技术摘要：
本说明书实施例提供一种权益份额的确定方法，该方法包括：先确定出需对第一用户进行第i次权益发放，其中第一用户属于特定服务的目标用户；接着，获取与该第i次权益发放对应的多个可选权益份额，其均小于权益份额序列中的第i个权益份额上限，其中权益份额序列包括针对上  全部
背景技术：
随着社会的发展，涌现越来越多的服务平台向用户提供各式各样的服务，以满足 用户生活、工作中的多种需求。服务平台为了帮助用户找到符合其需求的服务，会选择采用 向用户发放权益的方式，吸引用户体验其平台推出的某项或某几项服务。通常情况下，服务 平台向用户发放权益的权益总额是有限的，这就需要根据权益总额确定向单个用户发放的 权益份额。一般来说，向某个用户发放的权益份额越高，则该某个用户体验对应服务的可能 性越大，但是，若向单个用户发放的权益份额偏高，将导致被发放用户的总数偏少，也就是 只有少部分用户可能享受到服务平台发放的权益，若向单个用户发放的权益份额偏低，将 导致一些权益份额的浪费。因此，精准确定向单个用户发放的权益份额十分重要。 然而，目前确定上述权益份额的方式较为单一，难以满足实际应用需求。因此，需 要一种方案，可以合理、有效地确定出向单个用户发放的权益份额，以尽可能迎合多数用户 的心理期望，从而提高用户体验。
技术实现要素：
在本说明书实施例描述的权益份额的确定方法中，在利用机器学习模型预测出用 户对权益份额敏感度的同时，通过引入权益份额序列，对向用户发放权益份额的次数予以 考虑，从而精准确定出本次（或称当前次）向用户发放的权益份额，实现让尽可能多的用户 享受到有限的权益总额，从而尽可能提高多数用户的用户体验。 根据第一方面，提供一种权益份额的确定方法，包括：确定出需对第一用户进行第 i次权益发放，所述第一用户属于特定服务的目标用户；获取与所述第i次权益发放对应的 多个可选权益份额，其均小于权益份额序列中的第i个权益份额上限，其中权益份额序列包 括针对所述目标用户设定的K个权益份额上限；其中，i≤K，K＞1；针对所述多个可选权益份 额中任意的第一可选权益份额，将该第一可选权益份额和获取到的所述第一用户的用户特 征，输入预先训练的概率预测模型中，得到第一预测概率，指示所述第一用户在被发放该第 一可选权益份额后，使用所述特定服务的可能性；基于得到的对应于所述多个可选权益份 额的多个预测概率，确定所述第i次权益发放中需发放的第一权益份额。 在一个实施例中，所述特定服务属于以下中的任一种：登录服务、浏览服务、支付 服务。 在一个实施例中，确定出需对所述第一用户进行第i次权益发放，包括：接收所述 第一用户发起的服务请求，其指示请求使用所述特定服务；基于所述服务请求，查询出已向 所述第一用户发放m次权益；在所述m小于K的情况下，判定需对所述第一用户进行第m 1次 权益发放；其中i=  m 1。 7 CN 111598632 A 说　明　书 2/13 页 在一个具体的实施例中，所述特定服务是支付服务；在确定所述第i次权益发放中 需发放的第一权益份额之后，所述方法还包括：获取所述服务请求对应的原始待支付金额； 从所述原始待支付金额中减免所述第一权益份额对应的金额；基于减免后的待支付金额， 完成对所述服务请求的处理。 在一个具体的实施例中，在确定所述第i次权益发放中需发放的所述第一权益份 额之后，所述方法还包括：向所述第一用户反馈针对所述服务请求的处理成功通知；向所述 第一用户发放所述第一权益份额。 在一个实施例中，获取与所述第i次权益发放对应的多个可选权益份额，包括：确 定所述权益份额序列中的第i个权益份额上限；基于所述第i个权益份额上限，确定所述多 个可选权益份额。 在一个实施例中，在确定出需对所述第一用户进行第i次权益发放，以及，在将该 第一可选权益份额和获取到的所述第一用户的用户特征，输入预先训练的概率预测模型中 之前，所述方法还包括：获取所述第一用户的用户特征。 在一个实施例中，所述用户特征包括所述用户基础信息和/或针对所述特定服务 的历史使用信息；所述用户基础信息包括以下中的至少一项：性别、年龄、职业、地址、兴趣 爱好，所述历史使用信息包括以下中的至少一项：使用地点、使用次数、使用时长、使用时间 段。 在一个实施例中，基于得到的对应于所述多个可选权益份额的多个预测概率，确 定所述第i次权益发放中需发放的所述第一权益份额，包括：基于所述多个预测概率和所述 多个可选权益份额，绘制对应的概率-份额曲线图；基于所述概率-份额曲线图，以及预设的 份额选取规则，确定出小于所述第i个权益份额上限的某个权益份额，作为所述第一权益份 额。 在一个实施例中，基于得到的对应于所述多个可选权益份额的多个预测概率，确 定所述第i次权益发放中需发放的所述第一权益份额，包括：确定所述多个预测概率中大于 预定阈值的若干预测概率；从所述若干预测概率所对应的若干可选权益份额中，选取最小 份额作为所述第一权益份额。 根据第二方面，提供一种权益份额序列的确定方法，包括：获取针对特定服务采集 的历史服务数据，其由N组测试用户参与生成，该N组测试用户对应预设的N个候选份额序 列，其中各个候选份额序列中包括对应的K个权益份额上限。其中历史服务数据包括向任意 的第一测试用户发放的第一权益份额，所述第一权益份额基于以下步骤而确定：确定出需 对所述第一测试用户进行第i次权益发放，所述第一测试用户属于第j组测试用户；获取与 所述第i次权益发放对应的多个可选权益份额，其均小于第j个候选份额序列中的第i个权 益份额上限；其中，i≤K，j≤N，N、K＞1；针对所述多个可选权益份额中任意的第一可选权益 份额，将该第一可选权益份额和获取到的所述第一测试用户的用户特征，输入预先训练的 概率预测模型中，得到第一预测概率，指示所述第一测试用户在被发放该第一可选权益份 额后，使用所述特定服务的可能性；基于得到的对应于所述多个可选权益份额的多个预测 概率，确定所述第i次权益发放中需发放的所述第一权益份额。基于所述历史服务数据，确 定与所述N个候选份额序列对应的N组指标值，其中各组指标值均对应针对所述特定服务设 定的若干评估指标。根据所述N组指标值，从所述N个权益份额序列中确定出目标份额序列， 8 CN 111598632 A 说　明　书 3/13 页 用于确定向任意的目标用户发放的权益份额。 在一个实施例中，获取与所述第i次权益发放对应的多个可选权益份额，包括：从 所述N个候选份额序列中确定第j个候选份额序列，其对应于所述第j组测试用户；确定所述 第j个候选份额序列中的第i个权益份额上限；基于所述第i个权益份额上限，确定所述多个 可选权益份额。 在一个实施例中，所述若干评估指标中包括以下中的至少一个：人均使用所述特 定服务的次数、使用所述特定服务的日均次数、使用所述特定服务的日均用户数、组内用户 使用所述特定服务的总次数。 在一个实施例中，所述若干评估指标中包括以下中的至少一个：人均单次发放权 益份额、人均发放权益总额、组内用户对应的发放权益总额。 在一个实施例中，根据所述N组指标值，从所述N个权益份额序列中确定出目标份 额序列，包括：基于预设的打分规则，根据所述N组指标值对所述N个权益份额序列进行评 分，得到N个分数；确定所述N个分数中的最高分所对应的权益份额序列，作为所述目标份额 序列。 根据第三方面，提供一种权益份额的确定装置，包括：发放确定单元，配置为确定 出需对第一用户进行第i次权益发放，所述第一用户属于特定服务的目标用户；可选份额获 取单元，配置为获取与所述第i次权益发放对应的多个可选权益份额，其均小于权益份额序 列中的第i个权益份额上限，其中权益份额序列包括针对所述目标用户设定的K个权益份额 上限；其中，i≤K，K＞1；概率预测单元，配置为针对所述多个可选权益份额中任意的第一可 选权益份额，将该第一可选权益份额和获取到的所述第一用户的用户特征，输入预先训练 的概率预测模型中，得到第一预测概率，指示所述第一用户在被发放该第一可选权益份额 后，使用所述特定服务的可能性；权益份额确定单元，配置为基于得到的对应于所述多个可 选权益份额的多个预测概率，确定所述第i次权益发放中需发放的第一权益份额。 根据第四方面，提供一种权益份额序列的确定装置，包括：数据获取单元，配置为 获取针对特定服务采集的历史服务数据，其由N组测试用户参与生成，该N组测试用户对应 预设的N个候选份额序列，其中各个候选份额序列中包括对应的K个权益份额上限。其中历 史服务数据包括向任意的第一测试用户发放的第一权益份额，所述第一权益份额基于份额 确定单元而确定，所述份额确定单元包括：发放确定模块，配置为确定出需对所述第一测试 用户进行第i次权益发放，所述第一测试用户属于第j组测试用户；可选份额获取模块，配置 为获取与所述第i次权益发放对应的多个可选权益份额，其均小于第j个候选份额序列中的 第i个权益份额上限；其中，i≤K，j≤N，N、K＞1；概率预测模块，配置为针对所述多个可选权 益份额中任意的第一可选权益份额，将该第一可选权益份额和获取到的所述第一测试用户 的用户特征，输入预先训练的概率预测模型中，得到第一预测概率，指示所述第一测试用户 在被发放该第一可选权益份额后，使用所述特定服务的可能性；权益份额确定模块，配置为 基于得到的对应于所述多个可选权益份额的多个预测概率，确定所述第i次权益发放中需 发放的所述第一权益份额。指标值确定单元，配置为基于所述历史服务数据，确定与所述N 个候选份额序列对应的N组指标值，其中各组指标值均对应针对所述特定服务设定的若干 评估指标。目标序列确定单元，配置为根据所述N组指标值，从所述N个权益份额序列中确定 出目标份额序列，用于确定向任意的目标用户发放的权益份额。 9 CN 111598632 A 说　明　书 4/13 页 根据第五方面，提供了一种计算机可读存储介质，其上存储有计算机程序，当所述 计算机程序在计算机中执行时，令计算机执行第一方面或第二方面所描述的方法。 根据第六方面，提供了一种计算设备，包括存储器和处理器，其特征在于，所述存 储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面或第二方面 所描述的方法。 在本说明书实施例披露的权益份额的确定方法中，在利用机器学习模型预测出用 户对权益份额敏感度的同时，通过引入权益份额序列，对向用户发放权益份额的次数予以 考虑，从而精准确定出本次（或称当前次）向用户发放的权益份额，实现让尽可能多的用户 享受到有限的权益总额，从而尽可能提高多数用户的用户体验。 另外，在本说明书实施例披露的权益份额序列的确定方法中，预先设定多个候选 权益份额序列，并将其投入到业务线上进行测试，在测试过程中利用机器学习模型预测出 用户对权益份额敏感度，并引入对应的候选权益份额序列，对向用户发放权益份额的次数 予以考虑，从而精准确定出每次向用户发放的权益份额，进而获取在测试过程中产生的历 史服务数据，用于对多个候选权益份额序列进行评估，从而确定出最优的目标权益份额序 列，用于确定任意目标用户的权益发放份额，从而实现让尽可能多的用户享受到有限的权 益总额，从而尽可能提高多数用户的用户体验。 附图说明 为了更清楚地说明本说明书披露的多个实施例的技术方案，下面将对实施例描述 中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书披露 的多个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据 这些附图获得其它的附图。 图1示出根据一个实施例的确定权益份额的实施框架图； 图2示出根据一个实施例的权益份额的确定方法流程图； 图3示出基于概率-份额曲线图确定权益发放份额的多个示例； 图4示出根据一个实施例的权益份额序列的确定方法流程图； 图5示出根据一个实施例的权益份额的确定装置结构图； 图6示出根据一个实施例的权益份额序列的确定装置结构图。