CN110827075A - 一种数据处理方法、装置、服务器及计算机可读存储介质 - Google Patents

一种数据处理方法、装置、服务器及计算机可读存储介质 Download PDF

Info

Publication number
CN110827075A
CN110827075A CN201911058616.3A CN201911058616A CN110827075A CN 110827075 A CN110827075 A CN 110827075A CN 201911058616 A CN201911058616 A CN 201911058616A CN 110827075 A CN110827075 A CN 110827075A
Authority
CN
China
Prior art keywords
option
reward
probability
loss
reward probability
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
CN201911058616.3A
Other languages
English (en)
Inventor
黄炜杰
黄浩倚
李琳
吴文彬
杜家春
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201911058616.3A priority Critical patent/CN110827075A/zh
Publication of CN110827075A publication Critical patent/CN110827075A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • 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
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0219—Discounts or incentives, e.g. coupons or rebates based on funds or budget

Landscapes

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

Abstract

本发明实施例公开了一种数据处理方法、装置、服务器及计算机存储介质，其中，该方法包括：获取运营平台提交的目标活动事件的运营数据，运营数据包括目标活动事件的各个选项对应的奖励比例系数、参与人数和盈亏数据，根据各个选项对应的奖励比例系数确定各个选项对应的奖励概率，并根据各个选项对应的参与人数确定各个选项对应的参与热度，利用各个选项对应的奖励概率、参与热度和盈亏数据确定调整后的奖励概率，根据调整后的奖励概率得到各个选项对应的调整后的奖励比例系数，并向运营平台发送各个选项对应的调整后的奖励比例系数，可以实现活动事件的选项的奖励比例系数实时动态的调整，并能有效保证对奖励比例系数调整的准确度。

