结合数字经济和新零售的业务处理方法及大数据服务器与流程

本申请实施例涉及数字经济和在线电商技术领域，具体涉及一种结合数字经济和新零售的业务处理方法及大数据服务器。

背景技术：

数字经济的发展显著改变了现代社会的运行模式。以在线电商为例，依附于数字经济，在线电商能够更加快速、便捷地实现购物者和商家之间的交流和互动，从而有效减少购物成本和销售成本。

然而，随着互联网通信技术的快速更新以及智能电子设备的不断迭代，现如今的电商终端在短时间内可能会承接大量的业务订单，这可能导致电商终端难以高效地处理这些业务订单，从而可能导致业务订单处理出现错误或者出现订单积压。

技术实现要素：

有鉴于此，本申请实施例提供了一种结合数字经济和新零售的业务处理方法及大数据服务器。

本申请实施例提供了一种结合数字经济和新零售的业务处理方法，所述方法包括：

获取针对目标电商业务终端的第一待处理订单数据和第二待处理订单数据；其中，所述第二待处理订单数据的订单需求紧急度小于所述第一待处理订单数据的订单需求紧急度；

根据所述第二待处理订单数据的候选商品信息确定所述目标电商业务终端的商品备货业务数据，根据所述商品备货业务数据从所述第一待处理订单数据中获取目标电商业务终端的商品清单列表；

确定所述商品清单列表的商品属性特征与预设特征序列中的每个基准属性特征的商品相关性系数；其中，所述预设特征序列包括多个基准属性特征，每个基准属性特征添加有商品货源标签，所述商品货源标签表示商品货源充足或商品货源短缺；

基于商品属性特征与每个基准属性特征的商品相关性系数，从所述预设特征序列中选取n个基准属性特征；基于n个基准属性特征的商品货源标签，生成所述目标电商业务终端的订单处理指示信息；其中，n为大于或者等于1的正整数。

优选的，基于商品属性特征与每个基准属性特征的商品相关性系数，从所述预设特征序列中选取n个基准属性特征，包括：

基于商品属性特征与所述预设特征序列中每个基准属性特征的商品相关性系数，从所述预设特征序列中选取商品相关性系数最大的n个基准属性特征。

优选的，所述基于n个基准属性特征的商品货源标签，生成所述目标电商业务终端的订单处理指示信息，包括：

若商品货源标签为第一动态标签或者第二动态标签，则基于n个基准属性特征的商品货源标签，统计出第一动态标签集合和第二动态标签集合；其中，所述第一动态标签表示商品货源充足，所述第二动态标签表示商品货源短缺；

根据第一动态标签集合和第二动态标签集合生成所述目标电商业务终端的订单处理指示信息，并根据第一动态标签集合和第二动态标签集合确定所述订单处理指示信息的协同处理信息。

优选的，根据第一动态标签集合和第二动态标签集合生成所述目标电商业务终端的订单处理指示信息，包括：

基于所述n个基准属性特征的商品货源标签中的每个商品货源标签的标签热度值，将所述n个基准属性特征进行拼接得到目标属性特征，并建立所述目标属性特征与所述第一动态标签集合以及与所述第二动态标签集合之间的映射关系；

确定所述目标属性特征对应的第一动态标签集合和第二动态标签集合分别对应的标签集合分布指标；

判断目标属性特征的第一动态标签集合和第二动态标签集合中是否存在指标评价数据不满足对应的标签集合分布指标的目标动态标签，根据判断结果，选择对所述目标动态标签进行修正的当前修正模型，基于所述当前修正模型，将所述目标动态标签修正为满足对应的标签集合分布指标的动态标签；

基于目标属性特征的第一动态标签集合和第二动态标签集合中除所述目标动态标签之外的动态标签以及修正后的目标动态标签，确定目标属性特征的订单业务分布信息；其中，所述订单业务分布信息用于表征订单业务的地理位置分布；基于所述订单业务分布信息以及与所述目标电商业务终端对应的订单处理流水线信息，生成所述订单处理指示信息；其中，所述订单处理流水线信息用于表征目标电商业务终端对应的合作业务终端，所述合作业务终端包括供货商业务终端和快递商业务终端；

其中，所述根据判断结果，选择对所述目标动态标签进行修正的当前修正模型，基于所述当前修正模型，将所述目标动态标签修正为满足对应的标签集合分布指标的动态标签，包括：

如果目标属性特征的第一动态标签集合不满足对应的第一标签集合分布指标且目标属性特征的第二动态标签集合不满足对应的第二标签集合分布指标，则选择对所述第一动态标签集合和所述第二动态标签集合进行修正的当前修正模型为第一修正模型，基于选择的当前修正模型，将所述第一动态标签集合和所述第二动态标签集合分别修正为满足对应的标签集合分布指标的动态标签；

如果目标属性特征的第二动态标签集合为不满足对应的第二标签集合分布指标的目标动态标签，或者目标属性特征的第一动态标签集合为不满足对应的第一标签集合分布指标的目标动态标签，则选择对所述目标动态标签进行修正的当前修正模型为第二修正模型或者第三修正模型，基于选择的当前修正模型，将所述目标动态标签修正为满足对应的标签集合分布指标的动态标签；

