CN112581153B

CN112581153B - 资源分配方法、资源分配装置、存储介质和电子设备

Info

Publication number: CN112581153B
Application number: CN201910934612.0A
Authority: CN
Inventors: 赵纯
Original assignee: Rajax Network Technology Co Ltd
Current assignee: Rajax Network Technology Co Ltd
Priority date: 2019-09-29
Filing date: 2019-09-29
Publication date: 2023-04-07
Anticipated expiration: 2039-09-29
Also published as: CN112581153A

Abstract

本发明实施例公开了一种资源分配方法、资源分配装置、存储介质和电子设备。本发明实施例在接收到针对目标区域的资源分配请求后，获取在前周期位置在目标区域的至少一个实体类型的实体的实体属性信息构成的实体属性集合，并根据实体属性集合获取当前周期目标区域在上述至少一个实体类型对应的预测资源分配参数，从而根据预测资源分配参数和当前周期目标区域对应的可分配资源进行资源分配。在本发明实施例中，预测资源分配参数根据预先训练的资源分配预测模型获取，因此预测资源分配参数具有较高的准确性，使得本发明实施例的资源分配方法可以对当前周期目标区域对应的展示资源进行合理分配。

Description

资源分配方法、资源分配装置、存储介质和电子设备

技术领域

本发明公开涉及数据处理领域，具体涉及一种资源分配方法、资源分配装置、存储介质和电子设备。

背景技术

随着互联网的不断发展，O2O(online to offline，线上到线下)交易也变得越来越普及。用户可以通过预定的交易应用、交易网站等查看并选择符合自身需求的商品，而电商平台可以通过不同的策略对不同实体类型的商户或商品进行展示资源的分配，以期望提升用户对于各实体类型的商户或商品的访问量，促进各实体类型的商户的发展。

发明内容

有鉴于此,本发明实施例的目的在于提供一种资源分配方法、资源分配装置、存储介质和电子设备，用于对全部商户进行合理地资源分配。

第一方面，本发明实施例提供了一种资源分配方法，所述方法包括：

由具有至少一个硬件处理器的计算机系统从用户的终端接收针对目标区域的资源分配请求，所述资源为实体对应的展示量资源；

由所述计算机系统获取在前周期所述目标区域对应的实体属性集合，所述实体属性集合包括位置在所述目标区域的至少一个实体类型的实体的实体属性信息；

由所述计算机系统根据所述实体属性集合，基于预先训练的资源分配预测模型，获取当前周期所述目标区域在所述至少一个实体类型对应的预测资源分配参数，所述资源分配预测模型根据样本集合训练获得，所述样本集合包括位置在多个区域的所述至少一个实体类型的实体的历史实体属性信息和各所述实体类型对应的历史资源分配参数；

