本发明属于计算机技术领域，尤其涉及一种虚拟资源请求方法及终端设备。
背景技术：
目前市面上的虚拟资源系统，采用单申请下单借据维度进行扣款，这种扣款方式扣款时间长，如果同一授信账户下允许存在多笔未结清的虚拟资源，以单申请单借据为维度进行扣款，同一授信账户完成扣款需要对多笔虚拟资源进行分别扣款。例如某授信账户下，拥有L1、L2、L3三笔借据，分别还款100、200、300元，虚拟资源系统需要分别扣款100、200、300元，扣款次数多、扣款时间长，无法满足目前虚拟资源业务发展需要。
技术实现要素：
本发明实施例提供一种虚拟资源请求方法及终端设备，以解决现有虚拟资源系统需要分别扣款，扣款次数多、扣款时间长，无法满足目前虚拟资源业务发展需要的问题。
本发明实施例的第一方面提供了一种虚拟资源请求方法，包括：
接收用户端发送的虚拟资源请求，并检测所述虚拟资源请求是否关联了抵押资源，所述虚拟资源请求包含多个虚拟资源申请；
若所述虚拟资源请求关联了抵押资源，则根据所述虚拟资源请求进行虚拟资源申请，并在虚拟资源申请受理后，创建授信账户，并根据所述虚拟资源请求关联的抵押资源确定所述授信账户的授信额度；
获取所述虚拟资源请求所请求的资金额度，判断所述资金额度是否低于所述授信额度；
若所述资金额度低于所述授信额度，则获取各个所述虚拟资源申请的状态，并将各个所述虚拟资源申请中状态为处理中的虚拟资源申请进行关联，对关联后的虚拟资源申请进行扣款。
可选的，所述根据所述虚拟资源请求关联的抵押资源确定所述授信账户的授信额度包括：
获取预设数目个抵押资源样本及每个抵押资源样本确定的授信额度，分别对每个抵押资源样本确定的授信额度进行归一化处理；
根据所述预设数目个抵押资源样本建立抵押资源样本矩阵；
建立反向传播(Back Propagation，BP)神经网络，所述BP神经网络包括输入层、隐层和输出层，所述输入层的节点数根据所述抵押资源样本矩阵中抵押资源样本的数目确定，所述输出层的节点数为一个，所述隐层的节点数根据所述输入层的节点数和所述输出层的节点数确定；
根据所述抵押资源样本矩阵和归一化处理后每个抵押资源样本确定的授信额度，对所述BP神经网络进行训练，并在所述BP神经网络训练完成后，基于训练好的BP神经网络根据所述虚拟资源请求关联的抵押资源确定所述授信账户的授信额度。
可选的，上述虚拟资源请求方法还包括：
检测所述虚拟资源请求包含的虚拟资源申请数目是否低于预设虚拟资源申请数目阈值；
若所述虚拟资源请求包含的虚拟资源申请数目低于所述预设虚拟资源申请数目阈值，则执行所述获取所述虚拟资源请求所请求的资金额度，判断所述资金额度是否低于所述授信额度；
若所述虚拟资源请求包含的虚拟资源申请数目等于或高于所述预设虚拟资源申请数目阈值，则生成虚拟资源请求失败信息，所述虚拟资源请求失败信息携带所述预设虚拟资源申请数目阈值。
可选的，所述将各个所述虚拟资源申请中状态为处理中的虚拟资源申请进行关联包括：
按照虚拟资源申请的先后时间将各个所述虚拟资源申请中状态为处理中的虚拟资源申请进行关联；
或者
按照虚拟资源申请的资金模式将各个所述虚拟资源申请中状态为处理中的虚拟资源申请进行关联；
或者
按照虚拟资源申请的资金来源将各个所述虚拟资源申请中状态为处理中的虚拟资源申请进行关联。
可选的，所述对关联后的虚拟资源申请进行扣款包括：
按照虚拟资源申请的结算时间对关联后的虚拟资源申请进行排序，或者，接收所述用户端发送的排序规则，根据所述排序规则对关联后的虚拟资源申请进行排序；
根据排序结果进行扣款。
可选的，上述虚拟资源请求方法还包括：
若扣款成功，则生成扣款成功信息；
若扣款失败后，则生成扣款失败信息，检测所述扣款失败信息是否为部分扣款失败；
若所述扣款失败信息为部分扣款失败，则获取实际总扣款金额和计划总扣款金额，根据所述实际总扣款金额和所述计划总扣款金额确定关联后的虚拟资源申请中每笔虚拟资源申请的实际扣款金额。
本发明实施例的第二方面提供了一种虚拟资源请求终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：
接收用户端发送的虚拟资源请求，并检测所述虚拟资源请求是否关联了抵押资源，所述虚拟资源请求包含多个虚拟资源申请；
