CN102254274A - 基于web2.0模式的网络定价方法 - Google Patents
基于web2.0模式的网络定价方法 Download PDFInfo
- Publication number
- CN102254274A CN102254274A CN2011101647956A CN201110164795A CN102254274A CN 102254274 A CN102254274 A CN 102254274A CN 2011101647956 A CN2011101647956 A CN 2011101647956A CN 201110164795 A CN201110164795 A CN 201110164795A CN 102254274 A CN102254274 A CN 102254274A
- Authority
- CN
- China
- Prior art keywords
- quotation
- data
- commodity
- identification code
- network
- 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.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及基于WEB2.0模式的网络定价方法,执行以下主要步骤:从用户终端接收数据包,所述数据包含有一个用户识别码和一组报价;对所述数据包进行预处理,将产生的结构化数据存入数据库中;从数据库中提取相关联的用户识别码和一组报价进行处理;判断所述一组报价的合理性;对正常报价进行一种数据处理,将结果与所述用户识别码相关联;对异常报价进行另一种数据处理,将结果与所述用户识别码相关联。本发明中的对网络报价的合理性进行鉴别的步骤,利用了客观存在的统计学规律,能够自动判断下一组报价的合理性,以甄别出异常报价。本发明具备以下优点:高效率、低成本、充分地利用大量用户的多元报价;能直接对用户的异常报价做出实时反馈;自动计算出公允的定价结果并从整体上提高定价的合理性。
Description
技术领域
本发明涉及一种网络定价方法,尤其涉及基于WEB2.0模式的面向很多用户的网络定价方法。
背景技术
随着互联网和无线通信技术的不断发展,在日常生活和工作中,人们越来越多地通过各种电子信息终端来及时收集和传送信息,在数以亿万计的个人计算机、无线上网设备和智能手机等信息终端之间形成了不受地域限制的实时互联的信息网络。网络信息的表现形式就是各种格式的数据,各种设备之间按照协议来交换数据包,最常用的是Internet协议。一方面,在信息网络上随时都有成千上万的在线用户;另一方面,在线的服务器与在线用户的信息终端之间保持动态的网络连接,由服务器集中处理从大量用户终端采集到信息,然后服务器在线发布信息处理的结果,供用户终端从在线的服务器获取这些结果。采用了WEB2.0模式的WWW服务器已被广泛运用于信息网络中,一方面从每个用户终端获取用户所产生的内容信息,另一方面将这些内容信息集中处理之后再提供给所有用户,从而极大地丰富了内容信息并提高了信息交换的效率。
利用信息网络技术来对商品或服务定价,可以使定价过程变得简便和高效,尤其适合于远程用户之间的交易。现有的网络定价方法主要分为三类,分别以直接定价、网络竞价和证券交易定价为典型代表。直接定价方法,是由特定的用户(卖方)将商品报价发给服务器,而服务器直接以该用户报价作为商品价格。网络竞价方法包括网络拍卖和网络招标:在网络拍卖中,多个用户(买方)分别提供商品报价,并且后来的报价应高于已有的报价,以最晚提供的报价作为商品价格;在网络招标中,一般先约定商品规格和要求,多个用户(卖方)分别提供商品报价,以最优惠的报价(通常是最低报价)作为定价依据。证券交易或期货交易一般都采用网络定价方法,同时接受买方用户报价和卖方用户报价,再对一段时间内的双方很多用户的报价和供求数量进行计算,根据计算结果来调整证券或期货的价格,以使买卖双方的供求达到动态平衡。在上述的现有的网络定价方法中,提供报价的用户可能是卖方或者是买方,两者必居其一;而且用户每一次只能提供一个报价,若用户提供多个报价就以其最后一个报价为准。
直接定价方法过于简单,卖方占绝对优势,往往不能反映商品的合理价格,无法体现市场上的同类商品的供求状况。网络拍卖和网络招标都采用“价优者得”的单一机制,让买方(或卖方)直接在价格上竞争,而另一方占绝对优势,最终定价实际是由竞争动机最强的那一个用户的个人因素决定的,往往不是综合考虑多数用户预期的公允价格。证券(或期货)的网络定价方法,要求用户选择以买方身份或卖方身份提出报价,主要目的是对比供求趋势,若供求平衡则维持现有价格,其实质过程是随时调整敏感的商品价格,而不是确定一个相对稳定的合理价格,也不能提供关于商品价格的丰富信息。
由于商品是市场交易的客体,在市场中表现出的商品价格必然受到交易主体和交易环境的影响。如果交易主体的相对地位不同,或者选择不同的交易模式、支付手段,则商品价格也会有不同的表现。实际上,商品价格在市场中具有多元属性,比如:卖方价格、买方价格、零售价格、批发价格、货币支付价格、实物兑换价格、期货价格、外汇支付价格,等等。而且,同一件商品的这样一组价格具有内在的关联性,采用一组价格才能更加全面地体现商品在市场交易中具有的实际价值。但是,综合制定一组价格显然比常规的单一定价要复杂很多,如果缺乏物质技术条件的支撑,这样的多元定价机制就很难实用化。
现在的信息网络设施在不断升级,多功能便携式信息终端也已普及,很多用户能够随时随地上网。而WEB2.0模式具有自发性、互动性、随机性和扩散性,使得更多普通用户能够方便地充分表达意向,不受时空距离的限制,避免了当面沟通的高昂成本,也能得到实时的信息反馈。但是,现有的网络定价方法都只能获得商品的单一价格或非常有限的价格信息,还不能自动地、高效地、全面地体现商品价格的多元属性。因此,针对上述技术问题来改进现有的网络定价方法,让与商品交易相关的大量用户都以完全平等的身份参与多元定价机制,在相对稳定的供求关系之下,高效合理地确定商品的一组公允价格,这不仅是必要的,也是可以实现的。
发明内容
本发明要解决的技术问题在于提供一种网络定价方法及系统,以解决现有技术中的网络定价方法只能获得商品的单一报价或非常有限的价格信息,不能支持大量用户以完全平等的身份参与多元定价机制,不能充分地利用大量用户提供的多元报价之间的关联性,不能自动对用户报价的合理性做出实时反馈,也不能通过公允的多元定价来全面地体现商品在市场交易中具有的实际价值等技术问题。
为了解决上述技术问题,本发明提出了一种网络定价方法,用于处理用户终端通过信息网络发送的关于商品的数据包,其特征在于包括以下步骤:步骤S11,从所述用户终端接收报价数据包,所述报价数据包含有一个用户识别码和一组报价,所述用户终端与所述的一个用户识别码相关联;步骤S12,对所述的报价数据包进行预处理,所述预处理产生的数据中包括了关联数据,所述的关联数据被存入数据库中;步骤S21,从数据库中提取一组关联数据,所述的一组关联数据包括一个用户识别码和一组报价,对所述的一组关联数据进行第一数据处理;步骤S22,利用所述第一数据处理的结果,鉴别所述的一组关联数据的一组报价的合理性,若所述一组报价为正常报价则转到步骤S23,若所述一组报价为异常报价则转到步骤S24;步骤S23,对所述的正常报价进行第二数据处理,将所述的第二数据处理的结果存入数据库中并与所述的一组关联数据的一个用户识别码相关联,然后转到步骤S11;步骤S24,对所述的异常报价进行第三数据处理,将所述的第三数据处理的结果存入数据库中并与所述的一组关联数据的一个用户识别码相关联,然后转到步骤S11。
进一步的技术方案还包括,步骤S24的最后一项操作被替换为,转到步骤S25;增加步骤S25为,输出异常报价的提示信息,用于与所述的一组关联数据的一个用户识别码相关联的用户终端,然后转到步骤S11。
进一步的技术方案还包括,所述的报价数据包还含有一个商品识别码,所述的关联数据还包括一个商品识别码,所述商品与所述的一个商品识别码是一一对应的。
