[发明专利]资源分配方法、装置及存储介质

权利要求书

1.一种资源分配方法，适用于电子装置，其特征在于，该方法包括：

接收步骤，接收用户通过客户端发出的资源配置请求，所述资源配置请求包括：指定标的及与所述指定标的对应的预设类型数据；

第一分类步骤，根据所述预设类型数据及第一预设分类规则对所述用户进行分类，确定所述用户对应的第一标签，基于预设的第一标签与第二标签的映射数据，确定所述用户对应的第二标签；

第二分类步骤，根据所述用户对应的第二标签、所述预设类型数据及第二预设分类规则对所述用户进行二次分类，确定所述用户的第三标签；

筛选步骤，获取预设时间内与所述指定标的对应的历史资源分配记录，从所述历史资源分配记录中筛选出与所述用户的第二标签及所述第三标签匹配的第一资源分配记录，根据所述第一资源分配记录确定待分配资源；及

分配步骤，根据所述第一资源分配记录计算所述待分配资源的分配概率，选择分配概率排序靠前的待分配资源作为目标分配资源，并将所述目标分配资源分配至所述用户；

其中，所述预设的第一标签与第二标签的映射数据通过以下步骤确定：

获取指定历史客户的客户数据，对所述指定历史客户进行客群分类，确定所述指定历史客户对应的第一标签；

按照客群的粒度，接收指定历史客户针对指定产品反馈的价格点；

基于所述反馈的价格点，分别求各预设单位价格区间对应的各价格类型百分比，以所属百分比作价格需求弹性曲线；

基于不同价格类型对应的需求弹性曲线的交点，分别确定所述客群对应的所述指定产品的合适价格区间；及

根据预设的价格区间与第二标签的映射数据，确定各第一标签对应的第二标签，生成所述第一标签与第二标签的映射数据。

2.根据权利要求1所述的资源分配方法，其特征在于，所述第一预设分类规则包括：

从所述预设类型数据中筛选出第一特征数据，将所述第一特征数据分为定量特征数据和定性特征数据；

根据预设分析规则将所述定量特征数据转换为定性特征数据，基于所述第一特征数据对应的所有定性特征数据生成所述用户的属性特征组合；及

将所述用户的属性特征组合输入预先训练好的分析模型中进行分析，根据分析结果确定所述用户对应的第一标签。

3.根据权利要求2所述的资源分配方法，其特征在于，所述预设分析规则包括：

根据预先确定的定量特征数据类型、数据区间、定性特征数据之间的映射关系，分别确定用户的各个类型定量特征数据对应的数据区间和定性特征数据；及

分别将所述用户的不同类型的定性特征数据作为多元数据组的不同数据元，组成对应的属性特征组合。

4.根据权利要求1所述的资源分配方法，其特征在于，第二分类规则包括：

根据所述预设类型数据及所述第二标签确定所述用户的第二特征数据；

从预设存储路径中获取与预先确定的K个聚类中心、所述K个聚类中心对应的第二特征数据及第三标签；

分别计算所述用户的第二特征数据与所属K个聚类中心对应的第二特征数据的距离；及

选择距离最小值对应的聚类中心所对应的第三标签作为所述用户的第三标签。

5.根据权利要求4所述的资源分配方法，其特征在于，所述预先确定的K个聚类中心的分析步骤包括：

a1.获取指定历史客户的第二特征数据，将每个历史客户的第二特征数据作为一个样本，生成样本集；

a2.从所述样本集中随机选择一个样本作为第t个初始聚类中心；

a3.分别计算所述样本集中每个样本X与最近的初始聚类中心的距离D(x)，计算所述样本的距离之和Sum(D(x))；

a4.取落在所述距离之和Sum(D(x))中的随机值Random，利用Random -= D(x)，直到减等结果=0，此时的样本即为第t+1个初始聚类中心；

a5.重复执行步骤a3及步骤a4，选出所述样本集中的K个初始聚类中心；及

a6.分别计算所述样本集中所有样本与所述K个初始聚类中心的距离，将所有样本依次划分至距离最近的初始聚类中心对应的类，并重新计算K个初始聚类中心对应的类对应的聚类中心，得到所述K个聚类中心。