CN102236851A - 基于用户赋权的多维信用体系实时计算的方法及系统 - Google Patents
基于用户赋权的多维信用体系实时计算的方法及系统 Download PDFInfo
- Publication number
- CN102236851A CN102236851A CN2010101576829A CN201010157682A CN102236851A CN 102236851 A CN102236851 A CN 102236851A CN 2010101576829 A CN2010101576829 A CN 2010101576829A CN 201010157682 A CN201010157682 A CN 201010157682A CN 102236851 A CN102236851 A CN 102236851A
- Authority
- CN
- China
- Prior art keywords
- information
- reference information
- user
- client
- log processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种基于用户赋权的多维信用体系实时计算的系统及方法,该方法包括:分解待处理的日志处理任务,生成多个日志处理子任务;并发地处理日志处理子任务,根据用户或客户的历史交易参考信息和并发处理的多任务处理结果进行合并,生成交易行为信息;根据交易行为信息进行多维计算,获得用户或客户的当前交易参考信息;接收当前交易参考信息,并向分布式数据库平台发送当前交易参考信息。本发明解决了当前交易平台日志数据海量激增以及挖掘多维度信息造成的不能实时提供交易参考信息的技术问题,有利于为用户提供更加准确可信的交易参考信息。
Description
技术领域
本发明涉及电子商务领域,尤其涉及一种基于用户赋权的多维信用体系实时计算的方法及系统。
背景技术
随着互联网技术的发展,逐渐出现了各种网上交易的形式,例如B2B(企业和企业的电子商务交易)、B2C(企业和消费者之间电子商务交易)和C2C(个人用户提供买卖交易的平台的电子商务交易业务)等。其中C2C由于客户(卖方)进入门槛低,商品品种齐全,用户(买方)可选择范围广,对网络上日益扩大的网络用户有很强的吸引力,因此逐渐成为了电子商务交易的热点。
但网络交易平台的业务形式也存在着一定的问题,例如用户对交易实物缺乏信任感,交易风险较大等,网络交易平台为了规避这些问题,必须要从技术上尽量的保证双方能在一个公平交易平台、且相互信任的基础上进行交易。目前一些网络交易平台推出了交易参考信息的评价机制,这种评价机制主要是买卖双方完成交易后通过互相对交易过程或交易物品进行评价,进而形成双方的交易参考信息(如信用度、积分或等级等),以供其他用户或客户在交易前作为是否进行交易的参考。
这种参考并非人为的主观规定,在现实生活中存在着客观的实际意义。例如当某客户多次通过网络交易平台销售与其宣传不符的货品,每个用户可以通过以较低的评价分来标识其进行的交易,这样累积起来得到的客户交易参考信息,就可以显示出该客户的交易可信赖程度较低。以后的用户在注意到该客户的客户交易参考信息的情况下,就能够对该客户的诚信度有一定的了解,从而选择其他客户,或者了解与该客户进行交易可能需要担负的风险性。
目前,交易参考信息的获得主要是按照交易金额以及双方对交易的评价分进行加减获得,这种计算方式的构成元素较为单一,计算方式简单,不能真实地反映网络交易平台中客户的交易参考信息,存在着客户交易参考信息不准确,甚至是被客户恶意使用来诱导用户进行交易的可能。例如,对于新老客户的交易参考信息,老客户经过较长时间的积累,累积的分值较高,有利于展示出让用户信赖的客户交易参考信息;而新进入的客户由于交易次数少或者交易金额累积有限,对用户而言,其客户交易参考信息展示出来的可信赖度较低,但这并不能说明老客户一定比新客户在交易过程中更具可信赖性。
此外,如果同时对客户按交易笔数进行单一的累积,也不能准确地反映客户的交易参考信息。例如某客户历史通过卖充值卡等业务而累积了较多的交易分值,获得了较好的交易参考信息,之后开始转卖衣服等服饰类,旧的交易参考信息并不能真实反映该客户在服饰这个类目下的经营情况。
为此,我们需要对客户的交易参考信息引入多维因素,并进行实时的多维计算,以真实反映客户最新的经营状况及其相应类目下的交易参考信息,从而为用户提供真实可信的交易参考信息,找到特定类目的优质客户。因此,网络交易平台需要准确挖掘客户的行为日志,进行多个维度(例如涉及历史数据、产品分类、交易评价、交易时间等因素)的计算,以期能够更真实的体现出客户的交易参考信息,降低用户进行交易时需要担负的风险。
但是传统的网络交易平台采用后台机器单独异步计算的方式,当后台机器计算完后再以一定的间隔周期更新前端展示页面的状态(如一天更新一次)。这种简单的后台异步计算的方式,其计算时间和更新周期将随着用户量和行为日志的增多而急剧增长,尤其是再引入多维因素进行交易参考信息的多维计算后,将使得计算复杂度大大增加,很难实时地进行处理以向用户提供交易参考信息,因而无法满足用户对于交易可信赖度的要求。同时由于计算复杂度加大也造成网络交易平台扩展性较差,不利于该项业务的推广与发展。
发明内容
本发明要解决的一个技术问题是提供一种基于用户赋权的多维信用体系实时计算的方法及系统,用以对海量日志信息的快速处理,从而实现实时地向用户提供交易参考信息。
本发明的一个方面提供了一种基于用户赋权的多维信用体系实时计算的系统,该系统包括:分布式日志处理平台、多维计算平台、分布式数据库平台;其中分布式日志处理平台,包括由多台计算机组成的计算机集群,用于采集用户或客户的行为日志,根据行为日志形成待处理的日志处理任务,将日志处理任务分解成多个日志处理子任务,由计算机集群并发地处理日志处理子任务,从分布式数据库平台读取用户或客户的历史交易参考信息,根据并发处理的多任务处理结果和历史交易参考信息进行合并,用以形成用户或客户的交易行为信息,并向多维计算平台发送交易行为信息,以及接收多维计算平台返回的当前交易参考信息,并向分布式数据库平台发送当前交易参考信息;多维计算平台,用于接收分布式日志处理平台发送的交易行为信息,根据交易行为信息进行多维计算,获得用户或客户的当前交易参考信息,并将当前交易参考信息返回分布式日志处理平台;分布式数据库平台,用于向分布式日志处理平台发送用户或客户的历史交易参考信息,以及接收并存储分布式日志处理平台发送的当前交易参考信息。
本发明提供的基于用户赋权的多维信用体系实时计算的系统的一个实施例中,分布式日志处理平台中的计算机集群包括:中心服务器和从属计算机节点;其中,中心服务器用于对保存行为日志的从属计算机节点和存储路径进行记录,选取空闲或负载较低的从属计算机节点用以将日志处理任务分解成多个日志处理子任务,对保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点进行选取,用以合并形成用户或客户的交易行为信息;以及接收从属计算机节点返回的交易行为信息存储位置的通知;从属计算机节点,用于保存行为日志,被选取的从属计算机节点将日志处理任务分解成多个日志处理子任务,并发处理日志处理子任务,从分布式数据库平台读取历史交易参考信息,保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点根据并发处理的多任务处理结果和历史交易参考信息进行合并,用以形成用户或客户的交易行为信息;以及向中心服务器发送交易行为信息存储位置的通知。
本发明提供的基于用户赋权的多维信用体系实时计算的系统的一个实施例中,分布式日志处理平台还用于对客户的作弊行为进行监测分析。
本发明提供的基于用户赋权的多维信用体系实时计算的系统的一个实施例中,分布式日志处理平台还用于异步触发对当前交易参考信息的更新。
本发明提供的基于用户赋权的多维信用体系实时计算的系统的一个实施例中,分布式数据库平台进一步包括:主数据库,用于接收并存储分布式日志处理平台发送当前交易参考信息,并同步更新从数据库中相应的交易参考信息;从数据库,用于接收主数据库发送的当前交易参考信息,并更新相应的交易参考信息,以及向用户提供客户的当前交易参考信息;缓存系统,用于存储近期被浏览过的客户的当前交易参考信息,以及在接收到用户查询目标客户的交易参考信息的请求后,查询自身存储的近期被浏览过的客户的当前交易参考信息或者向从数据库查询目标客户的交易参考信息。
本发明提供的基于用户赋权的多维信用体系实时计算的系统的一个实施例中,分布式数据库平台进一步包括:负载均衡器,用于在缓存系统根据用户查询目标客户的交易参考信息的请求查询自身存储的近期被浏览过的客户的当前交易参考信息,且未查询到目标客户的当前交易参考信息时,选择用于查询的从数据库。
本发明的另一个方面提供了一种基于用户赋权的多维信用体系实时计算的方法,该方法包括:分解待处理的日志处理任务,生成多个日志处理子任务;并发地处理日志处理子任务;根据用户或客户的历史交易参考信息和并发处理的多任务处理结果进行合并,生成交易行为信息;根据交易行为信息进行多维计算,获得用户或客户的当前交易参考信息;接收当前交易参考信息,并向分布式数据库平台发送当前交易参考信息。
本发明提供的基于用户赋权的多维信用体系实时计算的方法的一个实施例中,分解待处理的日志处理任务,生成多个日志处理子任务进一步包括:对保存行为日志的从属计算机节点和存储路径进行记录;从从属计算机节点中选取空闲或负载较低的从属计算机节点,以及被选取的从属计算机节点将日志处理任务分解,生成多个日志处理子任务。
本发明提供的基于用户赋权的多维信用体系实时计算的方法的一个实施例中,根据用户或客户的历史交易参考信息和并发处理的多任务处理结果进行合并,生成交易行为信息进一步包括:对保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点进行选取;由保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点根据多任务处理结果和历史交易参考信息进行合并,生成用户或客户的交易行为信息。
本发明提供的基于用户赋权的多维信用体系实时计算的方法的一个实施例中,该方法还包括:在分解待处理的日志处理任务之前,采集用户或客户的行为日志,并根据行为日志形成待处理的日志处理任务。
本发明提供的基于用户赋权的多维信用体系实时计算的方法的一个实施例中,方法进一步包括:从日志处理子任务中提取交易相关信息得到多任务处理结果。
本发明提供的基于用户赋权的多维信用体系实时计算的方法的一个实施例中,根据交易行为信息进行多维计算,获得用户或客户的当前交易参考信息进一步包括:从交易行为信息中获取相应的交易评价信息;判断用户和客户双方的评价信息的有效性;在评价信息有效时,检测评价信息对应的交易过程信息是否存在异常;在交易正常时,根据相应的交易评价信息和历史交易参考信息提取用户和客户的多维概况信息;根据多维概况信息中各个概况信息的权重计算用户和客户在完成交易中各自获得的积分;以及根据积分,调整并更新用户和客户的交易参考信息,以及类目的交易参考信息。
本发明提供的基于用户赋权的多维信用体系实时计算的方法的一个实施例中,该方法还包括:在向分布式数据库平台发送当前交易参考信息之后,分布式数据库平台接收并存储分布式日志处理平台发送的当前交易参考信息。
本发明提供的基于用户赋权的多维信用体系实时计算的方法的一个实施例中,分布式数据库平台接收并存储分布式日志处理平台发送的当前交易参考信息进一步包括:分布式数据库平台将分布式日志处理平台发送当前交易参考信息存储在分布式数据库平台的主数据库中,并由主数据库同步更新分布式数据库平台的从数据库中相应的交易参考信息;分布式数据库平台中的缓存系统在接收到用户查询目标客户的交易参考信息的请求后,查询缓存系统中存储的近期被浏览过的客户的当前交易参考信息,或者向从数据库查询目标客户的交易参考信息。
本发明的一个方面提供了一种基于用户赋权的多维信用体系实时计算的系统,该系统包括:任务分解模块,用于分解待处理的日志处理任务,生成多个日志处理子任务;任务并发处理模块,用于并发地处理日志处理子任务;交易行为信息生成模块,用于根据用户或客户的历史交易参考信息和并发处理的多任务处理结果进行合并,生成交易行为信息;交易参考信息生成模块,用于根据交易行为信息进行多维计算,获得用户或客户的当前交易参考信息;交易参考信息转发模块,用于接收当前交易参考信息,并向分布式数据库平台发送当前交易参考信息。
本发明提供的基于用户赋权的多维信用体系实时计算的系统的一个实施例中,任务分解模块进一步包括:记录子模块,用于对保存行为日志的从属计算机节点和存储路径进行记录,计算机节点子模块,用于从从属计算机节点中选取空闲或负载较低的从属计算机节点,以及被选取的从属计算机节点将日志处理任务分解,生成多个日志处理子任务。
本发明提供的基于用户赋权的多维信用体系实时计算的系统的一个实施例中,任务并发处理模块进一步包括:信息提取模块,用于从日志处理子任务中提取交易相关信息得到多任务处理结果。
本发明提供的基于用户赋权的多维信用体系实时计算的系统的一个实施例中,交易行为信息生成模块进一步包括:计算机节点选取子模块,用于对保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点进行选取;信息合并子模块,用于由保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点根据多任务处理结果和历史交易参考信息进行合并,生成用户或客户的交易行为信息。
