一种动态数据控制方法及设备专利检索-申请专利权专利检索查询-专利查询网

积极推动地理标志专门立法

2022-03-10 地理标志，立法，知识产权
保护知识产权是对创新最大的激励

2022-03-10 保护知识产权，创新，激励
谢商华：加快制定知识产权基本法

2022-03-10 知识产权基本法
擦亮“双奥之城”品牌

2022-03-10 双奥，知识产权
让冰雪运动“热”力全开

2022-03-10 冰雪运动，知识产权
携手共奋进　走好强国路

2022-03-10 强国，知识产权
坚持创新引领　方能稳中求进

2022-03-10 创新，稳中求进，知识产权
答好“两张卷” 奋进新征程

2022-03-10 知识产权
专家解读政府工作报告中的创新和知识产权相关部署

2022-03-10 政府工作报告，创新，知识产权
今年政府工作报告指出：加强知识产权保护和运用

2022-03-10 政府工作报告，知识产权保护

一种动态数据控制方法及设备

阅读：1001发布：2021-02-26

IPRDB可以提供一种动态数据控制方法及设备专利检索，专利查询，专利分析的服务。并且本发明实施例公开了一种动态数据控制方法，及设备，其中方法的实现包括：以设定申请周期为单位，确定各申请周期内申请数的变化趋势；依据所述变化趋势计算各申请周期的申请数占总申请数的比例；将资源总量按照所述各申请周期的申请数占总申请数的比例，为各申请周期分配资源。通过各申请周期内申请数的变化趋势，计算得到了各申请周期的申请数占总申请数的比例，并据此分配资源，使各申请周期的资源量能够与各申请周期的申请数相适应，从而能够通过分配资源的多少来控制得到相对稳定的动态数据，并且可以实现对资源的公平分配。，下面是一种动态数据控制方法及设备专利的具体信息内容。

权利要求

1.一种动态数据控制方法，其特征在于，包括：

以设定申请周期为单位，确定各申请周期内申请数的变化趋势；

依据所述变化趋势计算各申请周期的申请数占总申请数的比例；

将资源总量按照所述各申请周期的申请数占总申请数的比例，为各申请周期分配资源。

2.根据权利要求1所述方法，其特征在于，所述以设定申请周期为单位，确定各申请周期内申请数的变化趋势包括：采用历史数据进行模型计算并通过最小二乘拟合得到用于表示各申请周期内申请数的变化趋势的拟合曲线，作为所述各申请周期内申请数的变化趋势。

3.根据权利要求2所述方法，其特征在于，在申请周期开始后，所述方法还包括：通过申请周期序号和历史数据进行模型计算拟合获得的常数构造的指数函数计算所述申请周期序号的申请数。

4.根据权利要求3所述方法，其特征在于，所述方法还包括：确定所述申请周期序号的加权值，所述通过申请周期序号和历史数据进行模型计算拟合获得的常数构造的指数函数计算所述申请周期序号的申请数包括：通过申请周期序号、所述申请周期序号的加权值，以及历史数据进行模型计算拟合获得的常数构造的指数函数计算所述申请周期序号的申请数。

5.根据权利要求3或4所述方法，其特征在于，所述将资源总量按照所述各申请周期的申请数占总申请数的比例，为各申请周期分配资源包括：根据资源总量、申请周期总数，已开始的申请周期使用统计的实际申请数、计算得到的未开始的申请周期的申请数，计算当前申请周期的申请数。

6.根据权利要求5所述方法，其特征在于，所述方法还包括：缩小申请周期的间隔时间，使用缩小后的申请周期重新为各申请周期分配资源。

7.一种动态数据控制设备，其特征在于，包括：

趋势计算单元，用于以设定申请周期为单位，确定各申请周期内申请数的变化趋势；

比例计算单元，用于依据所述趋势计算单元确定的变化趋势计算各申请周期的申请数占总申请数的比例；

资源分配单元，用于将资源总量按照所述比例计算单元计算得到的所述各申请周期的申请数占总申请数的比例，为各申请周期分配资源。

8.根据权利要求7所述动态数据控制设备，其特征在于，所述趋势计算单元，具体用于采用历史数据进行模型计算并通过最小二乘拟合得到用于表示各申请周期内申请数的变化趋势的拟合曲线，作为所述各申请周期内申请数的变化趋势。

9.根据权利要求8所述动态数据控制设备，其特征在于，所述动态数据控制设备还包括：通过申请周期序号和历史数据进行模型计算拟合获得的常数构造的指数函数计算所述申请周期序号的申请数。

