CN115841348A - 虚拟资源处理方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种虚拟资源处理方法、装置、计算机设备和存储介质，涉及大数据领域。所述方法包括：获取目标用户的目标交互数据、目标用户的平台访问数据和目标对象的对象信息，根据目标交互数据和对象信息对目标用户进行分类处理，得到目标用户针对目标对象的交互类型，其中，交互类型包括第一类型或第二类型，第一类型表征目标用户与目标对象的交互概率为第一概率，第二类型表征目标用户与目标对象的交互概率为第二概率，第一概率大于第二概率，并根据目标用户针对目标对象的交互类型和平台访问数据，确定目标对象针对目标用户的虚拟资源数据，根据虚拟资源数据，向目标用户发送对应的虚拟资源。采用本方法能够提高虚拟资源发放的精准度。

Description

虚拟资源处理方法、装置、计算机设备和存储介质

技术领域

本申请涉及大数据领域，特别是涉及一种虚拟资源处理方法、装置、计算机设备和存储介质。

背景技术

随着科学技术的进步和终端设备的普及，虚拟资源作为一种交互和操作的媒介，应用于生活中的多种领域。示例性的，以虚拟资源应用于电商平台的场景为例，在该场景下，虚拟资源可以包括优惠券、电子券等表现形式。以虚拟资源为优惠券为例，其作为一种用户与商家的交互方式之一，可以有效地促进用户在平台上与商家的交互。

随着虚拟资源的普及使用，出现了各种虚拟资源发放技术，平台可以通过虚拟资源发放技术自动为用户进行虚拟资源的发放。

但相关虚拟资源发放技术中，采用无差别的虚拟资源发放方式，虚拟资源发放方式单一、灵活性差，并且发放的资源与用户的匹配度较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高虚拟资源发放精准度的虚拟资源处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种虚拟资源方法。所述方法包括：

获取目标用户的目标交互数据、所述目标用户的平台访问数据和目标对象的对象信息；

根据所述目标交互数据和所述目标对象的对象信息对所述目标用户进行分类处理，得到所述目标用户针对所述目标对象的交互类型，其中，所述交互类型包括第一类型或第二类型，所述第一类型表征所述目标用户与所述目标对象的交互概率为第一概率，所述第二类型表征所述目标用户与所述目标对象的交互概率为第二概率，所述第一概率大于所述第二概率；

根据所述目标用户针对所述目标对象的所述交互类型和所述平台访问数据，确定所述目标对象针对所述目标用户的虚拟资源数据；

根据所述虚拟资源数据，向所述目标用户发送对应的虚拟资源。

在其中一个实施例中，所述平台访问数据包括月均访问平台次数，所述根据所述目标用户针对所述目标对象的所述交互类型和所述平台访问数据，确定所述目标对象针对所述目标用户的虚拟资源数据，包括：

根据所述目标交互数据，确定所述目标用户对应的第一比值，所述第一比值用于表征所述目标用户针对虚拟资源的平均使用数据和平均交互数据的比例关系；

根据所述目标用户针对所述目标对象的所述交互类型、所述月均访问平台次数和所述第一比值，确定目标比值；

根据所述目标用户的当前交互数据和所述目标比值，确定所述目标对象针对所述目标用户的虚拟资源数据。

在其中一个实施例中，在所述交互类型为所述第一类型的情况下，所述根据所述目标用户针对所述目标对象的所述交互类型、所述月均访问平台次数和所述第一比值，确定目标比值，包括：

根据所述月均访问平台次数确定比值调整值；

根据所述比值调整值对所述第一比值进行调整，得到目标比值。

在其中一个实施例中，所述根据所述月均访问平台次数确定比值调整值，包括：

在所述月均访问平台次数大于或者等于第一阈值的情况下，确定比值调整值为第一比值调整值；

或者，在所述月均访问平台次数小于所述第一阈值的情况下，确定所述比值调整值为第二比值调整值；

其中，所述第一比值调整值大于所述第二比值调整值。

在其中一个实施例中，所述平台访问数据包括所述目标用户针对所述目标对象的搜索状态，在所述交互类型为所述第二类型的情况下，所述根据所述目标用户针对所述目标对象的所述交互类型、所述月均访问平台次数和所述第一比值，确定目标比值，包括：

在所述月均访问平台次数大于或者等于第二阈值，且所述目标用户针对所述目标对象的搜索状态表征所述目标用户搜索过所述目标对象的情况下，根据第三比值调整值对所述第一比值进行调整，得到目标比值。

在其中一个实施例中，在所述交互类型为所述第二类型的情况下，所述根据所述目标用户针对所述目标对象的所述交互类型和所述平台访问数据，确定所述目标对象针对所述目标用户的虚拟资源数据，包括：

在所述目标用户不存在第一比值的情况下，若所述月均访问平台次数大于或者等于第二阈值，且所述目标用户针对所述目标对象的搜索状态表征所述目标用户搜索过所述目标对象，将预设虚拟资源数据作为针对所述目标用户的所述虚拟资源数据。

在其中一个实施例中，所述方法通过用户分类器实现根据所述目标交互数据和所述目标对象的对象信息对所述目标用户进行分类处理，所述用户分类器包括多个子分类器，所述方法还包括：

从样本用户的历史交互数据中，获取所述样本用户对应的交互数据；

根据各所述样本用户对应的所述交互数据和所述样本对象的所述对象信息，构建多个子训练集；

针对任一所述训练子集，根据所述训练子集对初始用户分类器进行训练，得到所述子分类器。

在其中一个实施例中，所述根据所述虚拟资源数据，向所述目标用户发送对应的虚拟资源，包括：

响应于所述目标用户的结算指令，根据所述虚拟资源数据，向所述目标用户发送对应的虚拟资源。

第二方面，本申请还提供了一种虚拟资源处理装置。所述装置包括：

第一获取模块，用于获取目标用户的目标交互数据、所述目标用户的平台访问数据和目标对象的对象信息；

分类模块，用于根据所述目标交互数据和所述目标对象的对象信息对所述目标用户进行分类处理，得到所述目标用户针对所述目标对象的交互类型，其中，所述交互类型包括第一类型或第二类型，所述第一类型表征所述目标用户与所述目标对象的交互概率为第一概率，所述第二类型表征所述目标用户与所述目标对象的交互概率为第二概率，所述第一概率大于所述第二概率；

