一种资源分发方法、装置、计算机设备和存储介质

技术领域

本公开涉及计算机技术领域，具体而言，涉及一种资源分发方法、装置、计算机设备和存储介质。

背景技术

为了提高各种目标服务的使用率，通常采用为用户分发不同虚拟资源类型的虚拟资源，让用户通过使用分发的虚拟资源的方式来提高用户使用目标服务的意愿度，进而提高服务资源利用率。

但由于不同的用户存在不同的使用习惯，对各种虚拟资源类型的虚拟资源的使用需求不同，因此如何针对性地为各用户进行虚拟资源发放，成为了亟需解决的问题。

发明内容

本公开实施例至少提供一种资源分发方法、装置、计算机设备和存储介质。

第一方面，本公开实施例提供了一种资源分发方法，包括：

利用训练好的目标网络模型，确定向每个待分发用户分发不同类型的虚拟资源时的使用转化率；所述使用转化率用于指示所述待分发用户在被分发所述虚拟资源后，使用目标服务的概率；

根据各个所述待分发用户分别对应的所述使用转化率，将各个所述待分发用户划分至不同的用户组；

基于各个所述用户组中的所述待分发用户在每种虚拟资源类型下的所述使用转化率、虚拟资源的资源量阈值和参照组对应的使用每种目标服务的用户比率，确定每个所述用户组对应的待分发的虚拟资源类型；所述参照组内的用户是指未被分配虚拟资源的用户；

根据每个所述用户组对应的待分发的虚拟资源类型，向该用户组内的各个待分发用户分发虚拟资源。

在一种可能的实施方式中，所述根据各个所述待分发用户分别对应的所述使用转化率，将各个所述待分发用户划分至不同的用户组，包括：

根据各个所述待分发用户在任一种所述虚拟资源类型下分别对应的所述使用转化率，将各个所述待分发用户划分至不同的用户组；或，

根据每个所述待分发用户在各个所述虚拟资源类型下分别对应的所述使用转化率，确定每个所述待分发用户对应的转化率均值，并利用各个所述待分发用户分别对应的所述转化率均值，将各个所述待分发用户划分至不同的用户组。

在一种可能的实施方式中，根据以下步骤确定训练好的目标网络模型：

按照预设时间周期，采集样本数据，并利用采集的样本数据，对待训练的增益网络模型进行迭代训练，得到训练好的增益网络模型；

确定训练好的所述增益网络模型的模型评估指标，并在所述模型评估指标大于验证增益模型的模型评估指标的情况下，将训练好的所述增益网络模型作为训练好的目标网络模型；

其中，所述验证增益模型用于验证训练好的所述增益网络模型是否符合使用要求，所述验证增益模型利用所述样本数据训练得到、且与所述增益网络模型具有不同的网络结构。

在一种可能的实施方式中，所述基于各个所述用户组中的所述待分发用户在每种虚拟资源类型下的所述使用转化率、虚拟资源的资源量阈值和参照组对应的使用每种目标服务的用户比率，确定每个所述用户组对应的待分发的虚拟资源类型，包括：

针对每个所述用户组，确定在向该用户组中的所述待分发用户分发不同类型的虚拟资源后，所述待分发用户再次使用不同虚拟资源类型对应的目标服务的第一复用信息；

根据该用户组的所述第一复用信息，确定该用户组对应不同虚拟资源类型的虚拟资源分发增益；

根据各个所述用户组中的所述待分发用户在每种虚拟资源类型下的所述使用转化率和参照组对应的所述用户比率，确定各个所述用户组在每种所述虚拟资源类型下的转化率增量；

按照虚拟资源分发增益最大的原则，根据所述虚拟资源分发增益、所述转化率增量、和所述虚拟资源的资源量阈值，确定每个所述用户组对应的待分发的虚拟资源类型。

在一种可能的实施方式中，所述确定在向该用户组中的所述待分发用户分发不同类型的虚拟资源后，所述待分发用户再次使用不同虚拟资源类型对应的目标服务的第一复用信息，包括：

确定在向该用户组中的所述待分发用户分发不同类型的虚拟资源后，所述待分发用户在不同预设时间段内，再次使用不同虚拟资源类型对应的目标服务的第一复用信息；

所述根据该用户组的所述第一复用信息，确定该用户组对应不同虚拟资源类型的虚拟资源分发增益，包括：

针对每个所述虚拟资源类型，对该用户组中的所述待分发用户在不同预设时间段内，再次使用该虚拟资源类型的所述目标服务的第一复用信息进行合并，得到该用户组在该虚拟资源类型下的所述虚拟资源分发增益。

在一种可能的实施方式中，所述根据各个所述用户组中的所述待分发用户在每个虚拟资源类型下的所述使用转化率和参照组对应的所述用户比率，确定各个所述用户组在每个所述虚拟资源类型下的转化率增量，包括：

针对每个所述用户组，根据该用户组中的各个所述待分发用户在每个所述虚拟资源类型下的所述使用转化率，确定该用户组在每个所述虚拟资源类型下的平均使用转化率；

将各个所述用户组在每个所述虚拟资源类型下的平均使用转化率，与所述参照组对应的所述用户比率的差值，确定为各个所述用户组在每个所述虚拟资源类型下的转化率增量。

在一种可能的实施方式中，所述按照虚拟资源分发增益最大的原则，根据所述虚拟资源分发增益、所述转化率增量、和所述虚拟资源的资源量阈值，确定每个所述用户组对应的待分发的虚拟资源类型，包括：

按照虚拟资源分发增益最大的原则，根据所述虚拟资源分发增益、所述转化率增量、和所述虚拟资源的资源量阈值，确定每个所述用户组对应的待验证的虚拟资源类型；

确定所述参照组中的用户使用不同虚拟资源类型对应的目标服务的第二复用信息；

根据所述第二复用信息，确定所述参照组对应不同虚拟资源类型的参照资源分发增益；

针对每个所述待验证的虚拟资源类型，在该待验证的虚拟资源类型对应的所述用户组的虚拟资源分发增益，大于所述参照组在该待验证的虚拟资源类型下对应的所述参照资源分发增益的情况下，将该待验证的虚拟资源类型作为对应的所述用户组的待分发的虚拟资源类型。