若所述虚拟资源请求关联了抵押资源，则根据所述虚拟资源请求进行虚拟资源申请，并在虚拟资源申请受理后，创建授信账户，并根据所述虚拟资源请求关联的抵押资源确定所述授信账户的授信额度；
获取所述虚拟资源请求所请求的资金额度，判断所述资金额度是否低于所述授信额度；
若所述资金额度低于所述授信额度，则获取各个所述虚拟资源申请的状态，并将各个所述虚拟资源申请中状态为处理中的虚拟资源申请进行关联，对关联后的虚拟资源申请进行扣款。
可选的，所述根据所述虚拟资源请求关联的抵押资源确定所述授信账户的授信额度包括：
获取预设数目个抵押资源样本及每个抵押资源样本确定的授信额度，分别对每个抵押资源样本确定的授信额度进行归一化处理；
根据所述预设数目个抵押资源样本建立抵押资源样本矩阵；
建立BP神经网络，所述BP神经网络包括输入层、隐层和输出层，所述输入层的节点数根据所述抵押资源样本矩阵中抵押资源样本的数目确定，所述输出层的节点数为一个，所述隐层的节点数根据所述输入层的节点数和所述输出层的节点数确定；
根据所述抵押资源样本矩阵和归一化处理后每个抵押资源样本确定的授信额度，对所述BP神经网络进行训练，并在所述BP神经网络训练完成后，基于训练好的BP神经网络根据所述虚拟资源请求关联的抵押资源确定所述授信账户的授信额度。
可选的，所述处理器执行所述计算机程序时还实现如下步骤：
检测所述虚拟资源请求包含的虚拟资源申请数目是否低于预设虚拟资源申请数目阈值；
若所述虚拟资源请求包含的虚拟资源申请数目低于所述预设虚拟资源申请数目阈值，则执行所述获取所述虚拟资源请求所请求的资金额度，判断所述资金额度是否低于所述授信额度；
若所述虚拟资源请求包含的虚拟资源申请数目等于或高于所述预设虚拟资源申请数目阈值，则生成虚拟资源请求失败信息，所述虚拟资源请求失败信息携带所述预设虚拟资源申请数目阈值。
本发明实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述虚拟资源请求方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例在接收用户端发送的虚拟资源请求后，检测所述虚拟资源请求是否关联了抵押资源，所述虚拟资源请求包含多个虚拟资源申请，如果所述虚拟资源请求关联了抵押资源，根据所述虚拟资源请求进行虚拟资源申请，并在虚拟资源申请受理后，创建授信账户，并根据所述虚拟资源请求关联的抵押资源确定所述授信账户的授信额度，获取所述虚拟资源请求所请求的资金额度，判断所述资金额度是否低于所述授信额度，如果低于，获取各个所述虚拟资源申请的状态，并将各个所述虚拟资源申请中状态为处理中的虚拟资源申请进行关联，对关联后的虚拟资源申请进行扣款，简化虚拟资源请求处理逻辑，减少扣款次数，缩短扣款时间，可以支持海量虚拟资源申请处理，满足目前虚拟资源业务发展需要。
附图说明
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发明的一些实施例，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是本发明实施例提供的一种虚拟资源请求方法的示意流程图；
图2是本发明另一实施例提供的一种虚拟资源请求方法的示意流程图；
图3是本发明再一实施例提供的一种虚拟资源请求方法的示意流程图；
图4是本发明又一实施例提供的一种虚拟资源请求方法的示意流程图；
图5是本发明又一实施例提供的一种虚拟资源请求方法的示意流程图；
图6是本发明又一实施例提供的一种虚拟资源请求方法的示意流程图；
图7是本发明实施例提供的一种虚拟资源请求程序的示意性框图；
图8是本发明实施例提供的一种虚拟资源请求终端设备的示意性框图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
参见图1，图1是本发明实施例提供的一种虚拟资源请求方法的示意流程图，在该实施例中，以虚拟资源系统的角度触发为例进行说明，这里，虚拟资源系统实现虚拟资源请求服务。如图1所示，在该实施例中，虚拟资源系统的处理过程可以包括以下步骤：
