一种资源分配方法、装置、设备及计算机可读存储介质

技术领域

本发明涉及计算机技术领域，尤其涉及一种资源分配方法、装置、设备及计算机可读存储介质。

背景技术

相关技术中，在评估城市线下作业权限的业务效果时(如门店楼盘维护效果)，通常会忽略城市与业务的适配度，从而造成业务资源在各个城市中的分配不均衡的问题。

因此，如何确定业务与城市之间的适配度，以根据适配度确定业务资源在各个城市中进行合理分配，从而克服现有技术中存在的由于资源分配不均衡造成资源浪费的缺陷是目前亟待解决的技术问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提供一种资源分配方法、装置、设备及计算机可读存储介质。用以克服现有技术中存在的由于资源分配不均衡造成资源浪费的缺陷，实现了通过对分配策略分配的数据进行验证计算处理，根据得到的业务适配度数据动态调整分配策略，从而避免由于业务资源分配不均衡以造成资源浪费的问题。

第一方面，本发明提供一种资源分配方法，应用于资源分配设备，所述一种资源分配方法包括：

基于预设城市的多个初始业务指标，确定预分配初始业务资源的分配策略，并获取到与所述初始业务资源对应的多个初始业务资源数据；

根据所述初始业务指标和所述初始业务资源数据对预设的初始模型进行预处理，得到目标模型；

根据预设的提取规则，从所述目标模型中提取出目标业务指标；

对所述目标业务指标对应的目标业务资源数据进行计算处理，得到与预分配行为对应的业务适配度数据；

根据所述业务适配度数据，调整所述初始业务资源的所述分配策略。

根据本发明提供的一种资源分配方法，在所述确定预分配初始业务资源的分配策略之前，所述资源分配方法还包括：

所述初始业务指标至少包括：因变量指标、自变量指标；

所述因变量指标至少包括：维护竞争度指标；

所述自变量指标至少包括：库存房源数量指标、二手经纪人数量指标、门店数量占比指标、房屋经纪人数量占比指标、专项岗位经纪人数量指标、楼盘数量指标。

根据本发明提供的一种资源分配方法，所述根据述初始业务指标和所述初始业务资源数据对预设的初始模型进行预处理，得到目标模型，具体包括：

获取所述初始模型对应的初始函数；其中，所述初始函数的截距项为预设常数值；

根据所述维护竞争度指标和所述初始函数，确定出函数模型；

利用所述函数模型对所述初始业务资源数据进行计算处理，得到所述目标模型。

根据本发明提供的一种资源分配方法，所述利用所述函数模型对所述初始业务资源数据进行计算处理，得到所述目标模型，具体包括：

将多个所述自变量指标分别输入至所述函数模型，得到与所述自变量指标对应的多个业务模型；

基于每一所述业务模型，对与所述自变量指标对应的所述初始业务资源数据进行计算处理，得到与每一所述业务模型对应的多个信息准则数据；

将多个所述信息准则数据对应的数值分别与预设标准阈值进行比较处理，得到比较结果；

根据所述比较结果筛选出数值未超过所述预设标准阈值的所述信息准则数据，确定所述数值最小的所述信息准则数据所对应的所述业务模型为最优模型；并确定所述最优模型对应的最优自变量指标；

判断所述最优模型的更新次数是否达到设定次数阈值，若未达到所述次数阈值，将去除所述最优自变量指标之外的其他自变量指标输入至所述最优模型进行计算处理，得到更新后的最优模型，直至所述最优模型的更新次数达到设定次数阈值，将最终更新后的最优模型作为所述目标模型。

根据本发明提供的一种资源分配方法，所述对所述目标业务指标对应的目标业务资源数据进行计算处理，得到与所述预分配行为对应的业务适配度数据，包括：

获取与所述目标业务指标对应的所述初始业务资源数据；

对所述初始业务资源数据进行数据转换处理，得到与所述目标业务指标对应的所述目标业务资源数据；

根据预设的适配公式对所述目标业务资源数据进行计算处理，得到与所述预分配行为对应的所述业务适配度数据。

根据本发明提供的一种资源分配方法，所述根据预设的适配公式对所述目标业务资源数据进行计算处理，得到与所述预分配行为对应的所述业务适配度数据，包括：

获取对所述目标业务指标预置的权重值；

利用所述适配公式和所述权重值，对所述目标业务资源数据进行加权计算处理，得到所述业务适配度数据。

第二方面，本发明还提供一种资源分配装置，包括：

获取模块，用于基于预设城市的多个初始业务指标，确定预分配初始业务资源的分配策略，并获取到与所述初始业务资源对应的多个初始业务资源数据；

预处理模块，用于根据述初始业务指标和所述初始业务资源数据对预设的初始模型进行预处理，得到目标模型；

提取模块，用于根据预设的提取规则，从所述目标模型中提取出目标业务指标；

计算模块，用于对所述目标业务指标对应的目标业务资源数据进行计算处理，得到与预分配行为对应的业务适配度数据；

调整模块，用于根据所述业务适配度数据，调整所述初始业务资源的所述分配策略。

第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种资源分配方法的步骤。

第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种资源分配方法的步骤。

第五方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种资源分配方法的步骤。

本发明提供的一种资源分配方法、装置、设备及计算机可读存储介质，通过基于预设城市的多个初始业务指标，确定预分配初始业务资源的分配策略，并获取到与所述初始业务资源对应的多个初始业务资源数据；根据所述初始业务指标和所述初始业务资源数据对预设的初始模型进行预处理，得到目标模型；根据预设的提取规则，从所述目标模型中提取出目标业务指标；对所述目标业务指标对应的目标业务资源数据进行计算处理，得到与预分配行为对应的业务适配度数据；根据所述业务适配度数据，调整所述初始业务资源的所述分配策略。实现了通过对分配策略分配的数据进行验证计算处理，根据验证计算处理得到的业务适配度数据动态调整分配初始业务资源的分配策略，从而避免由于业务资源分配不均衡以造成资源浪费的问题。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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他的附图。

图1是本发明提供的一种资源分配方法的流程示意图之一；

图2是本发明提供的初始业务资源数据对应实施例示意图之一；

图3是本发明提供的业务适配度数据对应实施例示意图之一；

图4是本发明图1中步骤S200的流程示意图之一；

图5是本发明图4中步骤S230的流程示意图之一；

图6是本发明图1中步骤S400的流程示意图之一；

图7是本发明图6中步骤S430的流程示意图之一；

图8是本发明提供的一种资源分配装置的结构示意图；

图9是本发明提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在相关技术中，在评估城市线下作业权限的业务效果时(如门店楼盘维护效果)，通常会忽略城市与业务的适配度，从而造成业务资源在各个城市中的分配不均衡的问题。

基于此，本发明实施例提供一种资源分配方法、装置、设备及计算机可读存储介质，通过对分配策略分配的数据进行验证计算处理，根据验证计算处理得到的业务适配度数据动态调整分配初始业务资源的分配策略，从而避免由于业务资源分配不均衡以造成资源浪费的问题。

其具体通过如下实施例进行说明，首先描述本发明实施例中的一种资源分配方法。

如图1所示，其为本发明实施例提供的一种资源分配方法的实施流程示意图，一种资源分配方法可以包括但不限于步骤S100至S500。

S100，基于预设城市的多个初始业务指标，确定预分配初始业务资源的分配策略，并获取到与所述初始业务资源对应的多个初始业务资源数据；

S200，根据所述初始业务指标和所述初始业务资源数据对预设的初始模型进行预处理，得到目标模型；

S300，根据预设的提取规则，从所述目标模型中提取出目标业务指标；

S400，对所述目标业务指标对应的目标业务资源数据进行计算处理，得到与预分配行为对应的业务适配度数据；

S500，根据所述业务适配度数据，调整所述初始业务资源的所述分配策略。

在一些实施例的步骤S100中，基于预设城市的多个初始业务指标，确定预分配初始业务资源的分配策略，并获取到与所述初始业务资源对应的多个初始业务资源数据。可以理解的是，资源分配设备获取到预设的分配策略，用于根据该分配策略对预设城市的多个初始业务指标对应的初始业务资源进行资源分配，终端设备再根据获取指令获取到与初始业务指标对应的多个初始业务资源数据。

进一步地，初始业务指标至少包括：因变量指标、自变量指标；

所述因变量指标至少包括：维护竞争度指标；

需要说明的是，维护竞争度指标是在维护房源时，衡量市场竞争程度的一个指标。

所述自变量指标至少包括：库存房源数量指标、二手经纪人数量指标、门店数量占比指标、房屋经纪人数量占比指标、专项岗位经纪人数量指标、楼盘数量指标。

可以理解的是，参照图2所示，预设城市可以至少包括：贵阳市、南宁市、呼和浩特市、乐山市、珠海市等城市；

而初始业务指标至少包括：维护竞争度指标、库存房源数量指标、二手经纪人数量指标、门店数量占比指标、房屋经纪人数量占比指标、专项岗位经纪人数量指标、楼盘数量指标、维护房源数量指标。

在本发明的一些实施例中，将初始业务指标划分为因变量指标和自变量指标，而将维护竞争度指标作为因变量指标。

初始业务资源数据：比如在贵阳市分布的维护房源数量指标(维护盘房源量)对应的初始业务资源数据即为50000。

在一些实施例的步骤S200中，根据所述初始业务指标和所述初始业务资源数据对预设的初始模型进行预处理，得到目标模型。可以理解的是，其具体执行步骤可以为，在执行完步骤S100基于预设城市的多个初始业务指标，确定预分配初始业务资源的分配策略，并获取到与所述初始业务资源对应的多个初始业务资源数据之后，资源分配设备首先执行获取所述初始模型对应的初始函数；其中，所述初始函数的截距项为预设常数值，根据所述维护竞争度指标和所述初始函数，确定出函数模型，再利用所述函数模型对所述初始业务资源数据进行计算处理，得到所述目标模型。

在一些实施例的步骤S300中，根据预设的提取规则，从所述目标模型中提取出目标业务指标。可以理解的是，资源分配设备在执行完步骤S200根据所述初始业务指标和所述初始业务资源数据对预设的初始模型进行预处理，得到目标模型之后，根据接收到的提取指令，利用提取规则从目标模型中提取出目标业务指标。

进一步地，在本发明的一些实施例中，根据提取规则提取出的目标业务指标至少包括：门店数量占比指标、专项岗位经纪人数量指标、维护房源数量指标。

在一些实施例的步骤S400中，对所述目标业务指标对应的目标业务资源数据进行计算处理，得到与预分配行为对应的业务适配度数据。可以理解的是，资源分配设备在执行完步骤S300据预设的提取规则，从所述目标模型中提取出目标业务指标之后，首先执行获取与所述目标业务指标对应的所述初始业务资源数据，对所述初始业务资源数据进行数据转换处理，得到与所述目标业务指标对应的所述目标业务资源数据，再根据预设的适配公式对所述目标业务资源数据进行计算处理，得到与所述预分配行为对应的所述业务适配度数据。

在一些实施例的步骤S500中，根据所述业务适配度数据，调整所述初始业务资源的所述分配策略。可以理解的是，在执行完步骤S400对所述目标业务指标对应的目标业务资源数据进行计算处理，得到与预分配行为对应的业务适配度数据之后，资源分配设备根据得步骤S400得到的业务适配度数据，调整初始业务指标的分配策略。

进一步的，在一些实施例中，参照图3所示，对计算得到的业务适配度数据按照从大到小的顺序进行排序，在本发明实施例的图3中，适配度数据即为城市得分数据，其中还包括对应的目标业务指标，以及对应的权重值。

根据图3中的排序结果，可以直观地看出比如重庆市、西安市按照步骤S100中预分配的分配策略分配初始业务指标数据的适配度比较高，而惠州市、廊坊市根据步骤S100中预分配的分配策略分配初始业务指标数据的适配度比较低，则进一步说明，利用原始分配策略对这些城市分配的资源不能被充分利用，存在大量浪费资源现象。因此，此时则需要进一步调整对适配度数据比较低的城市的分配策略，以避免对这些城市分配的资源浪费。

在一些实施例中，参考图4所示，步骤S200还可以包括但不限于步骤S210至S230。

S210，获取所述初始模型对应的初始函数；其中，所述初始函数的截距项为预设常数值；

S220，根据所述维护竞争度指标和所述初始函数，确定出函数模型；

S230，利用所述函数模型对所述初始业务资源数据进行计算处理，得到所述目标模型。

在一些实施例的步骤S210中，获取所述初始模型对应的初始函数；其中，所述初始函数的截距项为预设常数值。可以理解的是，资源分配设备接收获取初始函数指令，根据接收到的获取初始函数指令从预设数据库中获取到与初始模型对应的初始函数。

进一步地，初始函数的截距项为预设常数值，即当截距项为预设常数值时，初始函数对应的函数值为f(b)＝b，其中b即为预设常数值，f(b)为初始函数对应的函数值。

在一些实施例的步骤S220中，根据所述维护竞争度指标和所述初始函数，确定出函数模型。可以理解的是，在执行完步骤S210获取所述初始模型对应的初始函数之后，资源分配设备根据自变量指标中的维护竞争度指标和步骤S210得到的初始函数，得到函数模型。

进一步地，即将维护竞争度指标输入至所述初始函数，得到函数模型，该函数模型为f(x)＝k*x+b，f(x)为初始函数的函数值，b即为预设常数值，x为待输入的因变量指标，k为系数，只是此时x为0，即没有输入任何因变量指标。

在一些实施例的步骤S230中，利用所述函数模型对所述初始业务资源数据进行计算处理，得到所述目标模型。可以理解的是，在执行完步骤S220根据所述维护竞争度指标和所述初始函数，确定出函数模型之后，资源分配设备利用步骤S220得到的函数模型对步骤S100中获取到的初始业务资源数据进行计算处理，从而得到目标模型。

进一步地，步骤S230其具体执行步骤还可以为首先将多个所述自变量指标分别输入至所述函数模型，得到与所述自变量指标对应的多个业务模型，再基于每一所述业务模型，对与所述自变量指标对应的所述初始业务资源数据进行计算处理，得到与每一所述业务模型对应的多个信息准则数据，将多个所述信息准则数据对应的数值分别与预设标准阈值进行比较处理，得到比较结果，根据所述比较结果筛选出数值未超过所述预设标准阈值的所述信息准则数据，确定所述数值最小的所述信息准则数据所对应的所述业务模型为最优模型；并确定所述最优模型对应的最优自变量指标，判断所述最优模型的更新次数是否达到设定次数阈值，若未达到所述次数阈值，将去除所述最优自变量指标之外的其他自变量指标输入至所述最优模型进行计算处理，得到更新后的最优模型，直至所述最优模型的更新次数达到设定次数阈值，将最终更新后的最优模型作为所述目标模型。

在一些实施例中，参考图5所示，步骤S230还可以包括但不限于步骤S231至S235。

S231，将多个所述自变量指标分别输入至所述函数模型，得到与所述自变量指标对应的多个业务模型；

S232，基于每一所述业务模型，对与所述自变量指标对应的所述初始业务资源数据进行计算处理，得到与每一所述业务模型对应的多个信息准则数据；

S233，将多个所述信息准则数据对应的数值分别与预设标准阈值进行比较处理，得到比较结果；

S234，根据所述比较结果筛选出数值未超过所述预设标准阈值的所述信息准则数据，确定所述数值最小的所述信息准则数据所对应的所述业务模型为最优模型；并确定所述最优模型对应的最优自变量指标；

S235，判断所述最优模型的更新次数是否达到设定次数阈值，若未达到所述次数阈值，将去除所述最优自变量指标之外的其他自变量指标输入至所述最优模型进行计算处理，得到更新后的最优模型，直至所述最优模型的更新次数达到设定次数阈值，将最终更新后的最优模型作为所述目标模型。

在一些实施例的步骤S231中，将多个所述自变量指标分别输入至所述函数模型，得到与所述自变量指标对应的多个业务模型。可以理解的是，在执行完步骤S230利用所述函数模型对所述初始业务资源数据进行计算处理，得到所述目标模型之后，资源分配设备将多个自变量指标分别输入至步骤S220得到的函数模型，然后得到与输入的自变量指标对应的多个业务模型。

进一步地，自变量指标至少包括：库存房源数量指标、二手经纪人数量指标、门店数量占比指标、房屋经纪人数量占比指标、专项岗位经纪人数量指标、楼盘数量指标。

可以将多个自变量指标定义为A、B、C，此处仅为示例，实际是每一个字母均代表一个自变量指标，即A为门店数量占比指标，B为楼盘数量指标，C为专项岗位经纪人数量指标。

将多个所述自变量指标分别输入至所述函数模型，得到与所述自变量指标对应的多个业务模型其示例可以为，将A输入f(x)＝k*x+b，得到A1业务模型：f(x)＝k*A+b，将B输入f(x)＝k*x+b，得到B1业务模型：f(x)＝k*B+b，将C输入f(x)＝k*x+b，得到C1业务模型：f(x)＝k*C+b。

在一些实施例的步骤S232中，基于每一所述业务模型，对与所述自变量指标对应的所述初始业务资源数据进行计算处理，得到与每一所述业务模型对应的多个信息准则数据。可以理解的是，在执行完步骤S231将多个所述自变量指标分别输入至所述函数模型，得到与所述自变量指标对应的多个业务模型之后，资源分配设备在根据通过步骤S231得到的多个业务模型，对自变量指标对应的初始业务资源数据进行计算处理，从而得到与每一个业务模型对应的信息准则数据。

进一步地，在一些实施例中，以B1业务模型为示例，对B1业务模型中的B(为楼盘数量指标)对应的初始业务资源数据进行计算处理，即对应图2所示的维护盘房数量那一列的数据进行计算，计算出其残差平方和。

需要说明的是，残差平方和(Residual Sum of Squares，即RSS)，又称剩余平方和。在统计学上，数据点与它在回归直线上相应位置的差异称为残差，把每个残差平方之后加起来称为残差平方和，它表示随机误差的效应。残差平方和的计算步骤如下：

首先，将每一个数据点横坐标找出，将横坐标代入回归模型方程，计算出理论纵坐标值，再将数据点的纵坐标减去计算出的、对应的理论纵坐标值，得到两者之差，计算两者之差的平方，并将所有平方相加，最后结果即为残差平方和。其中，计算差值时要用相同横坐标对应的理论值和实际值相减。

进一步需要说明的是，回归模型方程为通用的多元线性回归的数学模型，此处不做进一步的限定。

信息准则数据计算公式为：

根据信息准则数据用于判断出解释力度最优的业务模型，在多个业务模型中，AIC值最低的，即为当前解释力度最优的模型，如此能够克服在传统线性模型中，直接引入所有变量指标进行拟合，模型解释力度未必最优，进而导致选出的评估变量也可能不是最优，当变量不具有代表性时，基于变量进行的评估不准确，资源分配不合理的问题。

在一些实施例的步骤S233中，将多个所述信息准则数据对应的数值分别与预设标准阈值进行比较处理，得到比较结果。可以理解的是，在执行完步骤S232基于每一所述业务模型，对与所述自变量指标对应的所述初始业务资源数据进行计算处理，得到与每一所述业务模型对应的多个信息准则数据之后，资源分配设备将多个业务模型对应的信息准则数据所对应的数值分别与预设标准阈值进行比较处理，从而得到比较结果。

在一些实施例的步骤S234中，根据所述比较结果筛选出数值未超过所述预设标准阈值的所述信息准则数据，确定所述数值最小的所述信息准则数据所对应的所述业务模型为最优模型；并确定所述最优模型对应的最优自变量指标。可以理解的是，在执行完步骤S233将多个所述信息准则数据对应的数值分别与预设标准阈值进行比较处理，得到比较结果之后，根据步骤S233得到的比较结果，首先筛选出数值未超过预设标准阈值的信息准则数据，丢弃数值超过预设标准阈值的信息准则数据。再将筛选出数值未超过预设标准阈值的信息准则数据进行排序，确定出数值最小的信息准则数据，然后数值最小的信息准则数据对应的业务模型即为最优模型。

进一步地，根据最优模型确定出对应的最优自变量指标，可以理解的是，最优模型其实是从多个业务模型中确定的一个模型，根据步骤S231将多个所述自变量指标分别输入至所述函数模型，得到与所述自变量指标对应的多个业务模型可知，每个业务模型都有唯一对应的一个自变量指标，因此最优模型对应的自变量指标即为最优自变量指标。

在一些实施例的步骤S235中，判断所述最优模型的更新次数是否达到设定次数阈值，若未达到所述次数阈值，将去除所述最优自变量指标之外的其他自变量指标输入至所述最优模型进行计算处理，得到更新后的最优模型，直至所述最优模型的更新次数达到设定次数阈值，将最终更新后的最优模型作为所述目标模型。可以理解的是在执行完步骤S234根据所述比较结果筛选出数值未超过所述预设标准阈值的所述信息准则数据，确定所述数值最小的所述信息准则数据所对应的所述业务模型为最优模型；并确定所述最优模型对应的最优自变量指标之后，假使在本发明申请的实施例中，确定最优模型时设定次数阈值为三次，仅为示例，则其具体执行步骤可以如下：

在一些实施例中，第一次确定最优模型的步骤为：

将多个自变量指标分别输入至初始模型，得到与自变量指标对应的多个第一业务模型，其中，每一第一业务模型分别对应每一所述自变量指标，基于每一所述第一业务模型，对与所述自变量指标对应的所述初始业务资源数据进行第一计算处理，得到与每一所述第一业务模型对应的多个第一信息准则数据。

将所述第一信息准则数据的数值与预设标准阈值进行比较处理，筛选出数值未超过所述预设标准阈值的所述第一信息准则数据，确定数值最小的所述第一信息准则数据所对应的所述第一业务模型为第一最优模型，根据所述第一最优模型，从所述自变量指标中筛选出对应所述第一最优模型的第一最优自变量指标，根据所述第一最优模型和在剔除所述第一最优指标之后的所述自变量指标，确定出所述目标模型。

在一些实施例中，第二次确定最优模型的步骤为：

从多个所述自变量指标中筛选出所述第一最优指标，得到多个第二自变量指标，将多个所述第二自变量指标分别输入至所述第一最优模型，得到多个第二业务模型，基于每一所述第二业务模型，对与所述第二自变量指标对应的所述初始业务资源数据进行第二计算处理，得到与每一所述第二业务模型对应的第二信息准则数据。

其具体执行步骤可以为：假设A为第一最优指标，第一最优模型为f(A1)＝k1*x+b，其中，k1＝k*A，f(A1)为第一最优模型函数值，其中k1＝k*A则对应新的系数，b为常数。再将多个所述第二自变量指标分别输入至所述第一最优模型，得到多个第二业务模型，基于每一所述第二业务模型，对与所述第二自变量指标对应的所述初始业务资源数据进行第二计算处理，得到与每一所述第二业务模型对应的第二信息准则数据。

将所述第二信息准则数据的数值与预设标准阈值进行比较处理，筛选出数值未超过所述预设标准阈值的所述第二信息准则数据，确定数值最小的所述第二信息准则数据所对应的所述第二业务模型为第二最优模型，根据所述第二最优模型，从所述第二自变量指标中筛选出对应所述第二最优模型的第二最优自变量指标，根据所述第二最优模型和在剔除所述第二最优指标之后的所述第二自变量指标，确定出所述目标模型。

在一些实施例中，第三次确定最优模型的步骤为：

从多个所述第二自变量指标中筛选出所述第二最优指标，得到多个第三自变量指标，将多个所述第三自变量指标分别输入至所述第二最优模型，得到多个第三业务模型，基于每一所述第三业务模型，对与所述第三自变量指标对应的所述初始业务资源数据进行第三计算处理，得到与每一所述第三业务模型对应的第三信息准则数据。

将所述第三信息准则数据的数值与预设标准阈值进行比较处理，筛选出数值未超过所述预设标准阈值的所述第三信息准则数据，确定数值最小的所述第三信息准则数据所对应的所述第三业务模型为第三最优模型，根据所述第三最优模型，从所述第三自变量指标中筛选出对应所述第三最优模型的第三最优自变量指标，根据所述第三最优模型和在剔除所述第三最优指标之后的所述第三自变量指标，确定出目标模型。

在一些实施例中，参考图6所示，步骤S400还可以包括但不限于步骤S410至S430。

S410，获取与所述目标业务指标对应的所述初始业务资源数据；

S420，对所述初始业务资源数据进行数据转换处理，得到与所述目标业务指标对应的所述目标业务资源数据；

S430，根据预设的适配公式对所述目标业务资源数据进行计算处理，得到与所述预分配行为对应的所述业务适配度数据。

在一些实施例的步骤S410中，获取与所述目标业务指标对应的所述初始业务资源数据。可以理解的是，在执行完步骤S300根据预设的提取规则，从所述目标模型中提取出目标业务指标之后，资源分配设备根据接收到的获取指令，从数据库中获取到目标业务指标对应的初始业务资源数据。

比如，在本发明的一些实施例中，根据提取规则提取出的目标业务指标至少包括：门店数量占比指标、专项岗位经纪人数量指标、维护房源数量指标。

那么参照图2所示，以维护房源数量指标为例，首先选择存储于数据库中的所有预设城市对应的维护房源数量指标，再将维护房源数量指标对应的初始业务资源数据均提取出来，以便进一步数据处理。

在一些实施例的步骤S420中，对所述初始业务资源数据进行数据转换处理，得到与所述目标业务指标对应的所述目标业务资源数据。可以理解的是，在执行完步骤S410获取与所述目标业务指标对应的所述初始业务资源数据之后，资源分配设备对获取到的初始业务资源数据进行数据转换处理，以得到目标业务资源数据。

进一步地，得到目标业务资源数据的公式为：

目标业务资源数据＝(x_i-x指标的中位数)/(x指标的下分位点)。其中，x表示某个目标业务指标，i表示某个城市，x指标的中位数即是目标业务指标对应的初始业务资源数据的中位数，x指标的下分位点即目标业务指标对应的初始业务资源数据的下四分位点数值。

进一步地，中位数(Median)又称中值，统计学中的专有名词，是按顺序排列的一组数据中居于中间位置的数，代表一个样本、种群或概率分布中的一个数值，其可将数值集合划分为相等的上下两部分。对于有限的数集，可以通过把所有观察值高低排序后找出正中间的一个作为中位数。如果观察值有偶数个，通常取最中间的两个数值的平均数作为中位数。

分位数(Quantile)，亦称分位点，是指将一个随机变量的概率分布范围分为几个等份的数值点，常用的有中位数(即二分位数)、四分位数、百分位数等。分位数指的就是连续分布函数中的一个点，这个点对应概率p。若概率0

其中，四分位数(Quartile)是统计学中分位数的一种，即把所有数值由小到大排列并分成四等份，处于三个分割点位置的数值就是四分位数。

下分位点：第一四分位数(Q1)，又称“较小四分位数”，等于该样本中所有数值由小到大排列后第25％的数字。

在一些实施例的步骤S430中，根据预设的适配公式对所述目标业务资源数据进行计算处理，得到与所述预分配行为对应的所述业务适配度数据。可以理解的是，在执行完步骤S420对所述初始业务资源数据进行数据转换处理，得到与所述目标业务指标对应的所述目标业务资源数据之后，资源分配设备首先获取到预设的适配公式，再根据适配公式，对通过步骤S420计算得到的目标业务资源数据进行进一步地计算处理，从而得到业务适配度数据。

进一步地，其具体执行步骤可以为：首先获取对所述目标业务指标预置的权重值，再利用所述适配公式和所述权重值，对所述目标业务资源数据进行加权计算处理，得到所述业务适配度数据。

在一些实施例中，参考图7所示，步骤S430还可以包括但不限于步骤S431至S432。

S431，获取对所述目标业务指标预置的权重值；

S432，利用所述适配公式和所述权重值，对所述目标业务资源数据进行加权计算处理，得到所述业务适配度数据。

在一些实施例的步骤S431中，获取对所述目标业务指标预置的权重值。可以理解的是，资源分配设备根据获取指令，获取到对目标业务指标对应的目标业务资源数据，在根据用户实际场景需求设定目标业务指标对应的权重值。

在一些实施例的步骤S432中，利用所述适配公式和所述权重值，对所述目标业务资源数据进行加权计算处理，得到所述业务适配度数据。可以理解的是，在执行完步骤S431获取对所述目标业务指标预置的权重值之后，利用适配公式和权重值，对目标业务资源数据进行加权计算处理，从而得到业务适配度数据。

进一步地，比如参照图3所示，将目标业务指标的权重值分别预设定为0.5、1、1。而比如图3中的重庆市为例，将这些权重值分别乘以目标业务指标对应的目标业务资源数据，再将同一个城市的多个目标业务指标对应的适配度数据相加求和，从而得到最终的业务适配度数据。而在得到每一预设城市对应的业务适配度数据之后，再根据业务适配度数据，动态调整初始业务指标对应的初始业务资源的分配策略，以克服根据现有不合理的分配策略分配的资源浪费的问题。

通过本发明实施例提供的一种资源分配方法，通过确定对预设城市预分配多个初始业务指标的分配策略，并获取到与初始业务指标对应的多个初始业务资源数据；根据初始业务指标和初始业务资源数据对预设的初始模型进行预处理，得到目标模型；根据预设的提取规则，从目标模型中提取出目标业务指标；对目标业务指标对应的目标业务资源数据进行计算处理，得到与预分配行为对应的业务适配度数据；根据业务适配度数据，调整初始业务指标的分配策略。能够通过对分配策略分配的数据进行验证计算处理，再根据验证计算处理得到的业务适配度数据动态调整分配初始业务资源的分配策略，从而克服由于业务资源分配不均衡造成资源浪费的问题。

下面对本发明提供的一种资源分配装置进行描述，下文描述的一种资源分配装置与上文描述的一种资源分配方法可相互对应参照。

参照图8所示，本发明还提供一种资源分配装置，包括：

获取模块810，用于基于预设城市的多个初始业务指标，确定预分配初始业务资源的分配策略，并获取到与所述初始业务资源对应的多个初始业务资源数据；

预处理模块820，用于根据述初始业务指标和所述初始业务资源数据对预设的初始模型进行预处理，得到目标模型；

提取模块830，用于根据预设的提取规则，从所述目标模型中提取出目标业务指标；

计算模块840，用于对所述目标业务指标对应的目标业务资源数据进行计算处理，得到与预分配行为对应的业务适配度数据；

调整模块850，用于根据所述业务适配度数据，调整所述初始业务资源的所述分配策略。

根据本发明提供的一种资源分配装置，获取模块810，具体还用于所述初始业务指标至少包括：因变量指标、自变量指标；

所述因变量指标至少包括：维护竞争度指标；

所述自变量指标至少包括：库存房源数量指标、二手经纪人数量指标、门店数量占比指标、房屋经纪人数量占比指标、专项岗位经纪人数量指标、楼盘数量指标。

根据本发明提供的一种资源分配装置，预处理模块820，具体还用于获取所述初始模型对应的初始函数；其中，所述初始函数的截距项为预设常数值；

根据所述维护竞争度指标和所述初始函数，确定出函数模型；

利用所述函数模型对所述初始业务资源数据进行计算处理，得到所述目标模型。

根据本发明提供的一种资源分配装置，预处理模块820，具体还用于将多个所述自变量指标分别输入至所述函数模型，得到与所述自变量指标对应的多个业务模型；

基于每一所述业务模型，对与所述自变量指标对应的所述初始业务资源数据进行计算处理，得到与每一所述业务模型对应的多个信息准则数据；

将多个所述信息准则数据对应的数值分别与预设标准阈值进行比较处理，得到比较结果；

根据所述比较结果筛选出数值未超过所述预设标准阈值的所述信息准则数据，确定所述数值最小的所述信息准则数据所对应的所述业务模型为最优模型；并确定所述最优模型对应的最优自变量指标；

判断所述最优模型的更新次数是否达到设定次数阈值，若未达到所述次数阈值，将去除所述最优自变量指标之外的其他自变量指标输入至所述最优模型进行计算处理，得到更新后的最优模型，直至所述最优模型的更新次数达到设定次数阈值，将最终更新后的最优模型作为所述目标模型。

根据本发明提供的一种资源分配装置，计算模块840，具体还用于获取与所述目标业务指标对应的所述初始业务资源数据；

对所述初始业务资源数据进行数据转换处理，得到与所述目标业务指标对应的所述目标业务资源数据；

根据预设的适配公式对所述目标业务资源数据进行计算处理，得到与所述预分配行为对应的所述业务适配度数据。

根据本发明提供的一种资源分配装置，计算模块840，具体还用于获取对所述目标业务指标预置的权重值；

利用所述适配公式和所述权重值，对所述目标业务资源数据进行加权计算处理，得到所述业务适配度数据。

本发明公开实施例提供的一种资源分配装置，通过确定对预设城市预分配多个初始业务指标的分配策略，并获取到与初始业务指标对应的多个初始业务资源数据；根据初始业务指标和初始业务资源数据对预设的初始模型进行预处理，得到目标模型；根据预设的提取规则，从目标模型中提取出目标业务指标；对目标业务指标对应的目标业务资源数据进行计算处理，得到与预分配行为对应的业务适配度数据；根据业务适配度数据，调整初始业务指标的分配策略。能够通过对分配策略分配的数据进行验证计算处理，再根据验证计算处理得到的业务适配度数据动态调整分配初始业务资源的分配策略，从而克服由于业务资源分配不均衡造成资源浪费的问题。

图9示例了一种电子设备的实体结构示意图，如图9所示，该电子设备可以包括：处理器(processor)910、通信接口(Communications Interface)920、存储器(memory)930和通信总线940，其中，处理器910，通信接口920，存储器930通过通信总线940完成相互间的通信。处理器910可以调用存储器930中的逻辑指令，以执行一种资源分配方法，该方法包括：确定对预设城市预分配多个初始业务指标的分配策略，并获取到与初始业务指标对应的多个初始业务资源数据；根据初始业务指标和初始业务资源数据对预设的初始模型进行预处理，得到目标模型；根据预设的提取规则，从目标模型中提取出目标业务指标；对目标业务指标对应的目标业务资源数据进行计算处理，得到与预分配行为对应的业务适配度数据；根据业务适配度数据，调整初始业务指标的分配策略。

此外，上述的存储器930中的逻辑指令可以通过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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明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)执行本发明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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行一种资源分配方法，该方法包括：确定对预设城市预分配多个初始业务指标的分配策略，并获取到与初始业务指标对应的多个初始业务资源数据；根据初始业务指标和初始业务资源数据对预设的初始模型进行预处理，得到目标模型；根据预设的提取规则，从目标模型中提取出目标业务指标；对目标业务指标对应的目标业务资源数据进行计算处理，得到与预分配行为对应的业务适配度数据；根据业务适配度数据，调整初始业务指标的分配策略。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的执行一种资源分配方法，该方法包括：确定对预设城市预分配多个初始业务指标的分配策略，并获取到与初始业务指标对应的多个初始业务资源数据；根据初始业务指标和初始业务资源数据对预设的初始模型进行预处理，得到目标模型；根据预设的提取规则，从目标模型中提取出目标业务指标；对目标业务指标对应的目标业务资源数据进行计算处理，得到与预分配行为对应的业务适配度数据；根据业务适配度数据，调整初始业务指标的分配策略。

以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。