[发明专利]用户资源额度分配方法、装置及电子设备

权利要求书

1.一种用户资源额度分配方法，其特征在于，包括：

基于用户授权获取当前用户的用户信息，所述用户信息包括基础信息和行为信息；

基于所述用户信息和预设策略生成多维度特征信息；

将所述多维度特征信息输入用户额度分配模型中，生成分配系数，所述用户额度分配模型基于欠采样的多个历史用户信息和分类模型训练生成；

基于所述分配系数为所述当前用户确定待分配的资源额度。

2.如权利要求1所述的方法，其特征在于，还包括：

获取满足预设条件的多个历史用户信息；

将所述多个历史用户信息进行数据清洗和数据融合以生成多个历史特征信息；

由所述多个历史特征信息中确定多个历史多维度特征信息；

基于所述多个历史多维度特征通过欠采样的方式对分类模型进行迭代训练以生成所述用户额度分配模型。

3.如权利要求2所述的方法，其特征在于，由所述多个历史特征信息中确定多个历史多维度特征信息，包括：

计算所述多个历史特征信息的变量参数、区分度参数、信息价值、模型特征参数；

基于所述变量参数、所述区分度参数、所述信息价值、所述模型特征参数由所述多个历史特征信息中提取多个历史多维度特征信息。

4.如权利要求3所述的方法，其特征在于，由所述多个历史特征信息中确定多个历史多维度特征信息，还包括：

基于所述多个历史多维度特征信息和所述历史用户信息之间的关系生成所述预设策略。

5.如权利要求2所述的方法，其特征在于，基于所述多个历史多维度特征通过欠采样的方式对分类模型进行迭代训练以生成所述用户额度分配模型，包括：

基于欠采样的方式由所述多个历史多维度特征信息中提取一个样本数据；

基于所述样本数据对分类模型进行训练以生成初始模型，所述初始模型包括多个弱分类子模型和其对应的权重；

基于所述初始模型的误差和所述多个历史多维度特征信息生成另一个样本数据；

基于所述另一个样本数据对分类模型再次进行训练至满足预设条件以生成所述用户额度分配模型。

6.如权利要求5所述的方法，其特征在于，基于欠采样的方式由所述多个历史多维度特征信息中提取一个样本数据，包括：

确定所述多个历史多维度特征信息对应的历史用户的样本标签，所述样本标签包括第一标签和第二标签；

由历史用户中提取第一数量的带有第一标签的第一历史用户；

由历史用户中提取第二数量的带有第二标签的第二历史用户；

基于第一历史用户和第二历史用户对应的多维度特征信息生成所述样本数据。

7.如权利要求5所述的方法，其特征在于，基于所述初始模型的误差和所述多个历史多维度特征信息生成另一个样本数据，包括：

将所述多个历史多维度特征信息输入所述初始模型中，生成正确分类样本集合和错误分类样本集合；

基于所述初始模型的误差为所述正确分类样本集合和所述错误分类样本集合中的样本分配不同的权重；

基于欠采样的方式和所述正确分类样本集合、所述错误分类样本集合生成另一个样本数据。

8.如权利要求5所述的方法，其特征在于，基于所述另一个样本数据对分类模型再次进行训练至满足预设条件以生成所述用户额度分配模型，包括：

基于所述另一个样本数据对分类模型再次进行训练生成中间模型；

计算所述中间模型的误差；

在所述中间模型的误差小于阈值时，基于当前的中间模型生成所述用户额度分配模型。

9.如权利要求1所述的方法，其特征在于，基于用户授权获取当前用户的用户信息，包括：

基于用户授权采用网页埋点的方式获取当前用户的用户信息。