确定模块，用于根据所述目标用户针对所述目标对象的所述交互类型和所述平台访问数据，确定所述目标对象针对所述目标用户的虚拟资源数据；

发送模块，用于根据所述虚拟资源数据，向所述目标用户发送对应的虚拟资源。

在其中一个实施例中，所述平台访问数据包括月均访问平台次数，所述确定模块还用于：

根据所述目标交互数据，确定所述目标用户对应的第一比值，所述第一比值用于表征所述目标用户针对虚拟资源的平均使用数据和平均交互数据的比例关系；

根据所述目标用户针对所述目标对象的所述交互类型、所述月均访问平台次数和所述第一比值，确定目标比值；

根据所述目标用户的当前交互数据和所述目标比值，确定所述目标对象针对所述目标用户的虚拟资源数据。

在其中一个实施例中，在所述交互类型为所述第一类型的情况下，所述确定模块还用于：

根据所述月均访问平台次数确定比值调整值；

根据所述比值调整值对所述第一比值进行调整，得到目标比值。

在其中一个实施例中，所述确定模块还用于：

在所述月均访问平台次数大于或者等于第一阈值的情况下，确定比值调整值为第一比值调整值；

或者，在所述月均访问平台次数小于所述第一阈值的情况下，确定所述比值调整值为第二比值调整值；

其中，所述第一比值调整值大于所述第二比值调整值。

在其中一个实施例中，所述平台访问数据包括所述目标用户针对所述目标对象的搜索状态，在所述交互类型为所述第二类型的情况下，所述确定模块还用于：

在所述月均访问平台次数大于或者等于第二阈值，且所述目标用户针对所述目标对象的搜索状态表征所述目标用户搜索过所述目标对象的情况下，根据第三比值调整值对所述第一比值进行调整，得到目标比值。

在其中一个实施例中，在所述交互类型为所述第二类型的情况下，所述确定模块还用于：

在所述目标用户不存在第一比值的情况下，若所述月均访问平台次数大于或者等于第二阈值，且所述目标用户针对所述目标对象的搜索状态表征所述目标用户搜索过所述目标对象，将预设虚拟资源数据作为针对所述目标用户的所述虚拟资源数据。

在其中一个实施例中，所述方法通过用户分类器实现根据所述目标交互数据和所述目标对象的对象信息对所述目标用户进行分类处理，所述用户分类器包括多个子分类器，所述装置还包括：

第二获取模块，用于从样本用户的历史交互数据中，获取所述样本用户对应的交互数据；

构建模块，用于根据各所述样本用户对应的所述交互数据和所述样本对象的所述对象信息，构建多个子训练集；

训练模块，用于针对任一所述训练子集，根据所述训练子集对初始用户分类器进行训练，得到所述子分类器。

在其中一个实施例中，所述发送模块还用于：

响应于所述目标用户的结算指令，根据所述虚拟资源数据，向所述目标用户发送对应的虚拟资源。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取目标用户的目标交互数据、所述目标用户的平台访问数据和目标对象的对象信息；

根据所述目标交互数据和所述目标对象的对象信息对所述目标用户进行分类处理，得到所述目标用户针对所述目标对象的交互类型，其中，所述交互类型包括第一类型或第二类型，所述第一类型表征所述目标用户与所述目标对象的交互概率为第一概率，所述第二类型表征所述目标用户与所述目标对象的交互概率为第二概率，所述第一概率大于所述第二概率；

根据所述目标用户针对所述目标对象的所述交互类型和所述平台访问数据，确定所述目标对象针对所述目标用户的虚拟资源数据；

根据所述虚拟资源数据，向所述目标用户发送对应的虚拟资源。

第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取目标用户的目标交互数据、所述目标用户的平台访问数据和目标对象的对象信息；

根据所述目标交互数据和所述目标对象的对象信息对所述目标用户进行分类处理，得到所述目标用户针对所述目标对象的交互类型，其中，所述交互类型包括第一类型或第二类型，所述第一类型表征所述目标用户与所述目标对象的交互概率为第一概率，所述第二类型表征所述目标用户与所述目标对象的交互概率为第二概率，所述第一概率大于所述第二概率；

根据所述目标用户针对所述目标对象的所述交互类型和所述平台访问数据，确定所述目标对象针对所述目标用户的虚拟资源数据；

根据所述虚拟资源数据，向所述目标用户发送对应的虚拟资源。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

获取目标用户的目标交互数据、所述目标用户的平台访问数据和目标对象的对象信息；

根据所述目标交互数据和所述目标对象的对象信息对所述目标用户进行分类处理，得到所述目标用户针对所述目标对象的交互类型，其中，所述交互类型包括第一类型或第二类型，所述第一类型表征所述目标用户与所述目标对象的交互概率为第一概率，所述第二类型表征所述目标用户与所述目标对象的交互概率为第二概率，所述第一概率大于所述第二概率；