S101：接收用户端发送的虚拟资源请求，并检测所述虚拟资源请求是否关联了抵押资源，所述虚拟资源请求包含多个虚拟资源申请。
在本实施例中，用户端为任意一个或多个进行上传虚拟资源请求的用户端，上述虚拟资源请求为无关联抵押资源的请求或者关联抵押资源的请求，其中，无关联抵押资源的请求又称无担保虚拟资源的请求，不需要任何抵押资源，只需身份证明、收入证明、住址证明等材料，向虚拟资源系统请求虚拟资源，关联抵押资源的请求又称有担保虚拟资源的请求，以一定的抵押资源作为物品保证向虚拟资源系统请求虚拟资源。
S102：若所述虚拟资源请求关联了抵押资源，则根据所述虚拟资源请求进行虚拟资源申请，并在虚拟资源申请受理后，创建授信账户，并根据所述虚拟资源请求关联的抵押资源确定所述授信账户的授信额度。
具体地，仅在用户端发送的虚拟资源请求关联了抵押资源时，虚拟资源系统执行后续步骤，如果上述请求无关联抵押资源，虚拟资源系统可以生成虚拟资源请求失败信息，拒绝进行虚拟资源申请。
这里，在检测上述请求关联了抵押资源后，还可以获取上述抵押资源的资金额度，检测获取的资金额度是否超过预设额度阈值，如果超过，执行上述根据所述虚拟资源请求进行虚拟资源申请的步骤，否则，可以生成虚拟资源请求失败信息，拒绝进行虚拟资源申请，避免抵押资源的资金额度过小影响后续虚拟资源申请。
在检测上述请求关联了抵押资源后，根据上述虚拟资源请求进行虚拟资源申请，并在虚拟资源申请受理后，创建授信账户，方便后续虚拟资源申请。
具体地，根据所述虚拟资源请求关联的抵押资源确定所述授信账户的授信额度可以包括：获取所述虚拟资源请求关联的抵押资源的资金额度，根据该资金额度确定上述授信账户的授信额度。
S103：获取所述虚拟资源请求所请求的资金额度，判断所述资金额度是否低于所述授信额度。
这里，在上述创建授信账户，根据所述虚拟资源请求关联的抵押资源确定该授信账户的授信额度之后，获取所述虚拟资源请求所请求的资金额度，判断该资金额度是否低于上述授信额度，如果该资金额度低于上述授信额度，执行后续步骤，否则，可以生成虚拟资源申请失败信息，该信息可以携带上述授信额度，避免出现所请求的资金额度超出授信账户的授信额度，提高虚拟资源申请风险的情况，适合应用。
S104：若所述资金额度低于所述授信额度，则获取各个所述虚拟资源申请的状态，并将各个所述虚拟资源申请中状态为处理中的虚拟资源申请进行关联，对关联后的虚拟资源申请进行扣款。
具体地，各个所述虚拟资源申请中状态为处理中的虚拟资源申请以用户端首次申请虚拟资源Loan1和第二次申请虚拟资源Loan2为例，对Loan1和Loan2进行关联的过程可以包括：首先检测Loan1和Loan2是否为同一授信账户申请的虚拟资源，如果检测是，可以以虚拟资源申请的先后时间对Loan1和Loan2进行关联，或者，以虚拟资源申请的资金模式对Loan1和Loan2进行关联，或者，以虚拟资源申请的资金来源对Loan1和Loan2进行关联，其中，资金模式可以包括：P2P模式、纯小贷公司放款、小贷公司+单/多银行联合放款等，资金来源可以包括：P2P陆金所、小贷公司、小贷公司+单/多银行、纯银行等。
这里，可以根据上一步对各个虚拟资源申请中状态为处理中的虚拟资源申请进行关联后的关联结果，对关联后的虚拟资源申请进行扣款。其中，对进行扣款的规则可以包括顺序_原子扣款规则和顺序_非原子扣款规则，顺序_原子扣款规则指若前一笔未全额完成扣款，则下笔交易不生成，组循环结束；顺序_非原子扣款规则指若前一笔未全额完成扣款，则下笔交易继续产生，组循环继续。
具体地，在对关联后的虚拟资源申请进行扣款之后，还可以显示扣款结果，方便相关人员审核确认，同时还可以保存扣款结果，方便后续查询。
从以上描述可知，本发明实施例的虚拟资源请求方法，简化虚拟资源请求处理逻辑，减少扣款次数，缩短扣款时间，可以支持海量虚拟资源申请处理，满足目前虚拟资源业务发展需要。
请参阅图2，图2是本发明另一实施例提供的一种虚拟资源请求方法的示意流程图。与图1对应的实施例的区别在于：所述若所述虚拟资源请求关联了抵押资源，则根据所述虚拟资源请求进行虚拟资源申请，并在虚拟资源申请受理后，创建授信账户，并根据所述虚拟资源请求关联的抵押资源确定所述授信账户的授信额度可以包括S202。其中S201与上一实施例中的S101相同，S203～S204与上一实施例中的S103～S104相同，具体请参阅上述实施例中S101、S103～S104的相关描述，此处不赘述。具体地，S202可以包括S2021～S2024：
