资源数据处理方法、装置、计算机设备和可读存储介质与流程

本技术涉及数据处理，特别是涉及一种资源数据处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

背景技术：

1、随着数据处理技术的发展，在向目标用户推荐目标产品的时候，会向用户提供虚拟资源，以提高资源利用率。因此，需要通过资源数据处理方法来确定虚拟资源的目标资源数据。

2、目前的资源数据处理方法，通过实验的方法，在每一时间周期内设定不同的资源数据，从而得到每一资源数据的反馈结果。然后，人工基于经验和各反馈结果确定目标资源数据。

3、但是，目前的资源数据处理方法，是人工根据经验来确定目标资源数据，主观因素较大。因此，目前的资源数据处理方法的准确性较低。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种资源数据处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种资源数据处理方法，包括：

3、响应于目标用户的推荐请求，在指标数据集中确定所述目标用户所在目标用户组对应的目标指标数据集；所述目标指标数据集中包含第一评价指标、第二评价指标和第三评价指标；

4、基于所述第一评价指标和所述目标用户组的属性信息构建目标函数，并基于所述第二评价指标和所述第三评价指标构建约束条件；

5、根据所述目标函数和所述约束条件构建所述目标用户组的资源分配模型，并根据所述资源分配模型确定所述目标用户的目标资源数据；所述目标资源数据用于向所述目标用户推荐目标产品。

6、在其中一个实施例中，所述响应于目标用户的推荐请求，在指标数据集中确定所述目标用户所在目标用户组对应的目标指标数据集之前，所述方法包括：

7、根据各用户的用户属性，对各所述用户进行分组，得到各用户组；

8、获取每一所述用户组对应的历史指标数据集；

9、根据神经网络对每一历史指标数据集进行预测处理，得到指标数据集；所述指标数据集用于确定目标指标数据集。

10、在其中一个实施例中，所述在指标数据集中确定所述目标用户所在目标用户组对应的目标指标数据集，包括：

11、若所述目标用户为新用户，确定所述目标用户所在目标用户组；

12、根据指标数据集和用户组的对应关系，在各所述指标数据集中确定所述目标用户组对应的目标指标数据集。

13、在其中一个实施例中，所述约束条件包括第一约束条件和第二约束条件，所述属性信息包含各资源数据和所述目标用户组的用户数量，所述基于所述第一评价指标和所述目标用户组的属性信息构建目标函数，并基于所述第二评价指标和所述第三评价指标构建约束条件，包括：