根据所述目标用户针对所述目标对象的所述交互类型和所述平台访问数据，确定所述目标对象针对所述目标用户的虚拟资源数据；

根据所述虚拟资源数据，向所述目标用户发送对应的虚拟资源。

上述虚拟资源处理方法、装置、计算机设备、存储介质和计算机程序产品，首先，获取目标用户的目标交互数据、目标用户的平台访问数据和目标对象的对象信息，并根据目标交互数据和目标对象的对象信息对目标用户进行分类处理，得到目标用户针对目标对象的交互类型，其中，交互类型包括第一类型或第二类型，第一类型表征目标用户与目标对象的交互概率为第一概率，第二类型表征目标用户与目标对象的交互概率为第二概率，第一概率大于第二概率。之后，根据目标用户针对目标对象的交互类型和平台访问数据，确定目标对象针对目标用户的虚拟资源数据，并根据虚拟资源数据，向目标用户发送虚拟资源。基于上述虚拟资源处理方法、装置、计算机设备、存储介质和计算机程序产品，根据目标用户的目标交互数据和目标对象的对象信息等交互行为信息，并结合目标用户的平台访问数据，来确定针对该目标用户的虚拟资源数据，以此可以确定与目标用户最匹配的虚拟资源数据，进而为目标用户发放对应的虚拟资源，提高了目标对象发放虚拟资源的精准度，并且实现了个性化的虚拟资源发放，提高了虚拟资源发放的灵活性，丰富了虚拟资源的发放方式。

附图说明

图1为一个实施例中虚拟资源处理方法的流程示意图；

图2为另一个实施例中虚拟资源处理方法的流程示意图；

图3为另一个实施例中虚拟资源处理方法的流程示意图；

图4为另一个实施例中虚拟资源处理方法的流程示意图；

图5为一个实施例中虚拟资源处理装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，如图1所示，提供了一种虚拟资源处理方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：

步骤102，获取目标用户的目标交互数据、目标用户的平台访问数据和目标对象的对象信息。

本申请实施例中，目标用户为需要发放虚拟资源的用户，目标用户与目标对象之间会产生数据的交互，示例性的，当目标用户在目标对象进行消费，目标用户与目标对象产生了交互，消费过程中所产生的消费数据即为交互数据。

其中，目标交互数据为平台所存储的目标用户的历史交互数据中目标交互特征对应的交互数据，其中，目标用户的历史交互数据为目标用户在过去一段时间内，在平台与目标对象交互所产生的数据，目标交互特征表征交互数据的具体分类，目标交互数据则是目标交互特征的具体数值。

示例性的，以消费场景为例，目标消费数据即为目标交互数据，为平台所存储的目标用户的历史消费数据中目标消费特征对应的消费数据，其中，目标用户的历史消费数据为目标用户在过去一段时间内，在平台进行消费、浏览或点击商品所产生的数据。例如：以“消费总次数45、消费总金额1450元、领取优惠券次数24”为例，“消费总次数”、“消费总金额”和“领取优惠券次数”为目标消费特征，而“45”、“1450元”和“24”即为上述三个目标消费特征分别对应的目标消费数据。

具体地，可以从目标用户的历史交互数据中，获取目标用户的目标交互数据，并获取目标用户的平台访问数据和目标对象的对象信息。其中，平台访问数据为目标用户点击、访问平台所产生的数据，例如：目标用户每月打开某消费APP的次数，目标对象为发放虚拟资源的对象，对象信息包括目标对象名称、目标对象的地理位置等信息。

在一个示例中，目标用户可以为消费用户，目标对象为该消费用户进行消费的商家，则对象信息为商家信息。

步骤104，根据目标交互数据和目标对象的对象信息对目标用户进行分类处理，得到目标用户针对目标对象的交互类型，其中，交互类型包括第一类型或第二类型，第一类型表征目标用户与目标对象交互概率为第一概率，第二类型表征目标用户与目标对象的交互概率为第二概率，第一概率大于第二概率。

本申请实施例中，可以根据目标交互数据和目标对象的对象信息对目标用户进行分类处理，以得到目标用户针对目标对象的交互类型，其中，交互类型包括第一类型或者第二类型，第一类型用于表征目标用户与目标对象的交互概率为第一概率，第二类型用于表征目标用户与目标对象的交互概率为第二概率，且第一概率大于第二概率。

示例性的，目标对象与用户的交互可以包括用户使用目标对象发放的优惠券等虚拟资源与目标对象进行交互，其中，当交互类型为第一类型时，目标用户与目标对象的交互概率相对较大，表示目标用户使用目标对象发放的虚拟资源的概率相对较大，也即目标用户更容易使用目标对象发放的虚拟资源；当交互类型为第二类型时，目标用户在目标对象的交互概率相对较小，表示目标用户使用目标对象发放的虚拟资源的概率相对较小，也即目标用户不易使用目标对象发放的虚拟资源。

示例性的，在一个消费场景中，目标对象为目标用户进行消费的商家，对象信息为该商家的店铺信息，此时，目标用户针对目标对象的交互类型即为目标用户针对目标商家的用券类型，则第一类型表征目标用户使用目标商家优惠券的概率为第一概率，也即目标用户更易使用目标商家的优惠券，第二类型表征目标用户使用目标商家优惠券的概率为第二概率，也即目标用户不易使用目标商家的优惠券。

本申请实施例中，可以利用神经网络模型来对目标用户进行分类，也可以基于LightGBM(Light Gradient Boosting Machine，轻量级梯度提升机器学习)算法生成分类器，以通过分类器对目标用户进行分类处理，需要说明的是，本申请上述示例中仅为分类方法的一个示例，本申请不对分类方法做具体限定。

步骤106，根据目标用户针对目标对象的交互类型和平台访问数据，确定目标对象针对目标用户的虚拟资源数据。

本申请实施例中，可以根据目标用户针对目标对象的交互类型和平台访问数据，确定目标对象针对目标用户的虚拟资源数据，即目标对象需要向目标用户发放的虚拟资源的数值。示例性的，仍以消费场景为例，此时虚拟资源数据指发送给目标用户的优惠券的额度，即优惠券发放额度。

其中，可以根据交互类型和平台访问数据对虚拟资源数据进行调整，例如：当目标用户针对目标对象的交互类型为第一类型，且频繁访问平台时，可以适当将虚拟资源数据调高，以此来激励用户，鼓励用户继续与目标对象进行交互；或者，当目标用户针对目标对象的交互类型为第二类型，且访问平台次数极少时，目标用户为平台的长期沉睡用户，即使为该目标用户发送虚拟资源，也不能有效刺激目标用户在平台上与目标对象交互，则可以不对该目标用户发放虚拟资源，以避免虚拟资源的浪费。

