CN111598677A - 一种资源配额确定方法、装置和电子设备 - Google Patents
一种资源配额确定方法、装置和电子设备 Download PDFInfo
- Publication number
- CN111598677A CN111598677A CN202010725685.1A CN202010725685A CN111598677A CN 111598677 A CN111598677 A CN 111598677A CN 202010725685 A CN202010725685 A CN 202010725685A CN 111598677 A CN111598677 A CN 111598677A
- Authority
- CN
- China
- Prior art keywords
- user
- quota
- data
- resource
- resource quota
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012549 training Methods 0.000 claims abstract description 32
- 238000013507 mapping Methods 0.000 claims abstract description 29
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 238000012163 sequencing technique Methods 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 238000003860 storage Methods 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 23
- 238000007477 logistic regression Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000013468 resource allocation Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 abstract description 7
- 238000012545 processing Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于后验数据优化的资源配额确定方法、装置和电子设备。该方法包括：构建排序模型，使用训练数据训练所述排序模型，所述训练数据包括历史用户的用户特征数据和资源配额数据；使用训练好的排序模型计算用户评分；对所述用户评分进行偏置校准；根据用户评分与用户额度之间的映射函数，计算用户的资源配额额度。本发明的方法使用排序模型计算用户评分，并通过CTR预估算法对该用户评分进行校准，能够更准确保证各样本之间的距离，以保证模型输出在有序的基础上还能保距，进一步提高了模型精确度；针对不同的用户，实现了更精确地确定用户的资源配额额度，由此进一步优化资源分配过程。
Description
技术领域
本发明涉及计算机信息处理领域，具体涉及一种基于后验数据优化的资源配额确定方法、装置和电子设备。
背景技术
在基于互联网的应用技术中，常常需要在不同的参与方之间进行资源的交换。这里所称的资源是指任何可被利用的物质、信息、金钱、时间等。信息资源包括计算资源和各种类型的数据资源。数据资源包括各个领域中的各种专用数据。在分配资源的过程中，往往需要对用户的资源配置权进行认证，并为不同的用户分配不同的资源配额，所述资源配置权是指用户是否有权获取资源的一种认证，其可以由特定的资源管理机构认证，也可以是资源所有的一方进行认证。所谓资源配额是指该用户在特定时间内可以获得的最高资源额。
与金钱相关的资源通常也称为金融资源，金融资源是指金融领域中关于金融服务主体与客体的结构、数量、规模、分布及其效应和相互作用关系的一系列对象的总和或集合体，在生产和生活中，只有金融资源配置有效率，才能实现金融和经济可持续发展。对于提供互联网金融服务的公司而言，金融资源可以为资金的总额度，或者等同于资金的资产的额度等等。对于提供互联网金融服务的公司而言，金融资产中的一部分可用来给个人用户提供金融服务，还有一部分可以给其他的企业用户提供金融服务，其他部分可用来投入到本公司的发展中去，或者进行其他的金融相关的业务。
对于互联网金融服务的公司而言，由于总体的金融资源在一个相对固定的时间是有限的，而如何在不同的业务中合理的进行金融资源的分配就尤为重要。对于互联网金融服务公司所服务的企业级用户或者其他金融相关的业务而言，其需要占用金融资源的时间和周期一般是通过事先计划审批才能够获准的，比较有利于统筹安排其金融资源的分配。对于个人用户而言，由于个人用户的个体差异性，互联网金融服务公司几乎无法事先预知个人用户的金融资源需求的计划和时间，如何更好的预知个人用户的金融服务需求，针对个人用户的金融资源进行更加合理的分配，是当今互联网金融服务公司所面临的难题。
