元4062，用于计算各所述业务剩余数据与所述交互概率的乘积。

排序子单元4064，用于将所述乘积排序；根据所述排序确定业务剩余数据与所述交互概率乘积的最大值。

分配子单元4066，用于将所述最大值对应的所述数据分配档位作为当前用户的目标数据分配档位。在所述目标数据分配档位内随机进行数据分配。

作为实施方式之一，还包括获取目标用户的第三数据集和第四数据集；其中，所述第三数据集包括所述目标用户对应的目标数据分配档位、以及所述目标用户针对所述业务对象的行为数据，所述第四数据集包括所述目标用户在所述展现渠道的特征数据；根据所述目标用户下的目标数据分配档位，基于所述第三数据集和第四数据集对所述预测模型和样本数据分配档位进行优化。

其中，根据所述目标用户下的目标数据分配档位，基于所述第三数据集和第四数据集对所述预测模型和样本数据分配档位进行优化，包括：根据所述目标用户下的目标数据分配档位对应的业务剩余数据，优化各目标数据分配档位；根据所述目标数据分配档位对应的所述目标用户的第三数据集和第四数据集，优化所述第一数据集和所述第二数据集，根据优化的所述第一数据集和所述第二数据集优化所述预测模型。

本公开通过提供一种数据分配装置，通过弹性构造训练数据模型，提出弹性测算用户行为的概念，预估用户对给定特征数据下信息推送的点击率，并结合此时信息推送的业务对象数据，用户点击信息推送之后，互联网平台会把单次信息推送所获得的业务数据以优化匹配的方式分配给用户，实现用户和互联网平台对业务数据的合理分配，并通过数据模型的不断优化，进一步优化用户和互联网平台对业务数据的分配，从而提升用户对互联网平台推送业务的点击率，提高用户端流量。

如图6所示，本实施例提供一种电子设备，该设备用于对在线业务对象发送，所述电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上实施例所述的方法步骤。

本公开实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行如上实施例所述的方法步骤。

下面参考图6，其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，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6所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号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，其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、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。计算机可读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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。

Claims (9)

1.一种数据分配方法，其特征在于，包括：

获取目标业务的业务对象数据和目标用户在展现渠道的特征数据，所述业务对象数据是伴随所述目标业务产生的数据；

根据所述业务对象数据和所述特征数据，基于预测模型确定各数据分配档位下所述目标用户对所述目标业务的交互概率，所述数据分配档位是指通过所述目标业务分配给所述目标用户的数据的区间，所述数据分配档位在所述业务对象数据的范围内确定；

基于所述各数据分配档位下所述目标用户对所述目标业务的交互概率确定目标数据分配档位，在所述目标数据分配档位内对所述目标用户进行数据分配；

所述基于所述各数据分配档位下所述目标用户对所述目标业务的交互概率确定目标数据分配档位，在所述目标数据分配档位内对所述目标用户进行数据分配，包括：

根据所述各数据分配档位以及所述业务对象数据确定各数据分配档位对应的业务剩余数据；

根据所述业务剩余数据与所述交互概率计算所述目标用户的目标数据分配档位；

根据所述目标数据分配档位进行数据分配。

2.如权利要求1所述的方法，其特征在于，所述根据所述业务剩余数据值与所述交互概率计算所述目标用户的目标数据分配档位，包括：

计算各所述业务剩余数据与所述交互概率的乘积，确定所述业务剩余数据与所述交互概率乘积的最大值；

将所述最大值对应的数据分配档位作为所述目标用户的目标数据分配档位。

3.如权利要求1-2任一项所述的方法，其特征在于，还包括构建预测模型，其中，所述构建预测模型包括：

获取业务对象的业务对象数据和N个数据分配档位，N为大于1的自然数；

获取针对展现渠道内样本用户的第一数据集和第二数据集；其中，所述第一数据集包括所述样本用户对应的数据分配档位、以及所述样本用户针对所述业务对象的行为数据，所述第二数据集包括所述样本用户在所述展现渠道的特征数据；

基于所述第一数据集和所述第二数据集构建预测模型。

4.如权利要求3所述的方法，其特征在于，还包括：

获取目标用户的第三数据集和第四数据集；其中，所述第三数据集包括所述目标用户对应的目标数据分配档位、以及所述目标用户针对所述业务对象的行为数据，所述第四数据集包括所述目标用户在所述展现渠道的特征数据；

根据所述目标用户下的目标数据分配档位，基于所述第三数据集和第四数据集对所述预测模型和数据分配档位进行优化。

5.如权利要求4所述的方法，其特征在于，所述根据所述目标用户下的目标数据分配档位，基于所述第三数据集和第四数据集对所述预测模型和数据分配档位进行优化，包括：

根据所述目标用户下的目标数据分配档位对应的业务剩余数据，优化各数据分配档位；

根据所述目标数据分配档位对应的所述目标用户的第三数据集和第四数据集，优化所述第一数据集和所述第二数据集，根据优化的所述第一数据集和所述第二数据集优化所述预测模型。

6.如权利要求1所述的方法，其特征在于：所述在所述目标数据分配档位内对所述目标用户进行数据分配，包括：

每一所述目标数据分配档位包括M个分配数值，其中，M为大于1的自然数，在所述目标数据分配档位内随机分配所述M个分配数值。

7.一种数据分配装置，其特征在于，包括：

获取单元，用于获取目标业务的业务对象数据和目标用户在展现渠道的特征数据，所述业务对象数据是伴随所述目标业务产生的数据；

确定单元，用于根据所述业务对象数据和所述特征数据，基于预测模型确定各数据分配档位下所述目标用户对所述目标业务的交互概率，所述数据分配档位是指通过所述目标业务分配给所述目标用户的数据的区间，所述数据分配档位在所述业务对象数据的范围内确定；

分配单元，用于基于所述各数据分配档位下所述目标用户对所述目标业务的交互概率确定目标数据分配档位，在所述目标数据分配档位内对所述目标用户进行数据分配；

所述基于所述各数据分配档位下所述目标用户对所述目标业务的交互概率确定目标数据分配档位，在所述目标数据分配档位内对所述目标用户进行数据分配，包括：根据所述各数据分配档位以及所述业务对象数据确定各数据分配档位对应的业务剩余数据；根据所述业务剩余数据与所述交互概率计算所述目标用户的目标数据分配档位；根据所述目标数据分配档位进行数据分配。

8.一种计算机可读存储介质，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至6中任一项所述的方法。

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时，使得所述一个或多个处理器实现如权利要求1至6中任一项所述的方法。