进一步的技术方案还包括,步骤S11还从所述用户终端接收辅助数据包,所述辅助数据包含有所述商品的背景信息、用户注册申请、用户登录请求和用户查询请求中的至少一种;步骤S12还对所述的辅助数据包进行预处理。
进一步的技术方案还包括,在步骤S11之前,先执行步骤S10,设置所述的商品识别码,以及与所述的商品识别码相关联的终止条件;步骤S23的最后一项操作被替换为,转到步骤S30;步骤S24的最后一项操作被替换为,转到步骤S30;增加步骤S30为,判断与所述的一组关联数据的一个商品识别码相关联的终止条件是否被满足,若所述终止条件被满足,则输出与所述的一个商品识别码相关联的定价报告,所述定价报告含有与所述的一个商品识别码相关联的一组最终定价,与所述的一个商品识别码相关联的网络定价过程结束,然后转到步骤S10,若所述终止条件未被满足则返回到步骤S11。
进一步的技术方案还包括,步骤S22根据统计学规律来鉴别所述的一组关联数据的一组报价的合理性,利用了与所述的一组关联数据的一个商品识别码相关联的样本数据,所述样本数据通过对所述数据库进行数据处理而得到。
进一步的技术方案还包括,所述的统计学规律包括正态分布,所述的样本数据包括平均值、中值、标准差和正常报价区间极限之中的至少一种。
进一步的技术方案还包括,在步骤S30中,若所述终止条件被满足,则还要确定与所述的一个商品识别码相关联的每一组正常报价与样本数据的统计学相关性,从而对与所述每一组正常报价相关联的用户识别码所对应的帐户信息进行处理。
进一步的技术方案还包括,在步骤S12之后增加步骤S13,执行步骤S13则返回步骤S10,以使步骤S10、S11、S12和S13构成第一循环;在步骤S30中,不论所述终止条件是否被满足,最后一个操作都被替换为转到步骤S21,以使步骤S21、S22、S23、S24和S30构成第二循环。
进一步的技术方案还包括,步骤S10还设置与所述商品识别码相关联的起始条件;与所述商品识别码相关联的起始条件被满足时,步骤S11才开始接收与所述商品识别码相关联的报价数据包。
与现有技术相比,本发明具备以下优点:高效率地接收和处理大量用户的多元报价;充分地利用大量用户提供的多元报价之间的关联性;针对一件特定的商品就容易累积成符合客观的统计学规律的大规模样本,采用网络报价鉴别步骤就能根据当前样本来自动判断下一组报价的合理性,以甄别出异常报价并对用户做出实时反馈;能快速地向用户提供更丰富更全面的多元定价结果。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是基于WEB2.0模式的网络定价方法采用的服务器的工作原理框图;
图2是本发明网络定价方法的第一实施例的前端部分流程图;
图3是本发明网络定价方法的第一实施例的后端部分流程图;
图4是本发明网络定价方法的第二实施例的第一循环流程图;
图5是本发明网络定价方法的第二实施例的第二循环流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
本发明的网络定价方法基于WEB2.0模式,采用一台具有快速计算能力和较大容量数据库的服务器,或者至少一台WEB服务器与至少一台配备数据库的后台服务器组成的计算机系统(以下都统称为服务器),该服务器在服务状态中应保持与信息网络(如计算机互联网、无线互联网、计算机局域网、有线电视网络、语音通信网或其结合)的网络连接,该信息网络还联接了很多各种用户终端,如通用计算机、移动电话、无线互联网设备、视频电话、网络电视机等。也就是说,分散于各地的很多用户随时通过各种信息终端进行远程网络通信,经过用户登录验证的终端与服务器都加入到一个包含很多随机节点的信息网络中。
通过上述信息网络,任意用户终端自发地申请登录并向服务器发送信息,而服务器随机地接收到来自不特定用户终端的信息,因此,基于该信息网络的多用户的网络定价是一个典型的随机过程。对于特定的商品(包括商业服务项目),如果该商品价格的多元属性可用一组价格V1、V2、V3来表征,随机参与多元报价过程的用户提出的相应一组报价P1、P2、P3就成为一组随机变量。一般情况下,用户受到客观规律和理性常识的约束,因此这一组报价P1、P2、P3也受客观规律的支配。只要排除或尽量减少用户的主观局限或人为干扰,一组报价P1、P2、P3的分布就基本符合统计学规律,当这一组报价P1、P2、P3的样本量足够大时一般分别趋近于正态分布,根据样本分布规律就能确定该商品的多元定价V1、V2、V3。
本发明所述的网络定价方法采用的服务器连接到信息网络上,为了一直保持在线服务状态,实时响应多个用户终端的访问请求,该服务器能够同时运行以下程序:网络接口程序、数据输入预处理程序和数据处理程序。其中,数据输入预处理程序或数据处理程序还可能经常调用以下程序:用户信息管理程序、数据输出处理程序、网络报价鉴别程序。基于多任务处理的计算机操作系统,该服务器能同时响应多个动态程序的中断请求,或者运行多个并发的程序线程,上述程序模块都能并行处理各自的数据。此外,该服务器包括快速的大容量数据库,以上程序模块都能访问数据库。因此,本发明所述的网络定价方法能同时处理多个用户发出的信息,也能同时接收和存储关于很多商品的信息。即使面对大量用户的并发的各种访问请求,该服务器也能在很短的时间里安全高效地处理全部数据信息。参与多元定价之前,用户需要在信息终端上安装具有特定功能的界面软件,建立与服务器的网络连接。
图1是基于WEB2.0模式的网络定价方法采用的服务器的一种具体实施方式的工作原理图,虚线框内显示的主要功能包括:数据处理单元,数据库,网络报价鉴别模块,用户信息管理模块,数据输入预处理模块,数据输出处理模块,以及网络接口模块。其中,网络接口与所述信息网络保持双向通信,信息网络上的数据通过网络接口进入数据输入预处理模块,相关数据都可以保存在数据库中,数据库与其它模块之间可交换数据,数据处理单元实施主要的数据处理和数据传送,网络报价鉴别模块用于实时判断下一组多元报价的合理程度,数据输出处理模块用于向信息网络发布数据。
根据上述的基本原理,本发明的网络定价方法可以有多种不同的具体实施方式,以下对本发明的若干实施例分别进行阐述。
第一实施例
结合图2和图3,对本发明所述的网络定价方法的第一实施例进行详细说明。其中,图2是本发明第一实施例的前端部分流程图,图3是本发明第一实施例的后端部分流程图。
如果用户尚未在服务器上注册,就可通过用户终端的界面软件和服务器的网络接口程序进行网络连接,然后用户终端向服务器发送数据包,这些数据包含有申请注册所需的用户信息。服务器通过信息网络收到这些数据包以后,由数据输入预处理程序从数据包中提取注册申请信息再保存到数据库的缓冲区中。所述的用户信息管理程序就会处理数据库的缓冲区中的注册申请信息,为符合条件的用户创建帐户,分配一个唯一的用户识别码(例如:字符串或序号),而帐户信息都存入数据库中。优选地,在创建帐户之后,还可以调用数据输出处理程序,生成一个输出数据包并发到信息网络上,通过网络接口程序指向该用户的信息终端,用户的界面软件收到数据包后就在终端屏幕上显示结果。
已注册的用户,可通过信息终端上的界面软件向服务器发出登录请求,包括用户识别码U和相应密码,此时用户识别码U与该信息终端相关联。服务器接收到登录请求以后,将用户的登录请求存入数据库的缓冲区。用户信息管理程序处理用户登录请求时,就会查询数据库并将用户识别码U和密码与数据库中保存的帐户信息对照。通过帐户验证之后,用户终端和服务器通过网络接口程序保持网络通信,用户通过界面软件进行操作,比如:发送报价信息(包含一组报价的数据包)或上传特定商品的背景信息。
参与网络定价之前,用户必须充分了解特定商品的背景信息,才能及时给出合理的报价。关于特定商品的背景信息,可以由本地的服务器管理员预置到服务器的数据库中,给该商品分配一个唯一的商品识别码Y(例如:字符串或序号)。为了简化定价过程和提高效率,也可以由远程登录的用户直接输入特定商品的背景信息,通过用户的信息终端生成数据包,再传送给服务器。网络接口程序通过信息网络接收这个数据包,再由数据输入预处理程序解开数据包,将特定商品的背景信息存入数据库中,并分配一个唯一的商品识别码Y。在数据库中,特定商品的背景信息应与相应的商品识别码关联起来。优选地,背景信息还可以包括一组静态或动态的计算机多媒体文件,而用户使用信息终端下载和播放多媒体文件,以更多地了解特定商品的相关属性,有利于提高多元报价的合理性。采用类似方法,远程登录的用户可以补充输入关于商品Y的更多背景信息,通过信息终端生成的数据包应当含有商品识别码Y,由数据输入预处理程序将补充的背景信息存入数据库并与商品识别码Y关联。