由所述计算机系统根据预测资源分配参数和可分配资源进行资源分配。

优选地，所述历史资源分配参数根据在前周期所述至少一个实体类型的实体对应的已展示数量、访问数量、已展示实体数量、订单数量和平均消耗参数中的至少一项确定。

优选地，所述根据预测资源分配参数和可分配资源进行资源分配包括：

获取在前周期各所述实体类型对应的第一资源分配参数；

根据所述第一资源分配参数和所述预测资源分配参数确定第二资源分配参数；

根据所述第二资源分配参数和所述可分配资源进行资源分配。

优选地，所述根据所述第一资源分配参数和所述预测资源分配参数确定第二资源分配参数包括：

将所述第一资源分配参数和所述预测资源分配参数的加权和确定为所述第二资源分配参数。

优选地，所述根据所述第二资源分配参数和所述可分配资源进行资源分配包括：

根据所述第二资源分配参数和所述可分配资源确定当前周期所述目标区域在所述至少一个实体类型对应的资源分配数量以进行资源分配。

优选地，所述根据所述实体属性集合，基于预先训练的资源分配预测模型，获取当前周期所述目标区域在所述至少一个实体类型对应的预测资源分配参数包括：

根据所述实体属性集合分别确定所述目标区域在多个策略下对应的实体属性子集合，所述策略为实体信息的展示策略；

分别将各所述实体属性子集合输入所述资源分配预测模型，获取所述目标区域在各所述策略下对应的资源分配参数。

分别将所述实体属性集合中各所述实体类型的所述实体属性信息输入所述资源分配模型，获取各所述实体类型对应的资源分配参数。

优选地，所述实体属性信息包括配送时长信息、实体数量信息、图像数量信息、接单时长信息、负面评价信息、正面评价信息、评分信息、催单信息和准时情况信息中的至少一项。

第二方面，本发明实施例提供了一种资源分配装置，所述装置包括：

接收单元，用于接收针对目标区域的资源分配请求，所述资源为实体对应的展示量资源；

第一获取单元，用于获取在前周期所述目标区域对应的实体属性集合，所述实体属性集合包括位置在所述目标区域的至少一个实体类型的实体的实体属性信息；

第二获取单元，用于根据所述实体属性集合，基于预先训练的资源分配预测模型，获取当前周期所述目标区域在所述至少一个实体类型对应的预测资源分配参数，所述资源分配预测模型根据样本集合训练获得，所述样本集合包括位置在多个区域的所述至少一个实体类型的实体的历史实体属性信息和各所述实体类型对应的历史资源分配参数；

资源分配单元，用于根据预测资源分配参数和可分配资源进行资源分配。

第三方面，本发明实施例提供了一种计算机可读存储介质，其上存储计算机程序指令，其中，所述计算机程序指令在被处理器执行时实现如第一方面中任一项所述的方法。

第四方面，本发明实施例提供了一种电子设备，包括存储器和处理器，其中，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：

接收针对目标区域的资源分配请求，所述资源为实体对应的展示量资源；

获取在前周期所述目标区域对应的实体属性集合，所述实体属性集合包括位置在所述目标区域的至少一个实体类型的实体的实体属性信息；

根据所述实体属性集合，基于预先训练的资源分配预测模型，获取当前周期所述目标区域在所述至少一个实体类型对应的预测资源分配参数，所述资源分配预测模型根据样本集合训练获得，所述样本集合包括位置在多个区域的所述至少一个实体类型的实体的历史实体属性信息和各所述实体类型对应的历史资源分配参数；

根据预测资源分配参数和可分配资源进行资源分配。

获取在前周期各所述实体类型对应的第一资源分配参数；

本发明实施例在接收到针对目标区域的资源分配请求后，获取在前周期位置在目标区域的至少一个实体类型的实体的实体属性信息构成的实体属性集合，并根据实体属性集合获取当前周期目标区域在上述至少一个实体类型对应的预测资源分配参数，从而根据预测资源分配参数和当前周期目标区域对应的可分配资源进行资源分配。在本发明实施例中，预测资源分配参数根据预先训练的资源分配预测模型获取，因此预测资源分配参数具有较高的准确性，使得本发明实施例的资源分配方法可以对当前周期目标区域对应的展示资源进行合理分配。

附图说明

通过以下参照附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：

图1是本发明第一实施例的资源分配方法的流程图；

图2是本发明实施例的预测资源分配参数的列表的示意图；

图3是本发明第二实施例的资源分配装置的示意图；

图4是本发明第三实施例的电子设备的示意图。

具体实施方式

以下基于实施例对本发明公开进行描述，但是本发明公开并不仅仅限于这些实施例。在下文对本发明公开的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明公开。为了避免混淆本发明公开的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。

此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。

除非上下文明确要求，否则整个申请中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。

在本发明公开的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。

随着电商平台的发展规模不断增大，与其合作的商户的数量也在逐渐增多。例如，如果某一新增商户不是连锁店，且知名度较低或营业天数较少，根据现有技术，该新增商户的商户信息被曝光(也即，被展示在交易应用或交易网站首页)的可能性很低，使得该新增商户可能很长时间都无法得到用户关注，也无法得到较好的发展机会。因此对于电商平台而言，如何对包括新增商户在内的全部商户进行合理地资源分配是亟需解决的问题。

本发明实施例提供的资源分配方法的执行主体包括但不限于服务器。在本发明实施例中，以实体为商户为例进行说明，但是本领域技术人员容易理解，其他实体类型的实体(例如，商品、信息资源等)同样适用于本发明实施例的方法。

