CN112541127A - 一种基于资源配额使用率的分场景信息推送方法及装置 - Google Patents
一种基于资源配额使用率的分场景信息推送方法及装置 Download PDFInfo
- Publication number
- CN112541127A CN112541127A CN202110161752.6A CN202110161752A CN112541127A CN 112541127 A CN112541127 A CN 112541127A CN 202110161752 A CN202110161752 A CN 202110161752A CN 112541127 A CN112541127 A CN 112541127A
- Authority
- CN
- China
- Prior art keywords
- user
- resource quota
- resource
- time period
- preset time
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000006399 behavior Effects 0.000 claims description 64
- 238000013468 resource allocation Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于资源配额使用率的分场景信息推送方法及装置,所述方法包括:根据用户在预设时间段内对资源配额的使用情况确定用户所在资源配额使用场景组;获取用户行为特征;将所述用户行为特征输入与所述用户所在资源配额使用场景组对应的资源配额使用模型中,预测用户资源配额使用率;根据用户资源配额使用率及用户所在资源配额使用场景组向用户发送对应的推荐信息。本发明根据用户对已有资源配额使用情况将用户分至不同的资源配额使用场景组,同时对不同的资源配额使用场景组预先训练对应的资源配额使用模型,满足资源配额不同使用场景对信息推送的精细化需求;从而提高信息推送的准确度和推送转换率,提高资源配额实际使用率。
Description
技术领域
本发明涉及计算机信息处理技术领域,具体而言,涉及一种基于资源配额使用率的分场景信息推送方法、装置、电子设备及计算机可读介质。
背景技术
在基于互联网的应用技术中,常常需要在不同的参与方之前进行资源的交换。这里所称的资源是指任何可被利用的物质、信息、金钱、时间等。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。在分配资源的过程中,往往需要对用户的资源配置权进行认证,并为不同的用户分配不同的资源配额,所述资源配置权是指用户是否有权获取资源的一种认证,其可以由特定的资源管理机构认证,也可以是资源所有的一方进行认证。所谓资源配额是指该用户在特定时间内可以获得的最高资源额。
但在实际的资源交换过程中,很多平台通过信息推送的方式来提高用户对已有资源配额的使用率。其中,信息推送是指服务器向客户端通过操作系统、APP、网页等方式推送信息的技术。但是,目前的信息推送技术仍以简单的定时、无差别的推送为主,也有根据机器学习的方式动态确定信息推送的方式和内容。但是,这些信息推送方式均未考虑到用户对资源配额的使用情况,以致于信息推送的效果欠佳,造成资源配额实际使用率低,甚至用户流失的现象。
发明内容
本发明旨在解决因未考虑用户对资源配额的使用情况导致对用户推送信息的转化效率低、资源配额实际使用率低的技术问题。
为了解决上述技术问题,本发明第一方面提出一种基于资源配额使用率的分场景信息推送方法,所述方法包括:
根据用户在预设时间段内对资源配额的使用情况确定用户所在资源配额使用场景组;
获取用户行为特征;
将所述用户行为特征输入与所述用户所在资源配额使用场景组对应的资源配额使用模型中,预测用户资源配额使用率;
根据用户资源配额使用率及用户所在资源配额使用场景组向用户发送对应的推荐信息。
根据本发明一种优选实施方式,所述用户行为特征包括:用户最近一次行为信息,用户最近一次行为距今的天数、用户APP打点信息中的至少一种。
根据本发明一种优选实施方式,资源配置权认证后预设时间段内未使用资源配额的用户属于休眠场景组;资源配置权认证后预设时间段内使用的资源配额结清后未再使用资源配额的用户属于睡眠场景组;资源配置权认证后预设时间段内使用的资源配额未结清且资源配置额度的使用率小于阈值的用户属于资源再分配场景组。
根据本发明一种优选实施方式,所述将所述用户行为特征输入与所述用户所在资源配额使用场景组对应的资源配额使用模型中,预测用户资源配额使用率之前,所述方法还包括:
根据历史用户在第一预设时间段内的资源配额使用情况将历史用户分至对应的资源配额使用场景组;
获取各个资源配额使用场景组中历史用户的用户行为特征以及历史用户在所述第一预设时间段之后的实际资源配额使用行为;
以所述历史用户的用户行为特征作为输入特征,所述历史用户在预设时间段之后的实际资源配额使用行为作为标签训练历史用户所在资源配额使用场景组对应的资源配额使用模型。