本发明提供的基于用户赋权的多维信用体系实时计算的系统的一个实施例中,该系统还包括:日志采集模块,用于采集用户或客户的行为日志,并根据行为日志形成待处理的日志处理任务。
本发明提供的基于用户赋权的多维信用体系实时计算的系统的一个实施例中,交易参考信息生成模块进一步包括:交易评价信息获取子模块,用于从交易行为信息中获取相应的交易评价信息;有效性判断子模块,用于判断用户和客户双方的评价信息的有效性;异常检测子模块,用于在评价信息有效时,检测评价信息对应的交易过程信息是否存在异常;多维概况信息提取子模块,用于在交易正常时,根据相应的交易评价信息和历史交易参考信息提取用户和客户的多维概况信息;计算子模块,用于根据多维概况信息中各个概况信息的权重计算用户和客户在完成交易中各自获得的积分;以及信息调整模块,用于根据积分,调整并更新用户和客户的交易参考信息,以及类目的交易参考信息。
本发明提供一种基于用户赋权的多维信用体系实时计算的方法及系统,通过分布式日志处理平台并发地处理行为日志信息,挖掘用户或客户的多维度概况信息,合并生成用户或客户的交易行为信息,并由多维计算平台根据交易行为信息计算出当前的交易参考信息;这种分布式的日志信息处理过程,具有良好的扩展性,针对海量数据进行分布式并行处理,其计算周期可实现数量级规模的递减,解决了当前交易平台日志数据海量激增以及挖掘多维度信息造成的不能实时提供交易参考信息的技术问题,有利于为用户提供更加准确可信的交易参考信息。
附图说明
图1示出本发明实施例提供的一种基于用户赋权的多维信用体系实时计算的方法的流程图;
图2示出本发明提供的基于用户赋权的多维信用体系实时计算的方法的另一个实施例的结构示意图;
图3示出本发明提供的基于用户赋权的多维信用体系实时计算的方法的另一个实施例的结构示意图;
图4示出本发明提供的基于用户赋权的多维信用体系实时计算的方法的另一个实施例的结构示意图;
图5示出本发明实施例提供的一种基于用户赋权的多维信用体系实时计算的系统的结构示意图;
图6示出本发明提供的基于用户赋权的多维信用体系实时计算的系统的另一个实施例的结构示意图;
图7示出本发明提供的基于用户赋权的多维信用体系实时计算的系统的另一个实施例的结构示意图;
图8示出本发明提供的基于用户赋权的多维信用体系实时计算的系统的另一个实施例的结构示意图;
图9示出本发明具体实施方式提供的一种基于用户赋权的多维信用体系实时计算的系统的结构示意图;
图10示出本发明提供的基于用户赋权的多维信用体系实时计算的系统的另一个具体实施方式的结构示意图;
图11示出本发明提供的基于用户赋权的多维信用体系实时计算的系统的另一个具体实施方式的结构示意图;
图12示出本发明提供的基于用户赋权的多维信用体系实时计算的系统的另一个具体实施方式的结构示意图;
图13示出本发明具体实施方式提供的一种基于用户赋权的多维信用体系实时计算的方法的流程图;
图14示出本发明提供的基于用户赋权的多维信用体系实时计算的方法的另一个具体实施方式的结构示意图;
图15示出本发明提供的基于用户赋权的多维信用体系实时计算的方法的另一个具体实施方式的结构示意图;
图16示出本发明提供的基于用户赋权的多维信用体系实时计算的方法的另一个具体实施方式的结构示意图。
具体实施方式
下面参照附图对本发明进行更全面的描述,其中说明本发明的示例性实施例。
图1示出本发明实施例提供的一种基于用户赋权的多维信用体系实时计算的方法的流程图。
如图1所示,基于用户赋权的多维信用体系实时计算的方法流程100包括步骤102,分解待处理的日志处理任务,生成多个日志处理子任务。例如,针对当前交易平台行为日志的海量数据,为实现对日志处理任务的实时性,需要对待处理的日志处理任务进行任务分解;具体来说,可以根据日志处理任务的数据量的大小进行任务的分解与分配,一般以500M为一个任务单位且可以根据具体情况进行调整。
步骤104,并发地处理日志处理子任务。例如,可以采用计算机集群并发地处理分解后的多个日志处理子任务,并从日志处理子任务中提取交易相关信息,信息项目包括但不限于“用户购买的路径”、“用户评价”、类目信息”、“价格”等。
步骤106,根据用户或客户的历史交易参考信息和并发处理的多任务处理结果进行合并,生成交易行为信息。例如,在并发处理多个日志处理子任务的同时或之后,获取用户或客户的历史交易参考信息(例如用户或客户的历史概况信息,包括但不限于用户历史的活跃度、用户或客户的历史信用级别);随后根据并发处理的多任务处理结果和读取的历史交易参考信息进行合并,用以形成用户或客户的交易行为信息(例如但不限于对前述日志中提取的交易相关信息和历史交易参考信息中各个项目信息的合并,也可以根据实际需要选取其中较为重要的信息进行合并)。
步骤108,根据交易行为信息进行多维计算,获得用户或客户的当前交易参考信息。例如,根前述获得的交易行为信息(如交易评价信息、历史交易参考信息等),从中提取用户和客户的多维概况信息;该多维概况信息从多个维度来表征用户或客户历史和当前的多种信息,具体可以包括:用户的评价、点评,及其与该用户的历史打分情况的对比,交易相关的因素如价格、类目,客户历史的活跃度、用户和客户的历史信息(包括但不限于:历史订单、历史信用级别、历史评价打分情况、历史政策遵守度(是否作弊)、历史的活跃度)等;根据多维概况信息中各个概况信息的权重计算用户和客户在完成交易中各自获得的积分,如利用多维概况信息中各个概况信息乘以各个因素对应的权重因子;而权重因子可以通过对用户和客户在网络交易平台的已有数据进行统计分析获得,具体来说,可以抽取不同信用级别的用户和客户信息,统计不同级别对应的各个概况信息的总分,分析不同维度因素在前述概况信息总分中所占的比重;以及根据积分调整用户和客户的当前交易参考信息,以及类目的交易参考信息。
步骤110,接收当前交易参考信息,并向分布式数据库平台发送当前交易参考信息。例如,在完成对所述交易行为信息的多维计算后,将当前交易参考信息发送给分布式数据库平台。
本发明提供的基于用户赋权的多维信用体系实时计算的方法的一个实施例中,在分解待处理的日志处理任务之前,采集用户或客户的行为日志,并根据行为日志形成待处理的日志处理任务。
本发明提供的基于用户赋权的多维信用体系实时计算的方法的一个实施例中,在向分布式数据库平台发送当前交易参考信息之后,分布式数据库平台接收并存储分布式日志处理平台发送的当前交易参考信息。用户在网络交易平台上浏览客户的交易参考信息时,可以通过接口界面向多维度实时计算的系统发起请求,并由该分布式数据库平台实时地向用户呈现目标客户的交易参考信息。
本发明提供的基于用户赋权的多维信用体系实时计算的方法,通过并发地处理行为日志信息,挖掘用户或客户的多维度概况信息,合并生成用户或客户的交易行为信息,并根据交易行为信息计算出当前的交易参考信息,解决了当前交易平台日志数据海量激增以及挖掘多维度信息造成的不能实时提供交易参考信息的技术问题,从而有利于为用户提供更加准确可信的交易参考信息。
图2示出本发明提供的基于用户赋权的多维信用体系实时计算的方法的另一个实施例的结构示意图。
如图2所示,基于用户赋权的多维信用体系实时计算的方法200包括:步骤202,对保存行为日志的从属计算机节点和存储路径进行记录。例如,由中心服务器和多个从属计算机节点构成的计算机集群,其具体实现形式可以是由一定数量的普通计算机组成集群来提供分析处理等计算服务(如1台master机器,20台slave机器,通过组合廉价的普通计算机来达到昂贵的高性能计算机的处理能力;优选地,还可以包括master机器的备份机)。中心服务器master负责协调各从属计算机节点slave,用户的行为日志信息是并发的存储在整个计算机集群中的几台从属计算机节点(如某三台机器)上的,中心服务器可以只记录行为日志所存储的三台机器(如从属计算机节点的ID编号)及其路径。
步骤203,从从属计算机节点中选取空闲或负载较低的从属计算机节点,以及被选取的从属计算机节点将日志处理任务分解,生成多个日志处理子任务。例如,在进行任务分配时,中心服务器可以从行为日志对应的从属计算机节点中选出空闲或负载较低的机器(如某三台机器中空闲或负载最低的机器),用以将日志处理任务分解成多个日志处理子任务(map过程);可以根据日志处理任务的数据量的大小进行任务的分解,一般以500M为一个任务单位且可以根据具体情况进行调整;如果日志处理任务过大,则可以把该任务分配给别的从属计算机节点的机器进行任务分解。
随后执行的步骤204-210可以分别执行与图1所示的步骤104-110相同或相似的技术内容,为简洁起见,这里不再赘述其技术内容。
本发明提供的基于用户赋权的多维信用体系实时计算的方法,其中采用中心服务器和从属计算机节点构成的计算机集群,中心服务器负责任务的分配与协调,由从属计算机节点具体承担任务的分解,在从属计算机节点完成日志处理子任务的并行处理,从属计算机节点都可以不把结果数据信息返回给中央服务器,而可以只在完成后向中央服务器发送完成通知,并告知中央服务器相关的数据信息的存储位置。当需要用到相关数据信息时,先通过中央服务器查询信息存储的路径,再直接去相应的从属计算机节点去读取,从而有利于减少计算机之间频繁的数据交互和输入输出的数据量,提高行为日志信息处理的实时性。本领域技术人员根据本发明的教导可以清楚地知晓,这种分布式的日志信息处理过程具有良好的扩展性,针对海量数据进行分布式并行处理,其计算周期可实现数量级规模的递减,解决了当前交易平台日志数据海量激增以及挖掘多维度信息造成的不能实时提供交易参考信息的技术问题,有利于为用户提供更加准确可信的交易参考信息。
图3示出本发明提供的基于用户赋权的多维信用体系实时计算的方法的另一个实施例的结构示意图。
如图3所示,基于用户赋权的多维信用体系实时计算的方法300包括:步骤302、303、304、306、307、308、310,其中步骤302、303、304、308、310可以分别执行与图2所示的步骤202、203、204、208、210相同或相似的技术内容,为简洁起见,这里不再赘述其技术内容。
如图3所示,基于用户赋权的多维信用体系实时计算的方法300包括:在步骤304之后,执行步骤306,即对保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点进行选取。例如,由计算机集群中的中心服务器对保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点进行选取。
步骤307,由保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点根据多任务处理结果和历史交易参考信息进行合并,生成用户或客户的交易行为信息。例如,从属计算机节点在根据并发处理的多任务处理结果和历史交易参考信息进行交易行为信息的合并时,由中央服务器选取尽量靠近存储中间文件的从属计算机节点的计算机进行合并(根据Reduce方法对分解后的多任务处理结果进行合并),如选取保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点,由所选取的从属计算机节点进行信息合并以形成用户或客户的交易行为信息,并将合并后的文件存储在某几台机器的特定位置。随后可以由相应的机器向中心服务器发送交易行为信息存储位置的通知。
本发明提供的基于用户赋权的多维信用体系实时计算的方法,其中分布式日志处理平台采用中心服务器和从属计算机节点构成的计算机集群,中心服务器负责任务的分配与协调,由从属计算机节点具体承担任务的分解、并发处理与信息合并,在从属计算机节点完成日志处理子任务的并行处理以及交易行为信息的合并后,从属计算机节点都可以不把结果数据信息返回给中央服务器,而可以只在完成后向中央服务器发送完成通知,并告知中央服务器相关的数据信息的存储位置。当需要用到相关数据信息时,分布式日志处理平台先通过中央服务器查询信息存储的路径,再直接去相应的从属计算机节点去读取,从而有利于减少计算机之间频繁的数据交互和输入输出的数据量,提高行为日志信息处理的实时性。本领域技术人员根据本发明的教导可以清楚地知晓,这种分布式的日志信息处理过程具有良好的扩展性,针对海量数据进行分布式并行处理,其计算周期可实现数量级规模的递减,解决了当前交易平台日志数据海量激增以及挖掘多维度信息造成的不能实时提供交易参考信息的技术问题,有利于为用户提供更加准确可信的交易参考信息。
图4示出本发明提供的基于用户赋权的多维信用体系实时计算的方法的另一个实施例的结构示意图。
如图4所示,基于用户赋权的多维信用体系实时计算的方法流程400包括:步骤402-406、4080-4085、410,其中步骤402-406、410可以分别执行与图1所示的步骤102-106、110相同或相似的技术内容,为简洁起见,这里不再赘述其技术内容。
如图4所示,在步骤406之后,执行步骤4080,从交易行为信息中获取相应的交易评价信息。例如,在交易平台完成的每一笔交易,由平台生成对应的交易行为信息,根据接收到的交易行为信息后,从该交易行为信息中获取有关该交易的信息。
步骤4081,判断用户和客户双方的评价信息的有效性。如果评价信息有效,则执行步骤4082;否则,直接退出。例如,判断用户和客户双方评价是否有效(如评价是否被删除、评价是否生效等),对无效或不合法的评价则直接退出交易参考信息的多维计算。
步骤4082,检测评价信息对应的交易过程信息是否存在异常。如果存在异常,直接退出;否则,执行步骤4083。例如,依据交易行为信息中提取的交易评价信息等信息,检测该交易是否属于异常交易(如同IP同cookie的自我购买交易,用户和客户之间多次互相购买的炒作交易等),对属于异常交易的直接退出交易参考信息的多维计算。