图1是本发明第一实施例的资源分配方法的流程图。如图1所示，本实施例的方法包括如下步骤：

步骤S100，接收针对目标区域的资源分配请求。

具体地，终端可以定期或根据用户(例如交易平台的维护人员)指令向服务器(也即，具有至少一个硬件处理器的计算机系统)发送针对任一区域的资源分配请求，由此服务器可以在接收到该资源分配请求后，将上述任一区域确定为目标区域。目标区域可以为县、区、市等行政区域，也可以为根据业务需求等预先进行划分的区域，本实施例不做限定。

在本实施例中，资源为位置在目标地区的全部实体对应的展示量资源。通常目标地区内实体的数量较大，而全部实体对应的展示量资源有限，也就是说，在通过预定交易应用或交易网页等对实体进行展示时，每次只展示该地区内的少量实体。因此，需要对各(实体类型的)实体对应的资源进行合理分配。

步骤S200，获取在前周期目标区域对应的实体属性集合。

其中，实体属性集合包括位置在目标地区的至少一个实体类型的实体的实体属性信息。具体地，各实体对应的实体类型可以通过打标签的方式预先确定，例如，对于餐饮行业而言，实体类型可以为新增类、连锁类、品牌类，也可以为中式、美式、意式等。容易理解，对于同一个实体而言，其对应的实体类型(也即，标签)可以有多个。

在本实施例中，实体属性信息可以包括至少一个实体类型的实体对应的配送时长信息、实体数量信息、图像数量信息、接单时长信息、负面评价信息、正面评价信息、评分信息、催单信息和准时情况信息中的至少一项。容易理解，实体属性信息还可以包括优惠活动(例如，满减等)比例、营业天数、营业时长、多次下单的顾客(也即，回头客)数量等，本实施例不做限定。

其中，配送时长信息可以根据接收到顾客的下单(也即，确认订单)指令的时刻与订单送达的时刻确定，具体可以为实体对应的订单的最小配送时长、最大配送时长、平均配送时长、配送时长的标准差等；以商户为例，实体数量信息也即商户对应的商品的数量信息，类似地，也可以为实体数量的最大值、最小值、平均值、标准差等；图像数量信息可以为用于展示实体外观的图像的数量信息，以商户为例，图像数量信息可以用于表征商户店铺的图像数量信息，也可以为商户对应的商品的图像数量信息，类似地，也可以为图像数量的最大值、最小值、平均值、标准差等；接单时长信息可以根据服务器在接收到顾客的下单指令的时刻与接收到实体的确认指令的时刻确定，类似地，也可以为接单时长的最大值、最小值、平均值、标准差等；负面评价信息也即顾客对于实体的差评，负面评价信息可以为差评率、差评数量等的最大值、最小值、平均值、标准差等；类似地，正面评价信息可以为好评率、好评数量等的最大值、最小值、平均值、标准差等；评分也即顾客对于实体的评价分数，评分信息可以为评分的最大值、最小值、平均值、标准差等；以商户为例，催单信息通常用于反映商户准备商品的情况，商户准备商品的效率越高，催单的情况越低，反之则催单的情况越高，催单信息可以为实体被催单的催单率、催单数量等的最大值、最小值、平均值、标准差等；类似地，准时情况信息用于综合地反映实体对应的订单的配送情况，准时情况信息可以为准时的数量、准时率等的最大值、最小值、平均值、标准差等。

以商户为例，在现有技术中，部分商户由于是加盟商户或者连锁商户，即使接单时长较长，或者回头客的比例较低，仍旧可能因为评分较高被分配到较多的展示资源，因此可能会对顾客的选择带来负面影响；而另一部分商户由于营业天数较少或者知名度较低，即使回头客比例较高，或者评价较高，也可能不会被分配到较多的展示资源，限制了上述另一部分商户的发展。因此交易平台需要对各实体类型实体的展示资源进行合理分配，以促进各实体类型的实体的积极发展。

