虚拟资源处理方法、装置、电子设备及存储介质

技术领域

本申请涉及计算机技术领域，尤其涉及一种虚拟资源处理方法、装置、电子设备及存储介质。

背景技术

在物品销售过程中，需要对物品的价格进行评估。在相关技术中，用户需要人工分析物品数据，并人为设定物品可进行结算的最低价格为阈值价格。由于影响物品价格的因素众多，如品牌、规格、营销活动等，需要分析海量的物品数据，才能精确地设定阈值价格，而受限于人工分析能力，设定阈值价格的精确度不高。

发明内容

本申请实施例提供一种虚拟资源处理方法、装置、电子设备及存储介质，能够用于提升对上架物品在形成订单时的价格控制的精准程度。

本申请实施例的技术方案是这样实现的：

本申请实施例提供了一种虚拟资源处理方法，所述方法包括：

确定物品对应的第一特征信息；所述第一特征信息表征所述物品对应的关于至少一类特征的特征信息；

将确定的第一特征信息输入至设定模型，得到所述设定模型输出的所述物品对应的第一阈值；所述第一阈值表征所述物品对应的虚拟资源的资源数量下限；

基于所述第一阈值判断至少一个订单中是否存在满足设定条件的第一订单；所述设定条件表征订单内所述物品对应的虚拟资源的结算资源数量小于所述第一阈值；

在所述至少一个订单中存在所述第一订单的情况下，将所述物品对应的销售状态进行变更。

其中，上述方案中，所述将所述物品对应的销售状态进行变更，包括：

向监控后台输出预警信息；所述预警信息用于提示存在所述第一订单；

当接收到所述监控后台返回的关于所述预警信息的响应信息时，基于所述响应信息将所述物品对应的销售状态进行变更。

上述方案中，所述将所述物品对应的销售状态进行变更，包括：

在设定容器内存在对应的第一订单的物品种类的第一种类数量大于第一设定值，所述设定容器内物品种类的第二种类数量大于第二设定值，且所述第一种类数量与所述第二种类数量的比值大于第三设定值时，将所述物品对应的销售状态进行变更；

其中，所述设定容器内各个种类的物品对应相同的折扣参数。

上述方案中，所述确定物品对应的第一特征信息，包括：

确定所述物品对应的所述至少一类特征中每类特征对应的第二特征信息；

对确定出的第二特征信息进行融合，得到所述第一特征信息；其中，

所述第一特征信息的维度低于任一第二特征信息的维度。

上述方案中，所述对确定出的第二特征信息进行融合，得到所述第一特征信息时，所述方法包括：

基于所述物品对应的虚拟资源的最大结算资源数量、最小结算资源数量和当前结算资源数量，确定表征所述物品的虚拟资源的资源数量的特征信息。

上述方案中，所述确定物品对应的第一特征信息时，所述方法包括：

确定与所述第一阈值相关的所述至少一类特征。

上述方案中，所述确定物品对应的第一特征信息，包括：

基于与所述物品相关的物品数据，确定所述物品对应的结构化特征和非结构化特征；

基于用户行为数据对所述物品对应的结构化特征进行处理；

基于用户行为数据对所述物品对应的非结构化特征进行处理；

将处理后的结构化特征与处理后的非结构化特征进行融合，得到所述物品对应的第一特征信息。

本申请实施例还提供了一种虚拟资源处理装置，包括：

确定单元，用于确定物品对应的第一特征信息；所述第一特征信息表征所述物品对应的关于至少一类特征的特征信息；

输入单元，用于将确定的第一特征信息输入至设定模型，得到所述设定模型输出的所述物品对应的第一阈值；所述第一阈值表征所述物品对应的虚拟资源的资源数量下限；

判断单元，用于基于所述第一阈值判断至少一个订单中是否存在满足设定条件的第一订单；所述设定条件表征订单内所述物品对应的虚拟资源的结算资源数量小于所述第一阈值；

处理单元，用于在所述至少一个订单中存在所述第一订单的情况下，将所述物品对应的销售状态进行变更。

本申请实施例还提供了一种电子设备，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，

其中，所述处理器用于运行所述计算机程序时，执行上述虚拟资源处理方法的步骤。

本申请实施例还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述虚拟资源处理方法的步骤。

在本申请实施例中，将物品对应的至少一类特征的特征信息输入至设定模型，输出物品对应的第一阈值，在至少一个订单中存在订单内物品对应的虚拟资源的当前结算资源数量低于第一阈值时，这个订单为第一订单，将第一订单的物品对应的销售状态进行变更；这样，通过设定模型对物品对应的特征进行分析，实现第一阈值的预测，从而精准地对物品在形成订单时的价格进行控制，提升价格控制的智能化程度。