第二方面，本公开实施例还提供一种资源分发装置，包括：

第一确定模块，用于利用训练好的目标网络模型，确定向每个待分发用户分发不同类型的虚拟资源时的使用转化率；所述使用转化率用于指示所述待分发用户在被分发所述虚拟资源后，使用目标服务的概率；

划分模块，用于根据各个所述待分发用户分别对应的所述使用转化率，将各个所述待分发用户划分至不同的用户组；

第二确定模块，用于基于各个所述用户组中的所述待分发用户在每种虚拟资源类型下的所述使用转化率、虚拟资源的资源量阈值和参照组对应的使用每种目标服务的用户比率，确定每个所述用户组对应的待分发的虚拟资源类型；所述参照组内的用户是指未被分配虚拟资源的用户；

分发模块，用于根据每个所述用户组对应的待分发的虚拟资源类型，向该用户组内的各个待分发用户分发虚拟资源。

在一种可能的实施方式中，所述划分模块，在所述根据各个所述待分发用户分别对应的所述使用转化率，将各个所述待分发用户划分至不同的用户组时，用于：

根据各个所述待分发用户在任一种所述虚拟资源类型下分别对应的所述使用转化率，将各个所述待分发用户划分至不同的用户组；或，

根据每个所述待分发用户在各个所述虚拟资源类型下分别对应的所述使用转化率，确定每个所述待分发用户对应的转化率均值，并利用各个所述待分发用户分别对应的所述转化率均值，将各个所述待分发用户划分至不同的用户组。

在一种可能的实施方式中，所述装置还包括：

训练模块，用于根据以下步骤确定训练好的目标网络模型：

按照预设时间周期，采集样本数据，并利用采集的样本数据，对待训练的增益网络模型进行迭代训练，得到训练好的增益网络模型；

确定训练好的所述增益网络模型的模型评估指标，并在所述模型评估指标大于验证增益模型的模型评估指标的情况下，将训练好的所述增益网络模型作为训练好的目标网络模型；

其中，所述验证增益模型用于验证训练好的所述增益网络模型是否符合使用要求，所述验证增益模型利用所述样本数据训练得到、且与所述增益网络模型具有不同的网络结构。

在一种可能的实施方式中，所述第二确定模块，在所述基于各个所述用户组中的所述待分发用户在每种虚拟资源类型下的所述使用转化率、虚拟资源的资源量阈值和参照组对应的使用每种目标服务的用户比率，确定每个所述用户组对应的待分发的虚拟资源类型时，用于：

针对每个所述用户组，确定在向该用户组中的所述待分发用户分发不同类型的虚拟资源后，所述待分发用户再次使用不同虚拟资源类型对应的目标服务的第一复用信息；

根据该用户组的所述第一复用信息，确定该用户组对应不同虚拟资源类型的虚拟资源分发增益；

根据各个所述用户组中的所述待分发用户在每种虚拟资源类型下的所述使用转化率和参照组对应的所述用户比率，确定各个所述用户组在每种所述虚拟资源类型下的转化率增量；

按照虚拟资源分发增益最大的原则，根据所述虚拟资源分发增益、所述转化率增量、和所述虚拟资源的资源量阈值，确定每个所述用户组对应的待分发的虚拟资源类型。

在一种可能的实施方式中，所述第二确定模块，在所述确定在向该用户组中的所述待分发用户分发不同类型的虚拟资源后，所述待分发用户再次使用不同虚拟资源类型对应的目标服务的第一复用信息时，用于：

确定在向该用户组中的所述待分发用户分发不同类型的虚拟资源后，所述待分发用户在不同预设时间段内，再次使用不同虚拟资源类型对应的目标服务的第一复用信息；

所述根据该用户组的所述第一复用信息，确定该用户组对应不同虚拟资源类型的虚拟资源分发增益，包括：

针对每个所述虚拟资源类型，对该用户组中的所述待分发用户在不同预设时间段内，再次使用该虚拟资源类型的所述目标服务的第一复用信息进行合并，得到该用户组在该虚拟资源类型下的所述虚拟资源分发增益。

在一种可能的实施方式中，所述第二确定模块，在所述根据各个所述用户组中的所述待分发用户在每个虚拟资源类型下的所述使用转化率和参照组对应的所述用户比率，确定各个所述用户组在每个所述虚拟资源类型下的转化率增量时，用于：

针对每个所述用户组，根据该用户组中的各个所述待分发用户在每个所述虚拟资源类型下的所述使用转化率，确定该用户组在每个所述虚拟资源类型下的平均使用转化率；

将各个所述用户组在每个所述虚拟资源类型下的平均使用转化率，与所述参照组对应的所述用户比率的差值，确定为各个所述用户组在每个所述虚拟资源类型下的转化率增量。

在一种可能的实施方式中，所述第二确定模块，在所述按照虚拟资源分发增益最大的原则，根据所述虚拟资源分发增益、所述转化率增量、和所述虚拟资源的资源量阈值，确定每个所述用户组对应的待分发的虚拟资源类型时，用于：

按照虚拟资源分发增益最大的原则，根据所述虚拟资源分发增益、所述转化率增量、和所述虚拟资源的资源量阈值，确定每个所述用户组对应的待验证的虚拟资源类型；

确定所述参照组中的用户使用不同虚拟资源类型对应的目标服务的第二复用信息；

根据所述第二复用信息，确定所述参照组对应不同虚拟资源类型的参照资源分发增益；

针对每个所述待验证的虚拟资源类型，在该待验证的虚拟资源类型对应的所述用户组的虚拟资源分发增益，大于所述参照组在该待验证的虚拟资源类型下对应的所述参照资源分发增益的情况下，将该待验证的虚拟资源类型作为对应的所述用户组的待分发的虚拟资源类型。