步骤S300，根据实体属性集合，基于预先训练的资源分配预测模型，获取当前周期目标区域在至少一个实体类型对应的预测资源分配参数。

具体地，服务器可以将实体属性集合转化为实体属性向量(也即，各实体类型的实体的实体属性特征构成的向量)，并将实体属性向量输入资源分配预测模型中，从而获取当前周期目标区域在至少一个实体类型对应的预测资源分配参数。

具体地，若目标用户和样本集合中用户的用户属性特征包括数值型的特征，例如，实体评分、销量时，可以直接获取该项特征；若目标用户和样本集合中用户的用户属性特征包括非数值型的特征，例如，实体类别时，可以预先确定各项特征与预定数值的对应关系，例如，类别为川菜对应于1，粤菜对应于2等，由此可以在后续根据非数值型特征-预定数值的对应关系，将非数值型特征转化为数值型特征。

资源分配预测模型根据训练样本训练获得。在本实施例中，训练样本包括位置在多个区域的至少一个实体类型的实体的历史实体属性信息和各实体类型对应的历史资源分配参数。历史资源分配参数可以根据在前周期至少一个实体类型的实体对应的已展示数量、访问数量、已展示实体数量、订单数量和平均消耗参数中的至少一项确定。其中，已展示数量可以为在该实体类型下已展示的商户数量，访问数量可以为在该实体类型下各商户被访问的数量的总和或平均值等，已展示实体数量可以为在该实体类型下各商户被展示的商品的数量的总和或平均值等，平均消耗参数可以为在该实体类型下各商户的平均客单价等。可选地，在根据上述多项参数确定历史资源分配参数时，可以通过计算各项参数的乘积或加权和等方式确定，本实施例不做限定。

例如，训练样本可以包括位置在区域A且实体类型为类型1的实体的实体属性信息和其对应的历史资源分配参数、位置在区域B且实体类型为类型1实体的实体属性信息和其对应的历史资源分配参数，以及位置在区域C且实体类型为类型1的实体的实体属性信息和其对应的历史资源分配参数。再例如，训练样本可以包括位置在区域A且实体类型为类型1的实体的实体属性信息和其对应的历史资源分配参数、位置在区域A且实体类型为类型2的实体的实体属性信息和其对应的历史资源分配参数、位置在区域B且实体类型为类型1的实体的实体属性信息和其对应的历史资源分配参数，以及位置在区域B且实体类型为类型2的实体的实体属性信息和其对应的历史资源分配参数。

容易理解，上述“多个区域”可以包括目标区域，也可以不包括目标区域，本实施例不做限定。

在本实施例中，资源分配预测模型可以为树模型、贝叶斯分类器、神经网络等，本实施例不做限定。以神经网络为例，神经网络全称人工神经网络(Artificial NeuralNetwork，ANN)，是由大量处理单元互联形成的信息处理模型。常见的人工神经网络包括卷积神经网络(Convolutional Neural Network，CNN)、循环神经网络(Recurrent NeuralNetwork，RNN)等。ANN具有非线性(适于处理非线性信息)、非局限性(也即，一个系统的整体行为取决于处理单元间的相互作用)、非常定性(也即，具有自适应、自组织、自学习能力，能够在处理信息的过程中不断进行自我学习)和非凸性(模型的激活函数具有多个极值，这使得模型具有多个较为稳定的平衡态，从而使得模型的变化是多样的)的特点，因此能够广泛地应用于各种领域，进行较为准确的数据预测。

在通过服务器对资源分配预测模型进行训练时，可以采用如下两种方式进行：

(一)若各区域对应的实体类型的种类不全相同，例如，区域A内的实体类型包括类型1和类型2，区域B内的实体类型包括类型1、类型3和类型4，可以分别将各区域内各实体类型对应的实体属性向量分别作为资源分配预测模型的输入，并将各实体类型对应的历史资源分配参数作为对应的输出对资源分配预测模型进行训练。由此，在资源分配预测模型的应用过程中，服务器将目标区域内各实体类型的实体对应的实体属性向量输入资源分配预测模型后，可以分别获取各实体类型对应的预测资源分配参数。