其中，所述基于目标属性特征的第一动态标签集合和第二动态标签集合中除所述目标动态标签之外的动态标签以及修正后的目标动态标签，确定目标属性特征的订单业务分布信息，包括：

基于目标属性特征的第一动态标签集合和第二动态标签集合中除所述目标动态标签之外的动态标签以及修正后的目标动态标签，进行标签识别，得到多个针对订单业务的用户行为数据；

将所述多个针对订单业务的用户行为数据进行数据特征提取并对提取到的用户行为数据特征进行信息整合，得到目标属性特征的订单业务分布信息；其中，所述第一修正模型为标签时序修正模型，所述第二修正模型为标签属性修正模型，所述第三修正模型为标签类别修正模型。

优选的，根据第一动态标签集合和第二动态标签集合确定所述订单处理指示信息的协同处理信息，包括：

分别提取所述订单业务分布信息对应的第一信息更新列表、所述订单处理流水线信息对应的第二信息更新列表以及所述订单处理指示信息对应的第三信息更新列表；提取所述第一信息更新列表对应的第一更新速率变化轨迹与所述第二信息更新列表对应的第二更新速率变化轨迹之间的第一轨迹特征差异数据以及所述第二信息更新列表对应的第二更新速率变化轨迹与所述第三信息更新列表对应的第三更新速率变化轨迹之间的第二轨迹特征差异数据；

针对所述第一信息更新列表，以所述第一更新速率变化轨迹为基准按照所述第一轨迹特征差异数据对所述第一信息更新列表进行列表重构得到第四信息更新列表；针对所述第二信息更新列表，以所述第二更新速率变化轨迹为基准按照所述第二轨迹特征差异数据对所述第二信息更新列表进行列表重构得到第五信息更新列表；分别将所述第一信息更新列表和所述第二信息更新列表、所述第一信息更新列表和所述第四信息更新列表、所述第二信息更新列表和所述第三信息更新列表、以及所述第二信息更新列表和所述第五信息更新列表进行列表相关性计算，得到第一相关性计算结果、第二相关性计算结果、第三相关性计算结果和第四相关性计算结果；

提取所述第一相关性计算结果和所述第二相关性计算结果之间的第一动态相关性差值以及所述第三相关性计算结果和所述第四相关性计算结果之间的第二动态相关性差值；判断所述第一动态相关性差值和所述第二动态相关性差值是否均处于目标相关性区间内；

若所述第一动态相关性差值和所述第二动态相关性差值均处于所述目标相关性区间内，则根据所述第一相关性计算结果和所述第三相关性计算结果提取针对所述订单处理指示信息进行解析的解析逻辑脚本并按照所述订单处理指示信息对应的解析逻辑脚本对所述第一信息更新列表、所述第二信息更新列表和所述第三信息更新列表进行订单业务协作标识的提取以得到目标协作标识；若所述第一动态相关性差值和所述第二动态相关性差值没有均处于所述目标相关性区间内，分别确定所述第一动态相关性差值和所述第二动态相关性差值与所述目标相关性区间的第一差值百分比和第二差值百分比；比较所述第一差值百分比和所述第二差值百分比的大小；在所述第一差值百分比小于所述第二差值百分比时，根据所述第一相关性计算结果和所述第二相关性计算结果提取针对所述订单处理指示信息进行解析的解析逻辑脚本并按照所述订单处理指示信息对应的解析逻辑脚本对所述第一信息更新列表、所述第二信息更新列表和所述第三信息更新列表进行订单业务协作标识的提取以得到目标协作标识；在所述第一差值百分比大于所述第二差值百分比时，根据所述第三相关性计算结果和所述第四相关性计算结果提取针对所述订单处理指示信息进行解析的解析逻辑脚本并按照所述订单处理指示信息对应的解析逻辑脚本对所述第一信息更新列表、所述第二信息更新列表和所述第三信息更新列表进行订单业务协作标识的提取以得到目标协作标识；

基于所述目标协作标识对所述订单处理指示信息进行解析，得到与所述订单处理指示信息对应的订单业务需求记录，通过所述订单业务需求记录中的不同电商业务终端之间的配对关系生成所述协同处理信息。

优选的，确定所述商品清单列表的商品属性特征与预设特征序列中的每个基准属性特征的商品相关性系数，包括：

基于所述商品属性特征与所述基准属性特征的余弦相似度，确定所述商品属性特征与所述基准属性特征的商品相关性系数；

或者，基于所述商品属性特征与所述基准属性特征的时序权重差值，确定所述商品属性特征与所述基准属性特征的商品相关性系数；

或者，基于所述商品属性特征与所述基准属性特征的属性描述值之差，确定所述商品属性特征与所述基准属性特征的商品相关性系数。

优选的，所述根据所述商品备货业务数据从所述第一待处理订单数据中获取目标电商业务终端的商品清单列表，包括：

根据所述商品备货业务数据从所述第一待处理订单数据中获取订单业务列表数据；

对所述订单业务列表数据进行特征提取，得到订单业务特征队列；其中，所述订单业务特征队列中的每个业务列表特征的商品识别度为第一商品识别度或第二商品识别度，所有第一商品识别度对应的业务列表特征为所述订单业务特征队列的可调特征；