因此，有必要提供一种更优化的资源配额确定方法。
发明内容
为了解决上述问题，本发明提供了一种基于后验数据优化的资源配额确定方法，包括：构建排序模型，使用训练数据训练所述排序模型，所述训练数据包括历史用户的用户特征数据和资源配额数据；使用训练好的排序模型计算用户评分；对所述用户评分进行偏置校准；根据用户评分与用户额度之间的映射函数，计算用户的资源配额额度。
优选地，还包括：设定第一阈值和第二阈值，通过所述第一阈值和所述第二阈值获取不同额度分配的客群；对历史用户数据进行筛选，获取大于等于所述第一阈值和小于等于所述第二阈值的额度分配值及其对应的用户特征数据，作为训练数据。
优选地，还包括：所述排序模型为逻辑回归模型，该逻辑回归模型计算的用户评分为0～1之间的数值。
优选地，所述对所述用户评分进行偏置校准包括：使用CTR预估算法，将对用户评分进行校准。
优选地，所述CTR预估算法的计算公式为：
优选地，所述根据用户评分与用户额度之间的映射函数，计算用户的资源配额额度还包括：对于特定的客群，设定总的额度区间，并在该总额度区间内设定等距离且连续的多个额度分配值区间；将0～1的用户评分等距离划分成与所述多个额度分配值区间对应的连续的多个区间；将所述多个额度分配值区间与用户评分的多个区间形成映射关系，以确定不同客群的映射函数。
优选地，所述多个额度分配值区间与用户评分的多个区间形成映射关系为线性关系。
优选地，所述逻辑回归模型使用sigmoid函数计算用户评分。
此外，本发明还提供了一种基于后验数据优化的资源配额确定装置，包括：构建模块，用于构建排序模型，使用训练数据训练所述排序模型，所述训练数据包括历史用户的用户特征数据和资源配额数据；第一计算模块，用于使用训练好的排序模型计算用户评分；校准模块，用于对所述用户评分进行偏置校准；第二计算模块，根据用户评分与用户额度之间的映射函数，计算用户的资源配额额度。
优选地，还包括：设定模块，用于设定第一阈值和第二阈值，通过所述第一阈值和所述第二阈值获取不同额度分配的客群；筛选模块，用于对历史用户数据进行筛选，获取大于等于所述第一阈值和小于等于所述第二阈值的额度分配值及其对应的用户特征数据，作为训练数据。
优选地，还包括：所述排序模型为逻辑回归模型，该逻辑回归模型计算的用户评分为0～1之间的数值。
优选地，所述校准模块还包括：使用CTR预估算法，将对用户评分进行校准。
优选地，所述CTR预估算法的计算公式为：
优选地，还包括处理模块，所述处理模块对于特定的客群，设定总的额度区间，并在该总额度区间内设定等距离且连续的多个额度分配值区间；将0～1的用户评分等距离划分成与所述多个额度分配值区间对应的连续的多个区间；将所述多个额度分配值区间与用户评分的多个区间形成映射关系，以确定不同客群的映射函数。
优选地，所述多个额度分配值区间与用户评分的多个区间形成映射关系为线性关系。
优选地，所述逻辑回归模型使用sigmoid函数计算用户评分。
此外，本发明还提供了一种电子设备，其中，该电子设备包括：处理器；以及，存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行本发明所述的基于后验数据优化的资源配额确定方法。
此外，本发明还提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现本发明所述的基于后验数据优化的资源配额确定方法。
有益效果
与现有技术相比，本发明的资源配额确定方法使用排序模型计算用户评分，并通过CTR预估算法对该用户评分进行校准，能够更准确保证各样本之间的距离，以保证模型输出在有序的基础上还能保距，进一步提高了模型精确度；针对不同的用户，实现了更精确地确定用户的资源配额额度，由此进一步优化资源分配过程。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本发明的具体实施例。但需声明的是，下面描述的附图仅仅是本发明本发明示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他实施例的附图。
图1是本发明的基于后验数据优化的资源配额确定方法的一示例的流程图。
图2是本发明的基于后验数据优化的资源配额确定方法的另一示例的流程图。
图3是本发明的基于后验数据优化的资源配额确定方法的又一示例的流程图。
图4是本发明的基于后验数据优化的资源配额确定装置的一示例的示意性结构框图。
图5是本发明的基于后验数据优化的资源配额确定装置的另一示例的示意性结构框图。
图6是本发明的基于后验数据优化的资源配额确定装置的又一示例的示意性结构框图。
图7是根据本发明的一种电子设备的示例性实施例的结构框图。