步骤4083,根据相应的交易评价信息和历史交易参考信息提取用户和客户的多维概况信息。例如,根据该交易行为信息(如交易评价信息、历史交易参考信息等)中提取用户和客户的多维概况信息,该多维概况信息从多个维度来表征用户或客户历史和当前的多种信息,具体可以包括:用户的评价(交易评价信息)、点评,及其与该用户的历史打分情况的对比,交易相关的因素如价格、类目,客户历史的活跃度、用户和客户的历史信息(包括但不限于:历史订单、历史信用级别、历史评价打分情况、历史政策遵守度(是否作弊)、历史的活跃度)等。本领域技术人员根据本发明的教导可以知晓,根据实际技术方案的需要可以选择从交易行为信息中获取其中较为重要的信息的组合。
步骤4084,根据多维概况信息中各个概况信息的权重计算用户和客户在完成交易中各自获得的积分。例如,根据多维概况信息中各个概况信息的权重计算用户和客户在完成交易中各自获得的积分,例如利用多维概况信息中各个概况信息乘以各个因素对应的权重因子;而权重因子可以通过对用户和客户在网络交易平台的已有数据进行统计分析获得,具体来说可以抽取不同信用级别的用户和客户信息,统计不同级别对应的各个概况信息的总分,分析不同维度因素在前述概况信息总分中所占的比重。以正常交易获取用户和客户双方的历史信用信息、平台活跃度、类目权威度、双方对该笔交易的认可程度、该笔交易的价格权重等信息为例,各因素乘以事先统计计算出的权重因子(如价格在该笔交易中的因子为0.3,双方认可程度的因子为0.2,平台活跃度的因子为0.1,类目权威度的因子为0.1,双方历史信用级别的因子为0.2,这些因子都是跟买卖双方相关的一个因子,由分布式日志处理平台综合平台情况和双方的历史数据得出,同时该笔交易也会影响下一次双方计算信用分的因子,从而形成一个正反馈)。
步骤4085,根据积分,调整并更新用户和客户的交易参考信息,以及类目的交易参考信息。例如,根据计算获得的积分,对用户和客户双方的交易参考信息进行调整,对应地调整该用户或客户在某类目下的类目交易参考信息。对于网络交易平台,还可以根据用户和客户的交易参考信息更新相应的排名或等级展示,以及更新分布式数据库平台中的信用参考信息、各因素的权重因子,以便为用户查询所进行的下一次计算做准备。
本发明提供的多维度实时计算的方法,通过并发地处理行为日志信息,挖掘用户或客户的多维度概况信息,合并生成用户或客户的交易行为信息,并根据交易行为信息计算出当前的交易参考信息,解决了海量日志、多维度数据的实时计算问题,从而实时地反馈客户的最新信用状态。
图5示出本发明实施例提供的一种基于用户赋权的多维信用体系实时计算的系统的结构示意图。
如图5所示,一种基于用户赋权的多维信用体系实时计算的系统500包括:任务分解模块502、任务并发处理模块504、交易行为信息生成模块506、交易参考信息生成模块508和交易参考信息转发模块510。
其中,任务分解模块502,用于分解待处理的日志处理任务,生成多个日志处理子任务。例如,针对当前交易平台行为日志的海量数据,为实现对日志处理任务的实时性,需要对待处理的日志处理任务进行任务分解;具体来说,任务分解模块502可以根据日志处理任务的数据量的大小进行任务的分解与分配,一般以500M为一个任务单位且可以根据具体情况进行调整。
任务并发处理模块504,用于并发地处理日志处理子任务。例如,任务并发处理模块504可以采用计算机集群并发地处理分解后的多个日志处理子任务,并从日志处理子任务中提取交易相关信息,信息项目包括但不限于“用户购买的路径”、“用户评价”、类目信息”、“价格”等。
交易行为信息生成模块506,用于根据用户或客户的历史交易参考信息和并发处理的多任务处理结果进行合并,生成交易行为信息。例如,在任务并发处理模块504并发处理多个日志处理子任务的同时或之后,交易行为信息生成模块506获取用户或客户的历史交易参考信息(例如用户或客户的历史概况信息,包括但不限于用户历史的活跃度、用户或客户的历史信用级别);随后根据并发处理的多任务处理结果和读取的历史交易参考信息进行合并,用以形成用户或客户的交易行为信息(例如但不限于对前述日志中提取的交易相关信息和历史交易参考信息中各个项目信息的合并,也可以根据实际需要选取其中较为重要的信息进行合并)。
交易参考信息生成模块508,用于根据交易行为信息进行多维计算,获得用户或客户的当前交易参考信息。例如,根前述交易行为信息生成模块506获得的交易行为信息(如交易评价信息、历史交易参考信息等),交易参考信息生成模块508从中提取用户和客户的多维概况信息;该多维概况信息从多个维度来表征用户或客户历史和当前的多种信息,具体可以包括:用户的评价、点评,及其与该用户的历史打分情况的对比,交易相关的因素如价格、类目,客户历史的活跃度、用户和客户的历史信息(包括但不限于:历史订单、历史信用级别、历史评价打分情况、历史政策遵守度(是否作弊)、历史的活跃度)等;根据多维概况信息中各个概况信息的权重计算用户和客户在完成交易中各自获得的积分,如利用多维概况信息中各个概况信息乘以各个因素对应的权重因子;而权重因子可以通过对用户和客户在网络交易平台的已有数据进行统计分析获得,具体来说,可以抽取不同信用级别的用户和客户信息,统计不同级别对应的各个概况信息的总分,分析不同维度因素在前述概况信息总分中所占的比重;以及根据积分调整用户和客户的当前交易参考信息,以及类目的交易参考信息。
交易参考信息转发模块510,用于接收当前交易参考信息,并向分布式数据库平台发送当前交易参考信息。例如,在交易参考信息生成模块508完成对所述交易行为信息的多维计算后,交易参考信息转发模块510将当前交易参考信息发送给分布式数据库平台。
本发明提供的基于用户赋权的多维信用体系实时计算的系统的一个实施例中,任务并发处理模块进一步包括:日志采集模块,用于采集用户或客户的行为日志,并根据行为日志形成待处理的日志处理任务。
本发明提供的基于用户赋权的多维信用体系实时计算的系统的一个实施例中,该系统进一步包括:信息提取模块,用于从日志处理子任务中提取交易相关信息得到多任务处理结果。
图6示出本发明提供的基于用户赋权的多维信用体系实时计算的系统的另一个实施例的结构示意图。
如图6所示,基于用户赋权的多维信用体系实时计算的系统600包括:任务分解模块602、任务并发处理模块604、交易行为信息生成模块606、交易参考信息生成模块608和交易参考信息转发模块610,其中任务并发处理模块604、交易行为信息生成模块606、交易参考信息生成模块608和交易参考信息转发模块610可以分别具有与图5所示的任务并发处理模块504、交易行为信息生成模块506、交易参考信息生成模块508和交易参考信息转发模块510具有相同或相似的结构,为简洁起见,这里不再赘述其技术内容。
如图6所示,任务分解模块602进一步包括:记录子模块6020和计算机节点子模块6021。
其中,记录子模块6020,用于对保存行为日志的从属计算机节点和存储路径进行记录。例如,任务分解模块602可以由中心服务器和多个从属计算机节点构成的计算机集群,其具体实现形式可以是由一定数量的普通计算机组成集群来提供分析处理等计算服务(如1台master机器,20台slave机器,通过组合廉价的普通计算机来达到昂贵的高性能计算机的处理能力;优选地,还可以包括master机器的备份机)。记录子模块6020可以是中心服务器master负责协调各从属计算机节点slave,用户的行为日志信息是并发的存储在整个计算机集群中的几台从属计算机节点(如某三台机器)上的,中心服务器可以只记录行为日志所存储的三台机器(如从属计算机节点的ID编号)及其路径。
计算机节点子模块6021,用于从从属计算机节点中选取空闲或负载较低的从属计算机节点,以及被选取的从属计算机节点将日志处理任务分解,生成多个日志处理子任务。例如,在进行任务分配时,中心服务器可以从计算机节点子模块6021中,如行为日志对应的从属计算机节点中选出空闲或负载较低的机器(如某三台机器中空闲或负载最低的机器),用以将日志处理任务分解成多个日志处理子任务(map过程);可以根据日志处理任务的数据量的大小进行任务的分解,一般以500M为一个任务单位且可以根据具体情况进行调整;如果日志处理任务过大,则可以把该任务分配给别的从属计算机节点的机器进行任务分解。
图7示出本发明提供的基于用户赋权的多维信用体系实时计算的系统的另一个实施例的结构示意图。
如图7所示,基于用户赋权的多维信用体系实时计算的系统700包括:任务分解模块702、任务并发处理模块704、交易行为信息生成模块706、交易参考信息生成模块708和交易参考信息转发模块710,其中任务分解模块702、任务并发处理模块704、交易参考信息生成模块708和交易参考信息转发模块710可以分别具有与图5所示的任务分解模块502、任务并发处理模块504、交易参考信息生成模块508和交易参考信息转发模块510具有相同或相似的结构,为简洁起见,这里不再赘述其技术内容。
如图7所示,交易行为信息生成模块706进一步包括:计算机节点选取子模块7060和信息合并子模块7061。
计算机节点选取子模块7060,用于对保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点进行选取。例如,计算机节点选取子模块7060可以是计算机集群中的中心服务器,用于对保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点进行选取。
信息合并子模块7061,用于由保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点根据多任务处理结果和历史交易参考信息进行合并,生成用户或客户的交易行为信息。例如,信息合并子模块7061中的从属计算机节点在根据并发处理的多任务处理结果和历史交易参考信息进行交易行为信息的合并时,由中央服务器选取尽量靠近存储中间文件的从属计算机节点的计算机进行合并(根据Reduce方法对分解后的多任务处理结果进行合并),如选取保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点,由所选取的从属计算机节点进行信息合并以形成用户或客户的交易行为信息,并将合并后的文件存储在某几台机器的特定位置。随后可以由相应的机器向中心服务器发送交易行为信息存储位置的通知。
图8示出本发明提供的基于用户赋权的多维信用体系实时计算的系统的另一个实施例的结构示意图。
如图8所示,基于用户赋权的多维信用体系实时计算的系统700包括:任务分解模块802、任务并发处理模块804、交易行为信息生成模块806、交易参考信息生成模块808和交易参考信息转发模块810,其中任务分解模块802、任务并发处理模块804、交易行为信息生成模块806和交易参考信息转发模块810可以分别具有与图5所示的任务分解模块502、任务并发处理模块504、交易行为信息生成模块506和交易参考信息转发模块510具有相同或相似的结构,为简洁起见,这里不再赘述其技术内容。
如图8所示,交易参考信息生成模块808进一步包括:交易评价信息获取子模块8080、有效性判断子模块8081、异常检测子模块8082、多维概况信息提取子模块8083、计算子模块8084和信息调整模块8085。
其中,交易评价信息获取子模块8080,用于从交易行为信息中获取相应的交易评价信息。例如,在交易平台完成的每一笔交易,由交易评价信息获取子模块8080生成对应的交易行为信息,根据接收到的交易行为信息后,从该交易行为信息中获取有关该交易的信息。
有效性判断子模块8081,用于判断用户和客户双方的评价信息的有效性。例如,有效性判断子模块8081判断用户和客户双方的评价信息是否有效(如评价是否被删除、评价是否生效等),对无效或不合法的评价则直接退出交易参考信息的多维计算。
异常检测子模块8082,用于在评价信息有效时,检测评价信息对应的交易过程信息是否存在异常。例如,依据交易行为信息中提取的交易评价信息等信息,异常检测子模块8082检测该交易是否属于异常交易(如同IP同cookie的自我购买交易,用户和客户之间多次互相购买的炒作交易等),对属于异常交易的直接退出交易参考信息的多维计算。
多维概况信息提取子模块8083,用于在交易正常时,根据相应的交易评价信息和历史交易参考信息提取用户和客户的多维概况信息。例如,根据该交易行为信息(如交易评价信息、历史交易参考信息等)中提取用户和客户的多维概况信息,该多维概况信息从多个维度来表征用户或客户历史和当前的多种信息,具体可以包括:用户的评价(交易评价信息)、点评,及其与该用户的历史打分情况的对比,交易相关的因素如价格、类目,客户历史的活跃度、用户和客户的历史信息(包括但不限于:历史订单、历史信用级别、历史评价打分情况、历史政策遵守度(是否作弊)、历史的活跃度)等。本领域技术人员根据本发明的教导可以知晓,根据实际技术方案的需要可以选择从交易行为信息中获取其中较为重要的信息的组合。
计算子模块8084,用于根据多维概况信息中各个概况信息的权重计算用户和客户在完成交易中各自获得的积分。例如,根据多维概况信息中各个概况信息的权重,计算子模块8084计算用户和客户在完成交易中各自获得的积分,例如利用多维概况信息中各个概况信息乘以各个因素对应的权重因子;而权重因子可以通过对用户和客户在网络交易平台的已有数据进行统计分析获得,具体来说可以抽取不同信用级别的用户和客户信息,统计不同级别对应的各个概况信息的总分,分析不同维度因素在前述概况信息总分中所占的比重。以正常交易获取用户和客户双方的历史信用信息、平台活跃度、类目权威度、双方对该笔交易的认可程度、该笔交易的价格权重等信息为例,各因素乘以事先统计计算出的权重因子(如价格在该笔交易中的因子为0.3,双方认可程度的因子为0.2,平台活跃度的因子为0.1,类目权威度的因子为0.1,双方历史信用级别的因子为0.2,这些因子都是跟买卖双方相关的一个因子,由分布式日志处理平台综合平台情况和双方的历史数据得出,同时该笔交易也会影响下一次双方计算信用分的因子,从而形成一个正反馈)。
