CN113760550A - 资源分配方法和资源分配装置 - Google Patents

Abstract

本申请实施例提供了一种资源分配方法和资源分配装置，属于通信技术领域。其中，资源分配方法包括：在接收到目标平台的推荐业务请求的情况下，根据目标平台的资源量，确定推荐业务请求的推荐队列长度；按照推荐队列长度输出推荐结果。

Description

资源分配方法和资源分配装置

技术领域

本申请涉及通信技术领域，具体而言，涉及一种资源分配方法和一种资源分配装置。

背景技术

目前互联网业务中，很多业务对实时性要求都比较高，比如应用分发、内容分发、商品推荐等。在这些推荐业务中，推荐侯选队列一般会经历检索、召回、粗排、精排等环节，最终选出一个或一系列应用、内容、商品等呈现在用户面前。为了满足系统性能需求，提高系统实时性，每个阶段都会对推荐候选队列进行截断。

相关技术中，针对所有用户、所有时间段的请求，各个环节的截断都采用固定式截断，例如，全量召回10万个应用，对推荐候选队列进行截断，5000个应用进粗排队列，1000个应用进精排队列等。但对于不同属性参数的推荐候选队列，若采用相同截断方法，低属性参数的高候选数则会浪费了有限的机器资源，高质流量的低候选数则无法充分利用资源，存在资源浪费的问题。

发明内容

本申请实施例提供了一种资源分配方法和资源分配装置，能够针对不同质量的流量，采用不同的候选截断方法，全局化考虑整体流量质量与平台机器资源之间的分配，优化推荐队列分配。

第一方面，本申请实施例提供了一种资源分配方法，包括：

在接收到目标平台的推荐业务请求的情况下，根据目标平台的资源量，确定推荐业务请求的推荐队列长度；

按照推荐队列长度输出推荐结果。

第二方面，本申请实施例提供了一种资源分配装置，包括：

确定模块，用于在接收到目标平台的推荐业务请求的情况下，根据目标平台的资源量，确定推荐业务请求的推荐队列长度；

输出模块，用于按照推荐队列长度输出推荐结果。

第三方面，本申请实施例提供了一种电子设备，包括第二方面实施例提供了一种资源分配装置。

第四方面，本申请实施例提供了一种电子设备，包括处理器、存储器及存储在该存储器上并在处理器上运行的程序或指令，该程序或指令被处理器执行时实现如第一方面提供的资源分配方法的步骤。

第五方面，本申请实施例提供了一种可读存储介质，可读存储介质上存储程序或指令，该程序或指令被处理器执行时实现如第一方面提供的资源分配方法的步骤。

第六方面，本申请实施例提供了一种芯片，芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行程序或指令，实现如第一方面提供的资源分配方法的步骤。

在本申请实施例中，资源分配方法包括：在接收到目标平台的推荐业务请求的情况下，根据目标平台的资源量，确定推荐业务请求的推荐队列长度；按照推荐队列长度输出推荐结果。从而充分考虑了目标平台资源量，为推荐业务请求配置对应的推荐队列长度(推荐队列的候选数)，并按照推荐队列长度输出推荐结果。进而在目标平台的机器资源有限的情况下，减少低属性参数(如质量流量、推荐成功率)较低的推荐队列长度，也即降低推荐队列所需的资源，使尽可能多的将资源分配给高属性参数的推荐队列。在不增加机器的情况下，全局化考虑整体流量质量与平台资源量之间的分配，优化推荐队列分配，实现了平台推荐效率的最大化。

附图说明

图1示出了根据本申请的一个实施例的资源分配方法的流程图之一；

图2示出了根据本申请的一个实施例的资源分配方法的流程图之二；

图3示出了根据本申请的一个实施例的资源分配方法的流程图之三；

图4示出了根据本申请的一个实施例的资源分配方法的流程图之四；

图5示出了根据本申请的一个实施例的资源分配方法的流程图之五；

图6示出了根据本申请的一个实施例的资源分配方法的流程图之六；

图7示出了根据本申请的一个实施例的资源分配方法的流程图之七；

图8示出了根据本申请的一个实施例的资源分配装置的结构框图；

图9示出了根据本申请的一个实施例的电子设备的结构框图；

图10示出了根据本申请的一个实施例的电子设备的硬件结构框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。