Description

一种数据处理方法、装置、服务器及计算机可读存储介质
技术领域
本申请涉及互联网技术领域，尤其涉及一种数据处理方法、装置、服务器及计算机可读存储介质。
背景技术
在科技飞速发展的当下，针对一些比较活跃的各类活动的运营方会设置一些带有选项的问题让用户参与，当用户答对问题或者对某个问题的见解得到多数人支持时，运营方便给出相应的奖励。同时，运营方在这个过程需要去衡量问题各个选项之间的情况，才能维持问题的热度和平台的收益。因此，能否通过一些特殊的形式选择需要更改的选项，以及此选项对应的概率，和概率调整幅度，使得平台历史综合收益维持在获利一侧，成为当下的一个热点问题。
目前，是实现对选项的平衡的技术是基于历史数据的，当历史数据不足，又或者缺乏针对用户行为能不足，不能对选项的奖励概率进行实时的动态调整，从而使选项的奖励概率不够准确，对于运营平台来说，也不能实时的掌握己方的收益情况。
发明内容
本发明实施例提供了一种数据处理方法、装置、服务器及计算机可读存储介质，可以通过调用奖励概率预测模型实现对目标事件选项的动态调整，促进平台更好的管理目标事件的选项，保证运营平台获得稳定、持续的收益。
第一方面，本发明实施例提供了一种数据处理方法，所述方法包括：
获取运营平台提交的目标活动事件的运营数据，所述运营数据包括所述目标活动事件的各个选项对应的奖励比例系数、参与人数和盈亏数据；
根据所述各个选项对应的奖励比例系数确定所述各个选项对应的奖励概率，并根据所述各个选项对应的参与人数确定所述各个选项对应的参与热度；
通过调用奖励概率预测模型利用所述各个选项对应的奖励概率、参与热度和盈亏数据确定所述各个选项对应的调整后的奖励概率；
根据所述各个选项对应的调整后的奖励概率得到所述各个选项对应的调整后的奖励比例系数，并向所述运营平台发送所述各个选项对应的调整后的奖励比例系数。
第二方面，本发明实施例提供了一种数据处理装置，所述装置包括：
获取模块，用于获取运营平台提交的目标活动事件的运营数据，所述运营数据包括所述目标活动事件的各个选项对应的奖励比例系数、参与人数和盈亏数据；
确定模块，用于根据所述各个选项对应的奖励比例系数确定所述各个选项对应的奖励概率，并根据所述各个选项对应的参与人数确定所述各个选项对应的参与热度；
所述确定模块，还用于通过调用奖励概率预测模型利用所述各个选项对应的奖励概率、参与热度和盈亏数据确定所述各个选项对应的调整后的奖励概率；
所述确定模块，还用于根据所述各个选项对应的调整后的奖励概率得到所述各个选项对应的调整后的奖励比例系数，
输出模块，用于向所述运营平台发送所述各个选项对应的调整后的奖励比例系数。
第三方面，一种服务器，其特征在于，包括：存储器，用于存储计算机程序，处理器，调用所述存储器中的所述计算机程序，用于执行第一方面所述的数据处理的方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行第一方面所述的数据处理的方法。
本发明实施例中，管理服务器获取运营平台提交的目标活动事件的运营数据，该运营数据包括目标活动事件的各个选项对应的奖励比例系数、参与人数和盈亏数据，根据各个选项对应的奖励比例系数确定各个选项对应的奖励概率，并根据各个选项对应的参与人数确定各个选项对应的参与热度，从而通过调用奖励概率预测模型利用各个选项对应的奖励概率、参与热度和盈亏数据确定各个选项对应的调整后的奖励概率，根据各个选项对应的调整后的奖励概率得到各个选项对应的调整后的奖励比例系数，并向运营平台发送各个选项对应的调整后的奖励比例系数，通过实施上述方法，可以实现活动事件的选项的奖励比例系数实时动态的调整，并能有效保证对奖励比例系数调整的准确度，保证运营平台获得稳定、持续的收益。
附图说明
为了更清楚地说明本发明实施例或背景技术中的技术方案，下面将对本发明实施例或背景技术中所需要使用的附图进行说明。
图1是本发明实施例公开的一种数据处理***的架构示意图；
图2是本发明实施例提供的一种数据处理方法的流程示意图；
图3是本发明实施例提供的另一种数据处理方法的流程示意图；
图4是本发明实施例提供的一种数据处理装置的结构示意图；
图5是本发明实施例提供的一种服务器的结构示意图。
具体实施方式
随着人工智能技术研究和进步，人工智能技术在多个领域展开研究和应用，例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服等，相信随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。
人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
其中，机器学习(Machine Learning，ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。其中，数据处理技术是机器学习应用的一个重要技术。
本发明实施例提供的数据处理方法涉及人工智能的机器学***台提交的目标活动事件的运营数据，该运营数据包括目标活动事件的各个选项对应的奖励比例系数、参与人数和盈亏数据，根据各个选项对应的奖励比例系数确定各个选项对应的奖励概率，并根据各个选项对应的参与人数确定各个选项对应的参与热度，从而通过调用奖励概率预测模型利用各个选项对应的奖励概率、参与热度和盈亏数据确定各个选项对应的调整后的奖励概率，根据各个选项对应的调整后的奖励概率得到各个选项对应的调整后的奖励比例系数，并向运营平台发送各个选项对应的调整后的奖励比例系数，通过实施上述方法，可以实现活动事件的选项的奖励比例系数实时动态的调整，并能有效保证对奖励比例系数调整的准确度，保证运营平台获得稳定、持续的收益。具体通过如下实施例进行说明：
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参见图1，图1是本发明实施例中一种数据处理***的结构架构示意图。如图1所示，本实施例中的数据处理***包括多个用户终端101、运营平台102和管理服务器103，其中：
多个用户终端101，主要是针对目标事件的选项做出相应的选择，运营平台102，主要的是监控目标活动事件的选项的各个数据情况，如各个选项的奖励比例系数、参与人数和盈亏数据，该盈亏数据指的是各个选项对应的盈利或者亏损情况，管理服务器103，主要是负责调整平台服务器反馈的数据，进而使运营平台的目标活动事件不亏损。
