CN117132307A - 分配策略确定方法、装置、设备、可读存储介质及产品 - Google Patents

分配策略确定方法、装置、设备、可读存储介质及产品 Download PDF

Info

Publication number
CN117132307A
CN117132307A CN202311099114.1A CN202311099114A CN117132307A CN 117132307 A CN117132307 A CN 117132307A CN 202311099114 A CN202311099114 A CN 202311099114A CN 117132307 A CN117132307 A CN 117132307A
Authority
CN
China
Prior art keywords
allocation
resource
estimated
data
target
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.)
Pending
Application number
CN202311099114.1A
Other languages
English (en)
Inventor
侯志鹏
刘润石
陈召群
朱磊
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.)
Alipay Hangzhou Information Technology Co Ltd
Original Assignee
Alipay Hangzhou 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 Alipay Hangzhou Information Technology Co Ltd filed Critical Alipay Hangzhou Information Technology Co Ltd
Priority to CN202311099114.1A priority Critical patent/CN117132307A/zh
Publication of CN117132307A publication Critical patent/CN117132307A/zh
Pending legal-status Critical Current

Links

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]

Landscapes

  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本说明书实施例提供了一种分配策略确定方法、装置、电子设备、计算机可读存储介质及计算机程序产品，该方法包括：确定多个关于确定是否为第一对象和第二对象分配单位资源量的决策参数与总资源变化量的映射关系，总资源变化量根据决策参数和资源变化量确定；获取目标分配策略的预估决策参数；目标分配策略用于对第一对象和第二对象进行资源分配；基于第一对象和第二对象的历史资源数据确定目标分配策略的预估资源变化量；根据预估决策参数、预估资源变化量及多个映射关系确定目标分配策略的预估总资源变化量；根据预估资源变化量和预估总资源变化量生成目标分配策略。