容易理解，若各区域对应的实体类型的种类全部相同时，也可以采用上述方式对资源分配预测模型进行训练。

(二)若实体类型的种类全部相同，可以将同一区域内各实体类型对应的实体属性向量确定为该区域对应的实体属性矩阵并作为资源分配预测模型的输入，将各实体类型对应的历史资源分配参数确定为该区域对应的历史资源分配向量(也即，向量中的各元素分别为各实体类型对应的历史资源分配参数)作为对应的输出对资源分配预测模型进行训练。由此，在资源分配预测模型的应用过程中，服务器将目标区域内各实体类型的实体对应的实体属性向量输入资源分配预测模型后，可以获取目标区域对应的预测资源分配向量，并根据预测资源分配向量确定目标区域内各实体类型对应的预测资源分配参数，也就是说，服务器可以同时获取目标区域内各实体类型对应的预测资源分配参数。

例如，资源分配预测模型输出的预测资源分配向量为(0.1,0.3,0.25,0.15，0.2)，则可以确定目标区域内类型1对应的资源分配参数为0.1，类型2对应的资源分配参数为0.3，类型3对应的资源分配参数为0.25，类型4对应的资源分配参数为0.15，类型5对应的资源分配参数为0.2。

在本实施例中，预测资源分配参数和预测资源分配参数可以为目标区域内分配给各实体类型的展示资源的比例。

进一步地，对于不同区域而言，对实体信息的展示策略可能包括多个，例如，在预定应用或预定网页的首页展示位置在目标区域的预定数量的实体对应的实体信息，或者在根据实体信息获取实体的排序评分时对不同类型赋予不同的权重，以不同程度地提升各实体类型的实体被展示的可能。因此在对资源分配预测模型进行训练时，可以将各区域内的各实体类型在不同策略下对应的历史实体属性和历史资源分配参数分别作为资源分配预测模型的输入和输出。由此在资源分配预测模型的应用过程中，可以将实体属性集合划分为目标区域内的各实体类型在不同策略下对应的实体属性子集合作为资源分配预测模型的输入，由此可以获得目标区域内的各实体类型在不同策略下对应的预测资源分配参数。其中，实体信息可以包括实体对应的评分、图像数量、营业天数等，本实施例不做限定。

图2是本发明实施例的预测资源分配参数的列表的示意图。如图2所示，位置在目标区域的实体被划分为四种实体类型(也即，类型1-类型4)，目标区域对应的展示策略为策略1-策略4。类型1的实体被分配到的预测资源分配参数的和为0.3，类型2的实体被分配到的预测资源分配参数的和为0.2，类型3的实体被分配到的预测资源分配参数的和为0.35，类型4的实体被分配到的预测资源分配参数的和为0.15。以类型1的实体为例，类型1的实体在策略1下被分配到的预测资源分配参数为0.15，在策略2下被分配到的预测资源分配参数为0.05，在策略3下被分配到的预测资源分配参数为0.1。

容易理解，在实体类型的数量为多种时，各实体类型对应的预测资源分配参数的和不超过1(也即，100％)。

步骤S400，根据预测资源分配参数和可分配资源进行资源分配。

可选地，服务器可以根据目标区域在当前周期的预测资源分配参数和可分配资源进行资源分配。可分配资源可以为当前周期目标区域对应的总的展示资源的数量。具体地，可以根据当前周期的预测资源分配参数和可分配资源的乘积进行资源分配。例如，目标区域内实体类型为类型1的实体在当前周期对应的预测资源分配参数为0.13，可分配资源为10000，则目标区域内实体类型为类型1的实体在当前周期对应的资源分配数量为1300。

类似地，若预测资源分配参数为当前周期目标区域内的实体类型在某一策略下对应的预测资源分配参数，则资源分配的方式相似，在此不再赘述。

可选地，在前周期的实体信息集合包括的实体属性可能受到天气、节假日等因素的影响，因此会对预测获得的预测资源分配参数的准确性产生影响。因此，服务器可以获取在前周期各实体类型对应的第一资源分配参数，并根据第一资源分配参数和预测资源分配参数获取第二资源分配参数，从而根据第二资源分配参数和可分配资源进行参数分配。