10.根据权利要求9所述动态数据控制设备，其特征在于，所述动态数据控制设备还包括：加权值确定单元，用于确定所述申请周期序号的加权值；

所述申请数计算单元，具体用于通过申请周期序号、所述申请周期序号的加权值，以及历史数据进行模型计算拟合获得的常数构造的指数函数计算所述申请周期序号的申请数。

11.根据权利要求9或10所述动态数据控制设备，其特征在于，所述资源分配单元，具体用于根据资源总量、申请周期总数，已开始的申请周期使用统计的实际申请数、计算得到的未开始的申请周期的申请数，计算当前申请周期的申请数。

12.根据权利要求11所述动态数据控制设备，其特征在于，所述动态数据控制设备还包括：周期控制单元，用于缩小申请周期的间隔时间；

所述资源分配单元，还用于使用缩小后的申请周期重新为各申请周期分配资源。

说明书全文

一种动态数据控制方法及设备

技术领域

[0001] 本发明涉及计算机技术领域，特别涉及一种动态数据控制方法，及设备。

背景技术

[0002] 在网络应用中，会有对动态数据的控制，例如：在汽车号牌摇号过程中的中签率，由于申请人是不确定的，因此中签率是一种动态数据。目前采用一次性将全部号牌分给申请人。那么中签率是号牌数与申请人数的商。由于汽车号牌的摇号一次性完成，其中签率是固定值，因此并不需要对中签率进行控制。

[0003] 然而，在实际应用中，会存在需要多次分配的情况。仍然以汽车号牌摇号为例，假定号牌通过n天摇号发放固定数额的号牌，且需要在用户申请完毕立刻告知申请结果，避免用户等待。那么，目前采用的是限制总号牌数量，不限制每日被抽取的号牌数量，通过设置中签率生成随机算法实现。但是，中签率将会难以设置，假如设置得高了，第一天可能将所有号牌抽完，后面的申请人将失去抽取机会，如果调低中签率则会不符合申请人中签预期，对后续申请人会不公平。如果将中签率设置得较低，那么很可能全部申请人并不能获得所有的号牌，导致号牌资源浪费，也是对申请人的另一种不公平。

[0004] 另外一种方案，将每日发放的号牌数量限制为一个固定数额，但是由于每日申请人并不固定，通常在首日申请人会较多。这样会导致每日的中签率出现较大波动，这样对中签率较低的日子的申请人而言不公平。

[0005] 因此，以上控制限量的方式，均不能很好的控制动态数据，也不能公平分配资源。

发明内容

[0006] 本发明实施例提供了一种动态数据控制方法，及设备，用于实现对资源的公平分配。

[0007] 一种动态数据控制方法，包括：

[0008] 以设定申请周期为单位，确定各申请周期内申请数的变化趋势；

[0009] 依据所述变化趋势计算各申请周期的申请数占总申请数的比例；

[0010] 将资源总量按照所述各申请周期的申请数占总申请数的比例，为各申请周期分配资源。

[0011] 一种动态数据控制设备，包括：

[0012] 趋势计算单元，用于以设定申请周期为单位，确定各申请周期内申请数的变化趋势；

[0013] 比例计算单元，用于依据所述趋势计算单元确定的变化趋势计算各申请周期的申请数占总申请数的比例；

[0014] 资源分配单元，用于将资源总量按照所述比例计算单元计算得到的所述各申请周期的申请数占总申请数的比例，为各申请周期分配资源。

[0015] 从以上技术方案可以看出，本发明实施例具有以下优点：通过各申请周期内申请数的变化趋势，计算得到了各申请周期的申请数占总申请数的比例，并据此分配资源，使各申请周期的资源量能够与各申请周期的申请数相适应，从而能够通过分配资源的多少来控制得到相对稳定的动态数据，并且可以实现对资源的公平分配。

附图说明

[0016] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

[0017] 图1为本发明实施例方法流程示意图；

[0018] 图2为本发明实施例活动参与量趋势示意图；

[0019] 图3为本发明实施例参与趋势拟合曲线示意图；

[0020] 图4为本发明实施例方法流程示意图；

[0021] 图5为本发明实施例设备结构示意图；

[0022] 图6为本发明实施例设备结构示意图；

[0023] 图7为本发明实施例设备结构示意图；

[0024] 图8为本发明实施例设备结构示意图；

[0025] 图9为本发明实施例设备结构示意图；

[0026] 图10为本发明实施例服务器结构示意图。

具体实施方式

[0027] 为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

[0028] 本发明实施例提供了一种动态数据控制方法，如图1所示，包括：

[0029] 101：以设定申请周期为单位，确定各申请周期内申请数的变化趋势；

[0030] 在本发明实施例中，申请周期用来划分各次分配资源的间隔，例如：以天为申请周期、以周为申请周期，或者以小时为申请周期。具体一个申请周期的间隔时间可以按照实际应用场景进行设定，本发明实施例对此不作唯一性限定。