Description

分配策略确定方法、装置、设备、可读存储介质及产品
技术领域
本说明书实施例涉及数据处理技术领域，并且更具体地，涉及数据处理技术领域中一种分配策略确定方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
背景技术
双边市场是指拥有两种不同主体的平台，且这两种主体在这个平台内存在有一定的交互和影响关系，这两种主体包括商家和用户。现有的交易平台作为一种双边市场，同时服务于商家和用户这两种不同的群体，用户通过平台消费或购买商家提供的服务或商品，用户数量与消费的增长会促使更多的商家入驻平台，而商家的增加也会吸引更多的用户促成更多的交易。为了实现一定的经营目标，平台会投入一定预算开展营销活动。在以往的活动中，会生硬的将商家和用户进行拆分，单独考虑分别进行营销。然而，这种模式忽略了用户和商家之间的相互影响以及相同预算在不同侧投入的营销效率差异，会造成交易平台对于营销预算的重复投入。
因此，如何避免交易平台对于营销预算的重复投入成为亟需解决的技术问题。
发明内容
本说明书实施例提供了一种分配策略确定方法、装置、电子设备、计算机可读存储介质及计算机程序产品，该方法能够在一定程度上避免交易平台对于营销预算的重复投入。
第一方面，提供了一种分配策略确定的方法，该分配策略确定方法包括：确定关于第一数据与第二数据的多个映射关系；其中，所述多个映射关系不相同，所述第一数据包括用于确定是否为第一分配对象和第二分配对象分配单位资源量的决策参数，以及为所述第一分配对象和所述第二分配对象分配所述单位资源量所产生的资源变化量，所述第二数据为根据所述决策参数和所述资源变化量确定的总资源变化量；获取用于生成目标分配策略的预估决策参数；其中，所述目标分配策略用于对所述第一分配对象和所述第二分配对象进行资源分配；基于所述第一分配对象和所述第二分配对象的第一历史资源数据，确定用于生成所述目标分配策略的预估资源变化量；根据所述预估决策参数、所述预估资源变化量以及所述多个映射关系，确定用于生成所述目标分配策略的预估总资源变化量；根据所述预估资源变化量和所述预估总资源变化量，生成所述目标分配策略。
结合第一方面，在某些可能的实现方式中，所述确定关于第一数据与第二数据的多个映射关系包括：获取第一需求描述信息；其中，所述第一需求描述信息包括期望所述目标分配策略产生的第一期望资源增加量和第一期望资源减少量，以及所述目标分配策略的第一限制要求；根据所述第一需求描述信息构建关于第一变量的第一关系函数组；其中，所述第一变量包括所述决策参数、所述资源变化量和所述总资源变化量；根据所述第一关系函数组确定所述多个映射关系。
结合第一方面和上述实现方式，在某些可能的实现方式中，所述第一限制要求包括：所述第一分配对象和所述第二分配对象各自的权重值、目标分配资源量的第一上下限阈值、所述目标分配资源量对应的目标资源增量的第二上下限阈值；所述根据所述第一需求描述信息构建关于第一变量的第一关系函数组包括：根据所述权重值构建关于所述第一变量的目标关系函数；根据所述第一上下限阈值和所述第二上下限阈值，构建所述目标关系函数的约束条件；根据所述目标关系函数和所述约束条件，生成所述第一关系函数组。
结合第一方面和上述实现方式，在某些可能的实现方式中，所述获取用于生成目标分配策略的预估决策参数包括：基于所述约束条件，采用预设求解方法对所述目标关系函数进行求解，得到最优解的决策参数；其中，所述预设求解方法包括单纯形法、大M法和两阶段法；将所述最优解的决策参数确定为所述预估决策参数。
结合第一方面和上述实现方式，在某些可能的实现方式中，所述基于所述第一分配对象和所述第二分配对象的第一历史资源数据，确定用于生成所述目标分配策略的预估资源变化量包括：
采用所述第一历史资源数据构建数据预测模型；
将所述第一需求描述信息以及所述第一分配对象和所述第二分配对象各自的画像数据输入所述数据预测模型，通过所述数据预测模型进行数据预测，得到所述预估资源变化量。
结合第一方面和上述实现方式，在某些可能的实现方式中，所述第一分配对象和所述第二分配对象均包括至少一个子分配对象，所述根据所述预估资源变化量和所述预估总资源变化量，生成所述目标分配策略之后，所述分配策略确定方法还包括：针对于任一子分配对象，获取所述子分配对象对应的子分配策略的第二需求描述信息；其中，所述子分配策略用于对所述子分配对象进行资源分配，所述第二需求描述信息包括期望所述子分配策略产生的第二期望资源增加量和第二期望资源减少量，以及所述子分配策略的第二限制要求；根据所述目标分配策略和所述第二需求描述信息，生成所述子分配策略；执行所述子分配策略。
结合第一方面和上述实现方式，在某些可能的实现方式中，所述根据所述目标分配策略和所述第二需求描述信息，生成所述子分配策略包括：
响应于策略调整指令，对所述目标分配策略进行调整，得到优化分配策略；
根据所述第二需求描述信息和所述优化分配策略中所述预估资源变化量，构建关于第二变量的第二关系函数组；其中，所述第二变量包括为所述子分配对象分配的资源量和所述资源量对应的资源增量；
将所述第二需求描述信息和所述子分配对象的画像数据输入所述数据预测模型，通过所述数据预测模型进行数据预测，得到生成所述子分配策略的预估资源量；
将所述预估资源量输入所述第二关系函数组，得到生成所述子分配策略的预估资源增量；
根据所述预估资源量和所述预估资源增量，生成所述子分配策略。
结合第一方面和上述实现方式，在某些可能的实现方式中，所述执行所述子分配策略之后，所述分配策略确定方法还包括：获取执行所述子分配策略所产生的第二历史资源数据；采用所述第二历史资源数据更新所述数据预测模型。
第二方面，提供了一种分配策略确定装置，该分配策略确定装置包括：
第一确定模块，用于确定关于第一数据与第二数据的多个映射关系；其中，所述多个映射关系不相同，所述第一数据包括用于确定是否为第一分配对象和第二分配对象分配单位资源量的决策参数，以及为所述第一分配对象和所述第二分配对象分配所述单位资源量所产生的资源变化量，所述第二数据为根据所述决策参数和所述资源变化量确定的总资源变化量；
第二确定模块，用于获取用于生成目标分配策略的预估决策参数；其中，所述目标分配策略用于对所述第一分配对象和所述第二分配对象进行资源分配；
第三确定模块，用于基于所述第一分配对象和所述第二分配对象的第一历史资源数据，确定用于生成所述目标分配策略的预估资源变化量；
第四确定模块，用于根据所述预估决策参数、所述预估资源变化量以及所述多个映射关系，确定用于生成所述目标分配策略的预估总资源变化量；
策略生成模块，用于根据所述预估资源变化量和所述预估总资源变化量，生成所述目标分配策略。
结合第二方面，在某些可能的实现方式中，所述第一确定模块包括：
第一信息获取单元，用于获取第一需求描述信息；其中，所述第一需求描述信息包括期望所述目标分配策略产生的第一期望资源增加量和第一期望资源减少量，以及所述目标分配策略的第一限制要求；
函数构建单元，用于根据所述第一需求描述信息构建关于第一变量的第一关系函数组；其中，所述第一变量包括所述决策参数、所述资源变化量和所述总资源变化量；
映射关系确定单元，用于根据所述第一关系函数组确定所述多个映射关系。
结合第二方面和上述实现方式，在某些可能的实现方式中，述第一限制要求包括：所述第一分配对象和所述第二分配对象各自的权重值、目标分配资源量的第一上下限阈值、所述目标分配资源量对应的目标资源增量的第二上下限阈值，所述函数构建单元包括：
函数构建子单元，用于根据所述权重值构建关于所述第一变量的目标关系函数；
条件构建子单元，用于根据所述第一上下限阈值和所述第二上下限阈值，构建所述目标关系函数的约束条件；
函数生成子单元，用于根据所述目标关系函数和所述约束条件，生成所述第一关系函数组。
结合第二方面和上述实现方式，在某些可能的实现方式中，所述第二确定模块包括：
解算单元，用于基于所述约束条件，采用预设求解方法对所述目标关系函数进行求解，得到最优解的决策参数；其中，所述预设求解方法包括单纯形法、大M法和两阶段法；
参数确定单元，用于将所述最优解的决策参数确定为所述预估决策参数。
结合第二方面和上述实现方式，在某些可能的实现方式中，所述第三确定模块包括：
模型构建单元，用于采用所述第一历史资源数据构建数据预测模型；
数据预测单元，用于将所述第一需求描述信息以及所述第一分配对象和所述第二分配对象各自的画像数据输入所述数据预测模型，通过所述数据预测模型进行数据预测，得到所述预估资源变化量。
结合第二方面和上述实现方式，在某些可能的实现方式中，所述第一分配对象和所述第二分配对象均包括至少一个子分配对象，所述分配策略确定装置还包括：
第二信息获取单元，用于针对于任一子分配对象，获取所述子分配对象对应的子分配策略的第二需求描述信息；其中，所述子分配策略用于对所述子分配对象进行资源分配，所述第二需求描述信息包括期望所述子分配策略产生的第二期望资源增加量和第二期望资源减少量，以及所述子分配策略的第二限制要求；
子策略生成单元，用于根据所述目标分配策略和所述第二需求描述信息，生成所述子分配策略；
策略执行单元，用于执行所述子分配策略。
结合第二方面和上述实现方式，在某些可能的实现方式中，所述子策略生成单元包括：
策略调整子单元，用于响应于策略调整指令，对所述目标分配策略进行调整，得到优化分配策略；
函数构建子单元，用于根据所述第二需求描述信息和所述优化分配策略中所述预估资源变化量，构建关于第二变量的第二关系函数组；其中，所述第二变量包括为所述子分配对象分配的资源量和所述资源量对应的资源增量；