具体地，服务器可以根据预测资源分配参数和第一资源分配参数的加权和确定第二资源分配参数。预测资源分配参数和第一资源分配参数对应的加权和可以根据重要性进行设定，例如，预测资源分配参数对应的权重为0.7，第一资源分配参数对应的权重为0.3。容易理解，预测资源分配参数对应的权重和第一资源分配参数对应的权重的和为1。

本实施例在接收到针对目标区域的资源分配请求后，获取在前周期位置在目标区域的至少一个实体类型的实体的实体属性信息构成的实体属性集合，并根据实体属性集合获取当前周期目标区域在上述至少一个实体类型对应的预测资源分配参数，从而根据预测资源分配参数和当前周期目标区域对应的可分配资源进行资源分配。在本实施例中，预测资源分配参数根据预先训练的资源分配预测模型获取，因此预测资源分配参数具有较高的准确性，使得本实施例的资源分配方法可以对当前周期目标区域对应的展示资源进行合理分配。

图3是本发明第二实施例的资源分配装置的示意图。如图3所示，本实施例的装置包括接收单元31、第一获取单元32、第二获取单元33和资源分配单元34。

其中，接收单元31用于接收针对目标区域的资源分配请求，所述资源为实体对应的展示量资源。第一获取单元32用于获取在前周期所述目标区域对应的实体属性集合，所述实体属性集合包括位置在所述目标区域的至少一个实体类型的实体的实体属性信息。第二获取单元33用于根据所述实体属性集合，基于预先训练的资源分配预测模型，获取当前周期所述目标区域在所述至少一个实体类型对应的预测资源分配参数，所述资源分配预测模型根据样本集合训练获得，所述样本集合包括位置在多个区域的所述至少一个实体类型的实体的历史实体属性信息和各所述实体类型对应的历史资源分配参数。资源分配单元34用于根据预测资源分配参数和可分配资源进行资源分配。

本实施例在接收到针对目标区域的资源分配请求后，获取在前周期位置在目标区域的至少一个实体类型的实体的实体属性信息构成的实体属性集合，并根据实体属性集合获取当前周期目标区域在上述至少一个实体类型对应的预测资源分配参数，从而根据预测资源分配参数和当前周期目标区域对应的可分配资源进行资源分配。在本实施例中，预测资源分配参数根据预先训练的资源分配预测模型获取，因此预测资源分配参数具有较高的准确性，使得本实施例的资源分配装置可以对当前周期目标区域对应的展示资源进行合理分配。

图4是本发明第三实施例的电子设备的示意图。如图4所示，该电子设备：至少包括一个处理器401；以及，与至少一个处理器401通信连接的存储器402；以及，与扫描装置通信连接的通信组件403，通信组件403在处理器401的控制下接收和发送数据；其中，存储器402存储有可被至少一个处理器401执行的指令，指令被至少一个处理器401执行以实现：

根据预测资源分配参数和可分配资源进行资源分配。

进一步地，所述历史资源分配参数根据在前周期所述至少一个实体类型的实体对应的已展示数量、访问数量、已展示实体数量、订单数量和平均消耗参数中的至少一项确定。

进一步地，所述根据预测资源分配参数和可分配资源进行资源分配包括：

获取在前周期各所述实体类型对应的第一资源分配参数；

进一步地，所述根据所述第一资源分配参数和所述预测资源分配参数确定第二资源分配参数包括：

进一步地，所述根据所述第二资源分配参数和所述可分配资源进行资源分配包括：

进一步地，所述根据所述实体属性集合，基于预先训练的资源分配预测模型，获取当前周期所述目标区域在所述至少一个实体类型对应的预测资源分配参数包括：

进一步地，所述实体属性信息包括配送时长信息、实体数量信息、图像数量信息、接单时长信息、负面评价信息、正面评价信息、评分信息、催单信息和准时情况信息中的至少一项。

具体地，该电子设备包括：一个或多个处理器401以及存储器402，图4中以一个处理器401为例。处理器401、存储器402可以通过总线或者其他方式连接，图4中以通过总线连接为例。存储器402作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器401通过运行存储在存储器402中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述资源分配方法。