从所述第一待处理订单数据中提取与所述可调特征匹配的订单商品数据；

根据所述订单商品数据确定所述目标电商业务终端的商品清单列表；

其中，所述根据所述商品备货业务数据从所述第一待处理订单数据中获取订单业务列表数据，包括：根据所述第二待处理订单数据的需求紧急度追加时刻和所述第一待处理订单数据的需求紧急度追加时刻确定商品供求信息；根据所述商品供求信息和所述商品备货业务数据从所述第一待处理订单数据中获取订单业务列表数据；

其中，所述对所述订单业务列表数据进行特征提取，得到订单业务特征队列，包括：确定所述订单业务列表数据的订单业务时序信息以及列表结构描述信息，获取所述订单业务时序信息对应的时序特征矩阵以及所述列表结构描述信息对应的列表特征矩阵，并在提取所述时序特征矩阵的第一矩阵参数队列与所述列表特征矩阵的第二矩阵参数队列的队列元素的数量一致时，确定所述时序特征矩阵和所述列表特征矩阵中分别包括的多个具有不同业务热度值的矩阵元素；提取所述订单业务时序信息在所述时序特征矩阵的任一矩阵元素的第一业务记录信息，将所述列表特征矩阵中具有最小业务热度值的矩阵元素确定为目标矩阵元素；根据所述商品备货业务数据的数据更新频率将所述第一业务记录信息添加到所述目标矩阵元素中，以在所述目标矩阵元素中得到第二业务记录信息；基于所述第一业务记录信息以及所述第二业务记录信息，生成所述订单业务时序信息和所述列表结构描述信息之间的信息匹配列表；根据所述信息匹配列表的列表单元的分布特征在所述订单业务列表数据中的特征优先级，依次对所述订单业务列表数据中对应的列表数据集进行特征提取，得到订单业务特征队列。

本申请实施例还提供了一种大数据服务器，包括结合数字经济和新零售的业务处理装置，所述装置包括的多个功能模块在运行时实现上述的方法。

本申请实施例还提供了一种大数据服务器，包括处理器、通信总线和存储器；所述处理器和所述存储器通过所述通信总线通信，所述处理器从所述存储器中读取计算机程序并运行，以执行上述的方法。

本申请实施例还提供了一种计算机用可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在运行时实现上述的方法。

相较于现有技术，本申请实施例提供的结合数字经济和新零售的业务处理方法及大数据服务器具有以下技术效果：能够针对具有不同的订单需求紧急度的待处理订单数据进行对应的候选商品信息的分析，从而完整地确定出目标电商业务终端的商品备货业务数据以避免商品备货业务数据的部分遗漏，这样能够基于商品备货业务数据从对应的待处理订单数据确定出商品清单列表，进而保证确定出的商品属性特征与基准属性特征的商品相关性系数，这样可以将不同商品之间的关联性和相似性考虑在内。进一步地，在基于商品相关性系数选取n个基准属性特征时，能够确保n个基准属性特征的商品货源标签对应的商品货源充足情况或商品货源短缺情况的分布的均衡性。如此一来，能够确保生成的订单处理指示信息能够指导目标电商业务终端对不同的待处理订单数据进行有序处理，从而协调、及时、快速地完成大量待处理订单数据的处理，避免在短时间内待处理订单数据的积压或者订单处理结果出现偏差，进而提高订单业务的处理效率。

在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本申请实施例所提供的一种大数据服务器的方框示意图。

图2为本申请实施例所提供的一种结合数字经济和新零售的业务处理方法的流程图。

图3为本申请实施例所提供的一种结合数字经济和新零售的业务处理装置的框图。

图4为本申请实施例所提供的一种结合数字经济和新零售的业务处理系统的架构图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本申请的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

发明人经调查发现，常见的电商终端在处理大量业务订单时，通常难以考虑商品缺货的情况，这样难以协调、及时、快速地完成大量业务订单的处理，从而导致如背景技术所描述的技术问题的发生。

以上现有技术中的方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本申请实施例针对上述问题所提出的解决方案，都应该是发明人在本申请过程中对本申请做出的贡献。

基于上述研究，本申请实施例提供了一种结合数字经济和新零售的业务处理方法及大数据服务器。

图1示出了本申请实施例所提供的一种大数据服务器10的方框示意图。本申请实施例中的大数据服务器10可以为具有数据存储、传输、处理功能的服务端，如图1所示，大数据服务器10包括：存储器11、处理器12、通信总线13和结合数字经济和新零售的业务处理装置20。

