CN113822524A - 一种基于商品粒度的资源分配方法、装置以及设备 - Google Patents

Abstract

本说明书实施例公开了一种基于商品粒度的资源分配方法、装置以及设备。方案包括：响应于第一商户的资源分配请求，将所述第一商户与指定商品进行绑定，作为分配主体；通过风险检测模型，针对所述分配主体进行检测，以确定所述指定商品在所述第一商户下的风险数据；根据所述风险数据，确定是否对所述分配主体进行资源分配；若是，则确定由所述第一平台关联的第二平台获取待分配资源并用其交换得到定向资源，在通过所述第一商户的IoT经营机具接收所述定向资源后，确定对所述分配主体的所述资源分配完成，所述定向资源包括所述指定商品本身或者与其相关的服务，所述第一商户和所述第二商户的IoT经营机具由所述第一平台提供。

Description

一种基于商品粒度的资源分配方法、装置以及设备

技术领域

本说明书涉及计算机及互联网技术领域，尤其涉及一种基于商品粒度的资源分配方法、装置以及设备。

背景技术

随着计算机及互联网技术的飞速发展，促使越来越多的业务在线上实现。其中，最为典型的就是线上购买业务。依托于第三方交易平台，商户在线上出售自己的商品，消费者在线上购买选中的商品。

在上述业务进程中，商户想要更好地经营自己的业务，除了自己本地投入资源以外，往往还需要第三方交易平台为其提供更多的资源(比如，云计算资源、云存储资源、线上客服资源、客户引流资源、线上曝光资源等)。在传统的资源分配方案中，第三方交易平台往往基于商户粒度，围绕着商户为中心，以商户的历史信用、注册资金等自身属性为依据，确定如何为商户分配资源。

基于此，还需要更为合理有效的资源分配方案。

发明内容

本说明书一个或多个实施例提供一种基于商品粒度的资源分配方法、装置以及设备，用以解决如下技术问题：需要更为合理有效的资源分配方案。

为解决上述技术问题，本说明书一个或多个实施例是这样实现的：

本说明书一个或多个实施例提供的一种基于商品粒度的资源分配方法，包括：

响应于第一商户的资源分配请求，将所述第一商户与指定商品进行绑定，作为分配主体；

通过风险检测模型，针对所述分配主体进行检测，以确定所述指定商品在所述第一商户下的风险数据，所述风险检测模型根据第二商户的IoT经营机具采集的训练数据训练得到，所述训练数据包括所述指定商品在所述第二商户下的经营数据；

根据所述风险数据，确定是否对所述分配主体进行资源分配；

若是，则确定由所述第一平台关联的第二平台获取待分配资源并用其交换得到定向资源，在通过所述第一商户的IoT经营机具接收所述定向资源后，确定对所述分配主体的所述资源分配完成，所述定向资源包括所述指定商品本身或者与其相关的服务，所述第一商户和所述第二商户的IoT经营机具由所述第一平台提供。

本说明书一个或多个实施例提供的一种基于商品粒度的资源分配装置，包括：

绑定模块，响应于第一商户的资源分配请求，将所述第一商户与指定商品进行绑定，作为分配主体；

检测模块，通过风险检测模型，针对所述分配主体进行检测，以确定所述指定商品在所述第一商户下的风险数据，所述风险检测模型根据第二商户的IoT经营机具采集的训练数据训练得到，所述训练数据包括所述指定商品在所述第二商户下的经营数据；

确定模块，根据所述风险数据，确定是否对所述分配主体进行资源分配；

若是，则确定由所述第一平台关联的第二平台获取待分配资源并用其交换得到定向资源，在通过所述第一商户的IoT经营机具接收所述定向资源后，确定对所述分配主体的所述资源分配完成，所述定向资源包括所述指定商品本身或者与其相关的服务，所述第一商户和所述第二商户的IoT经营机具由所述第一平台提供。

本说明书一个或多个实施例提供的一种基于商品粒度的资源分配设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

响应于第一商户的资源分配请求，将所述第一商户与指定商品进行绑定，作为分配主体；

通过风险检测模型，针对所述分配主体进行检测，以确定所述指定商品在所述第一商户下的风险数据，所述风险检测模型根据第二商户的IoT经营机具采集的训练数据训练得到，所述训练数据包括所述指定商品在所述第二商户下的经营数据；

根据所述风险数据，确定是否对所述分配主体进行资源分配；

若是，则确定由所述第一平台关联的第二平台获取待分配资源并用其交换得到定向资源，在通过所述第一商户的IoT经营机具接收所述定向资源后，确定对所述分配主体的所述资源分配完成，所述定向资源包括所述指定商品本身或者与其相关的服务，所述第一商户和所述第二商户的IoT经营机具由所述第一平台提供。

本说明书一个或多个实施例采用的上述至少一个技术方案能够达到以下有益效果：基于商品粒度，围绕着商品为中心，将商户与指定商品进行绑定，作为一个整体(即分配主体)对该整体度量风险，而不是以商户为中心对商户度量风险，通过基于也包括了指定商品的其他分配主体训练的风险检测模型，检测该整体的风险数据而非单独检测商户的风险数据作为资源分配的依据，如此，即使商户尚未开始经营指定商品，也能够提前预测该整体可能给资源分配带来的风险，这样的风险数据指向性更明确，可靠性更高更有参考价值，不仅如此，即使决定了分配，商户也不是直接获得资源而是获取到指定商品，如此，将商户与指定商品在后续的业务过程中也强约束在一起，有助于防止商户将资源挪为它用。从而实现了更为合理有效的资源分配。

附图说明

为了更清楚地说明本说明书实施例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简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本说明书一个或多个实施例提供的一种基于商品粒度的资源分配方法的流程示意图；