需要说明的是，上述示例中根据交互类型和平台访问数据对虚拟资源数据进行调整的具体方法仅为本申请实施例中的一个示例，本申请对根据交互类型和平台访问数据对虚拟资源数据进行调整的具体方法不做具体限定，在实际应用过程中，可以根据平台和目标对象的实际情况来确定如何根据交互类型和平台访问数据对虚拟资源数据进行调整。

步骤108，根据虚拟资源数据，向目标用户发送对应的虚拟资源。

本申请实施例中，在确定了虚拟资源数据后，即可根据虚拟资源数据，向目标用户发送对应的虚拟资源，其中，虚拟资源数据即为待发放的虚拟资源的数值。在消费场景中，虚拟资源可以为平台或者商家在线上为目标用户发放的优惠券，虚拟资源数据为优惠券发放额度，可以根据虚拟资源数据(优惠券发放额度)向目标用户发送对应的虚拟资源(目标优惠券)。

上述虚拟资源处理方法中，根据目标用户的目标交互数据和目标对象的对象信息等交互行为信息，并结合目标用户的平台访问数据，来确定针对该目标用户的虚拟资源数据，以此可以确定与目标用户最匹配的虚拟资源数据，进而为目标用户发放对应的虚拟资源，提高了目标对象发放虚拟资源的精准度，并且实现了个性化的虚拟资源发放，提高了虚拟资源发放的灵活性，丰富了虚拟资源的发放方式。

在一个实施例中，如图2所示，平台访问数据包括月均访问平台次数，步骤106包括：

步骤202，根据目标交互数据，确定目标用户对应的第一比值，第一比值用于表征目标用户针对虚拟资源的平均使用数据和平均交互数据的比例关系。

本申请实施例中，当目标用户在平台上与目标对象有过交互行为时，与交互数据有关的目标交互特征的具体数据不为零，则可以根据目标交互数据，首先分别确定目标用户在过去一段时间内的针对虚拟资源的平均使用数据(即平均每次交互行为所使用的虚拟资源数据)，以及目标用户在该段时间内的平均交互数据(即平均每次交互行为不使用虚拟资源时的交互数据)，之后令平均使用数据除以平均交互数据，得到目标用户对应的第一比值，其中，第一比值用于表征目标用户针对虚拟资源的平均使用数据和平均交互数据的比例关系。

示例性的，在消费场景中，目标用户对应的第一比值还可以称为平均优惠占比，用于表征目标用户的平均优惠金额和平均消费金额的比例关系，以目标用户的平均优惠金额为250元，目标用户的平均消费金额为5000元为例，则目标用户对应的平均优惠占比为250÷5000＝5％。

步骤204，根据目标用户针对目标对象的交互类型、月均访问平台次数和第一比值，确定目标比值。

本申请实施例中，可以根据目标用户针对目标对象的交互类型和月均访问平台次数，来对第一比值进行相应的调整，以得到目标比值。其中，目标比值可以用于表征目标用户在当前与目标对象的交互行为中针对虚拟资源的使用数据与当前交互行为中的交互数据的比例关系。

步骤206，根据目标用户的当前交互数据和目标比值，确定目标对象针对目标用户的虚拟资源数据。

本申请实施例中，首先可以获取目标用户的当前交互数据，之后可以对交互数据和目标比值进行乘积处理，得到目标对象针对目标用户的虚拟资源数据。示例性的，在消费场景中，以目标比值为10％为例，首先获取目标用户的当前消费数据为200元，则优惠券发放额度为200×10％＝20元，此时，目标商家会向目标用户发送额度为20元的目标优惠券。

本实施例中，根据交互类型、月均访问平台次数，在第一比值的基础上，对第一比值进行调整，得到目标比值，也即通过目标用户的交互行为来确定针对目标用户的虚拟资源数据，基于上述方法可以确定最匹配目标用户的虚拟资源数据，进而提高虚拟数据发放的精准度，并且，适当的提升本次目标用户能够使用的虚拟数据的数值与交互数据的比例，可以激励用户与目标对象持续交互，虚拟资源数据与当前交互数据的大小有关，当前交互数据越大，则虚拟资源数据的数值越大，有利于激励目标用户提高在目标对象的单次交互数据。

在一个实施例中，如图3所示，在交互类型为第一类型的情况下，步骤204包括：

步骤302，根据月均访问平台次数确定比值调整值。

本申请实施例中，在交互类型为第一类型时，则表示目标用户使用目标对象的虚拟资源的概率大，此时，可以根据月均访问平台次数来确定比值调整值。

其中，可以设置月均访问平台次数与比值调整值之间的函数对应关系，并根据对应关系和月均访问平台次数，来确定比值调整值，示例性的，可以根据实际需要设置月均访问次数每增加15次，比值调整值增加2％，以目标用户的月均访问次数为32为例，可以得到比值调整值为4％。需要说明的是，比值调整值可以预设一个上限值，也即目标用户的比值调整值最大为该上限值。

步骤304，根据比值调整值对第一比值进行调整，得到目标比值。

本申请实施例中，可以令比值调整值与第一比值进行累加，以得到目标比值，示例性的，仍以上述示例为例，比值调整值为4％，第一比值为5％，则目标比值为9％。

本申请实施例根据月均访问平台次数来确定比值调整值，将用户访问平台的次数与比值调整值相关联，月均访问平台次数越多，则可以令调整值越大，以此可以鼓励用户访问平台，促进平台的发展。综合来看，比值调整值是根据月均访问平台次数和交互类型共同确定的，而交互类型是根据目标用户的一系列交互行为确定的，也即，此时确定的比值调整值是最适合当前目标用户的，则根据该比值调整值和目标用户的第一比值、当前交互数据，所确定的虚拟资源数据也是最匹配当前目标用户的，则可以根据虚拟资源数据向目标用户发送最匹配的虚拟资源，进而提高了虚拟资源发放的精准度。