存储器11、处理器12和通信总线13之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有结合数字经济和新零售的业务处理装置20，所述结合数字经济和新零售的业务处理装置20包括至少一个可以软件或固件（firmware）的形式储存于所述存储器11中的软件功能模块，所述处理器12通过运行存储在存储器11内的软件程序以及模块，例如本申请实施例中的结合数字经济和新零售的业务处理装置20，从而执行各种功能应用以及数据处理，即实现本申请实施例中的结合数字经济和新零售的业务处理方法。

其中，所述存储器11可以是，但不限于，随机存取存储器（randomaccessmemory，ram），只读存储器（readonlymemory，rom），可编程只读存储器（programmableread-onlymemory，prom），可擦除只读存储器（erasableprogrammableread-onlymemory，eprom），电可擦除只读存储器（electricerasableprogrammableread-onlymemory，eeprom）等。其中，存储器11用于存储程序，所述处理器12在接收到执行指令后，执行所述程序。

所述处理器12可能是一种集成电路芯片，具有数据的处理能力。上述的处理器12可以是通用处理器，包括中央处理器(centralprocessingunit，cpu)、网络处理器(networkprocessor，np)等。可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

通信总线13用于通过网络建立大数据服务器10与其他通信终端设备之间的通信连接，实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。

可以理解，图1所示的结构仅为示意，大数据服务器10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

本申请实施例还提供了一种计算机用可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在运行时实现上述的方法。

图2示出了本申请实施例所提供的一种结合数字经济和新零售的业务处理方法的流程图。所述方法有关的流程所定义的方法步骤应用于图1所示的大数据服务器10，可以由所述处理器12实现，所述方法包括以下步骤s21-步骤s24所描述的内容。

步骤s21，获取针对目标电商业务终端的第一待处理订单数据和第二待处理订单数据。

示例性的，所述第二待处理订单数据的订单需求紧急度小于所述第一待处理订单数据的订单需求紧急度。订单需求紧急度是用户终端预先设置的，不同的用户终端用于向目标电商业务终端发送不同的待处理订单数据。待处理订单数据可以理解为常见的订单请求一类的数据，在此不作赘述。

步骤s22，根据所述第二待处理订单数据的候选商品信息确定所述目标电商业务终端的商品备货业务数据，根据所述商品备货业务数据从所述第一待处理订单数据中获取目标电商业务终端的商品清单列表。

示例性的，候选商品信息为用户终端预先配置或者写入的。商品备货业务数据用于表征目标电商业务终端对应的不同商品的备货情况。商品清单列表用于记录目标电商业务终端的不同商品的相关信息，例如商品名称、商品类别、商品产地、商品发货地等，在此不作限定。

步骤s23，确定所述商品清单列表的商品属性特征与预设特征序列中的每个基准属性特征的商品相关性系数。

示例性的，所述预设特征序列包括多个基准属性特征，每个基准属性特征添加有商品货源标签，所述商品货源标签表示商品货源充足或商品货源短缺。进一步地，商品属性特征用于表征不同商品对应的各类属性，例如上面提到的商品类别属性、商品产地属性、商品发货地属性等。商品相关性系数用于表征商品属性特征与基准属性特征之间的关联程度和相似程度，商品相关性系数越高，商品属性特征与基准属性特征之间的关联程度和相似程度越高。

步骤s24，基于商品属性特征与每个基准属性特征的商品相关性系数，从所述预设特征序列中选取n个基准属性特征，基于n个基准属性特征的商品货源标签，生成所述目标电商业务终端的订单处理指示信息。

示例性地，n为大于或者等于1的正整数。订单处理指示信息用于指导目标电商业务终端对不同的待处理订单数据进行有序处理，从而协调、及时、快速地完成大量待处理订单数据的处理，避免在短时间内待处理订单数据的积压或者订单处理结果出现偏差，进而提高订单业务的处理效率。

可以理解，通过执行上述步骤s21-步骤s24，首先获取针对目标电商业务终端的第一待处理订单数据和第二待处理订单数据，其次根据第二待处理订单数据的候选商品信息确定目标电商业务终端的商品备货业务数据并从第一待处理订单数据中获取目标电商业务终端的商品清单列表，然后确定商品清单列表的商品属性特征与预设特征序列中的每个基准属性特征的商品相关性系数，最后基于商品属性特征与每个基准属性特征的商品相关性系数从预设特征序列中选取的n个基准属性特征的商品货源标签生成目标电商业务终端的订单处理指示信息。

如此设计，能够针对具有不同的订单需求紧急度的待处理订单数据进行对应的候选商品信息的分析，从而完整地确定出目标电商业务终端的商品备货业务数据以避免商品备货业务数据的部分遗漏，这样能够基于商品备货业务数据从对应的待处理订单数据确定出商品清单列表，进而保证确定出的商品属性特征与基准属性特征的商品相关性系数，这样可以将不同商品之间的关联性和相似性考虑在内。进一步地，在基于商品相关性系数选取n个基准属性特征时，能够确保n个基准属性特征的商品货源标签对应的商品货源充足情况或商品货源短缺情况的分布的均衡性。如此一来，能够确保生成的订单处理指示信息能够指导目标电商业务终端对不同的待处理订单数据进行有序处理，从而协调、及时、快速地完成大量待处理订单数据的处理，避免在短时间内待处理订单数据的积压或者订单处理结果出现偏差，进而提高订单业务的处理效率。