[0031] 以上申请数的变化趋势，可以仅包含各申请周期的申请数的比较结果，例如：以一个申请周期为基准，其他申请周期的申请数相比于作为基准的申请周期的申请数增加/减少的比例，因此申请数的变化趋势，并不需要具体到各申请周期的申请数。

[0032] 102：依据上述变化趋势计算各申请周期的申请数占总申请数的比例；

[0033] 在本实施例中，由于申请数的变化趋势，可以仅包含各申请周期的申请数的比较结果，并不需要具体到各申请周期的申请数。因此在计算各申请周期的申请数占总申请数的比例的过程中，也可以没有具体的申请数参与计算。例如：有两个申请周期，以第一个申请周期的申请数为基准且基准数为P1，第二个申请周期的申请数比基准增加200％，那么第二个申请周期的申请数是3P1，那么第一个周期的申请数占总申请数的比例为：P1/(P1+3P1)＝25％。以上计算过程并不会涉及到具体的申请数的数值。

[0034] 103：将资源总量按照上述各申请周期的申请数占总申请数的比例，为各申请周期分配资源。

[0035] 在本实施例中，资源总量是固定的数量，例如：在汽车号牌摇号过程中，号牌的数量是固定的；在抽奖的应用场景下，商家提供的奖品数量也是有限额的，本实施例将资源总量合理地分配给了各申请周期。假定号牌数为10000个，第一个申请周期占总申请数的比例为25％，那么第一个申请周期将会分配到250个号牌资源。

[0036] 本发明实施例，通过各申请周期内申请数的变化趋势，计算得到了各申请周期的申请数占总申请数的比例，并据此分配资源，使各申请周期的资源量能够与各申请周期的申请数相适应，从而能够通过分配资源的多少来控制得到相对稳定的动态数据，并且可以实现对资源的公平分配。

[0037] 本发明实施例还提供了各申请周期内申请数的变化趋势的具体计算方案，如下：上述以设定申请周期为单位，确定各申请周期内申请数的变化趋势包括：

[0038] 采用历史数据进行模型计算并通过最小二乘拟合得到用于表示各申请周期内申请数的变化趋势的拟合曲线，作为上述各申请周期内申请数的变化趋势。

[0039] 在本发明实施例中，历史数据可以是相同应用场景的历史数据，例如：本次分配资源的是号牌，那么历史数据可以是前几年每个申请周期的申请数，或者每个周期的申请数变化趋势。如果本次是网络抽奖的奖品，那么历史数据可以是该网络抽奖对应的产品之前每个申请周期的申请数或申请数的变化趋势，还可以是类似其他产品每个申请周期的申请数或申请数的变化趋势。在后续实施例中，将会给出更具体的举例说明。

[0040] 在前述实施例中各申请周期内申请数的变化趋势是预测得到的，比例也是基于预测得到的，因此会存在不准确的情况。在申请周期开始后，会有实际申请数的产生，这可以通过统计得到，本发明实施例还提供了基于此进行调整资源分配的方案，首先提供的确定各申请周期的申请数的方案，具体如下：在申请周期开始后，上述方法还包括：

[0041] 通过申请周期序号和历史数据进行模型计算拟合获得的常数构造的指数函数计算所述申请周期序号的申请数。

[0042] 具体的计算方式可以如下：通过指数函数y＝e-αx+β计算申请周期序号为x的申请数；上述α和β为常数，通过历史数据进行模型计算拟合获得，x为申请周期序号，e为指数函数的底数。

[0043] 在实际应用中各申请周期的申请数可能会出现突变的情况，例如：一周里面，周末两天申请数可能会有较大的增加，而其他天数则可能会较少；再例如：深夜到清晨时间段参数人数可能会极低，如果采用拟合曲线直接计算可能会不准确，因此可以在拟合曲线的基础上进行加权，具体的加权值可以采用经验值，本发明实施例不作唯一性限定，具体如下：上述方法还包括：

[0044] 确定所述申请周期序号的加权值，所述通过申请周期序号和历史数据进行模型计算拟合获得的常数构造的指数函数计算所述申请周期序号的申请数包括：通过申请周期序号、所述申请周期序号的加权值，以及历史数据进行模型计算拟合获得的常数构造的指数函数计算所述申请周期序号的申请数。

[0045] 更具体地，确定加权值以及计算申请数的具体实现方式可以如下：确定申请周期-αx+β序号为x的加权值γ，上述通过y＝e 计算申请周期序号为x的申请数包括：通过y＝-αx+β
γ*e 计算申请周期序号为x的申请数。

[0046] 基于以上实施例中，已经计算得到了各申请周期的申请数，因此在本发明实施例中，计算各申请周期的申请数占总申请数的比例，以及分配资源的资源量可以采用申请数来确定，具体如下：上述将资源总量按照上述各申请周期的申请数占总申请数的比例，为各申请周期分配资源包括：

[0047] 根据资源总量、申请周期总数，已开始的申请周期使用统计的实际申请数、计算得到的未开始的申请周期的申请数，计算当前申请周期的申请数。

[0048] 具体的计算方式可以如下：采用如下公式计算第n个申请周期的资源量，其中T为资源总量，D为申请周期总数，Pi为第i个申请周期的申请数，其中已开始的申请周期使用统计的实际申请数，未开始的申请周期使用计算的申请数，Pn为第n个申周期的申请数。

[0049] 在本实施例中，由于申请周期已经开始了，因此第1个申请周期的资源量是已经分配过了的，而且第1个申请周期的申请数也应该是统计的实际申请数，因此本领域技术人员可以理解的是，在以上公式中，n的取值不会为1，应当是大于1的自然数。

[0050] 在本发明实施例中，如果申请周期已经开始了，那么通过前述实施例，可以预测得到越来越精确的申请数，因此可以进一步缩申请周期的间隔时间来实现对更小申请周期动态数据的控制，具体如下：上述方法还包括：

[0051] 缩小申请周期的间隔时间，使用缩小后的申请周期重新为各申请周期分配资源。

[0052] 在本实施例中，重新计算的过程可以参考前述实施例申请周期的计算方式，区别仅在于申请周期的间隔时间变小了，申请周期的总数变多了，计算方式并不会改变，因此本实施例不再赘述。

[0053] 以下实施例将以网络游戏里面的抽奖为例，对本发明实施例的具体实现进行举例说明，需要说明的是需要控制动态数据的应用场景还有很多，以下举例不应理解为对本发明实施例的唯一性限定。

[0054] 在互联网应用场景下，抽奖活动初期因为宣传资源比较多，活动曝光度比较高，而且玩家参与热情较高，活动参与量通常较大；而在活动中后期，随着曝光度越来越低和玩家参与热情的降低，活动参与量呈现指数递减。如果对活动每一天都投入同样价值的物品，显然不符合收益最大化的要求，特别是在一些商业化活动中。本发明实施例的需要达到的技术目标为：根据预估的参与量(抽奖的申请数)来动态分配投入的物品，使得投入随参与量动态调整，实现投入最小化的同时收益最大化。

[0055] 本发明实施例主要涉及如下几个方面：

[0056] 一、活动参与量预测模型：

[0057] 版本实施例，使用最小二乘法，基于腾讯公司游戏营销活动所产生的数据，进行模型计算，最终确定参与量预估模型。一般的活动参与量趋势如图2所示：其中横轴是天数有26天(day)，以天为申请周期，纵向高度越高表示参数量越大。

[0058] 如果3所示，是以图2给出的活动参与趋势通过利用matlab(一种数学模型计算的软件)，通过最小二乘法拟合后，得出的参与趋势拟合曲线，其中斜向下的直线即为拟合得到的曲线，图3中黑点是对应图2的参与量和天数序号的描点，曲线函数表达式为指数函数，具体如下：

[0059] y＝e-αx+β

[0060] 其中y为参与量，x为活动的天数序号，α和β的值是根据活动历史数据拟合出来的常数参数，e为指数函数的底数，是一个常数值。

[0061] 最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。经常被用于曲线拟合。

[0062] 以上的指数函数基本上可以预测活动的参与量，但从图2和图3可以看出，在初期的曲线特别孤立，另外在活动期间，有些日期里活动参与量会有小高峰，这些日期通常就是周末和节假日。所以为了更加准确的预估参与量，我们需要对不同的日期进行不同的加权，修改后的预测函数大致如下：

[0063] y＝γ×e-αx+β

[0064] 其中γ就是根据历史数据估算出的活动初期和周末的加权值，当然该值支持个性化修改。具体的取值本发明实施例不作唯一性限定。

[0065] 二、动态限量调整方案：

[0066] 前述实施例计算参与量，均采用的是预测数据；本发明实施例还提供了在活动上线后根据参与量预测模型，动态预测其中一天的参与量，然后根据预测的参与量和该活动的实际平均日参与量进行对比，根据计算出的比例系数来分配当日的物品限量。

[0067] 假如当日是第n天，活动期间某物品的总限量为T，活动持续天数为D，每日参与量为Pi{1＝1..n}其中Pn是通过预测算法预测的当天参与量，则计算当日限量Ln的公式为：

[0068]

[0069] 整个活动生命周期内的计算过程，可以参考图4所示，包括如下几个阶段：

[0070] 401：活动开始前，通过前述实施例中的活动参与量预测模型预测参与量；

[0071] 402：活动开始后，进入循环计算过程：统计已经发生的当天的玩家参与量，计算限量；直到活动结束时结束循环。

[0072] 以上402采用的是动态限量调整方案。

[0073] 三、模型持续优化：

[0074] 在本实施例中，可以不断缩小模型的时间间隔，还可以增大活动参与量预测模型的取样数据量，这样活动参与量预测模型的预测结果将更加准确，对限量的控制也更加符合营销活动参与量的变化规律。比如将日限量修改为时限量，对每一个小时的参与量进行预测，然后对每一个小时的限量进行计算等。

[0075] 采用以上技术方案所产生的有益效果至少有如下几个方面：

[0076] 1、获得了较为稳定的中签率，因此可以使玩家对抽奖活动有稳定的预期。活动初期参与量比较高，给出的限量也相对较高，中签率不会降低，可以激发参与活动的热情。

[0077] 2、节约了资源：通过动态预测参与量，从而控制物品限量的方法，可以在需要的时候(访问量大的时候)增加资源投入，不需要的时候(访问量小的时候)减少资源投入，实践证明可以节约一部分公司资源。

[0078] 3、提高投入产出比：根据在QQ炫舞商业化活动中的成功运行表示，动态限量可以在同等条件下对投入产出比有20％以上的效果提升。

[0079] 本发明实施例还提供了一种动态数据控制设备，如图5所示，包括：

[0080] 趋势计算单元501，用于以设定申请周期为单位，确定各申请周期内申请数的变化趋势；

[0081] 比例计算单元502，用于依据上述趋势计算单元501确定的变化趋势计算各申请周期的申请数占总申请数的比例；

[0082] 资源分配单元503，用于将资源总量按照上述比例计算单元502计算得到的上述各申请周期的申请数占总申请数的比例，为各申请周期分配资源。

[0083] 在本发明实施例中，申请周期用来划分各次分配资源的间隔，例如：以天为申请周期、以周为申请周期，或者以小时为申请周期。具体一个申请周期的间隔时间可以按照实际应用场景进行设定，本发明实施例对此不作唯一性限定。

[0084] 以上申请数的变化趋势，可以仅包含各申请周期的申请数的比较结果，例如：以一个申请周期为基准，其他申请周期的申请数相比于作为基准的申请周期的申请数增加/减少的比例，因此申请数的变化趋势，并不需要具体到各申请周期的申请数。

[0085] 在本实施例中，由于申请数的变化趋势，可以仅包含各申请周期的申请数的比较结果，并不需要具体到各申请周期的申请数。因此在计算各申请周期的申请数占总申请数的比例的过程中，也可以没有具体的申请数参与计算。例如：有两个申请周期，以第一个申请周期的申请数为基准且基准数为P1，第二个申请周期的申请数比基准增加200％，那么第二个申请周期的申请数是3 P1，那么第一个周期的申请数占总申请数的比例为：P1/(P1+3P1)＝25％。以上计算过程并不会涉及到具体的申请数的数值。

[0086] 在本实施例中，资源总量是固定的数量，例如：在汽车号牌摇号过程中，号牌的数量是固定的；在抽奖的应用场景下，商家提供的奖品数量也是有限额的，本实施例将资源总量合理地分配给了各申请周期。假定号牌数为10000个，第一个申请周期占总申请数的比例为25％，那么第一个申请周期将会分配到250个号牌资源。

[0087] 本发明实施例，通过各申请周期内申请数的变化趋势，计算得到了各申请周期的申请数占总申请数的比例，并据此分配资源，使各申请周期的资源量能够与各申请周期的申请数相适应，从而能够通过分配资源的多少来控制得到相对稳定的动态数据，并且可以实现对资源的公平分配。

[0088] 本发明实施例还提供了各申请周期内申请数的变化趋势的具体计算方案，如下：可选地，上述趋势计算单元501，具体用于采用历史数据进行模型计算并通过最小二乘拟合得到用于表示各申请周期内申请数的变化趋势的拟合曲线，作为上述各申请周期内申请数的变化趋势。

[0089] 在本发明实施例中，历史数据可以是相同应用场景的历史数据，例如：本次分配资源的是号牌，那么历史数据可以是前几年每个申请周期的申请数，或者每个周期的申请数变化趋势。如果本次是网络抽奖的奖品，那么历史数据可以是该网络抽奖对应的产品之前每个申请周期的申请数或申请数的变化趋势，还可以是类似其他产品每个申请周期的申请数或申请数的变化趋势。在后续实施例中，将会给出更具体的举例说明。

[0090] 在前述实施例中各申请周期内申请数的变化趋势是预测得到的，比例也是基于预测得到的，因此会存在不准确的情况。在申请周期开始后，会有实际申请数的产生，这可以通过统计得到，本发明实施例还提供了基于此进行调整资源分配的方案，首先提供的确定各申请周期的申请数的方案，具体如下：进一步地，如图6所示，上述动态数据控制设备还包括：

[0091] 申请数计算单元601，用于在申请周期开始后，通过申请周期序号和历史数据进行模型计算拟合获得的常数构造的指数函数计算所述申请周期序号的申请数。

[0092] 具体的计算方式可以如下：通过指数函数y＝eαx1β计算申请周期序号为x的申请数；上述α和β为常数，通过历史数据进行模型计算拟合获得，x为申请周期序号，e为指数函数的底数。

[0093] 在实际应用中各申请周期的申请数可能会出现突变的情况，例如：一周里面，周末两天申请数可能会有较大的增加，而其他天数则可能会较少；再例如：深夜到清晨时间段参数人数可能会极低，如果采用拟合曲线直接计算可能会不准确，因此可以在拟合曲线的基础上进行加权，具体的加权值可以采用经验值，本发明实施例不作唯一性限定，具体如下：进一步地，如图7 所示，上述动态数据控制设备还包括：

[0094] 加权值确定单元701，用于确定所述申请周期序号的加权值；

[0095] 上述申请数计算单元601，具体用于通过申请周期序号、所述申请周期序号的加权值，以及历史数据进行模型计算拟合获得的常数构造的指数函数计算所述申请周期序号的申请数。

[0096] 具体确定的加权值为：确定申请周期序号为x的加权值γ；

[0097] 具体计算方式可以如下：通过y＝γ*e-αx+β计算申请周期序号为x的申请数。

[0098] 基于以上实施例中，已经计算得到了各申请周期的申请数，因此在本发明实施例中，计算各申请周期的申请数占总申请数的比例，以及分配资源的资源量可以采用申请数来确定，具体如下：可选地，上述资源分配单元503，具体用于根据资源总量、申请周期总数，已开始的申请周期使用统计的实际申请数、计算得到的未开始的申请周期的申请数，计算当前申请周期的申请数。

[0099] 具体的计算方式可以如下：采用如下公式计算第n个申请周期的资源量，其中T为资源总量，D为申请周期总数，Pi为第i个申请周期的申请数，其中已开始的申请周期使用统计的实际申请数，未开始的申请周期使用计算的申请数，Pn为第n个申周期的申请数。

[0100] 在本实施例中，由于申请周期已经开始了，因此第1个申请周期的资源量是已经分配过了的，而且第1个申请周期的申请数也应该是统计的实际申请数，因此本领域技术人员可以理解的是，在以上公式中， n的取值不会为1，应当是大于1的自然数。

[0101] 在本发明实施例中，如果申请周期已经开始了，那么通过前述实施例，可以预测得到越来越精确的申请数，因此可以进一步缩申请周期的间隔时间来实现对更小申请周期动态数据的控制，具体如下：进一步地，如图8所示，上述动态数据控制设备还包括：

[0102] 周期控制单元801，用于缩小申请周期的间隔时间；

[0103] 上述资源分配单元503，还用于使用缩小后的申请周期重新为各申请周期分配资源。

[0104] 在本实施例中，重新计算的过程可以参考前述实施例申请周期的计算方式，区别仅在于申请周期的间隔时间变小了，申请周期的总数变多了，计算方式并不会改变，因此本实施例不再赘述。

[0105] 本发明实施例还提供了另一种动态数据控制设备，如图9所示，包括：接收器901、发射器902、处理器903以及存储器904；

[0106] 其中，处理器903，用于以设定申请周期为单位，确定各申请周期内申请数的变化趋势；依据上述变化趋势计算各申请周期的申请数占总申请数的比例；将资源总量按照上述各申请周期的申请数占总申请数的比例，为各申请周期分配资源。

[0107] 在本发明实施例中，申请周期用来划分各次分配资源的间隔，例如：以天为申请周期、以周为申请周期，或者以小时为申请周期。具体一个申请周期的间隔时间可以按照实际应用场景进行设定，本发明实施例对此不作唯一性限定。

[0108] 以上申请数的变化趋势，可以仅包含各申请周期的申请数的比较结果，例如：以一个申请周期为基准，其他申请周期的申请数相比于作为基准的申请周期的申请数增加/减少的比例，因此申请数的变化趋势，并不需要具体到各申请周期的申请数。

[0109] 在本实施例中，由于申请数的变化趋势，可以仅包含各申请周期的申请数的比较结果，并不需要具体到各申请周期的申请数。因此在计算各申请周期的申请数占总申请数的比例的过程中，也可以没有具体的申请数参与计算。例如：有两个申请周期，以第一个申请周期的申请数为基准且基准数为P1，第二个申请周期的申请数比基准增加200％，那么第二个申请周期的申请数是3P1，那么第一个周期的申请数占总申请数的比例为：P1/(P1+3P1)＝25％。以上计算过程并不会涉及到具体的申请数的数值。

[0110] 在本实施例中，资源总量是固定的数量，例如：在汽车号牌摇号过程中，号牌的数量是固定的；在抽奖的应用场景下，商家提供的奖品数量也是有限额的，本实施例将资源总量合理地分配给了各申请周期。假定号牌数为10000个，第一个申请周期占总申请数的比例为25％，那么第一个申请周期将会分配到250个号牌资源。

[0111] 本发明实施例，通过各申请周期内申请数的变化趋势，计算得到了各申请周期的申请数占总申请数的比例，并据此分配资源，使各申请周期的资源量能够与各申请周期的申请数相适应，从而能够通过分配资源的多少来控制得到相对稳定的动态数据，并且可以实现对资源的公平分配。

[0112] 本发明实施例还提供了各申请周期内申请数的变化趋势的具体计算方案，如下：上述处理器903，用于以设定申请周期为单位，确定各申请周期内申请数的变化趋势包括：

[0113] 采用历史数据进行模型计算并通过最小二乘拟合得到用于表示各申请周期内申请数的变化趋势的拟合曲线，作为上述各申请周期内申请数的变化趋势。

[0114] 在本发明实施例中，历史数据可以是相同应用场景的历史数据，例如：本次分配资源的是号牌，那么历史数据可以是前几年每个申请周期的申请数，或者每个周期的申请数变化趋势。如果本次是网络抽奖的奖品，那么历史数据可以是该网络抽奖对应的产品之前每个申请周期的申请数或申请数的变化趋势，还可以是类似其他产品每个申请周期的申请数或申请数的变化趋势。在后续实施例中，将会给出更具体的举例说明。

[0115] 在前述实施例中各申请周期内申请数的变化趋势是预测得到的，比例也是基于预测得到的，因此会存在不准确的情况。在申请周期开始后，会有实际申请数的产生，这可以通过统计得到，本发明实施例还提供了基于此进行调整资源分配的方案，首先提供的确定各申请周期的申请数的方案，具体如下：处理器903，还用于在申请周期开始后，通过申请周期序号和历史数据进行模型计算拟合获得的常数构造的指数函数计算所述申请周期序号的申请数。

[0116] 具体的计算方式可以如下：通过指数函数y＝e-αx+β计算申请周期序号为x的申请数；上述α和β为常数，通过历史数据进行模型计算拟合获得，x为申请周期序号，e为指数函数的底数。

[0117] 在实际应用中各申请周期的申请数可能会出现突变的情况，例如：一周里面，周末两天申请数可能会有较大的增加，而其他天数则可能会较少；再例如：深夜到清晨时间段参数人数可能会极低，如果采用拟合曲线直接计算可能会不准确，因此可以在拟合曲线的基础上进行加权，具体的加权值可以采用经验值，本发明实施例不作唯一性限定，具体如下：处理器903，还用于确定所述申请周期序号的加权值，所述通过申请周期序号和历史数据进行模型计算拟合获得的常数构造的指数函数计算所述申请周期序号的申请数包括：通过申请周期序号、所述申请周期序号的加权值，以及历史数据进行模型计算拟合获得的常数构造的指数函数计算所述申请周期序号的申请数。

[0118] 更具体地，确定加权值以及计算方式可以如下：确定申请周期序号为x的加权值-αx+β -αx+βγ，上述通过y＝e 计算申请周期序号为x的申请数包括：通过y＝γ*e 计算申请周期序号为x的申请数。

[0119] 基于以上实施例中，已经计算得到了各申请周期的申请数，因此在本发明实施例中，计算各申请周期的申请数占总申请数的比例，以及分配资源的资源量可以采用申请数来确定，具体如下：上述处理器903，用于将资源总量按照上述各申请周期的申请数占总申请数的比例，为各申请周期分配资源包括：根据资源总量、申请周期总数，已开始的申请周期使用统计的实际申请数、计算得到的未开始的申请周期的申请数，计算当前申请周期的申请数。

[0120] 具体的计算方式可以如下：采用如下公式计算第n个申请周期的资源量，其中T为资源总量，D为申请周期总数，Pi为第i个申请周期的申请数，其中已开始的申请周期使用统计的实际申请数，未开始的申请周期使用计算的申请数，Pn为第n个申周期的申请数。

[0121] 在本实施例中，由于申请周期已经开始了，因此第1个申请周期的资源量是已经分配过了的，而且第1个申请周期的申请数也应该是统计的实际申请数，因此本领域技术人员可以理解的是，在以上公式中，n的取值不会为1，应当是大于1的自然数。

[0122] 在本发明实施例中，如果申请周期已经开始了，那么通过前述实施例，可以预测得到越来越精确的申请数，因此可以进一步缩申请周期的间隔时间来实现对更小申请周期动态数据的控制，具体如下：上述处理器903，还用于缩小申请周期的间隔时间，使用缩小后的申请周期重新为各申请周期分配资源。

[0123] 在本实施例中，重新计算的过程可以参考前述实施例申请周期的计算方式，区别仅在于申请周期的间隔时间变小了，申请周期的总数变多了，计算方式并不会改变，因此本实施例不再赘述。

[0124] 图10是本发明实施例提供的一种动态数据控制设备，该设备的功能由服务器实现，该服务器1000可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)1022(例如，一个或一个以上处理器)和存储器1032，一个或一个以上存储应用程序1042或数据1044的存储介质1030(例如一个或一个以上海量存储设备)。其中，存储器1032和存储介质1030可以是短暂存储或持久存储。存储在存储介质 1030的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器1022可以设置为与存储介质
1030通信，在服务器1000上执行存储介质1030中的一系列指令操作。

[0125] 服务器1000还可以包括一个或一个以上电源1026，一个或一个以上有线或无线网络接口1050，一个或一个以上输入输出接口1058，和/或，一个或一个以上操作系统1041，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。

[0126] 上述实施例中由入侵检测数据处理装置所执行的步骤可以基于该图10所示的服务器结构。

[0127] 值得注意的是，上述装置只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

[0128] 另外，本领域普通技术人员可以理解实现上述各方法实施例中的全部或部分步骤是可以通过程序来指令相关的硬件完成，相应的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

[0129] 以上仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明实施例揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

标题	发布/更新时间	阅读量
电网录入申请系统及其申请方法-专利编号CN102521736A	2020-05-12	528
凭证申请方法-专利编号CN1996831B	2020-05-11	241
申请设备和方法-专利编号CN1354859A	2020-05-11	726
一种分块内存的申请和释放方法-专利编号CN101013396A	2020-05-11	941
专利申请平台-专利编号CN106097177A	2020-05-11	216
凭证申请方法-专利编号CN1996831A	2020-05-12	538
业务申请方法和装置-专利编号CN110111066A	2020-05-13	1010
相关申请的交叉引用-专利编号CN110476390A	2020-05-13	77
新型检验申请单-专利编号CN201312873Y	2020-05-12	321
一种病理申请单-专利编号CN200966705Y	2020-05-13	955

一种动态数据控制方法及设备

一种动态数据控制方法及设备

技术领域

背景技术

发明内容

附图说明

具体实施方式

IPRDB

热门服务

关于我们

友情链接

联系方式