下面参照图1至图10描述根据本申请一些实施例资源分配方法和资源分配装置。

在本申请的一个实施例中，图1示出了本申请实施例的资源分配方法的流程图之一，包括：

步骤102，在接收到目标平台的推荐业务请求的情况下，根据目标平台的资源量，确定推荐业务请求的推荐队列长度；

其中，推荐队列即推荐结果的候选集合，推荐队列中包含一个或多个推荐结果，推荐结果可以是应用、商品、内容等，推荐业务请求指示了需要推荐的应用、商品或内容。推荐队列长度即推荐结果的候选数，例如，推荐队列长度越长，推荐队列中包含的推荐结果越多。

可以理解的是，在推荐业务进行过程中，推荐队列通常会经历至少一个环节，例如检索、召回、粗排、精排，每个环节具有对应的比例系数，全部环节的比例系数总和为1，不同环节的比例系数可以相同也可以不同。在推荐业务具有多个环节的情况下，在根据目标平台的总资源量和每个环节对应的比例系数的乘积得到目标平台为每个环节分配的资源量，再根据目标平台为每个环节分配的资源量确定每个环节的推荐队列长度。

步骤104，按照推荐队列长度输出推荐结果。

在该实施例中，能够充分考虑了目标平台资源量，为推荐业务请求配置对应的推荐队列长度(推荐队列的候选数)，并按照推荐队列长度输出推荐结果，以完成推荐业务请求的反馈。进而在目标平台的机器资源有限的情况下，减少低属性参数的推荐队列长度，也即降低推荐队列所需的资源，使尽可能多的将资源分配给高属性参数的推荐队列。在不增加机器的情况下，全局化考虑整体流量质量与平台资源量之间的分配，优化推荐队列分配，实现了平台推荐效率的最大化。

在实际应用中，当终端向用于提供推荐业务的服务器(目标平台)发送推荐业务请求时，服务器则可以为推荐业务请求选择一个推荐算法，根据该推荐算法为推荐业务请求确定出推荐结果，同时结合该时段的服务器资源量配置推荐队列长度，并根据推荐队列长度将推荐结果发送给终端，这样，终端则可以根据推荐结果进行响应，比如可以对推荐结果进行点击浏览等(即对推荐结果进行成功响应)，当然，终端也可以选择忽视该推荐结果，即不对该推荐结果进行任何响应或不进行成功响应。

具体地，该资源分配方法适用于电子设备，电子设备包括但不限于移动终端、平板电脑、计算机、笔记本电脑、可穿戴设备、车载终端等。

在本申请的一个实施例中，如图2所示，步骤102，根据目标平台的资源量，确定推荐业务请求的推荐队列长度，包括：

步骤202，获取目标平台的多个业务类别；

其中，目标平台中不同业务类别的属性参数不同。属性参数包括：质量流量、推荐成功率等，属性参数需要根据己收集到的历史推荐结果进行的响应反馈确定。属性参数越大，说明该类别的业务点击量越大，推荐结果的转化效果越好，推荐收益越高。目标平台的多个业务类别可根据该目标平台的历史业务数据分析得到。

需要说明的是，由于质量流量、推荐成功率等会属性参数受到很多因素的影响，很多时候在较短的时间段内并不稳定，比如在促销前的每天内，推荐的成功率都比较低，但在促销当天的推荐成功率突然增加很多，促销当天的推荐成功率是不能准确代表推荐业务的推荐成功率的，因此，在具体统计的过程中，通常会选取多个不同的时间段进行优化，每个时间段具有相同的统计结束时刻和不同的统计开始时刻。

步骤204，确定推荐业务请求的数据样本所属的目标业务类别；

其中，多个业务类别包括目标业务类别。

在该实施例中，通过比对当前业务请求的数据样本和目标平台的多个业务类别，确定出与当前业务请求最相似的目标业务类别。利用目标业务类别即可确定当前业务请求的属性参数，以便于后续通过属性参数合理分配平台资源，实现收益的最大化。