图8是根据本发明的计算机可读介质的示例性实施例的结构框图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本发明更加全面和完整，更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分，因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下，在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中，本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是，并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但这不应受这些定语限制。这些定语乃是用以区分一者与另一者。例如，第一器件亦可称为第二器件而不偏离本发明实质的技术方案。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
为了进一步优化资源分配，本发明提供了一种基于后验数据优化的资源配额确定方法，使用排序模型计算用户评分，并通过CTR预估算法对该用户评分进行校准，能够更准确保证各样本之间的距离，以保证模型输出在有序的基础上还能保距，进一步提高了模型精确度；针对不同的用户，实现了更精确地确定用户的资源配额额度，由此进一步优化资源分配过程。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。需要说明的是，在本发明中，资源是指任何可被利用的物质、信息、时间，信息资源包括计算资源和各种类型的数据资源。数据资源包括各个领域中的各种专用数据。从本质上来说，本发明可以应用于各类资源的分配，包括实体的货物、水、电、有意义的资料等。但是，为了方便起见，本发明中以金融数据资源为例进行说明资源配额确定方法的实施，但本领域技术人员应当理解，本发明亦可以用于其他资源的资源配额确定。
实施例1
下面，将参照图1至图3描述本发明的基于后验数据优化的资源配额确定方法的实施例。
图1是本发明的基于后验数据优化的资源配额确定方法的一示例的流程图。
如图1所示，一种基于后验数据优化的资源配额确定方法，该方法包括以下步骤。
步骤S101，构建排序模型，使用训练数据训练所述排序模型，所述训练数据包括历史用户的用户特征数据和资源配额数据。
步骤S102，使用训练好的排序模型计算用户评分。
步骤S103，对所述用户评分进行偏置校准。
步骤S104，根据用户评分与用户额度之间的映射函数，计算用户的资源配额额度。
首先，在步骤S101中，构建排序模型，使用训练数据训练所述排序模型，所述训练数据包括历史用户的用户特征数据和资源配额数据。
优选地，所述排序模型为逻辑回归模型，使用该逻辑回归模型计算的用户评分为0～1之间的数值。
具体地，对于排序模型的构建，还包括定义好坏样本。作为一个具体的例子，可以使用“资源归还是否逾期或违约”这一用户特征作来定义好坏样本，即标签为“资源归还是否逾期或违约”，标签值规定为0或1，即用户评分为0～1之间的数值，其中，1表示用户有资源归还逾期，0表示用户无逾期。通常，用户评分越小表示该用户的资源归还逾期概率或违约概率越低，则表示贷款回收本金的情况越好，资金的使用效率越好，资源回收的风险程度就越低，反之亦然。
需要说明的是，用户评分是指该用户对于所分配资源的归还风险评估值。在本示例中，直接将所述用户的用户评分作为该用户的资源归还逾期概率或违约概率。但是不限于此，在其他示例中，还可以仅表示违约概率或其他风险指标。
如图2所示，还包括筛选历史用户数据以构建训练数据集的步骤S201。
在步骤S201中，筛选历史用户数据以构建训练数据集。
具体地，对历史用户数据进行筛选，设定第一阈值和第二阈值，通过所述第一阈值和所述第二阈值获取不同额度分配的客群及相关数据，以构建训练数据集，由此优化样本选择，以提高模型学习效果。
进一步地，从历史用户数据（即后验数据）中获取大于等于所述第一阈值和小于等于所述第二阈值的额度分配值及其对应的用户特征数据，作为训练数据。
例如第一阈值为20000元的额度分配值，第二阈值为3300元的额度分配值，筛选出高阶额度的用户和低阶额度的用户，构建训练数据集，以用于训练所述排序模型。
接下来，在步骤S102中，使用训练好的排序模型计算用户评分。
具体地，输入用户特征数据，使用训练好的排序模型计算该当前用户的用户评分。
优选地，所述逻辑回归模型使用sigmoid函数计算用户评分。
进一步地，对所有训练数据集中所计算的用户评分进行排序，并对历史用户额度分配值进行排序，进一步进行数据对齐处理，以得到用户评分和用户额度分配值两侧对齐的数据。
例如，对用户A、用户B和用户C所计算的用户评分为0.2、0.6和0.9，用户评分排序为用户C>用户B>用户A。对应地，为各用户分配的用户额度分配值的顺序为用户C>用户B>用户A。