S2021：若所述虚拟资源请求关联了抵押资源，则根据所述虚拟资源请求进行虚拟资源申请，并在虚拟资源申请受理后，创建授信账户，获取预设数目个抵押资源样本及每个抵押资源样本确定的授信额度，分别对每个抵押资源样本确定的授信额度进行归一化处理。
S2022：根据所述预设数目个抵押资源样本建立抵押资源样本矩阵。
S2023：建立BP神经网络，所述BP神经网络包括输入层、隐层和输出层，所述输入层的节点数根据所述抵押资源样本矩阵中抵押资源样本的数目确定，所述输出层的节点数为一个，所述隐层的节点数根据所述输入层的节点数和所述输出层的节点数确定。
S2024：根据所述抵押资源样本矩阵和归一化处理后每个抵押资源样本确定的授信额度，对所述BP神经网络进行训练，并在所述BP神经网络训练完成后，基于训练好的BP神经网络根据所述虚拟资源请求关联的抵押资源确定所述授信账户的授信额度。
这里，基于BP神经网络模型确定虚拟资源请求关联的抵押资源对应的授信额度，将授信额度作为输出信息，将抵押资源样本作为输入信息。获取预设数目个抵押资源样本，对抵押资源样本按照确定的授信额度划分为多个区间，各个区间的数量保持一致。具体地，先将授信额度进行归一化处理，将其转化为[0，1]区间内的取值，转化公式为：An′＝An/Amax，An为序号为n的抵押资源样本确定的授信额度，Amax为授信额度可取的最大数值，An′为归一化后的授信额度。然后可以将归一化后的授信额度分为N个区间段，以N＝2为例，分别为(0，0.5]，(0.1，1]，若抵押资源样本有200个，则每个区间段的样本为100个。
根据所有抵押资源样本建立如下矩阵：
其中，xi为第i个抵押资源样本，n为抵押资源样本个数。
建立三层BP神经网络，分别包括：输入层、隐层和输出层。该输入层节点数为上述矩阵X的抵押资源样本个数n，输出层节点数为1个。隐层节点数根据输入层节点数和输出层节点数确定，这里为在使用上述抵押资源样本和归一化后的授信额度对BP神经网络模型进行一轮训练后，计算网络全局误差：其中，Et为第t个训练样本的训练误差，zt为第t个训练样本的网络输出值，ct为第t个训练样本的实际输出值。
设置误差阈值，若E大于该阈值，则按照Delta学习规则对各层节点之间的网络连接权值和阈值进行调整，然后再次对BP神经网络模型进行训练，直至网络全局误差E小于该阈值为止，则结束训练，得到训练好的BP神经网络模型。使用训练好的BP神经网络模型确定抵押资源对应的授信额度。若输出值为0，则拒绝生成授信额度；若输出值不为0，则同意生成授信额度，然后计算具体的额度，即用输出值乘以Amax，即可得到实际的授信额度。
这里，通过BP神经网络模型确定用户的抵押资源对应的授信额度，准确、可靠，提高后续处理结果的准确性。
请参阅图3，图3为本发明再一实施例提供的一种虚拟资源请求方法的示意流程图。本实施例与上述实施例的区别在于S303～S305，其中S301～S302与上一实施例中的S101～S102相同，S306与上一实施例中的S104相同，具体请参阅上述实施例中S101～S102和S104的相关描述，此处不赘述。本实施例中的虚拟资源请求方法还可以包括：
S303：检测所述虚拟资源请求包含的虚拟资源申请数目是否低于预设虚拟资源申请数目阈值。
S304：若所述虚拟资源请求包含的虚拟资源申请数目低于所述预设虚拟资源申请数目阈值，则获取所述虚拟资源请求所请求的资金额度，判断所述资金额度是否低于所述授信额度。
S305：若所述虚拟资源请求包含的虚拟资源申请数目等于或高于所述预设虚拟资源申请数目阈值，则生成虚拟资源请求失败信息，所述虚拟资源请求失败信息携带所述预设虚拟资源申请数目阈值。
这里，上述预设虚拟资源申请数目阈值可以根据实际情况设置，在创建授信账户，根据所述虚拟资源请求关联的抵押资源确定所述授信账户的授信额度之后，获取上述虚拟资源请求所进行的虚拟资源申请数目，如果上述虚拟资源申请数目小于上述预设虚拟资源申请数目阈值，执行后续虚拟资源请求所请求的资金额度判断步骤，否则，生成虚拟资源请求失败信息，避免用户端进行的虚拟资源申请数目过多，造成后续处理过程繁琐，适合应用。
