CN103886497A

CN103886497A - 一种生成网上交易中交易数据的方法及系统

Info

Publication number: CN103886497A
Application number: CN201410142692.3A
Authority: CN
Inventors: 张小力
Original assignee: SHANGHAI AIRUTE AIR-CONDITIONING SYSTEM Co Ltd
Current assignee: SHANGHAI AIRUTE AIR-CONDITIONING SYSTEM Co Ltd
Priority date: 2013-09-29
Filing date: 2014-04-10
Publication date: 2014-06-25

Abstract

本发明提供一种生成网上交易中交易数据的方法及系统，该方法包括以下步骤：获取第一交易数据和交易商品的属性数据；根据所述第一交易数据和交易商品的属性数据生成第二交易数据。本发明通过评价交易商品的属性来评估用户需要支付的交易数据，以更合理的架构体系实现交易数据的评估。

Description

一种生成网上交易中交易数据的方法及系统

技术领域

本发明涉及电子商务领域，特别是涉及一种生成网上交易中交易数据的方法及系统。

背景技术

由于近年来，电子商务逐渐成为互联网经济发展的主要潮流，依托于互联网等信息技术的电子商务应用，目前在全世界范围内以惊人的速度普及与发展。事实上，电子商务正逐渐成为整个社会经济活动中的一个越来越重要的组成部分。随着电子商务的普及与发展，人们对传统的商业行为是否能够在网络上重现越来越关注。

电子商务的关键环节之一是支付结算体系，在网上购物时，买家一般使用网上银行、或第三方账户或货到付款进行支付。现有的交易信息处理方法为，买家拍下欲购买的商品后，系统根据商品的信息生成一条交易订单，买家可以使用网银、第三方账户或现金的方式支付，当一次性支付的金额等于该商品的价格时，交易订单汇总显示用户已付款，接下来卖家就可以发货给买家。

随着电子商务的不断发展，网购平台上的大金额商品也越来越多，比如用于工厂的暖通设备、机电设备等。用户因购买力不足或只需满足租赁需求时，就只能支付部分货款，剩余货款通过贷款等形式支付。对于卖家或网购平台而言，其在用户租赁结束后、或用户因无力偿付贷款、或用户不想再使用该商品时，仍然可以收回这些耐用性的商品，继续二次出售或租赁，在充分发挥商品价值的同时，从中再赚取利润。

当用户需要通过网上贷款购买商品时，贷款方如何根据用户的信用等因素确定贷款金额已成为亟待解决的问题。专利号为CN200910139466.9的专利通过采集网络用户的相关信息，对信息进行分类，再将数据按照设定的规则进行打分而获得网络用户的信用度分值。但是该方法只是单一地依赖于用户的信用度，如果一些不法分子利用网络漏洞进行网上欺诈，例如，通过相互转账来提高自己的总交易量、通过两个账户相互好评等种种不诚信的手段来提高自己的伪信用，会给交易带来不可估量的损失。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种生成网上交易中交易数据的方法及系统，用于解决现有技术中在评估网上交易数据时单纯依赖用户的信用度的问题。

为实现上述目的及其他相关目的，本发明提供一种生成网上交易中交易数据的方法，该方法包括以下步骤：

获取第一交易数据和交易商品的属性数据；

根据所述第一交易数据和交易商品的属性数据生成第二交易数据。

优选地，还包括：

通过网络获取用户的属性数据和行为数据，并根据所述属性数据和行为数据生成第三交易数据；

以及将所述第二交易数据和所述第三交易数据进行加权处理，生成综合交易数据。

优选地，将所述第二交易数据和所述第三交易数据进行加权处理进一步包括：

根据商品的交易时间生成第四交易数据；

以及将所述第二交易数据、所述第三交易数据和所述第四交易数据进行加权处理，生成综合交易数据。

优选地，所述第二交易数据的权重大于所述第三交易数据的权重。

优选地，所述用户的属性数据至少包括：用户在交易网站的注册时间、用户的身份验证情况、用户的注册信息；所述用户的行为数据至少包括网站点击行为、用户交易数据及行为和资金变动数据及行为。

优选地，根据所述属性数据和行为数据生成第三交易数据进一步包括：

根据所述属性数据和行为数据建立评估模型；

根据所述评估模型的评估结果生成所述第三交易数据。

优选地，所述商品的属性至少包括：商品的价格、类型、性能和新旧程度。

优选地，所述根据所述第一交易数据和交易商品的属性数据生成第二交易数据进一步包括：

将所述交易商品的属性拆分为不同属性类别的至少一个属性，其中，所述每个属性类别分别被赋予权重，每个属性类别下的每个属性又分别被赋予权重；

综合所述属性类别和所述属性的权重，得到所述交易商品属性的总权重；

将所述总权重与权重评分列表作对比，其中，所述权重评分列表根据所有商品的属性数据建立；

根据对比结果和所述第一交易数据确定所述第二交易数据。

相应地，本发明还提供一种生成网上交易中交易数据的系统，其特征在于，包括：

数据获取模块，用于获取第一交易数据和交易商品的属性数据；

第二交易数据生成模块，用于根据所述第一交易数据和交易商品的属性数据生成第二交易数据。

优选地，还包括：

第三交易数据生成模块，用于通过网络获取用户的属性数据和行为数据，并根据所述属性数据和行为数据生成第三交易数据；

以及综合交易数据生成模块，用于将所述第二交易数据和所述第三交易数据进行加权处理，生成综合交易数据。

如上所述，本发明的生成网上交易中交易数据的方法及系统，具有以下有益效果：

首先，与现有技术中仅仅依靠用户的信用度来确定交易数据相比，本发明综合考虑交易商品的属性、用户的属性数据和行为数据以及完成整个商品交易的时间长短来评估用户需要支付的交易数据，以更合理的架构体系实现交易数据的评估。

其次，在本发明的交易数据的评估和生成体系中，交易商品的属性所占比重超过用户的属性数据和行为数据所占比重，对于价格昂贵的大宗商品的交易而言，充分考虑交易商品的价格、使用价值、类型、性能和新旧程度等属性因素评估贷款金额更为合理。

附图说明

图1显示为本发明生成网上交易中交易数据的方法的实施例1的流程示意图。

图2显示为本发明生成网上交易中交易数据的方法的实施例2的流程示意图。

图3显示为本发明生成网上交易中交易数据系统的实施例1的结构示意图。

图4显示为本发明生成网上交易中交易数据系统的实施例2的结构示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。

本发明可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、包括以上任何系统或设备的分布式计算环境等等。

本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等。也可以在分布式计算环境中实践本发明。在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

实施例1

请参阅图1，示出了本发明的一种生成网上交易中交易数据的方法的实施例1的流程示意图，所述方法可以包括以下步骤：

步骤S11：获取第一交易数据和交易商品的属性数据。

需要说明的是，所述第一交易数据包括买家针对所述交易商品支付的一部分货款。所述商品的属性至少包括：商品的价格、类型、性能和新旧程度。商品的类型包括消耗品、耐用品等。对于同样价格的消耗品和耐用品，消耗品网上贷款的金额小于耐用品网上贷款的金额。商品的性能体现的是产品的质量，性能越高表示质量越好。例如制冷效果好的空调比制冷效果差的空调性能好。根据商品的新旧程度可以确定该商品的使用价值。本实施例仅用于说明，而非用于限制本发明的保护范围，例如空调的性能还可体现在其他方面。

步骤S12：根据所述第一交易数据和交易商品的属性数据生成第二交易数据，其进一步包括：

根据对比结果和所述第一交易数据确定所述第二交易数据。

需要说明的是，商品的属性类别是指商品的价格、类型、性能、新旧程度等，每件商品的属性都可以具有特定的价格区间、类型、性能指标、新旧程度等，如表1所示。不同的属性类别可以由网上交易平台或第三方对其进行评分，例如，价格为30分、类型为30分、性能为20分、新旧程度为40分。每个属性类别下的每个属性又分别对其进行评分，例如，价格分为高、中、低，其中，价格高为50分、价格中为30分、价格低为20分。类型分为消耗品和耐用品，其中，消耗品为20分，耐用品为80分。性能分为高、中、低，其中，性能高为50分、性能中为30分、性能低为20分。新旧程度分为新、九成新、七成新、五成新和旧，其中，新为60分、九成新为20分、七成新为10分、五成新为7分、旧为3分。针对某一商品，计算其属性类别和属性类别下的属性的权重的总和即为交易商品属性的总权重。

表1商品的属性及其评分

需要说明的是，得到交易商品属性的总权重后，将所述总权重与权重评分列表作对比，根据对比结果确定该商品属性在所有属性中的重要程度。对于相同交易价格的商品，属性重要的商品的贷款金额可以比其他商品的贷款金额高或低。优选地，属性重要的商品的贷款金额高于其他商品的贷款金额。所述权重评分列表是在通过各种途径收集的商品属性数据的基础上建立的，可以通过人工或本领域公知的其他方法建立。

还需要说明的是，所述第二交易数据是指买家购买所述商品后需要偿还给贷款方的贷款金额。贷款方或交易平台根据第一交易数据计算出买家需要偿还的基本贷款金额，在该基本贷款金额的基础上，加上根据对比结果确定的贷款金额即为买家购买所述商品后需要偿还给贷款方的贷款金额。

实施例2

请参阅图2，示出了本发明的一种生成网上交易中交易数据的方法的实施例2的流程示意图。

需要指出的是，实施例2中重复的部分参考实施例1的说明，在此不再赘述。

所述生成网上交易中交易数据的方法包括以下步骤：

步骤S21：获取第一交易数据和交易商品的属性数据；

步骤S22：根据所述第一交易数据和交易商品的属性数据生成第二交易数据。

根据对比结果和所述第一交易数据确定所述第二交易数据。

需要说明的是，商品的属性类别是指商品的价格、类型、性能、新旧程度等，每件商品的属性都可以具有特定的价格区间、类型、性能指标、新旧程度等，如表1所示。不同的属性类别可以由网上交易平台或第三方对其进行评分，例如，价格为30分、类型为30分、性能为20分、新旧程度为40分。每个属性类别下的每个属性又分别对其进行评分，例如，价格分为高、中、低，其中，价格高为50分、价格中为30分、价格低为20分。类型分为消耗品和耐用品，其中，消耗品为20分，耐用品为80分。性能分为高、中、低，其中，性能高为50分、性能中为30分、性能低为20分。新旧程度分为新、九成新、七成新、五成新和旧，其中，新为60分、九成新为20分、七成新为10分、五成新为7分、旧为3分。针对某一商品，计算其属性类别和属性类别下的属性的权重的总和即为交易商品属性的总权重。如表1所示

还需要说明的是，贷款方或交易平台根据第一交易数据计算出买家需要偿还的基本贷款金额，在该基本贷款金额的基础上，加上根据对比结果确定的贷款金额即为所述第二交易数据。但是所述第二交易数据并不是指买家购买所述商品后需要偿还给贷款方的贷款金额总量。

步骤S23：通过网络获取用户的属性数据和行为数据，并根据所述属性数据和行为数据生成第三交易数据，其进一步包括：

根据所述属性数据和行为数据建立评估模型；

根据所述评估模型的评估结果生成所述第三交易数据。

需要说明的是，所述用户的属性数据至少包括：用户在交易网站的注册时间、用户的身份验证情况、用户的注册信息；所述用户的行为数据至少包括网站点击行为、用户交易数据及行为和资金变动数据及行为。其中，用户的注册信息包括用户的规模（企业用户）、注册资金（企业用户）、性别、年龄、职业、收入等。用户交易数据及行为包括用户已注册账号的交易次数、交易金额、交易数量、访问页面的MAC（Media Access Control，介质访问控制）地址变化、是否确认收货、有无发生交易纠纷等数据。资金变动数据及行为包括用户已注册账号的转账方向、还款去处、充值、资金来源、大小、资金在第三方支付系统的停留时间、资金随时间变化的变动情况等数据。

还需要说明的是，本实施例中，主要采用决策树和逻辑回归相结合的组合模型计算用户的信用得分。建立决策树的过程是不断地把数据进行切分的过程，每次切分对应一个问题，也对应着一个节点，对每次切分都要求分成的组之间的差异最大，决策树的生长和修建以熵的改变为基础。逻辑回归采用MLE（Maximum Likelihood Estimate，极大似然估计）算法进行参数估计。对交易用户分别采用决策树和逻辑回归分析计算后，根据两者结果进行加权处理，求出加权综合评分。

得到评估模型的评估结果后，将所述评估结果与评估列表作对比，根据对比结果确定该用户的信用程度。优选地，相对于同一商品，信用度高的用户得到的贷款金额高于其他用户的贷款金额。所述评估列表是在通过各种途径收集的用户的属性数据和行为数据的基础上建立的，可以通过人工或本领域公知的其他方法建立。

需要说明的是，所述第三交易数据可以在第一交易数据的基础上根据所述评估模型的评估结果生成，也可以仅根据所述评估模型的评估结果生成。

步骤S23：将所述第二交易数据和所述第三交易数据进行加权处理，生成综合交易数据，其进一步包括：

根据商品的交易时间生成第四交易数据；

需要说明的是，所述第四交易数据包括买家定期需要偿还的贷款数据，该贷款数据包括利息，该利息可以由贷款方根据贷款金额确定，也可以根据当下银行的利率确定。所述商品的交易时间是指从买家付首付到其偿还完所有贷款为止的时间间隔。所述商品的交易时间与第四交易数据成一定的线性或曲性关系。更优选地，所述商品的交易时间越长，第四交易数据越小。

还需要说明的是，在进行加权处理时，将所述第二交易数据的权重设定为大于所述第三交易数据的权重，由此，商品的属性对于贷款金额的确定起到了更重要的作用。所述第四交易数据的权重可以设为最小，即买家定期需要偿还的贷款数据在确定贷款金额时是比较次要的考虑因素。所述的综合交易数据即为买家最终需要偿还的贷款金额。

请参阅图3，示出了本发明生成网上交易中交易数据系统的实施例1结构示意图，该交易数据生成系统A300包括：

数据获取模块A301，用于获取第一交易数据和交易商品的属性数据；

第二交易数据生成模块A302，用于根据所述第一交易数据和交易商品的属性数据生成第二交易数据，其进一步包括：

属性拆分单元A3021，用于将所述交易商品的属性拆分为不同属性类别的至少一个属性，其中，所述每个属性类别分别被赋予权重，每个属性类别下的每个属性又分别被赋予权重；

总权重计算单元A3022，用于综合所述属性类别和所述属性的权重，得到所述交易商品属性的总权重；

对比单元A3023，用于将所述总权重与权重评分列表作对比其中，所述权重评分列表根据所有商品的属性数据建立；

第二交易数据确定单元A3024，用于根据对比结果和所述第一交易数据确定所述第二交易数据。

请参阅图4，示出了本发明生成网上交易中交易数据系统的实施例1结构示意图，该交易数据生成系统A400包括：

数据获取模块A401，用于获取第一交易数据和交易商品的属性数据；

第二交易数据生成模块A402，用于根据所述第一交易数据和交易商品的属性数据生成第二交易数据，其进一步包括：

属性拆分单元A4021，用于将所述交易商品的属性拆分为不同属性类别的至少一个属性，其中，所述每个属性类别分别被赋予权重，每个属性类别下的每个属性又分别被赋予权重；

总权重计算单元A4022，用于综合所述属性类别和所述属性的权重，得到所述交易商品属性的总权重；

对比单元A4023，用于将所述总权重与权重评分列表作对比其中，所述权重评分列表根据所有商品的属性数据建立；

第二交易数据确定单元A4024，用于根据对比结果和所述第一交易数据确定所述第二交易数据。

优选地，还包括：

第三交易数据生成模块A403，用于通过网络获取用户的属性数据和行为数据，并根据所述属性数据和行为数据生成第三交易数据，其进一步包括：

评估模型建立单元A4031，用于根据所述属性数据和行为数据建立评估模型；

第三交易数据计算单元A4032，用于根据所述评估模型的评估结果生成所述第三交易数据。

以及综合交易数据生成模块A404，用于将所述第二交易数据和所述第三交易数据进行加权处理，生成综合交易数据，其进一步包括第四交易数据生成单元A4041，用于根据商品的交易时间生成第四交易数据；

加权处理单元A4042，用于将所述第二交易数据、所述第三交易数据和所述第四交易数据进行加权处理，生成综合交易数据。

系统实施例的说明请参考方法实施例，在此不再赘述。

综上所述，本发明的生成网上交易中交易数据的方法及系统，具有以下有益效果：

所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims

1.一种生成网上交易中交易数据的方法，其特征在于，包括：

获取第一交易数据和交易商品的属性数据；

2.根据权利要求1所述的方法，其特征在于，还包括：

3.根据权利要求2所述的方法，其特征在于，将所述第二交易数据和所述第三交易数据进行加权处理进一步包括：

根据商品的交易时间生成第四交易数据；

4.根据权利要求2或3所述的方法，其特征在于：所述第二交易数据的权重大于所述第三交易数据的权重。

5.根据权利要求2所述的方法，其特征在于：所述用户的属性数据至少包括：用户在交易网站的注册时间、用户的身份验证情况、用户的注册信息；所述用户的行为数据至少包括网站点击行为、用户交易数据及行为和资金变动数据及行为。

6.根据权利要求2或5所述的方法，其特征在于，根据所述属性数据和行为数据生成第三交易数据进一步包括：

根据所述属性数据和行为数据建立评估模型；

根据所述评估模型的评估结果生成所述第三交易数据。

7.根据权利要求1所述的方法，其特征在于，所述商品的属性至少包括：商品的价格、类型、性能和新旧程度。

8.根据权利要求1或7所述的方法，其特征在于，所述根据所述第一交易数据和交易商品的属性数据生成第二交易数据进一步包括：

根据对比结果和所述第一交易数据确定所述第二交易数据。

9.一种生成网上交易中交易数据的系统，其特征在于，包括：

10.根据权利要求9所述的系统，其特征在于，还包括：

对比单元，用于将所述总权重与权重评分列表作对比其中，所述权重评分列表根据所有商品的属性数据建立；

第二交易数据确定单元，用于根据对比结果和所述第一交易数据确定所述第二交易数据。