在一种可能的实施例中，该数据处理***可应用场景包括用户对某场球赛分数的竞猜、用户对某个热门游戏的相关问题正确答案的选择、用户对某个热点问题的点评的认同度。针对上述应用场景，多个用户终端101先接收用户针对应用场景中的某个选项进行选择的选择结果，该应用场景即为上述的目标活动事件，运营平台102搜集多个用户终端101的选择结果的数据，通过数据分析得到各个选项的奖励比例系数、参与人数和盈亏数据，当运营平台102发现平台收益处于亏损或者需要某个题目下线时，便发送相应的请求发送相关数据如奖励比例系数、参与人数和盈亏数据给管理服务器103，管理服务器103接收到请求后就接收相关数据，将奖励比例系数转化为奖励概率，将参与人数转化为参与热度，并将盈亏数据、奖励概率、参与热度输入到奖励概率预测模型中，得出亏损的选项，并根据亏损选项的概率总和得到需要调整的概率幅度，将需要调整的幅度分配到各个选项中，得到调整后的各个选项对应的奖励概率，同时，管理服务器103还需判断调整后的各个选项对应的奖励概率不为负，且各个选项的概率没有超出预设的概率范围，如果有超出，再根据实际情况进行调整，得到最终的奖励概率，并将该奖励概率转化为奖励比例系数，返回给运营平台102，运营平台102根据用户终端101的选择和相应的奖励比例系数返给客户终端101相对应的奖励或者惩罚。
在一种可能的实施例中，运营平台102具体可以是游戏运营平台，举例来说，该游戏运营平台针对某个游戏设定选项，假设游戏中有甲、乙两个队伍进行对战，游戏运营平台可以设置相关的选项，以提供给用户进行竞猜，设置的选项可以是关于甲乙两队对战的输赢结果，也可以是甲乙两队对战的比分，每个选项都有对应的奖励比例系数，用户可通过用户终端101对该游戏的输赢结果或者对战比分进行选择，如果有用户选对答案，游戏运营平台就根据奖励比例系数发放给用户相对应的奖励；又比如，用户自身针对此款游戏进行体验，游戏结束后，游戏运行平台设置与游戏相关的问题，如某个角色的技能进行提问，用户通过用户终端101对该问题进行选择，如果有用户选对答案，游戏运营平台就根据奖励比例系数发放给用户相对应的奖励。上述的奖励可以是关于这款游戏的游戏币或者积分，用于用户兑换游戏中的相关角色或者游戏道具。
通过实施上述实施例，可以通过运营平台102和管理服务器103的配合，实现对多个用户终端101选择的选项的奖励比例系数实时动态的调整，并能有效保证对奖励比例系数调整的准确度，保证运营平台获得稳定、持续的收益。
请参见图2，图2是本发明实施例提供的一种数据处理方法的流程示意图，如图2所示，本实施例中的数据处理方法的流程可以包括：
S201、获取运营平台提交的目标活动事件的运营数据，该运营数据包括所述目标活动事件的各个选项对应的奖励比例系数、参与人数和盈亏数据。
在一种可能的实施例中，当运营平台监控到运营数据异常时，该异常可以是指运营平台发现己方的利益受到冲击或者运营平台己方想要修改数据，例如，针对某一个活动事件的选项，某一项或者某几项触发收益阀值(比如平台亏损1000万个竞猜单位)则发起变赔(需要对选项的奖励比例系数进行调整)，向后台的管理服务器发送请求调整的请求，管理服务器则响应运营平台的请求，具体是获取运营平台提交的目标活动事件的运营数据，该运营数据包括目标活动事件的各个选项对应的奖励比例系数、参与人数和盈亏数据，这些运行数据是运营平台的服务器负责搜集整理的。
S202、根据各个选项对应的奖励比例系数确定各个选项对应的奖励概率，并根据各个选项对应的参与人数确定各个选项对应的参与热度。
在一种可能的实施例中，管理服务器在接收到运营平台提交的运营数据之后，针对运营数据做相应的处理，具体包括了管理服务器根据各个选项对应的奖励比例系数确定各个选项对应的奖励概率，该奖励概率一般情况下定义为奖励比例系数的倒数，还包括了管理服务器根据各个选项对应的参与人数确定各个选项对应的参与热度，这里的热度是针对每个选项参与的人与参加该目标活动事件总人数的比例，将各个选项对应的奖励比例系数转化为各个选项对应的奖励概率，并将各个选项对应的参与人数转化为各个选项对应的参与热度是为了让这些数据能顺利被奖励概率预测模型调用。
S203、通过调用奖励概率预测模型利用各个选项对应的奖励概率、参与热度和盈亏数据确定各个选项对应的调整后的奖励概率。
在一种可能的实施例中，管理服务器将运营数据转化为自己需要的数据后，把相关数据，包括各个选项对应的奖励概率、参与热度和盈亏数据，输入到奖励概率预测模型中去，通过奖励概率预测模型的一系列调整，这里的调整包括调高亏损选项概率、调低盈利选项概率、调整概率的合法性等，从而确定出各个选项对应的调整后的奖励概率。
S204、根据各个选项对应的调整后的奖励概率得到各个选项对应的调整后的奖励比例系数，并向运营平台发送各个选项对应的调整后的奖励比例系数。
在一种可能的实施例中，当管理服务器得到各个选项对应的调整后的奖励概率后，还需要将得到的各个选项对应的奖励概率转化为新的各个选项对应奖励比例系数，然后再返回给平台服务器，因为平台服务器识别的便是奖励比例系数。
本发明实施例中，管理服务器获取运营平台提交的目标活动事件的运营数据，运营数据包括目标活动事件的各个选项对应的奖励比例系数、参与人数和盈亏数据，根据各个选项对应的奖励比例系数确定各个选项对应的奖励概率，并根据各个选项对应的参与人数确定选项对应的参与热度，通过调用奖励概率预测模型利用选项对应的奖励概率、参与热度和盈亏数据确定各个选项对应的调整后的奖励概率，根据各个选项对应的调整后的奖励概率得到各个选项对应的调整后的奖励比例系数，并向运营平台发送各个选项对应的调整后的奖励比例系数，通过实施上述方法，可以实现活动事件的选项的奖励比例系数实时动态的调整，并能有效保证对奖励比例系数调整的准确度，保证运营平台获得稳定、持续的收益。
在一种可能的实施例中，管理服务器通过调用奖励概率预测模型利用各个选项对应的奖励概率、参与热度和盈亏数据确定各个选项对应的调整后的奖励概率，具体包括：管理服务器将各个选项对应的奖励概率、参与热度和盈亏数据输入到奖励概率预测模型中，得到各个选项中的亏损选项以及所述亏损选项对应的奖励概率调整幅度，再根据调整的幅度对亏损选项对应的奖励概率进行调整，得到一个调整的奖励概率，管理服务器还需要获取亏损选项对应的奖励概率调整幅度之和，以及各个选项中除亏损选项之外的其他选项，并利用奖励概率调整幅度之和对其他选项对应的奖励概率进行调整，得到其他选项对应的调整后的奖励概率，这样利用多种数据对选项的奖励概率进行调整，可以进一步保证奖励比例系数的准确度。
在一种可能的实施例中，利用奖励概率调整幅度之和对所述其他选项对应的奖励概率进行调整得到其他选项对应的调整后的奖励概率，具体包括：管理服务器针对其他选项中的第一选项，该第一选项为其他选项中的任意一个选项，获取该第一选项在其他选项中的奖励概率比例或盈利比例，得到该第一选项在其他选项中的奖励概率比例或盈利比例后，再利用奖励概率调整幅度之和结合奖励概率比例或盈利比例对该第一选项对应的奖励概率进行调整得到新的调整后的奖励概率，其中，这里的奖励概率比例和盈利比例是调整奖励概率的两种方案，采用任意一个均可。