图2为本说明书一个或多个实施例提供的，一种应用场景下的资源分配方法的示意图；

图3为本说明书一个或多个实施例提供的一种基于商品粒度的资源分配装置的结构示意图；

图4为本说明书一个或多个实施例提供的一种基于商品粒度的资源分配设备的结构示意图。

具体实施方式

本说明书实施例提供一种基于商品粒度的资源分配方法、装置、设备以及存储介质。

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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申请一部分实施例，而不是全部的实施例。基于本说明书实施例，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，都应当属于本申请保护的范围。

图1为本说明书一个或多个实施例提供的一种基于商品粒度的资源分配方法的流程示意图。该方法可以应用于不同的业务领域，比如，互联网金融业务领域、电商业务领域、游戏业务领域、公务业务领域等。该流程可以由相应领域的计算设备(比如，电商业务对应的风险控制服务器或者智能移动终端等)执行，流程中的某些输入参数或者中间结果允许人工干预调节，以帮助提高准确性。

在本说明书的一个或多个实施例中，所提到的资源可以是服务器实时业务响应资源、云计算资源、云存储资源、线上客服资源、客户引流资源、线上曝光资源、资金、虚拟货币等，其由平台方提供，有助于商户经营业务。比如，对于电商平台，在大促销时，很多商户都有很多买家同时下单，需要通过服务器提供的线程资源(属于实时业务响应资源) 并发响应处理，服务器可能会对不同商户区别对待，给一些重要商户多分配一些线程资源来处理这些商户的业务，从而能够促进这些商户下订单更及时高效地完成，当然，这对一些小微商户(这些小微商户可能由于没有积累足够多的客户、经营数据等，而没有得到重视)是不合理不公平的。本方案也致力于使得资源更合理地进行分配，惠及更多的小微商户。

图1中的流程应用于第一平台，可以包括以下步骤：

S102：响应于第一商户的资源分配请求，将第一商户与指定商品进行绑定，作为分配主体。

在本说明书的一个或多个实施例中，第一商户作为想要获取资源的商户，在其需要资源分配方向其分配资源时，首先可以向资源分配方下的某一平台(即第一平台)，比如，第三方支付平台下的风控子平台等发起资源分配请求，以便第一平台有针对性地响应。当然，资源分配请求也可以不直接发送给第一平台，可以是通过其他对象间接触发第一平台执行后续动作。

进一步地，第一平台响应于第一商户的资源分配请求，会将第一商户与指定商品进行绑定，使两者强关联视为一个整体，称之为分配主体，之后围绕着分配主体为中心(可以进一步地以指定商品为主，以第一商户为辅，实质上是围绕着指定商品为中心，原因在于指定商品有很多商户经营，其数据更为广泛容易采集，而第一商户的数据采集受限更大，可靠性和适用性更差，不容易复用到其他对象上)，进行后续的风险评估过程。需要说明的是，此处的指定商品可以是第一商户在日常经常活动中的经营商品，也可以是第一商户尚未经营但在发送资源分配请求时携带的商品信息对应的商品，以表明第一商户对将要分配到的资源的用处，一般由第一商户主动来选择商品，作为指定商品。

在上述绑定过程中，具体的绑定形式比如是将指定商品作为附属标签添加至第一商户上(或者反过来操作，将第一商户作为指定商品的标签)，这样使得第一商户具有了商品标签属性，在后续的风险数据评估过程中或者是在具体的资源分配过程中，都不是针对第一商户单独进行操作，而是针对第一商户与其标签(即指定商品)二者构成的整体进行操作。这样将传统的资源分配考量对象由商户粒度提升至“商户+商品”粒度，以此实现更为合理且有效的资源分配方案。

S104：通过风险检测模型，针对分配主体进行检测，以确定指定商品在第一商户下的风险数据。

在本说明书的一个或多个实施例中，在将第一商户与指定商品绑定得到分配主体之后，以该分配主体为整体，进行资源分配的风险数据评估过程。

具体地，第一商户想要获取分配资源，需要要经过第一平台的风险评估，风险反映了若向第一商户分配资源可能带来的不利影响，尤其是与指定商品相关的不利影响(比如，指定商品本身可能存在的不利因素、第一商户或者其他商户在经营指定商品可能造成的失败等)。传统的风险评估过程仅是针对第一商户进行的，综合考虑第一商户的注册资金、历史信用等信息，这样就使得注册资金较少或者历史信用不那么良好的商户，获取到较少的分配资源甚至无法获取分配资源。但是这部分商户在日常的经营活动中，又确实需要该分配资源的支持，这就造成传统的资源分配方案出现了不合理性。因此，本说明书中，对第一商户与指定商品进行绑定后得到的整体进行考量，在对该整体即分配主体进行风险评估时，不以商户单独作为评估对象，而是以商户和商品二者构成的整体作为评估对象，综合考虑第一商户与指定商品构成的整体，对资源分配带来风险数据。

进一步地，通过风险检测模型，对第一商户与指定商品绑定得到的分配主体进行检测，最终得到指定商品在第一商户下的风险数据，即第一商户如果被确定可以进行资源分配时，使用将要被分配到的资源经营该指定商品的风险数据。

上述风险检测模型可以是至少基于第二商户(第一商户之外的其他商户)经营该指定商品的经营数据训练得到的。其具体的实现过程参见下文风险检测模型训练部分的相关描述，本说明书在此不作赘述。

S106：根据风险数据，确定是否对分配主体进行资源分配。

在本说明书的一个或多个实施例中，在通过风险检测模型得到指定商品在第一商户下的风险数据之后，第一平台基于该风险数据，确定是否对该分配主体进行资源分配。

具体地，第一平台在通过风险检测模型获取到分配主体对应的风险数据之后，即可确定第一商户与指定商品构成的整体，对资源分配带来的风险情况。如果第一平台确定该风险情况在可控范围之内，即由第一商户与指定商品绑定得到的分配主体对应的风险数据可以被第一平台所接受，则第一平台通过对该分配主体进行的风险评估过程，进而确定给该分配主体进行资源分配，继续执行S108。而如果上述风险情况不乐观或者是不可控，即由第一商户与指定商品绑定得到的分配主体对应的风险数据不能被第一平台所接受，则第一平台对该分配主体进行的风险评估过程没有通过。

本说明书中，将资源分配的依据固定为第一商户与指定商品绑定之后的整体对应的风险数据，而不是将第一商户的风险数据作为依据，这样使得资源分配的风险由原来的商户确定转变为由商户与商品构成的整体确定。这样，不管是在第一商户已经经营过指定商品的情况下，还是在第一商户尚未经营该指定商品的情况下，都能够明确第一商户与指定商品构成的分配主体这一整体给资源分配带来的风险。即，此时的风险数据更具有指向性与合理性，依据该风险数据进行的资源分配也更具有合理性。

在本说明书的一个或多个实施例中，前面有提到，一般由商户来指定商品，在实际应用中，根据如此得到的指定商品，绑定得到的分配主体，可能风险数据反映的风险偏大但是又没有超过阈值，在这种情况下，为了更可靠地给第一商户分配资源，可以由第一平台根据平台已有的数据，挖掘出一个有利于降低风险的第二商品，然后将第二商品与分配主体进行绑定，得到一个新的分配主体，再针对该新的分配主体进行风险度量，以及后续的分配动作。如此，对于第一商户和第一平台而言，风险均有一定程度降低，若后续的实际效果较好，甚至可以考虑将指定商品和第二商品绑定为一个分配主体，而不加入商户，如此进一步地放宽了对商户的要求，即使商户不提供自己的具体信息，只提供一些最必要的身份信息，也可能得到资源，有助于惠及小微商户，更有助于帮扶一些很困难的商户。

S108：若是，则确定由第一平台关联的第二平台获取待分配资源并用其交换得到定向资源，在通过第一商户的IoT经营机具接收定向资源后，确定对分配主体的资源分配完成。

在本说明书的一个或多个实施例中，在第一平台依据S106中的风险数据，确定可以对第一商户与指定商品绑定构成的分配主体进行资源分配之后，确定由第一平台相关联的第二平台获取待分配资源并将其交换得到定向资源，然后将该定向资源分配给第一商户。

具体地，在第一平台确定可以对分配主体进行资源分配之后，为了保证待分配资源不被乱用，并不是将待分配资源直接分配给第一商户，而是由第一平台关联的第二平台获取该待分配资源，然后将该待分配资源进行交换得到定向资源，进而将该定向资源分配给第一商户，也就是说，本说明书中的第一商户在确定可以被进行资源分配之后，其直接获得的并非是待分配资源，而是经过第二平台交换之后的定向资源。需要说明的是，该定向资源可以是指定商品本身或者是与指定商品相关的服务。

比如，上述第一平台为某资源分配方下设的风险控制平台，第二平台为该风险控制平台相互关联的资源提供平台以及供货渠道平台，上述第一商户为A商户，指定商品为B商品。具体地，在风险控制平台根据由A商户与B商品绑定构成的分配主体对应的风险数据确定可以为A商户进行资源分配之后，风险控制平台将可以进行资源分配的消息通知给资源提供平台。进一步地，在资源提供平台得知可以对上述分配主体进行资源分配之后，获取该分配主体对应的待分配资源。然后将该待分配资源提供给进货渠道平台，以通过待分配资源交换得到B商品，最终将B商品提供给A商户。

在上述举例中，A商户与B商品作为一个整体参与资源分配过程，在对A商户进行资源分配时，不是将待分配资源分配给A，而是将待分配资源交换得到B商品，进而将B商品分配给A商户，这样就可以避免A商户直接拿到待分配资源，并使用该待分配资源获取其他商品。将B商品直接分配给A商户，与之前的风险检测过程相对应(风险检测时就是将A商户与B商品作为一个整体进行检测的)，进而能够准确把握该资源分配过程的风险。

再比如，上述第一商户为线上交易业务中的线上商户，指定商品为该线上商户正在经营或者想要经营的线上商品，第一平台为风险控制平台，第二平台为该线上交易业务依托的线上交易平台以及资源提供平台，且该线上交易平台以及资源提供平台与风险控制平台相关联。本领域技术人员可以明确的是，线上商户在出售自己的线上商品时，需要占用线上交易平台的一定的云存储资源以及云计算资源，以支持线上商品的售卖业务。而线上交易平台中存在多个线上商户，同时为多个线上商户分配资源。如果该线上商户想要扩展进行多项售卖业务，就需要占用线上交易平台更多的云存储资源以及云计算资源。在风险控制平台根据线上商户与线上商品绑定得到的分配主体对应的风险数据，确定可以为该分配主体进行资源分配时，与风险控制平台关联的资源提供平台获取待分配资源，然后将该待分配资源与线上交易平台的云存储资源以及云计算资源进行交换，交换完成之后，将交换得到的云计算资源以及云存储资源分配给线上商户。即，线上商户与线上商品作为整体参与资源分配时，线上商户得到的不是待分配资源本身，也不是线上商品，而是该线上商品进行售卖业务所需要的云计算资源以及云存储资源，即得到的是线上商品相关的服务。

进一步地，在第一商户的IoT经营机具接收上述定向资源之后，确定对第一商户的资源分配过程完成。需要说明的是，第一商户的IoT经营机具是由第一平台提供的。本说明书中，将第一商户的IoT经营机具接收定向资源，作为资源分配完成的依据，不仅可以保证第一平台能够及时得知第一商户得到的资源不是待分配资源本身，而是经过交换得到的定向资源，而且便于后期第一平台通过该IoT经营机具获取到第一商户对该指定商品的经营情况，进而根据该经营情况及时把握此次资源分配的风险变化。

而如果第一平台通过第一商户的IoT经营机具得知第一商户接收到的不是定向资源，而是其他资源或者是待分配资源本身又或者是没有接收到任何资源，则确定此次资源分配没有完成。通知第一平台关联的第二平台进行问题定位，查到资源分配过程中出现问题的环节。

基于图1的方法，本说明书还提供了该方法的一些具体实施方案和扩展方案，下面继续进行说明。

在本说明书的一个或多个实施例中，在S104执行之前，需要对风险检测模型进行训练。本说明书中，对风险检测模型训练所使用的训练数据，是由第二商户对指定商品进行经营操作所得到经营数据确定的。其具体的获取方式是，通过第一平台提供给第二商户的IoT 经营机具，采集第二商户在经营上述指定商品时的经营数据得到的。需要说明的是，风险检测模型在进行训练时所使用到的训练数据，包含的不仅仅是第二商户对指定商品的经营数据，还应该包括第二商户对其他多种商品的经营数据，以便于在其他多种商品中的任一种与其他商户绑定作为新的分配主体时，通过该风险检测模型，也能够对新的分配主体进行风险检测。

除了上述训练数据之外，本说明书中还会根据第一商户对指定商品的经营情况，增加新的训练数据。具体地，如果确定第一商户在请求资源分配之前，已经经营了该指定商品，则通过第一平台提供给第一商户的IoT经营机具，采集指定商品在第一商户下的经营数据，以此作为部分训练数据，对风险检测模型进行训练。此时，通过该风险检测模型对分配主体进行检测时，输入该风险检测模型的数据即为第一商户对指定商品的经营数据。

而如果第一商户在请求资源分配之前，没有经营过该指定商品。即与第一商户绑定的指定商品，是第一商户想要但还未进行经营的商品。在这种情况下，风险检测模型的训练数据仍是第二商户对该指定商品的经营数据。此时，在通过风险检测模型对分配主体进行检测时，输入的数据不仅包括第二商户对该指定商品的经营数据，还应该包括与第一商户相关联的其他数据。比如，还应该输入第一商户经营与该指定商品属于同功能商品或者成套商品的经营数据。以避免风险检测模型对第一商户与指定商品绑定得到的分配主体进行风险检测得到的风险数据，与对第二商户与指定商品绑定得到的分配主体进行风险检测得到的风险数据存在相同或者相似的情况，即保证风险检测模型对各个商户与各个商品绑定得到的分配主体进行风险检测的准确性。

比如，第一商户在请求资源分配时，与其绑定的指定商品为A厂商的牙刷，此时第一商户与A厂商的牙刷作为分配主体进行风险检测。但第一商户在之前未经营过A厂商的牙刷，因此，在确定风险检测模型的输入数据时，不仅需要输入第二商户对A厂商的牙刷产生的经营数据，还应该输入第一商户经营A厂商的牙膏或者B厂商的牙刷所产生的经营数据。

在第一商户未经营指定商品的情况下得到的风险数据存在一定的不准确性，并且即使第一商户在已经经营了指定商品的情况下得到的风险数据，也并非完全能够反映资源分配风险的变化。要知道，随着第一商户所处地区在某一时段内人员的流动情况、经济的发展情况以及政策的变动情况发生改变的情况下，第一商户对指定商品的经营情况也会受到相应的影响，造成经营数据的变化，进而造成第一商户与指定商品绑定得到的分配主体对应的风险数据发生变化。因此，本说明书中，还会对上述风险检测模型进行迭代训练，以不断更新该指定商品在第一商户下的风险数据，进而保证第一平台及时了解资源分配的风险情况。

在本说明书的一个或多个实施例中，在完成对第一商户的资源分配之后，通过第一商户的IoT经营机具采集指定商品在第一商户下的经营数据，然后，通过该经营数据对风险检测模型进行迭代训练，以更新指定商品在第一商户下的风险数据。

具体地，在第一商户得到指定商品之后，开始对该指定商品进行经营活动，并且在经营活动中，通过第一平台提供的IoT经营机具采集经营数据。第一商户的IoT经营机具不断地将指定商品在第一商户下的经营数据上传给第一平台。第一平台在接收到该经营数据之后，将该经营数据作为风险检测模型的最新训练数据对其进行迭代训练，在这个过程中，不仅可以使第一平台得到新的风险检测模型，还可以将上述经营数据输入到新的风险检测模型中，进而得到新的指定商品在第一商户下的风险数据。

资源分配在某一个特定时间段内来说，是一个相对持续的过程，即第二平台在该特定时间段内会多次获取待分配资源并交换得到定向资源，提供给第一商户。因此，在第一商户经营指定商品的过程中，通过经营数据更新在该特定时间段内分配主体的风险数据，可以让第一平台持续的关注资源分配的最新风险情况。在风险数据发生较大变化时，有助于第一平台及时获知到该变化，并及时通知第二平台暂停为第一商户提供定向资源以减少第二平台的损失和避免不必要的麻烦。

除了上述使第一平台能够及时了解到资源分配的风险情况之外，进行风险检测模型的迭代训练进而更新指定商品在第一商户下的风险数据这一方案，还为第一平台对第一商户需要进行反馈的补偿资源进行调整提供了依据。

在本说明书的一个或多个实施例中，第一平台通过风险检测模型，确定分配主体在被分配资源后，重新释放该资源时所需要反馈的补偿资源；并且，根据上述更新后的指定商品在第一商户下的风险数据，对该补偿资源进行相应的调整。

在实际的应用场景中，第一商户在接收第二平台提供的定向资源并使用完成之后，需要再将该定向资源进行释放，返还给第二平台。并且，第二平台向第一商户提供的定向资源也不是无偿使用的，一般情况下，第一商户在释放自己被分配到的资源的同时，还需要多释放一部分自身的资源供第二平台分配使用，但具体需要释放自身多少资源，在本说明书中由第一平台根据指定商品在第一商户下的风险数据调整确定。

比如，在线上交易业务进程中，第一商户在使用完成线上交易平台提供的云存储资源以及云计算资源之后，将被分配到的云存储资源以及云计算资源进行释放，并且在释放的同时，将自身原本具有的云存储资源以及云计算资源也进行部分释放，供线上交易平台分配使用。也就是说，线上交易平台不会无偿的进行资源分配，第一商户在返还被分配的资源时，不仅需要将被分配的资源进行释放，还需要将自身具有的资源拿出一部分供线上交易平台使用。但第一商户具体需要拿出自身多少资源，则是由第一平台根据分配主体的风险数据确定的。

在上述风险检测模型的迭代训练过程中，不断地将指定商品在第一商户下的风险数据进行更新，然后根据该更新后的风险数据调整第一商户需要反馈的补偿资源。在一种可能的实现方式中，第一商户对指定商品的经营数据越来越良好，则表明指定商品在第一商户下的风险数据变小，即第一平台对第一商户与指定商品绑定构成的分配主体进行资源分配所需要承载的风险越来越小，此时，第一平台可以相应的将第一商户需要反馈的补偿资源调小，即使第一商户使用待分配资源的代价变小。以此，使得第一平台在进行资源分配时，将风险数据与第一商户所需反馈的补偿资源进行挂钩，即使在风险数据相对较大时，也能保证第一平台自身的利益不受侵害。并且，第一平台依据风险数据对上述补偿资源进行调整，也能够满足第一商户的利益，使得第一商户不至于使用一次被分配的资源就需要反馈自身较多的资源，不断调整的补偿资源也能够促使第一商户积极请求资源分配，满足自身发展需求，同样的，对第一商户进行资源分配的次数越多，第一平台获取到的补偿资源也越多，额外获取的补偿资源也可以作为待分配资源分配给其他商户使用，实现双赢。

在实际应用过程中，第一平台上往往存在一些较为重要的商户，这部分商户的经营数据较好或者是经营商品量较多，因此，第一平台为了不流失这部分商户，会对这些较为重要的商户在资源分配时提供一定的便利。

在本说明书的一个或多个实施例中，第一平台响应于第三商户的资源分配请求，通过风险检测模型，确定第三商户的期望经营商品在第三商户下的风险数据；并判断该风险数据所反映的风险程度是否超过预定程度。如果是，且确定第三商户为关键商户时，也为第三商户提供指定商品；如果否，则向第三商户提供期望经营商品。

在实际的应用场景中，第三商户作为第一平台上的关键商户，会不断的扩展自己的经营业务范围，在这个过程中，第三商户就需要第一平台为其提供更多的资源(比如，存储资源、计算资源等)，因此也就会经常性的向第一平台请求资源分配。在第三商户请求资源分配时所绑定的期望经营商品，可以是第三商户之前经营过的商品，也可以是第三商户尚未经营的商品。第一平台对第三商户与其期望经营商品绑定得到的分配主体，通过风险检测模型进行风险检测之后，得到期望经营商品在第三商户下的风险数据。可以理解的是，第一平台在决定是否对某一个分配主体进行资源分配时，会对该分配主体的风险数据以及预定的风险接受程度进行综合考量。对于普通商户对应的分配主体，如果第一平台确定其风险数据反映的风险程度超过预定程度，很可能直接驳回该分配主体的资源分配请求。而第一平台为了保留住关键商户，在关键商户的分配主体对应风险数据所反映的风险程度超过预定程度时，会给予一定的补偿方案。具体地，如果第三商户与期望经营商品绑定得到的分配主体对应的风险数据所反映的风险程度超过预定程度，且在第一平台确定第三商户为关键商户的情况下，第一平台不会直接驳回第三商户的资源分配请求，而是给第三商户分配指定商品。此处的指定商品是第一平台单独向第三商户分配的，与第一平台之前分配给第一商户的指定商品并无直接关系。即，第一平台将指定商品分配给第三商户，与第一平台将指定商品分配给第一商户，是两个相对独立的过程，并不会将指定商品分给第一商户之后，又从第一商户中划分一部分给第三商户。

需要说明的是，第一平台在不能接受第三商户与期望经营商品绑定得到的分配主体对应的风险数据时，也向第三商户分配指定商品的方案，并不是没有依据的。这是因为第一平台在对第一商户与指定商品绑定得到的分配主体进行风险评估时，已经初步信任了第一商户与指定商品，因此，在第三商户为关键商户的情况下，第一平台完全可以信任第三商户与指定商品构成的分配主体。

进一步地，如果第三商户与期望经营商品绑定得到的分配主体对应的风险数据所反映的风险程度没有超过预定程度，则说明该期望经营商品在第三商户下的风险数据可以被第一平台所接受，此时，第一平台向第三商户分配期望经营商品。

还需要说明的是，第一平台向第三商户分配指定商品或者是分配期望经营商品的实现过程，与第一平台向第一商户分配指定商品的过程相同或者相似，都是通过第二平台进行中间交换实现的，并不会让第三商户直接得到待分配资源，本说明书在此不作赘述。

此外，在本说明书的一个或多个实施例中，第一商户的IoT经营机具和第二商户的IoT 经营机具都是由第一平台提供的，且本说明书中的IoT经营机具具有扫描商品码和付款码的功能，以便商户使用该IoT经营机具进行商品的进货、盘货、出售，以便第一平台通过该 IoT经营机具采集指定商品在第一、第二商户下的经营数据，了解指定商品在第一、第二商户下的经营情况，同时便于第一平台确定第一商户分配到的资源是定向资源即指定商品本身或其相关的服务，而非待分配资源本身。

根据前面的说明，更直观地，结合图2，在一种应用场景下对方案进行更具体的说明。在该应用场景下，待分配资源为资金，分配资源比如是将资金进行借贷，指定商品为第一商户的进货商品。

图2为本说明书一个或多个实施例提供的，一种应用场景下的资源分配方法的示意图。

如图2所示，通过IoT经营机具采集多个商家经营多种商品的经营数据，包括出售明细、出售价格等相关信息。通过上述信息以及多个商家对应的信用信息(征信报告、逾期记录、互联网信贷等)，构建“商户+商品”维度的信用评估方案，以通过该信用评估方案确定商户利率。在某一商家想要获取资金进行进货商品的经营业务时，基于上述信用评估方案，确定该商家的利率(比如，商家需要支付的利息比如对应于上述的补偿资源，商家还款比如可以对应与上述的资源释放动作)，然后向该商家提供进货商品而非直接提供给该商家资金。该商家在具体的经营过程中会使用IoT经营机具对该进货商品进行出售、盘货等操作，因此，本实施例中可以通过IoT经营机具采集的定价出售数据等经营数据，进行信用评估方案的调整。

在有新的商家也想要获取资金进行某一商品的经营业务时，对新商家与该某一商品构成的整体进行信用评估，并依据信用评估结果决定是否向新商家提供其需要的商品。进一步地，本说明书该实施例中，还可以根据IoT经营机具采集到的多种经营数据，对不同地域不同商户给出适当的经营建议，比如商品售价、进货商品种类等。

在本说明书的一个或多个实施例中，在待分配资源为资金，指定商品为第一商户的进货商品时。在上述的资金分配过程中，参与分配的第一平台与第二平台可以是同属于一个生态圈(比如，同一个公司、同一个企业伙伴圈子、同一个掌控人等)的平台，比如第一平台与第二平台可以同属于一个资源分配方管理。比如，第一平台可以为资源分配方下设的风险控制子平台，与第一平台关联的第二平台可以是该资源分配方下设的资源分配子平台以及进货渠道子平台。此时，在第一平台确定对第一商户进行资源分配时，由上述资源提供子平台将获取待分配资金，并通过该资金向进货渠道子平台进行支付得到第一商户想要的进货商品。

本说明书中，与第一平台关联的第二平台当然也可以是与第一平台属于两个不同生态圈的平台，而在上述实施例中采用与第一平台属于同一生态圈的第二平台，一方面是可以保证第一平台与第二平台在资源分配过程中的相互配合程度，二者属于同一生态圈管理，配合工作更为默契，另一方面可以使二者在资源分配过程中使用同一生态圈内的处理资源，便于资源分配方掌握资源分配任务的处理进程，而且属于同一生态圈下的两个平台参与一个资源分配任务，可以使该生态圈接收第一商户反馈的所有补偿资源，保证利益最大化。

进一步地，在本说明书的一个或多个实施例中，在上述经营建议的给出过程中，第一平台会获取风险检测模型对不同的分配主体检测得到的风险数据集合，然后基于该风险数据集合以及指定商户所处的区域，向指定商户推荐进货商品以及商品进价。

由此可知，第一平台给指定商户的经营建议并不是毫无依据的，在给出经营建议之前，可以根据请求资源分配的商户所处的地域信息，检测多种商品在该地域中多个商户下的风险数据，以此了解多种商品在多个商户下不同的经营情况，这样，基于该风险数据或者经营情况向处于某一区域的商户推荐进货商品，可以保证推荐商品的准确性，进而保证该指定商户在采纳经营建议之后，不会产生较大的损失。

基于同样的思路，本说明书一个或多个实施例还提供了上述方法对应的装置和设备，如图3、图4所示。

图3为本说明书一个或多个实施例提供的一种基于商品粒度的资源分配装置的结构示意图，所述装置包括：

绑定模块304，响应于第一商户的资源分配请求，将所述第一商户与指定商品进行绑定，作为分配主体；

检测模块306，通过风险检测模型，针对所述分配主体进行检测，以确定所述指定商品在所述第一商户下的风险数据，所述风险检测模型根据第二商户的IoT经营机具采集的训练数据训练得到，所述训练数据包括所述指定商品在所述第二商户下的经营数据；

确定模块308，根据所述风险数据，确定是否对所述分配主体进行资源分配；

若是，则确定由所述第一平台关联的第二平台获取待分配资源并用其交换得到定向资源，在通过所述第一商户的IoT经营机具接收所述定向资源后，确定对所述分配主体的所述资源分配完成，所述定向资源包括所述指定商品本身或者与其相关的服务，所述第一商户和所述第二商户的IoT经营机具由所述第一平台提供。

可选地，装置还包括：

训练模块302，确定所述指定商品在所述第一商户下是否已存在经营数据；

若是，则将所述第一商户下的所述经营数据作为至少部分训练数据，用于对所述风险检测模型进行训练；

所述检测模块306，通过将所述第一商户下的所述经营数据输入至所述风险检测模型中，以确定所述指定商品在所述第一商户下的风险数据。

可选地，所述训练模块302，通过所述第一商户的IoT经营机具，采集所述指定商品在所述第一商户下的经营数据；

根据所述经营数据，对所述风险检测模型进行迭代训练，以用于更新所述指定商品在所述第一商户下的风险数据。

可选地，装置还包括：

调整模块310，根据所述风险检测模型，确定所述分配主体在被分配所述资源后重新释放所述资源时，所需要反馈的补偿资源；

根据更新后的所述指定商品在所述第一商户下的风险数据，对所述需要反馈的补偿资源进行相应调整。

可选地，所述第一平台关联的第二平台包括：与所述第一平台隶属于同一生态圈的资源提供子平台和进货渠道子平台；

所述第一平台关联的第二平台获取待分配资源并用其交换得到定向资源，具体包括：

所述进货渠道子平台提供所述指定商品，作为所述第一商户的进货商品；

所述资源提供子平台获取资金作为待分配资源，并用所述资金对所述进货商品进行支付，以便所述第一商户获得所述进货商品。

可选地，所述第二商户处于所述第一商户的周边区域；所述装置还包括：

推荐模块312，获取所述风险检测模型对不同的分配主体检测得到的风险数据集合；

根据所述风险数据集合和指定商户所处区域，向所述指定商户推荐进货商品和商品定价。

可选地，所述检测模块306，响应于第三商户的资源分配请求，通过所述风险检测模型，确定所述第三商户的期望经营商品在所述第三商户下的风险数据；

所述确定模块308，确定所述期望经营商品的所述风险数据所反映的风险是否超过预定程度；

若是，且确定所述第三商户为预定的关键商户，则也向所述第三商户分配所述指定商品；

若否，则向所述第三商户分配所述期望经营商品。

可选地，所述IoT经营机具具有扫描商品码和付款码的功能，以便商户使用所述IoT 经营机具对商品进行进货、盘货、出售。

图4为本说明书一个或多个实施例提供的一种基于商品粒度的资源分配设备的结构示意图，所述设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

响应于第一商户的资源分配请求，将所述第一商户与指定商品进行绑定，作为分配主体；

通过风险检测模型，针对所述分配主体进行检测，以确定所述指定商品在所述第一商户下的风险数据，所述风险检测模型根据第二商户的IoT经营机具采集的训练数据训练得到，所述训练数据包括所述指定商品在所述第二商户下的经营数据；

根据所述风险数据，确定是否对所述分配主体进行资源分配；

若是，则确定由所述第一平台关联的第二平台获取待分配资源并用其交换得到定向资源，在通过所述第一商户的IoT经营机具接收所述定向资源后，确定对所述分配主体的所述资源分配完成，所述定向资源包括所述指定商品本身或者与其相关的服务，所述第一商户和所述第二商户的IoT经营机具由所述第一平台提供。

基于同样的思路，本说明书一个或多个实施例还提供了对应于上述方法的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：

响应于第一商户的资源分配请求，将所述第一商户与指定商品进行绑定，作为分配主体；

通过风险检测模型，针对所述分配主体进行检测，以确定所述指定商品在所述第一商户下的风险数据，所述风险检测模型根据第二商户的IoT经营机具采集的训练数据训练得到，所述训练数据包括所述指定商品在所述第二商户下的经营数据；

根据所述风险数据，确定是否对所述分配主体进行资源分配；

若是，则确定由所述第一平台关联的第二平台获取待分配资源并用其交换得到定向资源，在通过所述第一商户的IoT经营机具接收所述定向资源后，确定对所述分配主体的所述资源分配完成，所述定向资源包括所述指定商品本身或者与其相关的服务，所述第一商户和所述第二商户的IoT经营机具由所述第一平台提供。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、 Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书实施例可提供为方法、系统、或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等) 上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器 (CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (17)

1.一种基于商品粒度的资源分配方法，应用于第一平台，所述方法包括：

响应于第一商户的资源分配请求，将所述第一商户与指定商品进行绑定，作为分配主体；

通过风险检测模型，针对所述分配主体进行检测，以确定所述指定商品在所述第一商户下的风险数据，所述风险检测模型根据第二商户的IoT经营机具采集的训练数据训练得到，所述训练数据包括所述指定商品在所述第二商户下的经营数据；

根据所述风险数据，确定是否对所述分配主体进行资源分配；

若是，则确定由所述第一平台关联的第二平台获取待分配资源并用其交换得到定向资源，在通过所述第一商户的IoT经营机具接收所述定向资源后，确定对所述分配主体的所述资源分配完成，所述定向资源包括所述指定商品本身或者与其相关的服务，所述第一商户和所述第二商户的IoT经营机具由所述第一平台提供。