根据本发明一种优选实施方式,所述根据用户资源配额使用率及用户所在资源配额使用场景组向用户发送对应的推荐信息之前,所述方法还包括:
配置各个资源配额使用场景组中不同用户资源配额使用率对应的推荐策略;
根据所述推荐策略配置推荐信息。
根据本发明一种优选实施方式,所述用户APP打点信息包括用户在第二预定时间段内对APP操作的次数,所述对APP操作包括:进入APP、点击APP页面、输入APP账号/密码中的至少一种。
为解决上述技术问题,本发明第二方面提供一种基于资源配额使用率的分场景信息推送装置,所述装置包括:
确定模块,用于根据用户在预设时间段内对资源配额的使用情况确定用户所在资源配额使用场景组;
获取模块,用于获取用户行为特征;
输入模块,用于将所述用户行为特征输入与所述用户所在资源配额使用场景组对应的资源配额使用模型中,预测用户资源配额使用率;
发送模块,用于根据用户资源配额使用率及用户所在资源配额使用场景组向用户发送对应的推荐信息。
根据本发明一种优选实施方式,所述用户行为特征包括:用户最近一次行为信息,用户最近一次行为距今的天数、用户APP打点信息中的至少一种。
根据本发明一种优选实施方式,授信后预设时间段内未使用资源配额的用户属于休眠场景组;授信后预设时间段内使用的资源配额结清后未再使用资源配额的用户属于睡眠场景组;授信后预设时间段内使用的资源配额未结清且资源配置额度的使用率小于阈值的用户属于资源再分配场景组。
根据本发明一种优选实施方式,所述装置还包括:
分组模块,用于根据历史用户在第一预设时间段内的资源配额使用情况将历史用户分至对应的资源配额使用场景组;
子获取模块,用于获取各个资源配额使用场景组中历史用户的用户行为特征以及历史用户在所述第一预设时间段之后的实际资源配额使用行为;
训练模块,用于以所述历史用户的用户行为特征作为输入特征,所述历史用户在预设时间段之后的实际资源配额使用行为作为标签训练历史用户所在资源配额使用场景组对应的资源配额使用模型。
根据本发明一种优选实施方式,所述装置还包括:
第一配置模块,用于配置各个资源配额使用场景组中不同用户资源配额使用率对应的推荐策略;
第二配置模块,用于根据所述推荐策略配置推荐信息。
根据本发明一种优选实施方式,所述用户APP打点信息包括用户在第二预定时间段内对APP操作的次数,所述对APP操作包括:进入APP、点击APP页面、输入APP账号/密码中的至少一种。
为解决上述技术问题,本发明第三方面提供一种电子设备,包括:
处理器;以及
存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器执行上述的方法。
为解决上述技术问题,本发明第四方面提供一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,当所述一个或多个程序被处理器执行时,实现上述方法。
本发明根据用户对已有资源配额使用情况将用户分至不同的资源配额使用场景组,同时对不同的资源配额使用场景组预先训练对应的资源配额使用模型,满足资源配额不同使用场景对信息推送的精细化需求;通过将用户行为特征输入与用户所在资源配额使用场景组对应的资源配额使用模型来预测用户资源配额使用率;再根据用户资源配额使用率及用户所在资源配额使用场景组向用户发送对应的推荐信息,从而提高信息推送的准确度和推送转换率,提高资源配额实际使用率。同时增加产品的客户粘性,减小客户流失。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚,下面将参照附图详细描述本发明的具体实施例。但需声明的是,下面描述的附图仅仅是本发明的示例性实施例的附图,对于本领域的技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他实施例的附图。
图1是本发明一种基于资源配额使用率的分场景信息推送方法的流程示意图;
图2是一种基于资源配额使用率的分场景信息推送装置的结构框架示意图;
图3是根据本发明的一种电子设备的示例性实施例的结构框图;
图4是本发明一种计算机可读介质实施例的示意图。
具体实施方式
现在将参考附图来更加全面地描述本发明的示例性实施例,虽然各示例性实施例能够以多种具体的方式实施,但不应理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例是为了使本发明的内容更加完整,更加便于将发明构思全面地传达给本领域的技术人员。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的结构、性能、效果或者其他特征可以以任何合适的方式结合到一个或更多其他的实施例中。
在对于具体实施例的介绍过程中,对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是,并不排除本领域技术人员可以在特定情况下,以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。