在一个实施例中，步骤302包括：

在月均访问平台次数大于或者等于第一阈值的情况下，确定比值调整值为第一比值调整值；

或者，在月均访问平台次数小于第一阈值的情况下，确定比值调整值为第二比值调整值；

其中，第一比值调整值大于第二比值调整值。

本申请实施例中，也可以通过设置第一阈值，通过月均访问平台次数与第一阈值之间的大小关系，来确定比值调整值。在月均访问平台次数大于或者等于第一阈值时，令第一比值调整值为比值调整值。示例性的，以第一阈值为60，第一比值调整值为5％为例，目标用户的月均访问平台次数为70，此时，月均访问平台次数大于第一阈值，则比值调整值为5％。

在月均访问平台次数小于第一阈值时，令第二比值调整值为比值调整值，示例性的，仍以上述示例为例，以第二比值调整值为0，目标用户的月均访问平台次数为55，此时月均访问平台次数小于第一阈值60，则比值调整值为0。

其中，第一比值调整值与第二比值调整值可以根据实际需要进行调整，第一比值调整值大于第二比值调整值。

本申请实施例在交互类型为第一类型时，根据月均访问平台次数来确定比值调整值，其中，第一比值调整值大于第二比值调整值，则表明月均访问平台次数越多，则目标用户所能获取到的虚拟资源的数值越大，以此鼓励用户访问平台，逐步养成用户访问平台的习惯，促进平台的发展。此举在于，对于已判为易使用虚拟资源的用户，说明此客户已习惯于在交互时使用虚拟资源，通过持续均衡的交互刺激，并通过日常打开平台的习惯养成，激励用户在平台上对目标对象的持续交互。并且，根据月均访问平台次数和交互类型来确定比值调整值，之后可以根据比值调整值，来确定最终的虚拟资源数据，也即通过目标用户的交互行为来确定针对目标用户的虚拟资源数据，基于上述方法可以确定最匹配目标用户的虚拟资源数据，进而提高虚拟资源发放的精准度。

在一个实施例中，平台访问数据包括目标用户针对目标对象的搜索状态，在交互类型为第二类型的情况下，步骤304包括：

在月均访问平台次数大于或者等于第二阈值，且目标用户针对目标对象的搜索状态表征目标用户搜索过目标对象的情况下，根据第三比值调整值对第一比值进行调整，得到目标比值。

本申请实施例中，平台访问数据还包括目标用户针对目标对象的搜索状态，搜索状态包括目标用户搜索过目标对象，或者目标用户未搜索过目标对象。在交互类型为第二类型(即目标用户使用目标对象发放的虚拟资源的概率小)的情况下，若月均访问平台次数小于第二阈值，则表明目标用户不常使用该平台，目标用户为该平台的长期沉睡用户，即使向目标用户发送了虚拟资源，目标用户也不会使用，反而造成虚拟资源的浪费，其中，第二阈值可以根据实际需要进行调整。

那么若月均访问平台次数大于或者等于第二阈值，且目标用户针对目标对象的搜索状态表征目标用户搜索过目标对象时，表明目标用户每月会以一定的频率访问平台，目标用户并不是该平台的长期沉睡用户，且目标用户具有与目标对象进行交互的倾向，此时，可以根据第三比值调整值对第一比值进行调整，得到目标比值，以进一步鼓励目标用户与目标对象进行交互，其中，第三比值调整值大于第一比值调整值，第三比值调整值可以根据实际需要进行调整。

示例性的，仍以上述示例为例，第一比值为5％，令第二阈值为40，第三比值调整值为10％，目标用户的月均访问平台次数为50，此时，月均访问平台次数大于第二阈值，则根据第三比值调整值10％对第一比值5％进行调整，得到目标比值15％。

本申请实施例中，在交互类型为第二类型的情况时，根据月均访问平台次数和目标用户针对目标对象的搜索状态共同确定第三比值调整值，此时可以向可能会与目标对象交互的目标用户发放虚拟资源，并且虚拟资源数据也是最适合目标用户的数值，进而提高了虚拟资源发放的精准度。此外，令第三比值调整值大于第一比值调整值，可以有效促进目标用户在该平台与目标对象进行交互。

在一个实施例中，在交互类型为第二类型的情况下，步骤106包括：

在目标用户不存在第一比值的情况下，若月均访问平台次数大于或者等于第二阈值，且目标用户针对目标对象的搜索状态表征目标用户搜索过目标对象，将预设虚拟资源数据作为针对目标用户的虚拟资源数据。

本申请实施例中，在交互类型为第二类型的情况下，当月均访问平台次数大于或者等于第二阈值，且目标用户针对目标对象的搜索状态表征目标用户搜索过目标对象时，存在一种情况：目标用户在过去一段时间内并没有在该平台中与目标对象有过交互行为，也即目标用户不存在第一比值，此时，可以直接将预设虚拟资源数据作为针对目标用户的虚拟资源数据。

示例性的，仍以上述示例为例，在消费场景中，可以将预设优惠券额度作为预设虚拟资源数据，第二阈值为40，目标用户的月均访问平台次数为50，令预设优惠券额度为10元，此时月均访问平台次数大于第二阈值，且目标用户针对目标商家的搜索状态表征目标用户搜索过目标商家，则令针对目标用户的优惠券发放额度为10元。

本申请实施例对于之前从未在平台与目标对象交互的用户，直接将预设虚拟资源数据作为虚拟资源数据，补充了针对新用户的虚拟资源发放方法，且预设虚拟资源数据可以根据实际需要修改，有利于适应平台以及目标对象不断变化的需要。

在一个实施例中，如图4所示，所述方法通过用户分类器实现根据目标交互数据和目标对象的对象信息对目标用户进行分类处理，用户分类器包括多个子分类器，所述方法还包括：

步骤402，从样本用户的历史交互数据中，获取样本用户对应的交互数据。

本申请实施例中，可以通过用户分类器来实现根据目标交互数据和目标对象的对象信息对目标用户进行分类处理，在进行分类处理之前，需要通过训练得到用户分类器，其中，用户分类器包括多个子分类器。