14、以第一评价指标最大化为目标，根据用户总量、所述用户数量、所述第一评价指标和各所述资源数据，构建目标函数；

15、根据所述用户总量、所述用户数量、预设的第二评价指标阈值、所述第二评价指标和各所述资源数据，构建所述第一约束条件；

16、根据第三评价指标和各所述资源数据，构建所述第二约束条件。

17、在其中一个实施例中，所述根据所述目标函数和所述约束条件构建所述目标用户组的资源分配模型，并根据所述资源分配模型确定所述目标用户的目标资源数据，包括：

18、根据所述目标用户组的目标函数和所述目标用户组的约束条件，构建所述目标用户组的资源分配模型；

19、判断所述目标用户是否为新用户，得到判断结果；

20、根据所述目标用户组的资源分配模型和所述判断结果确定所述目标用户的目标资源数据。

21、在其中一个实施例中，所述根据所述目标用户组的资源分配模型和所述判断结果确定所述目标用户的目标资源数据，包括：

22、若所述判断结果为所述目标用户为新用户，实时对所述目标用户组的资源分配模型进行数据处理，得到所述目标用户的目标资源数据；

23、若所述判断结果为所述目标用户不是新用户，按照预设的时间点和求解器对所述目标用户组的资源分配模型进行数据处理，得到所述目标用户的目标资源数据。

24、在其中一个实施例中，所述实时对所述目标用户组的资源分配模型进行数据处理，得到所述目标用户的目标资源数据，包括：

25、根据拉格朗日松弛函数实时对所述目标用户组的资源分配模型进行模型转换，得到转换后的所述目标函数和拉格朗日乘数系数；

26、根据转换后的所述目标函数和所述拉格朗日乘数系数确定预设的各资源数据对应的第一评价指标数值；

27、在各所述第一评价指标数值中确定最大第一评价指标数值对应的资源数据为所述目标用户的目标资源数据。

28、第二方面，本技术还提供了一种资源数据处理装置，包括：

29、第一确定模块，用于响应于目标用户的推荐请求，在指标数据集中确定所述目标用户所在目标用户组对应的目标指标数据集；所述目标指标数据集中包含第一评价指标、第二评价指标和第三评价指标；

30、构建模块，用于基于所述第一评价指标和所述目标用户组的属性信息构建目标函数，并基于所述第二评价指标和所述第三评价指标构建约束条件；

31、第二确定模块，用于根据所述目标函数和所述约束条件构建所述目标用户组的资源分配模型，并根据所述资源分配模型确定所述目标用户的目标资源数据；所述目标资源数据用于向所述目标用户推荐目标产品。

32、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

33、响应于目标用户的推荐请求，在指标数据集中确定所述目标用户所在目标用户组对应的目标指标数据集；所述目标指标数据集中包含第一评价指标、第二评价指标和第三评价指标；

34、基于所述第一评价指标和所述目标用户组的属性信息构建目标函数，并基于所述第二评价指标和所述第三评价指标构建约束条件；

35、根据所述目标函数和所述约束条件构建所述目标用户组的资源分配模型，并根据所述资源分配模型确定所述目标用户的目标资源数据；所述目标资源数据用于向所述目标用户推荐目标产品。

36、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

37、响应于目标用户的推荐请求，在指标数据集中确定所述目标用户所在目标用户组对应的目标指标数据集；所述目标指标数据集中包含第一评价指标、第二评价指标和第三评价指标；

38、基于所述第一评价指标和所述目标用户组的属性信息构建目标函数，并基于所述第二评价指标和所述第三评价指标构建约束条件；

39、根据所述目标函数和所述约束条件构建所述目标用户组的资源分配模型，并根据所述资源分配模型确定所述目标用户的目标资源数据；所述目标资源数据用于向所述目标用户推荐目标产品。

40、第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

41、响应于目标用户的推荐请求，在指标数据集中确定所述目标用户所在目标用户组对应的目标指标数据集；所述目标指标数据集中包含第一评价指标、第二评价指标和第三评价指标；

42、基于所述第一评价指标和所述目标用户组的属性信息构建目标函数，并基于所述第二评价指标和所述第三评价指标构建约束条件；

43、根据所述目标函数和所述约束条件构建所述目标用户组的资源分配模型，并根据所述资源分配模型确定所述目标用户的目标资源数据；所述目标资源数据用于向所述目标用户推荐目标产品。

44、上述资源数据处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，响应于目标用户的推荐请求，在指标数据集中确定所述目标用户所在目标用户组对应的目标指标数据集；所述目标指标数据集中包含第一评价指标、第二评价指标和第三评价指标；基于所述第一评价指标和所述目标用户组的属性信息构建目标函数，并基于所述第二评价指标和所述第三评价指标构建约束条件；根据所述目标函数和所述约束条件构建所述目标用户组的资源分配模型，并根据所述资源分配模型确定所述目标用户的目标资源数据；所述目标资源数据用于向所述目标用户推荐目标产品。采用本方法，通过确定目标用户所在目标用户组的目标指标数据集，并基于目标用户组的属性信息和目标指标数据集中的各评价指标构建资源分配模型，得到了资源数据和各客观的评价指标之间的关系，减少了主观因素，避免了人为参与。然后，基于资源分配模型确定目标资源数据，实现了自动化确定目标资源数据，提高了资源数据处理方法的准确性。