数据预测子单元，用于将所述第二需求描述信息和所述子分配对象的画像数据输入所述数据预测模型，通过所述数据预测模型进行数据预测，得到生成所述子分配策略的预估资源量；
数据计算子单元，用于将所述预估资源量输入所述第二关系函数组，得到生成所述子分配策略的预估资源增量；
策略生成子单元，用于根据所述预估资源量和所述预估资源增量，生成所述子分配策略。
结合第二方面和上述实现方式，在某些可能的实现方式中，所述分配策略确定装置还包括：
模型更新单元，用于获取执行所述子分配策略所产生的第二历史资源数据；采用所述第二历史资源数据更新所述数据预测模型。
第三方面，提供一种电子设备，包括存储器和处理器。该存储器用于存储可执行程序代码，该处理器用于从存储器中调用并运行该可执行程序代码，使得该电子设备执行上述第一方面或第一方面任意一种可能的实现方式中的方法。
第四方面，提供了一种计算机程序产品，该计算机程序产品包括：计算机程序代码，当该计算机程序代码在计算机上运行时，使得该计算机执行上述第一方面或第一方面任意一种可能的实现方式中的方法。
第五方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序代码，当该计算机程序代码在计算机上运行时，使得该计算机执行上述第一方面或第一方面任意一种可能的实现方式中的方法。
本说明书实施例通过采用确定关于第一数据与第二数据的多个映射关系；其中，多个映射关系不相同，第一数据包括用于确定是否为第一分配对象和第二分配对象分配单位资源量的决策参数，以及为第一分配对象和第二分配对象分配单位资源量所产生的资源变化量，第二数据为根据决策参数和资源变化量确定的总资源变化量；获取用于生成目标分配策略的预估决策参数；其中，目标分配策略用于对第一分配对象和第二分配对象进行资源分配；基于第一分配对象和第二分配对象的第一历史资源数据，确定用于生成目标分配策略的预估资源变化量；根据预估决策参数、预估资源变化量以及多个映射关系，确定用于生成目标分配策略的预估总资源变化量；根据预估资源变化量和预估总资源变化量，生成目标分配策略的技术方案，通过结合双边市场中用户侧和商家侧之间的相互影响，实现了双边市场分配预算的精准把控，避免了交易平台对双边市场的营销预算进行重复投入，不仅能够节省营销预算支出，还可以提升双边市场的营销效率。
附图说明
图1示出了本说明书实施例提供的一种分配策略确定方法的示意性流程图；
图2示出了映射关系的示意图；
图3示出了展示目标分配策略的示意图；
图4示出了成本投入与经营收益的总览示意图；
图5示出了需求填写界面的示意图；
图6示出了本说明书实施例提供的一种分配策略确定方法的流程框图；
图7示出了本说明书实施例提供的一种分配策略确定装置的结构示意图；
图8示出了本说明书实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合附图，对本说明书实施例中的技术方案进行清楚、详尽地描述。其中，在本说明书实施例的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B：文本中的“和/或”仅仅是一种描述关联分配对象的关联关系，表示可以存在三种关系，例如A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，另外，在本说明书实施例的描述中，“多个”是指两个或多于两个。
以下，术语“第一”、“第二”仅用于描述目的，而不能理解为暗示或暗示相对重要性或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多个该特征。
双边市场是指拥有两种不同主体的平台，且这两种主体在这个平台内存在有一定的交互和影响关系，这两种主体包括商家和用户。现有的交易平台作为一种双边市场，同时服务于商家和用户这两种不同的群体，用户通过平台消费或购买商家提供的服务或商品，用户数量与消费的增长会促使更多的商家入驻平台，而商家的增加也会吸引更多的用户促成更多的交易。
为了实现一定的经营目标，平台会投入一定预算开展营销活动。在以往的活动中，对于商家与用户拆分单独进行营销的技术方案，对商家与用户拆分单独进行营销，针对商家和用户分别独自开展营销，总预算等于各自预算的和，这种方案忽略了用户和商家之间的相互影响以及相同预算在不同侧投入的营销效率差异，会造成交易平台对于营销预算的重复投入。此外，该方案没有考虑相同预算对商家和用户营销效率的差异，会由于预算分配的不合理而造成营销效率低下，以及预算的抉择与实际的营销情况之间也是分离的，需要依赖人工测算与反复调整。
对于直接考虑总预算下交易维度营销的技术方案，是在满足总预算要求的情况下最大化经营目标，通过数据测算、专家规则或智能定价算法，直接决策交易维度的补贴。该方案直接忽略了双边预算的分配过程，导致无法在宏观层面控制用户和商家各自的预算投入，整个营销过程处于不可控的“黑盒”状态。
基于上述问题，本申请提供了一种分配策略确定方法、装置、电子设备、计算机可读存储介质及计算机程序产品，能够将整个双边市场营销分为宏观层面的预算决策与微观层面的营销投放两部分，前者宏观层面可以实现对双边市场分配的预算进行精准把控，后者微观层面可以实现单侧视市场营销的精准投放。通过将两者相关联，能够在节省预算支出、提升营销效率的同时，实现端到端的全链路自动化较好的营销投放，避免了交易平台对于营销预算的重复投入。
以下为本说明书实施例提供的一种分配策略确定方法的一实施例。
图1示出了本说明书实施例提供的一种分配策略确定方法的示意性流程图。示例性的，如图1所示，本说明书实施例提供的分配策略确定方法应用于电子设备，例如是服务器，该分配策略确定方法包括以下方案：
S102：确定关于第一数据与第二数据的多个映射关系；其中，所述多个映射关系不相同，所述第一数据包括用于确定是否为第一分配对象和第二分配对象分配单位资源量的决策参数，以及为所述第一分配对象和所述第二分配对象分配所述单位资源量所产生的资源变化量，所述第二数据为根据所述决策参数和所述资源变化量确定的总资源变化量。
在一示例性实施例中，第一分配对象和第二分配对象之间存在有一定互相影响关系，例如，第一分配对象是双边市场中的用户侧(即消费者侧)，第二分配对象是双边市场中的商家侧，也可以是第二分配对象是双边市场中的用户侧，第一分配对象是双边市场中的商家侧。本说明书实施例以第一分配对象是商家侧，第二分配对象是用户侧为例进行说明。
对于第一分配对象是商家侧，第二分配对象是用户侧：单位资源量为单位成本的预算，用于确定是否为第一分配对象和第二分配对象分配单位资源量的决策参数包括：用于确定是否为商家侧分配i个单位成本的预算的决策参数，用于确定是否为用户侧分配j个单位成本的预算的决策参数，i和j为大0的正整数。其中，决策参数包括第一数值和第二数值，第一数值和第二数值不同，决策参数为第一数值表示分配，决策参数为第二数值表示未分配。
为第一分配对象和第二分配对象分配单位资源量所产生的资源变化量包括：为商家侧分配i个单位成本的预算对商家侧所带来的经营收益、为用户侧分配j个单位成本的预算对用户侧所带来的经营收益、为商家侧分配i个单位成本的预算对用户侧所带来的经营收益、为用户侧分配j个单位成本的预算对商家侧所带来的经营收益、为商家侧分配i个单位成本的预算所对应的实际成本投入(实际成本消耗)，为用户侧分配j个单位成本的预算所对应的实际成本投入。总资源变化量为为商家侧分配i个单位成本的预算和为用户侧分配j个单位成本的预算，所产生的总经营收益。
关于第一数据与第二数据的多个映射关系如图2所示，图2示出了映射关系的示意图，A1-An均表示第一数据，B1-Bn均表示第二数据，n为大于1的正整数。
S104：获取用于生成目标分配策略的预估决策参数，所述目标分配策略用于对所述第一分配对象和所述第二分配对象进行资源分配。
对于第一分配对象是商家侧，第二分配对象是用户侧：目标分配策略可以理解为预估的较好或值得推荐的成本投入分配策略，用于对商家侧和用户侧进行成本投入的分配，所述的成本可以是资金、也可以是短信，也可以图片等等。
获取用于生成目标分配策略的预估决策参数，也就是获取用于生成预估的较好或值得推荐的成本投入分配策略的预估决策参数，包括用于确定是否为商家侧分配i个单位成本的预算的预估决策参数，用于确定是否为用户侧分配j个单位成本的预算的预估决策参数。
S106：基于所述第一分配对象和所述第二分配对象的第一历史资源数据，确定用于生成所述目标分配策略的预估资源变化量。
对于第一分配对象是商家侧，第二分配对象是用户侧：第一历史资源数据包括用户与商家交易时，双边交易系统产生的交易日志数据，以及商家、用户以及商品各自的画像数据。交易日志数据包括商家侧的历史经营收益数据和历史成本投入数据、用户侧的历史经营收益数据和历史成本投入数据，等等。商家的画像数据包括商家的基本信息(例如名称、账号等)、店铺类型、经营的商品种类、经营的商品的生产厂家、商品销量、店铺评分等等；用户的画像数据包括用户的基本信息(例如，年纪、账号)、购买的商品类型、购买时间、购买频次等等；商品的画像数据包括商品的基本信息(例如名称、类型等)、生产厂家、出售的商家、出售时间，购买的用户信息等等。值得注意的是，交易日志数据、画像数据等均是经过用户。商家等许可后使用的。