具体的，可以从样本用户的历史交互数据中，获取样本用户对应的交互数据，其中，样本用户对应的交互数据为各样本用户对应的目标交互特征的具体数据。

步骤404，根据各样本用户对应的交互数据和样本对象的对象信息，构建多个子训练集。

本申请实施例中，可以根据各样本用户对应的交互数据和样本对象的对象信息，构建多个训练子集，其中，各训练子集中均包括所有目标交互特征对应的交互数据及样本对象的对象信息。训练子集中还可以包括样本用户针对样本对象的历史交互情况，历史交互情况包括用户从未在样本对象使用虚拟资源，或者用户在样本对象使用过虚拟资源，当用户的历史交互情况为用户从未在样本对象使用虚拟资源时，表示该用户为不易使用虚拟资源用户(即用户对应的历史交互类型为第二类型)；当用户的历史交互情况为用户在样本对象使用过虚拟资源时，表示该用户为易使用虚拟资源用户(用户对应的历史交互类型为第一类型)。

步骤406，针对任一训练子集，根据训练子集对初始用户分类器进行训练，得到子分类器。

本申请实施例中，针对任一训练子集，可以根据训练子集对初始用户分类器进行训练，得到子分类器，之后，将各子分类器进行集成，得到用户分类器。

例如：当虚拟资源数据处理方法运行在某一消费平台时，以样本商家Y的商家信息为y1，目标消费特征A、B、C为例，目标消费特征A对应的消费数据有a1、a2、a3，目标消费特征B对应的消费数据有b1、b2、b3，目标消费特征C对应的消费数据有c1、c2、c3，其中，a1、b1、c1为样本用户1的消费数据，a2、b2、c2为样本用户2的消费数据，a3、b3、c3为样本用户3的消费数据，根据上述消费数据，构建得到3个训练集，则训练集1中包括a1、a2、b1、b2、c1、c2、y1，训练集2中包括a1、a3、b1、b3、c1、c3、y1，训练集3中包括a2、a3、b2、b3、c2、c3、y1，之后可以分别根据训练集1、训练集2和训练集3对初始用户分类器进行训练，最终得到3个子分类器，并将上述3个子分类器进行集成，得到用户分类器。

具体的，以根据训练集1对初始用户分类器进行训练为例，将训练集1中的消费数据和样本商家的商家信息输入到初始用户分类器中，初始用户分类器会根据消费数据和样本商家的商家信息分别对样本用户1和样本用户2进行分类，分别得到样本用户1针对样本商家Y的用券类型和样本用户2针对样本商家Y的用券类型，再结合样本用户1针对样本商家Y的历史用券情况和样本用户2针对样本商家Y的历史用券情况，确定分类器的损失，基于损失对分类器中各目标消费特征对分类结果的影响参数进行调整，直到损失满足训练要求(例如损失小于预设值)，停止训练得到训练好的子分类器1。

重复上述操作，根据训练集2对初始用户分类器进行训练，得到子分类器2；根据训练集3对初始用户分类器进行训练，得到子分类器3。之后，可以将上述3个分类器的分类结果按不同的集成比例进行集成，得到用户分类器的分类结果(也即将分类器进行集成，得到用户分类器)。

之后，利用上述得到的用户分类器对检验数据集中的各用户进行分类，得到各用户针对各商家的用券类型，并将各用户在各商家的历史用券情况与各用户针对各商家的用券类型进行对比，得到用户分类器的命中比例，当命中比例小于预设值时，则根据命中比例对用户分类器中的集成比例进行调整，重复上述步骤，直到命中比例大于或者等于命中预设值为止，得到用户分类器。

其中，检验数据集包括用户的各目标消费特征对应的消费数据、商家的商家信息以及用户的历史用券情况。

本申请实施例通过训练用户分类器，来对目标用户进行分类，可以通过用户的交互行为，精准的对目标用户进行分类，以此可以对目标用户进行更加精准的虚拟资源投放，提高虚拟资源发放的精准度。

在一个实施例中，步骤108包括：

响应于目标用户的结算指令，根据虚拟资源数据，向目标用户发送对应的虚拟资源。

本申请实施例中，当目标用户在交互平台选取商品时，目标用户的当前交互数据会发生变化，而虚拟资源数据是根据当前交互数据和目标比值共同决定的，那么在已经确定目标比值的基础上，虚拟资源数据会根据所选取商品的总价格实时产生变化，故可以在显示界面中实时展示当前的虚拟资源数据，来促进目标用户与目标对象交互。

本申请实施例中，当目标用户开始结算时，响应于目标用户的结算操作，客户端会向远程端发送结算指令，之后响应于结算指令，才开始根据虚拟资源数据，向目标用户发送对应的虚拟资源。

本申请实施例中，通过响应于结算指令，向目标用户发送虚拟资源，相比在用户结算之前发送虚拟资源，可以避免用户通过选取大量商品，获得数值更大的虚拟资源，并在当前交互数据较小时使用该大数值的虚拟资源，从而避免目标对象的损失。虚拟资源数据与当前交互数据有关，则在显示界面中实时展示虚拟资源数据，可以促进目标用户在目标对象的交互，提高目标用户在目标对象的交互数据。

在一个实施例中，在消费场景中，目标用户的月均访问平台次数超过一定数值时，则表明该目标用户为活跃用户，当目标用户为活跃用户时，除了在目标用户结算时，为目标用户自动发送虚拟资源，还可以为目标用户提供自动使用虚拟资源的功能，具体的，当目标用户在客户端点击结算按钮进入订单结算页面，服务端可以根据发送给目标用户的虚拟资源，以及目标用户已有的虚拟资源，为目标用户推荐实付数值最小的一种虚拟资源使用方案，并自动为目标用户选中该方案对应的虚拟资源。