附图中的流程图仅是一种示例性的流程演示,不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤,也不代表必须按照图中所显示的的顺序执行。例如,流程图中有的操作/步骤可以分解,有的操作/步骤可以合并或部分合并,等等,在不脱离本发明的发明主旨的情况下,流程图中显示的执行顺序可以根据实际情况改变。
附图中的框图一般表示的是功能实体,并不一定必然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。
各附图中相同的附图标记表示相同或类似的元件、组件或部分,因而下文中可能省略了对相同或类似的元件、组件或部分的重复描述。还应理解,虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分,但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说,这些定语仅是用来将一者与另一者区分。例如,第一器件亦可称为第二器件,但不偏离本发明实质的技术方案。此外,术语“和/或”、“及/或”是指包括所列出项目中的任一个或多个的所有组合。
请参阅图1,图1是本发明提供的一种基于资源配额使用率的分场景信息推送方法的流程图。如图1所示,所述方法包括:
S1、根据用户在预设时间段内对资源配额的使用情况确定用户所在资源配额使用场景组;
本发明根据用户对资源配额的使用情况将用户分至对应的资源配额使用场景组。
在一种分组方式中,资源配置权认证后预设时间段内未使用资源配额的用户属于休眠场景组;资源配置权认证后预设时间段内使用的资源配额结清后未再使用资源配额的用户属于睡眠场景组;资源配置权认证后预设时间段内使用的资源配额未结清且资源配置额度的使用率小于阈值的用户属于资源再分配场景组。
其中,所述资源配置权是指用户是否有权获取资源的一种认证,其可以由特定的资源管理机构认证,也可以是资源所有的一方进行认证。所述资源配额是指该用户在特定时间内可以获得的最高资源额。所述预设时间段可以根据实际需要来设置,比如,可以将预设时间段设置为180天。
S2、获取用户行为特征;
其中,所述用户行为特征的形式可以有多种,用户行为特征中隐含了影响用户使用资源配额的因素,因此,通过分析用户行为特征,可以预估用户的资源配额使用率。本发明中,资源配额使用率指用户使用资源配额的概率。
示例性的,所述用户行为特征包括:用户最近一次行为信息,用户最近一次行为距今的天数、用户APP打点信息中的至少一种。用户所在资源配额使用场景组不同对应的用户最近一次行为不同。比如,在休眠场景组,用户最近一次行为指用户资源配置权认证行为;在睡眠场景组和资源再分配场景组中,用户最近一次行为指用户最近一次交易行为,该交易行为可以包括:使用已有资源配额、归还已使用的资源等。所述用户APP打点信息根据用户对APP的操作来反映用户对资源配额的使用兴趣。其中,所述APP用于提供与资源配额使用相关的服务。
在一种具体示例中,所述用户APP打点信息包括用户在第二预定时间段内对APP操作的次数,所述对APP操作包括:进入APP、点击APP页面、输入APP账号/密码中的至少一种。
在另一种具体示例中,所述用户APP打点信息包括在第二预定时间段内使用APP的活跃度信息、使用APP的频率信息、浏览APP特定页面的信息中的任意一种。其中,使用APP的活跃度是指用户浏览APP的在线时长以及登录频次。所述特定页面可以是与资源配额使用相关的页面等。
其中,所述第二预定时间段优选为距离当前时间点7日内的时间段。
S3、将所述用户行为特征输入与所述用户所在资源配额使用场景组对应的资源配额使用模型中,预测用户资源配额使用率;
本发明对不同的资源配额使用场景组预先训练对应的资源配额使用模型,这样,通过大量样本的训练,在将所述用户行为特征输入与所述用户所在资源配额使用场景组对应的资源配额使用模型时,该模型便可以准确的预测用户资源配额使用率。因此,在本步骤之前,所述方法还包括:
S31、根据历史用户在第一预设时间段内的资源配额使用情况将历史用户分至对应的资源配额使用场景组;
为了提高模型的准确性,所述第一预设时间段优选与步骤S1中的预设时间段相同,具体对用户资源配额使用场景的分配方式可参考步骤S1,此处不再赘述。
S32、获取各个资源配额使用场景组中历史用户的用户行为特征以及历史用户在所述第一预设时间段之后的实际资源配额使用行为;
所述实际资源配额使用行为包括:使用资源配额和不使用资源配额。根据大量样本统计,一般用户使用或者不使用资源配额的行为会在资源配额权认证后的7日内作出,因此,在本步骤获取历史用户在第一预设时间段之后7日内的实际资源配额使用行为。
S33、以所述历史用户的用户行为特征作为输入特征,所述历史用户在预设时间段之后的实际资源配额使用行为作为标签训练历史用户所在资源配额使用场景组对应的资源配额使用模型。
其中,可以标注使用资源配额的用户标签为已使用,比如采用1作为这些用户的标签;标注未使用资源配额的用户标签为未使用,比如采用0作为这些用户的标签。所述资源配额使用模型可以是XGboost、GBDT、决策树等分类模型。