采用交易日志数据以及画像数据预测用于生成目标分配策略的预估资源变化量，预估资源变化量包括：为商家侧分配i个单位成本的预算对商家侧所带来的预估经营收益，也称为预估商家侧经营收益、为用户侧分配j个单位成本的预算对用户侧所带来的预估经营收益，也称为预估用户侧经营收益、为商家侧分配i个单位成本的预算对用户侧所带来的预估经营收益、为用户侧分配j个单位成本的预算对商家侧所带来的预估经营收益、为商家侧分配i个单位成本的预算所对应的预估实际成本投入，也称为预估的商家侧推荐成本投入，或预估的商家侧较少的推荐成本投入，为用户侧分配j个单位成本的预算所对应的预估实际成本投入，也称为预估的用户侧推荐成本投入，或预估的用户侧较少的推荐成本投入。
S108：根据所述预估决策参数、所述预估资源变化量以及所述多个映射关系，确定用于生成所述目标分配策略的预估总资源变化量。
得到用于生成目标分配策略的预估决策参数和预估资源变化量之后，采用预估决策参数和预估资源变化量查询多个映射关系，从多个映射关系中获取与预估决策参数相同的决策参数，以及与预估资源变化量的资源变化量，将与预估决策参数相同的决策参数以及与预估资源变化量的资源变化量所在的映射关系作为目标映射关系，目标映射关系中包括的总资源变化量即为用于生成目标分配策略的预估总资源变化量，预估总资源变化量可理解为向商家侧分配i个单位成本的预算和向用户侧分配j个单位成本的预算所产生的预估总经营收益。
S110：根据所述预估资源变化量和所述预估总资源变化量，生成所述目标分配策略。
得到预估资源变化量和预估总资源变化量之后，通过预估总资源变化量中的预估总经营收益、预估资源变化量中的预估商家侧经营收益、预估用户侧经营收益、商家侧推荐成本投入、用户侧推荐成本投入，生成目标分配策略，然后进行展示。如图3所示，图3示出了展示目标分配策略的示意图，图3中推荐总成本投入为商家侧推荐成本投入与用户侧推荐成本投入的和。
如图4所示，图4示出了成本投入与经营收益的总览示意图，图4中：增量产出表示经营收益、每单位经营目标表示每单位预期经营收益、每范围经营目标表示每范围预期经营收益。P1图表示商家侧的成本投入增加与预期经营收益的关系，曲线P11表示商家侧的成本投入对自身的预期经营收益的影响，曲线P12表示商家侧的成本投入对用户侧的预期经营收益的影响。P2图表示用户侧的成本投入增加与预期经营收益的关系，曲线P21表示用户侧的成本投入对自身的预期经营收益的影响，曲线P22表示用户侧的成本投入对商家侧的预期经营收益的影响。
P3图表示商家侧和用户侧的总成本投入固定，不同预算分配下预期经营收益的情况，曲线P31表示用户侧的预期经营收益，曲线P32表示商家侧的预期经营收益，曲线P33表示加权总经营目标，也就预估总经营收益。
本说明书实施例通过采用确定关于第一数据与第二数据的多个映射关系；其中，多个映射关系不相同，第一数据包括用于确定是否为第一分配对象和第二分配对象分配单位资源量的决策参数，以及为第一分配对象和第二分配对象分配单位资源量所产生的资源变化量，第二数据为根据决策参数和资源变化量确定的总资源变化量；获取用于生成目标分配策略的预估决策参数；其中，目标分配策略用于对第一分配对象和第二分配对象进行资源分配；基于第一分配对象和第二分配对象的第一历史资源数据，确定用于生成目标分配策略的预估资源变化量；根据预估决策参数、预估资源变化量以及多个映射关系，确定用于生成目标分配策略的预估总资源变化量；根据预估资源变化量和预估总资源变化量，生成目标分配策略的技术方案，通过结合双边市场中用户侧和商家侧之间的相互影响，实现了双边市场分配预算的精准把控，避免了交易平台对双边市场的营销预算进行重复投入，不仅能够节省营销预算支出，还可以提升双边市场的营销效率。
一种可能的实现方式中，上述确定关于第一数据与第二数据的多个映射关系包括以下方案：
获取第一需求描述信息；其中，所述第一需求描述信息包括期望所述目标分配策略产生的的第一期望资源增加量和第一期望资源减少量，以及所述目标分配策略的第一限制要求，第一限制要求包括：所述第一分配对象和所述第二分配对象各自的权重值、目标分配资源量的第一上下限阈值、所述目标分配资源量对应的目标资源增量的第二上下限阈值；
根据所述第一需求描述信息构建关于第一变量的第一关系函数组；其中，所述第一变量包括所述决策参数、所述资源变化量和所述总资源变化量；
根据所述第一关系函数组确定所述多个映射关系。
第一需求描述信息为交易平台的工作人员进行填写的关于目标分配策略的需求描述信息。如图5所示，图5示出了需求填写界面的示意图，对于第一分配对象是商家侧，第二分配对象是用户侧：第一期望资源增加量可以理解为商家侧和用户侧带来的总期望经营收益、第一期望资源减少量可以理解商家侧和用户侧的总期望成本投入，也就是总预算。第一分配对象和第二分配对象各自的权重值分别是商家侧的重要程度权重值和用户侧的重要程度权重值，目标分配资源量的第一上下限阈值包括：向商家侧分配的成本投入的上限阈值和下限阈值、向用户侧分配的成本投入的上限阈值和下限阈值；目标分配资源量对应的目标资源增量的第二上下限阈值包括：商家侧的期望经营收益的上限阈值和下限阈值、用户侧的期望经营收益的上限阈值和下限阈值。
通过第一需求描述信息构建完成第一关系函数组之后，决策参数和资源变化量作物第一关系函数组的输入，总资源变化量作为第一关系函数组的输出，输入不同的总资源变化量，对应输出不同的总资源变化量，因此可以得到多个不同的且关于决策参数和资源变化量二者与总资源变化量的映射关系。
一种可能的实现方式中，上述根据所述第一需求描述信息构建关于第一变量的第一关系函数组包括以下方案：
根据所述权重值构建关于所述第一变量的目标关系函数；
根据所述第一上下限阈值和所述第二上下限阈值，构建所述目标关系函数的约束条件；
根据所述目标关系函数和所述约束条件，生成所述第一关系函数组。
第一关系函数组包括目标关系函数和约束条件，目标关系函数为：
约束条件为：
其中，B表示商家，C表示用户，Z表示总资源变化量，为商家侧分配i个单位成本的预算和为用户侧分配j个单位成本的预算，所产生的总经营收益，xi B表示用于确定是否为商家侧分配i个单位成本的预算的决策参数，xj C表示为用于确定是否为用户侧分配j个单位成本的预算的决策参数，表示为商家侧分配i个单位成本的预算对商家侧所带来的经营收益，/>表示为用户侧分配j个单位成本的预算对用户侧所带来的经营收益，由于商家侧与用户侧之间存在双边关系(相互影响关系)，商家侧会对用户侧带来收益，同理用户侧也会对商家侧带来收益，/>表示为商家侧分配i个单位成本的预算对用户侧所带来的经营收益，/>表示为用户侧分配j个单位成本的预算对商家侧所带来的经营收益，Costi B表示为商家侧分配i个单位成本的预算所对应的实际成本投入，Costj C表示为用户侧分配j个单位成本的预算所对应的实际成本投入，/>和/>分别表示向商家侧分配的成本投入的上限阈值和下限阈值，/>和/>分别表示向用户侧分配的成本投入的上限阈值和下限阈值，Budgetupper表示向商家侧分配的成本投入与向用户侧分配的成本投入的和的上限阈值，/>Budgetlower表示向商家侧分配的成本投入与向用户侧分配的成本投入的和的下限阈值， 和/>分别表示商家侧的期望经营收益的上限阈值和商家侧的期望经营收益的下限阈值，/>和/>分别表示用户侧的期望经营收益的上限阈值和用户侧的期望经营收益的下限阈值。
一种可能的实现方式中，上述获取用于生成目标分配策略的预估决策参数包括以下方案：
基于所述约束条件，采用预设求解方法对所述目标关系函数进行求解，得到最优解的决策参数；其中，所述预设求解方法包括单纯形法、大M法和两阶段法；
将所述最优解的决策参数确定为所述预估决策参数。
对于预估决策参数的获取是通过对目标关系函数进行求解得到的，即在满足约束条件的情况下，通过采用预设求解方法的通用线性规划求解器对上述的目标关系函数进行求解，从而得到最优解的决策参数xi B和xj C，最优解的决策参数xi B和xj C即为预估决策参数，实现了通过将指定经营收益与经营限制要求下较好的或推荐的双边营销预算分配方案的求解，建模为大规模近似线性规划问题，并使用通用线性规划求解器完成求解，解决了双边市场营销效率低下的问题。
一种可能的实现方式中，上述基于所述第一分配对象和所述第二分配对象的第一历史资源数据，确定用于生成所述目标分配策略的预估资源变化量包括以下方案：
采用所述第一历史资源数据构建数据预测模型；
将所述第一需求描述信息以及所述第一分配对象和所述第二分配对象各自的画像数据输入所述数据预测模型，通过所述数据预测模型进行数据预测，得到所述预估资源变化量。
数据预测模型可以是深度学习网络，也可以是决策树或者卷积神经网络等预测模型。将第一历史资源数据划分为训练集和验证集，采用训练集进行数据预测模型训练，采用验证集进行数据预测模型的验证和调整。在完成数据预测模型的训练之后，将第一需求描述信息中的第一期望资源增加量、第一期望资源减少量、目标分配资源量的第一上下限阈值、目标分配资源量对应的目标资源增量的第二上下限阈值以及第一分配对象和第二分配对象各自的画像数据作为模型的输入数据，输入数据预测模型，数据预测模型输出预估资源变化量，实现了基于历史数据对Costi B以及Costj C进行预测，能够在预估预算投入对商家侧和用户侧各自期望经营收益影响的同时，精准预估由于双边关系的存在对对侧期望经营收益带来的影响，从而解决了营销预算的重复投入的问题。
一种可能的实现方式中，第一分配对象和第二分配对象均包括至少一个子分配对象，对于第一分配对象是商家侧，第二分配对象是用户侧：第一分配对象均包括至少一个子分配对象，也就是商家侧包括至少一个商家，第二分配对象均包括至少一个子分配对象，也就是用户侧包括至少一个用户。
所述根据所述预估资源变化量和所述预估总资源变化量，生成所述目标分配策略之后，所述分配策略确定方法还包括：
针对于任一子分配对象，获取所述子分配对象对应的子分配策略的第二需求描述信息；其中，所述子分配策略用于对所述子分配对象进行资源分配，所述第二需求描述信息包括期望所述子分配策略产生的第二期望资源增加量和第二期望资源减少量，以及所述子分配策略的第二限制要求；
根据所述目标分配策略和所述第二需求描述信息，生成所述子分配策略；
执行所述子分配策略。
针对于任一商家，交易平台的工作人员可以事先填写关于商家的子分配策略的第二需求描述信息，商家的子分配策略的第二需求描述信息包括的第二期望资源增加量可以理解为商家的子分配策略能够为商家带来的总期望经营收益，第二期望资源减少量可以理解为商家的总期望成本投入，第二限制要求包括商家的期望经营收益的上下限阈值、期望成本投入的上下限阈值。
得到每个商家对应的子分配策略的第二需求描述信息之后，按照第二需求描述信息对目标分配策略，进行划分，得到为每个商家投放的子分配策略，并将子分配策略投放给对应的商家。
针对于任一用户，交易平台的工作人员可以事先填写关于用户的子分配策略的第二需求描述信息，用户的子分配策略的第二需求描述信息包括的第二期望资源增加量可以理解为用户的子分配策略能够为用户带来的总期望经营收益，第二期望资源减少量可以理解为用户的总期望成本投入，第二限制要求包括用户的期望经营收益的上下限阈值、期望成本投入的上下限阈值。
得到每个用户对应的子分配策略的第二需求描述信息之后，按照第二需求描述信息对目标分配策略，进行划分，得到为每个用户投放的子分配策略，并将子分配策略投放给对应的用户，实现了微观层面的营销投放。
一种可能的实现方式中，所述根据所述目标分配策略和所述第二需求描述信息，生成所述子分配策略包括以下方案：
响应于策略调整指令，对所述目标分配策略进行调整，得到优化分配策略；
根据所述第二需求描述信息和所述优化分配策略中所述预估资源变化量，构建关于第二变量的第二关系函数组；其中，所述第二变量包括为所述子分配对象分配的资源量和所述资源量对应的资源增量；
将所述第二需求描述信息和所述子分配对象的画像数据输入所述数据预测模型，通过所述数据预测模型进行数据预测，得到生成所述子分配策略的预估资源量；
将所述预估资源量输入所述第二关系函数组，得到生成所述子分配策略的预估资源增量；
根据所述预估资源量和所述预估资源增量，生成所述子分配策略。
生成目标分配策略之后，目标分配策略会直观的展示给交易平台的工作人员，工作人员会根据实际情况对目标分配策略进行分析判断，如果目标分配策略满足需求，就将展示的目标分配策略作为优化分配策略，如果目标分配策略不满足需求，则还会根据实际情况进行目标分配策略的调整，例如对目标分配策略中的预估资源变化量和/或预估总资源变化量进行调整或修改，从而得到优化分配策略。
得到优化分配策略之后，根据第二需求描述信息和优化分配策略中预估资源变化量，构建关于第二变量的第二关系函数组，第二变量包括为子分配对象分配的资源量和资源量对应的资源增量。如果子分配对象为商家，为子分配对象分配的资源量是指为商家分配的成本投入，资源量对应的资源增量是指为商家分配的成本投入为商家带来的经营收益；同理，如果子分配对象为用户，为子分配对象分配的资源量是指为用户分配的成本投入，资源量对应的资源增量是指为用户分配的成本投入为用户带来的经营收益。
第二关系函数组的构建方式与上述第一关系函数组的构建方式是同理的，第二关系函数组也包括目标关系函数和约束条件。
对于任一子分配对象，将第二需求描述信息中的第二期望资源增加量、第二期望资源减少量以及第二限制要求输入到数据预测模型，数据预测模型输出生成子分配对象对应的子分配策略的预估资源量，以及基于第二关系函数组中的约束条件采用通用线性规划求解器对第二关系函数组中的目标关系函数进行求解，得到最优解的决策参数；进而将最优解的决策参数和模型预测得到的预估资源量，输入第二关系函数组中的目标关系函数，得到生成子分配对象对应的子分配策略的预估资源增量，进而根据预估资源量和预估资源增量，生成子分配对象对应的子分配策略。如果子分配对象为商家，则商家对应的子分配策略中的预估资源量是指为商家分配的预估成本投入，预估资源增量是指为商家分配的预估成本投入为商家带来的预估经营收益；如果子分配对象为用户，则商家对应的子分配策略中的预估资源量是指为用户分配的预估成本投入，预估资源增量是指为用户分配的预估成本投入为用户带来的预估经营收益。
一种可能的实现方式中，上述执行所述子分配策略之后，所述分配策略确定方法还包括以下方案：
获取执行所述子分配策略所产生的第二历史资源数据；
采用所述第二历史资源数据更新所述数据预测模型。
对于第一分配对象是商家侧，第二分配对象是用户侧：当向各个商家和各个用户分配对应的子分配策略之后，通过执行子分配策略双边市场会产生相应的数据，所产生的数据称为第二历史资源数据，第二历史资源数据与第一历史资源数据包括的数据类型是相同的，即包括交易日志数据，以及商家、用户以及商品各自的画像数据。得到第二历史资源数据之后，采用第二历史资源数据对数据预测模型进行重新训练，实现模型的迭代优化更新，从而提升模型预测的精准性，使得基于预测模型预估资源变化量的线性规划求解更加准确。
以下为本说明书实施例提供的一种分配策略确定方法的另一实施例。
图6示出了本说明书实施例提供的一种分配策略确定方法的流程框图，如图5和图6所示，该分配策略确定方法包括以下步骤：
步骤1，需求描述：交易平台的工作人员在分配策略的操作界面填写目标分配策略的第一描述信息，包括经营目标(期望的经营收益)和经营要求(上述的第一限制要求)，经营目标下的较好的双边目标即为总期望经营收益，较好的单侧目标即为商家侧和用户侧各自的期望经营收益，经营要求下的目标限制包括商家侧和用户侧各自的期望经营收益的上下限阈值，目标权重包括商家侧和用户侧各自的重要程度权重值，预算限制包括向商家侧和用户侧各自的分配的成本投入的上下限阈值。其中，双边市场中商家侧和用户侧均为单侧，商家侧是用户侧的对侧，用户侧是商家侧的对侧。
步骤2，产出预算分配方案，即期望经营收益和期望成本投入的分配方案：获取步骤1中的第一描述信息，对第一描述信息进行抽象，将指定经营目标与经营要求下目标分配策略的求解问题，建模为大规模近似线性规划问题，即通过第一描述信息构建关于决策参数xi B和xj C、Costi B以及Costj C的第一关系函数组，第一关系函数组包括目标关系函数和约束条件，基于约束条件采用通用线性规划求解器对第一关系函数组中的目标关系函数进行求解，得到最优解的决策参数xi B和xj C。
步骤3，双边市场产生出预测，将第一描述信息和商家侧和用户侧各自的画像数据输入事先构建的数据预测模型中，通过数据预测模型预测得到预估的 Costi B以及Costj C。
步骤4，方案的反馈与调整，将最优解的决策参数xi B和xj C、最优解的决策参数xi B和C
xj输入到第一关系函数组，从而得到商家侧和用户侧的预估总经营收益，并根据预估总经营收益、预估的Costi B以及Costj C生成目标分配策略，然后将目标分配策略展示给工作人员，如图3所示。工作人员看到目标分配策略之后，可以直观的了解到较好的或推荐的预算分配方案及其预计的营销收益效果，以供工作人员进行实际的投放或进行调整和修改，从而实现目标分配策略的优化。
步骤5，预定预算下较好的营销，即在目标分配策略的基础上，基于商家侧和用户侧的预估成本投入情况，结合交易维度不同补贴方案下经营目标的影响预测结果，类似的也将较好的交易维度补贴方式的求解构建为线性规划问题，也就是通过目标分配策略、工作人员填写的商家侧下的各个商家的子分配策略的第二描述信息，以及用户侧下的各个用户的子分配策略的第二描述信息，构建上述的第二关系函数组，第二关系函数组包括目标关系函数和约束条件。通过采用通用线性规划求解器对第二关系函数组中的目标关系函数进行求解，得到最优解的决策参数，然后将第二描述信息、商家和用户各自的画像数据输入到数据预测模型，通过数据预测模型预测得到为商家分配的预估成本投入和为用户分配的预估成本投入。将最优解的决策参数、为商家分配的预估成本投入和为用户分配的预估成本投入输入到第二关系函数组，得到为商家分配的预估成本投入为商家带来的预估经营收益、以及为用户分配的预估成本投入为用户带来的预估经营收益，进而根据为商家分配的预估成本投入以及为商家分配的预估成本投入为商家带来的预估经营收益，生成商家对应的子分配策略，根据为用户分配的预估成本投入以及为用户分配的预估成本投入为用户带来的预估经营收益，生成用户对应的子分配策略。生成商家对应的子分配策略和用户对应的子分配策略之后，进行子分配策略投放，双边市场产生交易。
步骤6，步骤5之后，获取双边市场产生交易时，交易产生的交易日志数据，以及商家、用户和商品各自的画像数据，采用获取的交易日志数据和画像数据对上述的数据预测模型进行迭代优化更新，从而提高模型预测的准确性。此外，通过交易日志数据获取实际得到的Costi B以及Costj C，通过实际得到的/> Costi B以及Costj C对预估的/>Costi B以及Costj C进行反馈和校准，通过对宏观成本投入分配的动态调整自动实现对微观的交易维度营销投放调整，进而达成较好的营销效果。
