资源配置方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本申请实施例提供了一种资源配置方法、装置、电子设备及计算机可读存储介质，其中，该方法包括：获取待配置服务请求端的特征信息和预设的多种资源配置策略；根据所述特征信息、所述多种资源配置策略、和预先训练的激励结果预测模型，为所述待配置服务请求端从所述多种资源配置策略中选择资源配置策略；基于选择的所述资源配置策略为所述待配置服务请求端进行资源配置，从而可以基于特定用户对应的服务请求端的特征信息，对该用户进行个性化资源配置，以提高服务资源利用率。

Resource allocation method, device, electronic equipment and computer readable storage medium

【技术实现步骤摘要】
资源配置方法、装置、电子设备及计算机可读存储介质
本申请涉及信息
，具体而言，涉及一种资源配置方法、装置、电子设备及计算机可读存储介质。
技术介绍
目前，随着互联网移动通信技术及智能设备的迅速发展，各种服务类应用程序也随之诞生，比如用车应用(Application，APP)。用户可以通过用车APP输入目的地后获取相应的用车服务，当用车平台接收到用户发起的出行请求时，会为用户匹配服务提供端，提供相应的出行服务。用车平台有时会为了平衡不同区域的打车需求，为目标用户发放相关的激励资源，以便引导目标用户在指定区域发起出行请求，提高服务车辆等服务资源的利用率。目前，激励资源一般是按照预设的规则进行配置，配置方式单调，无法针对不同用户进行个性化配置。
技术实现思路
有鉴于此，本申请的目的在于提供一种资源配置方法、装置、电子设备及计算机可读存储介质，以实现针对不同用户进行个性化资源配置，提高服务资源利用率。第一方面，本申请实施例提供了一种资源配置方法，包括：获取待配置服务请求端的特征信息和预设的多种资源配置策略；根据所述特征信息、所述多种资源配置策略、和预先训练的激励结果预测模型，为所述待配置服务请求端从所述多种资源配置策略中选择资源配置策略；基于选择的所述资源配置策略为所述待配置服务请求端进行资源配置。在一些实施方式中，根据以下步骤训练所述激励结果预测模型：获取待训练服务请求端的特征信息、预设的多种资源配置策略以及与各种资源配置策略对应的激励结果；针对每种资源配置策略，将所述特征信息和该资源配置策略作为模型输入特征，将与该资源配置策略对应的激励结果作为模型输出特征，训练得到所述激励结果预测模型。在一些实施方式中，得到所述激励结果预测模型之后，所述方法还包括：按照设定周期间隔重新获取待训练服务请求端的特征信息、预设的多种资源配置策略以及与各种资源配置策略对应的激励结果；将重新获取的所述待训练服务请求端的历史特征信息、预设的多种资源配置策略作为模型输入特征，与该资源配置策略对应的激励结果作为模型输出特征，重新训练以更新所述激励结果预测模型。在一些实施方式中，不同的服务请求端类型对应不同的激励结果预测模型，针对其中任一种服务请求端类型，根据以下步骤训练该种服务请求端类型对应的激励结果预测模型：获取所述任一种服务请求端类型下的待训练服务请求端的特征信息、预设的多种资源配置策略以及与各种资源配置策略对应的激励结果；针对每种资源配置策略，将所述特征信息和该资源配置策略作为模型输入特征，将与该资源配置策略对应的激励结果作为模型输出特征，训练得到所述任一种服务请求端类型对应的所述激励结果预测模型。在一些实施方式中，根据所述特征信息、所述多种资源配置策略、和预先训练的激励结果预测模型，为所述待配置服务请求端从所述多种资源配置策略中选择资源配置策略之前，所述方法包括：根据所述待配置服务请求端的历史下单数据，确定所述待配置服务请求端所属的服务请求端类型；所述根据所述特征信息、所述多种资源配置策略、和预先训练的激励结果预测模型，为所述待配置服务请求端从所述多种资源配置策略中选择资源配置策略，包括：针对每种资源配置策略，将所述特征信息和该资源配置策略输入与所述待配置服务请求端所属的服务请求端类型对应的激励结果预测模型，得到预测的激励结果；从所述多种资源配置策略中，为所述待配置服务请求端选择预测的激励结果最好的资源配置策略。在一些实施方式中，按照以下步骤确定所述待配置服务请求端所属的服务请求端类型：根据所述待配置服务请求端的历史下单数据，确定所述待配置服务请求端的历史下单次数和下单频率；确定所述历史下单次数为0的待配置服务请求端所属的服务请求端类型为新用户服务请求端；确定所述历史下单次数大于0，且小于设定次数的待配置服务请求端所属的服务请求端类型为潜在用户服务请求端；确定所述历史下单次数大于设定次数，且距离当前时刻第一设定时长内的下单频率小于设定频次的待配置服务请求端所属的服务请求端类型为沉默用户服务请求端。在一些实施方式中，所述资源配置策略包括：资源数量和发放资源的时机。在一些实施方式中，所述发放资源的时机采用发生冒泡行为后的时间长度来表征。在一些实施方式中，所述基于选择的所述资源配置策略为所述待配置服务请求端进行资源配置，包括：确定当前时刻距离所述待配置服务请求端发生冒泡行为时的时间长度；当所述时间长度达到第二设定时长时，若所述服务请求端未选择目标服务，则开始基于选择的所述资源配置策略为所述待配置服务请求端进行资源配置。在一些实施方式中，所述基于选择的所述资源配置策略为所述待配置服务请求端进行资源配置之后，所述方法还包括：检测所述待配置服务请求端在目标时长内是否选择目标服务；若否，按照其它资源配置策略对所述待配置服务请求端进行资源配置。在一些实施方式中，所述特征信息包括所述待配置服务请求端的离线特征、在线特征和当前天气状态中的至少一种。第二方面，本申请实施例提供了一种资源配置装置，包括：获取模块，用于获取待配置服务请求端的特征信息和预设的多种资源配置策略；确定模块，用于根据所述特征信息、所述多种资源配置策略、和预先训练的激励结果预测模型，为所述待配置服务请求端从所述多种资源配置策略中选择资源配置策略；配置模块，用于基于选择的所述资源配置策略为所述待配置服务请求端进行资源配置。在一些实施方式中，所述装置还包括训练模块，所述训练模块用于：获取待训练服务请求端的特征信息、预设的多种资源配置策略以及与各种资源配置策略对应的激励结果；针对每种资源配置策略，将所述特征信息和该资源配置策略作为模型输入特征，将与该资源配置策略对应的激励结果作为模型输出特征，训练得到所述激励结果预测模型。在一些实施方式中，所述训练模块还用于：得到所述激励结果预测模型之后，按照设定周期间隔重新获取待训练服务请求端的特征信息、预设的多种资源配置策略以及与各种资源配置策略对应的激励结果；将重新获取的所述待训练服务请求端的历史特征信息、预设的多种资源配置策略作为模型输入特征，与该资源配置策略对应的激励结果作为模型输出特征，重新训练以更新所述激励结果预测模型。在一些实施方式中，不同的服务请求端类型对应不同的激励结果预测模型，针对其中任一种服务请求端类型，所述训练模块具体用于：获取所述任一种服务请求端类型下的待训练服务请求端的特征信息、预设的多种资源配置策略以及与各种资源配置策略对应的激励结果；针对每种资源配置策略，将所述特征信息和该资源配置策略作为模型输入特征，将与该资源配置策略对应的激励结果作为模型输出特征，训练得到所述任一种服务请求端类型对应的所述激励结果预测模型。在一些实施方式中，所述确定模块具体用于：为所述待本文档来自技高网...

【技术保护点】
1.一种资源配置方法，其特征在于，包括：/n获取待配置服务请求端的特征信息和预设的多种资源配置策略；/n根据所述特征信息、所述多种资源配置策略、和预先训练的激励结果预测模型，为所述待配置服务请求端从所述多种资源配置策略中选择资源配置策略；/n基于选择的所述资源配置策略为所述待配置服务请求端进行资源配置。/n

【技术特征摘要】
1.一种资源配置方法，其特征在于，包括：
获取待配置服务请求端的特征信息和预设的多种资源配置策略；
根据所述特征信息、所述多种资源配置策略、和预先训练的激励结果预测模型，为所述待配置服务请求端从所述多种资源配置策略中选择资源配置策略；
基于选择的所述资源配置策略为所述待配置服务请求端进行资源配置。


2.根据权利要求1所述的方法，其特征在于，根据以下步骤训练所述激励结果预测模型：
获取待训练服务请求端的特征信息、预设的多种资源配置策略以及与各种资源配置策略对应的激励结果；
针对每种资源配置策略，将所述特征信息和该资源配置策略作为模型输入特征，将与该资源配置策略对应的激励结果作为模型输出特征，训练得到所述激励结果预测模型。


3.根据权利要求2所述的方法，其特征在于，得到所述激励结果预测模型之后，所述方法还包括：
按照设定周期间隔重新获取待训练服务请求端的特征信息、预设的多种资源配置策略以及与各种资源配置策略对应的激励结果；
将重新获取的所述待训练服务请求端的历史特征信息、预设的多种资源配置策略作为模型输入特征，与该资源配置策略对应的激励结果作为模型输出特征，重新训练以更新所述激励结果预测模型。


4.根据权利要求2所述的方法，其特征在于，不同的服务请求端类型对应不同的激励结果预测模型，针对其中任一种服务请求端类型，根据以下步骤训练该种服务请求端类型对应的激励结果预测模型：
获取所述任一种服务请求端类型下的待训练服务请求端的特征信息、预设的多种资源配置策略以及与各种资源配置策略对应的激励结果；
针对每种资源配置策略，将所述特征信息和该资源配置策略作为模型输入特征，将与该资源配置策略对应的激励结果作为模型输出特征，训练得到所述任一种服务请求端类型对应的所述激励结果预测模型。


5.根据权利要求1所述的方法，其特征在于，根据所述特征信息、所述多种资源配置策略、和预先训练的激励结果预测模型，为所述待配置服务请求端从所述多种资源配置策略中选择资源配置策略之前，所述方法还包括：
根据所述待配置服务请求端的历史下单数据，确定所述待配置服务请求端所属的服务请求端类型；
所述根据所述特征信息、所述多种资源配置策略、和预先训练的激励结果预测模型，为所述待配置服务请求端从所述多种资源配置策略中选择资源配置策略，包括：
针对每种资源配置策略，将所述特征信息和该资源配置策略输入与所述待配置服务请求端所属的服务请求端类型对应的激励结果预测模型，得到预测的激励结果；
从所述多种资源配置策略中，为所述待配置服务请求端选择预测的激励结果最好的资源配置策略。


6.根据权利要求5所述的方法，其特征在于，按照以下步骤确定所述待配置服务请求端所属的服务请求端类型：
根据所述待配置服务请求端的历史下单数据，确定所述待配置服务请求端的历史下单次数和下单频率；
确定所述历史下单次数为0的待配置服务请求端所属的服务请求端类型为新用户服务请求端；
确定所述历史下单次数大于0，且小于设定次数的待配置服务请求端所属的服务请求端类型为潜在用户服务请求端；
确定所述历史下单次数大于设定次数，且距离当前时刻第一设定时长内的下单频率小于设定频次的待配置服务请求端所属的服务请求端类型为沉默用户服务请求端。


7.根据权利要求1至6任一所述的方法，其特征在于，所述资源配置策略包括：
资源数量和发放资源的时机。


8.根据权利要求7所述的方法，其特征在于，所述发放资源的时机采用发生冒泡行为后的时间长度来表征。


9.根据权利要求1所述的方法，其特征在于，所述基于选择的所述资源配置策略为所述待配置服务请求端进行资源配置，包括：
确定当前时刻距离所述待配置服务请求端发生冒泡行为时的时间长度；
当所述时间长度达到第二设定时长时，若所述服务请求端未选择目标服务，则开始基于选择的所述资源配置策略为所述待配置服务请求端进行资源配置。


10.根据权利要求1所述的方法，其特征在于，所述基于选择的所述资源配置策略为所述待配置服务请求端进行资源配置之后，所述方法还包括：
检测所述待配置服务请求端在目标时长内是否选择目标服务；
若否，按照其它资源配置策略对所述待配置服务请求端进行资源配置。


11.根据权利要求1所述的方法，其特征在于，所述特征信息包括所述待配置服务请求端的离线特征、在线特征和当前天气状态中的至少一种。


12.一种资源配置装置，其特征在于，包括：
获取模块，用于获取待配置服务请求端的特征信息...

【专利技术属性】
技术研发人员：范育峰，杜龙志，付俊强，何龙，王志明，刘澍，余芳，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11