信息调整模块8085,用于根据积分,调整并更新用户和客户的交易参考信息,以及类目的交易参考信息。例如,根据计算获得的积分,信息调整模块8085对用户和客户双方的交易参考信息进行调整,对应地调整该用户或客户在某类目下的类目交易参考信息。对于网络交易平台,还可以根据用户和客户的交易参考信息更新相应的排名或等级展示,以及更新分布式数据库平台中的信用参考信息、各因素的权重因子,以便为用户查询所进行的下一次计算做准备。
本发明提供的多维度实时计算的系统,通过并发地处理行为日志信息,挖掘用户或客户的多维度概况信息,合并生成用户或客户的交易行为信息,并根据交易行为信息计算出当前的交易参考信息,解决了海量日志、多维度数据的实时计算问题,从而实时地反馈客户的最新信用状态。
图9示出本发明具体实施方式提供的一种基于用户赋权的多维信用体系实时计算的系统的结构示意图。
如图9所示,一种基于用户赋权的多维信用体系实时计算的系统900包括:分布式日志处理平台902、多维计算平台904、分布式数据库平台906。
其中,分布式日志处理平台902,包括由多台计算机组成的计算机集群,用于采集用户或客户的行为日志,根据行为日志形成待处理的日志处理任务,将日志处理任务分解成多个日志处理子任务,由计算机集群并发地处理日志处理子任务,从分布式数据库平台906读取用户或客户的历史交易参考信息,根据并发处理的多任务处理结果和历史交易参考信息进行合并,用以形成用户或客户的交易行为信息,并向多维计算平台904发送交易行为信息,以及接收多维计算平台904返回的当前交易参考信息,并向分布式数据库平台906发送当前交易参考信息。
本发明中所提及的“用户”代表在网络交易平台浏览商品或服务等相关信息的潜在买家,或购买相关商品或服务的买家;“客户”代表在网络交易平台发布商品或服务等相关信息的潜在卖家,或提供相关商品或服务的卖家;“交易参考信息”包括用户交易参考信息、客户交易参考信息(具体来说,还可以涉及在各种商品或服务类目下的用户交易参考信息、客户交易参考信息),通过引入多维因素(如认证情况、交易情况、用户评论、交易评价、活跃度、类目经营情况、奖惩以及权重因子等要素)而实时计算的分值或展示的等级等信息,用来表征用户或客户在执行交易过程中展现出来的诚信度或可信度。
具体来说,用户在网络交易平台上执行下订单完成交易、发表评论或对客户进行评价等操作行为910,或者客户在网络交易平台完成交易、交易评价等操作行为(908a,908b)后;每一次提交的请求都会产生一份行为日志;分布式日志处理平台902采集用户或客户的各种类型的操作所产生的行为日志,并根据收集到的行为日志形成待处理的日志处理任务(如利用堆栈等缓存技术)。为实现对日志处理任务的实时性,分布式日志处理平台902需要对待处理的日志处理任务进行任务分解,例如根据日志处理任务的数据量的大小进行任务分解与分配,一般以500M为一个任务单位且可以根据具体情况进行调整;由计算机集群并发地处理分解后的日志处理任务(即多个日志处理子任务),从日志处理子任务中提取交易相关信息,信息项目包括但不限于“用户购买的路径”、“用户评价”、类目信息”、“价格”等;在计算机集群中的计算机节点并发处理多个日志处理子任务的同时或之后,分布式日志处理路平台902从分布式数据库平台906中读取用户或客户的历史交易参考信息(例如用户或客户的历史概况信息,包括但不限于用户历史的活跃度、用户或客户的历史信用级别);随后分布式日志处理平台902中的计算机集群对其并发处理的多任务处理结果和读取的历史交易参考信息进行合并,用以形成用户或客户的交易行为信息(例如但不限于对前述日志中提取的交易相关信息和历史交易参考信息中各个项目信息的合并,也可以根据实际需要选取其中较为重要的信息进行合并),并将该交易行为信息输出为一个文件发送给多维计算平台904;以及在多维计算平台904完成对所述交易行为信息的多维计算后,分布式日志处理平台902接收多维计算平台904返回的当前交易参考信息,并向分布式数据库平台906发送该当前交易参考信息,由分布式数据库平台906进行交易参考信息的更新与保存。
多维计算平台904,用于接收分布式日志处理平台902发送的交易行为信息,根据交易行为信息进行多维计算,获得用户或客户的当前交易参考信息,并将当前交易参考信息返回分布式日志处理平台902。具体来说,多维计算平台904接收分布式日志处理平台902发送的交易行为信息,根据该交易行为信息(如交易评价信息、历史交易参考信息等)中提取用户和客户的多维概况信息,例如用户的评价、点评,及其与该用户的历史打分情况的对比,交易相关的因素如价格、类目,客户历史的活跃度、用户和客户的历史信息,包括但不限于:历史订单、历史信用级别、历史评价打分情况、历史政策遵守度(是否作弊)、历史的活跃度等;根据多维概况信息中各个概况信息的权重计算用户和客户在完成交易中各自获得的积分,例如利用多维概况信息中各个概况信息乘以各个因素对应的权重因子;而权重因子可以通过对用户和客户在网络交易平台的已有数据进行统计分析获得,具体来说可以抽取不同信用级别的用户和客户信息,统计不同级别对应的各个概况信息的总分,分析不同维度因素在前述概况信息总分中所占的比重;以及根据积分调整用户和客户的当前交易参考信息,以及类目的交易参考信息,并将当前交易参考信息返回分布式日志处理平台902。
分布式数据库平台906,用于向分布式日志处理平台902发送用户或客户的历史交易参考信息,以及接收并存储分布式日志处理平台902发送的当前交易参考信息;从而实现对所存储的客户的交易参考信息的实时更新。用户在网络交易平台上浏览客户的交易参考信息时,可以通过接口界面912向多维度实时计算的系统发起请求,并由该分布式数据库平台实时地向用户呈现目标客户的交易参考信息。
本发明提供的基于用户赋权的多维信用体系实时计算的系统的一个实施例中,分布式日志处理平台902还用于对客户的作弊行为进行监测分析。也就是说,分布式日志处理平台还负责客户作弊行为的噪音检测等分析工作;具体来说,用户和客户在网络交易平台每一次提交的请求都会产生一份行为日志(如用户下订单、发表评论、给客户评价等),分布式日志处理平台902,并发地统计海量日志中各用户和客户的行为日志信息,从而从海量数据中快速检测出作弊交易;例如噪音检测方法可以包括但不限于:统计用户或客户某天的交易次数是否大幅度异常于其历史平均交易次数,或者客户的某笔交易过程中用户和客户是否存在同IP地址同cookie的情况(同IP地址同cookie可判断为在同一台机器上的操作,从而可判定为自我买卖的虚假交易),或者统计客户当日信用增长率(例如当日信用增长率=当日的信用增长分*100/之前总信用分),如果客户当日信用增长率大于预定阈值如100%,则认为该客户当日交易有作弊嫌疑。
本发明提供的基于用户赋权的多维信用体系实时计算的系统的一个实施例中,分布式日志处理平台902还用于异步触发对当前交易参考信息的更新。具体来说,除了用户和客户进行交易,完成交易评价来触发对交易参考信息的实时计算外,日志处理平台902也可以异步触发对客户交易参考信息的更新;例如评价状态的改变(如客户删除了某个交易的评价,或修改了之前的交易评价),用户发表使用点评,长期不活跃客户的信用衰减,以及对连续信用作弊客户的信用惩罚等行为机制也会形成相应的行为日志,日志处理平台902采集到相关行为日志后分解待处理的日志处理任务,生成多个日志处理子任务,并发地处理日志处理子任务,从分布式数据库平台906读取用户或客户的历史交易参考信息,根据并发处理的多任务处理结果和历史交易参考信息进行合并形成交易行为信息,并向多维计算平台发送交易行为信息;多维计算平台904接收分布式日志处理平台发送的交易行为信息,根据交易行为信息进行多维计算,获得用户或客户的当前交易参考信息,并将当前交易参考信息返回分布式日志处理平台902;分布式日志处理平台902接收多维计算平台904返回的当前交易参考信息,并向分布式数据库平台906发送当前交易参考信息。多维度实时计算的系统通过分布式日志处理平台异步处理行为日志的方式,为实现向用户实时提供交易参考信息提供了灵活的策略调整补充。
本发明提供的基于用户赋权的多维信用体系实时计算的系统,通过分布式日志处理平台并发地处理行为日志信息,挖掘用户或客户的多维度概况信息,合并生成用户或客户的交易行为信息,并由多维计算平台根据交易行为信息计算出当前的交易参考信息,解决了当前交易平台日志数据海量激增以及挖掘多维度信息造成的不能实时提供交易参考信息的技术问题,从而有利于为用户提供更加准确可信的交易参考信息。
图10示出本发明提供的基于用户赋权的多维信用体系实时计算的系统的另一个具体实施方式的结构示意图。
如图10所示,基于用户赋权的多维信用体系实时计算的系统1000包括:分布式日志处理平台1002、多维计算平台1004和分布式数据库平台1006,其中多维计算平台1004和分布式数据库平台1006可以分别具有与图9所示的多维计算平台904和分布式数据库906具有相同或相似的结构,为简洁起见,这里不再赘述其技术内容。
本发明提供的一个实施例中,分布式日志处理平台1002具体可以采用基于hadoop框架(一种分布式文件系统)的分布式计算系统。该分布式计算机系统基于MapReduce的思想,“Map展开”就是将一个任务分解成为多个子任务,“Reduce”就是将分解后多任务处理的结果合并起来,得出最后的分析结果。传统的MapReduce思想一般只用于浏览日志等简单的统计任务,而本发明针对海量日志处理任务,且加入了结合客户多维度历史交易参考信息等大量客户行为的分析,在全面挖掘客户的行为日志的同时实现任务处理的实时性。
如图10所示,分布式日志处理平台1002包括由中心服务器10020和多个从属计算机节点10021构成的计算机集群。分布式日志处理平台1002具体实现形式可以是由一定数量的普通计算机组成集群来提供分析处理等计算服务(如1台master机器,20台slave机器,通过组合廉价的普通计算机来达到昂贵的高性能计算机的处理能力;优选地,还可以包括master机器的备份机)。
其中,中心服务器10020用于对保存行为日志的从属计算机节点及其存储路径进行记录,选取空闲或负载较低的从属计算机节点用以将日志处理任务分解成多个日志处理子任务,对保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点进行选取,用以合并形成用户或客户的交易行为信息;以及接收从属计算机节点返回的交易行为信息存储位置的通知。
从属计算机节点10021,用于保存用户或客户的行为日志,被选取的从属计算机节点将日志处理任务分解成多个日志处理子任务,并发处理日志处理子任务,从分布式数据库平台读取历史交易参考信息,保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点根据并发处理的多任务处理结果和历史交易参考信息进行合并,用以形成用户或客户的交易行为信息;以及向中心服务器发送完成交易行为信息存储位置的通知。
本发明提供的一个实施例中,中心服务器master负责协调各从属计算机节点slave,用户的行为日志信息是并发的存储在整个计算机集群中的几台从属计算机节点(如某三台机器)上的,中心服务器可以只记录行为日志所存储的三台机器(如从属计算机节点的ID编号)及其路径。中心服务器根据采集的行为日志形成待处理的日志处理任务,在进行任务分配时,中心服务器可以从行为日志对应的从属计算机节点中选出空闲或负载较低的机器(如某三台机器中空闲或负载最低的机器),用以将日志处理任务分解成多个日志处理子任务(map过程);如果日志处理任务过大,则可以把该任务分配给别的从属计算机节点的机器。计算机集群中的从属计算机节点可以并发地处理分解后的日志处理子任务,并从分布式数据库平台读取与该次交易有关的用户和客户的历史交易参考信息;从属计算机节点在根据并发处理的多任务处理结果和历史交易参考信息进行交易行为信息的合并,此时由中央服务器选取尽量靠近存储中间文件的从属计算机节点的计算机进行合并(根据Reduce方法对分解后的多任务处理结果进行合并),如选取保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点,由所选取的从属计算机节点进行信息合并以形成用户或客户的交易行为信息,并将合并后的文件存储在某几台机器的特定位置;以及由相应的机器向中心服务器发送交易行为信息存储位置的通知。在从属计算机节点完成日志处理子任务的并行处理以及交易行为信息的合并后,从属计算机节点都可以不把结果数据信息返回给中央服务器,而可以只在完成后向中央服务器发送完成通知,并告知中央服务器相关的数据信息的存储位置。当需要用到相关数据信息时,分布式日志处理平台先通过中央服务器查询信息存储的路径,再直接去相应的从属计算机节点去读取,从而有利于减少计算机之间频繁的数据交互和输入输出的数据量,提高行为日志信息处理的实时性。
本发明提供的基于用户赋权的多维信用体系实时计算的系统,其中分布式日志处理平台采用中心服务器和从属计算机节点构成的计算机集群,中心服务器负责任务的分配与协调,由从属计算机节点具体承担任务的分解、并发处理与信息合并,从而实现了信息的快速处理,较快地对用户行为做出反馈;这种分布式的日志信息处理过程,具有良好的扩展性,针对海量数据进行分布式并行处理,其计算周期可实现数量级规模的递减,解决了当前交易平台日志数据海量激增以及挖掘多维度信息造成的不能实时提供交易参考信息的技术问题,有利于为用户提供更加准确可信的交易参考信息。