在一些示例中，步骤s24所描述的基于商品属性特征与每个基准属性特征的商品相关性系数，从所述预设特征序列中选取n个基准属性特征，包括：基于商品属性特征与所述预设特征序列中每个基准属性特征的商品相关性系数，从所述预设特征序列中选取商品相关性系数最大的n个基准属性特征。在实际应用时，n的取值可以根据实际业务场景进行调整，在此不做限定。

在一些示例中，为了充分考虑商品备货情况，以避免目标电商业务终端在进行订单处理时出现混乱或者错误，在步骤s24中，基于n个基准属性特征的商品货源标签，生成所述目标电商业务终端的订单处理指示信息，进一步可以通过以下步骤s241和步骤s242所描述的内容实现。

步骤s241，若商品货源标签为第一动态标签或者第二动态标签，则基于n个基准属性特征的商品货源标签，统计出第一动态标签集合和第二动态标签集合；其中，所述第一动态标签表示商品货源充足，所述第二动态标签表示商品货源短缺。

步骤s242，根据第一动态标签集合和第二动态标签集合生成所述目标电商业务终端的订单处理指示信息，并根据第一动态标签集合和第二动态标签集合确定所述订单处理指示信息的协同处理信息。

可以理解，通过执行上述步骤s241和步骤s242所描述的内容，能够基于第一动态标签和第二动态标签各自对应的标签集合生成订单处理指示信息以及订单处理指示信息的协同处理信息，这样能够将商品备货情况考虑在内，进而确保生成的订单处理指示信息能够正确、高效地指导目标电商业务终端进行订单处理，从而避免目标电商业务终端在进行订单处理时出现混乱或者错误。

在一个可能的实施例中，步骤s241所描述的根据第一动态标签集合和第二动态标签集合生成所述目标电商业务终端的订单处理指示信息，进一步可以通过步骤s2411-步骤s2414所描述的内容实现。

步骤s2411，基于所述n个基准属性特征的商品货源标签中的每个商品货源标签的标签热度值，将所述n个基准属性特征进行拼接得到目标属性特征，并建立所述目标属性特征与所述第一动态标签集合以及与所述第二动态标签集合之间的映射关系。

步骤s2412，确定所述目标属性特征对应的第一动态标签集合和第二动态标签集合分别对应的标签集合分布指标。

步骤s2413，判断目标属性特征的第一动态标签集合和第二动态标签集合中是否存在指标评价数据不满足对应的标签集合分布指标的目标动态标签，根据判断结果，选择对所述目标动态标签进行修正的当前修正模型，基于所述当前修正模型，将所述目标动态标签修正为满足对应的标签集合分布指标的动态标签。

步骤s2414，基于目标属性特征的第一动态标签集合和第二动态标签集合中除所述目标动态标签之外的动态标签以及修正后的目标动态标签，确定目标属性特征的订单业务分布信息；其中，所述订单业务分布信息用于表征订单业务的地理位置分布；基于所述订单业务分布信息以及与所述目标电商业务终端对应的订单处理流水线信息，生成所述订单处理指示信息；其中，所述订单处理流水线信息用于表征目标电商业务终端对应的合作业务终端，所述合作业务终端包括供货商业务终端和快递商业务终端。

在实际应用时，通过执行上述步骤s2411-步骤s2414所描述的内容，能够对商品货源标签的标签热度值进行分析从而实现对基准属性特征的拼接以得到目标属性特征，这样能够实现对基准属性特征的全局性分析，进而确定出目标属性特征对应的第一动态标签集合和第二动态标签集合分别对应的标签集合分布指标，从而基于不同的标签集合分布指标实现对目标动态标签的修正以确定出订单业务分布信息，最后通过订单业务分布信息以及与目标电商业务终端对应的订单处理流水线信息，生成订单处理指示信息。如此设计，能够从所有订单的全局性角度考虑如何指示目标电商业务终端进行有序的订单处理，从而避免目标电商业务终端在进行订单处理时出现混乱或者错误。

进一步地，步骤s2413所描述的根据判断结果，选择对所述目标动态标签进行修正的当前修正模型，基于所述当前修正模型，将所述目标动态标签修正为满足对应的标签集合分布指标的动态标签，进一步可以包括以下步骤s2413a和步骤s2413b所描述的内容。

步骤s2413a，如果目标属性特征的第一动态标签集合不满足对应的第一标签集合分布指标且目标属性特征的第二动态标签集合不满足对应的第二标签集合分布指标，则选择对所述第一动态标签集合和所述第二动态标签集合进行修正的当前修正模型为第一修正模型，基于选择的当前修正模型，将所述第一动态标签集合和所述第二动态标签集合分别修正为满足对应的标签集合分布指标的动态标签。