步骤206，根据目标平台的资源量，确定推荐业务请求的初始队列长度；

在该实施例中，目标平台预置有默认的资源分配策略，基于该默认资源分配策略会对所有业务请求分配相同的资源。从而根据目标平台的资源量和默认资源分配策略，确定出推荐业务请求的初始队列长度，也即默认设定的推荐队列长度。

具体地，资源分配策略包括推荐队列分配模型，如公式(1)所示：

其中，Q表示对应环节的目标平台的资源量，Q的取值受平台机器资源的约束，并与同时段推荐业务请求的数量和推荐队列长度有关。req表示推荐业务请求，t表示推荐业务请求所处的时间段，i表示同时间段发起的所有推荐业务请求的数量，count表示对应环节的推荐队列长度，不同环节有不同推荐队列长度。

步骤208，根据初始队列长度和目标业务类别对应的长度系数，确定推荐队列长度。

其中，目标业务类别的属性参数越大，长度系数越大，以保证高属性参数的推荐队列，能够得到更多的资源。

在该实施例中，根据目标业务类别对应的长度系数对默认的初始队列长度进行修正，以换算出适合当前业务请求的属性参数所需的推荐队列长度。从而能够针对不同质量的流量采用不同的截断方式，使得流量质量越高，count越大。进而在目标平台的机器资源有限的情况下，减少低属性参数的推荐队列长度，也即降低推荐队列所需的资源，使尽可能多的将资源分配给高属性参数的推荐队列，在不增加机器的情况下，全局化考虑整体流量质量与平台资源量之间的分配，优化推荐队列分配，实现了平台推荐效率的最大化。

具体地，根据初始队列长度和目标业务类别对应的长度系数，确定推荐队列长度采用如下公式(2)：

count＝count₀×(1+r)， (2)

其中，count表示推荐队列长度，count₀表示初始队列长度，r表示长度系数。

在本申请的一个实施例中，如图3所示，步骤204，确定推荐业务请求的数据样本所属的目标业务类别，包括：

步骤302，确定数据样本与多个业务类别中每个业务类别的聚类簇的聚类中心之间的第一距离；

步骤304，将多个第一距离中的最小距离值对应的业务类别作为目标业务类别。

在该实施例中，计算推荐业务请求的数据样本与多个业务类别中每个业务类别的聚类中心(质心向量)之间的第一距离，通过数据样本与每个聚类中心之间的第一距离确定当前的推荐业务请求和多个业务类别的相似度，第一距离越小说明相似度越高。将多个第一距离中的最小距离值对应的业务类别作为与当前的推荐业务请求最接近的目标业务类别，也即将推荐业务请求划归至目标业务类别的聚类簇中。从而通过目标业务类别即可确定当前业务请求的属性参数，以便于后续通过属性参数合理分配平台资源，实现收益的最大化。

在本申请的一个实施例中，如图4所示，步骤202，获取目标平台的多个业务类别，包括：

步骤402，获取目标平台的历史业务数据；

其中，历史业务数据包括目标平台的历史业务请求、历史业务请求对应的历史推荐队列和收益等信息。

步骤404，对历史业务数据进行聚类处理，确定目标平台的多个业务类别。

在该实施例中，取平台的历史业务数据作为数据集，通过对历史业务数据进行聚类处理，统计出目标平台曾经执行过的多个业务类别，以便于确定不同业务类别对应的属性参数，从而能够更好的为推荐成功率或质量流量较高的推荐业务请求分配较多的资源。

具体举例来说，采用K-means进行聚类得到多个业务类别。K-means是基于欧式距离的聚类算法，其认为两个目标的距离越近，相似度越大。具体地，确定历史业务数据中的k个第一历史数据样本和m个第二历史数据样本x_m，其中，k＞1，m≥1；k个第一历史数据样本为历史业务数据中所有历史数据样本中的随机k个历史数据样本，m个第二历史数据样本为所有历史数据样本中除第一历史数据样本的历史数据样本。以k个第一历史数据样本为聚类中心(μ_j，j＝1，2，…，k)建立k个聚类簇(S_j＝φj＝1，2，…，k)，聚类簇即相似历史数据样本的集合。计算每个第二历史数据样本分别与多个聚类簇中每个聚类簇的聚类中心之间的第二距离d_ij，将每个第二历史数据样本聚类于多个第二距离中的最小距离值对应的聚类簇，也即将具有最小的第二距离d_ij的聚类簇的类别λ_i标记为与第二历史数据样本x_i最相似的类别，并归类