图11示出本发明提供的基于用户赋权的多维信用体系实时计算的系统的另一个具体实施方式的结构示意图。
如图11所示,基于用户赋权的多维信用体系实时计算的系统1100包括:分布式日志处理平台1102、多维计算平台1104和分布式数据库平台1106,其中分布式日志处理平台1102和多维计算平台1104可以分别具有与图9所示的分布式日志处理平台902和多维计算平台904具有相同或相似的结构,为简洁起见,这里不再赘述其技术内容。
本发明提供的一个实施例中,分布式数据库平台1106可以是一个基于mySQL主从数据库配置的数据平台;具体实现形式可以采用少量的主数据库加较多数量的从数据库的构架,用以对外提供信息服务。如图11所示,分布式数据库1106包括数据库组(11062a,11062b)和缓存系统11068。其中,每个数据库组,如11062a包括主数据库11064a和多个从数据库(11066a1......11066an),其中n为大于1的整数。
主数据库(11064a,11064b),用于接收并存储分布式日志处理平台1102发送当前交易参考信息,并同步更新从数据库(11066a1......11066an,11066b1......11066bn)中相应的交易参考信息。
从数据库(11066a1......11066an,11066b1......11066bn),用于接收主数据库(11064a,11064b)发送的当前交易参考信息,并更新相应的交易参考信息,以及向用户提供客户的当前交易参考信息。
缓存系统11068,用于存储近期被浏览过的客户的当前交易参考信息,以及在接收到用户查询目标客户的交易参考信息的请求后,查询自身存储的近期被浏览过的客户的当前交易参考信息或者向从数据库(11066a1......11066an,11066b1......11066bn)查询目标客户的交易参考信息。
本发明提供的一个实施例中,分布式日志处理平台1102接收到多维计算平台1104计算出的客户的当前交易参考信息后,将该当前交易参考信息转发给分布式数据库平台1106,以便对分布式数据库平台保存的客户交易参考信息进行更新。具体来说,更新模块通过多线程的方式并发的更新缓存系统和每个数据库组的从数据库。主数据库主要负责交易参考信息的写入和同步更新从数据库,因而其CPU压力会大些,从数据库主要用于数据读取、对外提供查询服务,需要对从数据库进行频繁地读取;因此,优选的,在物理硬件上可以为主数据库配置较好的CPU,针对从数据库的硬盘读取过程可以在其内核上的进行优化调整。进一步地,也可以为从数据库设置与查询相关的多种索引,以便在从数据库中快速定位目标数据信息,加快查询速度。
本发明提供的一个实施例中,缓存系统11068可以采用Memcache缓存系统(一种高性能的分布式的内存对象缓存系统),通过在内存里设置统一的巨型哈希表,能够用来存储各种格式的数据,包括图像、视频、文件以及数据库检索的结果等。用户在交易平台浏览目标客户的交易参考信息时,服务器可以先从Memcache缓存系统中进行查询;如果该缓存系统中存储的“近期被浏览过的客户的当前交易参考信息”中有该目标客户的交易参考信息的记录,那么可以直接通过接口界面1112向用户展示查询的结果;当Memcache缓存系统中存储的“近期被浏览过的客户的当前交易参考信息”无该目标客户的交易参考信息的记录,那么服务器再向数据库组发起查询请求,并从从数据库中读取该目标客户的交易参考信息,并通过接口界面1112向用户展示查询的结果。总体来说,Memcache缓存系统中主要保存最近浏览过的热点客户的交易参考信息,采用Memcache缓存系统缓存近期被浏览过的热点客户的交易参考信息有利于减少频繁的数据库输入/输出,提高系统响应用户浏览的速度。
本发明提供的一个实施例中,缓存系统11068可以在Memcache缓存系统的基础上加入通信接口的封装,使不同语言都能够以二进制方式进行通信,开发人员无需再关注数据格式,免去了繁琐的数据格式封装、转化等工作,确保了数据格式的统一,并有利于加快开发进度。
本发明提供的基于用户赋权的多维信用体系实时计算的系统,由缓存系统来缓存近期浏览的热点客户的信息,主数据库主要负责数据更新的写操作,从数据库负责对外提供读服务,并由主数据库负责主从同步,从而做到读写分离,特别适合互联网平台这种浏览请求(即读操作)远高于提交请求(即写操作)的环境。本发明采用的分布式数据库的方式,通过扩展一定数量的从数据库,对服务压力进行负载分担,系统可承受很高的页面浏览压力,既解决了大量用户的并发请求问题,又解决了客户信息的及时更新问题,从而可为上亿的用户提供浏览查询服务。
图12示出本发明提供的基于用户赋权的多维信用体系实时计算的系统的另一个具体实施方式的结构示意图。
如图12所示,基于用户赋权的多维信用体系实时计算的系统1200包括:分布式日志处理平台1202、多维计算平台1204和分布式数据库平台1206;其中,分布式数据库1206包括数据库组(12062a,12062b)和缓存系统12068;每个数据库组,如12062a包括主数据库12064a和多个从数据库(12066a1......12066an),其中n为大于1的整数。图12所示的分布式日志处理平台1202、多维计算平台1204、数据库组(12062a,12062b)中的主数据库(12064a,12064b)和从数据库(12066a1......12066an,12066b1......12066bn)和缓存系统12068可以分别具有与图11所示的分布式日志处理平台1102、多维计算平台1104、数据库组(11062a,11062b)中的主数据库(11064a,11064b)和从数据库(11066a1......11066an,11066b1......11066bn)和缓存系统11068具有相同或相似的结构,为简洁起见,这里不再赘述其技术内容。
如图12所示,分布式数据库平台1206还包括:负载均衡器12067,用于在缓存系统根据用户查询目标客户的交易参考信息的请求查询自身存储的近期被浏览过的客户的当前交易参考信息,且未查询到目标客户的当前交易参考信息时,选择用于查询的从数据库。
本发明提供的一个实施例中,当Memcache缓存系统12068存储的“近期被浏览过的客户的当前交易参考信息”中无该目标客户的交易参考信息的记录时,即服务器需要向数据库组发起查询,读取目标客户的交易参考信息,负载均衡器12067可以依据数据库组的负载压力以及服务器与数据库组之间的网速等因素来选择数据压力下、两者相距较近(网速快)的数据库组的从数据库进行查询,并把查询结果缓存在Memcache中,同时或随后将该最终查询结果通过接口界面1212呈现给用户。
本发明提供的基于用户赋权的多维信用体系实时计算的系统,在查询缓存系统未获得目标客户的交易参考信息的情况下,通过负载均衡器来选取负载压力小、网速快的数据库组中的从数据库进行信息查询,能够有效地均衡服务器与数据库组的数据通信压力,有利于缓解大量用户的并发请求问题,以实现实时向用户提供交易参考信息的需要。
图13示出本发明实施例提供的一种基于用户赋权的多维信用体系实时计算的方法的流程图。
如图13所示,基于用户赋权的多维信用体系实时计算的方法流程1300包括步骤1302,分布式日志处理平台分解待处理的日志处理任务,生成多个日志处理子任务,并发地处理日志处理子任务,从分布式数据库平台读取用户或客户的历史交易参考信息,根据并发处理的多任务处理结果和历史交易参考信息进行合并形成交易行为信息,并向多维计算平台发送交易行为信息。例如,针对当前交易平台行为日志的海量数据,为实现对日志处理任务的实时性,分布式日志处理平台需要对待处理的日志处理任务进行任务分解;具体来说,可以根据日志处理任务的数据量的大小进行任务的分解与分配,一般以500M为一个任务单位且可以根据具体情况进行调整;由分布式日志处理平台中的计算机集群并发地处理分解后的多个日志处理子任务,并从日志处理子任务中提取交易相关信息,信息项目包括但不限于“用户购买的路径”、“用户评价”、类目信息”、“价格”等;在计算机集群中的计算机节点并发处理多个日志处理子任务的同时或之后,分布式日志处理路平台从分布式数据库平台中读取用户或客户的历史交易参考信息(例如用户或客户的历史概况信息,包括但不限于用户历史的活跃度、用户或客户的历史信用级别);随后分布式日志处理平台中的计算机集群对其并发处理的多任务处理结果和读取的历史交易参考信息进行合并,用以形成用户或客户的交易行为信息(例如但不限于对前述日志中提取的交易相关信息和历史交易参考信息中各个项目信息的合并,也可以根据实际需要选取其中较为重要的信息进行合并),并将该交易行为信息输出为一个文件发送给多维计算平台。
步骤1304,多维计算平台接收分布式日志处理平台发送的交易行为信息,根据交易行为信息进行多维计算,获得用户或客户的当前交易参考信息,并将当前交易参考信息返回分布式日志处理平台。例如,多维计算平台接收到分布式日志处理平台发送的交易行为信息,根据该交易行为信息(如交易评价信息、历史交易参考信息等)中提取用户和客户的多维概况信息,该多维概况信息从多个维度来表征用户或客户历史和当前的多种信息,具体可以包括:用户的评价、点评,及其与该用户的历史打分情况的对比,交易相关的因素如价格、类目,客户历史的活跃度、用户和客户的历史信息(包括但不限于:历史订单、历史信用级别、历史评价打分情况、历史政策遵守度(是否作弊)、历史的活跃度)等;根据多维概况信息中各个概况信息的权重计算用户和客户在完成交易中各自获得的积分,例如利用多维概况信息中各个概况信息乘以各个因素对应的权重因子;而权重因子可以通过对用户和客户在网络交易平台的已有数据进行统计分析获得,具体来说可以抽取不同信用级别的用户和客户信息,统计不同级别对应的各个概况信息的总分,分析不同维度因素在前述概况信息总分中所占的比重;以及根据积分调整用户和客户的当前交易参考信息,以及类目的交易参考信息,并将当前交易参考信息返回分布式日志处理平台。
步骤1306,分布式日志处理平台接收多维计算平台返回的当前交易参考信息,并向分布式数据库平台发送当前交易参考信息。例如,在多维计算平台完成对所述交易行为信息的多维计算后,分布式日志处理平台接收多维计算平台返回的当前交易参考信息,并向分布式数据库平台发送该当前交易参考信息。
本发明提供的基于用户赋权的多维信用体系实时计算的方法的一个实施例中,在分布式日志处理平台分解待处理的日志处理任务之前,分布式日志处理平台采集用户或客户的行为日志,并根据行为日志形成待处理的日志处理任务。
本发明提供的基于用户赋权的多维信用体系实时计算的方法的一个实施例中,在分布式日志处理平台向分布式数据库平台发送当前交易参考信息之后,分布式数据库平台接收并存储分布式日志处理平台发送的当前交易参考信息。用户在网络交易平台上浏览客户的交易参考信息时,可以通过接口界面向多维度实时计算的系统发起请求,并由该分布式数据库平台实时地向用户呈现目标客户的交易参考信息。
本发明提供的基于用户赋权的多维信用体系实时计算的方法的一个实施例中,分布式日志处理平台并发地处理日志处理子任务进一步包括:分布式日志处理平台对客户的作弊行为进行监测分析,也就是说,分布式日志处理平台还负责客户作弊行为的噪音检测等分析工作。具体来说,用户和客户在网络交易平台每一次提交的请求都会产生一份行为日志(如用户下订单、发表评论、给客户评价等),分布式日志处理平台,并发地统计海量日志中各用户和客户的行为日志信息,从而从海量数据中快速检测出作弊交易;例如噪音检测方法可以包括但不限于:统计用户或客户某天的交易次数是否大幅度异常于其历史平均交易次数,或者客户的某笔交易过程中用户和客户是否存在同IP地址同cookie的情况(同IP地址同cookie可判断为在同一台机器上的操作,从而可判定为自我买卖的虚假交易),或者统计客户当日信用增长率(例如当日信用增长率=当日的信用增长分*100/之前总信用分),如果客户当日信用增长率大于预定阈值如100%,则认为该客户当日交易有作弊嫌疑。
本发明提供的基于用户赋权的多维信用体系实时计算的方法的一个实施例中,分布式日志处理平台异步触发对分布式数据平台存储的交易参考信息的更新。具体来说,除了用户和客户进行交易,完成交易评价来触发对交易参考信息的实时计算外,日志处理平台也可以异步触发对客户交易参考信息的更新;例如评价状态的改变(如客户删除了某个交易的评价,或修改了之前的交易评价),用户发表使用点评,长期不活跃客户的信用衰减,以及对连续信用作弊客户的信用惩罚等行为机制也会形成相应的行为日志,日志处理平台采集到相关行为日志后分解待处理的日志处理任务,生成多个日志处理子任务,并发地处理日志处理子任务,从分布式数据库平台读取用户或客户的历史交易参考信息,根据并发处理的多任务处理结果和历史交易参考信息进行合并形成交易行为信息,并向多维计算平台发送交易行为信息;多维计算平台接收分布式日志处理平台发送的交易行为信息,根据交易行为信息进行多维计算,获得用户或客户的当前交易参考信息,并将当前交易参考信息返回分布式日志处理平台;分布式日志处理平台接收多维计算平台返回的当前交易参考信息,并向分布式数据库平台发送当前交易参考信息。多维度实时计算的系统通过分布式日志处理平台异步处理行为日志的方式,为实现向用户实时提供交易参考信息提供了灵活的策略调整补充。
本发明提供的基于用户赋权的多维信用体系实时计算的方法,通过分布式日志处理平台并发地处理行为日志信息,挖掘用户或客户的多维度概况信息,合并生成用户或客户的交易行为信息,并由多维计算平台根据交易行为信息计算出当前的交易参考信息,解决了当前交易平台日志数据海量激增以及挖掘多维度信息造成的不能实时提供交易参考信息的技术问题,从而有利于为用户提供更加准确可信的交易参考信息。