附图说明

图1为本申请实施例提供的一种虚拟资源处理方法的实现流程示意图；

图2为本申请实施例提供的一种特征融合实现流程示意图；

图3为本申请应用实施例提供的一种虚拟资源处理体系的架构示意图；

图4为本申请应用实施例提供的一种设定模型融合实现流程示意图；

图5为本申请实施例提供的一种虚拟资源处理装置的结构示意图；

图6为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

移动互联网时代，网上购物已经成为日常生活中不可或缺的部分。但与此同时，由于线上的物品价格、物品优惠设置错误等人为因素以及系统异常因素造成的价格异常事件也层出不穷。价格异常事件不仅会造成巨大的经济损失，还降低了用户的购物体验，严重影响了企业声誉。因此，亟需建立完备的物品价格控制体系，在物品销售过程中，对物品的价格进行评估，在物品的结算价格出现异常时进行处理，防止物品价格异常事件的发生。

在相关技术中，运营人员采用统计方法设定阈值价格，需要人工分析物品数据，并人为设定物品可进行结算的最低价格为阈值价格。由于影响物品价格的因素众多，如品牌、规格、营销活动等，需要分析海量的物品数据，才能精确地设定阈值价格，而受限于人工分析能力，设定阈值价格的精确度不高。

基于此，在本申请的各种实施例中，将物品对应的至少一类特征的特征信息输入至设定模型，输出物品对应的第一阈值，在至少一个订单中存在订单内物品对应的虚拟资源的当前结算资源数量低于第一阈值时，这个订单为第一订单，将第一订单的物品对应的销售状态进行变更；这样，通过设定模型对物品对应的特征进行分析，实现第一阈值的预测，一旦发现物品在订单中对应的虚拟资源的当前结算资源数量低于第一阈值时，便对物品对应的销售状态进行变更；这样，通过设定模型实现第一阈值预测，从而精准地对物品在形成订单时的价格进行控制，提升价格控制的智能化程度。

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

图1为本申请实施例提供的虚拟资源处理方法的实现流程示意图，执行主体可以是服务器。如图1示出的，虚拟资源处理方法包括：

步骤101：确定物品对应的第一特征信息；所述第一特征信息表征所述物品对应的关于至少一类特征的特征信息。

在本实施例中，基于获取到的物品数据，确定物品对应的第一特征信息，第一特征信息表征物品对应的关于至少一类特征的特征信息。这里，获取到需要进行物品价格控制的物品对应的物品数据，基于物品数据确定对应的物品的特征，特征的种类基于物品数据的种类确定；由第一特征信息表征至少一类特征的特征信息。

实际应用中，获取到的部分物品数据为无效数据，并不能用于确定对应的特征。例如，物品的规格、性能参数填写为“其他”、“以官网信息为准”，此时可以进一步地对物品标题文字，物品详情页的文字、图片、视频等非结构化物品数据进行处理，具体地，通过自然语言处理、图像处理、视频内容理解等技术进行数据挖掘，完善物品对应的特征。

步骤102：将确定的第一特征信息输入至设定模型，得到所述设定模型输出的所述物品对应的第一阈值；所述第一阈值表征所述物品对应的虚拟资源的资源数量下限；

将第一特征信息输入至设定模型，得到预测的第一阈值。设定模型使用第一特征信息作为训练集训练得到。这里，虚拟资源可以为货币、虚拟货币、点数、账号积分等，物品对应的虚拟资源的资源数量可以是该物品以虚拟资源为结算方式的价格。对于企业来说，第一阈值表征基于物品的成本等因素考量，可以接受的物品形成订单时对应的最低价格，当形成订单时物品对应的虚拟资源的结算资源数量低于第一阈值时，判断物品处于价格异常的状态。

步骤103：基于所述第一阈值判断至少一个订单中是否存在满足设定条件的第一订单；所述设定条件表征订单内所述物品对应的虚拟资源的结算资源数量小于所述第一阈值。

基于设定模型输出的第一阈值，判断至少一个订单中是否存在满足设定条件的订单，将满足设定条件的订单作为第一订单。这里，设定条件为基于物品数据确定物品在订单中对应的虚拟资源的当前结算资源数量，通过与第一阈值进行比较，当订单内物品对应的虚拟资源的结算资源数量小于第一阈值，则订单满足设定条件。这里，至少一个订单可以是一个时间段内生成的所有包含该物品的订单，物品为一个种类的物品，例如XX品牌XX型号的电视。