S4、根据用户资源配额使用率及用户所在资源配额使用场景组向用户发送对应的推荐信息。
在本步骤之前,可以先配置各个资源配额使用场景组中不同用户资源配额使用率对应的推荐信息,因此,在本步骤之前,所述方法还包括:
S41、配置各个资源配额使用场景组中不同用户资源配额使用率对应的推荐策略;
示例性的,对于同一资源配额使用场景组中的用户,根据资源配额使用率从高到底进行排序,将排序前N的用户作为第一小组,剩余用户作为另第二小组,然后为每一个资源配额使用场景中的第一小组和第二小组配置对应的推荐策略。或者,对于同一资源配额使用场景组中的用户,根据实际需要设置多个大小不等的阈值,根据用户资源配额使用率与阈值之间的大小关系将用户分为多个小组,然后为每一个资源配额使用场景中的所述多个小组分别配置对应的推荐策略。
其中,推荐策略可以包括推荐信息的发送周期、发送形式等。比如对休眠场景组中第一小组的用户配置周期性的无差别的推荐信息的发送策略。对休眠场景组中第二小组配置临时性的有差别的推荐信息的发送策略等。
S42、根据所述推荐策略配置推荐信息。
其中,所述推荐信息用于促进资源配置权认证后未使用用户的资源配额使用。所述推荐信息具体可以是针对不同用户的促销信息。其可以是提额信息、降息信息等。具体对应不同的分组其提额比例、降息比例和/或免息比例有所不同。
图2是本发明一种基于资源配额使用率的分场景信息推送装置的架构示意图,如图2所示,所述装置包括:
确定模块21,用于根据用户在预设时间段内对资源配额的使用情况确定用户所在资源配额使用场景组;具体的,授信后预设时间段内未使用资源配额的用户属于休眠场景组;授信后预设时间段内使用的资源配额结清后未再使用资源配额的用户属于睡眠场景组;授信后预设时间段内使用的资源配额未结清且资源配置额度的使用率小于阈值的用户属于资源再分配场景组。
获取模块22,用于获取用户行为特征;其中,所述用户行为特征包括:用户最近一次行为信息,用户最近一次行为距今的天数、用户APP打点信息中的至少一种。在一种示例中,所述用户APP打点信息包括用户在第二预定时间段内对APP操作的次数,所述对APP操作包括:进入APP、点击APP页面、输入APP账号/密码中的至少一种。
输入模块23,用于将所述用户行为特征输入与所述用户所在资源配额使用场景组对应的资源配额使用模型中,预测用户资源配额使用率;
发送模块24,用于根据用户资源配额使用率及用户所在资源配额使用场景组向用户发送对应的推荐信息。
进一步的,所述装置还包括:
分组模块,用于根据历史用户在第一预设时间段内的资源配额使用情况将历史用户分至对应的资源配额使用场景组;
子获取模块,用于获取各个资源配额使用场景组中历史用户的用户行为特征以及历史用户在所述第一预设时间段之后的实际资源配额使用行为;
训练模块,用于以所述历史用户的用户行为特征作为输入特征,所述历史用户在预设时间段之后的实际资源配额使用行为作为标签训练历史用户所在资源配额使用场景组对应的资源配额使用模型。
进一步的,所述装置还包括:
第一配置模块,用于配置各个资源配额使用场景组中不同用户资源配额使用率对应的推荐策略;
第二配置模块,用于根据所述推荐策略配置推荐信息。
本领域技术人员可以理解,上述装置实施例中的各模块可以按照描述分布于装置中,也可以进行相应变化,分布于不同于上述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。
下面描述本发明的电子设备实施例,该电子设备可以视为对于上述本发明的方法和装置实施例的实体形式的实施方式。对于本发明电子设备实施例中描述的细节,应视为对于上述方法或装置实施例的补充;对于在本发明电子设备实施例中未披露的细节,可以参照上述方法或装置实施例来实现。
图3是根据本发明的一种电子设备的示例性实施例的结构框图。图3显示的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,该示例性实施例的电子设备300以通用数据处理设备的形式表现。电子设备300的组件可以包括但不限于:至少一个处理单元310、至少一个存储单元320、连接不同电子设备组件(包括存储单元320和处理单元310)的总线330、显示单元340等。
其中,所述存储单元320存储有计算机可读程序,其可以是源程序或都只读程序的代码。所述程序可以被处理单元310执行,使得所述处理单元310执行本发明各种实施方式的步骤。例如,所述处理单元310可以执行如图1所示的步骤。