为了方便用户了解特定商品的背景信息、定价过程信息和定价结果,用户登录服务器以后,可以通过信息终端来查询数据库中的相关信息,然后选择合适的商品,输入相应的多元报价信息。采用类似方法,通过用户的信息终端生成的数据包就含有待查询的商品识别码Y等信息,由数据输入预处理程序直接查询数据库,再由数据输出处理程序根据查询结果生成相应的输出数据包并发到信息网络上,通过网络接口程序指向该用户的信息终端。比如,用户根据数据库中的信息选择某一件商品Y,并通过用户终端上的界面软件来实时显示关于商品Y的背景信息。
图2所示的第一个步骤S101是接收来自用户终端的访问请求,以上列举了常见的用户访问类型,包括:提交报价信息、查询数据、登录请求、注册请求和提交特定商品的背景信息。服务器通过网络接口程序接收到用户访问请求的数据包以后,由数据输入预处理程序解开数据包并将数据输入数据库的缓冲区,再按照优先级顺序来分别处理。实际上可用多种不同的优先级策略,图2中采用了一种较好的优先级策略,从高到低为:报价信息、查询数据库、登录请求、注册申请、关于特定商品的背景信息。数据输入预处理程序相继执行五个逻辑判断步骤,其相对顺序取决于上述的优先级策略,分别为:判断“报价信息”的步骤S102,判断“查询数据库”的步骤S103,判断“登录请求”的步骤S104,判断“注册申请”的步骤S105,判断“商品背景信息”的步骤S106。如图2所示,根据上述五个逻辑判断步骤的结果,按照用户访问请求的类型分别处理信息:对应于步骤S102,主要由数据处理程序(在其它程序的配合下)执行步骤S120,以处理报价信息;对应于步骤S103,数据输出处理程序执行步骤S109,将数据输入预处理程序从数据库中查询到的信息反馈给用户终端;对应于步骤S104,用户信息管理程序执行步骤S107,根据数据库中的账户信息来验证用户的登录请求;对应于步骤S105,用户信息管理程序执行步骤S108,为符合条件的用户在数据库中创建帐户;对应于步骤S106,数据输入预处理程序执行步骤S110,分配商品识别码,并且将数据库中的背景信息与商品识别码关联起来;若用户的访问请求不属于上述五种类型,则直接返回步骤S101,以接收下一个用户访问请求。执行步骤S120、S109、S107、S108或S110之后,也要返回步骤S101,以接收下一个用户访问请求。
在本实施例中,与商品识别码Y关联的背景信息可以包括:该商品在未来的网络定价的起始时刻T0,起始样本数S0(一般在5至30之间选取),以及网络定价的终止条件(例如:因网络定价不成功而提前结束的结束时刻Ts应晚于起始时刻T0;报价样本数目的最大值Smax一般远大于S0)。根据经验,对于近似正态分布的某一个报价变量P,当样本数达到30时,报价P的统计学信息具有很高的可信度。基于WEB2.0模式的网络定价方法,利用了信息网络的多用户随机参与的便捷性,以求适应对于多元定价的一个基本要求:在尽可能短的时间内,获得尽可能多的多元报价P1和P2,产生公允的多元定价结果。其中,卖方报价P1表示该用户站在卖方立场上提出的一个报价,而买方报价P2表示该用户站在买方立场上提出的一个报价。为了避免网络定价过程耗费太多时间却仍然得不到公允的结果,可在服务器中预设非正常情况下的退出条件。预设的起始样本数S0也不宜过大,以利于服务器较快地判断出异常的报价。
数据库的缓冲区中还有动态的商品列表,按起始时刻T0的顺序,商品识别码Y连同起始时刻T0和状态值F=00(意为“未启动”)被插入到商品列表中,此操作可由图2中的步骤S110来实现,也就是由数据输入预处理程序来完成。每隔一段时间(比如0.5秒左右),数据处理程序就把数据库缓冲区中的商品列表扫描一遍,将商品列表中的起始时刻T0依次与服务器的内部时钟进行比较。当内部时钟达到商品Y的起始时刻T0,数据处理程序就激活商品Y,也就是将商品Y在商品列表中的状态值改为F=01(意为“已启动”),再根据相关的背景信息在数据库中创建一组关于商品Y的中间数据(也称为样本数据)。数据处理程序可以随时从数据库读取关于某一件商品的样本数据,对样本数据处理之后,该商品的样本数据就被刷新,因此数据处理程序可以随时在多件商品的网络定价进程之间跳转。除了数据处理程序扫描商品列表的方式,还可以由服务器管理员直接激活商品Y,以实际的激活时刻代替上述的起始时刻T0。显然,在服务器激活商品Y之前,不会允许用户终端发送关于商品Y的报价信息(包含多元报价的数据包)。
用户通过信息终端查询数据库缓冲区中的商品列表,就知道哪些商品已被激活,再从数据库中查询商品的详细信息。这使得每个用户都可选择多件商品分别参与网络定价,而不受用户地理位置和不同作息时间的限制。用户查询商品的详细信息时,数据输出处理程序生成输出数据包,复制了商品Y的一部分必要的背景信息(如:商品识别码Y,起始时刻T0,报价样本数目的最大值Smax,以及相关的多媒体文件),参与网络定价的用户信息终端通过服务器的网络接口程序来远程下载输出数据包,再转化成终端屏幕页面信息。
服务器激活商品Y之后,用户就能针对商品Y发出多元报价信息了。用户U从信息终端登录后针对商品Y生成一个多元报价数据包,在该多元报价数据包内含有一组关联数据,其中包括用户识别码U、商品识别码Y、卖方报价P1和买方报价P2,此时用户识别码U与该信息终端相关联。多元报价数据包通过信息网络发送给服务器,被服务器的网络接口程序在内部时钟对应的时刻T(称为报价时刻)接收,然后,数据输入预处理程序判断这是报价信息,就将这个多元报价数据包转化为商品Y的一组结构化数据(以下称之为“报价向量”),存入数据库的缓冲区中,每一个报价向量包含一组关联数据。本实施例中,典型的报价向量的数学表达式为X={Y,U,P1,P2,T},包括若干个分量,如:用户识别码U、商品识别码Y、卖方报价P1、买方报价P2和报价时刻T。在本实施例中,接收多元报价数据包的操作,可在图2的步骤S101中实现;生成报价向量X的操作,可在图2的步骤S120中实现。
因为服务器允许同时对多件商品进行网络定价,信息网络上的各用户终端随机产生多元报价数据包,针对的商品通常也是随机的,而服务器自动采集和处理这些随机的多元报价数据包。每个报价向量的报价时刻是基于一个共同的服务器系统时钟来确定的,因此,以报价时刻为顺序,商品Y的报价向量就构成一个时间序列,即X1,X2,X3,…,Xn,其中Xn={Y,Un,P1n,P2n,Tn},网络定价进程Y就按报价时刻Tn的顺序逐个处理这一个时间序列中的报价向量。
当服务器生成商品Y的一个新的报价向量X时(包含报价P1和P2以及报价时刻T),根据一般的统计学理论,只要在报价时刻T之前已接收到的商品Y的多元报价的数目足够多,根据这种大样本所包含的统计信息,就能对多元报价P1和P2与相应的理论平均值μ1和μ2之间的偏差做出合理预测。对于符合正态分布的随机变量,其样本具有平均值μ和标准差σ,则该随即变量有约68%的概率分布在距离平均值μ小于标准差σ的范围内,约95%的概率分布在距离平均值μ小于两倍标准差2σ的范围内,约99.7%的概率分布在距离平均值μ小于三倍标准差3σ的范围内。在实践中,由于个别因素的干扰,极少数报价可能明显偏离商品的实际价值,需要服务器来自动鉴别这一类不合理的“异常”报价。例如,与理论平均值μ的绝对差值大于三倍标准差的报价可被视为“异常”,与理论平均值μ的绝对差值小于三倍标准差的报价则为“正常”。
对于实数序列x1,x2,…,xN,可用以下公式计算平均值μ和标准差σ,
基于以上统计学常识,以服务器在当前报价向量之前收到的多元报价样本的实际平均值来拟合商品Y的理论平均值μ1和μ2,用此样本的实际标准差来拟合理论上的标准差σ1和σ2。
数据处理程序激活商品Y时,同时在数据库中创建商品Y的一组样本数据,并且初始化:设置一个计数器变量C1=0,表示商品Y的报价向量集合中的样本数目,设置一个报价向量集合(初始为一个空集)。根据以上统计学公式,商品Y的样本数据的初始化还可包括:第一求和变量A11=0,第一平方求和变量A12=0,第二求和变量A21=0,第二平方求和变量A22=0。计数器数值C1对应于上述统计学公式中的N值,随着计数器C1的不断累进,上述公式就简化成μ1=A11/C1,μ2=A21/C1,及
图2中的步骤S120可以进一步细分为多个次级步骤,组成了本实施例的网络定价方法的后端部分流程,显示在图3的虚线框内。若数据输入预处理程序执行步骤S102并且判断用户的访问请求是报价信息,就接着执行步骤S120中的第一个次级步骤S1201。根据上文中的描述,步骤S1201为,根据用户的报价信息生成报价向量X。在步骤S1201之后,数据处理程序执行步骤S1202,根据该报价向量X的商品识别码Y从数据库中读取商品Y的样本数据。
在步骤S1202之后,数据处理程序执行步骤S1203,根据计数器数值C1和预设参数,判断当前的报价向量集合是否包含足够多的报价样本。当计数器数值C1≤S0(预设的S0应大于5),也就是商品Y的报价样本数目还不够多的情况下,上述统计学方法不太适用,因此数据处理程序直接执行步骤S1213如下:根据该报价向量X的卖方报价P1和买方报价P2来刷新商品Y的样本数据,包括计数器C1=C1+1,第一求和变量A11=A11+P1,第一平方求和变量A12=A12+P1 2,第二求和变量A21=A21+P2,第二平方求和变量A22=A22+P2 2,依据上述平均值μ的公式来分别计算理论平均值μ1和μ2的近似值Z1=A11/C1和Z2=A21/C1,以及标准差和将该报价向量X添加到商品Y的报价向量集合中,然后执行步骤S1220。
当计数器数值C1>S0,即商品Y的当前样本数目足够多时,服务器就利用当前样本数据所包含的统计信息来判断下一组多元报价的合理性。此时,数据处理程序调用网络报价鉴别程序,而网络报价鉴别程序返回到数据处理程序之前应完成多个关键步骤,以下分别详述可能的几种具体情况。
首先,网络报价鉴别程序执行步骤S1210,计算正常报价区间极限,包括第一下限变量L11=Z1-3σ1,第一上限变量L12=Z1+3σ1,第二下限变量L21=Z2-3σ2,和第二上限变量L22=Z2+3σ2,以确定正常报价的适当范围。然后,网络报价鉴别程序执行步骤S1211,以判断当前多元报价的合理性,具体为:若当前卖方报价P1和买方报价P2都在正常范围之内,即多元报价满足条件L11≤P1≤L12且L21≤P2≤L22,则判断该多元报价P1和P2以及报价向量X为“正常”,接着执行步骤S1213;若当前多元报价超出了上述的正常范围,即多元报价满足条件P1<L11或P1>L12或P2<L21或P2>L22,则判断多元报价P1和P2以及报价向量X为“异常”,接着执行步骤S1212,然后执行步骤S1213。在步骤S1212中,数据处理程序调用输出数据输出处理程序,由输出数据处理程序生成输出数据包,该输出数据包含有表示“本次报价异常”的信息,通过网络接口程序将此信息反馈给该用户所在的信息终端以便及时提醒。
在步骤S1220中,数据处理程序从数据库读取商品Y的样本数据以及预设的终止条件,判断商品Y是否满足正常的终止条件。若满足正常的终止条件(即C1≥Smax),则说明服务器实际收到的估值样本数目达到了预设的最大值Smax,商品Y的网络定价过程可以正常结束,数据处理程序执行步骤S1221如下:产生商品Y的定价结果并存入数据库中,以最后的近似值Z1作为商品Y的卖方定价V1,以最后的近似值Z2作为商品Y的买方定价V2。
优选地,步骤S1221在数据库中产生的定价结果还包括,将商品Y的报价向量集合转换成一个报价向量序列。该报价向量序列以每个报价向量的多元报价P1和P2的合理程度为顺序,其目的是及时向用户反馈更加客观全面的定价结果,以揭示定价结果与每个用户的报价合理性之间的相关性,也为定价结果的深入分析提供快捷而详细的数据。例如,可用第一绝对差E1=|P1-V1|来衡量卖方报价P1的合理程度,即卖方报价P1与卖方定价V1之差的绝对值;再用第二绝对差E2=|P2-V2|来衡量买方报价P2的合理程度,即买方报价P2与买方定价V2之差的绝对值;然后计算该报价向量X的误差E=E1+E2。具体地说,误差E最小的报价向量排在报价向量序列的首位,误差E越大则该报价向量的位次越靠后;如果两个报价向量具有相等的误差E,就把第二绝对差E2较小的那一个报价向量排在前面;如果两个报价向量具有相等的第一绝对差E1及第二绝对差E2,就把报价时刻较早的那一个报价向量排在前面;依此类推,若两个报价向量具有相同的第一绝对差E1、第二绝对差E2及报价时刻T,就根据数据库中的用户信息来排列。普通的计算机编程语言都提供了指针变量类型,能使以上的排序操作的效率大为提高。数据处理程序在数据库内设置一系列指针变量,在指针变量与报价向量之间建立一对一的映射,以报价向量的逻辑存储位置为该指针变量的值。只需要改变指针变量的排序,就实现了对报价向量的排序,而不需要在数据库中改变整个报价向量的实际存储方式或逻辑存储位置。
数据处理程序执行步骤S1221以后,接着执行下文所述的步骤S1224以输出最终报告。优选地,在步骤S1221与步骤S1224之间,还可以由数据处理程序调用用户信息管理程序执行步骤S1222如下:对数据库中的相应的帐户信息进行处理,可依据涉及该商品Y的每一个报价向量X在报价向量序列中的位次,以及每一个报价向量X包含的用户识别码U,对每一个用户U的某些账户信息(如用户积分)实施操作,以使用户信息与其多元报价的相对准确性之间具有关联性。
在商品Y的网络定价过程正常结束之前,数据处理程序还可以在数据库缓冲区中查找商品列表,将商品Y的状态值改为F=11(意为“成功”);以此时的系统时钟指示的时间为商品Y的网络定价的完成时刻Tf,将完成时刻Tf添加到商品列表中。
在步骤S1220中,若数据处理程序判断商品Y不满足正常的终止条件,就执行步骤S1223,以判断商品Y是否满足非正常的终止条件。若系统时钟超过预设的非正常的结束时刻Ts并且C1<S0,也就是说,在预计的时间之内服务器收到的多元报价样本数太少,应提前(非正常)结束商品Y的网络定价过程,然后数据处理程序执行步骤S1224以输出最终报告。在商品Y的非正常结束之前,数据处理程序还可以在数据库缓冲区中查找商品列表,将商品Y的状态值改为F=10(意为“不正常”)。
在步骤S1224中,数据处理程序调用数据输出处理程序,生成商品Y的最终报告的数据包,并向信息网络发布,然后返回图2中的步骤S101,以接收下一个用户访问请求。例如,最终报告的数据包可以包括以下信息:已收到的商品Y的报价向量的数目(即最终的计数器数值C1);若商品Y非正常结束,则提供商品Y的报价向量集合;若商品Y正常结束,则提供商品Y的卖方定价V1,买方定价V2,最终的标准差σ1和σ2,还可以包括按多元报价的合理性排序的报价向量序列。通过服务器的网络接口程序,用户信息终端远程下载定价结果数据包,再转化成终端屏幕页面信息。这样,终端用户可以从服务器得到实时反馈,不仅能查询商品Y的网络定价的简单结果,还能直观地综合比较每个用户的多元报价的相对准确性。
在步骤S1223中,若数据处理程序判断商品Y也不满足非正常的终止条件,就应当继续进行商品Y的网络定价过程,直接返回步骤S101,以接收下一个用户访问请求。优选地,从步骤S1223直接返回步骤S101之前,数据处理程序还可以调用数据输出处理程序,由数据输出处理程序生成相应的输出数据包,并向信息网络发布。例如,该输出数据包可以包括以下信息:商品Y的报价向量集合的元素数目(即刚被刷新的计数器数值C1),报价向量集合中的用户识别码和报价时刻。通过服务器的网络接口程序,参与网络定价的用户依照各自获得的权限将其中一部分的输出数据包远程下载到用户信息终端上,再转化成终端屏幕页面信息。由于终端用户可以从服务器得到实时反馈,了解其多元报价P1和P2是否“异常”,以及关于特定商品和网络定价过程的其它重要信息,因此,本实施例的网络定价防范使得用户参与网络定价的整个过程都更加简便和高效。
第二实施例