需要说明的是，对于使用排序模型所计算的用户评分进行排序，能够保证不同用户之间的顺序，即能保证正负样本的排序。但是，为了进一步提高模型精确度，本发明通过对用户评分进行偏置校准，以更准确保证各样本之间的距离，由此，实现更精确地确定用户额度分配值。
接下来，在步骤S103中，对所述用户评分进行偏置校准。
在本示例中，使用CTR预估算法，将对用户评分进行校准。
具体地，所述CTR预估算法的计算公式为：
由此，通过CTR预估算法，根据历史样本调整各用户评分对应的额度分配值区间，以保证模型输出在有序的基础上还能保距。
接下来，在步骤S104中，根据用户评分与用户额度之间的映射函数，计算用户的资源配额额度。
如图3所示，还包括设定用户评分与用户额度之间的映射函数的步骤S301。
在步骤S301中，设定用户评分与用户额度之间的映射函数。
具体地，对于特定的客群，设定总的额度区间，并在该总额度区间内设定等距离且连续的多个额度分配值区间。
在本示例中，根据预设的客群分类策略，将客群分为四类，其中，所述客群分类策略包括是否有认证报告、特定时间段内是否有动支记录等。但是不限于此，上述仅作为示例进行说明，不能理解成对本发明的限制。
具体地，将0～1的用户评分等距离划分成与所述多个额度分配值区间对应的连续的多个区间。例如，以等间距分隔为（0～0.1]，（0.1～0.2]，（0.2～0.3]，（0.3～0.4]…（0.9～1）。
例如，总的额度区间为（1000元，20000元），并进一步细分为（1000元～2000元]，（2000元～3000元]，…（18000元～20000元）。
进一步地，将所述多个额度分配值区间与用户评分的多个区间形成映射关系，优选地，形成映射关系为线性关系，以确定不同客群的映射函数。
进一步地，还包括根据参数指标，对不同客群建立对应的映射函数，其中，参数指标包括风险参数、多投参数、用户学历等。
由此，根据所建立的映射函数，计算用户的资源配额额度（即用户额度分配值）。
上述基于后验数据优化的资源配额确定方法的过程仅用于对本发明的说明，其中，步骤的顺序和数量没有特别的限制。此外，上述方法中的步骤还可以拆分成两个、三个，或者有些步骤也可以合并成一个步骤，根据实际示例进行调整。
与现有技术相比，本发明的资源配额确定方法使用排序模型计算用户评分，并通过CTR预估算法对该用户评分进行校准，能够更准确保证各样本之间的距离，以保证模型输出在有序的基础上还能保距，进一步提高了模型精确度；针对不同的用户，实现了更精确地确定用户的资源配额额度，由此进一步优化资源分配过程。
本领域技术人员可以理解，实现上述实施例的全部或部分步骤被实现为由计算机数据处理设备执行的程序（计算机程序）。在该计算机程序被执行时，可以实现本发明提供的上述方法。而且，所述的计算机程序可以存储于计算机可读存储介质中，该存储介质可以是磁盘、光盘、ROM、RAM等可读存储介质，也可以是多个存储介质组成的存储阵列，例如磁盘或磁带存储阵列。所述的存储介质不限于集中式存储，其也可以是分布式存储，例如基于云计算的云存储。
下面描述本发明的装置的实施例，该装置可以用于执行本发明的方法实施例。对于本发明装置实施例中描述的细节，应视为对于上述方法实施例的补充；对于在本发明装置实施例中未披露的细节，可以参照上述方法实施例来实现。
实施例2
参照图4、图5和图6，本发明还提供了一种基于后验数据优化的资源配额确定装置400，包括：构建模块401，用于构建排序模型，使用训练数据训练所述排序模型，所述训练数据包括历史用户的用户特征数据和资源配额数据；第一计算模块402，用于使用训练好的排序模型计算用户评分；校准模块403，用于对所述用户评分进行偏置校准；第二计算模块404，根据用户评分与用户额度之间的映射函数，计算用户的资源配额额度。
如图5所示，还包括：设定模块501，用于设定第一阈值和第二阈值，通过所述第一阈值和所述第二阈值获取不同额度分配的客群；筛选模块502，用于对历史用户数据进行筛选，获取大于等于所述第一阈值和小于等于所述第二阈值的额度分配值及其对应的用户特征数据，作为训练数据。
优选地，所述排序模型为逻辑回归模型，该逻辑回归模型计算的用户评分为0～1之间的数值。
优选地，所述校准模块还包括：使用CTR预估算法，将对用户评分进行校准。
优选地，所述CTR预估算法的计算公式为：
如图6所示，还包括处理模块601，所述处理模块601对于特定的客群，设定总的额度区间，并在该总额度区间内设定等距离且连续的多个额度分配值区间；将0～1的用户评分等距离划分成与所述多个额度分配值区间对应的连续的多个区间；将所述多个额度分配值区间与用户评分的多个区间形成映射关系，以确定不同客群的映射函数。
优选地，所述多个额度分配值区间与用户评分的多个区间形成映射关系为线性关系。
优选地，所述逻辑回归模型使用sigmoid函数计算用户评分。
需要说明的是，在实施例2中，省略了与实施例1相同的部分的说明。