步骤s2413b，如果目标属性特征的第二动态标签集合为不满足对应的第二标签集合分布指标的目标动态标签，或者目标属性特征的第一动态标签集合为不满足对应的第一标签集合分布指标的目标动态标签，则选择对所述目标动态标签进行修正的当前修正模型为第二修正模型或者第三修正模型，基于选择的当前修正模型，将所述目标动态标签修正为满足对应的标签集合分布指标的动态标签。

在一些示例中，所述第一修正模型为标签时序修正模型，所述第二修正模型为标签属性修正模型，所述第三修正模型为标签类别修正模型。

进一步地，步骤s2414所描述的基于目标属性特征的第一动态标签集合和第二动态标签集合中除所述目标动态标签之外的动态标签以及修正后的目标动态标签，确定目标属性特征的订单业务分布信息，可以包括以下步骤s2414a和步骤s2414b。

步骤s2414a，基于目标属性特征的第一动态标签集合和第二动态标签集合中除所述目标动态标签之外的动态标签以及修正后的目标动态标签，进行标签识别，得到多个针对订单业务的用户行为数据。

步骤s2414b，将所述多个针对订单业务的用户行为数据进行数据特征提取并对提取到的用户行为数据特征进行信息整合，得到目标属性特征的订单业务分布信息。

如此，通过执行上述步骤s2414a和步骤s2414b，能够确保订单业务分布信息不会遗漏地理位置相对偏远的用户对应的订单数据，从而保证订单业务分布信息的完整性。

在实际应用时发明人发现，在采用订单处理指示信息指导目标电商业务终端进行订单数据和订单业务处理时，还可以通过协作的方式进一步提高处理效率。为实现这一目的，在步骤s242中，根据第一动态标签集合和第二动态标签集合确定所述订单处理指示信息的协同处理信息，示例性地可以包括一下步骤s2421-2425所描述的内容。

步骤s2421，分别提取所述订单业务分布信息对应的第一信息更新列表、所述订单处理流水线信息对应的第二信息更新列表以及所述订单处理指示信息对应的第三信息更新列表；提取所述第一信息更新列表对应的第一更新速率变化轨迹与所述第二信息更新列表对应的第二更新速率变化轨迹之间的第一轨迹特征差异数据以及所述第二信息更新列表对应的第二更新速率变化轨迹与所述第三信息更新列表对应的第三更新速率变化轨迹之间的第二轨迹特征差异数据。

步骤s2422，针对所述第一信息更新列表，以所述第一更新速率变化轨迹为基准按照所述第一轨迹特征差异数据对所述第一信息更新列表进行列表重构得到第四信息更新列表；针对所述第二信息更新列表，以所述第二更新速率变化轨迹为基准按照所述第二轨迹特征差异数据对所述第二信息更新列表进行列表重构得到第五信息更新列表；分别将所述第一信息更新列表和所述第二信息更新列表、所述第一信息更新列表和所述第四信息更新列表、所述第二信息更新列表和所述第三信息更新列表、以及所述第二信息更新列表和所述第五信息更新列表进行列表相关性计算，得到第一相关性计算结果、第二相关性计算结果、第三相关性计算结果和第四相关性计算结果。

步骤s2423，提取所述第一相关性计算结果和所述第二相关性计算结果之间的第一动态相关性差值以及所述第三相关性计算结果和所述第四相关性计算结果之间的第二动态相关性差值；判断所述第一动态相关性差值和所述第二动态相关性差值是否均处于目标相关性区间内。

步骤s2424，若所述第一动态相关性差值和所述第二动态相关性差值均处于所述目标相关性区间内，则根据所述第一相关性计算结果和所述第三相关性计算结果提取针对所述订单处理指示信息进行解析的解析逻辑脚本并按照所述订单处理指示信息对应的解析逻辑脚本对所述第一信息更新列表、所述第二信息更新列表和所述第三信息更新列表进行订单业务协作标识的提取以得到目标协作标识；若所述第一动态相关性差值和所述第二动态相关性差值没有均处于所述目标相关性区间内，分别确定所述第一动态相关性差值和所述第二动态相关性差值与所述目标相关性区间的第一差值百分比和第二差值百分比；比较所述第一差值百分比和所述第二差值百分比的大小；在所述第一差值百分比小于所述第二差值百分比时，根据所述第一相关性计算结果和所述第二相关性计算结果提取针对所述订单处理指示信息进行解析的解析逻辑脚本并按照所述订单处理指示信息对应的解析逻辑脚本对所述第一信息更新列表、所述第二信息更新列表和所述第三信息更新列表进行订单业务协作标识的提取以得到目标协作标识；在所述第一差值百分比大于所述第二差值百分比时，根据所述第三相关性计算结果和所述第四相关性计算结果提取针对所述订单处理指示信息进行解析的解析逻辑脚本并按照所述订单处理指示信息对应的解析逻辑脚本对所述第一信息更新列表、所述第二信息更新列表和所述第三信息更新列表进行订单业务协作标识的提取以得到目标协作标识。

步骤s2425，基于所述目标协作标识对所述订单处理指示信息进行解析，得到与所述订单处理指示信息对应的订单业务需求记录，通过所述订单业务需求记录中的不同电商业务终端之间的配对关系生成所述协同处理信息。

可以理解，通过上述步骤s2421-步骤s2425所描述的内容，能够分别提取订单业务分布信息对应的第一信息更新列表、订单处理流水线信息对应的第二信息更新列表以及订单处理指示信息对应的第三信息更新列表，从而实现对不同信息更新列表的分析，进而得到与订单处理指示信息对应的订单业务需求记录。如此，可以基于订单业务需求记录中的不同电商业务终端之间的配对关系生成协同处理信息。由于协同处理信息考虑了不同电商业务终端之间的配对关系，因而能够确保不同电商业务终端之间的协作的兼容性，从而进一步提高目标电商业务终端的订单处理效率。

在一些可能的示例中，步骤s23所描述的确定所述商品清单列表的商品属性特征与预设特征序列中的每个基准属性特征的商品相关性系数，可以通过以下三种方式中任一种方式实现。

第一种，基于所述商品属性特征与所述基准属性特征的余弦相似度，确定所述商品属性特征与所述基准属性特征的商品相关性系数。

第二种，基于所述商品属性特征与所述基准属性特征的时序权重差值，确定所述商品属性特征与所述基准属性特征的商品相关性系数。

第三种，基于所述商品属性特征与所述基准属性特征的属性描述值之差，确定所述商品属性特征与所述基准属性特征的商品相关性系数。

如此，可以确保得到的商品相关性系数从不同维度反应属性特征之间的相关性。

在一个可能的实施例中，步骤s22所描述的根据所述商品备货业务数据从所述第一待处理订单数据中获取目标电商业务终端的商品清单列表，进一步可以包括以下步骤s221-步骤s224所描述的内容。

步骤s221，根据所述商品备货业务数据从所述第一待处理订单数据中获取订单业务列表数据。

步骤s222，对所述订单业务列表数据进行特征提取，得到订单业务特征队列。

例如，所述订单业务特征队列中的每个业务列表特征的商品识别度为第一商品识别度或第二商品识别度，所有第一商品识别度对应的业务列表特征为所述订单业务特征队列的可调特征。

步骤s223，从所述第一待处理订单数据中提取与所述可调特征匹配的订单商品数据。

步骤s224，根据所述订单商品数据确定所述目标电商业务终端的商品清单列表。

如此，通过执行上述步骤s221-步骤s224所描述的方法，能够完整地确定出商品清单列表，从而确保商品清单列表中的商品清单之间的互相独立性，避免商品清单之间出现混淆。

进一步地，步骤s221所描述的所述根据所述商品备货业务数据从所述第一待处理订单数据中获取订单业务列表数据，包括：根据所述第二待处理订单数据的需求紧急度追加时刻和所述第一待处理订单数据的需求紧急度追加时刻确定商品供求信息；根据所述商品供求信息和所述商品备货业务数据从所述第一待处理订单数据中获取订单业务列表数据。如此，能够快速、准确地获取订单业务列表数据以确保订单业务列表数据的时效性。

进一步地，步骤s222所描述的对所述订单业务列表数据进行特征提取，得到订单业务特征队列，可以包括以下步骤s2221-步骤s2223所描述的内容。

步骤s2221，确定所述订单业务列表数据的订单业务时序信息以及列表结构描述信息，获取所述订单业务时序信息对应的时序特征矩阵以及所述列表结构描述信息对应的列表特征矩阵，并在提取所述时序特征矩阵的第一矩阵参数队列与所述列表特征矩阵的第二矩阵参数队列的队列元素的数量一致时，确定所述时序特征矩阵和所述列表特征矩阵中分别包括的多个具有不同业务热度值的矩阵元素。

步骤s2222，提取所述订单业务时序信息在所述时序特征矩阵的任一矩阵元素的第一业务记录信息，将所述列表特征矩阵中具有最小业务热度值的矩阵元素确定为目标矩阵元素；根据所述商品备货业务数据的数据更新频率将所述第一业务记录信息添加到所述目标矩阵元素中，以在所述目标矩阵元素中得到第二业务记录信息。

步骤s2223，基于所述第一业务记录信息以及所述第二业务记录信息，生成所述订单业务时序信息和所述列表结构描述信息之间的信息匹配列表；根据所述信息匹配列表的列表单元的分布特征在所述订单业务列表数据中的特征优先级，依次对所述订单业务列表数据中对应的列表数据集进行特征提取，得到订单业务特征队列。

这样一来，通过执行上述步骤s2221-步骤s2223，能够确保在进行特征提取时不改变订单业务列表数据中的数据字段的原始信息，从而准确地得到订单业务特征队列。

在一种可替换的实施方式中，步骤s22所描述的根据所述第二待处理订单数据的候选商品信息确定所述目标电商业务终端的商品备货业务数据，进一步可以包括以下步骤a-步骤d所描述的内容。

