[发明专利]一种行为引导资源投放策略生成方法及装置

说明书

本申请提供了一种行为引导资源投放策略生成方法及装置，首先，获取多个历史异常事件的历史事件信息；其次，针对每个所述历史事件信息，确定所述第一状态信息对应的第一状态特征、所述第二状态信息对应的第二状态特征、历史资源投放特征以及历史资源投放效果特征；然后，基于每个历史事件信息对应的所述第一状态特征、所述第二状态特征、所述历史资源投放特征及所述历史资源投放效果特征，训练投放策略生成模型；所述训练好的投放策略生成模型，用于生成针对所述目标用户的投放行为引导资源的目标投放策略。与现有技术中相比，能够根据用户当前的状态信息生成投放策略，进而实现精确定位用户所需的行为引导资源，投放精度高。

技术领域

本申请涉及计算机技术领域，尤其是涉及一种行为引导资源投放策略生成方法及装置。

背景技术

在许多生活与工作场景中，人们由于缺少必要的信息，会做出一些异常行为，进而形成异常事件，这些异常事件通常会影响工作的效率，严重时，甚至会威胁到财产或人身安全。在这时，可以通过向这些人们投放一些行为引导资源，来降低接到行为引导资源的人做出异常行为的概率，从而降低出现异常事件的概率。然而不同的人对于行为引导资源的反映效果不同，所适合的行为引导资源也不同，如何制定行为引导资源的投放策略是一个亟待解决的技术问题。

目前，通常采用针对不同种类的人群所需的行为引导资源，统一进行行为引导资源投放的策略，但是，这种策略无法准确投放单个用户所需要的行为引导资源，投放精度较低。

发明内容

有鉴于此，本申请的目的在于提供一种行为引导资源投放策略生成方法及装置，能够精确定位用户所需的行为引导资源，投放精度高。

根据本申请的一个方面，提供一种电子设备，可以包括一个或多个存储介质、一个或多个与存储介质通信的处理器和总线。一个或多个存储介质存储有处理器可执行的机器可读指令。当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行所述机器可读指令，可以执行一个或多个以下操作：

获取多个历史异常事件的历史事件信息，其中，所述历史事件信息中包括发生异常行为的历史用户在发生异常行为时的第一状态信息和接收到行为引导资源预设时间段之后的第二状态信息，以及所述历史用户对应的历史资源投放信息；

针对每个所述历史事件信息，确定所述第一状态信息对应的第一状态特征、所述第二状态信息对应的第二状态特征、历史资源投放特征以及历史资源投放效果特征；

基于每个历史事件信息对应的所述第一状态特征、所述第二状态特征、所述历史资源投放特征及所述历史资源投放效果特征，训练投放策略生成模型；

所述训练好的投放策略生成模型，用于基于目标用户的第一目标状态信息，生成针对所述目标用户的投放行为引导资源的目标投放策略。

在本申请的一些实施例中，处理器执行所述机器可读指令时，可以执行一个或多个以下操作：

利用每个历史事件信息对应的所述第一状态特征、所述第二状态特征、所述历史资源投放特征及所述历史资源投放效果特征，对预先构建好的深度增强学习模型进行训练，得到使所述深度增强学习模型输出的行为引导资源的投放策略对应的行为变化期望最大的第一模型参数；

利用所述第一模型参数及所述深度增强学习模型，以及至少一个测试用户的第一测试状态信息，生成针对所述测试用户的投放行为引导资源的测试投放策略；

根据所述测试投放策略，对所述至少一个测试用户进行行为引导资源的测试投放，并确定测试投放的预设时间段之后，所述测试用户的第二测试状态信息；

根据所述第一测试状态信息、第二测试状态信息，以及预设的反向传播代价函数，对所述深度增强学习模型的参数进行更新，得到第二模型参数；

将参数为所述第二模型参数的深度增强学习模型作为训练好的投放策略生成模型。