[發(fā)明專利]一種分享業(yè)務的處理方法及裝置

在審

• 申請?zhí)枺?/td>: 202010412804.8
• 申請日: 2020-05-15
• 公開（公告）號: CN111340573A
• 公開（公告）日: 2020-06-26
• 發(fā)明（設計）人: 馬琰;俞力;沈尤;修超;張媛;黃亞南;胡曹園
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/08;G06N3/04
• 代理公司: 北京國昊天誠知識產(chǎn)權代理有限公司 11315
• 代理人: 張倩;朱文杰

1.一種分享業(yè)務的處理方法，包括：

獲取分享業(yè)務的業(yè)務特征信息；其中，所述業(yè)務特征信息包括：分享方的用戶特征信息、被分享方的用戶特征信息、至少一個待分享對象的特征信息、以及每個所述待分享對象的至少一種返傭方式的特征信息；

基于所述業(yè)務特征信息生成輸入特征信息并輸入至訓練好的識別模型，得到針對所述分享業(yè)務的激勵方式的識別結果；其中，所述識別結果包括：由每個待分享對象與其對應的至少一種返傭方式組合得到的各組合激勵方式的業(yè)務指標信息；所述業(yè)務指標信息表征所述分享方分享所述待分享對象的激勵程度、以及表征所述被分享方核銷所述待分享對象的激勵程度；

基于各所述組合激勵方式對應的所述業(yè)務指標信息，確定分配給所述被分享方的目標分享對象和所述分享方的目標返傭方式；

基于所述目標分享對象和所述目標返傭方式執(zhí)行相應的分享業(yè)務處理。

2.根據(jù)權利要求1所述的方法，其中，基于所述業(yè)務特征信息生成輸入特征信息并輸入至訓練好的識別模型，得到針對所述分享業(yè)務的激勵方式的識別結果，包括：

基于所述業(yè)務特征信息生成多個輸入特征信息；其中，每個所述輸入特征信息包括：所述分享方的用戶特征信息、所述被分享方的用戶特征信息、一個待分享對象的特征信息、以及該待分享對象對應的一種返傭方式的特征信息；所述多個輸入特征信息包括：所述至少一個待分享對象與所述至少一種返傭方式的全部組合；

將所述多個輸入特征信息輸入至訓練好的識別模型，得到針對所述分享業(yè)務的激勵方式的多個識別結果；其中，每個所述識別結果包括一個所述業(yè)務指標信息。

3.根據(jù)權利要求2所述的方法，其中，基于各所述組合激勵方式對應的所述業(yè)務指標信息，確定分配給所述被分享方的目標分享對象和所述分享方的目標返傭方式，包括：

從所述多個識別結果中的業(yè)務指標信息中，確定激勵程度最高的目標業(yè)務指標信息；

將得到所述目標業(yè)務指標信息的輸入特征信息所對應的待分享對象確定為所述目標分享對象，以及將所對應的返傭方式確定為目標返傭方式。

4.根據(jù)權利要求2所述的方法，其中，所述識別模型包括：神經(jīng)網(wǎng)絡嵌入層、特征向量劃分層和激勵方式識別網(wǎng)絡；

所述將所述多個輸入特征信息輸入至訓練好的識別模型，得到針對所述分享業(yè)務的激勵方式的多個識別結果，包括：

針對每個所述輸入特征信息，將該輸入特征信息輸入至所述神經(jīng)網(wǎng)絡嵌入層，得到所述用戶特征信息的第一綜合嵌入特征向量、以及該輸入特征信息對應的組合激勵方式的第二綜合嵌入特征向量；

將所述第一綜合嵌入特征向量和所述第二綜合嵌入特征向量輸入至所述特征向量劃分層，得到所述用戶特征信息的第一特征向量組合和該輸入特征信息對應的組合激勵方式的第二特征向量組合；

將所述多個輸入特征信息分別對應的所述第一特征向量組合和所述第二特征向量組合輸入至所述激勵方式識別網(wǎng)絡，得到針對所述分享業(yè)務的激勵方式的多個識別結果。

5.根據(jù)權利要求4所述的方法，其中，所述神經(jīng)網(wǎng)絡嵌入層包括：第一嵌入層和第二嵌入層；

所述將該輸入特征信息輸入至所述神經(jīng)網(wǎng)絡嵌入層，得到所述用戶特征信息的第一綜合嵌入特征向量、以及該輸入特征信息對應的組合激勵方式的第二綜合嵌入特征向量，包括：

利用所述第一嵌入層，對該輸入特征信息中的所述分享方的用戶特征信息和所述被分享方的用戶特征信息進行融合及特征提取，得到第一綜合嵌入特征向量；

利用所述第二嵌入層，對該輸入特征信息中的待分享對象的特征信息和返傭方式的特征信息進行融合及特征提取，得到第二綜合嵌入特征向量。