所述存储单元320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)3201和/或高速缓存存储单元3202,还可以进一步包括只读存储单元(ROM)3203。所述存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204,这样的程序模块3205包括但不限于:操作电子设备、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330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300也可以与一个或多个外部设备100(例如键盘、显示器、网络设备、蓝牙设备等)通信,使得用户能经由这些外部设备100与该电子设备300交互,和/或使得该电子设备300能与一个或多个其它数据处理设备(例如路由器、调制解调器等等)进行通信。这种通信可以通过输入/输出(I/O)接口350进行,还可以通过网络适配器360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)进行。网络适配器360可以通过总线330与电子设备300的其它模块通信。应当明白,尽管图3中未示出,电子设备300中可使用其它硬件和/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电子设备、磁带驱动器以及数据备份存储电子设备等。
图4是本发明的一个计算机可读介质实施例的示意图。如图4所示,所述计算机程序可以存储于一个或多个计算机可读介质上。计算机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、或半导体的电子设备、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。当所述计算机程序被一个或多个数据处理设备执行时,使得该计算机可读介质能够实现本发明的上述方法,即:根据用户在预设时间段内对资源配额的使用情况确定用户所在资源配额使用场景组;获取用户行为特征;将所述用户行为特征输入与所述用户所在资源配额使用场景组对应的资源配额使用模型中,预测用户资源配额使用率;根据用户资源配额使用率及用户所在资源配额使用场景组向用户发送对应的推荐信息。
通过以上的实施方式的描述,本领域的技术人员易于理解,本发明描述的示例性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,根据本发明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计算机可读的存储介质(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数据处理设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。
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电子设备、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音的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语音包括面向对象的程序设计语音—诸如Java、C++等,还包括常规的过程式程序设计语音—诸如“C”语音或类似的程序设计语音。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)。
综上所述,本发明可以执行计算机程序的方法、装置、电子设备或计算机可读介质来实现。可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现本发明的一些或者全部功能。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于资源配额使用率的分场景信息推送方法,其特征在于,所述方法包括:
根据用户在预设时间段内对资源配额的使用情况确定用户所在资源配额使用场景组;
获取用户行为特征;
将所述用户行为特征输入与所述用户所在资源配额使用场景组对应的资源配额使用模型中,预测用户资源配额使用率;
根据用户资源配额使用率及用户所在资源配额使用场景组向用户发送对应的推荐信息。
2.根据权利要求1所述的方法,其特征在于,所述用户行为特征包括:用户最近一次行为信息,用户最近一次行为距今的天数、用户APP打点信息中的至少一种。
3.根据权利要求1或2所述的方法,其特征在于,资源配置权认证后预设时间段内未使用资源配额的用户属于休眠场景组;资源配置权认证后预设时间段内使用的资源配额结清后未再使用资源配额的用户属于睡眠场景组;资源配置权认证后预设时间段内使用的资源配额未结清且资源配置额度的使用率小于阈值的用户属于资源再分配场景组。
4.根据权利要求3所述的方法,其特征在于,所述将所述用户行为特征输入与所述用户所在资源配额使用场景组对应的资源配额使用模型中,预测用户资源配额使用率之前,所述方法还包括:
根据历史用户在第一预设时间段内的资源配额使用情况将历史用户分至对应的资源配额使用场景组;
获取各个资源配额使用场景组中历史用户的用户行为特征以及历史用户在所述第一预设时间段之后的实际资源配额使用行为;
以所述历史用户的用户行为特征作为输入特征,所述历史用户在预设时间段之后的实际资源配额使用行为作为标签训练历史用户所在资源配额使用场景组对应的资源配额使用模型。