在上述的第一实施例的基础上,本发明还提出第二实施例。不同于第一实施例,采用本实施例的物理定价方法,需同时执行两组相对独立的循环流程。其中,第一循环流程如图4所示,相当于图2中的前端部分流程,主要由网络接口程序和数据输入预处理程序来控制执行;第二循环流程如图5所示,相当于图3中的后端部分流程,主要由数据处理程序和数据输出处理程序来控制执行。一般来说,网络接口程序始终处于运行状态,以随时响应信息网络上的各种用户终端,一旦网络接口程序接收到用户发来的数据包,就会调用数据输入预处理程序;同时,数据处理程序循环扫描商品状态,连续地处理数据库中待处理的信息。由于同时执行两组循环流程,服务器面对大量用户访问请求时,也能保持较高的响应速度和数据处理效率。
本实施例的第一循环流程如图4所示,与图2中的第一实施例的前端部分流程的相同之处不再重述,主要不同之处在于:在步骤S220中,由数据输入预处理程序根据用户提交的一组多元报价信息生成一个报价向量X={Y,U,P2,D,T},其中P2为买方报价而D为买卖价差,并按照报价时刻T的先后顺序添加到数据库缓冲区中的报价向量列表中,但是,此时服务器不对多元报价信息做其它处理。由于商品流通环节的成本,一般消费型商品的卖出价高于买入价,卖出价减去买入价之后的差值即为买卖价差D,因此本实施例限定买卖价差D≥0。若用户U只提供了买方报价,则数据输入预处理程序默认D=0。
在本实施例中,服务器中的网络报价鉴别程序同样基于统计学原理,根据商品Y的已有的报价样本所包含的信息,判断下一组多元报价的合理性。若报价样本中的买方报价P2具有理论平均值μ和标准差σ,近似地,买方报价P2在μ-3σ与μ+3σ之间的概率约99.7%,而买方报价P2与理论平均值μ之间的绝对差值大于三倍标准差3σ的概率小于0.3%,完全忽略此类极少数的异常报价将基本不会在整体上影响最终定价。在实践中,由于个别因素的干扰,极少数报价可能明显偏离商品的实际价值,有损于网络定价结果的合理性,服务器自动把这样的“异常”报价排除之外,不仅是合理的,而且可以提高网络定价的公信力。
在本实施例中,商品Y的背景信息包括买方参考价R1和R2且R1<R2,未来网络定价的起始时刻T0,以及终止条件(未来的结束时刻Tmax或有效样本数的最大值Smax)。对于近似正态分布的买方报价P2,在理论平均值μ的附近具有峰值概率,因此,选取R1和R2的差值应足够大,尽量使R1和R2都远离理论平均值μ,使得买方报价P2落入这个数值区间内(即R1<P2<R2)的概率也较大,这将有利于服务器较快地筛选出异常的报价。
与上述实施例类似,数据输入预处理程序执行步骤S210,在处理商品Y的背景信息时,还要将商品识别码Y添加到数据库缓冲区中的商品列表中。该商品列表是动态的,按起始时刻T0的顺序排列,包含商品识别码Y及其状态值F=00(意为“未启动”)。数据处理程序在足够短的时间间隔内循环扫描商品列表,当系统内部时钟达到商品Y的起始时刻T0,数据处理程序立即将商品Y的状态值改为F=01(意为“已启动”)。
与上述实施例的不同在于,此时数据处理程序还激活一个专用于商品Y的程序进程(也称为网络定价进程Y)。服务器激活网络定价进程Y之后,用户就能针对商品Y发出一组多元报价信息了。实际上,每一个网络定价进程Y都有独立的数据堆栈,可以随时被数据处理程序调用或中断,使服务器进一步提高数据处理的效率。从网络定价进程Y返回数据处理程序时,还保持原有时序和数据完整性,直到网络定价进程Y完全结束时才会释放其堆栈的存储空间。因此,服务器可以随时在多个网络定价进程之间跳转,或者将多个网络定价进程载入或移出操作系统的并发线程之中。
本实施例的第二循环流程如图5所示。在步骤S300中,数据处理程序要判断在扫描商品列表的一个周期内是否有刚达到起始条件的商品,若商品Y达到起始条件就接着执行步骤S301,若没有新的商品满足起始条件则执行步骤S302。在步骤S301中,数据处理程序激活网络定价进程Y,根据商品Y的背景信息在数据库中创建的样本数据包括:下限变量L1=2R1-R2,上限变量L2=2R2-R1,计数器C21=2和计数器C22=0,买卖价差求和变量A3=0,买卖价差最大值Dmax=0,买卖价差上限L3=R2-R1,以及初始的正常报价向量序列和异常报价向量集合。其中,计数器C21表示商品Y的正常报价向量序列中的元素数目,计数器C22表示异常报价向量集合中的元素数目。如果用户U0(系统管理员或远程终端的普通用户)输入了商品Y的背景信息,网络定价进程Y就在起始时刻T0生成起始向量XR1={Y,U0,R1,0,T0}和XR2={Y,U0,R2,0,T0},初始的正常报价向量序列由起始向量XR1和XR2组成,因R1<R2故XR1排在XR2之前;而初始的异常报价向量集合是一个空集。数据处理程序可以循环扫描商品列表,完成步骤S301以后就返回步骤S300,继续判断是否还有商品达到了起始条件,直到完成一个扫描周期。因此,数据处理程序把商品列表扫描一遍以后,满足起始条件的商品的网络定价进程都被激活了。
在步骤S302中,数据处理程序通过一个指针变量按顺序读取报价向量列表中的报价向量,按照每个报价向量的报价时刻的顺序和商品识别码Y来调用相应的网络定价进程Y,接着执行步骤S303。一般,数据处理程序激活的多个网络定价进程会并存一段时间,从各用户终端随机产生的报价信息也随机地针对不同的商品,该报价向量列表就成为多件商品随机混合的自然时间序列。例如,这些报价向量可能分别属于已被激活的m个网络定价进程Y1,Y2,Y3,…Ym,经过以上处理步骤就分解成了m个相互独立的时间序列,每个时间序列只属于单个特定商品,由这m个网络定价进程分别依次处理。实际效果是,属于商品Y的报价向量被归入同一时间序列X1,X2,X3,…,Xn,……,其中报价向量Xn={Y,Un,P2n,Dn,Tn}都由网络定价进程Y按照报价时刻Tn的顺序来处理。网络定价进程Y每次只处理一个报价向量,同时根据商品Y的当前的样本数据和当前报价向量的多元报价来刷新商品Y的样本数据,并将该报价向量添加到商品Y的正常报价向量序列或者异常报价向量集合中。然后网络定价进程Y返回数据处理程序,直到再次被数据处理程序调用之前,该网络定价进程Y的数据堆栈保持不变。
在步骤S303中,该网络定价进程Y提供商品Y的当前的样本数据。接着,网络定价进程Y调用网络报价鉴别程序来执行步骤S310,判断当前报价向量的多元报价的合理性,若多元报价被判断为“正常”则转到步骤S311,若多元报价被判断为“异常”则转到步骤S312。例如,网络定价进程Y处理一个报价向量X={Y,U,P2,D,T},调用网络报价鉴别程序来判断买方报价P2和买卖价差D的合理性,网络定价进程Y再根据网络报价鉴别程序的判断结果来刷新商品Y的样本数据。网络报价鉴别程序的原理是:若买方报价P2的样本具有平均值μ和标准差σ,就以下限变量L1作为μ-3σ的近似值,以上限变量L2作为μ+3σ的近似值,以上限价差L3作为买卖价差D的合理范围的上限近似值,那么,当多元报价满足条件L1≤P2≤L2且0≤D≤L3,则该报价向量被判断为“正常”,若多元报价满足条件P2<L1或P2>L2或D>L3则该报价向量被判断为“异常”。
在步骤S311中,网络定价进程Y处理“正常”报价向量X,具体操作包括:在数据库中刷新商品Y的样本数据,按一定的排序规则将报价向量X插入正常报价向量序列中,再确定正常报价向量序列中的所有买方报价的中值以及所有买卖价差的最大值,预测下一组多元报价的合理范围。根据数学上的概念,对于由n个实数按大小顺序排列的数组,当n为奇数时,该数组的中值M是排在数组的正中间的位置上的那个数值;当n为偶数时,该数组的中值M是排在数组的正中间的两个数的平均值。对于本实施例,正常报价向量序列是按照报价向量所含的买方报价由小到大排列的,若多个报价向量的买方报价恰好相等,就暂时不需要改变这几个报价向量的相对顺序。每次只调整一个报价向量的顺序位置,这比针对全部报价向量的一次性排序方法更实用,避免了很多的重复排序操作,提高了数据处理的效率。同时,网络定价进程Y还要计算出C21=C21+1,刷新之后的计数器C21就表示正常报价向量序列的元素数目;买卖价差求和变量A3=A3+D,买卖价差平均值ZD=A3/(C21-2),若D>Dmax则令买卖价差最大值Dmax=D;正常报价向量序列中的买方报价排列成一个由小到大的数组,由此很容易找出当前所有正常的买方报价之中的最小值Pmin、中值M和最大值Pmax。根据统计学常识,正常买方报价的样本数目很多时,中值M将趋近于正常买方报价的理论平均值μ,还可用买方报价的最大值Pmax和最小值Pmin来估算出标准差σ=k(Pmax-Pmin),而预设的常数k适宜在0.2至0.5之间选取,常数k越大则表示拟定的买方报价的合理范围更宽。随着更多用户参与商品Y的网络报价,服务器接收到的多元报价也累积成更大规模的随机样本,根据大样本的信息预测出的合理范围具有更高的可信度。因此,网络定价进程Y还进行以下计算:下限变量L1=M-3σ=3kPmin+M-3kPmax和上限变量L2=M+3σ=3kPmax+M-3kPmin,再令买卖价差上限L3为(R2-R1)、买卖价差最大值Dmax和买卖价差平均值ZD这三个数值之中的两个较大值之和,刷新之后的下限变量L1、上限变量L2和买卖价差上限L3共同构成了正常报价区间极限,用于确定下一组多元报价的正常范围。