其中，其它未被选中的虚拟资源也会在显示界面进行展示，目标用户可以选择不采用实付数值最小的一种虚拟资源使用方案，而是根据自身需要，选择其它虚拟资源进行使用。

在一个具体的实施例中，仍以虚拟资源处理方法运行在线上消费场景中为例，交互数据即为该场景下的消费数据，目标对象为目标商家，虚拟资源为目标商家向目标用户发送的优惠券，首先，可以从样本用户的历史消费数据中，获取样本用户对应的消费数据，以此构建多个训练子集，并根据各训练子集对初始用户分类器进行训练，得到多个子分类器，将多个子分类器集成为用户分类器，其中，可以根据目标消费特征，来获取各目标消费特征对应的消费数据，各目标消费特征参照下表(一)所示。

表(一)各目标消费特征

/>

/>

其次，根据上述目标消费特征，获取目标用户的目标消费数据、目标用户的平台访问数据和目标商家的商家信息，并通过用户分类器来实现根据目标消费特征和商家信息对目标用户进行分类，得到目标用户针对目标商家的交互类型。之后，根据交互类型和平台访问数据，来确定目标商家针对目标用户的优惠券发放额度，并实时在显示界面展示当前优惠券发放额度，在目标用户点击结算按钮后，按照优惠券发放额度向目标用户发放并默认使用目标优惠券。

其中，确定优惠券发放额度的具体步骤可以参照上述实施例的描述，在此不再赘述。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的虚拟资源处理方法的虚拟资源处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个虚拟资源处理装置实施例中的具体限定可以参见上文中对于虚拟资源处理方法的限定，在此不再赘述。

在一个实施例中，如图5所示，提供了一种虚拟资源处理装置，包括：第一获取模块502、分类模块504、确定模块506和发送模块508，其中：

第一获取模块502，用于获取目标用户的目标交互数据、目标用户的平台访问数据和目标对象的对象信息；

分类模块504，用于根据目标交互数据和目标对象的对象信息对目标用户进行分类处理，得到目标用户针对目标对象的交互类型，其中，交互类型包括第一类型或第二类型，第一类型表征目标用户与目标对象的交互概率为第一概率，第二类型表征目标用户与目标对象的交互概率为第二概率，第一概率大于第二概率；

确定模块506，用于根据目标用户针对目标对象的交互类型和平台访问数据，确定目标对象针对目标用户的虚拟资源数据；

发送模块508，用于根据虚拟资源数据，向目标用户发送对应的虚拟资源。

本申请实施例中，根据目标用户的目标交互数据和目标对象的对象信息等交互行为信息，并结合目标用户的平台访问数据，来确定针对该目标用户的虚拟资源数据，以此可以确定与目标用户最匹配的虚拟资源数据，进而为目标用户发放对应的虚拟资源，提高了目标对象发放虚拟资源的精准度。

在一个实施例中，平台访问数据包括月均访问平台次数，所述确定模块506还用于：

根据目标交互数据，确定目标用户对应的第一比值，第一比值用于表征目标用户针对虚拟资源的平均使用数据和平均交互数据的比例关系；

根据目标用户针对目标对象的交互类型、月均访问平台次数和第一比值，确定目标比值；

根据目标用户的当前交互数据和目标比值，确定目标对象针对目标用户的虚拟资源数据。

在一个实施例中，在交互类型为第一类型的情况下，所述确定模块506还用于：

根据月均访问平台次数确定比值调整值；

根据比值调整值对第一比值进行调整，得到目标比值。

在一个实施例中，所述确定模块506还用于：

在月均访问平台次数大于或者等于第一阈值的情况下，确定比值调整值为第一比值调整值；

或者，在月均访问平台次数小于第一阈值的情况下，确定比值调整值为第二比值调整值；

其中，第一比值调整值大于第二比值调整值。

在一个实施例中，平台访问数据包括目标用户针对目标对象的搜索状态，在交互类型为第二类型的情况下，所述确定模块506还用于：

在月均访问平台次数大于或者等于第二阈值，且目标用户针对目标对象的搜索状态表征目标用户搜索过目标对象的情况下，根据第三比值调整值对第一比值进行调整，得到目标比值。

在一个实施例中，在交互类型为第二类型的情况下，所述确定模块506还用于：

在目标用户不存在第一比值的情况下，若月均访问平台次数大于或者等于第二阈值，且目标用户针对目标对象的搜索状态表征目标用户搜索过目标对象，将预设虚拟资源数据作为针对目标用户的虚拟资源数据。

在一个实施例中，所述方法通过用户分类器实现根据目标交互数据和目标对象的对象信息对目标用户进行分类处理，用户分类器包括多个子分类器，所述装置还包括：

第二获取模块，用于从样本用户的历史交互数据中，获取样本用户对应的交互数据；

构建模块，用于根据各样本用户对应的交互数据和样本对象的对象信息，构建多个子训练集；

训练模块，用于针对任一训练子集，根据训练子集对初始用户分类器进行训练，得到子分类器。

在一个实施例中，所述发送模块508还用于：

响应于目标用户的结算指令，根据虚拟资源数据，向目标用户发送对应的虚拟资源。

上述虚拟资源处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种虚拟资源处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取目标用户的目标交互数据、目标用户的平台访问数据和目标对象的对象信息；

根据目标交互数据和目标对象的对象信息对目标用户进行分类处理，得到目标用户针对目标对象的交互类型，其中，交互类型包括第一类型或第二类型，第一类型表征目标用户与目标对象的交互概率为第一概率，第二类型表征目标用户与目标对象的交互概率为第二概率，第一概率大于第二概率；

根据目标用户针对目标对象的交互类型和平台访问数据，确定目标对象针对目标用户的虚拟资源数据；

根据虚拟资源数据，向目标用户发送对应的虚拟资源。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取目标用户的目标交互数据、目标用户的平台访问数据和目标对象的对象信息；

根据目标交互数据和目标对象的对象信息对目标用户进行分类处理，得到目标用户针对目标对象的交互类型，其中，交互类型包括第一类型或第二类型，第一类型表征目标用户与目标对象的交互概率为第一概率，第二类型表征目标用户与目标对象的交互概率为第二概率，第一概率大于第二概率；