第三方面，本公开可选实现方式还提供一种计算机设备，处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述处理器用于执行所述存储器中存储的机器可读指令，所述机器可读指令被所述处理器执行时，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。

第四方面，本公开可选实现方式还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。

关于上述资源分发装置、计算机设备、及计算机可读存储介质的效果描述参见上述资源分发方法的说明，这里不再赘述。

本公开实施例提供的资源分发方法、装置、计算机设备和存储介质，利用训练好的增益网络模型，可以准确确定出向每个待分发用户分发不同类型的虚拟资源时的使用转化率；根据确定出的使用转化率对用户进行分组，再利用资源量阈值和参照组对应的使用每种目标服务的用户比率，对划分得到的各个用户组进行分发决策的优化，可以在约束分发的资源量的基础上，准确确定出每个用户组对应的待分发的虚拟资源类型，实现有针对性地为每个用户组中的用户分发虚拟资源，从而可以实现虚拟资源的合理化利用，提高虚拟资源的利用效率，进而提高相关服务资源的利用率。

为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，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他相关的附图。

图1示出了本公开实施例所提供的一种资源分发方法的流程图；

图2示出了本公开实施例所提供的一种资源分发的具体实施流程示意图；

图3示出了本公开实施例所提供的一种资源分发装置的示意图；

图4示出了本公开实施例所提供的一种计算机设备的结构示意图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。

另外，本公开实施例中的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。

在本文中提及的“多个或者若干个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

经研究发现，为用户分发目标服务对应的虚拟资源，作为提高目标服务使用率的一种常规手段，虚拟资源类型的发送准确性和针对性，直接影响着了目标服务使用率的提升效果。但常规的虚拟资源分发方式，大多采用直接将各种虚拟资源类型的虚拟资源均分发给用户的方式，让用户自主选择其中的一种进行使用。这样，其他未被用户使用的虚拟资源会被浪费，降低了虚拟资源发送的合理性和针对性。因此，如何针对性地为各种用户目标类型的虚拟资源，成为了技术痛点。

基于上述研究，本公开提供了一种资源分发方案，利用训练好的增益网络模型，可以准确确定出向每个待分发用户分发不同类型的虚拟资源时的使用转化率；根据确定出的使用转化率对用户进行分组，再利用资源量阈值和参照组对应的使用每种目标服务的用户比率，对划分得到的各个用户组进行分发决策的优化，可以在约束分发的资源量的基础上，准确确定出每个用户组对应的待分发的虚拟资源类型，实现有针对性地为每个用户组中的用户分发虚拟资源，从而可以实现虚拟资源的合理化利用，提高虚拟资源的利用效率，进而提高相关服务资源的利用率。

针对以上方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案，都应该是发明人在本公开过程中对本公开做出的贡献。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

为便于对本实施例进行理解，首先对本公开实施例所公开的一种资源分发方法进行详细介绍，本公开实施例所提供的资源分发方法的执行主体一般为具有一定计算能力的终端设备或其他处理设备，其中终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、个人数字助理设备(Personal Digital Assistant，PDA)、手持设备、计算机设备等；在一些可能的实现方式中，该资源分发方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。

下面以执行主体为服务器为例对本公开实施例提供的资源分发方法加以说明。

如图1所示，为本公开实施例提供的一种资源分发方法的流程图，可以包括以下步骤：

S101：利用训练好的目标网络模型，确定向每个待分发用户分发不同类型的虚拟资源时的使用转化率；使用转化率用于指示待分发用户在被分发虚拟资源后，使用目标服务的概率。

这里，目标服务可以为任意一种网络服务，例如，应用商城服务、游戏服务、网络购物服务等。虚拟资源例如可以为应用加速卷、优惠卷、虚拟金币等。一种虚拟资源类型可以对应至少一种目标服务，一种目标服务可以对应于至少一种虚拟资源类型。例如，虚拟资源类型A对应于目标服务A，虚拟资源类型B对应于目标服务B，虚拟资源C对应于目标服务A和目标服务C。

目标网络模型是一种预先训练好的网络模型，可以根据输入的虚拟资源类型和待分发用户授权的属性信息，确定出为待分发用户分发该虚拟资源类型的虚拟资源后，用户使用该虚拟资源类型的目标服务的使用过转化率。其中，使用转化率用于指示在为待分发用户分发虚拟资源后，用户利用该虚拟资源使用目标服务的概率。用户属性信息例如可以包括用户授权的行为信息、特征信息、使用目标服务的使用记录信息等。

在一种实施例中，可以根据以下步骤确定训练好的目标网络模型：

步骤一、按照预设时间周期，采集样本数据，并利用采集的样本数据，对待训练的增益网络模型进行迭代训练，得到训练好的增益网络模型。

这里，预设时间周期可以根据实际的应用需求进行设置，本公开实施例不进行具体限定。示例性的，预设时间周期可以足够小，从而实现实时采集样本数据。当然，预设时间周期也可以设置为如1小时、十二小时、一天、两天等。

样本数据可以包括虚拟资源类型和样本用户对应授权使用的用户属性信息。

具体实施时，可以利用小流量的随机探索实验的方式，随机选择样本用户并向选择的样本用户随机发生不同虚拟资源类型的虚拟资源，之后可以获取样本用户对应的样本使用转化率。如此，利用随机探索实验可以实现持续的采集样本数据。

在得到样本数据之后，可以将虚拟资源类型和样本用户的用户属性信息进行拼接，将拼接后的数据作为待训练的增益(uplift)网络模型的输入，之后，可以利用待训练的增益网络模型对输入进行数据处理，输出样本用户对应的预测使用转化率。利用样本用户对应的样本使用转化率和预测使用转化率，确定预测损失，并利用预测损失对待训练的增益网络模型进行迭代训练，直至达到预设训练截止条件，得到训练好的增益网络模型。待训练的增益网络模型即为待训练的目标网络模型。