请参阅图4，图4是本发明又一实施例提供的一种虚拟资源请求方法的示意流程图。与图1对应的实施例的区别在于：所述若所述资金额度低于所述授信额度，则获取各个所述虚拟资源申请的状态，并将各个所述虚拟资源申请中状态为处理中的虚拟资源申请进行关联，对关联后的虚拟资源申请进行扣款可以包括S404。其中S401～S403与上一实施例中的S101～S103相同，具体请参阅上述实施例中S101～S103的相关描述，此处不赘述。具体地，S404可以包括S4041～S4043：
S4041：若所述资金额度低于所述授信额度，则获取各个所述虚拟资源申请的状态，按照虚拟资源申请的先后时间将各个所述虚拟资源申请中状态为处理中的虚拟资源申请进行关联，对关联后的虚拟资源申请进行扣款。
S4042：若所述资金额度低于所述授信额度，则获取各个所述虚拟资源申请的状态，按照虚拟资源申请的先后时间将各个所述虚拟资源申请中状态为处理中的虚拟资源申请进行关联，对关联后的虚拟资源申请进行扣款。
S4043：若所述资金额度低于所述授信额度，则获取各个所述虚拟资源申请的状态，按照虚拟资源申请的先后时间将各个所述虚拟资源申请中状态为处理中的虚拟资源申请进行关联，对关联后的虚拟资源申请进行扣款。
这里，上述三种对虚拟资源申请进行关联的方式在虚拟资源申请比较多的情况下更适应，例如多个虚拟资源申请首先可以以虚拟资源申请的资金模式对多个虚拟资源申请进行关联，即同一资金模式的虚拟资源申请关联再一起，然后可以把多个虚拟资源申请中除按照资金模式关联在一起的虚拟资源申请外，剩余的按照虚拟资源申请的资金来源进行关联，如果还有剩余的，可以按照虚拟资源申请的先后时间进行关联。
这里，还可以根据实际情况对用户的各个虚拟资源申请进行关联，满足多种应用场景需要，适合实际应用。
请参阅图5，图5是本发明又一实施例提供的一种虚拟资源请求方法的示意流程图。与图1对应的实施例的区别在于：所述若所述资金额度低于所述授信额度，则获取各个所述虚拟资源申请的状态，并将各个所述虚拟资源申请中状态为处理中的虚拟资源申请进行关联，对关联后的虚拟资源申请进行扣款可以包括S504。其中S501～S503与上一实施例中的S101～S103相同，具体请参阅上述实施例中S101～S103的相关描述，此处不赘述。具体地，S504可以包括S5041～S5042：
S5041：若所述资金额度低于所述授信额度，则获取各个所述虚拟资源申请的状态，并将各个所述虚拟资源申请中状态为处理中的虚拟资源申请进行关联，按照虚拟资源申请的结算时间对关联后的虚拟资源申请进行排序，或者，接收所述用户端发送的排序规则，根据所述排序规则对关联后的虚拟资源申请进行排序。
S5042：根据排序结果进行扣款。
这里，在对虚拟资源请求所进行的各个虚拟资源申请进行关联后，确定关联后的各个虚拟资源申请中处理中的虚拟资源申请，对确定的处理中的虚拟资源申请进行排序，排序方法可以有按照虚拟资源申请的结算时间进行排序，或者按照用户端发送的排序规则进行排序，最后，在排序完成后，按照上述排序结果进行扣款，具体地，按照上述排序结果进行扣款可以按照顺序_原子扣款规则进行扣款，也可以按照顺序_非原子扣款规则进行扣款。
这里，在将虚拟资源请求所进行的各个虚拟资源申请进行关联后，首先根据用户端处理中的虚拟资源申请确定关联后的虚拟资源申请中处理中的虚拟资源申请，然后根据关联的处理中的虚拟资源申请进行扣款，简单、快速，减少扣款次数，缩短扣款时间，同时扣款前可以对关联的处理中的虚拟资源申请进行排序，排序方式有多种，满足实际应用需要。
请参阅图6，图6为本发明又一实施例提供的一种虚拟资源请求方法的示意流程图。本实施例与上述实施例的区别在于S605～S607，其中S601～S604与上一实施例中的S101～S104相同，具体请参阅上述实施例中S101～S104的相关描述，此处不赘述。本实施例中的虚拟资源请求方法还可以包括：
S605：若扣款成功，则生成扣款成功信息。
S606：若扣款失败后，则生成扣款失败信息，检测所述扣款失败信息是否为部分扣款失败。