终端用户可以向数据库实时查询信息,或了解其多元报价P2和D是否被服务器接收为正常报价,但是在网络定价进程Y完全结束之前,其他用户的多元报价、买方报价的中值M、买卖价差平均值ZD、下限变量L1、上限变量L2和买卖价差上限L3应暂时保密,避免干扰后来用户的报价。此时数据处理程序调用数据输出处理程序,生成相应的输出数据包,通过网络接口程序向信息网络发布,参与网络定价的用户依照各自获得的权限将其中一部分的输出数据包远程下载到用户信息终端上,再转化成终端屏幕页面信息。例如,该输出数据包可以包括以下信息:商品Y的正常报价向量序列的元素数目(即刚被刷新的计数器数值C21),异常报价向量集合的元素数目(即刚被刷新的计数器数值C22)。
在步骤S312中,网络定价进程Y处理“异常”报价向量X,具体操作包括:在数据库中刷新商品Y的样本数据,将该报价向量X添加到商品Y的异常报价向量集合中,计算C22=C22+1。优选地,此时网络定价进程Y还可调用输出数据处理程序,由输出数据处理程序生成输出数据包,该输出数据包可以包含表示“不接受异常报价”的信息,通过网络接口程序实时反馈给该用户所在的信息终端以便及时提醒。
网络定价进程Y执行步骤S311或S312之后,就接着执行步骤S320,判断商品Y是否满足终止条件,若满足终止条件就执行步骤S321、S325和S330,若不满足终止条件就直接执行步骤S330。在本实施例中,预设的终止条件是系统时钟超过结束时刻Tmax或者计数器C21≥Smax(有效样本数目的最大值)。在步骤S321中,网络定价进程Y生成定价结果,以商品Y的最终的正常报价向量序列中的买方报价的中值M作为买方定价V2,以最终的买卖价差平均值ZD作为标准买卖价差VD。为了保证公允的定价结果,预设的有效样本数的最大值Smax最好大于30,或者,预设的结束时刻Tmax与起始时刻T0的间隔足够长,最好能够使服务器接收到的正常多元报价的样本数(即最终的计数器数值C21)超过30。优选地,上述步骤S321中的定价结果还可以包括:采用类似于上述实施例的步骤S1221中的报价向量排序方法,根据每个正常报价向量的多元报价P2和D的合理程度来对正常报价向量序列重新排序并存入数据库中,其目的是及时向用户反馈更加客观全面的定价结果,以揭示定价结果与每个用户的报价合理性之间的相关性,也为定价结果的深入分析提供快捷而详细的数据。例如,可用买方报价绝对差E2=|P2-V2|来衡量买方报价P2的合理程度,即买方报价P2与买方定价V2之差的绝对值;再用绝对差ED=|D-VD|来衡量买卖价差D的合理程度,即买卖价差D与标准买卖价差VD之差的绝对值;买方报价绝对差E2最小的报价向量排在正常报价向量序列的首位,买方报价绝对差E2越大则该报价向量的位次越靠后;如果两个报价向量具有相等的买方报价绝对差E2,就把绝对差ED较小的那一个报价向量排在前面;如果两个报价向量具有相等的买方报价绝对差E2及绝对差ED,就把报价时刻较早的那一个报价向量排在前面;依此类推,若两个报价向量具有相同的买方报价绝对差E2、绝对差ED及报价时刻T,就根据数据库中的用户信息来排列。
在步骤S325中,该网络定价进程Y应完全结束并返回数据处理程序,数据处理程序在数据库缓冲区中查找商品列表,将商品Y的状态值改为F=11(意为“成功”),将商品Y的完成时刻Tf添加到商品列表中。优选地,在步骤S321与S325之间,网络定价进程Y还可执行步骤S322,调用用户信息管理程序,根据报价向量X包含的用户识别码U以及报价向量X在正常报价向量序列中的位次,对数据库中的相应的帐户信息进行处理,以反映该用户U的多元报价的相对合理性。优选地,在步骤S321与S325之间,网络定价进程Y还可执行步骤S324,调用数据输出处理程序,生成定价结果数据包(最终报告),并向信息网络发布。
在步骤S330中,网络定价进程Y直接返回到数据处理程序,报价向量列表的指针向前进一位以指向下一个报价向量,然后执行步骤S331。在步骤S311中,数据处理程序判断报价向量列表的指针是否指向“空元”(也就是指针越过了报价向量列表的末尾),若指针越过报价向量列表的末尾则回到步骤S300以重新循环扫描数据库缓冲区中的商品列表,若指针没有越过报价向量列表的末尾则回到步骤S302以继续处理下一个报价向量。因此,数据处理程序按照上文所述的时间序列来处理商品Y的报价向量,当报价向量列表的指针变量指向商品Y的下一个报价向量时,数据处理程序再一次调用网络定价进程Y。利用网络定价进程Y的数据堆栈来快速处理数据,可以减少对数据库资源的占用。
第三实施例
在上述实施例的基础上,本发明提出第三实施例,其与上述实施例的关键的不同之处在于数据处理程序和网络报价鉴别程序执行的步骤。本实施例的网络定价方法也同时执行两组相对独立的循环流程,即图4所示的第一循环流程和类似于图5的第二循环流程。
本实施例的第一循环流程与第二实施例的第一循环流程的不同之处仅仅在于:在步骤S220中,由数据输入预处理程序根据用户提交的一组多元报价信息生成一个报价向量X={Y,U,P2,D,P3,T},包括买方现金报价P2、现金买卖价差D和易物报价P3。对于大量的二手商品,也经常采用以物易物的交易方式。由于普通二手商品的流通性明显低于全新商品,二手商品与作为一般等价物的货币更加不对等,导致二手商品的现金交易价格一般略高于以等价商品计算出的交易价格,因此通常易物报价P3低于买方现金报价P2。
本实施例的网络定价方法采用的网络报价鉴别程序同样基于统计学原理,根据商品Y的已有的多元报价的样本所包含的信息,判断下一组多元报价的合理性。本实施例的第二循环流程与第二实施例的第二循环流程的其它相同之处不再重述,主要不同之处如下所述。
在步骤S301中,数据处理程序激活网络定价进程Y,在数据库中创建的样本数据还包括:下限变量L4=2R1-R2,上限变量L5=2R2-R1,第三求和变量A31=R1+R2,第三平方求和变量A32=R1 2+R2 2,起始向量XR1={Y,U0,R1,0,R1,T0}和XR2={Y,U0,R2,0,R2,T0}。根据上述的正态分布计算公式,对于易物报价P3这个随机变量也有Z3=A31/C21和
网络定价进程Y调用网络报价鉴别程序来执行步骤S310时,采用以下原理来判断当前报价向量的多元报价的合理性:当多元报价满足条件L1≤P2≤L2、L4≤P3≤L5且0≤D≤L3,则该报价向量被判断为“正常”,若多元报价满足条件P2<L1、P2>L2、P3<L4、P3>L5和D>L3之中的任一项,则该报价向量被判断为“异常”。
在网络定价进程Y处理正常报价向量X的步骤S311中,除了刷新下限变量L1、上限变量L2和现金买卖价差上限L3,还要刷新商品Y的以下样本数据:第三求和变量A31=A31+P3,第二平方求和变量A32=A32+P3 2,易物报价平均值Z3=A31/C21,易物报价标准差下限变量L4=Z3-3σ3,上限变量L5=Z3+3σ3。刷新之后的下限变量L1和L4,上限变量L2和L5,以及现金买卖价差上限L3,共同构成了正常报价区间极限,用于确定下一组多元报价的合理范围。