其中，预设训练截止条件可以包括模型预测精度达到预设精度和/或迭代训练的轮数达到预设轮数。

步骤二、确定训练好的增益网络模型的模型评估指标，并在模型评估指标大于验证增益模型的模型评估指标的情况下，将训练好的增益网络模型作为训练好的目标网络模型。

其中，验证增益模型用于验证训练好的增益网络模型是否符合使用要求，验证增益模型利用样本数据训练得到、且与增益网络模型具有不同的网络结构。

模型评估指标(Area Under Uplift Curve，简称AUUC)用于表征模型性能的好坏。验证增益模型为用于对训练好的增益网络模型的性能进行验证的模型，其采用的训练数据即为用于对待训练的增益网络模型进行训练的样本数据，但是具有与增益网络模型不同的网络结构。

使用要求即为训练好的增益网络模型的模型评估指标大于验证增益模型的模型评估指标，在满足使用要求的情况下，可以说明训练好的增益网络模型能够上线使用，并可以在线上使用的过程中，准确预测出待分发用户对应的使用转化率。

具体实施时，可以将训练好的增益网络模型的AUUC和验证增益模型的AUUC进行比较，在确定训练好的增益网络模型的AUUC大于验证增益模型的AUUC标的情况下，可以将训练好的增益网络模型作为当前训练好的目标网络模型并上线使用。

相反的，在训练好的增益网络模型的AUUC不大于验证增益模型的AUUC标的情况下，可以利用新采集的样本数据，继续对增益网络模型进行训练，直至得到训练好的目标网络模型并上线使用。

这样，通过利用持续采集的样本数据训练出增益网络模型和验证增益模型，可以避免使用不同的样本数据进行增益网络模型和验证增益模型的训练，导致无法确定出训练好的模型带来的虚拟资源分发增益是由样本数据不同造成的，还是模型自身带来的问题，保证训练好的模型带来的虚拟资源分发增益均是有模型自身带来的。

S101在具体实施时，可以将待分发用户对应授权的用户属性信息和待分发的虚拟资源的虚拟资源类型进行拼接，将拼接后的数据作为目标网络模型的输入，进而，可以得到目标网络模型输出的向该待分发用户分发该类型的虚拟资源时的使用转化率。基于此，通过将不同待分发用户对应授权的用户属性信息和不同的虚拟资源类型进行拼接，并输入至目标网络模型，可以得到向每个待分发用户分发不同类型的虚拟资源时的使用转化率。

S102：根据各个待分发用户分别对应的使用转化率，将各个待分发用户划分至不同的用户组。

这里，一个用户组中可以包括至少一个待分发用户。

示例性的，可以根据待分发用户的数量，确定需要划分的用户组的数量，然后根据各个待分发用户分别对应的使用转化率和用户组的数量，将各个待分发用户平均地划分至不同的用户组。

以待分发用户的数量为100为例，可以先确定需要划分的用户组的数量为10，之后，可以根据100个待分发用户分别对应的使用转换率，将100个待分发用户分别划分至10个用户组。

在一种实施例中，针对S102，还可以按照以下两种方式中的任一种方式，将各个待分发用户划分至不同的用户组：

方式一、根据各个待分发用户在任一种虚拟资源类型下分别对应的使用转化率，将各个待分发用户划分至不同的用户组。

具体实施时，可以从多种虚拟资源类型中选取任一种虚拟资源类型，作为分配资源类型，然后根据各个待分发用户在分配资源类型下分别对应的使用转化率，和预设的各个用户组对应的转化率区间，将各个待分发用户划分至不同的用户组。

示例性的，将虚拟资源类型A作为分配资源类型，根据各个待分发用户在虚拟资源类型A下分别对应的使用转化率，确定各个待分发用户对应的使用转化率位于的转换率区间，然后可以将待分发用户划分至该待分发用户对应的转换率区间所关联的用户组。其中，一个转换率区间关联一个用户组。

方式二、根据每个待分发用户在各个虚拟资源类型下分别对应的使用转化率，确定每个待分发用户对应的转化率均值，并利用各个待分发用户分别对应的转化率均值，将各个待分发用户划分至不同的用户组。

示例性的，可以根据每个待分发用户对应的转化率均值，确定每个待分发用户对应的转换率区间，之后，可以将待分发用户划分至转换率区间所关联的用户组。

S103：基于各个用户组中的待分发用户在每种虚拟资源类型下的使用转化率、虚拟资源的资源量阈值和参照组对应的使用每种目标服务的用户比率，确定每个用户组对应的待分发的虚拟资源类型；参照组内的用户是指未被分配虚拟资源的用户。

这里，参照组中的用户均为未被分配任一类型的虚拟资源的用户，参照组中用户的用户数量可以与待分发用户的数量一致。

一个用户组对应于一个待分发的虚拟资源类型，待分发的虚拟资源类型的虚拟资源，即为最适合向该待分发的虚拟资源类型对应的用户组中的用户发送的虚拟资源。

虚拟资源的资源量阈值用于指示允许分发的最大资源量。参照组对应的使用每种目标服务的用户比率，用于表征参照组中使用目标服务的用户的数量和未使用目标服务的用户的数量的比值。

示例性的，可以以虚拟资源的资源量阈值作为约束条件，在保证向每个用户组发送虚拟资源的资源总量不超过资源量阈值的情况下，以用户组中的待分发用户在每种虚拟资源类型下的使用转化率与参照组对应的用户比率之间的差异最大为目标，根据各个用户组中的待分发用户在每种虚拟资源类型下的使用转化率和参照组对应的使用每种目标服务的用户比率，确定每个用户组对应的待分发的虚拟资源类型。

在一种实施例中，针对S103，可以按照以下步骤实施：

S103-1：针对每个用户组，确定在向该用户组中的待分发用户分发不同类型的虚拟资源后，待分发用户再次使用不同虚拟资源类型对应的目标服务的第一复用信息。

这里，第一复用信息例如可以再次使用目标服务的次数、再次使用目标服务的频率、再次使用目标服务的时长。例如，在虚拟资源为优惠券的情况下，第一复用信息可以包括再次购买优惠券对应的物品的金额、复购率等信息。在虚拟资源为游戏中虚拟对象的对象皮肤(或装扮)的情况下，第一复用信息可以包括再次游玩游戏的时长、再次使用该皮肤(或装扮)进行游玩的次数、频率、时长、再次使用该皮肤(或装扮)游玩游戏带来的增益等信息。

示例性的，在用户组包括用户组1～3，虚拟资源类型包括虚拟资源类型A～C，目标服务包括虚拟资源类型A对应的目标服务A、虚拟资源类型B对应的目标服务B和虚拟资源类型C对应的目标服务C的情况下，针对用户组1，可以确定在向该用户组1中的待分发用户分发虚拟资源类型A的虚拟资源后，待分发用户再次使用目标服务A的第一复用信息、在向该用户组1中的待分发用户分发虚拟资源类型B的虚拟资源后，待分发用户再次使用目标服务B的第一复用信息、以及在向该用户组1中的待分发用户分发虚拟资源类型C的虚拟资源后，待分发用户再次使用目标服务的C第一复用信息。同理，针对用户组2和用户组3，均可以确定在向该用户组中的待分发用户分发不同类型的虚拟资源后，待分发用户再次使用不同虚拟资源类型对应的目标服务的第一复用信息。

S103-2：根据该用户组的第一复用信息，确定该用户组对应不同虚拟资源类型的虚拟资源分发增益。

这里，针对一个用户组，在各个虚拟资源类型下均可以对应存在一个虚拟资源发送增益。例如，针对上述用户组1，其对应的虚拟资源分发增益可以包括：在虚拟资源类型A下对应的虚拟资源分发增益1，在虚拟资源类型B下对应的虚拟资源分发增益2和在虚拟资源类型C下对应的虚拟资源分发增益3。虚拟资源分发增益用于表征向用户组中的待分发用户分发虚拟资源后，待分发用户使用目标服务所带来的增益。

具体实施时，针对每个用户组，可以按照预设增益计算公式，根据该用户组分别在不同虚拟资源类型下对应的第一复用信息，确定该用户组分别在不同虚拟资源类型下的虚拟资源分发增益。

在一种实施例中，针对上述S103-1，针对每个用户组，可以确定在向该用户组中的待分发用户分发不同类型的虚拟资源后，待分发用户在不同预设时间段内，再次使用不同虚拟资源类型对应的目标服务的第一复用信息。

这里，预设时间段的数量和时间长短可以根据实际的应用需求进行设置，本公开实例不进行具体限定。示例性的，预设时间段可以包括在向该用户组中的待分发用户分发不同类型的虚拟资源后的前N日(如30日)，还可以包括在向该用户组中的待分发用户分发不同类型的虚拟资源后的第M到M+10日(如第21到30日)。

以用户组包括用户组1和用户组2，虚拟资源类型包括虚拟资源类型A、B，目标服务包括虚拟资源类型A对应的目标服务A，虚拟资源类型B对应的目标服务B为例，针对用户组1，可以确定在向用户组1中的待分发用户分发虚拟资源类型A对应的虚拟资源后，用户组1中的待分发用户在前30日内使用目标服务A的增益，以及确定用户组1中的待分发用户在第21到30日使用目标服务A的频率。同理，可以确定在向用户组1中的待分发用户分发虚拟资源类型B对应的虚拟资源后，用户组1中的待分发用户在前30日内使用目标服务B的增益，以及确定用户组1中的待分发用户在第21到30日使用目标服务B的频率。

同样的，针对用户组2，可以确定在向用户组2中的待分发用户分发虚拟资源类型A对应的虚拟资源后，用户组2中的待分发用户在前30日内使用目标服务A的增益，以及确定用户组2中的待分发用户在第21到30日使用目标服务A的频率。同理，可以确定在向用户组2中的待分发用户分发虚拟资源类型B对应的虚拟资源后，用户组2中的待分发用户在前30日内使用目标服务B的增益，以及确定用户组2中的待分发用户在第21到30日使用目标服务B的频率。

进一步的，针对S103-2，针对每个虚拟资源类型，可以对该用户组中的待分发用户在不同预设时间段内，再次使用该虚拟资源类型的目标服务的第一复用信息进行合并，得到该用户组在该虚拟资源类型下的虚拟资源分发增益。

示例性的，可以按照如下公式一确定用户组在虚拟资源类型下的虚拟资源分发增益：

LTV

其中，LTV

具体实施时，根据各个用户组在不同虚拟资源类型下对应的第一复用信息和上述公式一，可以分别确定出各个用户组在不同虚拟资源类型下的虚拟资源分发增益。

S103-3：根据各个用户组中的待分发用户在每种虚拟资源类型下的使用转化率和参照组对应的用户比率，确定各个用户组在每种虚拟资源类型下的转化率增量。

这里，转化率增量用于表征使用转化率和用户比率之间的差值。以确定任一用户组在任一虚拟资源类型下的转化率增量为例，可以确定该用户组中的各个待分发用户在该虚拟资源类型下的使用转化率，分别与参照组对应的用户比率之间的差值，然后可以将各个待分发用户对应的差值的均值，作为该用户组在该虚拟资源类型下的转化率增量。

在一种实施例中，针对S103-3，可以按照以下步骤实施：

S103-3-1：针对每个用户组，根据该用户组中的各个待分发用户在每个虚拟资源类型下的使用转化率，确定该用户组在每个虚拟资源类型下的平均使用转化率。

示例性的，针对包括待分发用户1～3的用户组1，可以根据待分发用户1～3分别在虚拟资源类型A下的使用转化率，确定用户组1在虚拟资源类型A下的平均使用转化率。根据待分发用户1～3分别在虚拟资源类型B下的使用转化率，确定用户组1在虚拟资源类型B下的平均使用转化率。根据待分发用户1～3分别在虚拟资源类型C下的使用转化率，确定用户组1在虚拟资源类型C下的平均使用转化率。

S103-3-2：将各个用户组在每个虚拟资源类型下的平均使用转化率，与参照组对应的用户比率的差值，确定为各个用户组在每个虚拟资源类型下的转化率增量。

示例性的，可以将用户组1在虚拟资源类型A下的平均使用转化率，与参照组对应的用户比率的差值，作为用户组1在虚拟资源类型A下的转化率增量；将用户组1在虚拟资源类型B下的平均使用转化率，与参照组对应的用户比率的差值，作为用户组1在虚拟资源类型B下的转化率增量；以及将用户组1在虚拟资源类型C下的平均使用转化率，与参照组对应的用户比率的差值，作为用户组1在虚拟资源类型C下的转化率增量。

S103-4：按照虚拟资源分发增益最大的原则，根据虚拟资源分发增益、转化率增量、和虚拟资源的资源量阈值，确定每个用户组对应的待分发的虚拟资源类型。

示例性的，可以根据如下公式，确定每个用户组对应的待分发的虚拟资源类型：

max∑

s.t.∑

∑

其中，max表示最大化，i表示第i个用户组，j表示第j个虚拟资源类型，ltv

具体实施时，可以将虚拟资源分发增益、转化率增量和虚拟资源的资源量阈值，代入上述各个公式，并通过联立上述公式，确定出每个用户组对应的待分发的虚拟资源类型。例如，通过联立上述公式，可以确定出各个用户组在每个虚拟资源类型下的p

在一种实施方式中，在确定出各个用户组对应的待分发的虚拟资源类型之后，可以建立用户组和待分发的虚拟资源类型之间的关联关系并存储。例如，可以利用分布式事务(try-confirm-cancel，TCC)的方式进行存储。

在一种实施例中，针对上述S103-4，可以按照以下步骤实施：

S103-4-1：按照虚拟资源分发增益最大的原则，根据虚拟资源分发增益、转化率增量、和虚拟资源的资源量阈值，确定每个用户组对应的待验证的虚拟资源类型。

具体实施时，可以根据上述公式二～公式四，确定出每个用户组对应的待验证的虚拟资源类型，之后，可以按照下述步骤对用户组对应的待验证的虚拟资源类型进行验证，在验证通过的情况下，可以将用户组对应的待验证的虚拟资源类型，作为用户组对应的待分发的虚拟资源类型。

S103-4-2：确定参照组中的用户使用不同虚拟资源类型对应的目标服务的第二复用信息。

具体实施时，可以以向每个待分发用户分发不同类型的虚拟资源的时间点为时间起点，采用参照组中的用户在不同预设时间段内，使用不同虚拟资源类型对应的目标服务的第二复用信息。

S103-4-3：根据第二复用信息，确定参照组对应不同虚拟资源类型的参照资源分发增益。

示例性的，可以按照如下公式五确定参照组在虚拟资源类型下的参照资源分发增益：

其中，

具体实施时，根据参照组在不同虚拟资源类型下对应的第二复用信息和上述公式四，确定参照组对应不同虚拟资源类型的参照资源分发增益。

S103-4-4：针对每个待验证的虚拟资源类型，在该待验证的虚拟资源类型对应的用户组的虚拟资源分发增益，大于参照组在该待验证的虚拟资源类型下对应的参照资源分发增益的情况下，将该待验证的虚拟资源类型作为对应的用户组的待分发的虚拟资源类型。

示例性的，针对每个待验证的虚拟资源类型，在该待验证的虚拟资源类型对应的用户组仅包括一个的情况下，可以将该唯一的用户组在该待验证的虚拟资源类型下的虚拟资源分发增益，和参照组在该待验证的虚拟资源类型下对应的参照资源分发增益进行比较，在虚拟资源分发增益大于参照资源分发增益的情况下，可以将该待验证的虚拟资源类型，作为该唯一的用户组对应的待分发的虚拟资源类型。反之，在虚拟资源分发增益小于参照资源分发增益的情况下，则说明当前确定待验证的虚拟资源类型不合理，可以返回执行上述S103-4-1，重新确定各个用户组对应的待验证的虚拟资源类型，直至虚拟资源分发增益大于参照资源分发增益。

针对每个待验证的虚拟资源类型，在该待验证的虚拟资源类型对应的用户组仅包括多个的情况下，例如，待验证的虚拟资源类型A对应的用户组包括用户组4和用户组5，则可以先根据用户组4和用户组5分别在该待验证的虚拟资源类型下的虚拟资源分发增益，确定虚拟资源分发增益的和，在该和大于参照组在该待验证的虚拟资源类型下对应的参照资源分发增益的情况下，将待验证的虚拟资源类型A，作为用户组4和用户组5分别对应的待分发的虚拟资源类型。

这样，利用参照组对应的参照资源分发增益，可以实现对确定出的各个用户组对应的待验证的虚拟资源类型，进行合理性验证，得到合理准确的待分发的虚拟资源类型。

S104：根据每个用户组对应的待分发的虚拟资源类型，向该用户组内的各个待分发用户分发虚拟资源。

具体实施时，针对每个用户组，可以将该用户组对应的待分发的虚拟资源类型的虚拟资源，分发至该用户组中的各个待分发用户。例如，用户组1对应的待分发的虚拟资源类型为虚拟资源类型B，用户组2对应的待分发的虚拟资源类型为虚拟资源类型A，则可以向用户组1中的各个待分发用户，分发虚拟资源类型B的虚拟资源，以及向用户组2中的各个待分发用户，分发虚拟资源类型A的虚拟资源。

可选的，在利用目标神经网络确定出向各个待分发用户分发不同类型的虚拟资源时的使用转化率之后，可以将待分发用户对应的各个使用转换率存储。例如，存储在分布式存储空间Abase中。进一步，在将用户组和待分发的虚拟资源类型之间的关联关系存储之后，如果其他服务端存在为待分发用户分发虚拟资源的需求，可以先根据待分发用户的用户标识，从Abase中确定出该待分发用户的使用转化率；然后可以根据该使用转换率，确定出该待分发用户所属于的用户组，根据用户组对应的关联关系，确定出待分发的虚拟资源类型；最后可以将该待分发的虚拟资源类型的虚拟资源，发送给该待分发用户。

基于上述各实施例，利用训练好的增益网络模型，可以准确确定出向每个待分发用户分发不同类型的虚拟资源时的使用转化率；根据确定出的使用转化率对用户进行分组，再利用资源量阈值和参照组对应的使用每种目标服务的用户比率，对划分得到的各个用户组进行分发决策的优化，可以在约束分发的资源量的基础上，准确确定出每个用户组对应的待分发的虚拟资源类型，实现有针对性地为每个用户组中的用户分发虚拟资源，从而可以实现虚拟资源的合理化利用，提高虚拟资源的利用效率，进而提高相关服务资源的利用率。

在一种实施例中，如图2所示，为本公开实施例提供的一种资源分发的具体实施流程示意图，可以包括三部分，第一部分是模型更新部分(包括实时更新和/或天级更新)，第二部分是决策优化部分(可以实时优化和/或天级优化)，第三部分是在线服务部分，用于在线为各个待分发用户分发虚拟资源。具体的，模型更新部分可以包括：利用小流量的随机探索实验的方式，持续采集样本数据；其中，样本数据包括虚拟资源类型和样本用户对应授权使用的用户属性信息。将虚拟资源类型和样本用户对应授权使用的用户属性信息进行拼接，将拼接后的数据作为待训练的增益(uplift)网络模型的输入，对待训练的增益(uplift)网络模型进行迭代训练，得到目标网络模型。

决策优化部分可以包括：利用目标网络模型，确定向每个待分发用户分发不同类型的虚拟资源时的使用转化率，将每个待分发用户对应的使用转化率存储至Abase中。利用预先训练好的增益信息预测模型，确定向每个待分发用户分发不同类型的虚拟资源后各个待分发用户对应的虚拟资源分发增益，并存储至Abase中。其中，增益信息预测模型也可以采用样本数据训练得到。然后可以根据各个待分发用户分别对应的使用转化率，将各个待分发用户划分至不同的用户组。针对每个用户组，确定在向该用户组中的待分发用户分发不同类型的虚拟资源后，待分发用户再次使用不同虚拟资源类型对应的目标服务的第一复用信息。之后，可以执行决策优化，也即执行上述S103，确定出每个用户组对应的待分发的虚拟资源类型。建立用户组和待分发的虚拟资源类型之间的关联关系并写入TCC。其中，增益信息预测模型输出的虚拟资源分发增益，可以用于验证决策优化部分得到的优化结果(即用户组对应的待分发的虚拟资源类型)是否合理，具体的，可以在确定向待分发用户分发待分发的虚拟资源类型的虚拟资源后的虚拟资源分发增益，大于增益信息预测模型输出的虚拟资源分发增益的情况下，确定优化结果合理。

在线服务部分可以包括：任一上游服务确定需要向待分发用户发放虚拟资源，飞盘(服务端)可以根据待分发用户对应的用户标识，从Abase中获取该待分发用户对应的使用转化率，并根据该使用转化率确定该待分发用户对应的用户组。从TCC中获取关联关系，根据关联关系，确定该待分发用户对应的待分发的虚拟资源类型。之后，可以向该待分发用户分发该类型的虚拟资源。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

基于同一发明构思，本公开实施例中还提供了与资源分发方法对应的资源分发装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述资源分发方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。

如图3所示，为本公开实施例提供的一种资源分发装置的示意图，包括：

第一确定模块301，用于利用训练好的目标网络模型，确定向每个待分发用户分发不同类型的虚拟资源时的使用转化率；所述使用转化率用于指示所述待分发用户在被分发所述虚拟资源后，使用目标服务的概率；

划分模块302，用于根据各个所述待分发用户分别对应的所述使用转化率，将各个所述待分发用户划分至不同的用户组；

第二确定模块303，用于基于各个所述用户组中的所述待分发用户在每种虚拟资源类型下的所述使用转化率、虚拟资源的资源量阈值和参照组对应的使用每种目标服务的用户比率，确定每个所述用户组对应的待分发的虚拟资源类型；所述参照组内的用户是指未被分配虚拟资源的用户；

分发模块304，用于根据每个所述用户组对应的待分发的虚拟资源类型，向该用户组内的各个待分发用户分发虚拟资源。

在一种可能的实施方式中，所述划分模块302，在所述根据各个所述待分发用户分别对应的所述使用转化率，将各个所述待分发用户划分至不同的用户组时，用于：

根据各个所述待分发用户在任一种所述虚拟资源类型下分别对应的所述使用转化率，将各个所述待分发用户划分至不同的用户组；或，

根据每个所述待分发用户在各个所述虚拟资源类型下分别对应的所述使用转化率，确定每个所述待分发用户对应的转化率均值，并利用各个所述待分发用户分别对应的所述转化率均值，将各个所述待分发用户划分至不同的用户组。

在一种可能的实施方式中，所述装置还包括：

训练模块305，用于根据以下步骤确定训练好的目标网络模型：

按照预设时间周期，采集样本数据，并利用采集的样本数据，对待训练的增益网络模型进行迭代训练，得到训练好的增益网络模型；

确定训练好的所述增益网络模型的模型评估指标，并在所述模型评估指标大于验证增益模型的模型评估指标的情况下，将训练好的所述增益网络模型作为训练好的目标网络模型；

其中，所述验证增益模型用于验证训练好的所述增益网络模型是否符合使用要求，所述验证增益模型利用所述样本数据训练得到、且与所述增益网络模型具有不同的网络结构。

在一种可能的实施方式中，所述第二确定模块303，在所述基于各个所述用户组中的所述待分发用户在每种虚拟资源类型下的所述使用转化率、虚拟资源的资源量阈值和参照组对应的使用每种目标服务的用户比率，确定每个所述用户组对应的待分发的虚拟资源类型时，用于：

针对每个所述用户组，确定在向该用户组中的所述待分发用户分发不同类型的虚拟资源后，所述待分发用户再次使用不同虚拟资源类型对应的目标服务的第一复用信息；

根据该用户组的所述第一复用信息，确定该用户组对应不同虚拟资源类型的虚拟资源分发增益；

根据各个所述用户组中的所述待分发用户在每种虚拟资源类型下的所述使用转化率和参照组对应的所述用户比率，确定各个所述用户组在每种所述虚拟资源类型下的转化率增量；

按照虚拟资源分发增益最大的原则，根据所述虚拟资源分发增益、所述转化率增量、和所述虚拟资源的资源量阈值，确定每个所述用户组对应的待分发的虚拟资源类型。

在一种可能的实施方式中，所述第二确定模块303，在所述确定在向该用户组中的所述待分发用户分发不同类型的虚拟资源后，所述待分发用户再次使用不同虚拟资源类型对应的目标服务的第一复用信息时，用于：

确定在向该用户组中的所述待分发用户分发不同类型的虚拟资源后，所述待分发用户在不同预设时间段内，再次使用不同虚拟资源类型对应的目标服务的第一复用信息；

所述根据该用户组的所述第一复用信息，确定该用户组对应不同虚拟资源类型的虚拟资源分发增益，包括：

针对每个所述虚拟资源类型，对该用户组中的所述待分发用户在不同预设时间段内，再次使用该虚拟资源类型的所述目标服务的第一复用信息进行合并，得到该用户组在该虚拟资源类型下的所述虚拟资源分发增益。

在一种可能的实施方式中，所述第二确定模块303，在所述根据各个所述用户组中的所述待分发用户在每个虚拟资源类型下的所述使用转化率和参照组对应的所述用户比率，确定各个所述用户组在每个所述虚拟资源类型下的转化率增量时，用于：

针对每个所述用户组，根据该用户组中的各个所述待分发用户在每个所述虚拟资源类型下的所述使用转化率，确定该用户组在每个所述虚拟资源类型下的平均使用转化率；

将各个所述用户组在每个所述虚拟资源类型下的平均使用转化率，与所述参照组对应的所述用户比率的差值，确定为各个所述用户组在每个所述虚拟资源类型下的转化率增量。

在一种可能的实施方式中，所述第二确定模块303，在所述按照虚拟资源分发增益最大的原则，根据所述虚拟资源分发增益、所述转化率增量、和所述虚拟资源的资源量阈值，确定每个所述用户组对应的待分发的虚拟资源类型时，用于：

按照虚拟资源分发增益最大的原则，根据所述虚拟资源分发增益、所述转化率增量、和所述虚拟资源的资源量阈值，确定每个所述用户组对应的待验证的虚拟资源类型；

确定所述参照组中的用户使用不同虚拟资源类型对应的目标服务的第二复用信息；

根据所述第二复用信息，确定所述参照组对应不同虚拟资源类型的参照资源分发增益；

针对每个所述待验证的虚拟资源类型，在该待验证的虚拟资源类型对应的所述用户组的虚拟资源分发增益，大于所述参照组在该待验证的虚拟资源类型下对应的所述参照资源分发增益的情况下，将该待验证的虚拟资源类型作为对应的所述用户组的待分发的虚拟资源类型。

关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。

基于同一技术构思，本申请实施例还提供了一种计算机设备。参照图4所示，为本申请实施例提供的一种计算机设备的结构示意图，包括：

处理器41、存储器42和总线43。其中，存储器42存储有处理器41可执行的机器可读指令，处理器41用于执行存储器42中存储的机器可读指令，所述机器可读指令被处理器41执行时，处理器41执行下述步骤：S101：利用训练好的目标网络模型，确定向每个待分发用户分发不同类型的虚拟资源时的使用转化率；使用转化率用于指示待分发用户在被分发虚拟资源后，使用目标服务的概率；S102：根据各个待分发用户分别对应的使用转化率，将各个待分发用户划分至不同的用户组；S103：基于各个用户组中的待分发用户在每种虚拟资源类型下的使用转化率、虚拟资源的资源量阈值和参照组对应的使用每种目标服务的用户比率，确定每个用户组对应的待分发的虚拟资源类型；参照组内的用户是指未被分配虚拟资源的用户以及S104：根据每个用户组对应的待分发的虚拟资源类型，向该用户组内的各个待分发用户分发虚拟资源。

上述存储器42包括内存421和外部存储器422；这里的内存421也称内存储器，用于暂时存放处理器41中的运算数据，以及与硬盘等外部存储器422交换的数据，处理器41通过内存421与外部存储器422进行数据交换，当计算机设备运行时，处理器41与存储器42之间通过总线43通信，使得处理器41在执行上述方法实施例中所提及的执行指令。

本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的资源分发方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。

本公开实施例所提供的资源分发方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行上述方法实施例中所述的资源分发方法的步骤，具体可参见上述方法实施例，在此不再赘述。

该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

若本申请技术方案涉及个人信息，应用本申请技术方案的产品在处理个人信息前，已明确告知个人信息处理规则，并取得个人自主同意。若本申请技术方案涉及敏感个人信息，应用本申请技术方案的产品在处理敏感个人信息前，已取得个人单独同意，并且同时满足“明示同意”的要求。例如，在摄像头等个人信息采集装置处，设置明确显著的标识告知已进入个人信息采集范围，将会对个人信息进行采集，若个人自愿进入采集范围即视为同意对其个人信息进行采集；或者在个人信息处理的装置上，利用明显的标识/信息告知个人信息处理规则的情况下，通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权；其中，个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式、处理的个人信息种类等信息。

最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。