存储器402可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储选项列表等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一个或者多个模块存储在存储器402中，当被一个或者多个处理器401执行时，执行上述任意方法实施例中的资源分配方法。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果，未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。

本发明的第四实施例涉及一种非易失性存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。

即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域的普通技术人员可以理解，上述各实施例是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims

1.一种资源分配方法，其特征在于，所述方法包括：

由具有至少一个硬件处理器的计算机系统从用户的终端接收针对目标区域的资源分配请求，所述资源为实体对应的展示量资源，所述目标区域为根据业务需求预先划分的区域；

由所述计算机系统根据预测资源分配参数和可分配资源进行资源分配；

其中，所述根据预测资源分配参数和可分配资源进行资源分配包括：

获取在前周期各所述实体类型对应的第一资源分配参数；

2.根据权利要求1所述的方法，其特征在于，所述历史资源分配参数根据在前周期所述至少一个实体类型的实体对应的已展示数量、访问数量、已展示实体数量、订单数量和平均消耗参数中的至少一项确定。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第一资源分配参数和所述预测资源分配参数确定第二资源分配参数包括：

4.根据权利要求1所述的方法，其特征在于，所述根据所述第二资源分配参数和所述可分配资源进行资源分配包括：

5.根据权利要求1所述的方法，其特征在于，所述根据所述实体属性集合，基于预先训练的资源分配预测模型，获取当前周期所述目标区域在所述至少一个实体类型对应的预测资源分配参数包括：

6.根据权利要求1所述的方法，其特征在于，所述根据所述实体属性集合，基于预先训练的资源分配预测模型，获取当前周期所述目标区域在所述至少一个实体类型对应的预测资源分配参数包括：

7.根据权利要求1所述的方法，其特征在于，所述实体属性信息包括配送时长信息、实体数量信息、图像数量信息、接单时长信息、负面评价信息、正面评价信息、评分信息、催单信息和准时情况信息中的至少一项。

8.一种资源分配装置，其特征在于，所述装置包括：

接收单元，用于接收针对目标区域的资源分配请求，所述资源为实体对应的展示量资源，所述目标区域为根据业务需求预先划分的区域；

资源分配单元，用于根据预测资源分配参数和可分配资源进行资源分配；

其中，所述资源分配单元还用于获取在前周期各所述实体类型对应的第一资源分配参数，根据所述第一资源分配参数和所述预测资源分配参数确定第二资源分配参数，根据所述第二资源分配参数和所述可分配资源进行资源分配。

9.一种计算机可读存储介质，其上存储计算机程序指令，其特征在于，所述计算机程序指令在被处理器执行时实现如权利要求1-7中任一项所述的方法。

10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：

接收针对目标区域的资源分配请求，所述资源为实体对应的展示量资源，所述目标区域为根据业务需求预先划分的区域；

根据预测资源分配参数和可分配资源进行资源分配；

获取在前周期各所述实体类型对应的第一资源分配参数；

11.根据权利要求10所述的电子设备，其特征在于，所述历史资源分配参数根据在前周期所述至少一个实体类型的实体对应的已展示数量、访问数量、已展示实体数量、订单数量和平均消耗参数中的至少一项确定。

12.根据权利要求10所述的电子设备，其特征在于，所述根据所述第一资源分配参数和所述预测资源分配参数确定第二资源分配参数包括：

13.根据权利要求10所述的电子设备，其特征在于，所述根据所述第二资源分配参数和所述可分配资源进行资源分配包括：

14.根据权利要求10所述的电子设备，其特征在于，所述根据所述实体属性集合，基于预先训练的资源分配预测模型，获取当前周期所述目标区域在所述至少一个实体类型对应的预测资源分配参数包括：

15.根据权利要求10所述的电子设备，其特征在于，所述根据所述实体属性集合，基于预先训练的资源分配预测模型，获取当前周期所述目标区域在所述至少一个实体类型对应的预测资源分配参数包括：

16.根据权利要求10所述的电子设备，其特征在于，所述实体属性信息包括配送时长信息、实体数量信息、图像数量信息、接单时长信息、负面评价信息、正面评价信息、评分信息、催单信息和准时情况信息中的至少一项。