与现有技术相比，与现有技术相比，本发明的资源配额确定装置使用排序模型计算用户评分，并通过CTR预估算法对该用户评分进行校准，能够更准确保证各样本之间的距离，以保证模型输出在有序的基础上还能保距，进一步提高了模型精确度；针对不同的用户，实现了更精确地确定用户的资源配额额度，由此进一步优化资源分配过程。
本领域技术人员可以理解，上述装置实施例中的各模块可以按照描述分布于装置中，也可以进行相应变化，分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
实施例3
下面描述本发明的电子设备实施例，该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节，应视为对于上述方法或装置实施例的补充；对于在本发明电子设备实施例中未披露的细节，可以参照上述方法或装置实施例来实现。
图7是根据本发明的一种电子设备的示例性实施例的结构框图。下面将参照图7来描述根据本发明的电子设备200。图7显示的电子设备200仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于：至少一个处理单元210、至少一个存储单元220、连接不同***组件（包括存储单元220和处理单元210）的总线230、显示单元240等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元210执行，使得所述处理单元210执行本说明书的上述电子设备处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元210可以执行如图1所示的步骤。
所述存储单元220可以包括易失性存储单元形式的可读介质，例如随机存取存储单元（RAM）2201和/或高速缓存存储单元2202，还可以进一步包括只读存储单元（ROM）2203。
所述存储单元220还可以包括具有一组（至少一个）程序模块2205的程序/实用工具2204，这样的程序模块2205包括但不限于：操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线230可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备300（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口250进行。并且，电子设备200还可以通过网络适配器260与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述，本领域的技术人员易于理解，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个计算机可读的存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、或者网络设备等）执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法。
如图8所示，所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
综上所述，本发明可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（DSP）等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于后验数据优化的资源配额确定方法，其特征在于，包括：
构建排序模型，使用训练数据训练所述排序模型，所述训练数据包括历史用户的用户特征数据和资源配额数据；
使用训练好的排序模型计算用户评分；
对所述用户评分进行偏置校准；
根据用户评分与用户额度之间的映射函数，计算用户的资源配额额度。
2.根据权利要求1所述的资源配额确定方法，其特征在于，还包括：
设定第一阈值和第二阈值，通过所述第一阈值和所述第二阈值获取不同额度分配的客群；
对历史用户数据进行筛选，获取大于等于所述第一阈值和小于等于所述第二阈值的额度分配值及其对应的用户特征数据，作为训练数据。
3.根据权利要求1至2中任一项所述的资源配额确定方法，其特征在于，还包括：
所述排序模型为逻辑回归模型，该逻辑回归模型计算的用户评分为0～1之间的数值。
4.根据权利要求3所述的资源配额确定方法，其特征在于，所述对所述用户评分进行偏置校准包括：
使用CTR预估算法，将对用户评分进行校准。
5.根据权利要求4所述的资源配额确定方法，其特征在于，所述CTR预估算法的计算公式为：
6.根据权利要求1所述的资源配额确定方法，其特征在于，所述根据用户评分与用户额度之间的映射函数，计算用户的资源配额额度还包括：
对于特定的客群，设定总的额度区间，并在该总额度区间内设定等距离且连续的多个额度分配值区间；
将0～1的用户评分等距离划分成与所述多个额度分配值区间对应的连续的多个区间；
将所述多个额度分配值区间与用户评分的多个区间形成映射关系，以确定不同客群的映射函数。