步骤104：在所述至少一个订单中存在所述第一订单的情况下，将所述物品对应的销售状态进行变更。

在判断至少一个订单中存在满足设定条件的订单的情况下，将这一个种类的物品的销售状态进行变更。这里，第一订单内至少一个物品处于价格异常状态，将存在价格异常的该种类物品对应的销售状态进行变更。物品对应的销售状态可以表征这个物品是否属于某一促销、优惠券的营销活动适用范围，也可以表征物品是否处于可销售状态；在物品对应的销售状态改变时，可以是物品退出促销、优惠券的营销活动适用范围后，以新的结算价格进行结算，也可以物品下架，暂不进行销售。

由于一件物品可能在参加至少一个促销的同时，也可以叠加至少一张优惠券的折扣参数，即结算价格同时受到多个营销活动的优惠叠加影响，在物品退出促销或退出优惠券的适用范围后，仍存在对应的虚拟资源的当前结算资源数量小于第一阈值的可能性，此时可以再对物品对应的虚拟资源的当前结算资源数量与第一阈值进行比较，确定是否需要再对物品对应的销售状态进行变更。

在本申请实施例中，将物品对应的至少一类特征的特征信息输入至设定模型，输出物品对应的第一阈值，在至少一个订单中存在订单内物品对应的虚拟资源的当前结算资源数量低于第一阈值时，这个订单为第一订单，将第一订单的物品对应的销售状态进行变更；这样，通过设定模型对物品对应的特征进行分析，实现第一阈值的预测，能够精准地对物品在形成订单时的价格进行控制，提升价格控制的智能化程度。

并且，在相关技术中，由运营人员设定阈值价格，针对即将上架的物品，根据上架时的结算价格与设定的阈值价格进行判断，便可实现对物品价格的控制。但是，对于已经上架的物品，随着时间的推进，阈值价格会对应的变化；同时，随着营销活动上线，物品的结算价格也会发生变化，导致对已经上架的物品在形成订单时的价格控制时，价格控制的精准程度低，进而影响了价格控制的智能化程度。而本申请实施例中，利用设定模型，利用当前的物品数据对设定模型进行训练，得到当前的第一阈值，从而实现第一阈值的实时更新，已经上架的物品对应的第一阈值可以随着时间的推进而更新，结算价格也可以随着营销活动上线而实时确定，从而提高了已经上架的物品在形成订单时的价格控制的精准程度，提升了价格控制的智能化程度。

因此，本申请实施例公开了的虚拟资源处理方法，既可以对即将上架的物品发出预警，也可以对已经上架的处于价格异常状态的物品进行处理，从而实现了海量物品的价格控制。

其中，在一实施例中，所述将所述物品对应的销售状态进行变更，包括：

向监控后台输出预警信息；所述预警信息用于提示存在所述第一订单；

当接收到所述监控后台返回的关于所述预警信息的响应信息时，基于所述响应信息将所述物品对应的销售状态进行变更。

在物品在订单中对应的虚拟资源的当前结算资源数量低于第一阈值时，向监控后台输出预警信息，提示存在物品对应的虚拟资源的当前结算资源数量低于第一阈值的情况，当接收到监控后台返回的关于预警信息的响应信息时，基于确认的销售状态变更方式对物品的销售状态进行变更。这里，在监控后台接收预警信息并作出响应信息的，可以是通过设定条件自动作出响应信息的服务器，也可以是拥有特定权限的人，例如平台运营方的运营人员。

这样，通过在订单中处于价格异常状态的物品相关信息的及时触达运营人员，使运营人员可以及时对价格异常事件的情况进行评估，基于物品在订单中对应的虚拟资源的当前结算资源数量低于第一阈值的情况下，按照运营人员的指示对物品的销售状态进行及时的变更。由系统计算和运营人员共同进行价格异常判断，提高了价格控制的精准度，同时，还可以减少运营人员的工作量，提升价格异常处理的效率和智能度。

在一实施例中，所述将所述物品对应的销售状态进行变更，包括：

在设定容器内存在对应的第一订单的物品种类的第一种类数量大于第一设定值，所述设定容器内物品种类的第二种类数量大于第二设定值，且所述第一种类数量与所述第二种类数量的比值大于第三设定值时，将所述物品对应的销售状态进行变更；

其中，所述设定容器内各个种类的物品对应相同的折扣参数。

在物品在订单中对应的虚拟资源的当前结算资源数量低于第一阈值时，统计一段设定时间周期内的需要变更销售状态的物品种类数量。判断条件1：在设定容器内需要变更销售状态的物品种类数量大于第一设定值；判断条件2：在设定容器内物品种类数量大于第二设定值；判断条件3：需要变更销售状态的物品种类数量与物品种类数量的比值大于第三设定值。在同时满足以上三个条件时，对订单中处于价格异常的物品对应的销售状态进行变更；设定容器内各个种类的物品对应相同的折扣参数。这里，可以将设定容器理解成一个营销活动的适用范围，根据以上条件判断是否要对这个适用范围内物品对应的销售状态进行变更。同一物品种类的物品表示销售过程中可以替换的相同规格的物品，例如一袋品牌A的40克原味薯片和另一袋品牌A的40克原味薯片是同一物品种类的物品，而一袋品牌A的40克原味薯片和一袋品牌A的80克原味薯片是不同物品种类的物品。第一设定值、第二设定值、第三设定值可以是设定的，也可以通过模型训练确定。在计算物品在订单中对应的虚拟资源的当前结算资源数量时，相同的折扣参数可以是物品的基准资源数量乘以相同的折扣系数，也可以是在满足一定资源数量后减去相同的资源数量。

这样，通过设置条件，防止一个营销活动下的大量物品退出活动，提升价格异常的处理的智能度。

实际应用中，设定营销活动的第一设定值为5、第二设定值为100、第三设定值为0.05，设定时间周期为一小时，创建甲、乙、丙三张优惠券。此时，在这一小时内，甲优惠券对应的需要进行销售状态变更的物品的数量为3，物品总量为200，比值为0.015，不同时满足三个设定条件；乙优惠券对应的需要进行价格控制处理的物品的数量为10，物品总量为50，比值为0.2，不同时满足三个设定条件；丙优惠券对应的需要进行价格控制处理的物品的数量为15，物品总量为150，比值为0.1，同时满足三个设定条件。因为甲优惠券的价格异常影响到的物品数量较少，乙优惠券的可使用范围较小，为了令优惠券获得更好的效果，不对甲、乙优惠券的物品进行销售状态变更；而丙优惠券满足设定条件，对丙优惠券的物品进行销售状态变更也不会对投放优惠券的效果造成大的影响，从而提升价格控制的智能化程度。

相关技术中，将结构化物品属性数据通过一位有效one-hot编码，作为模型训练的数据，当结构化物品属性数据的可选项的较多时，one-hot编码的维度高且稀疏，影响模型训练的速度和效果。在一实施例中，所述确定物品对应的第一特征信息，包括：

确定所述物品对应的所述至少一类特征中每类特征对应的第二特征信息；

对确定出的第二特征信息进行融合，得到所述第一特征信息；其中，

所述第一特征信息的维度低于任一第二特征信息的维度。

确定物品对应的至少一类特征所对应的特征为第二特征信息，基于第二特征信息中的部分或全部特征进行融合，得到至少一个融合特征，基于至少一个融合特征得到第一特征信息，第一特征信息表征所述物品对应的关于至少一类特征的特征信息。这里，融合是指对第二特征信息中的部分或全部特征进行组合，将组合结果通过设定的公式进行计算，得到融合特征，融合特征作为设定模型的输入数据。第一特征信息的维度低于任一第二特征信息的维度。这样，可以分析物品至少一类特征之间的关系，提高第一阈值设定的精确度；还可以减少设定模型的参数，降低模型复杂度、加快模型训练速度。

在一实施例中，其特征在于，所述对确定出的第二特征信息进行融合，得到所述第一特征信息时，所述方法包括：

基于所述物品对应的虚拟资源的最大结算资源数量、最小结算资源数量和当前结算资源数量，确定表征所述物品的虚拟资源的资源数量的特征信息。

至少一类特征中包括物品价格类的特征，基于物品对应的物品价格类的特征进行组合，组合结果包括最大结算资源数量、最小结算资源数量和当前结算资源数量，将组合结果通过设定的公式进行计算，确定物品的物品价格的特征信息，得到融合特征，融合特征作为设定模型的输入数据。通过设定函数公式的方式，对物品价格类的特征中的最大结算资源数量、最小结算资源数量和当前结算资源数量进行计算，确定物品的物品价格的特征信息。这样，可以分析物品价格类的特征信息之间的关系，还可以减少设定模型的参数，降低模型复杂度、加快模型训练速度。

以物品价格力指数特征为例，作为一种融合特征，能够反映物品数据与第一阈值之间更深层次的关系，通过反映出物品结算资源数量的波动情况，表征当前结算资源数量偏离正常值的程度，与第一阈值的关联度更高。

获取的方法如下：

第一步，根据物品数据，确定物品的最大结算资源数量、最小结算资源数量；

第二步，根据物品的基准资源数量和优惠券、促销数据，实时确定物品的当前结算资源数量；

第三步，通过如下公式1，确定物品价格力指数特征。

其中，price

这样，通过确定物品对应的物品价格类特征所对应的特征信息为第二特征信息，利用包括最大结算资源数量、最小结算资源数量和当前结算资源数量确定物品价格力指数特征为第一特征信息，第一特征信息的维度低于任一第二特征信息的维度。这样，可以分析物品特征之间的关系，提高第一阈值设定的精确度；还可以减少设定模型的参数，降低模型复杂度、加快模型训练速度。

在一实施例中，所述确定物品对应的第一特征信息时，所述方法包括：

确定与所述第一阈值相关的所述至少一类特征。

确定与第一阈值相关的至少一类特征，将确定的特征用于确定商物品对应的第一特征信息。

这里，对物品第一阈值相关的特征进行过滤，删除空值占比过高的特征。这样，剔除了不利于设定模型训练分析的特征，减少输入模型的特征信息，从而降低模型复杂度。

在一实施例中，所述确定物品对应的第一特征信息，包括：

基于与所述物品相关的物品数据，确定所述物品对应的结构化特征和非结构化特征；

基于用户行为数据对所述物品对应的结构化特征进行处理；

基于用户行为数据对所述物品对应的非结构化特征进行处理；

将处理后的结构化特征与处理后的非结构化特征进行融合，得到所述物品对应的第一特征信息。

基于物品数据包括的结构化物品数据和非结构化物品数据，分别和用户行为数据进行嵌入Embedding处理，确定物品对应的结构化特征和物品对应的非结构化特征，将处理后的结构化特征和处理后的非结构化特征进行融合，得到物品对应的第一特征信息，第一特征信息表征所述物品对应的关于至少一类特征的特征信息。这里，用户行为数据包括用户浏览数据，物品数据包括结构化物品数据和非结构化物品数据，非结构化物品数据预先经自然语言处理和/或图像处理，基于用户行为数据对非结构化物品数据对应的非结构化特征进行嵌入处理，并基于用户行为数据对结构化物品数据对应的结构化特征进行嵌入处理，得到处理后的结构化特征和处理后的非结构化特征，将处理后的结构化特征和处理后的非结构化特征进行融合，得到物品对应的第一特征信息。这里，在将处理后的结构化类特征和处理后的非结构化特征进行融合后，可以进一步结合物品对应的至少一类特征进行融合，得到第一特征信息。融合是指对至少两个特征进行组合，将组合结果通过设定的公式进行计算，得到融合特征，融合特征作为设定模型的输入。相较于融合前的特征，融合特征能够反映物品数据与第一阈值之间更深层次的信息。这样，通过组合物品对应的至少种类的特征，并将组合的特征进行融合，确定第一特征信息作为设定模型的输入，可以减少设定模型的参数，降低模型复杂度、加快模型训练速度。

在一实施例中，如图2所示出的一种特征融合实现流程示意图，挖掘出包含物品价格、物品属性、物品所属类目等多个种类的特征，通过特征融合进一步挖掘不同种类的特征之间的关联信息，确定融合特征。

确定的方法如下：

第一步，使用物品数据中的规格，采用Word2vec、Bert等技术对结构化规格特征进行嵌入处理，得到结构化物品属性类特征。实际应用中，用户行为数据可以是sku1、sku2、sku3，代表sku1、sku2、sku3的浏览数据，与物品规格进行嵌入处理，得到结构化规格特征sku1(att1,attr,att3)、sku2(att1,attr,att3)、sku3(att1,attr,att3)。

第二步，使用自然语言处理、图像处理技术提取物品标题信息和物品详情页信息如文字、图片、视频中的数据，完善物品对应的非结构化规格特征，参照第一步，结合用户行为数据，对从非结构化规格特征进行嵌入处理，得到非结构化物品属性类特征。

第三步，将第一步、第二步分别得到的结构化物品属性类特征和非结构化物品属性类特征进行融合，得到物品属性特征。融合方式所使用的设定的公式，可以根据需要设定，上文提供了价格力指数特征的融合方式。

第四步，将物品价格类特征、物品所属类目类特征中的至少一个特征与物品属性特征进行组合，将组合结果通过设定的公式进行计算，得到融合特征，用于预测第一阈值。

下面结合应用实施例对本申请再作进一步的详细描述。

为实现本申请实施例的方法，本申请实施例还提供了一种虚拟资源处理体系，如图3所示，包括特征挖掘模块、预测模块、结算资源数量实时计算模块、处理模块。

物品数据至少包括订单数据、物品销售数据、优惠促销数据、用户行为数据、价格异常数据等种类的数据。具体地，订单数据可以反映出物品历史最大结算资源数量和最小结算资源数量形成的价格区间，资源数量波动情况，包括物品历史结算资源数量、不同结算资源数量对应的销量。物品销售数据包括结构化物品销售数据和非结构化物品销售数据，结构化物品销售数据包括进货资源数量、仓报资源数量、物品类目、品牌、规格，非结构化物品销售数据包括物品详情页中文字、图片、视频。优惠促销数据影响物品的结算资源数量，包括折扣参数。用户行为数据反映物品热度、物品淡旺季信息，包括用户与物品页面的交互数据。价格异常数据包含运营人员定义的阈值结算资源数量、历史发生并上报的价格异常事件的描述数据。

特征挖掘模块包括特征搜集单元、特征过滤单元、特征挖掘单元。

这里，在所述确定物品数据的特征之前，可以对所述物品数据进行数据清洗。具体地，基于物品数据中的活动标识，选择性剔除一些特殊场景下的物品数据，并使用清洗后的数据确定物品对应的特征。例如，在计算价格力指数特征时(如公式1)，清洗剔除秒杀订单、拉新订单等特殊场景对应的物品数据，这样，清洗后的最小结算资源数量price

特征搜集单元，用于基于物品数据初步确定对应的特征。

特征的种类包括物品价格、物品属性、物品所属类目、物品关注、市场营销。物品价格类的特征包括最大结算资源数量、最小结算资源数量、结算价格标准差、结算价格各分位数。物品属性类的特征包括物品品牌、系列、规格、性能参数。物品所属类目的特征包括物品所属类目最大结算资源数量、最小结算资源数量、结算资源数量标准差、结算资源数量各分位数、类目下活跃物品数、类目下价格异常物品数量。物品关注的特征包括浏览量、关注量、订单量、浏览趋势、关注趋势、订单趋势。市场营销的特征包括可用优惠券、促销数量、物品最大促销优惠力度、最大优惠券优惠比例、活动标识。

这里，物品属性类特征是预测物品定价的重要依据，根据它们能准确预测出物品历史最大结算资源数量和最小结算资源数量形成的价格区间，进而预测物品的第一阈值价格。确定物品对应的物品属性类特征的方式，可以应用分布式表示distributedrepresentation(如Word2vec、Bert等模型)技术，结合用户行为数据挖掘物品属性类特征；还可以应用自然语言处理(NLP，Natural Language Processing)、图像处理技术补充完善物品属性类特征。用户行为数据中包含着丰富的信息，比如用户对物品的搜索点击、浏览序列就能体现用户搜索物品、比较物品的过程，蕴含着物品属性类特征的相似关系，通过将用户行为数据比如搜索点击、浏览序列作为语料库，使用Word2vec、Bert等模型学习，实现物品属性类特征的分布式表达。

实际应用中，物品属性类特征常为无效数据，如物品的规格、性能参数填写为“其他”、“以官网信息为准”，此时可以进一步地通过对物品标题文字，物品详情页的文字、图片、视频等非结构化物品销售数据进行处理，具体地，通过自然语言处理、图像处理、视频内容理解等技术进行挖掘，完善物品属性类特征。

特征过滤单元，用于删除空值占比过高的特征。这样，剔除了不利于设定模型训练分析的特征，减少输入模型的特征信息，从而降低模型复杂度。

特征挖掘单元，用于确定物品对应的至少一类特征中的部分或全部特征进行融合，得到融合特征。这里，融合是指对第二特征信息中的部分或全部特征进行组合，将组合结果通过设定的公式进行计算，得到融合特征，能够反映物品数据与第一阈值价格之间更深层次的信息。由特征挖掘模块将融合特征输入至预测模块。

预测模块包括预测单元、优化单元，将物品的阈值价格提供给处理模块的决策单元。通过构建设定模型，提高多场景下模型预测准确性、鲁棒性。

预测单元可以使用常用数值类预测算法，基于回归的广义线性回归、套索算法(LASSO，Least absolute shrinkage and selection operator)；基于树模型的梯度提升树(GBDT，Gradient Boosting Decison Tree)、提升树模型XGBOOST等；基于时间序列的指数平滑法、差分整合移动平均自回归模型(ARIMA，Autoregressive Integrated MovingAverage model)；基于深度学习的深度神经网络(DNN，Deep Neural Networks)、长短期记忆网络(LSTM，Long Short-Term Memory)等作为用于物品阈值价格预测的基础模型。

优化单元采用将预测单元的上述基础模型进行融合，如图4所示出设定模型融合实现流程示意图，可以根据预测效果，选择其中一个模型的预测结果；也可以对至少两个模型的预测结果设定加权权重，计算得到预测结果。从而解决多场景下模型预测准确性、鲁棒性，提升模型预测效果。

结算资源数量实时计算模块包括优惠券搜集单元、促销搜集单元、资源数量计算单元，用于实时确定物品的结算资源数量，包括上架物品的结算资源数量、待上架物品的结算资源数量，并将物品的结算资源数量提供给处理模块的决策单元。

优惠券搜集单元根据优惠券使用规则实时计算并返回物品当前所有可用的优惠券信息。优惠券可以是此前创建的，也可以是新创建的。平台运营方或商家可以针对全量、特定类目、特定商家、特定品牌或特定物品建立优惠券。

促销搜集单元与优惠券搜集单元的工作方式类似，促销多由商家针对特定物品创建。常用的促销有单品促销、赠品、满减、团购等形式。促销搜集单元实时搜集此前创建的和新创建的且当前有效的促销数据，并根据促销使用规则实时计算并返回物品所有可用促销数据。

资源数量计算单元根据物品的基准资源数量和优惠券搜集单元、促销搜集单元返回的优惠券、促销数据，按照优惠券、促销数据叠加规则实时计算物品的结算资源数量。

处理模块包括决策单元、活动退出单元、消息触达单元、效果评估单元，对物品对应的销售状态进行变更。

决策单元，接收结算资源数量实时计算模块实时提供的物品的结算资源数量，接收预测模块提供的第一阈值价格。在物品的结算资源数量低于第一阈值价格时，对物品对应的销售状态进行变更，指示根据运营人员设定的业务规则或风险等级进行销售状态的变更。这里，设定的业务规则可以设定为发生价格异常时，退出营销活动的优先级顺序。风险等级可以根据营销活动所适用的物品数量确定，营销活动适用的物品的数量越大，风险等级越高；风险等级也可以根据退出营销活动后的结算资源数量来确定，当退出某个营销活动后结算资源数量低于退出其它任一营销活动的时候，该营销活动的风险等级越高。

活动退出单元在决策单元决定进行销售状态变更之后，对物品进行设定的销售状态变更，物品不能按照当前的结算资源数量形成订单。活动退出单元会按照设定的业务规则或风险等级，令物品依次退出优惠券、促销的营销活动。退出营销活动后，物品将按照新的结算资源数量进行销售。

消息触达单元的功能是实现价格异常事件有关信息的触达功能。物品发生价格异常事件有关信息需要及时触达运营人员时，运营人员可以对价格异常事件的情况进行评估，并下达价格异常事件的信息反馈，以支持决策单元作出决策。信息在触达给运营人员之前，可以对信息进行筛选、合并等操作，提高系统的智能度。

效果评估单元实现对评估指标的计算与跟踪。评估指标包含模型评估指标、业务效果评估指标，模型评估指标从模型角度衡量预测效果的好坏，业务评估指标衡量最终的业务效果。模型评估指标包括R

R

MAPE，计算公式为

RMSPE，计算公式为

判断准确率＝(实际判断and运营人员反馈判断正确)的数量/实际判断数量；

召回率＝实际判断and运营人员反馈判断正确)的数量/应该判断的数量；

预警信息事前处理率＝运营人员处理的风险事件数量/总的风险事件数量；

挽回损失是指因为避免价格异常事件为企业挽回的损失。例如物品B成本是100元，不处理会以0元价格卖出1万件，可以认为挽回损失是100万。

为实现本申请实施例的方法，本申请实施例还提供了一种虚拟资源处理装置，如图5所示，该装置包括：

确定单元501，用于确定物品对应的第一特征信息；所述第一特征信息表征所述物品对应的关于至少一类特征的特征信息；

输入单元502，用于将确定的第一特征信息输入至设定模型，得到所述设定模型输出的所述物品对应的第一阈值；所述第一阈值表征所述物品对应的虚拟资源的资源数量下限；

判断单元503，用于基于所述第一阈值判断至少一个订单中是否存在满足设定条件的第一订单；所述设定条件表征订单内所述物品对应的虚拟资源的结算资源数量小于所述第一阈值；

