[发明专利]分配处理方法、装置及服务器

权利要求书

1.一种分配处理方法，包括：

对于参与分配的每一分配对象，将对应分配对象分别与方案集合中的每一激励方案相结合，得到多个分配组合，其中，任意所述激励方案反映激励值与产出值之间的对应关系；

通过至少一个预测模型，预测所述多个分配组合各自的指标值，其中，所述指标值包括产出值和对应于所述产出值的激励值；

根据所述指标值，从所述多个分配组合中筛选出满足设定约束条件、且达到设定分配目标的分配方案组，其中，所述分配方案组包括所述每一分配对象及与所述每一分配对象一一适配的激励方案，所述设定约束条件包括关于所述分配方案组的总激励值的约束，所述设定分配目标包括关于所述分配方案组的总产出值的目标；

根据所述分配方案组，向所述每一分配对象分配相适配的激励方案。

2.根据权利要求1所述的方法，其中，通过所述至少一个预测模型中的任意预测模型，预测所述多个分配组合中任意分配组合的指标值的步骤，包括：

根据设定的特征向量，获取所述任意分配组合对于所述特征向量的向量值，其中，所述特征向量包括影响产出值的特征；

将所述向量值输入至所述任意预测模型，获得所述任意分配组合的产出值，其中，所述任意预测模型反映所述特征向量与产出值之间的映射关系；

根据获得的产出值及所述任意分配组合的激励方案，获得对应于所述获得的产出值的激励值。

3.根据权利要求2所述的方法，其中，所述方法还包括：

设置所述特征向量包括第一特征组和第二特征组；或者，设置所述特征向量包括所述第一特征组、所述第二特征组和第三特征组；

其中，所述第一特征组包括反映被分配的激励方案的特征，所述第二特征组包括描述分配对象的对象特征，所述第三特征组包括分配对象实施被分配的激励方案的环境特征。

4.根据权利要求2所述的方法，其中，所述方法还包括获得所述至少一个预测模型中的任意预测模型的步骤，包括：

获取训练样本，不同训练样本对应不同的分配组合，每一训练样本包括对应分配组合对于所述特征向量的向量值、及对应分配组合的实际产出值；

根据所述训练样本训练预设模型结构的模型参数，获得所述任意预测模型。

5.根据权利要求4所述的方法，其中，任意所述激励方案反映产出值的多个阶梯及每一阶段处的激励值，所述获得所述至少一个预测模型中的任意预测模型的步骤，还包括：

设置所述预设模型结构的输入层包括多个嵌入单元，任意所述嵌入单元对应一个匹配对，所述匹配对包括激励方案的一个特定阶梯及所述特定阶梯处的激励值；

设置所述模型参数包括影响所述匹配对映射出的特征的参数。

6.根据权利要求1所述的方法，其中，

所述设定约束条件包括第一约束条件；

其中，所述第一约束条件包括：所述分配方案组的总激励值与所述分配方案组的总产出值的比值等于设定的激励约束值；

所述设定分配目标包括：所述分配方案组的总产出值最高。

7.根据权利要求6所述的方法，其中，所述设定约束条件还包括第二约束条件；

所述设定分配目标包括：所述分配方案组的总产出值与所述分配方案组的产出标准差之和最高；

所述第二约束条件包括：所述分配方案组中每一分配组合各自的激励差值的标准差之和小于或者等于设定值；

其中，所述激励差值等于对应分配组合的激励值与对应于所述对应分配组合的产出值的希望激励值的差值，所述希望激励值等于所述对应分配组合的产出值与所述激励约束值的乘积；所述分配方案组的产出标准差等于所述分配方案组中每一分配组合各自的产出标准差之和。

8.根据权利要求7所述的方法，其中，所述方法还包括：

所述设定值等于匹配系数与所述分配方案组的总产出值的乘积。

9.根据权利要求1所述的方法，其中，所述方案集合中的任意所述激励方案反映产出值的多个阶梯及每一阶段处的激励值。