7.根据权利要求6所述的资源配额确定方法，其特征在于，所述多个额度分配值区间与用户评分的多个区间形成映射关系为线性关系。
8.一种基于后验数据优化的资源配额确定装置，其特征在于，包括：
构建模块，用于构建排序模型，使用训练数据训练所述排序模型，所述训练数据包括历史用户的用户特征数据和资源配额数据；
第一计算模块，用于使用训练好的排序模型计算用户评分；
校准模块，用于对所述用户评分进行偏置校准；
第二计算模块，根据用户评分与用户额度之间的映射函数，计算用户的资源配额额度。
9.一种电子设备，其中，该电子设备包括：
处理器；以及，
存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1至7中任一项所述的基于后验数据优化的资源配额确定方法。
10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现权利要求1至7中任一项所述的基于后验数据优化的资源配额确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010725685.1A CN111598677A (zh) | 2020-07-24 | 2020-07-24 | 一种资源配额确定方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010725685.1A CN111598677A (zh) | 2020-07-24 | 2020-07-24 | 一种资源配额确定方法、装置和电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111598677A true CN111598677A (zh) | 2020-08-28 |
Family
ID=72186746
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010725685.1A Pending CN111598677A (zh) | 2020-07-24 | 2020-07-24 | 一种资源配额确定方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111598677A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112950003A (zh) * | 2021-02-07 | 2021-06-11 | 北京淇瑀信息科技有限公司 | 用户资源配额调整方法、装置及电子设备 |
| CN113570204A (zh) * | 2021-07-06 | 2021-10-29 | 北京淇瑀信息科技有限公司 | 用户行为预测方法、***和计算机设备 |
| CN113570114A (zh) * | 2021-07-02 | 2021-10-29 | 上海淇玥信息技术有限公司 | 一种资源服务智能匹配方法、***和计算机设备 |
| CN113590310A (zh) * | 2021-07-02 | 2021-11-02 | 上海淇玥信息技术有限公司 | 基于规则触碰率评分的资源分配方法、装置及电子设备 |
| CN113902263A (zh) * | 2021-09-17 | 2022-01-07 | 作业帮教育科技（北京）有限公司 | 资源自动分配方法和装置、电子设备和计算机可读介质 |
| CN114327890A (zh) * | 2021-12-27 | 2022-04-12 | 杭州谐云科技有限公司 | 一种多指标融合的容器配额推荐方法和*** |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105808762A (zh) * | 2016-03-18 | 2016-07-27 | 北京百度网讯科技有限公司 | 资源排序方法和装置 |
| WO2016169427A1 (zh) * | 2015-04-21 | 2016-10-27 | 腾讯科技（深圳）有限公司 | 广告点击率矫正方法及广告投放服务器 |
| CN107292654A (zh) * | 2016-04-13 | 2017-10-24 | 北京京东尚科信息技术有限公司 | 用于调整针对用户的消息推送的资源投入的方法和装置 |
| CN107529654A (zh) * | 2017-08-08 | 2018-01-02 | 电子科技大学 | 一种面向展示广告竞价投放***的动态出价方法 |
| CN107895213A (zh) * | 2017-12-05 | 2018-04-10 | 北京三快在线科技有限公司 | 消费额度的预测方法、装置及电子设备 |
| CN108615191A (zh) * | 2018-05-03 | 2018-10-02 | 湖南大学 | 一种信用额度智能评估方法 |