5.根据权利要求3所述的方法,其特征在于,所述根据用户资源配额使用率及用户所在资源配额使用场景组向用户发送对应的推荐信息之前,所述方法还包括:
配置各个资源配额使用场景组中不同用户资源配额使用率对应的推荐策略;
根据所述推荐策略配置推荐信息。
6.根据权利要求2所述的方法,其特征在于,所述用户APP打点信息包括用户在第二预定时间段内对APP操作的次数,所述对APP操作包括:进入APP、点击APP页面、输入APP账号/密码中的至少一种。
7.一种基于资源配额使用率的分场景信息推送装置,其特征在于,所述装置包括:
确定模块,用于根据用户在预设时间段内对资源配额的使用情况确定用户所在资源配额使用场景组;
获取模块,用于获取用户行为特征;
输入模块,用于将所述用户行为特征输入与所述用户所在资源配额使用场景组对应的资源配额使用模型中,预测用户资源配额使用率;
发送模块,用于根据用户资源配额使用率及用户所在资源配额使用场景组向用户发送对应的推荐信息。
8.一种电子设备,包括:
处理器;以及
存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器执行根据权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,当所述一个或多个程序被处理器执行时,实现权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110161752.6A CN112541127B (zh) | 2021-02-05 | 2021-02-05 | 一种基于资源配额使用率的分场景信息推送方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110161752.6A CN112541127B (zh) | 2021-02-05 | 2021-02-05 | 一种基于资源配额使用率的分场景信息推送方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112541127A true CN112541127A (zh) | 2021-03-23 |
CN112541127B CN112541127B (zh) | 2022-02-25 |
Family
ID=75018147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110161752.6A Active CN112541127B (zh) | 2021-02-05 | 2021-02-05 | 一种基于资源配额使用率的分场景信息推送方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112541127B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957834A (zh) * | 2010-08-12 | 2011-01-26 | 百度在线网络技术(北京)有限公司 | 一种基于用户特征进行内容推荐的方法与设备 |
CN103873528A (zh) * | 2012-12-17 | 2014-06-18 | 北京百度网讯科技有限公司 | 一种为用户分配系统资源的方法与设备 |
CN107016569A (zh) * | 2017-03-21 | 2017-08-04 | 聚好看科技股份有限公司 | 一种网络产品的目标用户账号获取方法及装置 |
CN110443636A (zh) * | 2019-07-15 | 2019-11-12 | 阿里巴巴集团控股有限公司 | 在用户间分配资源以调控其电子支付行为的方法和装置 |
CN110766507A (zh) * | 2019-02-25 | 2020-02-07 | 北京嘀嘀无限科技发展有限公司 | 一种资源配置方法及装置 |
CN111314869A (zh) * | 2020-02-18 | 2020-06-19 | 中国联合网络通信集团有限公司 | 流量配额分配方法、装置、电子设备及存储介质 |
CN111985773A (zh) * | 2020-07-15 | 2020-11-24 | 北京淇瑀信息科技有限公司 | 用户资源分配策略确定方法、装置及电子设备 |
CN112288554A (zh) * | 2020-11-27 | 2021-01-29 | 腾讯科技(深圳)有限公司 | 商品推荐方法和装置、存储介质及电子装置 |
-
2021
- 2021-02-05 CN CN202110161752.6A patent/CN112541127B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957834A (zh) * | 2010-08-12 | 2011-01-26 | 百度在线网络技术(北京)有限公司 | 一种基于用户特征进行内容推荐的方法与设备 |
CN103873528A (zh) * | 2012-12-17 | 2014-06-18 | 北京百度网讯科技有限公司 | 一种为用户分配系统资源的方法与设备 |
CN107016569A (zh) * | 2017-03-21 | 2017-08-04 | 聚好看科技股份有限公司 | 一种网络产品的目标用户账号获取方法及装置 |
CN110766507A (zh) * | 2019-02-25 | 2020-02-07 | 北京嘀嘀无限科技发展有限公司 | 一种资源配置方法及装置 |
CN110443636A (zh) * | 2019-07-15 | 2019-11-12 | 阿里巴巴集团控股有限公司 | 在用户间分配资源以调控其电子支付行为的方法和装置 |
CN111314869A (zh) * | 2020-02-18 | 2020-06-19 | 中国联合网络通信集团有限公司 | 流量配额分配方法、装置、电子设备及存储介质 |
CN111985773A (zh) * | 2020-07-15 | 2020-11-24 | 北京淇瑀信息科技有限公司 | 用户资源分配策略确定方法、装置及电子设备 |
CN112288554A (zh) * | 2020-11-27 | 2021-01-29 | 腾讯科技(深圳)有限公司 | 商品推荐方法和装置、存储介质及电子装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112541127B (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022252363A1 (zh) | 数据处理方法、计算机设备以及可读存储介质 | |
US11853908B2 (en) | Data-analysis-based, noisy labeled and unlabeled datapoint detection and rectification for machine-learning | |
KR101994454B1 (ko) | 업무 분배 및 평가 방법 | |
CN111210335A (zh) | 用户风险识别方法、装置及电子设备 | |
Ceselli et al. | Optimized assignment patterns in Mobile Edge Cloud networks | |
CN111598494A (zh) | 资源额度的调整方法、装置及电子设备 | |
Kshetri et al. | Big data and cloud computing for development: Lessons from key industries and economies in the global south | |
CN111177319A (zh) | 风险事件的确定方法、装置、电子设备和存储介质 | |
CN112017060A (zh) | 为目标用户进行资源分配的方法、装置及电子设备 | |
US20160078348A1 (en) | Automatic Case Assignment Based on Learned Expertise of Prior Caseload | |
CN112017062B (zh) | 基于客群细分的资源额度分配方法、装置及电子设备 | |
CN103793420B (zh) | 用于跨站点数据分析的方法和系统 | |
CN112541127B (zh) | 一种基于资源配额使用率的分场景信息推送方法及装置 | |
CN110070383B (zh) | 基于大数据分析的异常用户识别方法及装置 | |
US11163959B2 (en) | Cognitive predictive assistance for word meanings | |
CN112016798A (zh) | 一种用于提高资源利用率的自动化信息发送方法及装置 | |
CN113297258B (zh) | 一种基于目标人群数据提取的定制化信息推送方法及装置 | |
CN115375453A (zh) | 系统资源分配方法及装置 | |
CN111680215B (zh) | 一种信息推送的方法、装置和电子设备 | |
CN115640325A (zh) | 内容推荐方法、装置、可读介质及电子设备 | |
CN113590310A (zh) | 基于规则触碰率评分的资源分配方法、装置及电子设备 | |
CN112950003A (zh) | 用户资源配额调整方法、装置及电子设备 | |
CN112015892A (zh) | 资源分配方法、装置及电子设备 | |
CN115794353B (zh) | 云网业务服务质量优化处理方法、装置、设备及存储介质 | |
CN111949863B (zh) | 一种信息推送的方法、装置和电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |