一种数据资源处理方法、装置、电子设备及介质与流程

1.本技术涉及计算机技术领域，尤其涉及一种数据资源处理方法、装置、电子设备及介质。


背景技术：

2.随着商业数字化的发展，越来越多的商品在存储、销售等过程中都通过电子数据的形式进行记录，形成了数据资源。在传统的商品销售领域，商家为了追求利润最大化，往往会采用如购物篮分析算法等去分析商品的数据资源，确定具有强关联性的商品，然后将具有强关联性的商品同时进行销售，以提高商品销售的成功率。现有的购物篮分析算法的应用场景大多数为大型卖场，大型卖场的订单数据通常是基于交易成功所产生的；但是在一些如保险之类的销售领域，在销售的过程中可以是先产生订单，然后再确认付款，导致产生的订单并不都是交易成功的订单，如果把交易失败的订单数据中的数据资源也用来分析数据资源与数据资源之间的关联性，容易导致分析结果出现较大的误差，不利于后续制定销售策略。此外，现有的购物篮分析算法经过计算后均是直接输出所有具有关联性的商品，导致难以在大量具有强关联性的商品中制定销售策略。因此，现有的方法在确定数据资源之间的关联程度时没有考虑到交易失败的情况，且同时输出大量关联性结果，导致关联性结果的准确性和实用性较差。


技术实现要素：

3.本技术实施例提供了一种数据资源处理方法、装置、电子设备及介质，可实现在确定数据资源之间的关联程度时考虑到交易失败的情况，并对关联性结果进行筛选，从而实现提高关联性结果的准确性和实用性。
4.一方面，本技术实施例提供一种数据资源处理方法，该方法包括：
5.获取在预设时间段内产生的关于多个目标数据资源的订单数据集；
6.在所述订单数据集中查找目标订单数据组，所述目标订单数据组包括一个或者多个订单数据，所述一个或者多个订单数据指的是：客户端未转移电子资源的订单数据；
7.基于所述订单数据集和所述目标订单数据组确定至少一个第一数据资源组，以及各个第一数据资源组的关联数据资源；
8.确定所述各个第一数据资源组与所述各个第一数据资源组的关联数据资源的关联度，以得到多个关联度；
9.在所述多个关联度中选取目标关联度，并输出关联度信息，所述关联度信息包括所述目标关联度，用于确定所述目标关联度的第二数据资源组，以及所述第二数据资源组的关联数据资源。
10.在一个实施例中，所述基于所述订单数据集和所述目标订单数据组确定至少一个第一数据资源组，以及各个第一数据资源组的关联数据资源，包括：基于所述订单数据集建立第一树模型，并对所述第一树模型进行遍历处理，得到所述订单数据集中的各个第三数
据资源组，以及所述各个第三数据资源组的关联数据资源；基于所述目标订单数据组建立第二树模型，并对所述第二树模型进行遍历处理，得到所述目标订单数据组中的各个第四数据资源组，以及所述各个第四数据资源组的关联数据资源；基于所述各个第三数据资源组，所述各个第三数据资源组的关联数据资源，所述各个第四数据资源组，以及所述各个第四数据资源组的关联数据资源，确定所述至少一个第一数据资源组，以及所述各个第一数据资源组的关联数据资源。
11.在一个实施例中，所述关联度包括置信度；所述确定所述各个第一数据资源组与所述各个第一数据资源组的关联数据资源的关联度，包括：确定所述订单数据集中包含所述各个第一数据资源组的订单数据的第一订单数量，以及所述订单数据集中包含所述各个第一数据资源组和所述各个第一数据资源组的关联数据资源的订单数据的第二订单数量；确定所述目标订单数据组中包含所述各个第一数据资源组和所述各个第一数据资源组的关联数据资源的第三订单数量；基于所述第一订单数量、第二订单数量和第三订单数量，确定所述各个第一数据资源组与所述各个第一数据资源组的关联数据资源的置信度。
12.在一个实施例中，所述关联度包括提升度；所述确定所述各个第一数据资源组与所述各个第一数据资源组的关联数据资源的关联度，包括：确定所述订单数据集中包含所述各个第一数据资源组的订单数据的第一订单数量，以及所述订单数据集中包含所述各个第一数据资源组和所述各个第一数据资源组的关联数据资源的订单数据的第二订单数量；确定所述目标订单数据组中包含所述各个第一数据资源组和所述各个第一数据资源组的关联数据资源的第三订单数量，以及所述目标订单数据组中包含所述各个第一数据资源组的关联数据资源的第四订单数量；基于所述第一订单数量、第二订单数量、第三订单数量和第四订单数量，确定所述各个第一数据资源组与所述各个第一数据资源组的关联数据资源的提升度。
13.在一个实施例中，还包括：确定所述目标订单数据组中的各个第三数据资源组与所述各个第三数据资源组的关联数据资源的对抗度，以得到多个对抗度；在所述多个对抗度中确定目标对抗度，并输出对抗度信息，所述对抗度信息包括所述目标对抗度，用于确定所述目标对抗度的第五数据资源组，以及所述第五数据资源组的关联数据资源；基于所述关联度信息和所述对抗度信息确定数据资源营销方案，所述数据资源营销方案用于描述所述第二数据资源组和所述第二数据资源组的关联数据资源的关联营销，以及所述第五数据资源组和所述第五数据资源组的关联数据资源的对抗营销。
14.在一个实施例中，所述在所述多个关联度中确定目标关联度，包括：将所述多个关联度中大于预设关联度阈值的关联度确定为所述目标关联度；或者，对所述多个关联度进行排序，得到排序后的关联度，并在所述排序后的关联度中确定目标关联度，目标关联度大于所述多个关联度中除所述目标关联度以外的关联度。
15.在一个实施例中，所述多个目标数据资源指的是m个目标数据资源，所述各个第一数据资源组包括x个目标数据资源，0＜x≤m，x为正整数；所述确定所述各个第一数据资源组与所述各个第一数据资源组的关联数据资源的关联度，包括：基于所述订单数据集和所述目标订单数据组确定所述x个目标数据资源的y个关联数据资源，以及所述x个目标数据资源与所述y个关联数据资源中的各个关联数据资源的关联度，以得到多个关联度，其中，0＜x＜m，0＜y≤m-x，x、y均为整数。
16.另一方面，本技术实施例提供了一种数据资源处理装置，该数据资源处理装置包括：
17.获取单元，用于获取在预设时间段内产生的关于多个目标数据资源的订单数据集；
18.处理单元，用于在所述订单数据集中查找目标订单数据组，所述目标订单数据组包括一个或者多个订单数据，所述一个或者多个订单数据指的是：客户端未转移电子资源的订单数据；
19.所述处理单元，还用于基于所述订单数据集和所述目标订单数据组确定至少一个第一数据资源组，以及各个第一数据资源组的关联数据资源；
20.所述处理单元，还用于确定所述各个第一数据资源组与所述各个第一数据资源组的关联数据资源的关联度，以得到多个关联度；
21.输出单元，用于在所述多个关联度中选取目标关联度，并输出关联度信息，所述关联度信息包括所述目标关联度，用于确定所述目标关联度的第二数据资源组，以及所述第二数据资源组的关联数据资源。
22.再一方面，本技术实施例提供一种电子设备，包括处理器、存储装置和通信接口，处理器、存储装置和通信接口相互连接，其中，存储装置用于存储支持终端执行上述方法的计算机程序，计算机程序包括程序指令，处理器被配置用于调用程序指令，执行如下步骤：获取在预设时间段内产生的关于多个目标数据资源的订单数据集；在所述订单数据集中查找目标订单数据组，所述目标订单数据组包括一个或者多个订单数据，所述一个或者多个订单数据指的是：客户端未转移电子资源的订单数据；基于所述订单数据集和所述目标订单数据组确定至少一个第一数据资源组，以及各个第一数据资源组的关联数据资源；确定所述各个第一数据资源组与所述各个第一数据资源组的关联数据资源的关联度，以得到多个关联度；在所述多个关联度中选取目标关联度，并输出关联度信息，所述关联度信息包括所述目标关联度，用于确定所述目标关联度的第二数据资源组，以及所述第二数据资源组的关联数据资源。
23.又一方面，本技术实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序包括程序指令，程序指令当被处理器执行时使处理器执行上述数据资源处理方法。
24.本技术实施例中，获取在预设时间段内产生的关于多个目标数据资源的订单数据集；并在订单数据集中查找目标订单数据组，目标订单数据组包括一个或者多个订单数据，订单数据指的是客户端未转移电子资源的订单数据；基于订单数据集和目标订单数据组确定至少一个第一数据资源组，以及各个第一数据资源组的关联数据资源；然后确定各个第一数据资源组与各个第一数据资源组的关联数据资源的关联度，以得到多个关联度；最后在多个关联度中确定目标关联度，并输出关联度信息，关联度信息包括目标关联度，用于确定目标关联度的第二数据资源组，以及第二数据资源组的关联数据资源。本技术实施例通过在订单数据集中查找目标订单数据组，可以查找出所有订单数据中所有客户端未转移电子资源的订单数据，也就是交易失败或者未完成的订单数据；然后通过订单数据集和目标订单数据组去确定至少一个第一数据资源组、各个第一数据资源组的关联数据资源，以及各个第一数据资源组与各个第一数据资源组的关联数据资源的关联度，可以实现在确定数
据资源之间的关联程度时考虑到交易失败的情况，有利于提高关联性结果的准确性；最后在多个关联度中选取目标关联度，并输出关联度信息，可以实现对关联度有针对性地进行筛选，从而提高关联性结果实用性，有利于后续准确制定营销策略。
附图说明
25.为了更清楚地说明本技术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技术的一些实施例，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。
26.图1是本技术实施例提供的一种数据资源处理方法的流程示意图；
27.图2是本技术实施例提供的预设场景的设置界面图；
28.图3是本技术实施例提供的一种第一数据资源组的确定过程的示意图；
29.图4是本技术实施例提供的另一种数据资源处理方法的流程示意图；
30.图5是本技术实施例提供的一种第一树模型的示意图；
31.图6是本技术实施例提供的一种第二树模型的示意图；
32.图7是本技术实施例提供的一种数据资源处理装置的结构示意图；
33.图8是本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
34.下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
35.随着商业数字化的发展，越来越多的商品在存储、销售等过程中都通过电子数据的形式进行记录，形成了关于商品的数据资源；例如，在超市中，数据资源可以指的是每件商品，在保险销售中，数据资源可以指的是每个险种。在传统的商品销售领域，商家为了追求利润最大化，往往会采用如购物篮分析算法等计算关联程度的算法去分析在商品销售的过程中商品与商品之间的关联程度，从而确定具有强关联性的商品，然后将具有强关联性的商品同时进行销售，以提高商品销售的成功率。比如，含有啤酒里的订单中含有尿布的概率很大，那么啤酒和尿布这两件商品就属于强关联性的商品，因此商家可以选择在卖啤酒的货架旁边放置卖尿布的货架，从而提高了尿布的购买率。
36.但是，现有的购物篮分析算法的应用场景大多数为大型卖场，大型卖场的订单数据通常是基于交易成功所产生的；而在一些如保险、医疗之类的销售领域，在销售的过程中可以是先产生订单，然后再确认付款，导致产生的订单并不都是交易成功的订单，如果把交易失败的订单数据中的数据资源也用来分析数据资源与数据资源之间的关联性，容易导致分析结果出现较大的误差，不利于后续制定销售策略。同时，现有的购物篮分析算法虽然能够找出具有强关联性的商品，但是，如果具有强关联性的商品过多，商家仍然会难以在大量具有强关联性的商品中制定销售策略。此外，在订单中找到啤酒和尿布这种强关联的商品看似简单，其实问题重重；随着订单量的增长，数据通常都是百万甚至是千万级别，而每个
订单内的商品数量也可以是成百上千，容易导致最终整体的搜索空间成几何级数倍增。
37.基于此，本技术实施例还提供了一种数据资源处理方法，该数据资源处理方法，第一方面，通过确定订单数据集中客户端未转移电子资源的订单数据的目标订单数据组，以及后续的处理，可以实现在确定数据资源之间的关联程度时考虑到交易失败的情况，有利于提高关联性结果的准确性；第二方面，通过在多个关联度中确定目标关联度，并输出关联度信息，可以实现对关联度有针对性地进行筛选，从而提高关联性结果实用性，有利于后续准确制定营销策略；第三方面，还可以通过建立树模型的方式，对数据进行高效遍历，降低了算法的时间复杂度。
38.需要说明的是，本技术实施例以保险销售的相关场景为例介绍本技术实施例提及的数据资源处理方案，并不会对本技术实施例起到限定作用，本技术实施例提及的数据资源处理方案还可以运用于其他数据资源处理的使用场景，本技术实施例对此不作限定。
39.请参见图1，图1是本技术实施例提供的一种数据资源处理方法的流程示意图；如图1所示的数据资源处理方案可由电子设备来执行，该方案包括但不限于步骤s101～步骤s105，其中：
40.s101，获取在预设时间段内产生的关于多个目标数据资源的订单数据集。
41.在本技术实施例中，所述目标数据资源指的是能够表示某种资源的数字形式。具体来说，目标数据资源可以是商品类型，比如油、米、盐、糖等，又如衣服、饰品、鞋等；也可以是保险类型，如汽车保险、意外保险、旅游保险等。所述订单数据集指的是多个含有一个或者多个目标数据资源的订单所组成的订单数据集。
42.示例性地，目标数据资源包括儿童医疗保险、中老年综合医疗保险、重疾险、孝心险和职场综合医疗保险，获取最近2天的订单，一共获取到7个订单，那么订单数据集可以如表1所示：
43.表1
[0044][0045]
其中，订单4中的客户原本是购买了2份儿童医疗保险和3份孝心险，通过对订单4进行标注处理；也就是说，将订单4中购买过的保险类型标注为1，没购买过的保险类型标注为0；对所有的7个订单进行标注处理后，就得到了如表1所示的订单数据集。
[0046]
在一种可能的实现方式中，所述获取在预设时间段内产生的关于多个目标数据资源的订单数据集的获取条件可以是以下至少一种：预设时间条件、预设场景条件和预设触发条件。所述预设时间条件可以是获取的时间频率，也可以是预设的固定时间。具体来说，
预设时间条件可以是每月获取，那么就可以是在每个月的任意一个时间或者固定的一个时间进行获取，如每月六号或者每月的10号至18号之间；预设时间条件还可以是预先设置的时间，如设置2021年11月10号获取。
[0047]
所述预设场景条件可以是获取时的场景，具体来说，获取时的场景可以包括节假日、季节等时间相关的场景，也可以包括开会、汇报等工作相关的场景，在此不限定。举例来说，可以在公司业务部门制定关于商品的会议的前3天获取所述商品相关的订单数据集。示例性地，在劳动节来临之前，公司a想要对提升旅游保险的销售量，因此需要知道那几种旅游保险之间具有较强的关联性，从而方便制定旅游保险的销售策略。所以，如图2所示，公司a的管理人员可以在预设场景的设置界面201中设置场景为“劳动节”；优选地，还可以设置目标数据资源为旅游相关的各类保险，如“国内短期旅游保险”、“团体国内旅游保险”、“国内自助游保险”、“港澳旅游保险”、“境内自驾旅游保险”和“境内高原旅游保险”等；管理人员还可以点击“ ”选择添加更多目标数据资源。在点击“完成”按键即可设置完成。
[0048]
所述预设触发条件可以是检测到用户的获取意愿时。举例来说，当检测到用户在终端设备上点击“获取”订单数据集的按键时，就可以开始获取订单数据集。
[0049]
s102，在订单数据集中查找目标订单数据组。
[0050]
在本技术实施例中，所述目标订单数据组包括一个或者多个订单数据，一个或者多个订单数据指的是：客户端未转移电子资源的订单数据。所述电子资源可以是电子现金、比特币、小狗币等以数据形式流通的货币，也可以是通过支付软件以电子形式进行支付的货币，在此不限定。
[0051]
在本技术实施例中，所述客户端未转移电子资源的订单数据指的是没有在客户端完成支付的订单的数据，也就是交易失败的订单的数据。优选地，目标订单数据组中的订单数据还可以是指的是已经产生第一预设时间段，但客户端仍未转移电子资源的订单数据。举例来说，有一些企业会为自己的员工统一购买大量的保险，但由于企业的资金周转等原因，需要在购买了三个月后或者在资金充裕时再完成订单支付，这种类型的订单并不属于交易失败的订单，因此可以预设目标订单数据组中的订单数据是在订单生成3个月后，客户端未转移电子资源的订单数据。优选地，也可以单独将需要延后支付的订单数据从客户端未转移电子资源的订单数据中筛选出来，在此不限定。
[0052]
s103，基于订单数据集和目标订单数据组确定至少一个第一数据资源组，以及各个第一数据资源组的关联数据资源。
[0053]
在本技术实施例中，所述基于订单数据集和目标订单数据组确定至少一个第一数据资源组，以及各个第一数据资源组的关联数据资源的方式可以是：1)基于订单数据集建立第一树模型，并对第一树模型进行遍历处理，得到订单数据集中的各个第三数据资源组，以及各个第三数据资源组的关联数据资源；2)基于目标订单数据组建立第二树模型，并对第二树模型进行遍历处理，得到目标订单数据组中的各个第四数据资源组，以及各个第四数据资源组的关联数据资源；3)基于各个第三数据资源组，各个第三数据资源组的关联数据资源，各个第四数据资源组，以及各个第四数据资源组的关联数据资源，确定至少一个第一数据资源组，以及各个第一数据资源组的关联数据资源。优选地，所述树模型可以是fp-growth算法中的频繁模式树(frequent pattern tree)，也可以是决策树等能够确定项与项之间的关联程度的树模型，在此不限定。
[0054]
具体来说，对订单数据集中的所有订单数据进行分析后，得到各个第三数据资源组的关联数据资源中可能有一部分第三数据资源组的关联数据资源是因为第三数据资源组和所述第三数据资源组的关联数据资源在交易失败的订单中占比过大，才使得最终确定这一部分数据资源组及其关联数据资源为第三数据资源组，以及第三数据资源组的关联数据资源。因此，可以通过在第三数据资源组的关联数据资源中筛除与第四数据资源组的关联数据资源相同的关联数据资源，可以实现避免出现上述情况。
[0055]
举例来说，请参见附图3，通过订单数据集进行处理后得到了3个第三数据资源组301，分别是险种a、险种b和险种c，其中险种a的关联数据资源为险种c和险种e，险种b的关联数据资源为险种d，险种c的关联数据资源为险种d和险种f；然后，通过对目标订单数据组进行处理得到了3个第四数据资源组302，分别是险种a、险种b和险种e，其中，险种a的关联数据资源为险种c，险种b的关联数据资源为险种d，险种e的关联数据资源为险种f。通过在第三数据资源组和第三数据资源组的关联数据资源筛去第四数据资源组和第四数据资源组的关联数据资源，可以得到最终的第一数据资源组303，第一数据资源组共有两个，分别是险种a和险种c，其中，险种a的关联数据资源为险种e，险种c的关联数据资源为险种d和险种f。
[0056]
s104，确定各个第一数据资源组与各个第一数据资源组的关联数据资源的关联度，以得到多个关联度。
[0057]
在本技术实施例中，所述关联度可以包括置信度，置信度用于指示含有第一数据资源组的订单数据中出现第一数据资源组的关联数据资源的概率，通过置信度可以直观地评价第一数据资源组和第一数据资源组的关联数据资源之间的关联程度。
[0058]
那么，确定各个第一数据资源组与各个第一数据资源组的关联数据资源的关联度的方式可以是：确定订单数据集中包含各个第一数据资源组的订单数据的第一订单数量，以及订单数据集中包含各个第一数据资源组和各个第一数据资源组的关联数据资源的订单数据的第二订单数量；确定目标订单数据组中包含各个第一数据资源组和各个第一数据资源组的关联数据资源的第三订单数量；基于第一订单数量、第二订单数量和第三订单数量，确定各个第一数据资源组与各个第一数据资源组的关联数据资源的置信度。
[0059]
具体来说，第一订单数量为含有第一数据资源组的订单数据在订单数据集中的数量，第二订单数量为同时含有第一数据资源组和第一数据资源组的关联数据资源的订单数据在订单数据集中的数量，第三订单数量为同时含有第一数据资源组和第一数据资源组的关联数据资源的订单数据在目标订单数据组中的数量。
[0060]
示例性地，第一数据资源组中包括险种a，第一数据资源组的关联数据资源为险种b，订单数据集中有1000个订单的订单数据，其中，所述1000个订单中有800张含有险种a，那么第一订单数量为800；所述1000个订单中有400张订单同时含有险种a和险种b，那么第二订单数量为400；目标订单数据组中有100个订单的订单数据，其中，所述100个订单中有50张同时含有险种a和险种b，那么第三订单数量为50。置信度的计算公式可以为：
[0061][0062]
其中，i表示第一数据资源组；j表示第一数据资源组的关联数据资源；confidence(ij)表示第一数据资源组关于第一数据资源组的关联数据资源组的置信度；order_
contain_num
all
(ij)表示在订单数据集中同时含有第一数据资源组和第一数据资源组的关联数据资源的订单数据的数量，即第二订单数量；order_contain_num
fail
(ij)表示在目标订单数据组中同时含有第一数据资源组和第一数据资源组的关联数据资源的订单数据的数量，即第三订单数量；order_contain_num
all
(i)表示在订单数据集中含有第一数据资源组的订单数据的数量，即第一订单数量。最终，通过置信度的计算公式可以得到险种a与险种b之间的置信度为0.4375。
[0063]
优选地，除了通过订单数量来计算置信度之外，还可以通过含有第一数据资源组的订单数据在订单数据集中的支持度、同时含有第一数据资源组和第一数据资源组的关联数据资源的订单数据在订单数据集中的支持度，以及同时含有第一数据资源组和第一数据资源组的关联数据资源的订单数据在目标订单数据组中的支持度来计算第一数据资源组和第一数据资源组的关联数据资源的置信度，其中，支持度指的是某个数据资源在所有订单数据中出现的概率。
[0064]
在一种可能实现的方式中，所述关联度可以包括提升度，提升度用于指示当第一数据资源组出现后，并且了解到第一数据资源组的关联数据资源的支持度的情况下，第一数据资源组的关联数据资源出现的可能性。
[0065]
那么，确定所述各个第一数据资源组与所述各个第一数据资源组的关联数据资源的关联度的方式可以是：确定订单数据集中包含各个第一数据资源组的订单数据的第一订单数量，以及订单数据集中包含各个第一数据资源组和各个第一数据资源组的关联数据资源的订单数据的第二订单数量；确定目标订单数据组中包含各个第一数据资源组和各个第一数据资源组的关联数据资源的第三订单数量，以及所述目标订单数据组中包含所述各个第一数据资源组的关联数据资源的第四订单数量；基于第一订单数量、第二订单数量、第三订单数量和第四订单数量，确定各个第一数据资源组与各个第一数据资源组的关联数据资源的提升度。
[0066]
示例性地，第一数据资源组中包括险种a，第一数据资源组的关联数据资源为险种b，订单数据集中有1000个订单的订单数据，其中，所述1000个订单中有800张含有险种a，那么第一订单数量为800；所述1000个订单中有400张订单同时含有险种a和险种b，那么第二订单数量为400；目标订单数据组中有100个订单的订单数据，其中，所述100个订单中有50张同时含有险种a和险种b，那么第三订单数量为50；所述100个订单中有20张订单含有险种b，那么第四订单数量为20。提升度的计算公式可以为：
[0067][0068]
其中，i表示第一数据资源组；j表示第一数据资源组的关联数据资源；lift(ij)表示第一数据资源组关于第一数据资源组的关联数据资源组的提升度；order_contain_num
all
(ij)表示在订单数据集中同时含有第一数据资源组和第一数据资源组的关联数据资源的订单数据的数量，即第二订单数量；order_contain_num
fail
(ij)表示在目标订单数据组中同时含有第一数据资源组和第一数据资源组的关联数据资源的订单数据的数量，即第三订单数量；order_contain_num
all
(i)表示在订单数据集中含有第一数据资源组的订单数据的数量，即第一订单数量；support(j)表示在目标订单数据组中含有第一数据资源组的
关联数据资源的订单数据的概率，即第四订单数量与目标订单数据组中的所有订单数据的数量的比值。最终，通过提升度的计算公式可以得到险种a与险种b之间的提升度为2.1875。
[0069]
优选地，所述support(j)还可以表示在订单数据集中含有第一数据资源组的关联数据资源的订单数据的概率，也就是含有第一数据资源组的关联数据资源的订单数据的订单数量与订单数据集中的所有订单数据的数量的比值。
[0070]
在一种可能的实现方式中，所述关联度还可以同时包括置信度和提升度，在此不限定。优选地，还可以通过置信度来计算提升度，其中，通过置信度来计算提升度的公式可以为：
[0071][0072]
s105，在多个关联度中选取目标关联度，并输出关联度信息，关联度信息包括目标关联度，用于确定目标关联度的第二数据资源组，以及第二数据资源组的关联数据资源。
[0073]
在本技术实施例中，在所述多个关联度中确定目标关联度的方式可以是：将所述多个关联度中大于预设关联度阈值的关联度确定为所述目标关联度。示例性地，预设关联度阈值为0.7，那么就可以将大于0.7的关联度为所述目标关联度。优选地，在所述多个关联度中确定目标关联度的方式还可以是：对所述多个关联度进行排序，得到排序后的关联度，并在所述排序后的关联度中确定目标关联度，目标关联度大于所述多个关联度中除所述目标关联度以外的关联度。具体来说，所述排序方式可以降序也可以是升序，还可以是其他方式，在此不限定。优选地，在所述排序后的关联度中确定目标关联度的方式还可以是设置百分比或者设置前几名。示例性地，对10个关联度进行降序排序，将排序的前3个关联度作为目标关联度，或者将排序的前40％的关联度作为目标关联度。
[0074]
在一种可能的实现方式中，所述关联度同时包括置信度和提升度时，可以通过对置信度和提升度设置不同的权重的方式在多个关联度中确定目标关联度。举例来说，提升度为2.1875，置信度为0.4375，其中，提升度的权重为0.3，置信度的权重为0.7，那么，总的关联度就是0.9625。优选地，还可以是其他方式确定目标关联度，在此不限定。
[0075]
在一种可能的实现方式中，步骤s101中的多个目标数据资源指的是m个目标数据资源，各个第一数据资源组包括x个目标数据资源，0＜x≤m，x为正整数。那么，确定所述各个第一数据资源组与所述各个第一数据资源组的关联数据资源的关联度可以是：基于订单数据集和目标订单数据组确定x个目标数据资源的y个关联数据资源，以及x个目标数据资源与y个关联数据资源中的各个关联数据资源的关联度，以得到多个关联度，其中，0＜x＜m，0＜y≤m-x，x、y均为整数。
[0076]
具体来说，一个第一数据资源组中可以包括一个或多个目标数据资源，每个第一数据资源组可以有一个或多个关联数据资源。示例性地，第一数据资源组m1中包括险种a，第一数据资源组m2中包括险种a和险种c，第一数据资源组m3中包括险种b、险种c和险种g；其中，第一数据资源组m1有2个关联数据资源，分别是险种b和险种f；第一数据资源组m3有1个关联数据资源，是险种e；第一数据资源组m3有1个关联数据资源，是险种d。那么，可以得到第一数据资源组m1中的险种a，与关联数据资源险种b的关联度；第一数据资源组m1中的险种a，与关联数据资源险种f的关联度；第一数据资源组m2中的险种a、险种c，与关联数据资源
险种e的关联度；第一数据资源组m3中的险种b、险种c和险种g，与关联数据资源险种d的关联度。
[0077]
本技术实施例中，获取在预设时间段内产生的关于多个目标数据资源的订单数据集；并在订单数据集中查找目标订单数据组，目标订单数据组包括一个或者多个订单数据，订单数据指的是客户端未转移电子资源的订单数据；基于订单数据集和目标订单数据组确定至少一个第一数据资源组，以及各个第一数据资源组的关联数据资源；然后确定各个第一数据资源组与各个第一数据资源组的关联数据资源的关联度，以得到多个关联度；最后在多个关联度中确定目标关联度，并输出关联度信息，关联度信息包括目标关联度，用于确定目标关联度的第二数据资源组，以及第二数据资源组的关联数据资源。本技术实施例通过在订单数据集中查找目标订单数据组，可以查找出所有订单数据中所有客户端未转移电子资源的订单数据，也就是交易失败或者未完成的订单数据；然后通过订单数据集和目标订单数据组去确定至少一个第一数据资源组、各个第一数据资源组的关联数据资源，以及各个第一数据资源组与各个第一数据资源组的关联数据资源的关联度，可以实现在确定数据资源之间的关联程度时考虑到交易失败的情况，有利于提高关联性结果的准确性；最后在多个关联度中选取目标关联度，并输出关联度信息，可以实现对关联度有针对性地进行筛选，从而提高关联性结果实用性，有利于后续准确制定营销策略。
[0078]
请参见图4，图4是本技术实施例提供的一种数据资源处理方法的流程示意图；如图4所示的数据资源处理方案可由电子设备来执行，该方案包括但不限于步骤s401～步骤s410，其中：
[0079]
s401，获取在预设时间段内产生的关于多个目标数据资源的订单数据集。
[0080]
s402，在订单数据集中查找目标订单数据组。其中，目标订单数据组包括一个或者多个订单数据，一个或者多个订单数据指的是：客户端未转移电子资源的订单数据。
[0081]
需要说明的是，步骤s401-步骤s402的具体实施过程可参见图1所示实施例中步骤s101-步骤s102所示的具体实施过程的相关描述，在此不做赘述。
[0082]
s403，基于目标订单数据组建立第二树模型，并对第二树模型进行遍历处理，得到目标订单数据组中的各个第四数据资源组，以及各个第四数据资源组的关联数据资源。
[0083]
s404，基于订单数据集建立第一树模型，并对第一树模型进行遍历处理，得到订单数据集中的各个第三数据资源组，以及各个第三数据资源组的关联数据资源。
[0084]
s405，基于各个第三数据资源组，各个第三数据资源组的关联数据资源，各个第四数据资源组，以及各个第四数据资源组的关联数据资源，确定至少一个第一数据资源组，以及各个第一数据资源组的关联数据资源。
[0085]
举例来说，订单数据集可以如表2所示，其中，目标数据资源包括险种a～险种h，一共获取了最近5天产生的10个订单：
[0086]
表2
[0087] 险种a险种b险种c险种d险种e险种f险种g险种h状态订单100110010投保订单200010001投保订单300110010投保订单410000001未投保
订单500110010投保订单600101000未投保订单700101000未投保订单800110010投保订单900101000未投保订单1000100001未投保
[0088]
通过如表2所示的订单数据集可以确定状态为“未投保”(即未转移电子资源)的目标订单数据组，如表3所示：
[0089]
表3
[0090] 险种a险种b险种c险种d险种e险种f险种g险种h状态订单410000001未投保订单600101000未投保订单700101000未投保订单900101000未投保订单1000101001未投保
[0091]
基于订单数据集建立的第一树模型可以如图5中的频繁模式树501所示；此外，设定条件模式基为1，那么对频繁模式树501进行遍历处理，可以得到第三数据资源组分别为{c}和{c,d}，其中，第三数据资源组{c}的关联数据资源有{e}、{d}；第三数据资源组{c,d}的关联数据资源有{g}。
[0092]
然后，基于目标订单数据组建立的第二树模型可以如图6中的频繁模式树601所示，此外，设定条件模式基为1，那么，对于频繁模式树601进行遍历处理，可以得到第四数据资源组为{c}，第四数据资源组{c}的关联数据资源为{e}。
[0093]
最后，基于第三数据资源组及其关联数据资源，以及第四数据资源组及其关联数据资源，可以确定最终的第一数据资源组为{c}和{c,d}，其中，第一数据资源组{c}的关联数据资源为{d}，第一数据资源组{c,d}的关联数据资源为{g}。
[0094]
需要说明的是，步骤s403-步骤s405部分具体实施过程可参见图1所示实施例中步骤s103所示的部分具体实施过程的相关描述，在此不做赘述。
[0095]
s406，确定各个第一数据资源组与各个第一数据资源组的关联数据资源的关联度，以得到多个关联度。
[0096]
s407，在多个关联度中选取目标关联度，并输出关联度信息。其中，关联度信息包括目标关联度，用于确定目标关联度的第二数据资源组，以及第二数据资源组的关联数据资源。
[0097]
需要说明的是，步骤s406-步骤s407具体实施过程可参见图1所示实施例中步骤s104-s105所示的具体实施过程的相关描述，在此不做赘述。
[0098]
同时，在步骤s403之后，还包括：
[0099]
s408，确定目标订单数据组中的各个第四数据资源组与各个第四数据资源组的关联数据资源的对抗度，以得到多个对抗度。
[0100]
s409，在多个对抗度中确定目标对抗度，并输出对抗度信息。其中，对抗度信息包括目标对抗度，用于确定目标对抗度的第五数据资源组，以及第五数据资源组的关联数据
资源。
[0101]
在本技术实施例中，所述对抗度可以是各个第四数据资源组，以及各个第四数据资源组的关联数据资源之间的置信度和/或提升度。因为目标订单数据组中的订单数据为交易失败或者未完成的订单数据，因此，这些订单数据中的数据资源组及其关联数据资源的置信度和/或提升度越大，则说明订单数据中的数据资源组及其关联数据资源同时出现时，订单交易失败或者无法完成的概率越大。
[0102]
在一种可能的实现方式中，确定各个第一数据资源组与各个第一数据资源组的关联数据资源的方式还可以是在多个对抗度中确定目标对抗度，然后在第三数据资源组及其关联数据资源中筛选用于确定目标对抗度的第五数据资源组及其关联数据资源。优选地，所述确定的方式还可以是其他方式，在此不限定。
[0103]
需要说明的是，步骤s408-步骤s409中的确定对抗度，以及确定目标对抗度的具体实施过程可参见图1所示实施例中步骤s104-步骤s105所示的确定关联度，以及确定目标关联度的具体实施过程的相关描述，在此不做赘述。
[0104]
s410，基于关联度信息和对抗度信息确定数据资源营销方案。
[0105]
本技术实施例中，所述数据资源营销方案用于描述第二数据资源组和第二数据资源组的关联数据资源的关联营销，以及第五数据资源组和第五数据资源组的关联数据资源的对抗营销。
[0106]
具体来说，通过第五数据资源组、第五数据资源组的关联数据资源以及两者的对抗度可以得知哪些目标数据资源同时出现在同一张订单中容易导致订单交易失败，那么在制定数据资源营销方案的时候，就可以避免将第五数据资源组和第五数据资源组的关联数据资源同时进行营销。同理，在制定数据资源营销方案的时候，因为在出现第二数据资源组与第二数据资源组的关联数据资源的关联程度大，那么为了提高销售量，可以将第二数据资源组和第二数据资源组的关联数据资源同时进行关联营销，从而实现通过第二数据资源组促进第二数据资源组的关联数据资源的销售。
[0107]
示例性地，通过图5和图6的分析可以得到险种c可以促进险种d的销售，险种c和险种d可以促进险种g的销售，险种c和险种e同时出现时，容易导致订单交易失败，那么就可以在制定关于各类险种的营销方案时，将险种c、险种d和险种g安排在一起进行营销；此外，还需要对险种c和险种e进行对抗营销，从而避免险种c和险种e同时进行营销。
[0108]
本技术实施例中，通过基于目标订单数据组建立第二树模型并遍历处理，得到目标订单数据组中的各个第四数据资源组及其关联数据资源，以及基于订单数据集建立第一树模型并进行遍历处理，得到订单数据集中的各个第三数据资源组及其关联数据资源。然后基于上述数据资源组及其关联数据资源，确定至少一个第一数据资源组及其关联数据资源，并确定得到的第一数据资源组及其关联数据资源的关联度，从而输出含有目标关联度的关联度信息；并基于确定目标订单数据组中的各个第四数据资源组及其关联数据资源的对抗度，从而输出含有目标对抗度的对抗度信息；最后基于关联度信息和对抗度信息确定数据资源营销方案。本技术实施例通过从订单数据集中筛除含有电子资源未转移的目标订单数据组，可以实现通过订单数据集和目标订单数据组确定在考虑到交易失败的情况下的数据资源组及其关联数据资源；同时，基于订单数据集和目标订单数据组构建树模型，可以实现对数据进行高效遍历，降低了算法的时间复杂度；最后基于输出的关联度信息和对抗
度信息制定数字资源营销方案，可以较为准确地说明哪些数据资源之间可以进行关联营销、交叉营销，哪些数据资源之间需要避免同时进行营销，有利于提升数据资源的销售量。
[0109]
本技术实施例还提供了一种计算机存储介质，该计算机存储介质中存储有程序指令，该程序指令被执行时，用于实现上述实施例中描述的相应方法。
[0110]
再请参见图7，图7是本技术实施例的提供一种数据资源处理装置的结构示意图。
[0111]
本技术实施例的装置的一个实现方式中，装置包括如下结构。
[0112]
获取单元701，用于获取在预设时间段内产生的关于多个目标数据资源的订单数据集；
[0113]
处理单元702，用于在订单数据集中查找目标订单数据组，目标订单数据组包括一个或者多个订单数据，一个或者多个订单数据指的是：客户端未转移电子资源的订单数据；
[0114]
处理单元702，还用于基于订单数据集和目标订单数据组确定至少一个第一数据资源组，以及各个第一数据资源组的关联数据资源；
[0115]
输出单元703，用于在多个关联度中选取目标关联度，并输出关联度信息，关联度信息包括目标关联度，用于确定目标关联度的第二数据资源组，以及第二数据资源组的关联数据资源。
[0116]
在一个实施例中，处理单元702还用于：基于订单数据集建立第一树模型，并对第一树模型进行遍历处理，得到订单数据集中的各个第三数据资源组，以及各个第三数据资源组的关联数据资源；
[0117]
基于目标订单数据组建立第二树模型，并对第二树模型进行遍历处理，得到目标订单数据组中的各个第四数据资源组，以及各个第四数据资源组的关联数据资源；
[0118]
基于各个第三数据资源组，各个第三数据资源组的关联数据资源，各个第四数据资源组，以及各个第四数据资源组的关联数据资源，确定至少一个第一数据资源组，以及各个第一数据资源组的关联数据资源。
[0119]
在一个实施例中，关联度包括置信度，处理单元702还用于：确定订单数据集中包含各个第一数据资源组的订单数据的第一订单数量，以及订单数据集中包含各个第一数据资源组和各个第一数据资源组的关联数据资源的订单数据的第二订单数量；
[0120]
确定目标订单数据组中包含各个第一数据资源组和各个第一数据资源组的关联数据资源的第三订单数量；
[0121]
基于第一订单数量、第二订单数量和第三订单数量，确定各个第一数据资源组与各个第一数据资源组的关联数据资源的置信度。
[0122]
在一个实施例中，关联度包括提升度，处理单元702还用于：确定各个第一数据资源组与各个第一数据资源组的关联数据资源的关联度，包括：
[0123]
确定订单数据集中包含各个第一数据资源组的订单数据的第一订单数量，以及订单数据集中包含各个第一数据资源组和各个第一数据资源组的关联数据资源的订单数据的第二订单数量；
[0124]
确定目标订单数据组中包含各个第一数据资源组和各个第一数据资源组的关联数据资源的第三订单数量，以及目标订单数据组中包含各个第一数据资源组的关联数据资源的第四订单数量；
[0125]
基于第一订单数量、第二订单数量、第三订单数量和第四订单数量，确定各个第一
数据资源组与各个第一数据资源组的关联数据资源的提升度。
[0126]
在一个实施例中，处理单元702还用于：确定目标订单数据组中的各个第四数据资源组与各个第四数据资源组的关联数据资源的对抗度，以得到多个对抗度；
[0127]
输出单元703，还用于在多个对抗度中确定目标对抗度，并输出对抗度信息，对抗度信息包括目标对抗度，用于确定目标对抗度的第五数据资源组，以及第五数据资源组的关联数据资源；
[0128]
基于关联度信息和对抗度信息确定数据资源营销方案，数据资源营销方案用于描述第二数据资源组和第二数据资源组的关联数据资源的关联营销，以及第五数据资源组和第五数据资源组的关联数据资源的对抗营销。
[0129]
在一个实施例中，处理单元702还用于：将多个关联度中大于预设关联度阈值的关联度确定为目标关联度；
[0130]
或者，对多个关联度进行排序，得到排序后的关联度，并在排序后的关联度中确定目标关联度，目标关联度大于多个关联度中除目标关联度以外的关联度。
[0131]
在一个实施例中，多个目标数据资源指的是m个目标数据资源，各个第一数据资源组包括x个目标数据资源，0《x≤m，x为正整数。处理单元702还用于：基于订单数据集和目标订单数据组确定x个目标数据资源的y个关联数据资源，以及x个目标数据资源与y个关联数据资源中的各个关联数据资源的关联度，以得到多个关联度，其中，0《x《m，0《y≤m-x，x、y均为整数。
[0132]
本技术实施例中，获取在预设时间段内产生的关于多个目标数据资源的订单数据集；并在订单数据集中查找目标订单数据组，目标订单数据组包括一个或者多个订单数据，订单数据指的是客户端未转移电子资源的订单数据；基于订单数据集和目标订单数据组确定至少一个第一数据资源组，以及各个第一数据资源组的关联数据资源；然后确定各个第一数据资源组与各个第一数据资源组的关联数据资源的关联度，以得到多个关联度；最后在多个关联度中确定目标关联度，并输出关联度信息，关联度信息包括目标关联度，用于确定目标关联度的第二数据资源组，以及第二数据资源组的关联数据资源。本技术实施例通过在订单数据集中查找目标订单数据组，可以查找出所有订单数据中所有客户端未转移电子资源的订单数据，也就是交易失败或者未完成的订单数据；然后通过订单数据集和目标订单数据组去确定至少一个第一数据资源组、各个第一数据资源组的关联数据资源，以及各个第一数据资源组与各个第一数据资源组的关联数据资源的关联度，可以实现在确定数据资源之间的关联程度时考虑到交易失败的情况，有利于提高关联性结果的准确性；最后在多个关联度中选取目标关联度，并输出关联度信息，可以实现对关联度有针对性地进行筛选，从而提高关联性结果实用性，有利于后续准确制定营销策略。
[0133]
再请参见图8，图8是本技术实施例提供的一种电子设备的结构示意图，本技术实施例的电子设备包括供电模块等结构，并包括处理器801、存储装置802以及通信接口803。处理器801、存储装置802以及通信接口803之间可以交互数据，由处理器801实现相应的数据资源处理方案。
[0134]
存储装置802可以包括易失性存储器(volatile memory)，例如随机存取存储器(random-access memory，ram)；存储装置802也可以包括非易失性存储器(non-volatile memory)，例如快闪存储器(flash memory)，固态硬盘(solid-state drive，ssd)等；存储装
置802还可以包括上述种类的存储器的组合。
[0135]
处理器801可以是中央处理器801(central processing unit，cpu)。处理器801也可以是由cpu和gpu的组合。在电子设备中，可以根据需要包括多个cpu和gpu进行相应的数据处理。在一个实施例中，存储装置802用于存储程序指令。处理器801可以调用程序指令，实现如本技术实施例中上述涉及的各种方法。
[0136]
在第一个可能的实施方式中，电子设备的处理器801，调用存储装置802中存储的程序指令，用于获取在预设时间段内产生的关于多个目标数据资源的订单数据集；在订单数据集中查找目标订单数据组，目标订单数据组包括一个或者多个订单数据，一个或者多个订单数据指的是：客户端未转移电子资源的订单数据；基于订单数据集和目标订单数据组确定至少一个第一数据资源组，以及各个第一数据资源组的关联数据资源；确定各个第一数据资源组与各个第一数据资源组的关联数据资源的关联度，以得到多个关联度；在多个关联度中选取目标关联度，并输出关联度信息，关联度信息包括目标关联度，用于确定目标关联度的第二数据资源组，以及第二数据资源组的关联数据资源。
[0137]
在一个实施例中，处理器801还用于：基于订单数据集建立第一树模型，并对第一树模型进行遍历处理，得到订单数据集中的各个第三数据资源组，以及各个第三数据资源组的关联数据资源；
[0138]
基于目标订单数据组建立第二树模型，并对第二树模型进行遍历处理，得到目标订单数据组中的各个第四数据资源组，以及各个第四数据资源组的关联数据资源；
[0139]
基于各个第三数据资源组，各个第三数据资源组的关联数据资源，各个第四数据资源组，以及各个第四数据资源组的关联数据资源，确定至少一个第一数据资源组，以及各个第一数据资源组的关联数据资源。
[0140]
在一个实施例中，关联度包括置信度，处理器801还用于：
[0141]
确定订单数据集中包含各个第一数据资源组的订单数据的第一订单数量，以及订单数据集中包含各个第一数据资源组和各个第一数据资源组的关联数据资源的订单数据的第二订单数量；
[0142]
确定目标订单数据组中包含各个第一数据资源组和各个第一数据资源组的关联数据资源的第三订单数量；
[0143]
基于第一订单数量、第二订单数量和第三订单数量，确定各个第一数据资源组与各个第一数据资源组的关联数据资源的置信度。
[0144]
在一个实施例中，关联度包括提升度，处理器801还用于：
[0145]
确定订单数据集中包含各个第一数据资源组的订单数据的第一订单数量，以及订单数据集中包含各个第一数据资源组和各个第一数据资源组的关联数据资源的订单数据的第二订单数量；
[0146]
确定目标订单数据组中包含各个第一数据资源组和各个第一数据资源组的关联数据资源的第三订单数量，以及目标订单数据组中包含各个第一数据资源组的关联数据资源的第四订单数量；
[0147]
基于第一订单数量、第二订单数量、第三订单数量和第四订单数量，确定各个第一数据资源组与各个第一数据资源组的关联数据资源的提升度。
[0148]
在一个实施例中，处理器801还用于：确定目标订单数据组中的各个第四数据资源
组与各个第四数据资源组的关联数据资源的对抗度，以得到多个对抗度；
[0149]
在多个对抗度中确定目标对抗度，并输出对抗度信息，对抗度信息包括目标对抗度，用于确定目标对抗度的第五数据资源组，以及第五数据资源组的关联数据资源；
[0150]
基于关联度信息和对抗度信息确定数据资源营销方案，数据资源营销方案用于描述第二数据资源组和第二数据资源组的关联数据资源的关联营销，以及第五数据资源组和第五数据资源组的关联数据资源的对抗营销。
[0151]
在一个实施例中，处理器801还用于：将多个关联度中大于预设关联度阈值的关联度确定为目标关联度；
[0152]
或者，对多个关联度进行排序，得到排序后的关联度，并在排序后的关联度中确定目标关联度，目标关联度大于多个关联度中除目标关联度以外的关联度。
[0153]
在一个实施例中，多个目标数据资源指的是m个目标数据资源，各个第一数据资源组包括x个目标数据资源，0《x≤m，x为正整数，处理器801还用于：
[0154]
基于订单数据集和目标订单数据组确定x个目标数据资源的y个关联数据资源，以及x个目标数据资源与y个关联数据资源中的各个关联数据资源的关联度，以得到多个关联度，其中，0《x《m，0《y≤m-x，x、y均为整数。
[0155]
本技术实施例中，获取在预设时间段内产生的关于多个目标数据资源的订单数据集；并在订单数据集中查找目标订单数据组，目标订单数据组包括一个或者多个订单数据，订单数据指的是客户端未转移电子资源的订单数据；基于订单数据集和目标订单数据组确定至少一个第一数据资源组，以及各个第一数据资源组的关联数据资源；然后确定各个第一数据资源组与各个第一数据资源组的关联数据资源的关联度，以得到多个关联度；最后在多个关联度中确定目标关联度，并输出关联度信息，关联度信息包括目标关联度，用于确定目标关联度的第二数据资源组，以及第二数据资源组的关联数据资源。本技术实施例通过在订单数据集中查找目标订单数据组，可以查找出所有订单数据中所有客户端未转移电子资源的订单数据，也就是交易失败或者未完成的订单数据；然后通过订单数据集和目标订单数据组去确定至少一个第一数据资源组、各个第一数据资源组的关联数据资源，以及各个第一数据资源组与各个第一数据资源组的关联数据资源的关联度，可以实现在确定数据资源之间的关联程度时考虑到交易失败的情况，有利于提高关联性结果的准确性；最后在多个关联度中选取目标关联度，并输出关联度信息，可以实现对关联度有针对性地进行筛选，从而提高关联性结果实用性，有利于后续准确制定营销策略。
[0156]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random access memory，ram)等。所述的计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
[0157]
以上所揭露的仅为本技术的部分实施例而已，当然不能以此来限定本技术之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本技术权利要求所作的等同变化，仍属于发明所涵盖的范围。