在一种可能的实施例中，管理服务器通过调用奖励概率预测模型利用各个选项对应的奖励概率、参与热度和盈亏数据确定各个选项对应的调整后的奖励概率之后，还可查询各个选项对应的调整后的奖励概率是否处于预设的奖励概率区间范围内，这里的预设的奖励概率区间包括奖励概率上限和奖励概率下限，即概率有一个最大值或者最小值，把调整后的各个选项中奖励概率大于概率上限的选项作为第二选项，并将第二选项的概率强制变为奖励概率上限值，把调整后的各个选项中奖励概率小于概率上限的选项作为第三选项，并将第三选项的概率强制变为奖励概率下限值。在这个过程中会出现概率差值，即强制转化时，对于强制转化为概率上限多出的概率值及强制转化为概率下限少出的概率值，针对这种情况，管理服务器会计算出多出和少出的概率总和，并将这个概率总和动态的分配到其他选项中去，以保证调整后的概率的合法性，即无负数概率，且概率总和等于1，通过上述实施例，进一步提高了本发明对选项的奖励概率调整的准确性与合法性。
在一种可能的实施例中，管理服务器将各个选项对应的奖励概率、参与热度和盈亏数据输入到奖励概率预测模型中，得到各个选项中的亏损选项以及亏损选项对应的奖励概率调整幅度，具体步骤可是：管理服务器将各个选项对应的奖励概率、参与热度和盈亏数据输入到奖励概率预测模型中用以判断各个选项对应的盈亏数据是否小于收益预警值，当各个选项中对应的盈亏数据小于收益预警值时，并且对应的参与热度达到预设热度阈值，则将这类选项作为亏损选项，确定出亏损选项后，还可获取亏损选项对应的奖励概率之和，以及各个选项对应的奖励概率中的最小奖励概率，根据亏损选项对应的奖励概率之和以及最小奖励概率确定亏损选项对应的奖励概率调整幅度。
举例来说，针对一个目标活动事件的题目包括M个选项，其中有L(L＜M)个选项符合亏损条件后，此时，还需要结合参与热度确定亏损选项，即这L个选项处于亏损，参与热度又超过了预设热度阈值，就将这L个选项作为亏损的选项。
在一种可能的实施例中，管理服务器将各个选项对应的奖励概率、参与热度和盈亏数据输入到奖励概率预测模型中，得到各个选项中的亏损选项以及亏损选项对应的奖励概率调整幅度后，还可进行：若各个选项中不存在对应的盈亏数据小于所述收益预警值的选项，但对应的参与热度达到预设热度阈值的选项，此时，则将对应的盈亏数据中最差的选项作为亏损选项，此步骤是用来保证奖励概率预测模型能循环运作的。
在一种可能的实施例中，管理服务器通过调用奖励概率预测模型利用各个选项对应的奖励概率、参与热度和盈亏数据确定各个选项对应的调整后的奖励概率之后，还包括对调整后选项的奖励概率的另一个操作，即若各个选项中存在对应的调整后的奖励概率小于零，就要通知运营平台将所述目标活动事件下线，其中题目下线除了以上根据调整后的数据来判断是否下线，还可根据运营平台的要求，自定义要下线的目标活动事件的题目。
请参见图3，图3是本发明实施例提供的另一种数据处理方法的流程示意图，如图3所示，本实施例中的数据处理方法的流程可以概括出上述实施例的内容，能更清晰的看出其数据处理的过程，下面将结合公式具体解释数据处理方法的实现过程，主要是针对奖励概率预测模型进行阐述：
在奖励概率预测模型中，设定输入有收益预警值REW(假设为0)，当前各选项的正确答案时的收益
Figure BDA0002253068980000091
各个结果的奖励比例系数
Figure BDA0002253068980000092
奖励控制系数R(0.6≤R＜1)，奖励比例系数上限Clower和奖励比例系数下限Cupper，输出为一组新的奖励概率
Figure BDA0002253068980000093
具体步骤可以分为：
1、接收运营平台的请求，获取运营数据，包括当前各选项的正确答案时的收益
Figure BDA0002253068980000094
和各个结果的奖励比例系数
Figure BDA0002253068980000095
其中，两式中的N值是相互对应的，即有N个收益和N个奖励比例系数且一一对应；
2、该奖励概率预测模型根据奖励控制系数R值对概率进行一个计算或者更新，针对每一个奖励比例系数
Figure BDA0002253068980000096
需计算一个临时的奖励比例系数：
Figure BDA0002253068980000101
计算一下临时奖励概率：
Figure BDA0002253068980000102
3、将概率按照收益预警值REW调整方向进行分组，若各选项的正确答案时的收益
Figure BDA0002253068980000103
小于收益预警值REW，则将小于预警值的选项的概率放在PTBI这个分组里，剩下的选项对应的概率放在PTBD这个分组里，同时需要对两个分组情况进行判定：
(1)当PTBI为空时，即不存在小于收益预警值REW的选项时，就不调整奖励比例系数，直接返回
Figure BDA0002253068980000104
(2)当PTBI不为空，但PTBD为空时，就将PTBI中最大概率值放在PTBD中，次步骤便是用来保证奖励概率预测模型能循环运作的；
(3)当PTBI不为空，但PTBD为空时，进行步骤4；
4、计算PTBI中所有
Figure BDA0002253068980000105
的和，记为
Figure BDA0002253068980000106
需要上调的概率总量记为：
Figure BDA0002253068980000107
其中||PTBD||表示PTBD中元素的个数；
5、对每一个需要上调的选项的概率执行调整操作，即对PTBI中每一个概率，更新为：
Figure BDA0002253068980000108
6、对剩下选项的概率，即PTBD中的概率进行下调操作，更新为：
Figure BDA0002253068980000109
举个例子来说明一下上述步骤是如何执行的：
对于上调的概率总量式子中的random部分为简单运算，假设取10％.假设我们有例子，针对某一活动事件的题目有三个选项，其选项的奖励概率分别是0.1、0.1、0.8(其中奖励概率的下限为0.08，奖励概率上限为0.9)，假设需要调整的选项为这两个0.1，那么针对：
Figure BDA0002253068980000111
就有ΔTBI＝min(0.2*10％，1-0.2-1*0.08)＝0.02，那么，此时需要调整的概率总和就是0.02为了保证我们的奖励概率和为1，经过调整得到的最后结果就为三个选项的奖励概率分别为：0.11、0.11、0.78。
同理，可假设要调整的是0.8，那么就有：
ΔTBI＝min(0.8*10％，1-0.8-2*0.08)＝0.04，此时需要调整的概率总和就是0.04为了保证我们的奖励概率和为1，经过调整得到的最后结果就为三个选项的奖励概率分别为：0.12、0.12、0.76。
7、将上述步骤得到的奖励概率进行合法性判断：
针对此步骤，输入为奖励控制系数R(0.6≤R＜1)，每一个选项的结果概率其中要求pi＞0，∑ipi＝1，奖励比例系数上限Clower和奖励比例系数下限Cupper，要求
Figure BDA0002253068980000113
是结果的个数，具体的奖励概率进行合法性步骤分为：
(1)计算奖励控制系数允许的最大概率最小概率
Figure BDA0002253068980000115
(2)将概率大于最大概率Pmax放在集合
Figure BDA0002253068980000116
中，将概率小于最小概率Pmin放在集合
Figure BDA0002253068980000117
中；
(3)对于
Figure BDA0002253068980000118
中的每一个概率值，令其等于Pmax，并计算出调整前后的概率和之差，当
Figure BDA00022530689800001110
为空，则
Figure BDA00022530689800001111
(4)对于
Figure BDA00022530689800001112
中的每一个概率值，令其等于Pmin，并计算出调整前后的概率和之差，
Figure BDA00022530689800001113
当
Figure BDA00022530689800001114
为空.则
Figure BDA00022530689800001115
(5)计算概率补偿，即计算
Figure BDA00022530689800001116
并分别判断其情况：
a)若补偿概率的绝对值
Figure BDA00022530689800001117
表示设置为Pmax、Pmin后会相互抵消概率调整影响，直接返回对应结果，即超过Pmax设置为Pmax，小于Pmin设置为Pmin，其他维持原值，即：
Figure BDA0002253068980000121
b)若补偿概率的值则对于
Figure BDA0002253068980000123
之外的每一个pi，进行更新：
Figure BDA0002253068980000124
调整后再到步骤(2)循环执行，直到
Figure BDA0002253068980000125
c)若补偿概率的值
Figure BDA0002253068980000126
则对于
Figure BDA0002253068980000127
之外的每一个pi，更新如下：
Figure BDA0002253068980000128
调整后再到步骤(2)循环执行，直到
Figure BDA0002253068980000129
上述步骤b)和步骤c)遵循的原则是保持概率＝Pmax不能再增加，概率＝Pmin不能再减少。以上步骤便是奖励概率预测模型所执行的步骤，最后得到便是一个运营平台需要且概率值具有合法性的概率值。
下面将结合附图4对本发明实施例提供的数据处理装置进行详细介绍。需要说明的是，附图4所示的数据处理装置，用于执行本发明图2-图3所示实施例的方法，为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，经参照本发明图2-图3所示的实施例。
请参见图4，为本发明提供的一种数据处理装置的结构示意图，该数据处理装置40可包括：获取模块401、确定模块402、输出模块403、输入模块404，处理模块405、检测模块406，其中：
获取模块401，用于获取运营平台提交的目标活动事件的运营数据，所述运营数据包括所述目标活动事件的各个选项对应的奖励比例系数、参与人数和盈亏数据；
确定模块402，用于根据所述各个选项对应的奖励比例系数确定所述各个选项对应的奖励概率，并根据所述各个选项对应的参与人数确定所述各个选项对应的参与热度；
所述确定模块402，还用于通过调用奖励概率预测模型利用所述各个选项对应的奖励概率、参与热度和盈亏数据确定所述各个选项对应的调整后的奖励概率；
所述确定模块402，还用于根据所述各个选项对应的调整后的奖励概率得到所述各个选项对应的调整后的奖励比例系数；
输出模块403，用于向所述运营平台发送所述各个选项对应的调整后的奖励比例系数。
在一种可能的实施例中，输入模块404，用于将所述各个选项对应的奖励概率、参与热度和盈亏数据输入到奖励概率预测模型中，得到所述各个选项中的亏损选项以及所述亏损选项对应的奖励概率调整幅度；
处理模块405，用于利用所述奖励概率调整幅度对所述亏损选项对应的奖励概率进行调整，得到所述亏损选项对应的调整后的奖励概率；
获取模块401，还用于获取所述亏损选项对应的奖励概率调整幅度之和，以及所述各个选项中除所述亏损选项之外的其他选项；
处理模块405，利用所述奖励概率调整幅度之和对所述其他选项对应的奖励概率进行调整，得到所述其他选项对应的调整后的奖励概率。
在一种可能的实施例中，获取模块401，还用于针对所述其他选项中的第一选项，获取所述第一选项在所述其他选项中的奖励概率比例或盈利比例，所述第一选项为所述其他选项中的任意一个选项；
处理模块405，还用于利用所述奖励概率调整幅度之和、所述奖励概率比例或所述盈利比例对所述第一选项对应的奖励概率进行调整，得到所述第一选项对应的调整后的奖励概率。
在一种可能的实施例中，检测模块406，用于查询所述各个选项对应的调整后的奖励概率是否处于预设的奖励概率区间范围内，所述预设的奖励概率区间包括奖励概率上限和奖励概率下限；
确定模块402，用于对于所述各个选项中调整后的奖励概率大于所述奖励概率上限的第二选项，将所述奖励概率上限作为所述第二选项对应的调整后的奖励概率；
确定模块402，还用于对于所述各个选项中调整后的奖励概率小于所述奖励概率下限的第三选项，将所述奖励概率下限作为所述第三选项对应的调整后的奖励概率。
在一种可能的实施例中，输入模块404，用于将所述各个选项对应的奖励概率、参与热度和盈亏数据输入到奖励概率预测模型中，以判断所述各个选项对应的盈亏数据是否小于收益预警值；
确定模块402，用于将所述各个选项中对应的盈亏数据小于所述收益预警值，且对应的参与热度达到预设热度阈值的选项作为亏损选项；
处理模块405，用于根据所述亏损选项对应的奖励概率之和以及所述最小奖励概率确定所述亏损选项对应的奖励概率调整幅度。
在一种可能的实施例中，确定模块402用于若所述各个选项中不存在对应的盈亏数据小于所述收益预警值，且对应的参与热度达到预设热度阈值的选项，则将对应的盈亏数据最差的选项作为亏损选项。
在一种可能的实施例中，输出模块403，用于若所述各个选项中存在对应的调整后的奖励概率小于零，则通知所述运营平台将所述目标活动事件下线。
本发明实施例中，管理服务器获取模块401获取运营平台提交的目标活动事件的运营数据，运营数据包括目标活动事件的各个选项对应的奖励比例系数、参与人数和盈亏数据，确定模块402根据各个选项对应的奖励比例系数确定各个选项对应的奖励概率，并根据各个选项对应的参与人数确定选项对应的参与热度，通过调用奖励概率预测模型利用选项对应的奖励概率、参与热度和盈亏数据确定模块402确定各个选项对应的调整后的奖励概率，还根据各个选项对应的调整后的奖励概率得到各个选项对应的调整后的奖励比例系数，并通过输出模块403向运营平台发送各个选项对应的调整后的奖励比例系数，通过实施上述方法，可以实现活动事件的选项的奖励比例系数实时动态的调整，并能有效保证对奖励比例系数调整的准确度，保证运营平台获得稳定、持续的收益。
请参见图5，图5是本发明实施例提供的一种服务器的结构示意图，该服务器对应于前文所述的管理服务器，所述服务器可包括处理器501、存储器502以及网络接口503，所述处理器501、存储器502以及网络接口503之间可以交互数据。
所述存储器502可以包括易失性存储器(volatile memory)，例如随机存取存储器(random-access memory，RAM)；存储器502也可以包括非易失性存储器(non-volatilememory)，例如快闪存储器(flash memory)，固态硬盘(solid-state drive，SSD)等；所述存储器502还可以包括上述种类的存储器的组合。
所述处理器501可以是中央处理器501(central processing unit，CPU)。在一个实施例中，所述处理器501还可以是图形处理器501(Graphics Processing Unit，GPU)。所述处理器501也可以是由CPU和GPU的组合。在所述电子设备中，可以根据需要包括多个CPU和GPU进行相应的根证书管理。在一个实施例中，所述存储器502用于存储程序指令。所述处理器501可以调用所述程序指令，实现如本发明实施例中上述涉及的各种方法。
在一种可能的实施例中，处理器501，用于获取运营平台提交的目标活动事件的运营数据，该运营数据包括所述目标活动事件的各个选项对应的奖励比例系数、参与人数和盈亏数据；
根据所述各个选项对应的奖励比例系数确定所述各个选项对应的奖励概率，并根据所述各个选项对应的参与人数确定所述各个选项对应的参与热度；
通过调用奖励概率预测模型利用所述各个选项对应的奖励概率、参与热度和盈亏数据确定所述各个选项对应的调整后的奖励概率；
根据所述各个选项对应的调整后的奖励概率得到所述各个选项对应的调整后的奖励比例系数，并向所述运营平台发送所述各个选项对应的调整后的奖励比例系数。
在一种可能的实施例中，处理器501，用于：
将所述各个选项对应的奖励概率、参与热度和盈亏数据输入到奖励概率预测模型中，得到所述各个选项中的亏损选项以及所述亏损选项对应的奖励概率调整幅度；
利用所述奖励概率调整幅度对所述亏损选项对应的奖励概率进行调整，得到所述亏损选项对应的调整后的奖励概率；
获取所述亏损选项对应的奖励概率调整幅度之和，以及所述各个选项中除所述亏损选项之外的其他选项；
利用所述奖励概率调整幅度之和对所述其他选项对应的奖励概率进行调整，得到所述其他选项对应的调整后的奖励概率。
在一种可能的实施例中，处理器501，用于：
针对所述其他选项中的第一选项，获取所述第一选项在所述其他选项中的奖励概率比例或盈利比例，所述第一选项为所述其他选项中的任意一个选项；
利用所述奖励概率调整幅度之和、所述奖励概率比例或所述盈利比例对所述第一选项对应的奖励概率进行调整，得到所述第一选项对应的调整后的奖励概率。
在一种可能的实施例中，处理器501，用于：
查询所述各个选项对应的调整后的奖励概率是否处于预设的奖励概率区间范围内，所述预设的奖励概率区间包括奖励概率上限和奖励概率下限；
对于所述各个选项中调整后的奖励概率大于所述奖励概率上限的第二选项，将所述奖励概率上限作为所述第二选项对应的调整后的奖励概率；
对于所述各个选项中调整后的奖励概率小于所述奖励概率下限的第三选项，将所述奖励概率下限作为所述第三选项对应的调整后的奖励概率。
在一种可能的实施例中，处理器501，还用于：
将所述各个选项对应的奖励概率、参与热度和盈亏数据输入到奖励概率预测模型中，以判断所述各个选项对应的盈亏数据是否小于收益预警值；
将所述各个选项中对应的盈亏数据小于所述收益预警值，且对应的参与热度达到预设热度阈值的选项作为亏损选项；
获取所述亏损选项对应的奖励概率之和，以及所述各个选项对应的奖励概率中的最小奖励概率；
根据所述亏损选项对应的奖励概率之和以及所述最小奖励概率确定所述亏损选项对应的奖励概率调整幅度。
在一种可能的实施例中，处理器501，还用于若所述各个选项中不存在对应的盈亏数据小于所述收益预警值，且对应的参与热度达到预设热度阈值的选项，则将对应的盈亏数据最差的选项作为亏损选项。
在一种可能的实施例中，处理器501，还用于若所述各个选项中存在对应的调整后的奖励概率小于零，则通知所述运营平台将所述目标活动事件下线。
本发明实施例中，处理器501获取运营平台提交的目标活动事件的运营数据，该运营数据包括目标活动事件的各个选项对应的奖励比例系数、参与人数和盈亏数据，根据各个选项对应的奖励比例系数确定各个选项对应的奖励概率，并根据各个选项对应的参与人数确定各个选项对应的参与热度，从而通过调用奖励概率预测模型利用各个选项对应的奖励概率、参与热度和盈亏数据确定各个选项对应的调整后的奖励概率，根据各个选项对应的调整后的奖励概率得到各个选项对应的调整后的奖励比例系数，并向运营平台发送各个选项对应的调整后的奖励比例系数，通过实施上述方法，可以实现活动事件的选项的奖励比例系数实时动态的调整，并能有效保证对奖励比例系数调整的准确度，保证运营平台获得稳定、持续的收益。
本发明实施例还提供了一种计算机存储介质，该计算机存储介质中存储有程序指令，该程序指令被执行时，用于实现上述实施例中描述的相应方法。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可能可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可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，例如上述单元的划分，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***，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，可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器)执行本发明各个实施例上述方法的全部或部分步骤。其中，而前述的存储介质可包括：U盘、移动硬盘、磁碟、光盘、只读存储器(英文：Read-Only Memory，缩写：ROM)或者随机存取存储器(英文：Random Access Memory，缩写：RAM)等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种数据处理方法，其特征在于，所述方法包括：
获取运营平台提交的目标活动事件的运营数据，所述运营数据包括所述目标活动事件的各个选项对应的奖励比例系数、参与人数和盈亏数据；
根据所述各个选项对应的奖励比例系数确定所述各个选项对应的奖励概率，并根据所述各个选项对应的参与人数确定所述各个选项对应的参与热度；
通过调用奖励概率预测模型利用所述各个选项对应的奖励概率、参与热度和盈亏数据确定所述各个选项对应的调整后的奖励概率；
根据所述各个选项对应的调整后的奖励概率得到所述各个选项对应的调整后的奖励比例系数，并向所述运营平台发送所述各个选项对应的调整后的奖励比例系数。
2.根据权利要求1所述方法，其特征在于，所述通过调用奖励概率预测模型利用所述各个选项对应的奖励概率、参与热度和盈亏数据确定所述各个选项对应的调整后的奖励概率，包括：
将所述各个选项对应的奖励概率、参与热度和盈亏数据输入到奖励概率预测模型中，得到所述各个选项中的亏损选项以及所述亏损选项对应的奖励概率调整幅度；
利用所述奖励概率调整幅度对所述亏损选项对应的奖励概率进行调整，得到所述亏损选项对应的调整后的奖励概率；
获取所述亏损选项对应的奖励概率调整幅度之和，以及所述各个选项中除所述亏损选项之外的其他选项；
利用所述奖励概率调整幅度之和对所述其他选项对应的奖励概率进行调整，得到所述其他选项对应的调整后的奖励概率。
3.根据权利要求2所述方法，其特征在于，所述利用所述奖励概率调整幅度之和对所述其他选项对应的奖励概率进行调整，得到所述其他选项对应的调整后的奖励概率，包括：
针对所述其他选项中的第一选项，获取所述第一选项在所述其他选项中的奖励概率比例或盈利比例，所述第一选项为所述其他选项中的任意一个选项；
利用所述奖励概率调整幅度之和、所述奖励概率比例或所述盈利比例对所述第一选项对应的奖励概率进行调整，得到所述第一选项对应的调整后的奖励概率。
4.根据权利要求1～3中任一项所述方法，其特征在于，所述通过调用奖励概率预测模型利用所述各个选项对应的奖励概率、参与热度和盈亏数据确定所述各个选项对应的调整后的奖励概率之后，所述方法还包括：
查询所述各个选项对应的调整后的奖励概率是否处于预设的奖励概率区间范围内，所述预设的奖励概率区间包括奖励概率上限和奖励概率下限；
对于所述各个选项中调整后的奖励概率大于所述奖励概率上限的第二选项，将所述奖励概率上限作为所述第二选项对应的调整后的奖励概率；
对于所述各个选项中调整后的奖励概率小于所述奖励概率下限的第三选项，将所述奖励概率下限作为所述第三选项对应的调整后的奖励概率。
5.根据权利要求2所述方法，其特征在于，所述将所述各个选项对应的奖励概率、参与热度和盈亏数据输入到奖励概率预测模型中，得到所述各个选项中的亏损选项以及所述亏损选项对应的奖励概率调整幅度，包括：
将所述各个选项对应的奖励概率、参与热度和盈亏数据输入到奖励概率预测模型中，以判断所述各个选项对应的盈亏数据是否小于收益预警值；
将所述各个选项中对应的盈亏数据小于所述收益预警值，且对应的参与热度达到预设热度阈值的选项作为亏损选项；
获取所述亏损选项对应的奖励概率之和，以及所述各个选项对应的奖励概率中的最小奖励概率；
根据所述亏损选项对应的奖励概率之和以及所述最小奖励概率确定所述亏损选项对应的奖励概率调整幅度。
6.根据权利要求5所述方法，其特征在于，所述将所述各个选项对应的奖励概率、参与热度和盈亏数据输入到奖励概率预测模型中，得到所述各个选项中的亏损选项以及所述亏损选项对应的奖励概率调整幅度，还包括：
若所述各个选项中不存在对应的盈亏数据小于所述收益预警值，且对应的参与热度达到预设热度阈值的选项，则将对应的盈亏数据最差的选项作为亏损选项。
7.根据权利要求1所述方法，其特征在于，所述通过调用奖励概率预测模型利用所述各个选项对应的奖励概率、参与热度和盈亏数据确定所述各个选项对应的调整后的奖励概率之后，所述方法还包括：
若所述各个选项中存在对应的调整后的奖励概率小于零，则通知所述运营平台将所述目标活动事件下线。
8.一种数据处理装置，其特征在于，所述方法包括：
获取模块，用于获取运营平台提交的目标活动事件的运营数据，所述运营数据包括所述目标活动事件的各个选项对应的奖励比例系数、参与人数和盈亏数据；
确定模块，用于根据所述各个选项对应的奖励比例系数确定所述各个选项对应的奖励概率，并根据所述各个选项对应的参与人数确定所述各个选项对应的参与热度；
所述确定模块，还用于通过调用奖励概率预测模型利用所述各个选项对应的奖励概率、参与热度和盈亏数据确定所述各个选项对应的调整后的奖励概率；
所述确定模块，还用于根据所述各个选项对应的调整后的奖励概率得到所述各个选项对应的调整后的奖励比例系数；
输出模块，用于向所述运营平台发送所述各个选项对应的调整后的奖励比例系数。
9.一种服务器，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，调用所述存储器中的所述计算机程序，用于执行如权利要求1-7任一项所述的数据处理方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的数据处理方法。
CN201911058616.3A 2019-10-30 2019-10-30 一种数据处理方法、装置、服务器及计算机可读存储介质 Pending CN110827075A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911058616.3A CN110827075A (zh) 2019-10-30 2019-10-30 一种数据处理方法、装置、服务器及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911058616.3A CN110827075A (zh) 2019-10-30 2019-10-30 一种数据处理方法、装置、服务器及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN110827075A true CN110827075A (zh) 2020-02-21

Family

ID=69552200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911058616.3A Pending CN110827075A (zh) 2019-10-30 2019-10-30 一种数据处理方法、装置、服务器及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110827075A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112084447A (zh) * 2020-08-17 2020-12-15 北京字节跳动网络技术有限公司 一种数据分配方法、装置、介质和电子设备
CN114712851A (zh) * 2022-03-25 2022-07-08 深圳鼎鸿保龄球有限公司 游戏设计方法、保龄球计分游戏***以及可读存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112084447A (zh) * 2020-08-17 2020-12-15 北京字节跳动网络技术有限公司 一种数据分配方法、装置、介质和电子设备
CN112084447B (zh) * 2020-08-17 2024-05-24 北京字节跳动网络技术有限公司 一种数据分配方法、装置、介质和电子设备
CN114712851A (zh) * 2022-03-25 2022-07-08 深圳鼎鸿保龄球有限公司 游戏设计方法、保龄球计分游戏***以及可读存储介质

Similar Documents

Publication Publication Date Title
US11360655B2 (en) System and method of non-linear probabilistic forecasting to foster amplified collective intelligence of networked human groups
US11938403B2 (en) Game character behavior control method and apparatus, storage medium, and electronic device
CN103647671B (zh) 一种基于Gur Game的群智感知网络管理方法及其***
CN109242535A (zh) 基于参与度的共识机制dpop进行行为价值量化的方法和***
CN110772797B (zh) 一种数据处理方法、装置、服务器及可存储介质
CN110152304B (zh) 获胜值的确定方法及装置、存储介质及电子装置
US11941239B2 (en) System and method for enhanced collaborative forecasting
WO2016128960A1 (en) System and method for retaining a strategy video game player by predicting the player game satisfaction using player game behavior data
CN111905377B (zh) 一种数据处理方法、装置、设备及存储介质
CN110827075A (zh) 一种数据处理方法、装置、服务器及计算机可读存储介质
US20220012760A1 (en) System and method for providing in-game offers
CN110732140A (zh) 游戏奖励实现方法及装置
CN110598853B (zh) 一种模型训练的方法、信息处理的方法以及相关装置
US20190091578A1 (en) Video game for enabling reversal of potentially-reversible real-world health conditions of players
EP3568221A1 (en) System and method for determining user health
CN109326335B (zh) 一种医生在线答题派发方法及***
US20160379510A1 (en) System and method for adjusting the difficulty of a computer-implemented quiz
CN113780415B (zh) 基于小程序游戏的用户画像生成方法、装置、设备及介质
CN112418955A (zh) 基于浮动奖励机制的平台活动运营方法
CN114697688A (zh) 直播策略推荐方法、互动方法、装置、设备和存储介质
CN112819500B (zh) 信息展示方法、策略网络训练方法、设备及存储介质
JP7153829B1 (ja) 所定期間内の継続した行動をサポートするための装置、方法及びそのためのプログラム
KR102630248B1 (ko) 스마트 미러를 이용한 홈 트레이닝 대결 방법
KR102630247B1 (ko) 스마트 미러를 이용한 홈 트레이닝 그룹의 대결 방법
Filippin Discrimination and workers' expectations

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40022160

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination