CN113780699A - 资源分配方法、资源分配装置和电子设备 - Google Patents

资源分配方法、资源分配装置和电子设备 Download PDF

Info

Publication number
CN113780699A
CN113780699A CN202010556728.8A CN202010556728A CN113780699A CN 113780699 A CN113780699 A CN 113780699A CN 202010556728 A CN202010556728 A CN 202010556728A CN 113780699 A CN113780699 A CN 113780699A
Authority
CN
China
Prior art keywords
resource
increment
determining
specified object
resources
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
Application number
CN202010556728.8A
Other languages
English (en)
Other versions
CN113780699B (zh
Inventor
高玉敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Century Trading Co Ltd, Beijing Wodong Tianjun Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN202010556728.8A priority Critical patent/CN113780699B/zh
Publication of CN113780699A publication Critical patent/CN113780699A/zh
Application granted granted Critical
Publication of CN113780699B publication Critical patent/CN113780699B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Geometry (AREA)
  • Educational Administration (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Hardware Design (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种资源分配方法、资源分配装置和电子设备。该资源分配方法包括：基于映射关系和指定对象被分配的第一资源数量确定所述指定对象在对象集合中的第一位置；确定所述指定对象的资源增量；基于所述映射关系、所述第一资源数量和所述资源增量确定所述指定对象在所述对象集合中的第二位置；以及基于所述映射关系和所述第二位置确定第二资源数量，以给所述指定对象分配所述第二资源数量的资源；其中，所述映射关系包括位置与资源数量之间的关系。

Description

资源分配方法、资源分配装置和电子设备
技术领域
本公开涉及互联网技术领域，更具体地，涉及一种资源分配方法、资源分配装置和电子设备。
背景技术
在进行资源分配时，需要考虑给指定对象，如发展潜力大的对象等分配更多的资源以实现可持续发展。例如，在电商搜索场景下，为了满足商家及平台的利益，会对满足条件的商品集合(如新品、战略单品、关键客户(Key Account，简称KA)等)做流量扶持。
在实现本公开构思的过程中，发明人发现现有技术中至少存在如下问题。在进行资源定向增量分配时，对整体资源分配的影响较大。
发明内容
有鉴于此，本公开提供了一种有助于减小资源定向增量分配对整体资源分配的影响的资源分配方法、资源分配装置和电子设备。
本公开的一个方面提供了一种由电子设备执行的资源分配方法，包括：基于映射关系和指定对象被分配的第一资源数量确定所述指定对象在对象集合中的第一位置；确定所述指定对象的资源增量；基于所述映射关系、所述第一资源数量和所述资源增量确定所述指定对象在所述对象集合中的第二位置；以及基于所述映射关系和所述第二位置确定第二资源数量，以给所述指定对象分配所述第二资源数量的资源；其中，所述映射关系包括位置与资源数量之间的关系。
根据本公开的实施例，所述确定所述指定对象的资源增量包括：基于资源增量系数和所述第一资源数量确定所述资源增量。
根据本公开的实施例，所述资源增量系数是基于针对所述对象集合的总资源数量、增量比例和所述第一资源数量确定的。
根据本公开的实施例，所述方法还包括：在所述基于资源增量系数和所述第一资源数量确定所述资源增量之后，通过调整所述对象集合针对预设指标的总收益和/或降低所述资源增量中资源分配影响量，得到优化资源增量。相应地，所述基于资源增量系数和所述第一资源数量确定所述资源增量包括：基于所述优化资源增量和所述第一资源数量确定所述资源增量。
根据本公开的实施例，所述通过调整所述对象集合针对预设指标的总收益和/或降低所述资源增量中资源分配影响量，得到优化资源增量包括：当所述预设指标为成交总额时，基于所述指定对象相对于所述对象集合的第一资源占比、信息熵和所述指定对象的成交总额对所述对象集合的成交总额进行优化，以确定所述指定对象的第一资源影响占比；以及基于所述第一资源影响占比和所述资源增量确定所述优化资源增量。
根据本公开的实施例，所述基于所述指定对象相对于所述对象集合的第一资源占比、信息熵和所述指定对象的成交总额对所述对象集合的成交总额进行优化，以确定所述指定对象的第一资源影响占比包括：基于所述指定对象的成交总额、所述第一资源占比和所述信息熵构建针对所述对象集合的成交总额优化模型；以及基于卡罗需-库恩-塔克条件(Karush-Kuhn-Tucker Conditions，简称KKT条件)及拉格朗日函数求解所述成交总额优化模型，得到所述指定对象的第一资源影响占比。
根据本公开的实施例，所述映射关系通过如下方式确定：确定对象集合中各对象的位置和资源数量；以及构建所述对象集合中各对象的位置和资源数量之间的映射关系。
根据本公开的实施例，所述构建所述对象集合中各对象的位置和资源数量之间的映射关系包括：利用预设模型拟合所述对象集合中各对象的位置和资源数量，得到与映射关系对应的映射函数。
根据本公开的实施例，所述基于所述映射关系、所述第一资源数量和所述资源增量确定所述指定对象在所述对象集合中的第二位置包括：基于所述第一资源数量和所述资源增量确定所述指定对象的参考资源数量；以及基于所述映射关系和所述参考资源数量确定所述指定对象在所述对象集合中的第二位置。
根据本公开的实施例，所述指定对象是与指定搜索词对应的多个搜索结果中的任意一个商品。
本公开的另一个方面提供了一种资源分配装置，包括：第一位置确定模块、资源增量确定模块、第二位置确定模块和资源分配模块。其中，第一位置确定模块用于基于映射关系和指定对象被分配的第一资源数量确定所述指定对象在对象集合中的第一位置，其中，所述映射关系包括位置与资源数量之间的关系；资源增量确定模块用于确定所述指定对象的资源增量；第二位置确定模块用于基于所述映射关系、所述第一资源数量和所述资源增量确定所述指定对象在所述对象集合中的第二位置；以及资源分配模块用于基于所述映射关系和所述第二位置确定第二资源数量，以给所述指定对象分配所述第二资源数量的资源。
根据本公开的实施例，所述资源增量确定模块具体用于基于资源增量系数和所述第一资源数量确定所述资源增量。
根据本公开的实施例，所述装置还包括资源增量优化模块。该资源增量优化模块用于通过调整所述对象集合针对预设指标的总收益和/或降低所述资源增量中资源分配影响量，得到优化资源增量。相应地，所述资源增量确定模块具体用于基于所述优化资源增量和所述第一资源数量确定所述资源增量。
根据本公开的实施例，所述资源增量优化模块包括：影响占比确定单元和资源增量优化单元。其中，影响占比确定单元用于基于所述指定对象相对于所述对象集合的第一资源占比、信息熵和所述指定对象的成交总额对所述对象集合的成交总额进行优化，以确定所述指定对象的第一资源影响占比；资源增量优化单元用于基于所述第一资源影响占比和所述资源增量确定所述优化资源增量。
本公开的另一方面提供了一种电子设备，包括一个或多个处理器以及存储装置，其中，所述存储装置用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现如上所述的方法。
本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序，所述计算机程序包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