由于i个第二历史数据样本不断被归类于聚类簇，此时更新聚类簇的聚类中心，也即重新计算聚类簇的质心向量。重复上述步骤，在任一聚类簇的更新前的聚类中心与更新后的聚类中心之间的第三距离小于或等于预设距离的情况下，说明所有k个聚类中心都没有变化，此时得到最终的多个业务类别的聚类簇S_j＝{S₁，S₂，…，S_k}，并将任一聚类簇的类别作为一个业务类别。

计算第二距离采用如下公式(3)：

计算聚类簇的质心向量如下公式(4)：

在本申请的一个实施例中，图5示出了本申请实施例的资源分配方法的流程图之五，包括：

步骤502，根据预设排序规则，对多个业务类别进行排序；

例如，预设排序规则可以是按照业务请求价值(收益与请求数的比值)从高到低排序，通过不同业务请求的价值反映该类别业务的属性参数大小。其中，收益的计算方式与平台业务相关，以手机厂商应用分发为例，分发收益即为分发收入；以购物平台为例，商品分发收益为平台收入；以消息分发为例，消息分发收益为用户消费时长或篇数。

步骤504，根据多个业务类别的排列顺序、初始长度系数和预设偏移量，设定多个业务类别中每个业务类别对应的长度系数。

具体地，初始长度系数和预设偏移量根据预设排序规则确定，或按照用户需求合理设置。例如，若预设排序规则为按照业务请求价值从高到低排序，此时，排列顺序中位于首位的业务类别创造的价值越高，说明该类别业务的属性参数越大，则以初始长度系数为首个业务类别对应的长度系数，其它的业务类别的长度系数以排列顺序中前一个业务类别对应的长度系数为基础、预设偏移量为变化量逐渐减小。相反的，若预设排序规则为按照业务请求价值从低到高排序，此时，排列顺序中位于首位的业务类别创造的价值越低，说明该类别业务的属性参数越小，则以初始长度系数为首个业务类别对应的长度系数，其它的业务类别的长度系数以排列顺序中前一个业务类别对应的长度系数为基础、预设偏移量为变化量逐渐增大。

可以理解的是，假设分为10个业务类别，按照业务请求价值从高到低排序。对应的10个预设偏移量可以相同也可以不同。计算得到的长度系数如下表1所示：

表1

序号	长度系数	序号	长度系数
				1	0.5	6	-0.1
2	0.4	7	-0.2
				3	0.3	8	-0.3
4	0.2	9	-0.4
				5	0.1	10	-0.5

其中，序号1～5对应的业务类别的价值较高，也即属性参数较大，可为其分配较多的资源，则通过合理设置设定初始长度系数和预设偏移量，使得序号1～5对应的业务类别的长度系数大于0。同理，序号6～10对应的业务类别的价值较低，也即属性参数较小，为了避免资源浪费，可适当减小该业务类别的资源，则通过合理设置设定初始长度系数和预设偏移量，使得序号1～5对应的业务类别的长度系数小于0。

在该实施例中，通过预设排序规则、初始长度系数和预设偏移量为不同的业务类别设定对应的长度系数，以保证高属性参数的推荐队列，能够得到更多的资源。从而在不增加机器的情况下，全局化考虑整体流量质量与平台资源量之间的分配，能更好的为推荐成功率较高的推荐业务请求分配较多的资源，提高优化效率及准确率的效果。

在本申请的一个实施例中，图6示出了本申请实施例的资源分配方法的流程图之六，包括：

步骤602，在目标业务类别属于预设业务类别的情况下，根据资源量和目标平台的资源量上限值之间的差值，修正长度系数。

在该实施例中，预设业务类别包括需要在初始队列长度上增加队列长度的业务类别。考虑到系统能够为具有较大属性参数的推荐业务请求分配较多的资源，但是在确定推荐队列长度时，可能出现实现该推荐队列长度所需的资源已经超出目标平台能够给予的资源上限的情况，反而不利于资源的有效分配。为此，在目标业务类别属于预设业务类别的情况下，根据资源量和目标平台的资源量上限值之间的差值，通过PID计算对长度系数进行修正。从而在保证具有较大属性参数的推荐业务请求得到的资源量不会超过对应环节最大的资源量的同时，尽可能多的为高属性参数的推荐队列分配资源，有利于提高优化效率及准确率的效果。