S607：若所述扣款失败信息为部分扣款失败，则获取实际总扣款金额和计划总扣款金额，根据所述实际总扣款金额和所述计划总扣款金额确定关联后的虚拟资源申请中每笔虚拟资源申请的实际扣款金额。
这里，扣款失败分下列2种情况：
部分扣款失败(假设扣款100元，实际扣款70元，剩余30元因余额不足导致扣款不成功)：当部分扣款失败时按比例扣款，例如用户有3笔虚拟资源申请的扣款，Loan1计划扣款20元，Loan2计划扣款30元，Loan3计划扣款50元，计划总扣款100元，实际总扣款70元，按比例扣款(实际扣款金额＝实际总扣款金额/计划总扣款金额*某笔虚拟资源申请应扣款金额)，Loan1实际扣款金额＝70/100*20＝14元，Loan2实际扣款金额＝70/100*30＝21元，Loan3实际扣款金额＝70/100*50＝35元。
全额扣款失败(假设扣款100元，实际扣款0元)：Loan1、Loan2、Loan3均扣款0元。
这里，在扣款完成后，生成扣款结果，方便用户了解扣款情况，同时在部分扣款失败后，进一步确定每笔处理中的虚拟资源申请的实际扣款金额，适合实际应用。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的虚拟资源请求方法，图7示出了本发明实施例提供的虚拟资源请求程序的运行环境示意图。为了便于说明，仅示出了与本实施例相关的部分。
在本实施例中，所述的虚拟资源请求程序700安装并运行于终端设备70中。该终端设备70可以是移动终端、掌上电脑、服务器等。该终端设备70可包括，但不仅限于，存储器701、处理器702及显示器703。图7仅示出了具有组件701-703的终端设备70，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器701在一些实施例中可以是所述终端设备70的内部存储单元，例如该终端设备70的硬盘或内存。所述存储器701在另一些实施例中也可以是所述终端设备70的外部存储设备，例如所述终端设备70上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器701还可以既包括所述终端设备70的内部存储单元也包括外部存储设备。所述存储器701用于存储安装于所述终端设备70的应用软件及各类数据，例如所述虚拟资源请求程序700的程序代码等。所述存储器701还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器702在一些实施例中可以是一中央处理器(Central Processing Unit，CPU)，微处理器或其他数据处理芯片，用于运行所述存储器701中存储的程序代码或处理数据，例如执行所述虚拟资源请求程序700等。
所述显示器703在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode，OLED)触摸器等。所述显示器703用于显示在所述终端设备70中处理的信息以及用于显示可视化的用户界面，例如应用菜单界面、应用图标界面等。所述终端设备70的部件701-703通过系统总线相互通信。
请参阅图8，是本发明实施例提供的虚拟资源请求程序700的功能模块图。在本实施例中，所述的虚拟资源请求程序700可以被分割成一个或多个模块，所述一个或者多个模块被存储于所述存储器701中，并由一个或多个处理器(本实施例为所述处理器702)所执行，以完成本发明。例如，在图8中，所述的虚拟资源请求程序700可以被分割成虚拟资源请求检测单元801、虚拟资源请求处理单元802、资金额度判断单元803和扣款单元804。本发明所称的单元是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述所述虚拟资源请求程序700在所述终端设备70中的执行过程。以下描述将具体介绍所述模块801-804的功能。