步骤a，根据所述第二待处理订单数据的候选商品信息获取目标电商业务终端对应的电商业务类型信息，并确定与所述电商业务类型信息对应的第一业务类型清单；其中，所述电商业务类型信息为基于所述候选商品信息对应的商品名称信息在所述目标电商业务终端对应的业务日志中采用预设执行函数钩取的信息，所述预设执行函数为钩子函数。

步骤b，获取所述目标电商业务终端的通信交互记录的通信对象类型信息，并基于所述第一业务类型清单计算所述电商业务类型信息与所述通信对象类型信息之间的信息相关度。

步骤c，若所述电商业务类型信息与所述通信对象类型信息之间的信息相关度小于预设的信息相关度阈值，则将所述目标电商业务终端记录的商品储量信息与所述第一业务类型清单进行整合，得到第二业务类型清单；将所述商品储量信息转换为商品备货指数，并以所述商品备货指数为第一待处理指数，以所述目标电商业务终端对应的终端业务分类指数为第二待处理指数，进行指数加权，得到第一指数加权结果；根据所述第二业务类型清单对所述第一指数加权结果进行校正，得到第二指数加权结果；确定所述第二指数加权结果与所述商品备货指数的第一备货描述信息，并将所述第一备货描述信息对应的描述值与所述商品储量信息进行融合，得到商品需求清单；若所述电商业务类型信息与所述通信对象类型信息之间的信息相关度大于或等于所述信息相关度阈值，则确定所述第一指数加权结果与所述商品备货指数的第二备货描述信息，并将所述第二备货描述信息内的描述值与所述商品储量信息进行融合，得到商品需求清单。

步骤d，基于所述候选商品信息与所述商品需求清单之间的商品匹配列表中每个列表元素所表征的商品存储量与商品需求量之间的差值数据确定所述目标电商业务终端的商品备货业务数据。

可以理解，通过实施上述步骤a-步骤d所描述的内容，能够确保商品备货业务数据能够准确反映商品存储量与商品需求量之间的关系，从而实现对不同商品的供需关系进行记录，为后续的订单业务处理提供决策依据。

基于上述同样的发明构思，请结合参阅图3，还示出了结合数字经济和新零售的业务处理装置20的框图，所述装置可以包括以下功能模块。

订单数据获取模块21，用于获取针对目标电商业务终端的第一待处理订单数据和第二待处理订单数据；其中，所述第二待处理订单数据的订单需求紧急度小于所述第一待处理订单数据的订单需求紧急度。

订单列表确定模块22，用于根据所述第二待处理订单数据的候选商品信息确定所述目标电商业务终端的商品备货业务数据，根据所述商品备货业务数据从所述第一待处理订单数据中获取目标电商业务终端的商品清单列表。

相关系数确定模块23，用于确定所述商品清单列表的商品属性特征与预设特征序列中的每个基准属性特征的商品相关性系数；其中，所述预设特征序列包括多个基准属性特征，每个基准属性特征添加有商品货源标签，所述商品货源标签表示商品货源充足或商品货源短缺。

指示信息生成模块24，用于基于商品属性特征与每个基准属性特征的商品相关性系数，从所述预设特征序列中选取n个基准属性特征；基于n个基准属性特征的商品货源标签，生成所述目标电商业务终端的订单处理指示信息；其中，n为大于或者等于1的正整数。

关于上述装置实施例的描述请参阅对图2所示的方法实施例的描述。

基于上述同样的发明构思，请结合参阅图4，还示出了一种结合数字经济和新零售的业务处理系统40的架构示意图，所述系统包括互相之间通信的大数据服务器10和多个电商业务终端30，关于该系统的描述如下。

a1.一种结合数字经济和新零售的业务处理系统，包括互相之间通信的大数据服务器和多个电商业务终端；其中，所述大数据服务器用于：

获取针对目标电商业务终端的第一待处理订单数据和第二待处理订单数据；其中，所述第二待处理订单数据的订单需求紧急度小于所述第一待处理订单数据的订单需求紧急度；

根据所述第二待处理订单数据的候选商品信息确定所述目标电商业务终端的商品备货业务数据，根据所述商品备货业务数据从所述第一待处理订单数据中获取目标电商业务终端的商品清单列表；

确定所述商品清单列表的商品属性特征与预设特征序列中的每个基准属性特征的商品相关性系数；其中，所述预设特征序列包括多个基准属性特征，每个基准属性特征添加有商品货源标签，所述商品货源标签表示商品货源充足或商品货源短缺；

基于商品属性特征与每个基准属性特征的商品相关性系数，从所述预设特征序列中选取n个基准属性特征；基于n个基准属性特征的商品货源标签，生成所述目标电商业务终端的订单处理指示信息；其中，n为大于或者等于1的正整数。

关于上述系统实施例的描述请参阅对图2所示的方法实施例的描述。

在本申请实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能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，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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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，大数据服务器10，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步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-onlymemory）、随机存取存储器（ram，randomaccessmemory）、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，在本文中，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、物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、物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、物品或者设备中还存在另外的相同要素。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。