具体地，可参照公式(1)和目标平台历史业务数据，确定每个环节平台最大Q_max(资源量上限值)，不同环节对应Q_max不同，例如召回环节对应Q_max1，粗排环节对应Q_max2，精排环节对应Q_max3等。其中，选取平台机器资源利用率最高的时刻，确定该时刻的req_(i,t)×count_(i,t)，作为目标平台在该环节的最大Q_max。

在本申请的一个实施例中，图7示出了本申请实施例的资源分配方法的流程图之七，包括：

步骤702，在推荐队列长度大于或等于预设长度的情况下，按照预设长度输出推荐结果。

其中，预设长度可根据目标业务类别确定。

在该实施例中，在一些特殊场景下，若推荐结果的候选数过大可能会给终端用户造成打扰。例如，推广广告内容的场景下，用户更倾向于了解最新的广告内容，无需将所有相关的广告内容进行推荐。此时，当推荐队列长度大于或等于预设长度，说明推荐队列中的推荐结果候选数过多，可能存在无效推荐，则可通过预设长度对推荐队列长度进行进一步截断。进而在保证推荐效果的基础上，节省该业务请求所需的目标平台资源，为其它业务请求提供更多可分配的资源，进一步优化资源分配，使分发收益最大化。

在本申请的一个实施例中，如图8所示，资源分配装置800包括：确定模块802，确定模块802用于在接收到目标平台的推荐业务请求的情况下，根据目标平台的资源量，确定推荐业务请求的推荐队列长度；输出模块804，输出模块804用于按照推荐队列长度输出推荐结果。

在该实施例中，能够充分考虑了目标平台资源量，为推荐业务请求配置对应的推荐队列长度(推荐队列的候选数)，并按照推荐队列长度输出推荐结果，以完成推荐业务请求的反馈。进而在目标平台的机器资源有限的情况下，减少低属性参数的推荐队列长度，也即降低推荐队列所需的资源，使尽可能多的将资源分配给高属性参数的推荐队列。在不增加机器的情况下，全局化考虑整体流量质量与平台资源量之间的分配，优化推荐队列分配，实现了平台推荐效率的最大化。

可选的，资源分配装置800还包括：获取模块(图中未示出)，获取模块用于获取目标平台的多个业务类别；确定模块802还用于确定推荐业务请求的数据样本所属的目标业务类别，多个业务类别包括目标业务类别；根据目标平台的资源量，确定推荐业务请求的初始队列长度；根据初始队列长度和目标业务类别对应的长度系数，确定推荐队列长度。

可选的，确定模块802还用于确定数据样本与每个业务类别的聚类簇的聚类中心之间的第一距离；将多个第一距离中的最小距离值对应的业务类别作为目标业务类别。

可选的，获取模块还用于获取目标平台的历史业务数据；资源分配装置800还包括：聚类模块(图中未示出)，聚类模块用于对历史业务数据进行聚类处理，确定目标平台的多个业务类别。

可选的，资源分配装置800还包括：排序模块(图中未示出)，排序模块用于根据预设排序规则，对多个业务类别进行排序；设定模块(图中未示出)，设定模块用于根据多个业务类别的排列顺序、初始长度系数和预设偏移量，设定多个业务类别中每个业务类别对应的长度系数；其中，初始长度系数和预设偏移量根据预设排序规则确定。

可选的，资源分配装置800还包括：修正模块(图中未示出)，修正模块用于在目标业务类别属于预设业务类别的情况下，根据资源量和目标平台的资源量上限值之间的差值，修正长度系数。

可选的，输出模块804还用于在推荐队列长度大于或等于预设长度的情况下，按照预设长度输出推荐结果。

在该实施例中，资源分配装置800的各模块执行各自功能时实现第一方面的任一实施例中的资源分配方法的步骤，因此，资源分配装置800同时也包括第一方面任一实施例中的资源分配方法的全部有益效果，在此不再赘述。