其中，虚拟资源请求检测单元801，用于接收用户端发送的虚拟资源请求，并检测所述虚拟资源请求是否关联了抵押资源，所述虚拟资源请求包含多个虚拟资源申请。虚拟资源请求处理单元802，用于若所述虚拟资源请求关联了抵押资源，则根据所述虚拟资源请求进行虚拟资源申请，并在虚拟资源申请受理后，创建授信账户，并根据所述虚拟资源请求关联的抵押资源确定所述授信账户的授信额度。资金额度判断单元803，用于获取所述虚拟资源请求所请求的资金额度，判断所述资金额度是否低于所述授信额度。扣款单元804，用于若所述资金额度低于所述授信额度，则获取各个所述虚拟资源申请的状态，并将各个所述虚拟资源申请中状态为处理中的虚拟资源申请进行关联，对关联后的虚拟资源申请进行扣款。
可选的，所述虚拟资源请求处理单元802根据所述虚拟资源请求关联的抵押资源确定所述授信账户的授信额度包括：
获取预设数目个抵押资源样本及每个抵押资源样本确定的授信额度，分别对每个抵押资源样本确定的授信额度进行归一化处理；
根据所述预设数目个抵押资源样本建立抵押资源样本矩阵；
建立BP神经网络，所述BP神经网络包括输入层、隐层和输出层，所述输入层的节点数根据所述抵押资源样本矩阵中抵押资源样本的数目确定，所述输出层的节点数为一个，所述隐层的节点数根据所述输入层的节点数和所述输出层的节点数确定；
根据所述抵押资源样本矩阵和归一化处理后每个抵押资源样本确定的授信额度，对所述BP神经网络进行训练，并在所述BP神经网络训练完成后，基于训练好的BP神经网络根据所述虚拟资源请求关联的抵押资源确定所述授信账户的授信额度。
可选的，所述的虚拟资源请求程序700还可以被分割成虚拟资源申请数目检测单元805和虚拟资源请求失败单元806。
其中，虚拟资源申请数目检测单元805，用于检测所述虚拟资源请求包含的虚拟资源申请数目是否低于预设虚拟资源申请数目阈值。所述资金额度判断单元803，用于若所述虚拟资源请求包含的虚拟资源申请数目低于所述预设虚拟资源申请数目阈值，则执行所述获取所述虚拟资源请求所请求的资金额度，判断所述资金额度是否低于所述授信额度。虚拟资源请求失败单元806，用于若所述虚拟资源请求包含的虚拟资源申请数目等于或高于所述预设虚拟资源申请数目阈值，则生成虚拟资源请求失败信息，所述虚拟资源请求失败信息携带所述预设虚拟资源申请数目阈值。
可选的，所述扣款单元804将各个所述虚拟资源申请中状态为处理中的虚拟资源申请进行关联包括：
按照虚拟资源申请的先后时间将各个所述虚拟资源申请中状态为处理中的虚拟资源申请进行关联；
或者
按照虚拟资源申请的资金模式将各个所述虚拟资源申请中状态为处理中的虚拟资源申请进行关联；
或者
按照虚拟资源申请的资金来源将各个所述虚拟资源申请中状态为处理中的虚拟资源申请进行关联。
可选的，所述扣款单元804对关联后的虚拟资源申请进行扣款包括：
按照虚拟资源申请的结算时间对关联后的虚拟资源申请进行排序，或者，接收所述用户端发送的排序规则，根据所述排序规则对关联后的虚拟资源申请进行排序；
根据排序结果进行扣款。
可选的，所述的虚拟资源请求程序700还可以被分割成扣款成功单元807、扣款失败单元808和扣款金额确定单元809。
其中，扣款成功单元807，用于若扣款成功，则生成扣款成功信息。扣款失败单元808，用于若扣款失败后，则生成扣款失败信息，检测所述扣款失败信息是否为部分扣款失败。扣款金额确定单元809，用于若所述扣款失败信息为部分扣款失败，则获取实际总扣款金额和计划总扣款金额，根据所述实际总扣款金额和所述计划总扣款金额确定关联后的虚拟资源申请中每笔虚拟资源申请的实际扣款金额。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、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功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，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，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，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，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。