| CN109711887A (zh) * | 2018-12-28 | 2019-05-03 | 拉扎斯网络科技（上海）有限公司 | 商城推荐列表的生成方法、装置、电子设备及计算机介质 |
| CN110544155A (zh) * | 2019-09-02 | 2019-12-06 | 中诚信征信有限公司 | 用户信用评分的获取方法、获取装置、服务器及存储介质 |
| CN110555704A (zh) * | 2019-07-31 | 2019-12-10 | 阿里巴巴集团控股有限公司 | 基于信用担保的信用合约处理方法以及装置 |
| CN110569427A (zh) * | 2019-08-07 | 2019-12-13 | 智者四海（北京）技术有限公司 | 一种多目标排序模型训练、用户行为预测方法及装置 |
-
2020
- 2020-07-24 CN CN202010725685.1A patent/CN111598677A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016169427A1 (zh) * | 2015-04-21 | 2016-10-27 | 腾讯科技（深圳）有限公司 | 广告点击率矫正方法及广告投放服务器 |
| CN105808762A (zh) * | 2016-03-18 | 2016-07-27 | 北京百度网讯科技有限公司 | 资源排序方法和装置 |
| CN107292654A (zh) * | 2016-04-13 | 2017-10-24 | 北京京东尚科信息技术有限公司 | 用于调整针对用户的消息推送的资源投入的方法和装置 |
| CN107529654A (zh) * | 2017-08-08 | 2018-01-02 | 电子科技大学 | 一种面向展示广告竞价投放***的动态出价方法 |
| CN107895213A (zh) * | 2017-12-05 | 2018-04-10 | 北京三快在线科技有限公司 | 消费额度的预测方法、装置及电子设备 |
| CN108615191A (zh) * | 2018-05-03 | 2018-10-02 | 湖南大学 | 一种信用额度智能评估方法 |
| CN109711887A (zh) * | 2018-12-28 | 2019-05-03 | 拉扎斯网络科技（上海）有限公司 | 商城推荐列表的生成方法、装置、电子设备及计算机介质 |
| CN110555704A (zh) * | 2019-07-31 | 2019-12-10 | 阿里巴巴集团控股有限公司 | 基于信用担保的信用合约处理方法以及装置 |
| CN110569427A (zh) * | 2019-08-07 | 2019-12-13 | 智者四海（北京）技术有限公司 | 一种多目标排序模型训练、用户行为预测方法及装置 |
| CN110544155A (zh) * | 2019-09-02 | 2019-12-06 | 中诚信征信有限公司 | 用户信用评分的获取方法、获取装置、服务器及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| EARENDIL: "CTR校准", 《HTTPS://WWW.CNBLOGS.COM/EARENDIL/P/9675393.HTML》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112950003A (zh) * | 2021-02-07 | 2021-06-11 | 北京淇瑀信息科技有限公司 | 用户资源配额调整方法、装置及电子设备 |
| CN113570114A (zh) * | 2021-07-02 | 2021-10-29 | 上海淇玥信息技术有限公司 | 一种资源服务智能匹配方法、***和计算机设备 |
| CN113590310A (zh) * | 2021-07-02 | 2021-11-02 | 上海淇玥信息技术有限公司 | 基于规则触碰率评分的资源分配方法、装置及电子设备 |
| CN113570114B (zh) * | 2021-07-02 | 2024-05-21 | 上海淇玥信息技术有限公司 | 一种资源服务智能匹配方法、***和计算机设备 |
| CN113570204A (zh) * | 2021-07-06 | 2021-10-29 | 北京淇瑀信息科技有限公司 | 用户行为预测方法、***和计算机设备 |
| CN113902263A (zh) * | 2021-09-17 | 2022-01-07 | 作业帮教育科技（北京）有限公司 | 资源自动分配方法和装置、电子设备和计算机可读介质 |
| CN114327890A (zh) * | 2021-12-27 | 2022-04-12 | 杭州谐云科技有限公司 | 一种多指标融合的容器配额推荐方法和*** |
