[发明专利]一种资源分配方法、装置、计算机设备、存储介质及产品

权利要求书

1.一种资源分配方法，其特征在于，包括：

获取目标对象的属性信息；其中，所述属性信息是描述目标对象属性特征的数据信息；

获取预置的资源分配模型，根据所述资源分配模型对所述属性信息进行处理得到资源分配信息；其中，所述资源分配模型是用于对目标对象的属性信息进行处理，得到资源的分配信息的神经网络模型；所述资源分配信息是基于所述目标对象的属性特征，对所述目标对象分配的资源信息。

2.根据权利要求1所述的资源分配方法，其特征在于，所述资源分配模型的创建方法包括：

获取历史属性信息和历史分配信息；其中，所述历史属性信息是描述分配对象属性特征的数据信息；所述历史分配信息是历史上基于所述属性特征对所述分配对象分配的资源信息；

根据所述历史属性信息和历史分配信息生成训练集合；其中，所述训练集合中具有多个样本信息；

通过所述训练集合对预置的初始模型进行训练以得到所述资源分配模型；其中，所述初始模型是未经训练的神经网络模型。

3.根据权利要求2所述的资源分配方法，其特征在于，所述根据所述历史属性信息和历史分配信息生成训练集合，包括：

汇总一个对象信息对应的历史属性信息和历史分配信息得到样本信息，及汇总多个对象信息的样本信息得到样本集合；其中，所述对象信息是分配对象的唯一性标识；

按照预置的划分比例信息将所述样本集合划分成训练组、测试组和验证组；

汇总所述训练组、所述测试组和所述验证组得到所述训练集合。

4.根据权利要求2所述的资源分配方法，其特征在于，所述通过所述训练集合对预置的初始模型进行训练以得到所述资源分配模型，包括：

提取所述训练集合中的训练组、测试组和验证组；

通过所述训练组对所述初始模型进行训练得到待验证模型；

通过所述验证组对所述待验证模型进行验证处理；若所述待验证模型通过所述验证处理，则将所述待验证模型设为待测试模型；若所述待验证模型未通过所述验证处理，则将所述待验证模型设为验证失败模型；

通过所述测试组对所述待测试模型进行测试处理；若所述待测试模型通过所述测试处理，则将所述待测试模型设为所述资源分配模型；若所述待测试模型未通过所述测试处理，则将所述待测试模型设为测试失败模型。

5.根据权利要求4所述的资源分配方法，其特征在于，所述通过所述训练组对所述初始模型进行训练得到待验证模型，包括：

提取所述训练组中样本信息的历史属性信息，将所述历史属性信息录入所述初始模型的输入层，使所述历史属性信息在所述输入层中转为历史属性向量，及将所述输入层中的历史属性向量输出至所述初始模型的隐藏层；

将所述历史属性向量载入所述隐藏层中的第一权值函数中，运算所述第一权值函数得到第一输出值，及调用预置的激活函数对所述第一输出值进行计算得到激活值；

将所述激活值载入所述隐藏层中的第二权重函数中，运算所述第二权重函数得到第二输出值，及调用所述激活函数对所述第二输出值进行计算得到预测值；

根据所述预测值和所述样本信息的历史分配信息得到第一误差信息，根据所述第一误差信息对所述隐藏层中第一权值函数和/或第二权值函数中的权重值，用以对所述初始模型进行迭代处理得到待测试模型；其中，所述待测试模型是能够根据所述样本信息生成的第一误差信息处于预置的训练误差范围的神经网络模型；其中，所述第一误差信息用于表征所述预测值和所述历史分配信息之间的差异。