图14示出本发明提供的基于用户赋权的多维信用体系实时计算的方法的另一个具体实施方式的结构示意图。
如图14所示,基于用户赋权的多维信用体系实时计算的方法1400包括:步骤1401,分布式日志处理平台中的中心服务器记录行为日志存储的从属计算机节点和存储路径,并从中选取空闲或负载较低的从属计算机节点。例如,分布式日志处理平台包括由中心服务器和多个从属计算机节点构成的计算机集群,其具体实现形式可以是由一定数量的普通计算机组成集群来提供分析处理等计算服务(如1台master机器,20台slave机器,通过组合廉价的普通计算机来达到昂贵的高性能计算机的处理能力;优选地,还可以包括master机器的备份机)。中心服务器master负责协调各从属计算机节点slave,用户的行为日志信息是并发的存储在整个计算机集群中的几台从属计算机节点(如某三台机器)上的,中心服务器可以只记录行为日志所存储的三台机器(如从属计算机节点的ID编号)及其路径。
步骤1402,被选取的从属计算机节点将日志处理任务分解成多个日志处理子任务。例如,在进行任务分配时,中心服务器可以从行为日志对应的从属计算机节点中选出空闲或负载较低的机器(如某三台机器中空闲或负载最低的机器),用以将日志处理任务分解成多个日志处理子任务(map过程);可以根据日志处理任务的数据量的大小进行任务的分解,一般以500M为一个任务单位且可以根据具体情况进行调整;如果日志处理任务过大,则可以把该任务分配给别的从属计算机节点的机器进行任务分解。
步骤1403,中心服务器将日志处理子任务分配给从属计算机节点。
步骤1404,从属计算机节点并发处理日志处理子任务,并从分布式数据库平台读取历史交易参考信息。例如,针对分解后的日志处理任务,计算机集群中的从属计算机节点可以并发地处理所分配的日志处理子任务,并从分布式数据库平台读取与该次交易有关的用户和客户的历史交易参考信息。
步骤1405,中心服务器对保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点进行选取,并由保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点根据多任务处理结果和历史交易参考信息进行合并,用以形成用户或客户的交易行为信息。例如,从属计算机节点在根据并发处理的多任务处理结果和历史交易参考信息进行交易行为信息的合并时,由中央服务器选取尽量靠近存储中间文件的从属计算机节点的计算机进行合并(根据Reduce方法对分解后的多任务处理结果进行合并),如选取保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点,由所选取的从属计算机节点进行信息合并以形成用户或客户的交易行为信息,并将合并后的文件存储在某几台机器的特定位置;以及由相应的机器向中心服务器发送交易行为信息存储位置的通知。
随后执行的步骤1406和1407可以分别执行与图13所示的步骤1304和1306相同或相似的技术内容,为简洁起见,这里不再赘述其技术内容。
本发明提供的基于用户赋权的多维信用体系实时计算的方法,其中分布式日志处理平台采用中心服务器和从属计算机节点构成的计算机集群,中心服务器负责任务的分配与协调,由从属计算机节点具体承担任务的分解、并发处理与信息合并,在从属计算机节点完成日志处理子任务的并行处理以及交易行为信息的合并后,从属计算机节点都可以不把结果数据信息返回给中央服务器,而可以只在完成后向中央服务器发送完成通知,并告知中央服务器相关的数据信息的存储位置。当需要用到相关数据信息时,分布式日志处理平台先通过中央服务器查询信息存储的路径,再直接去相应的从属计算机节点去读取,从而有利于减少计算机之间频繁的数据交互和输入输出的数据量,提高行为日志信息处理的实时性。本领域技术人员根据本发明的教导可以清楚地知晓,这种分布式的日志信息处理过程具有良好的扩展性,针对海量数据进行分布式并行处理,其计算周期可实现数量级规模的递减,解决了当前交易平台日志数据海量激增以及挖掘多维度信息造成的不能实时提供交易参考信息的技术问题,有利于为用户提供更加准确可信的交易参考信息。
图15示出本发明提供的基于用户赋权的多维信用体系实时计算的方法的另一个具体实施方式的结构示意图。
如图15所示,基于用户赋权的多维信用体系实时计算的方法1500包括:步骤1502-1516,其中步骤1502、1516可以分别执行与图13所示的步骤1302、1306相同或相似的技术内容,为简洁起见,这里不再赘述其技术内容。
如图15所示,在步骤1502之后,执行步骤1504,多维计算平台接收分布式日志处理平台发送的交易行为信息,并从交易行为信息中获取相应的交易评价信息。例如,在交易平台完成的每一笔交易,由分布式日志处理平台生成对应的交易行为信息,多维计算平台接收到分布式日志处理平台发送的交易行为信息后,从该交易行为信息中获取有关该交易的信息。
步骤1506,判断用户和客户双方的评价信息的有效性。如果有效,则执行步骤1508;否则,直接退出。例如,多维计算平台判断用户和客户双方评价是否有效(如评价是否被删除、评价是否生效等),对无效或不合法的评价则直接退出交易参考信息的多维计算。
步骤1508,检测评价信息对应的交易过程信息是否存在异常。如果存在异常,直接退出;否则,执行步骤1510。例如,依据交易行为信息中提取的交易评价信息等信息,多维计算平台检测该交易是否属于异常交易(如同IP同cookie的自我购买交易,用户和客户之间多次互相购买的炒作交易等),对属于异常交易的直接退出交易参考信息的多维计算。
步骤1510,根据相应的交易评价信息和历史交易参考信息提取用户和客户的多维概况信息。例如,根据该交易行为信息(如交易评价信息、历史交易参考信息等)中提取用户和客户的多维概况信息,该多维概况信息从多个维度来表征用户或客户历史和当前的多种信息,具体可以包括:用户的评价(交易评价信息)、点评,及其与该用户的历史打分情况的对比,交易相关的因素如价格、类目,客户历史的活跃度、用户和客户的历史信息(包括但不限于:历史订单、历史信用级别、历史评价打分情况、历史政策遵守度(是否作弊)、历史的活跃度)等。本领域技术人员根据本发明的教导可以知晓,根据实际技术方案的需要可以选择从交易行为信息中获取其中较为重要的信息的组合。
步骤1512,根据多维概况信息中各个概况信息的权重计算用户和客户在完成交易中各自获得的积分。例如,根据多维概况信息中各个概况信息的权重计算用户和客户在完成交易中各自获得的积分,例如利用多维概况信息中各个概况信息乘以各个因素对应的权重因子;而权重因子可以通过对用户和客户在网络交易平台的已有数据进行统计分析获得,具体来说可以抽取不同信用级别的用户和客户信息,统计不同级别对应的各个概况信息的总分,分析不同维度因素在前述概况信息总分中所占的比重。以正常交易获取用户和客户双方的历史信用信息、平台活跃度、类目权威度、双方对该笔交易的认可程度、该笔交易的价格权重等信息为例,各因素乘以事先统计计算出的权重因子(如价格在该笔交易中的因子为0.3,双方认可程度的因子为0.2,平台活跃度的因子为0.1,类目权威度的因子为0.1,双方历史信用级别的因子为0.2,这些因子都是跟买卖双方相关的一个因子,由分布式日志处理平台综合平台情况和双方的历史数据得出,同时该笔交易也会影响下一次双方计算信用分的因子,从而形成一个正反馈)。
步骤1514,根据积分,调整用户和客户的交易参考信息,以及类目的交易参考信息。例如,根据计算获得的积分,对用户和客户双方的交易参考信息进行调整,对应地调整该用户或客户在某类目下的类目交易参考信息。对于网络交易平台,还可以根据用户和客户的交易参考信息更新相应的排名或等级展示,以及更新分布式数据库平台中的信用参考信息、各因素的权重因子,以便为用户查询所进行的下一次计算做准备。
本发明提供的多维度实时计算的方法,通过分布式日志处理平台并发地处理行为日志信息,挖掘用户或客户的多维度概况信息,合并生成用户或客户的交易行为信息,并由多维计算平台根据交易行为信息计算出当前的交易参考信息,解决了海量日志、多维度数据的实时计算问题,从而实时地反馈客户的最新信用状态。
图16示出本发明提供的基于用户赋权的多维信用体系实时计算的方法的另一个具体实施方式的结构示意图。
如图16所示,基于用户赋权的多维信用体系实时计算的方法1600包括:步骤1602-1614,其中步骤1602-1606可以分别执行与图13所示的步骤1302-1306相同或相似的技术内容,为简洁起见,这里不再赘述其技术内容。
如图16所示,在步骤1606之后,执行步骤1608,分布式数据库平台将分布式日志处理平台发送当前交易参考信息存储在分布式数据库平台的主数据库中,并由主数据库同步更新分布式数据库平台的从数据库中相应的交易参考信息。具体来说,分布式数据库平台中可以设置更新模块,其通过多线程的方式并发的更新缓存系统和每个数据库组;其中每个数据库组中的主数据库接收到待更新的交易参考信息后,将该交易参考信息进行保存(写入操作),并同步更新相应数据库组中的从数据库。
步骤1610,分布式数据库平台中的缓存系统在接收到用户查询目标客户的交易参考信息的请求后,查询缓存系统中存储的近期被浏览过的客户的当前交易参考信息。例如,用户在交易平台浏览目标客户的交易参考信息时,服务器可以先从缓存系统中进行查询;缓存系统可以采用Memcache缓存系统(一种高性能的分布式的内存对象缓存系统),通过在内存里设置统一的巨型哈希表,能够用来存储“近期被浏览过的客户的当前交易参考信息”。
步骤1612,判断缓存系统中是否存有目标客户的交易参考信息;如果有则直接通过用户浏览客户交易参考信息的接口界面展示该目标客户的交易参考信息;例如,用户在交易平台浏览目标客户的交易参考信息时,服务器可以先从Memcache缓存系统中进行查询;如果该缓存系统中存储的“近期被浏览过的客户的当前交易参考信息”中有该目标客户的交易参考信息的记录,那么可以直接通过接口界面向用户展示查询的结果;否则,执行步骤1614。
步骤1614,向从数据库查询目标客户的交易参考信息。例如,当缓存系统(如Memcache缓存系统)中存储的“近期被浏览过的客户的当前交易参考信息”无该目标客户的交易参考信息的记录,那么服务器再向数据库组发起查询请求,并从从数据库中读取该目标客户的交易参考信息;然后通过接口界面向用户展示查询的结果。
本发明提供的基于用户赋权的多维信用体系实时计算的方法的一个实施例中,分布式数据库平台进一步包括负载均衡器。在步骤1612“判断缓存系统中是否存有目标客户的交易参考信息”之后,且未查询到所述近期被浏览过的交易参考信息时,负载均衡器选择用于查询的从数据库。当在被选取的从数据库中查询到目标客户的当前交易参考信息后,该从数据库返回查询结果并通过接口界面展示给用户,并且该查询结果被缓存在缓存系统中(从而将该此被浏览的客户的当前交易参考信息添加到缓存系统中“近期被浏览过的客户的当前交易参考信息”中)。例如,当Memcache缓存系统存储的“近期被浏览过的客户的当前交易参考信息”中无该目标客户的交易参考信息的记录时,即服务器需要向数据库组发起查询,读取目标客户的交易参考信息;负载均衡器可以依据数据库组的负载压力以及服务器与数据库组之间的网速等因素来选择数据压力下、两者相距较近(网速快)的数据库组的从数据库进行查询,并把查询结果缓存在Memcache中,同时或随后将该最终查询结果通过接口界面呈现给用户。
本发明提供的基于用户赋权的多维信用体系实时计算的方法,在查询缓存系统未获得目标客户的交易参考信息的情况下,通过负载均衡器来选取负载压力小、网速快的数据库组中的从数据库进行信息查询,能够有效地均衡服务器与数据库组的数据通信压力,有利于缓解大量用户的并发请求问题,以实现实时向用户提供交易参考信息的需要。
参考前述本发明示例性的描述,本领域技术人员可以清楚的知晓本发明具有以下优点:
1、本发明提供的基于用户赋权的多维信用体系实时计算的方法及系统,通过分布式日志处理平台并发地处理行为日志信息,挖掘用户或客户的多维度概况信息,合并生成用户或客户的交易行为信息,并由多维计算平台根据交易行为信息计算出当前的交易参考信息,解决了当前交易平台日志数据海量激增以及挖掘多维度信息造成的不能实时提供交易参考信息的技术问题,从而有利于为用户提供更加准确可信的交易参考信息。
2、本发明提供的基于用户赋权的多维信用体系实时计算的方法及系统,其中分布式日志处理平台采用中心服务器和从属计算机节点构成的计算机集群,中心服务器负责任务的分配与协调,由从属计算机节点具体承担任务的分解、并发处理与信息合并,从而实现了信息的快速处理,较快地对用户行为做出反馈;这种分布式的日志信息处理过程,具有良好的扩展性,针对海量数据进行分布式并行处理,其计算周期可实现数量级规模的递减,解决了当前交易平台日志数据海量激增以及挖掘多维度信息造成的不能实时提供交易参考信息的技术问题,有利于为用户提供更加准确可信的交易参考信息。
3、本发明提供的基于用户赋权的多维信用体系实时计算的方法及系统,由缓存系统来缓存近期浏览的热点客户的信息,主数据库主要负责数据更新的写操作,从数据库负责对外提供读服务,并由主数据库负责主从同步,从而做到读写分离,特别适合互联网平台这种浏览请求(即读操作)远高于提交请求(即写操作)的环境。本发明采用的分布式数据库的方式,通过扩展一定数量的从数据库,对服务压力进行负载分担,系统可承受很高的页面浏览压力,既解决了大量用户的并发请求问题,又解决了客户信息的及时更新问题,从而可为上亿的用户提供浏览查询服务。