| CN114327890B (zh) * | 2021-12-27 | 2023-08-25 | 杭州谐云科技有限公司 | 一种多指标融合的容器配额推荐方法和*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111598677A (zh) | 一种资源配额确定方法、装置和电子设备 | |
| Chen et al. | Nonparametric inference of value-at-risk for dependent financial returns | |
| Beck et al. | The determinants of financing obstacles | |
| Bobde et al. | Efficiency evaluation of electricity distribution utilities in India: A two-stage DEA with bootstrap estimation | |
| CN112016796B (zh) | 综合风险评分请求处理方法、装置及电子设备 | |
| US10956674B2 (en) | Creating cost models using standard templates and key-value pair differential analysis | |
| CN112017042A (zh) | 基于tweedie分布的资源配额确定方法、装置和电子设备 | |
| US11321654B2 (en) | Skew-mitigated evolving prediction model | |
| US11501239B2 (en) | Metric specific machine learning model improvement through metric specific outlier removal | |
| US20220156572A1 (en) | Data partitioning with neural network | |
| CN107886241A (zh) | 资源分析方法、装置、介质和电子设备 | |
| US20220058590A1 (en) | Equipment maintenance in geo-distributed equipment | |
| Bodas-Sagi et al. | A parallel evolutionary algorithm for technical market indicators optimization | |
| Foladi et al. | Inverse dynamic data envelopment analysis for evaluating faculties of university with Quasi-Fixed Inputs | |
| CN111179055A (zh) | 授信额度调整方法、装置和电子设备 | |
| CN110689425A (zh) | 基于收益进行额度定价的方法、装置和电子设备 | |
| Fragiadakis et al. | Cloud services cost comparison: a clustering analysis framework | |
| Jin et al. | Intermediate data fault-tolerant method of cloud computing accounting service platform supporting cost-benefit analysis | |
| US20210027319A1 (en) | Method and system for collecting and analyzing data to generate performance forecasts for assets | |
| CN112016797B (zh) | 基于knn的资源配额调整方法、装置和电子设备 | |
| Teymourifar | Simulation-based optimization for resectorization in healthcare systems | |
| CN112488865A (zh) | 基于金融时间节点的金融风险预测方法、装置和电子设备 | |
| CN111626528A (zh) | 一种基于贝塞尔曲线的资源配额确定方法、装置和电子设备 | |
| CN114077962A (zh) | 基于用户标签的资源配额重新确定方法、装置和计算机设备 | |
| US20230214764A1 (en) | Supply chain demand uncensoring |
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 |