本公开的实施例，在实现给指定对象，如发展潜力大的对象、关键对象等分配更多的资源的同时，能有效兼顾考虑因给指定对象进行资源定向增量分配给分配系统带来的影响，如降低对搜索大盘指标等的影响，满足多种场景下的资源分配需求。
附图说明
通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
图1示意性示出了根据本公开实施例的资源分配方法、资源分配装置和电子设备的应用场景；
图2示意性示出了根据本公开实施例的适用资源分配方法、资源分配装置和电子设备的系统架构的示意图；
图3示意性示出了根据本公开实施例的资源分配方法的流程图；
图4示意性示出了根据本公开实施例的映射关系的示意图；
图5～图8示意性示出了根据本公开实施例的资源分配过程的示意图；
图9示意性示出了根据本公开实施例的资源分配装置的框图；以及
图10示意性示出了根据本公开实施例的电子设备的方框图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。
为了便于理解本公开的实施例，首先对相关技术中进行资源定向增量分配进行示例性说明。以电商搜索场景为例，相关技术可以针对指定对象进行修改权重、坑位穿插等方式实现给指定对象进行资源定向增量分配。
例如，对于修改商品权重，可以通过如下公式计算修改后的商品权重：weight＝weight*ratio。其中，weight是权重，ratio是流量扶持系数。又例如，对于调整排名前k(topk)的商品穿插密度，可以将满足条件的商品在top k坑位中按给定穿插密度插入流量。
但是，相关技术存在以下至少部分缺点：流量扶持系数或穿插密度依赖先验知识，不好确定。对搜索大盘有损伤。规则实现无法对搜索流量量化。无法与模型联动，实现个性化流量分配。
本公开的实施例对于给定搜索流量，可以在不影响或尽量减小对搜索大盘指标的影响前提下，分配流量给满足条件的商品集合。
本公开的实施例提供了一种资源分配方法、资源分配装置和电子设备。该方法包括位置确定过程和资源分配过程。在位置确定过程中，首先，基于映射关系和指定对象被分配的第一资源数量确定所述指定对象在对象集合中的第一位置，然后，确定所述指定对象的资源增量，接着，基于所述映射关系、所述第一资源数量和所述资源增量确定所述指定对象在所述对象集合中的第二位置。在完成位置确定过程之后，进入资源分配过程，基于所述映射关系和所述第二位置确定第二资源数量，以给所述指定对象分配所述第二资源数量的资源，其中，所述映射关系包括位置与资源数量之间的关系。
图1示意性示出了根据本公开实施例的资源分配方法、资源分配装置和电子设备的应用场景。
如图1所示，用户输入搜索词：手机，平台会向用户推送多个与该搜索词相关商品，如图1中向用户推荐了商品1～6(当然可以包括更少或更多商品，可能存在部分相关商品未被推荐给用户)。其中，为了提升商品销量，可以给越热销的商品分配更多的流量，如优先推荐给用户。如图1的右图所示，商品1～6在商品集合中的位置分别为位置1～6，位置1的商品被分配的流量最多，位置6的商品被分配的流量最少。但是，在一些特定场景下，如需要提升针对指定商品(如新上市商品3、6)的曝光度以期提升平台的长期营业额等目的，需要给新上市商品3、6进行流量定向增配。如上所述，相关技术中在进行流量定向增配后会对资源分配系统造成一定影响，这是用户希望避免发生的情形。本公开的实施例提供的资源分配方法、资源分配装置和电子设备可以实现如图1的右图所示的流量定向增配效果，有效降低流量定向增配后对资源分配系统造成的影响。
图2示意性示出了根据本公开实施例的适用资源分配方法、资源分配装置和电子设备的系统架构的示意图。需要注意的是，图2所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图2所示，根据该实施例的系统架构200可以包括终端设备201、202、203，网络204和服务器205。网络204用以在终端设备201、202、203和服务器205之间提供通信链路的介质。网络204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201、202、203通过网络204与服务器205交互，以接收或发送信息等。终端设备201、202、203上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备201、202、203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205可以是提供各种服务的服务器，例如对用户利用终端设备201、202、203所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求(如针对用户输入的搜索商品的请求)等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、商品信息、或数据等)反馈给终端设备。其中，在确定反馈给用户的商品信息的过程中，可以基于资源分配方法确定各商品的推送频次等。
需要说明的是，本公开实施例所提供的资源分配方法一般可以由服务器205执行。相应地，本公开实施例所提供的资源分配装置一般可以设置于服务器205中。本公开实施例所提供的资源分配方法也可以由不同于服务器205且能够与终端设备201、202、203和/或服务器205通信的服务器或服务器集群执行。相应地，本公开实施例所提供的资源分配装置也可以设置于不同于服务器205且能够与终端设备201、202、203和/或服务器205通信的服务器或服务器集群中。
应该理解，终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
图3示意性示出了根据本公开实施例的资源分配方法的流程图。
如图3所示，该方法包括操作S301～操作S307。
在操作S301，基于映射关系和指定对象被分配的第一资源数量确定所述指定对象在对象集合中的第一位置。
在本实施例中，所述映射关系包括位置与资源数量之间的关系。资源可以是流量、计算资源、能量资源、信息资源、资金、奖励、代金券等，这些资源可以为对象产生价值提供支持。位置可以表征指定对象在对象集合中关于资源分配的优先级。例如，位置可以是对象在对象集合中的排序，排序靠前的对象可以被分配更多的资源，这样基于位置的资源分配方式相对于随机分配方式有助于对象集合产生更多的价值。
在一个实施例中，所述指定对象是与指定搜索词对应的多个搜索结果中的任意一个商品。参考图1所示，当用户输入搜索词：手机，则服务器端可以确定用户希望查看与手机相关的推荐商品，但是与搜索词：手机相匹配的商品很多，部分手机的销量高于其余部分手机的销量，为了提升推荐商品被成功交易的几率，可以给销量高的手机分配更多的流量。如图1左图中商品1的位置优先于商品6的位置，因此，当用户搜索与手机相关的商品时，商品1被分配的流量更多，如被推荐的次数更多等。
在一个实施例中，所述映射关系可以通过如下方式确定。
首先，确定对象集合中各对象的位置和资源数量。
然后，构建所述对象集合中各对象的位置和资源数量之间的映射关系。
相关技术中，一个平台提供的商品种类和数量繁多，如在京东商城平台上，5万个搜索词仅能覆盖约95％的流量，有效搜索词超过10万。与一个搜索词对应的商品可以包括多个，如针对手机这个搜索词，可以覆盖包括不同品牌、不同型号等数以百千计的手机商品。因此，该映射关系占用的存储空间等较大，并且该映射关系可能随着时间的改变而改变，如某个当前最热销的手机，在上市一段时间之后，可能被其它新手机商品超过。
为了便于使用和维护该映射关系，所述构建所述对象集合中各对象的位置和资源数量之间的映射关系可以包括如下操作，利用预设模型拟合所述对象集合中各对象的位置和资源数量，得到与映射关系对应的映射函数。预设模型可以是基于数学函数构建的模型，如一元二次函数、抛物线函数等。
在一个具体实施例中，离线统计搜索词位置和流量数据，针对每个搜索词的搜索结果，使用一元二次函数拟合位置(pos)与log(pv)函数关系。其中，一元二次函数可以如式(1)所示。
log(pv)＝a*pos2+b*pos+c 式(1)
在确定与手机对应的各商品在商品集合中的pos之后，进而可以通过该一元二次函数确定与该位置对应的流量(pv)。当然也可以基于pv确定pos。其中，pv可以指网页浏览量(page view，简称pv)。
线上加载每个搜索词对应各商品的一元二次函数参数a、b、c以确定映射关系。
图4示意性示出了根据本公开实施例的映射关系的示意图。如图4所示，横坐标的变量是位置(Pos)，纵坐标的变量与资源数量(如流量)相关，如log(pv)。曲线是拟合后的一元二次函数的曲线，可以表征位置和流量之间的映射关系。
在操作S303，确定所述指定对象的资源增量。
在一个实施例中，所述确定所述指定对象的资源增量包括：基于资源增量系数和所述第一资源数量确定所述资源增量。其中，资源增量系数可以是基于专家经验设定的，也可以是通过标定或仿真、模拟等方式确定，在此不做限定。
例如，以计算触发搜索词流量下要扶持的流量增量为例，可以通过式(2)进行计算。
Δpv＝∑i∈S pvi*factor 式(2)
其中，factor表示流量扶持系数(即资源增量系数)，S表示搜索词下满足业务条件的商品的位置集合，pvi表示基于式(1)的函数关系计算得到的商品i的流量。其中，i是大于等于1的正整数。
以通过模拟的方式确定资源增量系数为例进行说明，所述资源增量系数是基于针对所述对象集合的总资源数量、增量比例和所述第一资源数量确定的。
例如，根据流量扶持目标和当前流量计算扶持系数
factor＝total_search_pv*ratio/current_pv 式(3)
其中，factor表示流量扶持倍数，total_search_pv表示搜索总流量，ratio表示扶持流量比例，current_pv表示当前满足条件商品的流量总和。这样就可以基于式(3)计算出流量扶持倍数。需要说明的是，扶持流量比例可以是基于专家经验设定的，也可以是通过标定或仿真、模拟等方式确定，在此不做限定。
在操作S305，基于所述映射关系、所述第一资源数量和所述资源增量确定所述指定对象在所述对象集合中的第二位置。
具体地，所述基于所述映射关系、所述第一资源数量和所述资源增量确定所述指定对象在所述对象集合中的第二位置可以包括如下操作。
首先，基于所述第一资源数量和所述资源增量确定所述指定对象的参考资源数量。例如，通过相加所述第一资源数量和所述资源增量来确定对指定对象进行资源定向增量分配后的资源数量。
然后，基于所述映射关系和所述参考资源数量确定所述指定对象在所述对象集合中的第二位置。例如，可以通过比对参考资源数量与上述映射关系中各位置的资源数量，来确定该参考资源数量对应的位置。如将该参考资源数量的位置代替比其小的的资源数量中最大的资源数量的位置。
例如，
Figure BDA0002542971890000101
其中，pvj是参考资源数量。j是大于等于1的正整数。
在操作S307，基于所述映射关系和所述第二位置确定第二资源数量，以给所述指定对象分配所述第二资源数量的资源。
具体地，基于上述映射关系即可确定与第二位置对应的第二资源数量，这样可以有效降低进行资源定向增量分配对资源分配系统的影响。
图5～图8示意性示出了根据本公开实施例的资源分配过程的示意图。
如图5所示，是对离线数据进行拟合后得到的资源数量与位置之间的映射关系，其中，位置包括位置1～6。位置1对应的资源数量最多，位置6对应的资源数量最少。其中，基于用户需求，需要对位置3的商品和位置6的商品进行流量扶持。
如图6所示，对位置3的商品和位置6的商品进行流量扶持之后，与位置3的商品和位置6的商品对应的流量增多。此时，为了在对位置3的商品和位置6的商品进行流量扶持的基础上，同时降低该流量扶持对流量分配系统的影响，可以通过调整位置3的商品的位置和位置6的商品的位置，来实现流量扶持。具体地，通过比对可以确定经过流量扶持后的位置3的商品的流量小于位置1的商品的流量，并且大于位置2的商品的流量，则可以将位置3的商品的位置调整为位置2。此外，通过比对可以确定经过流量扶持后的位置6的商品的流量小于位置2的商品的流量，并且大于位置4的商品的流量，则可以将位置6的商品的位置调整为位置3。
如图7所示，在进行位置调整的过程中，可以采用位置调换的方式，如调换位置2和位置3，调换位置6和位置4，调换位置4和位置5，在此不做限定。
如图8所示，当确定了各商品的位置(如重新进行位置排序后)，基于上述映射关系中各位置的资源数量确定重新排位置后的各商品的资源数量。
本公开实施例提供的资源分配方法，可以实现针对指定对象的资源量化，如搜索流量量化，还可以针对指定对象进行个性化资源分配(如流量分配)，并且在进行个性化资源分配的过程中，可以在不损伤或轻微损资源分配系统(如对搜索大盘造成影响)的前提实现，满足用户在多种场景下的资源分配。
在另一个实施例中，所述方法还可以包括如下操作。
在所述基于资源增量系数和所述第一资源数量确定所述资源增量之后，通过调整所述对象集合针对预设指标的总收益和/或降低所述资源增量中资源分配影响量，得到优化资源增量。
相应地，所述基于资源增量系数和所述第一资源数量确定所述资源增量可以包括：基于所述优化资源增量和所述第一资源数量确定所述资源增量。
具体地，所述通过调整所述对象集合针对预设指标的总收益和/或降低所述资源增量中资源分配影响量，得到优化资源增量可以包括如下操作。
首先，当所述预设指标为成交总额时，基于所述指定对象相对于所述对象集合的第一资源占比、信息熵和所述指定对象的成交总额对所述对象集合的成交总额进行优化，以确定所述指定对象的第一资源影响占比。
然后，基于所述第一资源影响占比和所述资源增量确定所述优化资源增量。
其中，所述基于所述指定对象相对于所述对象集合的第一资源占比、信息熵和所述指定对象的成交总额对所述对象集合的成交总额进行优化，以确定所述指定对象的第一资源影响占比可以包括如下操作。
首先，基于所述指定对象的成交总额、所述第一资源占比和所述信息熵构建针对所述对象集合的成交总额优化模型。
然后，基于卡罗需-库恩-塔克条件及拉格朗日函数求解所述成交总额优化模型，得到所述指定对象的第一资源影响占比。
例如，以优化成交总额(Gross Merchandise Volume，简称GMV)和商家公平性为目标，转化为优化问题如式(4)所示。
max∑i(Cixi-xiln(xi)) 式(4)
其中，式(4)的条件包括：
Figure BDA0002542971890000121
以及0≤xi≤1。
式(4)中GMV：Ci＝cvri*pricei，cvri表示深度学习模型预测商品被购买的概率。pricei表示商品价格，由于cvr与price量纲不同，使用max-min归一。xi表示商品的流量分配比例。-xi ln(xi)表示信息熵，实现商家公平性，避免流量分配马太效应，max()是取最大值函数。
使用KKT条件及拉格朗日函数求解得xi。
Figure BDA0002542971890000131
其中，G＝max{Ci}。
相应地，商品i对应的参考资源数量new_pvi可以表示为如式(5)所示。
new_pvi＝Δpv*xi+org_pvi 式(5)
其中，org_pvi表示第一资源数量，Δpv表示资源增量。
相应地，计算商品i的位置的计算公式可以采用如下式所示，
Figure BDA0002542971890000132
本公开实施例提供的资源分配方法，以最大化GMV和商家公平性为优化目标做流量分配，有助于提升资源回报率。
本公开实施例提供的资源分配方法，在不降低独立访客交易金额(uv，计算公式为搜索GMV/搜索用户)及GMV的前提下完成了资源定向增量分配，提供了能照顾多方面需求的统一的资源分配框架。如在新品流量扶持项目中，AB实验uv价值，订单行/搜索用户(ucvr)有显著提升。该资源分配方法在多个项目(如京东平台提供的多个项目)中得到应用。AB实验是指：软件因模型不同或参数不同有多个版本，让成分相同或相似的访客群组随机的访问这些版本，然后收集各群组的用户体验数据和业务数据，分析评估出最好版本并正式采用。
图9示意性示出了根据本公开实施例的资源分配装置的框图。
如图9所示，资源分配装置900包括第一位置确定模块910、资源增量确定模块920、第二位置确定模块930和资源分配模块940。
其中，第一位置确定模块910用于基于映射关系和指定对象被分配的第一资源数量确定所述指定对象在对象集合中的第一位置，其中，所述映射关系包括位置与资源数量之间的关系。
资源增量确定模块920用于确定所述指定对象的资源增量。
第二位置确定模块930用于基于所述映射关系、所述第一资源数量和所述资源增量确定所述指定对象在所述对象集合中的第二位置。
资源分配模块940用于基于所述映射关系和所述第二位置确定第二资源数量，以给所述指定对象分配所述第二资源数量的资源。
在一个实施例中，所述资源增量确定模块920具体用于基于资源增量系数和所述第一资源数量确定所述资源增量。
在一个实施例中，所述装置900还包括资源增量优化模块。该资源增量优化模块用于通过调整所述对象集合针对预设指标的总收益和/或降低所述资源增量中资源分配影响量，得到优化资源增量。
相应地，所述资源增量确定模块920具体用于基于所述优化资源增量和所述第一资源数量确定所述资源增量。
在一个实施例中，所述资源增量优化模块包括：影响占比确定单元和资源增量优化单元。
其中，影响占比确定单元用于基于所述指定对象相对于所述对象集合的第一资源占比、信息熵和所述指定对象的成交总额对所述对象集合的成交总额进行优化，以确定所述指定对象的第一资源影响占比；资源增量优化单元用于基于所述第一资源影响占比和所述资源增量确定所述优化资源增量。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
例如，第一位置确定模块910、资源增量确定模块920、第二位置确定模块930和资源分配模块940中的任意多个可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，第一位置确定模块910、资源增量确定模块920、第二位置确定模块930和资源分配模块940中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一位置确定模块910、资源增量确定模块920、第二位置确定模块930和资源分配模块940中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
图10示意性示出了根据本公开实施例的电子设备的方框图。图10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10所示，根据本公开实施例的电子设备1000包括处理器1001，其可以根据存储在只读存储器(ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。处理器1001例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器1001还可以包括用于缓存用途的板载存储器。处理器1001可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1003中，存储有系统1000操作所需的各种程序和数据。处理器1001、ROM1002以及RAM 1003通过总线1004彼此相连。处理器1001通过执行ROM 1002和/或RAM 1003中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 1002和RAM 1003以外的一个或多个存储器中。处理器1001也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例，系统1000还可以包括输入/输出(I/O)接口1005，输入/输出(I/O)接口1005也连接至总线1004。系统1000还可以包括连接至I/O接口1005的以下部件中的一项或多项：包括键盘、鼠标等的输入部分1006；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1007；包括硬盘等的存储部分1008；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1010上，以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
根据本公开的实施例，根据本公开实施例的方法流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存储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部分1009从网络上被下载和安装，和/或从可拆卸介质1011被安装。在该计算机程序被处理器1001执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储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执行时，实现根据本公开实施例的方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：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)、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。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 1002和/或RAM 1003和/或ROM 1002和RAM 1003以外的一个或多个存储器。
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，上述模块、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，框图或流程图中的每个方框、以及框图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。
本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (15)

1.一种由电子设备执行的资源分配方法，包括：
基于映射关系和指定对象被分配的第一资源数量确定所述指定对象在对象集合中的第一位置；
确定所述指定对象的资源增量；
基于所述映射关系、所述第一资源数量和所述资源增量确定所述指定对象在所述对象集合中的第二位置；以及
基于所述映射关系和所述第二位置确定第二资源数量，以给所述指定对象分配所述第二资源数量的资源；
其中，所述映射关系包括位置与资源数量之间的关系。
2.根据权利要求1所述的方法，其中，所述确定所述指定对象的资源增量包括：
基于资源增量系数和所述第一资源数量确定所述资源增量，
所述资源增量系数是基于针对所述对象集合的总资源数量、增量比例和所述第一资源数量确定的。
3.根据权利要求2所述的方法，还包括：在所述基于资源增量系数和所述第一资源数量确定所述资源增量之后，
通过调整所述对象集合针对预设指标的总收益和/或降低所述资源增量中资源分配影响量，得到优化资源增量；以及
所述基于资源增量系数和所述第一资源数量确定所述资源增量包括：基于所述优化资源增量和所述第一资源数量确定所述资源增量。
4.根据权利要求3所述的方法，其中，所述通过调整所述对象集合针对预设指标的总收益和/或降低所述资源增量中资源分配影响量，得到优化资源增量包括：当所述预设指标为成交总额时，
基于所述指定对象相对于所述对象集合的第一资源占比、信息熵和所述指定对象的成交总额对所述对象集合的成交总额进行优化，以确定所述指定对象的第一资源影响占比；以及
基于所述第一资源影响占比和所述资源增量确定所述优化资源增量。
5.根据权利要求4所述的方法，其中，所述基于所述指定对象相对于所述对象集合的第一资源占比、信息熵和所述指定对象的成交总额对所述对象集合的成交总额进行优化，以确定所述指定对象的第一资源影响占比包括：
基于所述指定对象的成交总额、所述第一资源占比和所述信息熵构建针对所述对象集合的成交总额优化模型；以及
基于卡罗需-库恩-塔克条件及拉格朗日函数求解所述成交总额优化模型，得到所述指定对象的第一资源影响占比。
6.根据权利要求1所述的方法，其中，所述映射关系通过如下方式确定：
确定对象集合中各对象的位置和资源数量；以及
构建所述对象集合中各对象的位置和资源数量之间的映射关系。
7.根据权利要求6所述的方法，其中，所述构建所述对象集合中各对象的位置和资源数量之间的映射关系包括：
利用预设模型拟合所述对象集合中各对象的位置和资源数量，得到与映射关系对应的映射函数。
8.根据权利要求1所述的方法，其中，所述基于所述映射关系、所述第一资源数量和所述资源增量确定所述指定对象在所述对象集合中的第二位置包括：
基于所述第一资源数量和所述资源增量确定所述指定对象的参考资源数量；以及
基于所述映射关系和所述参考资源数量确定所述指定对象在所述对象集合中的第二位置。
9.根据权利要求1所述的方法，其中，所述指定对象是与指定搜索词对应的多个搜索结果中的任意一个商品。
10.一种资源分配装置，包括：
第一位置确定模块，用于基于映射关系和指定对象被分配的第一资源数量确定所述指定对象在对象集合中的第一位置，其中，所述映射关系包括位置与资源数量之间的关系；
资源增量确定模块，用于确定所述指定对象的资源增量；
第二位置确定模块，用于基于所述映射关系、所述第一资源数量和所述资源增量确定所述指定对象在所述对象集合中的第二位置；以及
资源分配模块，用于基于所述映射关系和所述第二位置确定第二资源数量，以给所述指定对象分配所述第二资源数量的资源。
11.根据权利要求10所述的装置，其中，所述资源增量确定模块具体用于基于资源增量系数和所述第一资源数量确定所述资源增量。
12.根据权利要求11所述的装置，还包括：
资源增量优化模块，用于通过调整所述对象集合针对预设指标的总收益和/或降低所述资源增量中资源分配影响量，得到优化资源增量；
所述资源增量确定模块具体用于基于所述优化资源增量和所述第一资源数量确定所述资源增量。
13.根据权利要求12所述的装置，其中，所述资源增量优化模块包括：
影响占比确定单元，用于基于所述指定对象相对于所述对象集合的第一资源占比、信息熵和所述指定对象的成交总额对所述对象集合的成交总额进行优化，以确定所述指定对象的第一资源影响占比；
资源增量优化单元，用于基于所述第一资源影响占比和所述资源增量确定所述优化资源增量。
14.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现根据权利要求1～9中任一项所述的方法。
15.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时实现根据权利要求1～9中任一项所述的方法。
CN202010556728.8A 2020-06-17 2020-06-17 资源分配方法、资源分配装置和电子设备 Active CN113780699B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010556728.8A CN113780699B (zh) 2020-06-17 2020-06-17 资源分配方法、资源分配装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010556728.8A CN113780699B (zh) 2020-06-17 2020-06-17 资源分配方法、资源分配装置和电子设备

Publications (2)

Publication Number Publication Date
CN113780699A true CN113780699A (zh) 2021-12-10
CN113780699B CN113780699B (zh) 2024-07-19

Family

ID=78835032

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010556728.8A Active CN113780699B (zh) 2020-06-17 2020-06-17 资源分配方法、资源分配装置和电子设备

Country Status (1)

Country Link
CN (1) CN113780699B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160269312A1 (en) * 2015-03-11 2016-09-15 International Business Machines Corporation System, method and program product for scheduling interventions on allocated resources with minimized client impacts
US20170068257A1 (en) * 2015-09-03 2017-03-09 Horatio Quinones System, device, and method for fluid dispensing control
WO2018171651A1 (zh) * 2017-03-24 2018-09-27 华为技术有限公司 资源调度的方法和装置
CN108702769A (zh) * 2016-01-20 2018-10-23 华为技术有限公司 资源分配的方法、基站和信道质量分级设备
CN108965168A (zh) * 2018-09-27 2018-12-07 华侨大学 一种基于效用函数的车联网占优资源公平分配优化方法
CN109196936A (zh) * 2018-08-07 2019-01-11 北京小米移动软件有限公司 一种资源分配指示方法及装置、基站及终端
CN110730101A (zh) * 2019-10-22 2020-01-24 深圳前海微众银行股份有限公司 资源分配方法、终端、装置及可读存储介质
CN110795233A (zh) * 2019-09-18 2020-02-14 北京你财富计算机科技有限公司 分布式资源配给方法、装置和电子设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160269312A1 (en) * 2015-03-11 2016-09-15 International Business Machines Corporation System, method and program product for scheduling interventions on allocated resources with minimized client impacts
US20170068257A1 (en) * 2015-09-03 2017-03-09 Horatio Quinones System, device, and method for fluid dispensing control
CN108702769A (zh) * 2016-01-20 2018-10-23 华为技术有限公司 资源分配的方法、基站和信道质量分级设备
WO2018171651A1 (zh) * 2017-03-24 2018-09-27 华为技术有限公司 资源调度的方法和装置
CN109196936A (zh) * 2018-08-07 2019-01-11 北京小米移动软件有限公司 一种资源分配指示方法及装置、基站及终端
CN108965168A (zh) * 2018-09-27 2018-12-07 华侨大学 一种基于效用函数的车联网占优资源公平分配优化方法
CN110795233A (zh) * 2019-09-18 2020-02-14 北京你财富计算机科技有限公司 分布式资源配给方法、装置和电子设备
CN110730101A (zh) * 2019-10-22 2020-01-24 深圳前海微众银行股份有限公司 资源分配方法、终端、装置及可读存储介质

Also Published As

Publication number Publication date
CN113780699B (zh) 2024-07-19

Similar Documents

Publication Publication Date Title
US11868891B2 (en) Machine-learning techniques for monotonic neural networks
US10558913B1 (en) Machine-learning techniques for monotonic neural networks
WO2022237667A1 (zh) 确定订单履约仓库的方法和装置
US20200341817A1 (en) Distributed resource allocation
US20230297847A1 (en) Machine-learning techniques for factor-level monotonic neural networks
CN105376111B (zh) 资源分配方法和装置
US20220207324A1 (en) Machine-learning techniques for time-delay neural networks
US20230196147A1 (en) Unified explainable machine learning for segmented risk
US11443236B2 (en) Enhancing fairness in transfer learning for machine learning models with missing protected attributes in source or target domains
EP4433955A1 (en) Bayesian modeling for risk assessment based on integrating information from dynamic data sources
US10678593B1 (en) Distributed resource allocation
CN116128607A (zh) 产品推荐方法、装置、设备及存储介质
CN112912874A (zh) 用于电子商务内容生成和优化的深度因果学习
CN115048561A (zh) 推荐信息确定方法及装置、电子设备和可读存储介质
CN113780699A (zh) 资源分配方法、资源分配装置和电子设备
US20220230238A1 (en) System and method for assessing risk
CN112017063B (zh) 基于综合风险评分的资源分配方法、装置及电子设备
EP4413497A1 (en) Power graph convolutional network for explainable machine learning
US20220164361A1 (en) Method, apparatus, and computer program product for extending an action vector
CN118195684A (zh) 一种确定需求量的方法和装置
CN113421152A (zh) 由电子设备执行的任务执行方法及装置、电子设备
CN117592692A (zh) 资源分配方法和资源智能分配系统
WO2024136904A1 (en) Explainable machine-learning techniques from multiple data sources
CN115330068A (zh) 预测资产池中资产的违约时间的方法和装置
CN111966907A (zh) 用户偏好冷启动方法、装置、介质和电子设备

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