本發(fā)明涉及數(shù)據(jù)處理領域，具體而言，涉及一種數(shù)據(jù)資源的處理方法和裝置。

背景技術：

目前，電商通常是通過商品的進價與賣價的差額來獲取利潤，因此，用戶在電商平臺上購買的商品更多、購買更頻繁，則電商的利潤更大。為了刺激用戶在電商平臺上購買商品，現(xiàn)有電商通常采用向用戶發(fā)放優(yōu)惠券的方式，或進行優(yōu)惠促銷活動的方式，以刺激用戶再次消費，從而為平臺帶來更多的利潤。

當前電商平臺向用戶發(fā)送優(yōu)惠券時，在優(yōu)惠券數(shù)量有限的情況下，通常采用統(tǒng)一發(fā)送的方式，即向任意用戶發(fā)送優(yōu)惠券，但每個用戶的購買能力不同，對電商平臺的依賴程度也不盡相同，導致每個用戶在電商平臺上進行購買的頻次也不相同，因此電商平臺向每個用戶下發(fā)相同的優(yōu)惠券的方式并不一定對所有的用戶都適用，一些高頻次購買的用戶在沒有優(yōu)惠券的情況下仍然會繼續(xù)在電商平臺上購買，而需要優(yōu)惠券刺激進行消費的用戶可能并沒有收到優(yōu)惠券，因此導致優(yōu)惠券資源的浪費。

針對現(xiàn)有技術中電商的優(yōu)惠券對用戶隨意發(fā)放，導致優(yōu)惠券浪費的問題，目前尚未提出有效的解決方案。

技術實現(xiàn)要素：

本發(fā)明實施例提供了一種數(shù)據(jù)資源的處理方法和裝置，以至少解決現(xiàn)有技術中電商的優(yōu)惠券對用戶隨意發(fā)放，導致優(yōu)惠券浪費的技術問題。

根據(jù)本發(fā)明實施例的一個方面，提供了一種數(shù)據(jù)資源的處理方法，包括：獲取事件在多個歷史時間段的執(zhí)行重復率，其中，事件的執(zhí)行重復率用于表示在第一歷史時間段執(zhí)行事件的對象，在第二歷史時間段仍執(zhí)行事件的概率，其中，第二歷史時間段為第一歷史時間段的下一個時間段；根據(jù)事件在多個歷史時間段的執(zhí)行重復率，獲取事件的執(zhí)行重復率模型；根據(jù)執(zhí)行重復率模型，獲取對象在第二歷史時間段的事件執(zhí)行概率；根據(jù)對象在第二歷史時間段的事件執(zhí)行概率，確定在第二歷史時間段是否向?qū)ο蟀l(fā)放數(shù)據(jù)資源。

進一步地，獲取在第一歷史時間段執(zhí)行事件的對象的第一數(shù)量，和在第一歷史時間段執(zhí)行事件后，在第二歷史時間段仍執(zhí)行事件的對象的第二數(shù)量，其中，第二歷史時間段為第一歷史時間段的第二歷史時間段；確定第一數(shù)量和第二數(shù)量的比值為對象在第一歷史時間段的執(zhí)行重復率。

進一步地，將對象按照事件的歷史執(zhí)行次數(shù)進行分類；獲取每一類歷史執(zhí)行次數(shù)在多個歷史時間段的執(zhí)行重復率的均值；根據(jù)事件的歷史執(zhí)行次數(shù)與事件的歷史執(zhí)行次數(shù)對應的執(zhí)行重復率構成執(zhí)行重復率模型。

進一步地，獲取對象的歷史事件執(zhí)行次數(shù)；在執(zhí)行重復率模型中，查找與對象的歷史事件執(zhí)行次數(shù)對應的事件執(zhí)行概率。

進一步地，獲取第一閾值和第二閾值，其中，第一閾值小于第二閾值；如果對象在第二歷史時間段的事件執(zhí)行概率小于第一閾值，則向?qū)ο蟀l(fā)放第一數(shù)據(jù)量的數(shù)據(jù)資源；如果對象在第二歷史時間段的事件執(zhí)行概率大于第二閾值，則禁止向?qū)ο蟀l(fā)放數(shù)據(jù)資源，或向?qū)ο蟀l(fā)放第二數(shù)量的數(shù)據(jù)資源，其中，第二數(shù)據(jù)量小于第一數(shù)據(jù)量。

根據(jù)本發(fā)明實施例的另一方面，還提供了一種數(shù)據(jù)資源的處理裝置，包括：第一獲取模塊，用于獲取事件在多個歷史時間段的執(zhí)行重復率，其中，事件的執(zhí)行重復率用于表示在第一歷史時間段執(zhí)行事件的對象，在第二歷史時間段仍執(zhí)行事件的概率，其中，第二歷史時間段為第一歷史時間段的下一個時間段；第二獲取模塊，用于根據(jù)事件在多個歷史時間段的執(zhí)行重復率，獲取事件的執(zhí)行重復率模型；第三獲取模塊，用于根據(jù)執(zhí)行重復率模型，獲取對象在第二歷史時間段的事件執(zhí)行概率；確定模塊，用于根據(jù)對象在第二歷史時間段的事件執(zhí)行概率，確定在第二歷史時間段是否向?qū)ο蟀l(fā)放數(shù)據(jù)資源。

進一步地，第一獲取子模塊，用于獲取在第一歷史時間段執(zhí)行事件的對象的第一數(shù)量，和在第一歷史時間段執(zhí)行事件后，在第二歷史時間段仍執(zhí)行事件的對象的第二數(shù)量，其中，第二歷史時間段為第一歷史時間段的第二歷史時間段；第一確定子模塊，用于確定第一數(shù)量和第二數(shù)量的比值為對象在第一歷史時間段的執(zhí)行重復率。

進一步地，分類子模塊，用于將對象按照事件的歷史執(zhí)行次數(shù)進行分類；第二獲取子模塊，用于獲取每一類歷史執(zhí)行次數(shù)在多個歷史時間段的執(zhí)行重復率的均值；模型構成子模塊，用于根據(jù)事件的歷史執(zhí)行次數(shù)與事件的歷史執(zhí)行次數(shù)對應的執(zhí)行重復率構成執(zhí)行重復率模型。

進一步地，第三獲取子模塊，用于獲取對象的歷史事件執(zhí)行次數(shù)；查找子模塊，用于在執(zhí)行重復率模型中，查找與對象的歷史事件執(zhí)行次數(shù)對應的事件執(zhí)行概率。

進一步地，第四獲取子模塊，用于獲取第一閾值和第二閾值，其中，第一閾值小于第二閾值；第一發(fā)放子模塊，用于如果對象在第二歷史時間段的事件執(zhí)行概率小于第一閾值，則向?qū)ο蟀l(fā)放第一數(shù)據(jù)量的數(shù)據(jù)資源；第二發(fā)放子模塊，用于如果對象在第二歷史時間段的事件執(zhí)行概率大于第二閾值，則禁止向?qū)ο蟀l(fā)放數(shù)據(jù)資源，或向?qū)ο蟀l(fā)放第二數(shù)量的數(shù)據(jù)資源，其中，第二數(shù)據(jù)量小于第一數(shù)據(jù)量。

在本發(fā)明實施例中，獲取事件在多個歷史時間段的執(zhí)行重復率，根據(jù)事件在多個歷史時間段的執(zhí)行重復率，獲取事件的執(zhí)行重復率模型，根據(jù)執(zhí)行重復率模型，獲取對象在第二歷史時間段的事件執(zhí)行概率，根據(jù)對象在第二歷史時間段的事件執(zhí)行概率，確定在第二歷史時間段是否向?qū)ο蟀l(fā)放數(shù)據(jù)資源。上述方案通過構建的事件的執(zhí)行重復率模型來獲取對象在第二歷史時間段的事件執(zhí)行概率，并根據(jù)對象在第二歷史時間段的事件執(zhí)行概率，確定是否為對象發(fā)放數(shù)據(jù)資源，即根據(jù)構建的事件的執(zhí)行重復率模型，確定用戶在第二歷史時間段仍然進行主動購買的概率，并根據(jù)用戶在第二歷史時間段仍然進行主動購買的概率，確定是否向用戶發(fā)放優(yōu)惠券。從而通過對用戶主動購買的行為的分析，預判其未來的購買頻次，針對性的為不同的用戶發(fā)放不同的優(yōu)惠，解決了現(xiàn)有技術中電商的優(yōu)惠券對用戶隨意發(fā)放，導致優(yōu)惠券浪費的技術問題，進而提高了優(yōu)惠券吸引用戶購買的效果，并節(jié)約了發(fā)放優(yōu)惠券的成本。

附圖說明

此處所說明的附圖用來提供對本發(fā)明的進一步理解，構成本申請的一部分，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構成對本發(fā)明的不當限定。在附圖中：

圖1是根據(jù)本發(fā)明實施例的數(shù)據(jù)資源的處理方法的流程圖；

圖2是根據(jù)本發(fā)明實施例的一種可選的執(zhí)行重復率模型的示意圖；以及

圖3是根據(jù)本發(fā)明實施例的一種數(shù)據(jù)資源的處理裝置的示意圖。

具體實施方式

為了使本技術領域的人員更好地理解本發(fā)明方案，下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分的實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都應當屬于本發(fā)明保護的范圍。

需要說明的是，本發(fā)明的說明書和權利要求書及上述附圖中的術語“第一”、“第二”等是用于區(qū)別類似的對象，而不必用于描述特定的順序或先后次序。應該理解這樣使用的數(shù)據(jù)在適當情況下可以互換，以便這里描述的本發(fā)明的實施例能夠以除了在這里圖示或描述的那些以外的順序?qū)嵤?。此外，術語“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統(tǒng)、產(chǎn)品或設備不必限于清楚地列出的那些步驟或單元，而是可包括沒有清楚地列出的或?qū)τ谶@些過程、方法、產(chǎn)品或設備固有的其它步驟或單元。

實施例1

根據(jù)本發(fā)明實施例，提供了一種數(shù)據(jù)資源的處理方法的實施例，需要說明的是，在附圖的流程圖示出的步驟可以在諸如一組計算機可執(zhí)行指令的計算機系統(tǒng)中執(zhí)行，并且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟。

還需要說明的是，在下述實施例中，事件用于表示用戶在電商平臺上進行主動購買的行為，主動購買用于表征用戶在未使用優(yōu)惠券來進行購買的行為。

圖1是根據(jù)本發(fā)明實施例的數(shù)據(jù)資源的處理方法的流程圖，如圖1所示，該方法包括如下步驟：

步驟s102，獲取事件在多個歷史時間段的執(zhí)行重復率，其中，事件的執(zhí)行重復率用于表示在第一歷史時間段執(zhí)行事件的對象，在第二歷史時間段仍執(zhí)行事件的概率，其中，第二歷史時間段為第一歷史時間段的下一個時間段。

具體的，事件的執(zhí)行重復率用于表征在上一個時間段進行了主動購買事件，在緊接著的第二歷史時間段也進行了主動購買事件的概率。在上述步驟中，歷史時間段可以為月份，第一歷史時間段和第二歷史時間段為兩個相連的月份，例如：第一歷史時間段為一月份，第二歷史時間段即為當年的二月份。

在一種可選的實施例中，每個月可以為一個時間段，多個歷史時間段可以為一年中的十二個月，上述獲取事件在多個歷史時間段的執(zhí)行重復率，即為獲取十二個月中，上一個月在電商平臺上主動購買了商品，在下個月仍然主動購買商品的概率。

步驟s104，根據(jù)事件在多個歷史時間段的執(zhí)行重復率，獲取事件的執(zhí)行重復率模型。

具體的，上述事件的執(zhí)行重復率模型可以用于表征事件執(zhí)行重復率與其他參數(shù)的對應關系，其他參數(shù)可以為用戶進行主動購買的歷史次數(shù)、用戶在上個時間段進行主動購買的次數(shù)等參數(shù)。

步驟s106，根據(jù)執(zhí)行重復率模型，獲取對象在第二歷史時間段的事件執(zhí)行概率。

具體的，上述對象可以為待測確定是否為其發(fā)放優(yōu)惠券的用戶。

在上述步驟中，可以獲取待確定是否為其發(fā)送優(yōu)惠券的用戶的主動購買的歷史次數(shù)，根據(jù)執(zhí)行重復率模型所表征的執(zhí)行重復率與主動購買的歷史次數(shù)的關系，確定在下個時間段是否向用戶發(fā)放優(yōu)惠券。

步驟s108，根據(jù)對象在第二歷史時間段的事件執(zhí)行概率，確定在第二歷史時間段是否向?qū)ο蟀l(fā)放數(shù)據(jù)資源。

具體的，上述數(shù)據(jù)資源可以為電商平臺為用戶發(fā)放的優(yōu)惠券。

在上述步驟中，可以根據(jù)對象在第二歷史時間段的事件執(zhí)行概率，對對象在第二歷史時間段是否執(zhí)行事件進行預判，并根據(jù)預判結果來發(fā)放優(yōu)惠券。

由上可知，本申請上述實施例獲取事件在多個歷史時間段的執(zhí)行重復率，根據(jù)事件在多個歷史時間段的執(zhí)行重復率，獲取事件的執(zhí)行重復率模型，根據(jù)執(zhí)行重復率模型，獲取對象在第二歷史時間段的事件執(zhí)行概率，根據(jù)對象在第二歷史時間段的事件執(zhí)行概率，確定在第二歷史時間段是否向?qū)ο蟀l(fā)放數(shù)據(jù)資源。上述方案通過構建的事件的執(zhí)行重復率模型來獲取對象在第二歷史時間段的事件執(zhí)行概率，并根據(jù)對象在第二歷史時間段的事件執(zhí)行概率，確定是否為對象發(fā)放數(shù)據(jù)資源，即根據(jù)構建的事件的執(zhí)行重復率模型，確定用戶在第二歷史時間段仍然進行主動購買的概率，并根據(jù)用戶在第二歷史時間段仍然進行主動購買的概率，確定是否向用戶發(fā)放優(yōu)惠券。從而通過對用戶主動購買的行為的分析，預判其未來的購買頻次，針對性的為不同的用戶發(fā)放不同的優(yōu)惠，解決了現(xiàn)有技術中電商的優(yōu)惠券對用戶隨意發(fā)放，導致優(yōu)惠券浪費的技術問題，進而提高了優(yōu)惠券吸引用戶購買的效果，并節(jié)約了發(fā)放優(yōu)惠券的成本。

可選的，根據(jù)本申請上述實施例，獲取事件在多個歷史時間段的執(zhí)行重復率，包括：

步驟s1021，獲取在第一歷史時間段執(zhí)行事件的對象的第一數(shù)量，和在第一歷史時間段執(zhí)行事件后，在第二歷史時間段仍執(zhí)行事件的對象的第二數(shù)量，其中，第二歷史時間段為第一歷史時間段的第二歷史時間段。

上述步驟可以為，獲取一月份子電商平臺上進行主動購買的用戶量，以及在一月份進行過主動購買后，二月份仍進行了主動購買的用戶的數(shù)量。

步驟s1024，確定第一數(shù)量和第二數(shù)量的比值為對象在第一歷史時間段的執(zhí)行重復率。

在一種可選的實施例中，以多個歷史時間段我一年中的十二個月為例，該電商平臺的執(zhí)行重復率即可以表示為用戶的主動復購率：

1月主動復購率＝去年12月主動購買的用戶中1月仍主動購買的用戶量/去年12月主動購買用戶量；

2月主動復購率＝1月主動購買的用戶中2月仍主動購買用戶量/1月主動購買用戶量；

3月主動復購率＝2月主動購買的用戶中3月仍主動購買用戶量/2月主動購買用戶量；

……

12月主動復購率＝11月主動購買的用戶中12月仍主動購買用戶量/11月主動購買用戶量。

上述步驟通過將第一個歷史時間段購買過商品，并在第二個歷史時間段仍購買過商品的用戶，與在第一個歷史時間段購買過商品的用戶的比值，作為用戶在第二個歷史時間段的主動復購率。

可選的，根據(jù)本申請上述實施例，根據(jù)對象在多個歷史時間段的執(zhí)行重復率，獲取對象的執(zhí)行重復率模型，包括：

步驟s1041，將對象按照事件的歷史執(zhí)行次數(shù)進行分類。

此處需要說明的是，對象的歷史事件執(zhí)行次數(shù)為用戶在該電商平臺上的全部購買次數(shù)，而并非用戶在歷史時間段的購買次數(shù)。

步驟s1043，獲取每一類歷史執(zhí)行次數(shù)在多個歷史時間段的執(zhí)行重復率的均值。

步驟s1045，根據(jù)事件的歷史執(zhí)行次數(shù)與事件的歷史執(zhí)行次數(shù)在多個歷史時間段的執(zhí)行重復率的均值構成執(zhí)行重復率模型。

在一種可選的實施例中，結合圖2所示的示例，該電商將所有用戶根據(jù)用戶的購買次數(shù)進行分類，得到22類用戶，分別為歷史購買次數(shù)為1至22次的用戶，分別對每一類用戶在過去12個月的月主動復購率進行計算，再計算每一類用戶在過去12個月的月主動復購率的平均值，將每一個類用戶以其里是購買次數(shù)表征，與過去12個月的月主動復購率進行對應，從而得到如圖2所示的里是購買次數(shù)與月主動復購率的關系示意圖。

此處需要說明的是，圖中歷史購買1至22次僅用于對上述方法進行說明，對于電商平臺應該有更多購買次數(shù)來構成上述執(zhí)行重復率模型。

此處還需要說明的是，結合圖2所示，可以知曉的是，用戶的歷史購買次數(shù)與用戶的月主動復購率有比較明顯的正相關關系，也即，用戶的歷史購買系數(shù)越多，其月主動復購率越大。

可選的，根據(jù)本申請上述實施例，根據(jù)執(zhí)行重復率模型，獲取對象在第二歷史時間段的事件執(zhí)行概率，包括：

步驟s1601，獲取對象的歷史事件執(zhí)行次數(shù)。

步驟s1603，在執(zhí)行重復率模型中，查找與對象的歷史事件執(zhí)行次數(shù)對應的事件執(zhí)行概率。

在一種可選的實施例，結合圖2所示的示例，待確定是否向其發(fā)送優(yōu)惠券的用戶在預設的電商平臺的歷史購買次數(shù)為16次，則該用戶對應的事件重復執(zhí)行率，即月主動復購率為40.00％，因此得到該用戶在下個月仍在該電商平臺購買商品的概率為40.00％。

可選的，根據(jù)本申請上述實施例，根據(jù)對象在第二歷史時間段的事件執(zhí)行概率，確定在第二歷史時間段是否向?qū)ο蟀l(fā)放數(shù)據(jù)資源，包括：

步驟s1081，獲取第一閾值和第二閾值，其中，第一閾值小于第二閾值。

步驟s1083，如果對象在第二歷史時間段的事件執(zhí)行概率小于第一閾值，則向?qū)ο蟀l(fā)放第一數(shù)據(jù)量的數(shù)據(jù)資源。

步驟s1085，如果對象在第二歷史時間段的事件執(zhí)行概率大于第二閾值，則禁止向?qū)ο蟀l(fā)放數(shù)據(jù)資源，或向?qū)ο蟀l(fā)放第二數(shù)量的數(shù)據(jù)資源，其中，第二數(shù)據(jù)量小于第一數(shù)據(jù)量。

結合圖2所示，用戶的歷史購買次數(shù)與用戶的月主動復購率有比較明顯的正相關關系，也即月主動復購率越大的用戶，其主動購買的次數(shù)越多，因此可以為月主動復購率較大的用戶發(fā)放較少的優(yōu)惠券，因為月主動復購率較大的用戶在沒由收到優(yōu)惠券的情況下仍然會進行購買，對于月制動復購率較小的用戶，其也為歷史購買次數(shù)較少的用戶，可以向其發(fā)放較多的優(yōu)惠券，以吸引其進行購買。

在一種可選的實施例中，上述第一閾值為10％，第二閾值為50％。在用戶的時間執(zhí)行概率，對于月主動復購率低于10％的用戶，發(fā)放較多的優(yōu)惠券，較多的優(yōu)惠券可以是優(yōu)惠券的數(shù)量較多，也可是優(yōu)惠券的金額較大，還可以是二者的結合，以吸引這部分用戶重復購買；對于月主動復購率高于50％的用戶，可以發(fā)放較少的優(yōu)惠券，或不發(fā)放優(yōu)惠券。較少的優(yōu)惠券可以是優(yōu)惠券的金額較少，也可以是優(yōu)惠券的數(shù)量較少，還可以是二者的結合。

而對于在第二歷史時間段的事件執(zhí)行概率處于第一閾值和第二閾值之間的用戶，可以對其發(fā)送第三數(shù)據(jù)量的數(shù)據(jù)資源，第三數(shù)據(jù)量小于第一數(shù)據(jù)量且大于第二數(shù)據(jù)量。

下面，以一種可選的示例對上述實施例進行說明。仍然結合圖2所示，分別確定在某個電商平臺上的已注冊用戶a、用戶b和用戶c的月主動復購率。用戶a的里是購買次數(shù)為0次，用戶b的歷史購買次數(shù)為12次，用戶c的歷史購買次數(shù)為22次，則用戶a的月主動復購率為0，用戶b的復購率為30％，用戶c的復購率為60％。依據(jù)上述用戶a、b、c的復購率，為用戶a、b、c分別發(fā)放優(yōu)惠券。由于用戶a的月主動復購率小于第一閾值10％，則向其發(fā)送3張滿100減20的優(yōu)惠券，用戶b的月主動復購率處于10％與50％之間，向其發(fā)送2張滿100減10元的優(yōu)惠券，用戶c的月主動復購率大于50％，向用戶c發(fā)送1張滿100減5元的優(yōu)惠券。

實施例2

根據(jù)本發(fā)明實施例，提供了一種數(shù)據(jù)資源的處理裝置的實施例，圖3是根據(jù)本發(fā)明實施例的一種數(shù)據(jù)資源的處理裝置的示意圖，結合圖3所示，該數(shù)據(jù)資源的處理裝置包括：

第一獲取模塊30，用于獲取事件在多個歷史時間段的執(zhí)行重復率，其中，事件的執(zhí)行重復率用于表示在第一歷史時間段執(zhí)行事件的對象，在第二歷史時間段仍執(zhí)行事件的概率，其中，第二歷史時間段為第一歷史時間段的下一個時間段。

第二獲取模塊32，用于根據(jù)事件在多個歷史時間段的執(zhí)行重復率，獲取事件的執(zhí)行重復率模型。

第三獲取模塊34，用于根據(jù)執(zhí)行重復率模型，獲取對象在第二歷史時間段的事件執(zhí)行概率。

確定模塊36，用于根據(jù)對象在第二歷史時間段的事件執(zhí)行概率，確定在第二歷史時間段是否向?qū)ο蟀l(fā)放數(shù)據(jù)資源。

由上可知，本申請上述實施例通過第一獲取模塊獲取事件在多個歷史時間段的執(zhí)行重復率，通過第二獲取模塊根據(jù)事件在多個歷史時間段的執(zhí)行重復率，獲取事件的執(zhí)行重復率模型，通過第三獲取模塊根據(jù)執(zhí)行重復率模型，獲取對象在第二歷史時間段的事件執(zhí)行概率，通過確定模塊根據(jù)對象在第二歷史時間段的事件執(zhí)行概率，確定在第二歷史時間段是否向?qū)ο蟀l(fā)放數(shù)據(jù)資源。上述方案通過構建的事件的執(zhí)行重復率模型來獲取對象在第二歷史時間段的事件執(zhí)行概率，并根據(jù)對象在第二歷史時間段的事件執(zhí)行概率，確定是否為對象發(fā)放數(shù)據(jù)資源，即根據(jù)構建的事件的執(zhí)行重復率模型，確定用戶在第二歷史時間段仍然進行主動購買的概率，并根據(jù)用戶在第二歷史時間段仍然進行主動購買的概率，確定是否向用戶發(fā)放優(yōu)惠券。從而通過對用戶主動購買的行為的分析，預判其未來的購買頻次，針對性的為不同的用戶發(fā)放不同的優(yōu)惠，解決了現(xiàn)有技術中電商的優(yōu)惠券對用戶隨意發(fā)放，導致優(yōu)惠券浪費的技術問題，進而提高了優(yōu)惠券吸引用戶購買的效果，并節(jié)約了發(fā)放優(yōu)惠券的成本。

可選的，根據(jù)本申請上述實施例，第一獲取模塊包括：

第一獲取子模塊，用于獲取在第一歷史時間段執(zhí)行事件的對象的第一數(shù)量，和在第一歷史時間段執(zhí)行事件后，在第二歷史時間段仍執(zhí)行事件的對象的第二數(shù)量，其中，第二歷史時間段為第一歷史時間段的第二歷史時間段。

第一確定子模塊，用于確定第一數(shù)量和第二數(shù)量的比值為對象在第一歷史時間段的執(zhí)行重復率。

可選的，根據(jù)本申請上述實施例，第二獲取模塊包括：

分類子模塊，用于將對象按照事件的歷史執(zhí)行次數(shù)進行分類。

第二獲取子模塊，用于獲取每一類歷史執(zhí)行次數(shù)在多個歷史時間段的執(zhí)行重復率的均值。

模型構成子模塊，用于根據(jù)事件的歷史執(zhí)行次數(shù)與事件的歷史執(zhí)行次數(shù)在多個歷史時間段的執(zhí)行重復率的均值構成執(zhí)行重復率模型。

可選的，根據(jù)本申請上述實施例，第三獲取模塊包括：

第三獲取子模塊，用于獲取對象的歷史事件執(zhí)行次數(shù)。

查找子模塊，用于在執(zhí)行重復率模型中，查找與對象的歷史事件執(zhí)行次數(shù)對應的事件執(zhí)行概率。

可選的，根據(jù)本申請上述實施例，確定模塊包括：

第四獲取子模塊，用于獲取第一閾值和第二閾值，其中，第一閾值小于第二閾值。

第一發(fā)放子模塊，用于如果對象在第二歷史時間段的事件執(zhí)行概率小于第一閾值，則向?qū)ο蟀l(fā)放第一數(shù)據(jù)量的數(shù)據(jù)資源。

第二發(fā)放子模塊，用于如果對象在第二歷史時間段的事件執(zhí)行概率大于第二閾值，則禁止向?qū)ο蟀l(fā)放數(shù)據(jù)資源，或向?qū)ο蟀l(fā)放第二數(shù)量的數(shù)據(jù)資源，其中，第二數(shù)據(jù)量小于第一數(shù)據(jù)量。

實施例2

根據(jù)本發(fā)明實施例，提供了一種存儲介質(zhì)，該存儲介質(zhì)包括存儲的程序，其中，在程序運行時控制存儲介質(zhì)所在設備執(zhí)行實施例1中任意一項的數(shù)據(jù)資源的處理方法。

實施例3

根據(jù)本發(fā)明實施例，提供了一種處理器，該處理器用于運行程序，其中，程序運行時執(zhí)行實施例1中任意一項的數(shù)據(jù)資源的處理方法。

上述本發(fā)明實施例序號僅僅為了描述，不代表實施例的優(yōu)劣。

在本發(fā)明的上述實施例中，對各個實施例的描述都各有側重，某個實施例中沒有詳述的部分，可以參見其他實施例的相關描述。

在本申請所提供的幾個實施例中，應該理解到，所揭露的技術內(nèi)容，可通過其它的方式實現(xiàn)。其中，以上所描述的裝置實施例僅僅是示意性的，例如所述單元的劃分，可以為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，例如多個單元或組件可以結合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，單元或模塊的間接耦合或通信連接，可以是電性或其它的形式。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個單元上。可以根據(jù)實際的需要選擇其中的部分或者全部單元來實現(xiàn)本實施例方案的目的。

另外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能單元的形式實現(xiàn)。

所述集成的單元如果以軟件功能單元的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，可以存儲在一個計算機可讀取存儲介質(zhì)中?；谶@樣的理解，本發(fā)明的技術方案本質(zhì)上或者說對現(xiàn)有技術做出貢獻的部分或者該技術方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機設備(可為個人計算機、服務器或者網(wǎng)絡設備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質(zhì)包括：u盤、只讀存儲器(rom，read-onlymemory)、隨機存取存儲器(ram，randomaccessmemory)、移動硬盤、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

以上所述僅是本發(fā)明的優(yōu)選實施方式，應當指出，對于本技術領域的普通技術人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本發(fā)明的保護范圍。