本说明书实施例能够将整个双边市场营销分为宏观层面的预算决策与微观层面的营销投放两部分。宏观层面引入了针对双边市场特性设计的投入产出预测模型与统筹优化建模求解，实现了对预算分配的较好把控；微观层面引入了基于实际营销情况的反馈机制，在对预测模型迭代优化提升预测精准度的同时，还能够对预算分配动态调整影响后续的营销投放，进而达成理论较好的营销效果。通过将宏观层面和微观层面相关联，能够在节省预算支出、提升营销效率的同时，实现端到端的全链路自动化较好的营销投放。
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
图7示出了本说明书实施例提供的一种分配策略确定装置的结构示意图。示例性的，如图7所示，该分配策略确定装置700包括：
第一确定模块710，用于确定关于第一数据与第二数据的多个映射关系；其中，所述多个映射关系不相同，所述第一数据包括用于确定是否为第一分配对象和第二分配对象分配单位资源量的决策参数，以及为所述第一分配对象和所述第二分配对象分配所述单位资源量所产生的资源变化量，所述第二数据为根据所述决策参数和所述资源变化量确定的总资源变化量；
第二确定模块720，用于获取用于生成目标分配策略的预估决策参数；其中，所述目标分配策略用于对所述第一分配对象和所述第二分配对象进行资源分配；
第三确定模块730，用于基于所述第一分配对象和所述第二分配对象的第一历史资源数据，确定用于生成所述目标分配策略的预估资源变化量；
第四确定模块740，用于根据所述预估决策参数、所述预估资源变化量以及所述多个映射关系，确定用于生成所述目标分配策略的预估总资源变化量；
策略生成模块750，用于根据所述预估资源变化量和所述预估总资源变化量，生成所述目标分配策略。
一种可能的实现方式中，所述第一确定模块710包括：
第一信息获取单元，用于获取第一需求描述信息；其中，所述第一需求描述信息包括期望所述目标分配策略产生的第一期望资源增加量和第一期望资源减少量，以及所述目标分配策略的第一限制要求；
函数构建单元，用于根据所述第一需求描述信息构建关于第一变量的第一关系函数组；其中，所述第一变量包括所述决策参数、所述资源变化量和所述总资源变化量；
映射关系确定单元，用于根据所述第一关系函数组确定所述多个映射关系。
一种可能的实现方式中，所述第一限制要求包括：所述第一分配对象和所述第二分配对象各自的权重值、目标分配资源量的第一上下限阈值、所述目标分配资源量对应的目标资源增量的第二上下限阈值，所述函数构建单元包括：
函数构建子单元，用于根据所述权重值构建关于所述第一变量的目标关系函数；
条件构建子单元，用于根据所述第一上下限阈值和所述第二上下限阈值，构建所述目标关系函数的约束条件；
函数生成子单元，用于根据所述目标关系函数和所述约束条件，生成所述第一关系函数组。
一种可能的实现方式中所述第二确定模块720包括：
解算单元，用于基于所述约束条件，采用预设求解方法对所述目标关系函数进行求解，得到最优解的决策参数；其中，所述预设求解方法包括单纯形法、大M法和两阶段法；
参数确定单元，用于将所述最优解的决策参数确定为所述预估决策参数。
一种可能的实现方式中，所述第三确定模块730包括：
模型构建单元，用于采用所述第一历史资源数据构建数据预测模型；
数据预测单元，用于将所述第一需求描述信息以及所述第一分配对象和所述第二分配对象各自的画像数据输入所述数据预测模型，通过所述数据预测模型进行数据预测，得到所述预估资源变化量。
一种可能的实现方式中，所述第一分配对象和所述第二分配对象均包括至少一个子分配对象，所述分配策略确定装置700还包括：
第二信息获取单元，用于针对于任一子分配对象，获取所述子分配对象对应的子分配策略的第二需求描述信息；其中，所述子分配策略用于对所述子分配对象进行资源分配，所述第二需求描述信息包括期望所述子分配策略产生的第二期望资源增加量和第二期望资源减少量，以及所述子分配策略的第二限制要求；
子策略生成单元，用于根据所述目标分配策略和所述第二需求描述信息，生成所述子分配策略；
策略执行单元，用于执行所述子分配策略。
一种可能的实现方式中，所述子策略生成单元包括：
策略调整子单元，用于响应于策略调整指令，对所述目标分配策略进行调整，得到优化分配策略；
函数构建子单元，用于根据所述第二需求描述信息和所述优化分配策略中所述预估资源变化量，构建关于第二变量的第二关系函数组；其中，所述第二变量包括为所述子分配对象分配的资源量和所述资源量对应的资源增量；
数据预测子单元，用于将所述第二需求描述信息和所述子分配对象的画像数据输入所述数据预测模型，通过所述数据预测模型进行数据预测，得到生成所述子分配策略的预估资源量；
数据计算子单元，用于将所述预估资源量输入所述第二关系函数组，得到生成所述子分配策略的预估资源增量；
策略生成子单元，用于根据所述预估资源量和所述预估资源增量，生成所述子分配策略。
一种可能的实现方式中，所述分配策略确定装置700还包括：
模型更新单元，用于获取执行所述子分配策略所产生的第二历史资源数据；采用所述第二历史资源数据更新所述数据预测模型。
需要说明的是，上述实施例提供的分配策略确定装置在执行分配策略确定方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的分配策略确定装置与分配策略确定方法实施例属于同一构思，因此对于本公开装置实施例中未披露的细节，请参照本公开上述的分配策略确定方法的实施例，这里不再赘述。
上述本公开实施例序号仅仅为了描述，不代表实施例的优劣。
图8示出了本说明书实施例提供的一种电子设备的结构示意图。
示例性的，如图8所示，该电子设备800包括：存储器801和处理器802，其中，存储器801中存储有可执行程序代码8011，处理器802用于调用并执行该可执行程序代码8011执行一种分配策略确定方法。
本实施例可以根据上述方法示例对电子设备进行功能模块的划分，例如，可以对应各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中，上述集成的模块可以采用硬件的形式实现。需要说明的是，本实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
在采用对应各个功能划分各个功能模块的情况下，该电子设备可以包括：第一确定模块、第二确定模块、第三确定模块、第四确定模块、策略生成模块等。需要说明的是，上述方法实施例涉及的各个步骤的所有相关内容的可以援引到对应功能模块的功能描述，在此不再赘述。
本实施例提供的电子设备，用于执行上述一种分配策略确定方法，因此可以达到与上述实现方法相同的效果。
在采用集成的单元的情况下，电子设备可以包括处理模块、存储模块。其中，处理模块可以用于对电子设备的动作进行控制管理。存储模块可以用于支持电子设备执行相互程序代码和数据等。
其中，处理模块可以是处理器或控制器，其可以实现或执行结合本说明书实施例公开内容所藐视的各种示例性的逻辑方框，模块和电路。处理器也可以是实现计算功能的组合，例如包括一个或多个微处理器组合，数字信号处理(digital signal processing，DSP)和微处理器的组合等等，存储模块可以是存储器。
本实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序代码，当该计算机程序代码在计算机上运行时，使得计算机执行上述相关方法步骤实现上述实施例中的一种分配策略确定方法。
本实施例还提供了一种计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述相关步骤，以实现上述实施例中的一种分配策略确定方法。
另外，本说明书实施例的实施例提供的电子设备具体可以是芯片，组件或模块，该电子设备可包括相连的处理器和存储器；其中，存储器用于存储指令，当电子设备运行时，处理器可调用并执行指令，以使芯片执行上述实施例中的一种分配策略确定方法。
其中，本实施例提供的电子设备、计算机可读存储介质、计算机程序产品或芯片均用于执行上文所提供的对应的方法，因此，其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果，此处不再赘述。
上述对本说明书特定实施例进行了描述，其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
需要说明的是，本说明书实施例所涉及的交易日志数据(包括但不限于商家侧的历史经营收益数据和历史成本投入数据、用户侧的历史经营收益数据和历史成本投入数据等)、画像数据(包括但不限于用户的年纪、账号等、商家的名称、账号等)以及信号，均为经用户授权或者经过各方充分授权的，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。例如，本说明书中涉及通话数据等都是在充分授权的情况下获取的。
通过以上实施方式的描述，所属领域的技术人员可以了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
在本说明书实施例所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
以上内容，仅为本说明书实施例的具体实施方式，但本说明书实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本说明书实施例揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本说明书实施例的保护范围之内。因此，本说明书实施例的保护范围应以权利要求的保护范围为准。

Claims (12)

1.一种分配策略确定方法，所述分配策略确定方法包括：
确定关于第一数据与第二数据的多个映射关系；其中，所述多个映射关系不相同，所述第一数据包括用于确定是否为第一分配对象和第二分配对象分配单位资源量的决策参数，以及为所述第一分配对象和所述第二分配对象分配所述单位资源量所产生的资源变化量，所述第二数据为根据所述决策参数和所述资源变化量确定的总资源变化量；
获取用于生成目标分配策略的预估决策参数；其中，所述目标分配策略用于对所述第一分配对象和所述第二分配对象进行资源分配；
基于所述第一分配对象和所述第二分配对象的第一历史资源数据，确定用于生成所述目标分配策略的预估资源变化量；
根据所述预估决策参数、所述预估资源变化量以及所述多个映射关系，确定用于生成所述目标分配策略的预估总资源变化量；
根据所述预估资源变化量和所述预估总资源变化量，生成所述目标分配策略。
2.根据权利要求1所述的分配策略确定方法，所述确定关于第一数据与第二数据的多个映射关系包括：
获取第一需求描述信息；其中，所述第一需求描述信息包括期望所述目标分配策略产生的第一期望资源增加量和第一期望资源减少量，以及所述目标分配策略的第一限制要求；
根据所述第一需求描述信息构建关于第一变量的第一关系函数组；其中，所述第一变量包括所述决策参数、所述资源变化量和所述总资源变化量；
根据所述第一关系函数组确定所述多个映射关系。
3.根据权利要求2所述的分配策略确定方法，所述第一限制要求包括：所述第一分配对象和所述第二分配对象各自的权重值、目标分配资源量的第一上下限阈值、所述目标分配资源量对应的目标资源增量的第二上下限阈值；
所述根据所述第一需求描述信息构建关于第一变量的第一关系函数组包括：
根据所述权重值构建关于所述第一变量的目标关系函数；
根据所述第一上下限阈值和所述第二上下限阈值，构建所述目标关系函数的约束条件；
根据所述目标关系函数和所述约束条件，生成所述第一关系函数组。
4.根据权利要求3所述的分配策略确定方法，所述获取用于生成目标分配策略的预估决策参数包括：
基于所述约束条件，采用预设求解方法对所述目标关系函数进行求解，得到最优解的决策参数；其中，所述预设求解方法包括单纯形法、大M法和两阶段法；
将所述最优解的决策参数确定为所述预估决策参数。
5.根据权利要求2所述的分配策略确定方法，所述基于所述第一分配对象和所述第二分配对象的第一历史资源数据，确定用于生成所述目标分配策略的预估资源变化量包括：
采用所述第一历史资源数据构建数据预测模型；
将所述第一需求描述信息以及所述第一分配对象和所述第二分配对象各自的画像数据输入所述数据预测模型，通过所述数据预测模型进行数据预测，得到所述预估资源变化量。
6.根据权利要求5所述的分配策略确定方法，所述第一分配对象和所述第二分配对象均包括至少一个子分配对象，所述根据所述预估资源变化量和所述预估总资源变化量，生成所述目标分配策略之后，所述分配策略确定方法还包括：
针对于任一子分配对象，获取所述子分配对象对应的子分配策略的第二需求描述信息；其中，所述子分配策略用于对所述子分配对象进行资源分配，所述第二需求描述信息包括期望所述子分配策略产生的第二期望资源增加量和第二期望资源减少量，以及所述子分配策略的第二限制要求；
根据所述目标分配策略和所述第二需求描述信息，生成所述子分配策略；
执行所述子分配策略。
7.根据权利要求6所述的分配策略确定方法，所述根据所述目标分配策略和所述第二需求描述信息，生成所述子分配策略包括：
响应于策略调整指令，对所述目标分配策略进行调整，得到优化分配策略；
根据所述第二需求描述信息和所述优化分配策略中所述预估资源变化量，构建关于第二变量的第二关系函数组；其中，所述第二变量包括为所述子分配对象分配的资源量和所述资源量对应的资源增量；
将所述第二需求描述信息和所述子分配对象的画像数据输入所述数据预测模型，通过所述数据预测模型进行数据预测，得到生成所述子分配策略的预估资源量；
将所述预估资源量输入所述第二关系函数组，得到生成所述子分配策略的预估资源增量；
根据所述预估资源量和所述预估资源增量，生成所述子分配策略。
8.根据权利要求6所述的分配策略确定方法，所述执行所述子分配策略之后，所述分配策略确定方法还包括：
获取执行所述子分配策略所产生的第二历史资源数据；
采用所述第二历史资源数据更新所述数据预测模型。
9.一种分配策略确定装置，所述分配策略确定装置包括：
第一确定模块，用于确定关于第一数据与第二数据的多个映射关系；其中，所述多个映射关系不相同，所述第一数据包括用于确定是否为第一分配对象和第二分配对象分配单位资源量的决策参数，以及为所述第一分配对象和所述第二分配对象分配所述单位资源量所产生的资源变化量，所述第二数据为根据所述决策参数和所述资源变化量确定的总资源变化量；
第二确定模块，用于获取用于生成目标分配策略的预估决策参数；其中，所述目标分配策略用于对所述第一分配对象和所述第二分配对象进行资源分配；
第三确定模块，用于基于所述第一分配对象和所述第二分配对象的第一历史资源数据，确定用于生成所述目标分配策略的预估资源变化量；
第四确定模块，用于根据所述预估决策参数、所述预估资源变化量以及所述多个映射关系，确定用于生成所述目标分配策略的预估总资源变化量；
策略生成模块，用于根据所述预估资源变化量和所述预估总资源变化量，生成所述目标分配策略。
10.一种电子设备，所述电子设备包括：
存储器，用于存储可执行程序代码；
处理器，用于从所述存储器中调用并运行所述可执行程序代码，使得所述电子设备执行如权利要求1至8中任意一项所述的分配策略确定方法。
11.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被执行时，实现如权利要求1至8中任意一项所述的分配策略确定方法。
12.一种包含指令的计算机程序产品，当所述计算机程序产品在计算机或处理器上运行时，使得所述计算机或处理器执行如权利要求1至8中任意一项所述的分配策略确定方法。
CN202311099114.1A 2023-08-29 2023-08-29 分配策略确定方法、装置、设备、可读存储介质及产品 Pending CN117132307A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311099114.1A CN117132307A (zh) 2023-08-29 2023-08-29 分配策略确定方法、装置、设备、可读存储介质及产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311099114.1A CN117132307A (zh) 2023-08-29 2023-08-29 分配策略确定方法、装置、设备、可读存储介质及产品

Publications (1)

Publication Number Publication Date
CN117132307A true CN117132307A (zh) 2023-11-28

Family

ID=88862433

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311099114.1A Pending CN117132307A (zh) 2023-08-29 2023-08-29 分配策略确定方法、装置、设备、可读存储介质及产品

Country Status (1)

Country Link
CN (1) CN117132307A (zh)

Similar Documents

Publication Publication Date Title
Hou et al. How does the trust affect the topology of supply chain network and its resilience? An agent-based approach
US20200175439A1 (en) Predictive Risk Assessment In Multi-System Modeling
US20200364638A1 (en) Automated information technology (it) portfolio optimization
CN109643247A (zh) 用于市场导向的混合云基础架构的多标准自适应调度
US20120150576A1 (en) Integrating simulation and forecasting modes in business intelligence analyses
CN113037877B (zh) 云边端架构下时空数据及资源调度的优化方法
US7743369B1 (en) Enhanced function point analysis
Lieckens et al. Network and contract optimization for maintenance services with remanufacturing
Lin et al. Revisiting approximate linear programming: Constraint-violation learning with applications to inventory control and energy storage
US8527322B2 (en) Proactive demand shaping for a configurable product portfolio with uncertain demand
CN113205391B (zh) 基于历史订单匹配度的派单方法、电子设备和计算机可读介质
US20230342699A1 (en) Systems and methods for modeling and analysis of infrastructure services provided by cloud services provider systems
CN102117464B (zh) 包括关系数据库或在线分析处理系统的装置、系统及相关方法
Paputungan et al. Real-time and proactive SLA renegotiation for a cloud-based system
CN118396720B (zh) 家用电器线上线下融合销售系统
US20230186331A1 (en) Generalized demand estimation for automated forecasting systems
CN106998314A (zh) 账户交互方法及装置
Li et al. Risk-averse two-stage stochastic programming for assembly line reconfiguration with dynamic lot sizes
CN117132307A (zh) 分配策略确定方法、装置、设备、可读存储介质及产品
Rochman et al. Dynamic placement of resources in cloud computing and network applications
US20120109740A1 (en) Integrating Simulation And Forecasting Modes In Business Intelligence Analyses
US11416578B2 (en) Automated planning based on converting discrete frameworks to continuous frameworks
Chen et al. Modeling product diffusion by system dynamics approach
Durand et al. Determination of storage tanks location for optimal short-term scheduling in multipurpose/multiproduct batch-continuous plants under uncertainties
Smith Designing high-performance distributed applications using software performance engineering: A tutorial

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