处理单元504，用于在所述至少一个订单中存在所述第一订单的情况下，将所述物品对应的销售状态进行变更。

其中，在一个实施例中，所述处理单元504，用于：

向监控后台输出预警信息；所述预警信息用于提示存在所述第一订单；

当接收到所述监控后台返回的关于所述预警信息的响应信息时，基于所述响应信息将所述物品对应的销售状态进行变更。

在一个实施例中，所述处理单元504，用于：

在设定容器内存在对应的第一订单的物品种类的第一种类数量大于第一设定值，所述设定容器内物品种类的第二种类数量大于第二设定值，且所述第一种类数量与所述第二种类数量的比值大于第三设定值时，将所述物品对应的销售状态进行变更；

其中，所述设定容器内各个种类的物品对应相同的折扣参数。

在一个实施例中，所述确定单元501，用于：

确定所述物品对应的所述至少一类特征中每类特征对应的第二特征信息；

对确定出的第二特征信息进行融合，得到所述第一特征信息；其中，

所述第一特征信息的维度低于任一第二特征信息的维度。

在一个实施例中，所述确定单元，用于基于所述物品的最大结算资源数量、最小结算资源数量和当前结算资源数量，确定表征所述物品的虚拟资源的资源数量的特征信息。

在一个实施例中，所述确定单元501，用于：

确定与所述第一阈值相关的所述至少一类特征。

在一个实施例中，所述确定单元501，用于：

基于与所述物品相关的物品数据，确定所述物品对应的结构化特征和非结构化特征；

基于用户行为数据对所述物品对应的结构化特征进行处理；

基于用户行为数据对所述物品对应的非结构化特征进行处理；

将处理后的结构化特征与处理后的非结构化特征进行融合，得到所述物品对应的第一特征信息。

实际应用时，所述确定单元501、输入单元502、判断单元503、处理单元504可由基于虚拟资源处理装置中的处理器，比如中央处理器(CPU，Central Processing Unit)、数字信号处理器(DSP，Digital Signal Processor)、微控制单元(MCU，Microcontroller Unit)或可编程门阵列(FPGA，Field－Programmable Gate Array)等实现。

需要说明的是：上述实施例提供的虚拟资源处理装置在进行虚拟资源处理时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的虚拟资源处理装置与虚拟资源处理方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

基于上述程序模块的硬件实现，且为了实现本申请实施例虚拟资源处理方法，本申请实施例还提供了一种电子设备，如图6所示，该电子设备600包括：

通信接口610，能够与其它设备比如网络设备等进行信息交互；

处理器620，与所述通信接口610连接，以实现与其它设备进行信息交互，用于运行计算机程序时，执行上述一个或多个技术方案提供的方法。而所述计算机程序存储在存储器630上。

当然，实际应用时，电子设备600中的各个组件通过总线系统640耦合在一起。可理解，总线系统640用于实现这些组件之间的连接通信。总线系统640除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图6中将各种总线都标为总线系统640。

本申请实施例中的存储器630用于存储各种类型的数据以支持电子设备600的操作。这些数据的示例包括：用于在电子设备600上操作的任何计算机程序。

可以理解，存储器630可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random AccessMemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本申请实施例描述的存储器630旨在包括但不限于这些和任意其它适合类型的存储器。

上述本申请实施例揭示的方法可以应用于处理器620中，或者由处理器620实现。处理器620可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器620中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器620可以是通用处理器、DSP，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器620可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器630，处理器620读取存储器630中的程序，结合其硬件完成前述方法的步骤。

可选地，所述处理器620执行所述程序时实现本申请实施例的各个方法中由电子设备实现的相应流程，为了简洁，在此不再赘述。

在示例性实施例中，本申请实施例还提供了一种存储介质，即计算机存储介质，具体为计算机可读存储介质，例如包括存储计算机程序的存储器630，上述计算机程序可由电子设备的处理器620执行，以完成前述方法所述步骤。计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置、电子设备和方法，可以通过其它的方式实现。以上所描述的设备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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，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全部单元来实现本实施例方案的目的。

另外，在本申请各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本申请实施例的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)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，本申请实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

另外，在本申请实例中，“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“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本申请的实施例可以除了在这里图示或描述的那些以外的顺序实施。

以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

在具体实施方式中所描述的各个实施例中的各个具体技术特征，在不矛盾的情况下，可以进行各种组合，例如通过不同的具体技术特征的组合可以形成不同的实施方式，为了避免不必要的重复，本申请中各个具体技术特征的各种可能的组合方式不再另行说明。