4、本发明提供的基于用户赋权的多维信用体系实时计算的方法及系统,在查询缓存系统未获得目标客户的交易参考信息的情况下,通过负载均衡器来选取负载压力小、网速快的数据库组中的从数据库进行信息查询,能够有效地均衡服务器与数据库组的数据通信压力,有利于缓解大量用户的并发请求问题,以实现实时向用户提供交易参考信息的需要。
5、本发明提供的基于用户赋权的多维信用体系实时计算的方法及系统,针对现有交易平台中有关信用评价计算构成元素单一、计算方式简单,不能实时有效地反映客户的真实信用的情况,本发明引入多维信用体系,综合交易平台中客户和用户的交易参考信息(如客户用户等级、历史评价情况、活跃度、信用炒作情况),从而更全面地衡量客户和用户交易可信任度,并借助分布式的实时计算系统为用户提供实时可信的交易参考信息,因此也极大地提升了交易平台的可信任度,促进了了业务的推广与普及。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (20)
1.一种基于用户赋权的多维信用体系实时计算的系统,其特征在于,所述系统包括:分布式日志处理平台、多维计算平台、分布式数据库平台;其中
所述分布式日志处理平台包括由多台计算机组成的计算机集群,用于采集用户或客户的行为日志,根据所述行为日志形成待处理的日志处理任务,将所述日志处理任务分解成多个日志处理子任务,由所述计算机集群并发地处理所述日志处理子任务,从所述分布式数据库平台读取所述用户或客户的历史交易参考信息,根据并发处理的多任务处理结果和所述历史交易参考信息进行合并,用以形成所述用户或客户的交易行为信息,并向所述多维计算平台发送所述交易行为信息,以及接收所述多维计算平台返回的当前交易参考信息,并向所述分布式数据库平台发送所述当前交易参考信息;
所述多维计算平台,用于接收所述分布式日志处理平台发送的所述交易行为信息,根据所述交易行为信息进行多维计算,获得所述用户或客户的当前交易参考信息,并将所述当前交易参考信息返回所述分布式日志处理平台;
所述分布式数据库平台,用于向所述分布式日志处理平台发送所述用户或客户的历史交易参考信息,以及接收并存储所述分布式日志处理平台发送的所述当前交易参考信息。
2.根据权利要求1所述的系统,其特征在于,所述分布式日志处理平台中的所述计算机集群包括:中心服务器和从属计算机节点;其中
所述中心服务器用于对保存所述行为日志的从属计算机节点和存储路径进行记录,选取空闲或负载较低的所述从属计算机节点用以将所述日志处理任务分解成多个所述日志处理子任务,对保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点进行选取,用以合并形成所述用户或客户的交易行为信息;以及接收所述从属计算机节点返回的交易行为信息存储位置的通知;
所述从属计算机节点,用于保存所述行为日志,被选取的所述从属计算机节点将所述日志处理任务分解成多个所述日志处理子任务,并发处理所述日志处理子任务,从所述分布式数据库平台读取所述历史交易参考信息,所述保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点根据并发处理的多任务处理结果和所述历史交易参考信息进行合并,用以形成所述用户或客户的交易行为信息;以及向所述中心服务器发送交易行为信息存储位置的通知。
3.根据权利要求1所述的系统,其特征在于,所述分布式日志处理平台还用于对所述客户的作弊行为进行监测分析。
4.根据权利要求1所述的系统,其特征在于,所述分布式日志处理平台还用于异步触发对所述当前交易参考信息的更新。
5.根据权利要求1所述的系统,其特征在于,所述分布式数据库平台进一步包括:
主数据库,用于接收并存储所述分布式日志处理平台发送所述当前交易参考信息,并同步更新从数据库中相应的交易参考信息;
所述从数据库,用于接收所述主数据库发送的所述当前交易参考信息,并更新所述相应的交易参考信息,以及向所述用户提供所述客户的当前交易参考信息;
缓存系统,用于存储近期被浏览过的客户的当前交易参考信息,以及在接收到所述用户查询目标客户的交易参考信息的请求后,查询自身存储的所述近期被浏览过的客户的当前交易参考信息或者向所述从数据库查询所述目标客户的交易参考信息。
6.根据权利要求1所述的系统,其特征在于,所述分布式数据库平台进一步包括:负载均衡器,用于在缓存系统根据所述用户查询所述目标客户的交易参考信息的请求查询自身存储的所述近期被浏览过的客户的当前交易参考信息,且未查询到所述目标客户的当前交易参考信息时,选择用于查询的从数据库。
7.一种基于用户赋权的多维信用体系实时计算的方法,其特征在于,所述方法包括:
分解待处理的日志处理任务,生成多个日志处理子任务;
并发地处理所述日志处理子任务;
根据所述用户或客户的历史交易参考信息和并发处理的多任务处理结果进行合并,生成交易行为信息;
根据所述交易行为信息进行多维计算,获得所述用户或客户的当前交易参考信息;
接收所述当前交易参考信息,并向分布式数据库平台发送所述当前交易参考信息。
8.根据权利要求7所述的方法,其特征在于,所述分解待处理的日志处理任务,生成多个日志处理子任务进一步包括:
对保存所述行为日志的从属计算机节点和存储路径进行记录;
从所述从属计算机节点中选取空闲或负载较低的从属计算机节点,以及被选取的从属计算机节点将所述日志处理任务分解,生成多个所述日志处理子任务。
9.根据权利要求7所述的方法,其特征在于,所述根据所述用户或客户的历史交易参考信息和并发处理的多任务处理结果进行合并,生成交易行为信息进一步包括:
对保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点进行选取;
由所述保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点根据所述多任务处理结果和所述历史交易参考信息进行合并,生成所述用户或客户的交易行为信息。
10.根据权利要求7所述的方法,其特征在于,所述方法还包括:在分解所述待处理的日志处理任务之前,采集所述用户或客户的行为日志,并根据所述行为日志形成所述待处理的日志处理任务。
11.根据权利要求7所述的方法,其特征在于,所述方法进一步包括:从日志处理子任务中提取交易相关信息得到所述多任务处理结果。
12.根据权利要求7所述的方法,其特征在于,所述根据所述交易行为信息进行多维计算,获得所述用户或客户的当前交易参考信息进一步包括:
从所述交易行为信息中获取相应的交易评价信息;
判断用户和客户双方的评价信息的有效性;
在所述评价信息有效时,检测所述评价信息对应的交易过程信息是否存在异常;
在所述交易正常时,根据所述相应的交易评价信息和所述历史交易参考信息提取所述用户和所述客户的多维概况信息;
根据所述多维概况信息中各个概况信息的权重计算所述用户和所述客户在完成所述交易中各自获得的积分;以及
根据所述积分,调整并更新所述用户和所述客户的交易参考信息,以及类目的交易参考信息。
13.根据权利要求7所述的方法,其特征在于,所述方法还包括:在向所述分布式数据库平台发送所述当前交易参考信息之后,所述分布式数据库平台接收并存储所述分布式日志处理平台发送的所述当前交易参考信息。
14.根据权利要求13所述的方法,其特征在于,所述分布式数据库平台接收并存储所述分布式日志处理平台发送的所述当前交易参考信息进一步包括:
所述分布式数据库平台将所述分布式日志处理平台发送所述当前交易参考信息存储在所述分布式数据库平台的主数据库中,并由所述主数据库同步更新所述分布式数据库平台的从数据库中相应的交易参考信息;
所述分布式数据库平台中的缓存系统在接收到所述用户查询目标客户的交易参考信息的请求后,查询所述缓存系统中存储的近期被浏览过的客户的当前交易参考信息,或者向所述从数据库查询所述目标客户的交易参考信息。
15.一种基于用户赋权的多维信用体系实时计算的系统,其特征在于,所述系统包括:
任务分解模块,用于分解待处理的日志处理任务,生成多个日志处理子任务;
任务并发处理模块,用于并发地处理所述日志处理子任务;
交易行为信息生成模块,用于根据所述用户或客户的历史交易参考信息和并发处理的多任务处理结果进行合并,生成交易行为信息;
交易参考信息生成模块,用于根据所述交易行为信息进行多维计算,获得所述用户或客户的当前交易参考信息;
交易参考信息转发模块,用于接收所述当前交易参考信息,并向分布式数据库平台发送所述当前交易参考信息。
16.根据权利要求15所述的系统,其特征在于,所述任务分解模块进一步包括:
记录子模块,用于对保存所述行为日志的从属计算机节点和存储路径进行记录,
计算机节点子模块,用于从所述从属计算机节点中选取空闲或负载较低的从属计算机节点,以及被选取的从属计算机节点将所述日志处理任务分解,生成多个所述日志处理子任务。
17.根据权利要求15所述的系统,其特征在于,所述任务并发处理模块进一步包括:信息提取模块,用于从日志处理子任务中提取交易相关信息得到所述多任务处理结果。
18.根据权利要求15所述的系统,其特征在于,所述交易行为信息生成模块进一步包括:
计算机节点选取子模块,用于对保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点进行选取;
信息合并子模块,用于由所述保存并发处理的多任务结果的从属计算机节点或邻近保存多任务处理结果的从属计算机节点根据所述多任务处理结果和所述历史交易参考信息进行合并,生成所述用户或客户的交易行为信息。
19.根据权利要求15所述的系统,其特征在于,所述系统还包括:日志采集模块,用于采集所述用户或客户的行为日志,并根据所述行为日志形成所述待处理的日志处理任务。
20.根据权利要求15所述的系统,其特征在于,所述交易参考信息生成模块进一步包括:
交易评价信息获取子模块,用于从所述交易行为信息中获取相应的交易评价信息;
有效性判断子模块,用于判断用户和客户双方的评价信息的有效性;
异常检测子模块,用于在所述评价信息有效时,检测所述评价信息对应的交易过程信息是否存在异常;
多维概况信息提取子模块,用于在所述交易正常时,根据所述相应的交易评价信息和所述历史交易参考信息提取所述用户和所述客户的多维概况信息;
计算子模块,用于根据所述多维概况信息中各个概况信息的权重计算所述用户和所述客户在完成所述交易中各自获得的积分;以及
信息调整模块,用于根据所述积分,调整并更新所述用户和所述客户的交易参考信息,以及类目的交易参考信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010157682.9A CN102236851B (zh) | 2010-04-21 | 2010-04-21 | 基于用户赋权的多维信用体系实时计算的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010157682.9A CN102236851B (zh) | 2010-04-21 | 2010-04-21 | 基于用户赋权的多维信用体系实时计算的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102236851A true CN102236851A (zh) | 2011-11-09 |
CN102236851B CN102236851B (zh) | 2016-03-09 |
Family
ID=44887482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010157682.9A Active CN102236851B (zh) | 2010-04-21 | 2010-04-21 | 基于用户赋权的多维信用体系实时计算的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102236851B (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779183A (zh) * | 2012-07-02 | 2012-11-14 | 华为技术有限公司 | 数据查询的方法、设备及系统 |
CN103235754A (zh) * | 2013-04-24 | 2013-08-07 | 曙光信息产业(北京)有限公司 | 分布式文件系统中请求的处理方法和装置 |
CN103345502A (zh) * | 2013-07-01 | 2013-10-09 | 曙光信息产业(北京)有限公司 | 分布式数据库的事务处理方法和系统 |
CN103678425A (zh) * | 2012-09-26 | 2014-03-26 | Sap股份公司 | 多系统的集成分析 |
CN104160414A (zh) * | 2011-12-28 | 2014-11-19 | 英特尔公司 | 用于识别具有动机的评论者的系统和方法 |
CN104717244A (zh) * | 2013-12-12 | 2015-06-17 | 中国科学院深圳先进技术研究院 | 一种基于分布式计算的多维度信誉管理方法 |
CN105634845A (zh) * | 2014-10-30 | 2016-06-01 | 任子行网络技术股份有限公司 | 一种用于对海量dns日志进行多维统计分析的方法及系统 |
CN106161487A (zh) * | 2015-03-23 | 2016-11-23 | 多媒体影像解决方案有限公司 | 服务器的信息处理方法 |
CN106484709A (zh) * | 2015-08-26 | 2017-03-08 | 北京神州泰岳软件股份有限公司 | 一种日志数据的审计方法和审计装置 |
