[發明專利]基于機器學習算法的資源分配方法

有效

• 申請號: 201810839010.2
• 申請日: 2018-07-27
• 公開（公告）號: CN110766430B
• 公開（公告）日: 2022-10-28
• 發明（設計）人: 黃云飛;莊煒
• 申請（專利權）人: 深圳市立信創源科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q20/06;G06N3/00
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 吳平

本發明涉及一種基于機器學習算法的資源分配方法。資源分配終端接收用戶終端發送的資源獲取請求，資源獲取請求中攜帶用戶標識；資源分配終端根據用戶標識確定用戶的第一用戶類型，并采用機器學習算法對歷史資源分配數據和第一用戶類型進行學習，確定用戶當前的資源分配參數；第一用戶類型包括首次訪問用戶或者非首次訪問用戶；資源分配終端根據資源分配參數從預設的資源池中獲取目標資源，并將目標資源分配給用戶終端。因此在資源分配的過程中，避免了將資源池中的資源隨機分配給用戶終端，使得資源池中的資源分配的準確率提高，從而使得用戶終端對資源分配者的配置策略響應力高。

技術領域

本發明涉及人工智能技術領域，特別是涉及了一種基于機器學習算法的資源分配方法。

背景技術

資源，包括虛擬物品以及實體物品，虛擬物品比如賬戶數值、積分或者電子代金券等。資源的主人可以通過社交網絡將資源進行分享，被分享資源的用戶僅通過簡單的觸發操作就可以獲取到該分享的資源。例如，通過點擊虛擬紅包即可獲取虛擬紅包中的數值資源，或者通過終端掃描攜帶有虛擬紅包的數值資源的二維碼來獲取相應的數值資源。

傳統技術在分配資源時，資源分配者采用相應的網絡終端建立一個資源池，并配置該資源池對應的資源接受者的數量。在具體分配資源時，網絡終端根據資源接受者的觸發操作隨機為該資源接受者分配資源池內的資源。資源接受者在收到該分配的資源后，可以根據該資源響應資源分配者的一些配置策略。

但是，傳統的資源分配方式，其資源分配準確率較低，從而使得資源接受者對資源分配者的配置策略響應不及時或者響應力較低，進而造成了資源分配者的資源浪費。

發明內容

基于此，有必要針對資源分配者的資源浪費問題，提供一種基于機器學習算法的資源分配方法。

第一方面，一種資源分配方法，所述方法包括：

資源分配終端接收用戶終端發送的資源獲取請求，所述資源獲取請求中攜帶用戶標識；

所述資源分配終端根據所述用戶標識確定所述用戶的第一用戶類型，并采用機器學習算法對歷史資源分配數據和所述第一用戶類型進行學習，確定所述用戶當前的資源分配參數；所述第一用戶類型包括首次訪問用戶或者非首次訪問用戶；

所述資源分配終端根據所述資源分配參數從預設的資源池中獲取目標資源，并將所述目標資源分配給所述用戶終端。

上述資源分配方法，由于通過計算機學習算法對歷史資源分配數據和第一用戶類型進行學習，確定用戶當前的資源分配參數；資源分配終端根據資源分配參數從預設的資源池中獲取目標資源，并將目標資源分配給用戶終端，所以在資源分配的過程中，避免了將資源池中的資源隨機分配給用戶終端，使得資源池中的資源分配的準確率提高，從而使得用戶終端對資源分配者的配置策略響應力高。

在其中一個實施例中，所述采用機器學習算法對歷史資源分配數據和所述第一用戶類型進行學習，確定所述用戶當前的資源分配參數，包括：

若所述第一用戶類型為首次訪問用戶，則所述資源分配終端采用所述機器學習算法對所述歷史資源分配數據進行學習，確定第一資源分配參數，所述第一資源分配參數使所述用戶終端針對所述資源分配者的資源消耗數值滿足第一預設條件。

在其中一個實施例中，所述第一資源分配參數為所述歷史資源分配數據中使所述用戶終端針對所述資源分配者的資源消耗數值滿足第一預設條件的最小資源分配參數。

在其中一個實施例中，所述采用機器學習算法對歷史資源分配數據和所述第一用戶類型進行學習，確定所述用戶當前的資源分配參數，包括：