根据目标用户针对目标对象的交互类型和平台访问数据，确定目标对象针对目标用户的虚拟资源数据；

根据虚拟资源数据，向目标用户发送对应的虚拟资源。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

获取目标用户的目标交互数据、目标用户的平台访问数据和目标对象的对象信息；

根据目标交互数据和目标对象的对象信息对目标用户进行分类处理，得到目标用户针对目标对象的交互类型，其中，交互类型包括第一类型或第二类型，第一类型表征目标用户与目标对象的交互概率为第一概率，第二类型表征目标用户与目标对象的交互概率为第二概率，第一概率大于第二概率；

根据目标用户针对目标对象的交互类型和平台访问数据，确定目标对象针对目标用户的虚拟资源数据；

根据虚拟资源数据，向目标用户发送对应的虚拟资源。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (12)

1.一种虚拟资源处理方法，其特征在于，所述方法包括：

获取目标用户的目标交互数据、所述目标用户的平台访问数据和目标对象的对象信息；

根据所述目标交互数据和所述目标对象的对象信息对所述目标用户进行分类处理，得到所述目标用户针对所述目标对象的交互类型，其中，所述交互类型包括第一类型或第二类型，所述第一类型表征所述目标用户与所述目标对象的交互概率为第一概率，所述第二类型表征所述目标用户与所述目标对象的交互概率为第二概率，所述第一概率大于所述第二概率；

根据所述目标用户针对所述目标对象的所述交互类型和所述平台访问数据，确定所述目标对象针对所述目标用户的虚拟资源数据；

根据所述虚拟资源数据，向所述目标用户发送对应的虚拟资源。

2.根据权利要求1所述的方法，其特征在于，所述平台访问数据包括月均访问平台次数，所述根据所述目标用户针对所述目标对象的所述交互类型和所述平台访问数据，确定所述目标对象针对所述目标用户的虚拟资源数据，包括：

根据所述目标交互数据，确定所述目标用户对应的第一比值，所述第一比值用于表征所述目标用户针对虚拟资源的平均使用数据和平均交互数据的比例关系；

根据所述目标用户针对所述目标对象的所述交互类型、所述月均访问平台次数和所述第一比值，确定目标比值；

根据所述目标用户的当前交互数据和所述目标比值，确定所述目标对象针对所述目标用户的虚拟资源数据。

3.根据权利要求2所述的方法，其特征在于，在所述交互类型为所述第一类型的情况下，所述根据所述目标用户针对所述目标对象的所述交互类型、所述月均访问平台次数和所述第一比值，确定目标比值，包括：

根据所述月均访问平台次数确定比值调整值；

根据所述比值调整值对所述第一比值进行调整，得到目标比值。

4.根据权利要求3所述的方法，其特征在于，所述根据所述月均访问平台次数确定比值调整值，包括：

在所述月均访问平台次数大于或者等于第一阈值的情况下，确定比值调整值为第一比值调整值；

或者，在所述月均访问平台次数小于所述第一阈值的情况下，确定所述比值调整值为第二比值调整值；

其中，所述第一比值调整值大于所述第二比值调整值。

5.根据权利要求2所述的方法，其特征在于，所述平台访问数据包括所述目标用户针对所述目标对象的搜索状态，在所述交互类型为所述第二类型的情况下，所述根据所述目标用户针对所述目标对象的所述交互类型、所述月均访问平台次数和所述第一比值，确定目标比值，包括：

在所述月均访问平台次数大于或者等于第二阈值，且所述目标用户针对所述目标对象的搜索状态表征所述目标用户搜索过所述目标对象的情况下，根据第三比值调整值对所述第一比值进行调整，得到目标比值。

6.根据权利要求5所述的方法，其特征在于，在所述交互类型为所述第二类型的情况下，所述根据所述目标用户针对所述目标对象的所述交互类型和所述平台访问数据，确定所述目标对象针对所述目标用户的虚拟资源数据，包括：

在所述目标用户不存在第一比值的情况下，若所述月均访问平台次数大于或者等于第二阈值，且所述目标用户针对所述目标对象的搜索状态表征所述目标用户搜索过所述目标对象，将预设虚拟资源数据作为针对所述目标用户的所述虚拟资源数据。

7.根据权利要求1所述的方法，其特征在于，所述方法通过用户分类器实现根据所述目标交互数据和所述目标对象的对象信息对所述目标用户进行分类处理，所述用户分类器包括多个子分类器，所述方法还包括：

从样本用户的历史交互数据中，获取所述样本用户对应的交互数据；

根据各所述样本用户对应的所述交互数据和所述样本对象的所述对象信息，构建多个子训练集；

针对任一所述训练子集，根据所述训练子集对初始用户分类器进行训练，得到所述子分类器。

8.根据权利要求1所述的方法，其特征在于，所述根据所述虚拟资源数据，向所述目标用户发送对应的虚拟资源，包括：

响应于所述目标用户的结算指令，根据所述虚拟资源数据，向所述目标用户发送对应的虚拟资源。

9.一种虚拟资源处理装置，其特征在于，所述装置包括：

第一获取模块，用于获取目标用户的目标交互数据、所述目标用户的平台访问数据和目标对象的对象信息；

分类模块，用于根据所述目标交互数据和所述目标对象的对象信息对所述目标用户进行分类处理，得到所述目标用户针对所述目标对象的交互类型，其中，所述交互类型包括第一类型或第二类型，所述第一类型表征所述目标用户与所述目标对象的交互概率为第一概率，所述第二类型表征所述目标用户与所述目标对象的交互概率为第二概率，所述第一概率大于所述第二概率；

确定模块，用于根据所述目标用户针对所述目标对象的所述交互类型和所述平台访问数据，确定所述目标对象针对所述目标用户的虚拟资源数据；

发送模块，用于根据所述虚拟资源数据，向所述目标用户发送对应的虚拟资源。

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。

11.一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，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。

12.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。

Images