网络定价进程Y在步骤S321中生成的定价结果,除了确定买方现金定价V2和标准现金买卖价差VD,还以商品Y的最终的正常报价向量序列中的易物报价平均值Z3作为易物定价V3。相应地,优选的步骤S321还可以包括,根据每个正常报价向量的多元报价P3、P2和D的合理程度来对正常报价向量序列重新排序并存入数据库中,例如:可用易物报价绝对差E3=|P3-V3|来衡量易物报价P3的合理程度,即易物报价P3与易物定价V3之差的绝对值;用买方现金报价绝对差E2=|P2-V2|来衡量买方现金报价P2的合理程度,即买方现金报价P2与买方现金定价V2之差的绝对值;再用绝对差ED=|D-VD|来衡量现金买卖价差D的合理程度,即现金买卖价差D与标准现金买卖价差VD之差的绝对值;易物报价绝对差E3最小的报价向量排在正常报价向量序列的首位,易物报价绝对差E3越大则该报价向量的位次越靠后;如果两个报价向量具有相等的易物报价绝对差E3,就把买方现金报价绝对差E2较小的那一个报价向量排在前面;如果两个报价向量具有相等的易物报价绝对差E3和买方现金报价绝对差E2,就把绝对差ED较小的那一个报价向量排在前面;如果两个报价向量具有相等的易物报价绝对差E3、买方现金报价绝对差E2及绝对差ED,就把报价时刻较早的那一个报价向量排在前面;依此类推,若两个报价向量具有相同的易物报价绝对差E3、买方现金报价绝对差E2、绝对差ED及报价时刻T,就根据数据库中的用户信息来排列。
综上所述,本发明的网络定价方法,可以快速地接收和处理大量用户输入的多元报价信息,对特定商品的报价就容易累积成符合客观的统计学规律的大规模样本,因而网络报价鉴别程序根据当前样本来自动预测下一组多元报价的合理范围,以甄别出异常报价。假设服务器在T时刻接收到用户U针对商品Y的一组多元报价(以反映三种不同价格属性的P1、P2和P3为例),就在数据库中生成一组结构化的关联数据,即报价向量X={Y,U,P1,P2,P3,T}。如果网络报价鉴别程序判断这一组多元报价和报价向量X是正常的,该报价向量X将被纳入商品Y的参考样本中,该样本的规模足够大时,就能比较公允地判断未来报价的合理性。相反的,如果网络报价鉴别程序判断这一组多元报价是异常的,该报价向量X可以被排除在商品Y的参考样本之外,以避免这类具有异常报价对网络定价结果的干扰。
本发明的网络定价方法还可以采用数据输出处理程序,生成相应的输出数据包,并向信息网络发布。通过服务器的网络接口模块,参与网络定价的用户依照各自获得的权限将其中一部分的输出数据包远程下载到用户信息终端上,再转化成终端屏幕页面信息。因此,终端用户可以从服务器得到实时反馈,以了解其报价是否为异常报价,是否被服务器正常接收。关于商品Y的网络定价过程结束时,服务器还能够确定关于商品Y的每一组正常的多元报价的相对合理性,并以此对报价向量排序来直观地反这类更深层次的定价结果。与商品Y的最终定价相差较小的报价就具有较高的相对合理性,相应的报价向量X就排在比较靠前的位置上。本发明的网络定价方法还可以采用用户信息管理程序,可以根据报价向量X的排序结果再对用户的状态信息进行处理。
与现有技术相比,本发明的网络定价方法具备明显的优点:高效率地接收和处理大量用户的多元报价;充分地利用大量用户提供的多元报价之间的关联性;针对一件特定的商品就容易累积成符合客观的统计学规律的大规模样本,采用网络报价鉴别步骤就能根据当前样本来自动判断下一组报价的合理性,以甄别出异常报价并对用户做出实时反馈;能快速地向用户提供更丰富更全面的多元定价结果。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种网络定价方法,用于处理用户终端通过信息网络发送的关于商品的数据包,其特征在于包括以下步骤:
步骤S11,从所述用户终端接收报价数据包,所述报价数据包含有一个用户识别码和一组报价,所述用户终端与所述的一个用户识别码相关联;
步骤S12,对所述的报价数据包进行预处理,所述预处理产生的数据中包括了关联数据,所述的关联数据被存入数据库中;
步骤S21,从数据库中提取一组关联数据,所述的一组关联数据包括一个用户识别码和一组报价,对所述的一组关联数据进行第一数据处理;
步骤S22,利用所述第一数据处理的结果,鉴别所述的一组关联数据的一组报价的合理性,若所述一组报价为正常报价则转到步骤S23,若所述一组报价为异常报价则转到步骤S24;
步骤S23,对所述的正常报价进行第二数据处理,将所述的第二数据处理的结果存入数据库中并与所述的一组关联数据的一个用户识别码相关联,然后转到步骤S11;
步骤S24,对所述的异常报价进行第三数据处理,将所述的第三数据处理的结果存入数据库中并与所述的一组关联数据的一个用户识别码相关联,然后转到步骤S11。
2.如权利要求1所述的一种网络定价方法,其特征在于:
步骤S24的最后一项操作被替换为,转到步骤S25;
增加步骤S25为,输出异常报价的提示信息,用于与所述的一组关联数据的一个用户识别码相关联的用户终端,然后转到步骤S11。
3.如权利要求1所述的一种网络定价方法,其特征在于:所述的报价数据包还含有一个商品识别码,所述的关联数据还包括一个商品识别码,所述商品与所述的一个商品识别码是一一对应的。
4.如权利要求1所述的一种网络定价方法,其特征在于:
步骤S11还从所述用户终端接收辅助数据包,所述辅助数据包含有所述商品的背景信息、用户注册申请、用户登录请求和用户查询请求中的至少一种;
步骤S12还对所述的辅助数据包进行预处理。
5.如权利要求3所述的一种网络定价方法,其特征在于:
在步骤S11之前,先执行步骤S10,设置所述的商品识别码,以及与所述的商品识别码相关联的终止条件;
步骤S23的最后一项操作被替换为,转到步骤S30;
步骤S24的最后一项操作被替换为,转到步骤S30;
增加步骤S30为,判断与所述的一组关联数据的一个商品识别码相关联的终止条件是否被满足,若所述终止条件被满足,则输出与所述的一个商品识别码相关联的定价报告,所述定价报告含有与所述的一个商品识别码相关联的一组最终定价,与所述的一个商品识别码相关联的网络定价过程结束,然后转到步骤S10,若所述终止条件未被满足则返回到步骤S11。
6.如权利要求5所述的一种网络定价方法,其特征在于:步骤S22根据统计学规律来鉴别所述的一组关联数据的一组报价的合理性,利用了与所述的一组关联数据的一个商品识别码相关联的样本数据,所述样本数据通过对所述数据库进行数据处理而得到。
7.如权利要求6所述的一种网络定价方法,其特征在于:所述的统计学规律包括正态分布,所述的样本数据包括平均值、中值、标准差和正常报价区间极限之中的至少一种。
8.如权利要求6所述的一种网络定价方法,其特征在于:在步骤S30中,若所述终止条件被满足,则还要确定与所述的一个商品识别码相关联的每一组正常报价与样本数据的统计学相关性,从而对与所述每一组正常报价相关联的用户识别码所对应的帐户信息进行处理。
9.如权利要求5所述的一种网络定价方法,其特征在于:
在步骤S12之后增加步骤S13,执行步骤S13则返回步骤S10,以使步骤S10、S11、S12和S13构成第一循环;
在步骤S30中,不论所述终止条件是否被满足,最后一个操作都被替换为转到步骤S21,以使步骤S21、S22、S23、S24和S30构成第二循环。
10.如权利要求5或9所述的一种网络定价方法,其特征在于:
步骤S10还设置与所述商品识别码相关联的起始条件;
与所述商品识别码相关联的起始条件被满足时,步骤S11才开始接收与所述商品识别码相关联的报价数据包。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101647956A CN102254274A (zh) | 2011-06-17 | 2011-06-17 | 基于web2.0模式的网络定价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101647956A CN102254274A (zh) | 2011-06-17 | 2011-06-17 | 基于web2.0模式的网络定价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102254274A true CN102254274A (zh) | 2011-11-23 |
Family
ID=44981518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011101647956A Pending CN102254274A (zh) | 2011-06-17 | 2011-06-17 | 基于web2.0模式的网络定价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102254274A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093362A (zh) * | 2013-01-18 | 2013-05-08 | 五八同城信息技术有限公司 | 海量有噪交易信息中的市场公允价格计算方法和装置 |
CN105184628A (zh) * | 2015-08-25 | 2015-12-23 | 武汉博佰利商贸有限公司 | 一种基于商贸的网上交易系统及方法 |
CN106127531A (zh) * | 2016-07-14 | 2016-11-16 | 北京物思创想科技有限公司 | 基于机器学习来执行差异化定价的方法及系统 |
CN110148006A (zh) * | 2019-05-20 | 2019-08-20 | 国网天津市电力公司 | 一种电力市场恶意竞价行为识别方法 |
CN110348929A (zh) * | 2018-04-08 | 2019-10-18 | 阿里巴巴集团控股有限公司 | 界面展示方法、服务器、客户端、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1538334A (zh) * | 2003-04-18 | 2004-10-20 | 鸿富锦精密工业(深圳)有限公司 | 报价策略分析系统及方法 |
CN1542660A (zh) * | 2003-04-28 | 2004-11-03 | 鸿富锦精密工业(深圳)有限公司 | 网上竞标采购管理系统及方法 |
-
2011
- 2011-06-17 CN CN2011101647956A patent/CN102254274A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1538334A (zh) * | 2003-04-18 | 2004-10-20 | 鸿富锦精密工业(深圳)有限公司 | 报价策略分析系统及方法 |
CN1542660A (zh) * | 2003-04-28 | 2004-11-03 | 鸿富锦精密工业(深圳)有限公司 | 网上竞标采购管理系统及方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093362A (zh) * | 2013-01-18 | 2013-05-08 | 五八同城信息技术有限公司 | 海量有噪交易信息中的市场公允价格计算方法和装置 |
CN105184628A (zh) * | 2015-08-25 | 2015-12-23 | 武汉博佰利商贸有限公司 | 一种基于商贸的网上交易系统及方法 |
CN106127531A (zh) * | 2016-07-14 | 2016-11-16 | 北京物思创想科技有限公司 | 基于机器学习来执行差异化定价的方法及系统 |
CN110348929A (zh) * | 2018-04-08 | 2019-10-18 | 阿里巴巴集团控股有限公司 | 界面展示方法、服务器、客户端、电子设备及存储介质 |
CN110148006A (zh) * | 2019-05-20 | 2019-08-20 | 国网天津市电力公司 | 一种电力市场恶意竞价行为识别方法 |
CN110148006B (zh) * | 2019-05-20 | 2023-05-12 | 国网天津市电力公司 | 一种电力市场恶意竞价行为识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100445943C (zh) | 企业计划环境中的实时数据汇总 | |
CN106127531A (zh) | 基于机器学习来执行差异化定价的方法及系统 | |
US7171387B2 (en) | Method and apparatus for conducting multiple transactions | |
CN105719171A (zh) | 一种用于电子商务的关联管理系统及方法 | |
CN102254274A (zh) | 基于web2.0模式的网络定价方法 | |
Xue et al. | Computational experiment-based evaluation on context-aware O2O service recommendation | |
WO2020244468A1 (zh) | 金融产品推荐方法、装置、电子设备及计算机存储介质 | |
CN110363621A (zh) | 一种基于人工智能技术的订单信息推送系统 | |
CN108647972A (zh) | 交易认证方式确定方法、推送服务器及系统 | |
Olson et al. | An experimental examination into the design of decentralized methods to solve the assignment problem with and without money | |
Gallien et al. | Design and analysis of a smart market for industrial procurement | |
Shi et al. | A Bayesian game-enhanced auction model for federated cloud services using blockchain | |
Lin et al. | A novel Latency-Guaranteed based Resource Double Auction for market-oriented edge computing | |
CN109493075A (zh) | 用于确定虚拟资源对象的方法及设备 | |
CN111882358A (zh) | 基于直播平台的数据管控方法、设备、存储介质及装置 | |
CN106209731A (zh) | 会话业务处理方法及装置 | |
KR20220037597A (ko) | 개인화 금융상품 평가 시스템 및 방법 | |
Chen et al. | Business-to-consumer mobile agent-based internet commerce system (MAGICS) | |
CA2404932A1 (en) | Transaction supporting facility and transaction supporting method | |
Lin et al. | A multi-criteria decision making for innovation services attributes: An empirical study of mobile banking system | |
CN109754276A (zh) | 大数据搜集及分润的方法与系统、记录媒体及计算机程序产品 | |
US20130066679A1 (en) | Using events data | |
Berko et al. | Models and Methods for E-Commerce Systems Designing in the Global Economy Development Conditions Based on Mealy and Moore Machines. | |
US20040254847A1 (en) | Automated negotiation with multiple parties | |
CN102231672A (zh) | 基于信息网络的数值评估方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20111123 |