2.如权利要求1所述的方法，所述通过风险检测模型，针对所述分配主体进行检测之前，所述方法还包括：

确定所述指定商品在所述第一商户下是否已存在经营数据；

若是，则将所述第一商户下的所述经营数据作为至少部分训练数据，用于对所述风险检测模型进行训练；

所述通过风险检测模型，针对所述分配主体进行检测，具体包括：

通过将所述第一商户下的所述经营数据输入至所述风险检测模型中，以确定所述指定商品在所述第一商户下的风险数据。

3.如权利要求1所述的方法，所述确定对所述分配主体的所述资源分配完成之后，所述方法还包括：

通过所述第一商户的IoT经营机具，采集所述指定商品在所述第一商户下的经营数据；

根据所述经营数据，对所述风险检测模型进行迭代训练，以用于更新所述指定商品在所述第一商户下的风险数据。

4.如权利要求3所述的方法，所述确定对所述分配主体的所述资源分配完成之前，所述方法还包括：

根据所述风险检测模型，确定所述分配主体在被分配所述资源后重新释放所述资源时，所需要反馈的补偿资源；

所述方法还包括：

根据更新后的所述指定商品在所述第一商户下的风险数据，对所述需要反馈的补偿资源进行相应调整。

5.如权利要求1所述的方法，所述第一平台关联的第二平台包括：与所述第一平台隶属于同一生态圈的资源提供子平台和进货渠道子平台；

所述第一平台关联的第二平台获取待分配资源并用其交换得到定向资源，具体包括：

所述进货渠道子平台提供所述指定商品，作为所述第一商户的进货商品；

所述资源提供子平台获取资金作为待分配资源，并用所述资金对所述进货商品进行支付，以便所述第一商户获得所述进货商品。

6.如权利要求1所述的方法，所述第二商户处于所述第一商户的周边区域；

所述方法还包括：

获取所述风险检测模型对不同的分配主体检测得到的风险数据集合；

根据所述风险数据集合和指定商户所处区域，向所述指定商户推荐进货商品和商品定价。

7.如权利要求1所述的方法，所述确定对所述分配主体的所述资源分配完成之后，所述方法还包括：

响应于第三商户的资源分配请求，通过所述风险检测模型，确定所述第三商户的期望经营商品在所述第三商户下的风险数据；

确定所述期望经营商品的所述风险数据所反映的风险是否超过预定程度；

若是，且确定所述第三商户为预定的关键商户，则也向所述第三商户分配所述指定商品；

若否，则向所述第三商户分配所述期望经营商品。

8.如权利要求1～7任一项所述的方法，所述IoT经营机具具有扫描商品码和付款码的功能，以便商户使用所述IoT经营机具对商品进行进货、盘货、出售。

9.一种基于商品粒度的资源分配装置，包括：

绑定模块，响应于第一商户的资源分配请求，将所述第一商户与指定商品进行绑定，作为分配主体；

检测模块，通过风险检测模型，针对所述分配主体进行检测，以确定所述指定商品在所述第一商户下的风险数据，所述风险检测模型根据第二商户的IoT经营机具采集的训练数据训练得到，所述训练数据包括所述指定商品在所述第二商户下的经营数据；

确定模块，根据所述风险数据，确定是否对所述分配主体进行资源分配；

若是，则确定由所述第一平台关联的第二平台获取待分配资源并用其交换得到定向资源，在通过所述第一商户的IoT经营机具接收所述定向资源后，确定对所述分配主体的所述资源分配完成，所述定向资源包括所述指定商品本身或者与其相关的服务，所述第一商户和所述第二商户的IoT经营机具由所述第一平台提供。

10.如权利要求9所述的装置，还包括：

训练模块，确定所述指定商品在所述第一商户下是否已存在经营数据；

若是，则将所述第一商户下的所述经营数据作为至少部分训练数据，用于对所述风险检测模型进行训练；

所述检测模块，通过将所述第一商户下的所述经营数据输入至所述风险检测模型中，以确定所述指定商品在所述第一商户下的风险数据。

11.如权利要求10所述的装置，所述训练模块，通过所述第一商户的IoT经营机具，采集所述指定商品在所述第一商户下的经营数据；

根据所述经营数据，对所述风险检测模型进行迭代训练，以用于更新所述指定商品在所述第一商户下的风险数据。

12.如权利要求11所述的装置，还包括：

调整模块，根据所述风险检测模型，确定所述分配主体在被分配所述资源后重新释放所述资源时，所需要反馈的补偿资源；

根据更新后的所述指定商品在所述第一商户下的风险数据，对所述需要反馈的补偿资源进行相应调整。

13.如权利要求9所述的装置，所述第一平台关联的第二平台包括：与所述第一平台隶属于同一生态圈的资源提供子平台和进货渠道子平台；

所述第一平台关联的第二平台获取待分配资源并用其交换得到定向资源，具体包括：

所述进货渠道子平台提供所述指定商品，作为所述第一商户的进货商品；

所述资源提供子平台获取资金作为待分配资源，并用所述资金对所述进货商品进行支付，以便所述第一商户获得所述进货商品。

14.如权利要求9所述的装置，所述第二商户处于所述第一商户的周边区域；

所述装置还包括：

推荐模块，获取所述风险检测模型对不同的分配主体检测得到的风险数据集合；

根据所述风险数据集合和指定商户所处区域，向所述指定商户推荐进货商品和商品定价。

15.如权利要求9所述的装置，

所述检测模块，响应于第三商户的资源分配请求，通过所述风险检测模型，确定所述第三商户的期望经营商品在所述第三商户下的风险数据；

所述确定模块，确定所述期望经营商品的所述风险数据所反映的风险是否超过预定程度；

若是，且确定所述第三商户为预定的关键商户，则也向所述第三商户分配所述指定商品；

若否，则向所述第三商户分配所述期望经营商品。

16.如权利要求9～15所述的装置，所述IoT经营机具具有扫描商品码和付款码的功能，以便商户使用所述IoT经营机具对商品进行进货、盘货、出售。

17.一种基于商品粒度的资源分配设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

响应于第一商户的资源分配请求，将所述第一商户与指定商品进行绑定，作为分配主体；

通过风险检测模型，针对所述分配主体进行检测，以确定所述指定商品在所述第一商户下的风险数据，所述风险检测模型根据第二商户的IoT经营机具采集的训练数据训练得到，所述训练数据包括所述指定商品在所述第二商户下的经营数据；

根据所述风险数据，确定是否对所述分配主体进行资源分配；

若是，则确定由所述第一平台关联的第二平台获取待分配资源并用其交换得到定向资源，在通过所述第一商户的IoT经营机具接收所述定向资源后，确定对所述分配主体的所述资源分配完成，所述定向资源包括所述指定商品本身或者与其相关的服务，所述第一商户和所述第二商户的IoT经营机具由所述第一平台提供。

Images