[发明专利]资源分配方法与装置

权利要求书

1.一种资源分配方法，包括：

预测分别为目标对象集合中各目标对象分配不同量的资源时的收益率；

根据预测出的收益率和资源分配方法，确定分别为各目标对象分配不同量的资源时，单位资源对应的收益率回报；

在预设的可分配资源总量的限制条件下，根据分别为各目标对象分配不同量的资源时的单位资源对应的收益率回报，确定目标对象集合中各目标对象对应的资源分配量，

其中，在确定了为各目标对象分配不同的资源时的单位资源对应的收益率回报后，对各目标对象的非优资源分配量进行过滤，非优资源分配量是指资源量和单位资源对应的收益率回报均小于某一资源分配量的资源分配量，将保留的所述目标对象的资源分配量和单位资源对应的收益率回报，转换为所述目标对象的边际收益和对应的边际成本，所述目标对象在保留的某一资源分配量下的边际收益用于表征针对所述目标对象分配该资源分配量相比于针对所述目标对象分配保留的资源分配量中按照资源量由小到大的排列顺序与该资源分配量相邻且位于该资源分配量之前的资源分配量的单位收益，所述边际成本用于表征所述资源分配量，

确定目标对象集合中各目标对象对应的资源分配量的步骤包括：将所有目标对象的边际收益按照由大到小的顺序遍历，按照边际成本累积到恰好小于预设的可分配资源总量的位置即可得到目标对象集合中各目标对象对应的资源分配量。

2.如权利要求1所述的方法，其中，所述预测分别为目标对象集合中各目标对象分配不同量的资源时的收益率包括如下中的任一种：

使用经训练的模型预测分别为目标对象集合中各目标对象分配不同量的资源时的收益率；

基于规则预测分别为目标对象集合中各目标对象分配不同量的资源时的收益率；

基于蒙特卡洛模拟预测分别为目标对象集合中各目标对象分配不同量的资源时的收益率；

基于贝叶斯算法预测分别为目标对象集合中各目标对象分配不同量的资源时的收益率。

3.如权利要求1所述的方法，其中，当使用经训练的模型预测分别为目标对象集合中各目标对象分配不同量的资源时的收益率时，该方法在使用经训练的模型之前，还包括以下训练模型的步骤：

获取关于资源分配的历史数据记录集合；

对于所述历史数据记录集合中的各数据记录进行特征抽取处理，得到训练样本集合；

基于所述训练样本集合训练所述模型。

4.如权利要求3所述的方法，其中，该方法还包括：

如果一条历史数据记录表示为特定目标对象分配指定数量资源后有收益产生或达到预期收益，构造为该特定目标对象分配比所述指定数量资源更多的资源后有收益产生的正训练样本添加到所述训练样本集合中；

和/或，

如果一条历史数据记录表示为特定目标对象分配指定数量资源后无收益产生或未达到预期收益，构造为该特定目标对象分配比所述指定数量资源更少的资源后无收益产生的负训练样本添加到所述训练样本集合中。

5.如权利要求3所述的方法，其中，该方法还包括：

获取关于资源分配的第二历史数据记录集合，所述第二历史数据记录集合是经所述经训练的模型预测后的多个预测样本的实际业务反馈数据集合；

基于所述第二历史数据记录集合对使用经训练的模型预测的收益率进行修正，以得到经修正的预测出的收益率用于所述收益率回报的确定。

6.如权利要求5所述的方法，其中，基于所述第二历史数据记录集合对使用经训练的模型预测的收益率进行修正包括：

按照所述经训练的模型针对多个预测样本进行预测得到的收益率的大小顺序，构造第一有序集合，所述第一有序集合包括多个第一元素，每个所述第一元素包括所述经训练的模型针对一个预测样本的预测收益率值和该预测样本的实际业务反馈分值；

根据所述第一有序集合中某一预测收益率附近预定数量个第一元素中的实际业务反馈分值，计算所述预测的收益率的修正值，所述修正值与所述预定数量个第一元素中的实际业务反馈分值之和相关，以及与所述预定数量相关；

根据计算得到的修正值对所述预测的收益率进行修正。