CN106503024A (zh) * | 2015-09-08 | 2017-03-15 | 北京国双科技有限公司 | 日志信息处理方法和装置 |
CN106933674A (zh) * | 2015-12-31 | 2017-07-07 | 腾讯科技(深圳)有限公司 | 资源转移的方法和系统 |
CN107103479A (zh) * | 2017-04-25 | 2017-08-29 | 北京国舜科技股份有限公司 | 金融交易实时反欺诈系统 |
CN107491563A (zh) * | 2017-09-28 | 2017-12-19 | 深圳市爱贝信息技术有限公司 | 面向账期结算的数据处理方法及系统 |
CN107958346A (zh) * | 2017-12-14 | 2018-04-24 | 北京小度信息科技有限公司 | 异常行为的识别方法及装置 |
CN108521405A (zh) * | 2018-03-20 | 2018-09-11 | 咪咕文化科技有限公司 | 一种风险管控方法、装置及存储介质 |
CN109993647A (zh) * | 2019-03-08 | 2019-07-09 | 西安电子科技大学 | 一种基于区块链的纳税征信系统及处理方法 |
CN110196832A (zh) * | 2019-06-04 | 2019-09-03 | 北京百度网讯科技有限公司 | 用于获取快照信息的方法及装置 |
CN111563817A (zh) * | 2019-02-14 | 2020-08-21 | 富士通株式会社 | 记录介质、通信设备和通信方法 |
CN111626860A (zh) * | 2020-07-24 | 2020-09-04 | 成都寻道数财科技有限公司 | 结合历史和实时财务数据判断高频交易的系统及方法 |
CN112767061A (zh) * | 2019-10-21 | 2021-05-07 | 贝壳技术有限公司 | 一种房产交易风险自动识别方法及装置 |
CN115601195A (zh) * | 2022-10-17 | 2023-01-13 | 桂林电子科技大学(Cn) | 基于电力用户实时标签的交易双向推荐系统及其方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6625601B1 (en) * | 1999-01-07 | 2003-09-23 | Compaq Information Technologies Group, L.P. | Escrow-locking multithreaded process-pair resource manager dictionary |
CN101009017A (zh) * | 2006-01-26 | 2007-08-01 | 株式会社日立制作所 | 交易系统 |
-
2010
- 2010-04-21 CN CN201010157682.9A patent/CN102236851B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6625601B1 (en) * | 1999-01-07 | 2003-09-23 | Compaq Information Technologies Group, L.P. | Escrow-locking multithreaded process-pair resource manager dictionary |
CN101009017A (zh) * | 2006-01-26 | 2007-08-01 | 株式会社日立制作所 | 交易系统 |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104160414A (zh) * | 2011-12-28 | 2014-11-19 | 英特尔公司 | 用于识别具有动机的评论者的系统和方法 |
CN102779183A (zh) * | 2012-07-02 | 2012-11-14 | 华为技术有限公司 | 数据查询的方法、设备及系统 |
CN102779183B (zh) * | 2012-07-02 | 2015-05-27 | 华为技术有限公司 | 数据查询的方法、设备及系统 |
CN103678425A (zh) * | 2012-09-26 | 2014-03-26 | Sap股份公司 | 多系统的集成分析 |
CN103678425B (zh) * | 2012-09-26 | 2019-03-15 | Sap欧洲公司 | 多系统的集成分析 |
CN103235754A (zh) * | 2013-04-24 | 2013-08-07 | 曙光信息产业(北京)有限公司 | 分布式文件系统中请求的处理方法和装置 |
CN103345502A (zh) * | 2013-07-01 | 2013-10-09 | 曙光信息产业(北京)有限公司 | 分布式数据库的事务处理方法和系统 |
CN103345502B (zh) * | 2013-07-01 | 2017-04-26 | 曙光信息产业(北京)有限公司 | 分布式数据库的事务处理方法和系统 |
CN104717244A (zh) * | 2013-12-12 | 2015-06-17 | 中国科学院深圳先进技术研究院 | 一种基于分布式计算的多维度信誉管理方法 |
CN104717244B (zh) * | 2013-12-12 | 2018-12-14 | 中国科学院深圳先进技术研究院 | 一种基于分布式计算的多维度信誉管理方法 |
CN105634845A (zh) * | 2014-10-30 | 2016-06-01 | 任子行网络技术股份有限公司 | 一种用于对海量dns日志进行多维统计分析的方法及系统 |
CN105634845B (zh) * | 2014-10-30 | 2019-01-22 | 任子行网络技术股份有限公司 | 一种用于对海量dns日志进行多维统计分析的方法及系统 |
CN106161487A (zh) * | 2015-03-23 | 2016-11-23 | 多媒体影像解决方案有限公司 | 服务器的信息处理方法 |
CN106484709A (zh) * | 2015-08-26 | 2017-03-08 | 北京神州泰岳软件股份有限公司 | 一种日志数据的审计方法和审计装置 |
CN106503024A (zh) * | 2015-09-08 | 2017-03-15 | 北京国双科技有限公司 | 日志信息处理方法和装置 |
CN106933674A (zh) * | 2015-12-31 | 2017-07-07 | 腾讯科技(深圳)有限公司 | 资源转移的方法和系统 |
CN107103479A (zh) * | 2017-04-25 | 2017-08-29 | 北京国舜科技股份有限公司 | 金融交易实时反欺诈系统 |
CN107491563A (zh) * | 2017-09-28 | 2017-12-19 | 深圳市爱贝信息技术有限公司 | 面向账期结算的数据处理方法及系统 |
CN107958346A (zh) * | 2017-12-14 | 2018-04-24 | 北京小度信息科技有限公司 | 异常行为的识别方法及装置 |
CN108521405A (zh) * | 2018-03-20 | 2018-09-11 | 咪咕文化科技有限公司 | 一种风险管控方法、装置及存储介质 |
CN108521405B (zh) * | 2018-03-20 | 2020-12-11 | 咪咕文化科技有限公司 | 一种风险管控方法、装置及存储介质 |
CN111563817A (zh) * | 2019-02-14 | 2020-08-21 | 富士通株式会社 | 记录介质、通信设备和通信方法 |
CN109993647A (zh) * | 2019-03-08 | 2019-07-09 | 西安电子科技大学 | 一种基于区块链的纳税征信系统及处理方法 |
CN109993647B (zh) * | 2019-03-08 | 2023-12-22 | 西安电子科技大学 | 一种基于区块链的纳税征信系统及处理方法 |
CN110196832A (zh) * | 2019-06-04 | 2019-09-03 | 北京百度网讯科技有限公司 | 用于获取快照信息的方法及装置 |
CN112767061A (zh) * | 2019-10-21 | 2021-05-07 | 贝壳技术有限公司 | 一种房产交易风险自动识别方法及装置 |
CN111626860A (zh) * | 2020-07-24 | 2020-09-04 | 成都寻道数财科技有限公司 | 结合历史和实时财务数据判断高频交易的系统及方法 |
CN111626860B (zh) * | 2020-07-24 | 2020-11-20 | 成都寻道数财科技有限公司 | 结合历史和实时财务数据判断高频交易的系统及方法 |
CN115601195A (zh) * | 2022-10-17 | 2023-01-13 | 桂林电子科技大学(Cn) | 基于电力用户实时标签的交易双向推荐系统及其方法 |
CN115601195B (zh) * | 2022-10-17 | 2023-09-08 | 桂林电子科技大学 | 基于电力用户实时标签的交易双向推荐系统及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102236851B (zh) | 2016-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102236851B (zh) | 基于用户赋权的多维信用体系实时计算的方法及系统 | |
CN110648185B (zh) | 一种目标人群圈选方法、装置及计算机设备 | |
CN110008248B (zh) | 一种数据处理方法和装置 | |
US9058631B2 (en) | Method and system for e-commerce transaction data accounting | |
US6768968B2 (en) | Method and system of an integrated simulation tool using business patterns and scripts | |
US8352318B2 (en) | Exclusivity in internet marketing campaigns system and method | |
US20080270398A1 (en) | Product affinity engine and method | |
US20110238730A1 (en) | Correlated Information Recommendation | |
US20110137924A1 (en) | Cluster processing of an aggregated dataset | |
CN102254028A (zh) | 一种集成属性和结构相似性的个性化商品推荐方法和系统 | |
CN101515360A (zh) | 向用户推荐网络目标信息的方法和服务器 | |
CN104899229A (zh) | 基于群体智能的行为聚类系统 | |
CN110348921B (zh) | 门店物品选取的方法和装置 | |
US20210109906A1 (en) | Clustering model analysis for big data environments | |
CN108122153A (zh) | 电子商务环境下基于云计算处理模式的个性化推荐方法 | |
WO2013074001A2 (en) | Consumer information aggregator and profile generator | |
CN111429214B (zh) | 一种基于交易数据的买卖双方匹配方法及装置 | |
CN105303447A (zh) | 利用网络信息进行信用评级的方法和系统 | |
CN106228401A (zh) | 一种销售系统 | |
KR20190081671A (ko) | 온라인 쇼핑몰 통합 관리 시스템에서의 유사상품을 검색하는 방법 및 그 서버 | |
EP2991019A1 (en) | Real-time financial system advertisement sharing system | |
US20120265588A1 (en) | System and method for recommending new connections in an advertising exchange | |
CN116383502A (zh) | 基于电子商务的信息推送方法及系统 | |
KR20170121589A (ko) | 온라인 통합 관리 시스템 | |
US20050049909A1 (en) | Manufacturing units of an item in response to demand for the item projected from page-view data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |