[发明专利]一种资源调整方法、装置及设备

说明书

本说明书实施例涉及人工智能技术领域，具体公开了一种资源调整方法、装置及设备，所述方法包括：接收资源调整请求；资源调整请求至少包括目标用户的用户标识；提取所述用户标识在指定时间区间内的交易时刻；计算所述用户标识在指定时间区间内各相邻的交易时刻之间的差值，得到相邻交易时间差；以所述用户标识在指定时间区间内的最后一次交易的交易时刻，作为目标交易时刻，以所述指定时间区间的最后一个时刻作为基准时刻，计算所述目标交易时刻与所述基准时刻之间的差值，得到期末交易时间差；至少基于所述期末交易时间差及相邻交易时间差预测所述用户标识在所述当前预测周期内的稳定特征，以基于所述稳定特征调整提供给所述目标用户的资源。

技术领域

本说明书涉及人工智能技术领域，特别地，涉及一种资源调整方法、装置及设备。

背景技术

随着大数据服务技术的快速发展，金融服务类型以及可选择的服务渠道也越来越多样化、越来越便捷，使得用户的选择机会越来越多，相应的，金融机构的用户也越来越不稳定。为了有效挽留用户，金融机构的服务系统通常需要进行大量的数据分析以及资源调整，以使提供给用户的资源更符合用户的需求。在此基础上，各应用场景下的用户稳定性预测对系统资源调整的准确性是非常重要的。

目前通常通过训练预测模型，以利用预测模型预测用户在未来指定时间段内的稳定性，进而基于该稳定性预测结果调整提供给用户的资源。但业务系统或者关联系统存储的用户信息类型通常复杂繁琐，使得最终提取到的冗余信息较多，影响稳定性预测的准确性，进而影响资源调整的准确性。

发明内容

本说明书实施例的目的在于提供一种资源调整方法、装置及设备，可以提高资源调整的准确性，降低用户流失率。

本说明书提供一种资源调整方法、装置及设备是包括如下方式实现的：

一种资源调整方法，所述方法包括：接收资源调整请求；所述资源调整请求至少包括目标用户的用户标识；提取所述用户标识在指定时间区间内的交易时刻；其中，所述指定时间区间包括所述资源调整请求所在的当前预测周期之前的至少一个预测周期；计算所述用户标识在指定时间区间内各相邻的交易时刻之间的差值，得到相邻交易时间差；以所述用户标识在指定时间区间内的最后一次交易的交易时刻，作为目标交易时刻，以及以所述指定时间区间的最后一个时刻作为基准时刻，计算所述目标交易时刻与所述基准时刻之间的差值，得到期末交易时间差；至少基于所述期末交易时间差及相邻交易时间差预测所述用户标识在所述当前预测周期内的稳定特征，以基于所述稳定特征调整提供给所述目标用户的资源。

本说明书提供的所述方法的另一些实施例中，所述至少基于所述期末交易时间差及相邻交易时间差预测所述用户标识在所述当前预测周期内的稳定特征，包括：以所述期末交易时间差与相邻交易时间差的均值之间的差值，作为第一交易时间特征；至少利用所述第一交易时间特征预测所述用户标识在所述当前预测周期内的稳定特征。

本说明书提供的所述方法的另一些实施例中，所述至少基于所述期末交易时间差及相邻交易时间差预测所述用户标识在所述当前预测周期内的稳定特征，包括：计算所述相邻交易时间差的标准差，以所述第一交易时间特征与所述标准差的比值，作为第二交易时间特征；至少利用所述第一交易时间特征预测所述用户标识在所述当前预测周期内的稳定特征。

本说明书提供的所述方法的另一些实施例中，所述指定时间区间包括两个以上的预测周期；所述方法还包括：提取所述用户标识在任一所述预测周期的交易特征，所述交易特征包括交易总金额或交易次数；基于时间先后顺序对所述预测周期进行排序；对排在第一位的预测周期之外的任一预测周期，计算相应预测周期的交易特征与相应预测周期的前一预测周期的交易特征之间的比值，得到第三交易时间特征；至少利用所述第三交易时间特征、所述期末交易时间差及相邻交易时间差预测所述用户标识在所述当前预测周期内的稳定特征。