本申请实施例中的资源分配装置可以是装置，也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备，也可以为非移动电子设备。示例性的，移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、穿戴设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本或者个人数字助理(personaldigital assistant，PDA)等，非移动电子设备可以为服务器、网络附属存储器(NetworkAttached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)或者自助机等，本申请实施例不作具体限定。

本申请实施例中的应用程序的管理装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统，可以为iOS操作系统，还可以为其他能的操作系统，本申请实施例不作具体限定。

在本申请的一个实施例中，本申请实施例提供了一种电子设备，包括第二方面实施例提供了一种资源分配装置。因此，该电子设备包括如上述任一实施例中提供的资源分配装置的全部有益效果，在此不再赘述。

在本申请的一个实施例中，如图9所示，提供了一种电子设备900，包括：处理器904，存储器902及存储在存储器902上并在处理器904上运行的程序或指令，程序或指令被处理器904执行时实现如上述任一实施例中提供的资源分配方法的步骤，因此，该电子设备900包括如上述任一实施例中提供的资源分配方法的全部有益效果，在此不再赘述。

需要说明的是，本申请实施例中的电子设备包括上述的移动电子设备和非移动电子设备。

图10为实现本申请实施例的一种电子设备1000的硬件结构示意图。该电子设备1000包括但不限于：射频单元1001、网络模块1002、音频输出单元1003、输入单元1004、传感器1005、显示单元1006、用户输入单元1007、接口单元1008、存储器1009、以及处理器1010等部件。

本领域技术人员可以理解，电子设备1000还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器1010逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图10中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。

其中，处理器1010用于在接收到目标平台的推荐业务请求的情况下，根据目标平台的资源量，确定推荐业务请求的推荐队列长度；射频单元1001用于按照推荐队列长度输出推荐结果。

在该实施例中，能够充分考虑了目标平台资源量，为推荐业务请求配置对应的推荐队列长度(推荐队列的候选数)，并按照推荐队列长度输出推荐结果，以完成推荐业务请求的反馈。进而在目标平台的机器资源有限的情况下，减少低属性参数的推荐队列长度，也即降低推荐队列所需的资源，使尽可能多的将资源分配给高属性参数的推荐队列。在不增加机器的情况下，全局化考虑整体流量质量与平台资源量之间的分配，优化推荐队列分配，实现了平台推荐效率的最大化。

进一步地，处理器1010还用于获取目标平台的多个业务类别；确定推荐业务请求的数据样本所属的目标业务类别，多个业务类别包括目标业务类别；根据目标平台的资源量，确定推荐业务请求的初始队列长度；根据初始队列长度和目标业务类别对应的长度系数，确定推荐队列长度。

进一步地，处理器1010还用于确定数据样本与每个业务类别的聚类簇的聚类中心之间的第一距离；将多个第一距离中的最小距离值对应的业务类别作为目标业务类别。

进一步地，处理器1010还用于获取目标平台的历史业务数据；对历史业务数据进行聚类处理，确定目标平台的多个业务类别。

进一步地，处理器1010还用于根据预设排序规则，对多个业务类别进行排序；根据多个业务类别的排列顺序、初始长度系数和预设偏移量，设定多个业务类别中每个业务类别对应的长度系数；其中，初始长度系数和预设偏移量根据预设排序规则确定。

进一步地，处理器1010还用于在目标业务类别属于预设业务类别的情况下，根据资源量和目标平台的资源量上限值之间的差值，修正长度系数。

进一步地，射频单元1001还用于在推荐队列长度大于或等于预设长度的情况下，按照预设长度输出推荐结果。

应理解的是，本申请实施例中，输入单元1004可以包括图形处理器(GraphicsProcessing Unit，GPU)1041和麦克风1042，图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元1006可包括显示面板1061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板1061。用户输入单元1007包括触控面板1071以及其他输入设备1072。触控面板1071，也称为触摸屏。触控面板1071可包括触摸检测装置和触摸控制器两个部分。其他输入设备1072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。存储器1009可用于存储软件程序以及各种数据，包括但不限于应用程序和操作系统。处理器1010可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1010中。

在本申请的一个实施例中，提供了一种读存储介质，其上存储有程序或指令，该程序或指令被处理器执行时实现如上述任一实施例中提供的资源分配方法的步骤。

在该实施例中，读存储介质能够实现本申请的实施例提供的资源分配方法的各个过程，并能达到相同的技术效果，为避免重复，这里不再赘述。

其中，处理器为上述实施例中的通信设备中的处理器。读存储介质，包括计算机读存储介质，如计算机只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、磁碟或者光盘等。

本申请实施例还提供了一种芯片，芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行程序或指令，实现上述资源分配方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

应理解，本申请实施例提到的芯片还以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。

需要说明的是，在本文中，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过程、方法、物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过程、方法、物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……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。

上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims (10)

1.一种资源分配方法，其特征在于，包括：

在接收到目标平台的推荐业务请求的情况下，根据所述目标平台的资源量，确定所述推荐业务请求的推荐队列长度；

按照所述推荐队列长度输出推荐结果。

2.根据权利要求1所述的资源分配方法，其特征在于，所述根据所述目标平台的资源量，确定所述推荐业务请求的推荐队列长度，包括：

获取所述目标平台的多个业务类别；

确定所述推荐业务请求的数据样本所属的目标业务类别，所述多个业务类别包括所述目标业务类别；

根据所述目标平台的资源量，确定所述推荐业务请求的初始队列长度；

根据所述初始队列长度和所述目标业务类别对应的长度系数，确定所述推荐队列长度。

3.根据权利要求2所述的资源分配方法，其特征在于，所述确定所述推荐业务请求所属的目标业务类别，包括：

确定所述数据样本与每个业务类别的聚类簇的聚类中心之间的第一距离；

将多个第一距离中的最小距离值对应的业务类别作为所述目标业务类别。

4.根据权利要求2所述的资源分配方法，其特征在于，所述获取所述目标平台的多个业务类别包括：

获取所述目标平台的历史业务数据；

对所述历史业务数据进行聚类处理，确定所述目标平台的所述多个业务类别。

5.根据权利要求2所述的资源分配方法，其特征在于，还包括：

根据预设排序规则，对所述多个业务类别进行排序；

根据所述多个业务类别的排列顺序、初始长度系数和预设偏移量，设定所述多个业务类别中每个业务类别对应的长度系数；

其中，所述初始长度系数和所述预设偏移量根据所述预设排序规则确定。

6.一种资源分配装置，其特征在于，包括：

确定模块，用于在接收到目标平台的推荐业务请求的情况下，根据所述目标平台的资源量，确定所述推荐业务请求的推荐队列长度；

输出模块，用于按照所述推荐队列长度输出推荐结果。

7.根据权利要求6所述的资源分配装置，其特征在于，还包括：

获取模块，用于获取所述目标平台的多个业务类别；

所述确定模块，还用于确定所述推荐业务请求的数据样本所属的目标业务类别，所述多个业务类别包括所述目标业务类别；

根据所述目标平台的资源量，确定所述推荐业务请求的初始队列长度；

根据所述初始队列长度和所述目标业务类别对应的长度系数，确定所述推荐队列长度。

8.根据权利要求7所述的资源分配装置，其特征在于，

所述确定模块，还用于确定所述数据样本与每个业务类别的聚类簇的聚类中心之间的第一距离；

将多个第一距离中的最小距离值对应的业务类别作为所述目标业务类别。

9.根据权利要求7所述的资源分配装置，其特征在于，

所述获取模块，还用于获取所述目标平台的历史业务数据；

所述资源分配装置还包括：

聚类模块，用于对所述历史业务数据进行聚类处理，确定所述目标平台的所述多个业务类别。

10.根据权利要求7所述的资源分配装置，其特征在于，还包括：

排序模块，用于根据预设排序规则，对所述多个业务类别进行排序；

设定模块，用于根据所述多个业务类别的排列顺序、初始长度系数和预设偏移量，设定所述多个业务类别中每个业务类别对应的长度系数；

其中，所述初始长度系数和所述预设偏移量根据所述预设排序规则确定。

Images