CN108280651A - 一种商品对象审核方法、装置及系统 - Google Patents
一种商品对象审核方法、装置及系统 Download PDFInfo
- Publication number
- CN108280651A CN108280651A CN201611264641.3A CN201611264641A CN108280651A CN 108280651 A CN108280651 A CN 108280651A CN 201611264641 A CN201611264641 A CN 201611264641A CN 108280651 A CN108280651 A CN 108280651A
- Authority
- CN
- China
- Prior art keywords
- merchandise items
- commodity
- preset
- audit
- merchandise
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
Landscapes
- Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Cash Registers Or Receiving Machines (AREA)
Abstract
本申请公开了一种商品对象审核方法、装置及电子设备,商品审核参数方法、装置及电子设备,以及商品对象审核系统。其中,所述商品对象审核方法包括获取待审核的商品对象集;根据预设的商品过滤规则对所述商品对象集进行过滤;根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的拥挤度算法,从过滤后的商品对象中确定审核通过的商品对象。本申请的方法有利于商品对象后期的跟踪及统计。
Description
技术领域
本申请涉及数据处理技术领域,具体涉及一种商品对象审核方法、装置及电子设备。本申请同时涉及又一种商品对象审核装置、方法及电子设备,一种商品审核参数方法、装置及电子设备,以及三种商品对象审核系统。
背景技术
随着机器学习技术的不断发展与普及,越来越多的商品审核业务采用数据化运营方式替代人工运行方式进行实施,即:通过商品对象审核系统对待审核的商品对象进行自动化审核,这种方式也称为数据化选品方式。区别于传统的依靠人工对商品对象进行审核的方式,数据化选品是在大数据分析的基础上,通过构建选品模型,对待审核商品对象进行模型审核,给出商品对象是否通过的选品结果。
目前,数据化选品的实现方式是通过统一的选品模型获取审核结果,其中,统一的选品模型通过机器学习算法从大数据中学习获得。由于这种实现方式将商品对象的过滤环节与审核环节融合在一起,因此,存在无法跟踪对商品对象进行过滤处理的中间结果的问题。此外,在这种实现方式下修改过滤规则或审核规则均需要修改统一的选品模型,因此,还存在系统架构不清晰,不利于后期对系统进行维护和扩展的问题。
综上所述,现有技术存在无法跟踪审核过程中对商品对象进行过滤处理的结果,以及系统可维护性及可扩展性差的问题。
发明内容
本申请提供一种商品对象审核方法、装置及电子设备,以解决现有技术无法跟踪审核过程中对商品对象进行过滤处理的结果的问题。本申请同时涉及又一种商品对象审核装置、方法及电子设备,一种商品审核参数方法、装置及电子设备,以及三种商品对象审核系统。
本申请提供一种商品对象审核方法,包括:
获取待审核的商品对象集;
根据预设的商品过滤规则对所述商品对象集进行过滤;
根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的拥挤度算法,从过滤后的商品对象中确定审核通过的商品对象。
可选的,所述预设的商品过滤规则包括以下规则的至少一者:
至少一个不同业务通用的商品过滤规则;
至少一个当前业务专用的商品过滤规则。
可选的,所述至少一个不同业务通用的商品过滤规则包括以下规则的至少一者:
假货过滤规则;
山寨商品过滤规则;
同款商品过滤规则。
可选的,所述当前业务包括商品促销业务,所述至少一个当前业务专用的商品过滤规则包括以下规则的至少一者:
商品底限过滤规则;
商品上限过滤规则;
商家标过滤规则;
黑名单过滤规则。
可选的,所述商品底限过滤规则,包括:
若商品对象的预设的业务特有指标的数据小于所述商品对象所属商品类目对应的所述业务特有指标的第一预设阈值,则将所述商品对象确定为过滤掉的商品对象。
可选的,所述预设的业务特有指标包括单坑产出的预测值。
可选的,还包括:
确定各个商品类目对应的所述第一预设阈值。
可选的,所述确定各个商品类目对应的所述第一预设阈值,包括:
根据商品对象所属商品类目,将所述商品对象集划分为不同商品类目对应的商品对象子集;
针对各个商品类目,执行如下步骤:
从所述商品类目对应的商品对象子集内选取所述预设的业务特有指标排在高位的第一预设比例的商品对象;
将选取出的商品对象中所述预设的业务特有指标的最小值作为第一候选阈值;
将所述商品类目对应的所述预设的业务特有指标的平均值与第二预设比例的乘积,作为第二候选阈值;
若所述第一候选阈值与所述第二候选阈值均为非空值,则将所述第一候选阈值与所述第二候选阈值中的最大值,作为所述商品类目对应的所述第一预设阈值。
可选的,所述预设的业务特有指标包括单坑产出的预测值,所述预设的业务特有指标的平均值包括平均单坑产出的预测值;
所述平均单坑产出的预测值,采用如下方式计算:
获取所述商品类目的最近预设时间范围的平均单坑产出的实际值,作为第一实际值;以及获取所述商品类目的上一年度与所述最近预设时间范围同期的平均单坑产出的实际值,作为第二实际值;以及获取所述商品类目的上一年度与未来预设时间范围同期的平均单坑产出的实际值,作为第三实际值;
根据所述第一实际值和所述第二实际值,获取所述平均单坑产出的实际值的同期变化比例;
根据所述第三实际值与所述同期变化比例,获取所述商品类目的平均单坑产出的预测值。
可选的,若所述第一候选阈值与所述第二候选阈值均为空值,则将所述第一预设阈值设置为预设的默认阈值。
可选的,所述商品上限过滤规则,包括:
若商品对象的预设的业务特有指标的数据大于所述商品对象所属商品类目对应的所述业务特有指标的第二预设阈值,则将所述商品对象确定为过滤掉的商品对象。
可选的,所述商家标过滤规则包括以下规则的至少一者:
若商品对象所属商家被标记为商品对象无需审核即不通过的商家,则将所述商品对象确定为过滤掉的商品对象。
若商品对象所属商家被标记为商品对象无需审核即可通过的商家,则将所述商品对象确定为直接通过审核的商品对象。
可选的,还包括:
根据所述商家的历史销售数据,确定所述商家为商品对象无需审核即不通过的商家、或商品对象无需审核即可通过的商家。
可选的,所述历史销售数据包括当前业务相关的历史销售数据;
所述当前业务相关的历史销售数据包括参加一次当前业务产生的平均单日交易额和平均单日支付商品对象数量;
所述根据所述商家的历史销售数据,并确定所述商家为商品对象无需审核即不通过的商家、或商品对象无需审核即可通过的商家,包括:
获取最近预设时间范围内参加当前业务的次数大于等于预设的次数阈值的商家;
针对获取到的各个商家,执行如下步骤:
根据预设的成功参加当前业务条件,确定所述商家成功参加当前业务的比例;
判断所述比例是否大于等于第一预设比例阈值;
若上述判断为是,则判断所述商家的所述平均单日交易额是否大于等于预设的第一交易额阈值,若是,则将所述商家确定为商品对象无需审核即可通过的商家;
若上述判断为否,则判断所述比例是否小于预设的第二预设比例阈值,若是,则将所述商家确定为商品对象无需审核即不通过的商家。
可选的,所述预设的成功参加当前业务条件包括:
所述平均单日交易额达到预设的第二交易额阈值;或者,
所述平均单日支付商品对象数量达到预设的单日支付商品对象数量阈值。
可选的,所述黑名单过滤规则,包括:
若商品对象所属商家位于预设的商家黑名单中,则将所述商品对象确定为过滤掉的商品对象。
可选的,还包括:
接收客户端提交的通过商品审核参数配置页面设置的针对当前业务的商品审核参数配置请求;
将所述当前业务与所述商品审核参数配置请求携带的商品审核参数之间的对应记录存储在预设的配置文件中。
可选的,所述商品审核参数包括以下参数的至少一者:
所述预设的商品过滤规则;
规则执行顺序;
待审核商品选取规则;
待审核商品获取方式;
所述预设的拥挤度算法。
可选的,所述根据预设的商品过滤规则对所述商品对象集进行过滤,采用如下方式:
根据预设的规则执行顺序,逐个根据各个商品过滤规则对所述商品对象集进行过滤。
可选的,所述预设的规则执行顺序包括:
先根据不同业务通用的商品过滤规则进行过滤、再根据当前业务专用的商品过滤规则进行过滤;或者,先根据当前业务专用的商品过滤规则进行过滤、再根据不同业务通用的商品过滤规则进行过滤。
可选的,在所述根据预设的商品过滤规则对所述商品对象集进行过滤过程中,还包括:
记录过滤掉的商品对象被过滤掉的原因。
可选的,所述预设的商品规划数量包括资源位数量。
可选的,所述预设的拥挤度算法,采用如下方式:
针对各个商品类目,根据所述商品对象的预设指标的数据,从所述商品类目下的过滤通过的商品对象中,选取符合预设的选取规则的所述商品规划数量的商品对象,作为所述商品类目下审核通过的商品对象。
可选的,所述预设的拥挤度算法,包括:
确定各个商品类目的竞拍池总容量;
确定各个商品类目的竞拍池可用容量;
针对各个商品类目,以根据所述商品对象的预设指标的数据,从过滤通过的所述商品类目下的商品对象中,选取符合预设的选取规则的所述竞拍池可用容量的商品对象,作为所述商品类目下审核通过的商品对象。
可选的,所述商品类目的竞拍池总容量采用如下步骤确定:
根据竞拍池中商家的数量和该商品类目下待审核商品对象的数量,通过预设的商品类目热门分算法,获取所述商品类目的热门分;
根据所述商品类目的热门分,通过预设的单个资源位竞拍池容量算法,获取所述商品类目的单个资源位竞拍池容量;
根据所述单个资源位竞拍池容量和所述预设的商品规划数量,通过预设的竞拍池总容量算法,获取所述商品类目的竞拍池总容量。
可选的,所述竞拍池包括预先进入的至少一个商品对象。
可选的,所述商品类目的竞拍池可用容量,采用如下方式确定:
将所述商品类目的竞拍池总容量、与已进入所述商品类目对应的竞拍池中商品对象数量的差值,作为所述商品类目的竞拍池可用容量。
可选的,所述过滤通过的商品对象包括确定为直接通过审核的商品对象;
在所述通过预设的拥挤度算法,并从过滤通过的商品对象中确定审核通过的商品对象之前,还包括:
将所述直接通过审核的商品对象作为通过审核的商品对象;
所述通过预设的拥挤度算法,并从过滤通过的商品对象中确定审核通过的商品对象,采用如下方式:
通过预设的拥挤度算法,从去除所述直接通过审核的商品对象后的所述过滤通过的商品对象中确定审核通过的商品对象。
可选的,所述获取待审核的商品对象集,采用如下方式:
从商品对象库中选取符合预设的待审核商品选取规则的至少一个商品对象,形成所述待审核的商品对象集。
可选的,所述预设指标包括:单坑产出的预测值、或商品品质分数。
相应的,本申请还提供一种商品对象审核装置,包括:
商品对象集获取单元,用于获取待审核的商品对象集;
商品过滤单元,用于根据预设的商品过滤规则对所述商品对象集进行过滤;
商品审核单元,用于根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的拥挤度算法,从过滤通过的商品对象中确定审核通过的商品对象。
相应的,本申请还提供一种电子设备,包括:
处理器;以及
存储器,用于存储实现商品对象审核方法的程序,该设备通电并通过所述处理器运行该商品对象审核方法的程序后,执行下述步骤:
获取待审核的商品对象集;
根据预设的商品过滤规则对所述商品对象集进行过滤;
根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的拥挤度算法,从过滤后的商品对象中确定审核通过的商品对象。
此外,本申请还提供一种商品审核参数配置方法,包括:
接收用户通过商品审核参数配置页面提交的针对特定业务的商品审核参数配置指令;
向服务器发送针对所述特定业务的商品审核参数配置请求。
可选的,所述商品审核参数包括以下参数的至少一者:至少一个商品过滤规则,规则执行顺序,待审核商品选取规则,待审核商品获取方式,拥挤度算法。
相应的,本申请还提供一种商品审核参数配置装置,包括:
接收单元,用于接收用户通过商品审核参数配置页面提交的针对特定业务的商品审核参数配置指令;
发送单元,用于向服务器发送针对所述特定业务的商品审核参数配置请求。
相应的,本申请还提供一种电子设备,包括:
处理器;以及
存储器,用于存储实现商品审核参数配置方法的程序,该设备通电并通过所述处理器运行该商品审核参数配置方法的程序后,执行下述步骤:
接收用户通过商品审核参数配置页面提交的针对特定业务的商品审核参数配置指令;
向服务器发送针对所述特定业务的商品审核参数配置请求。
此外,本申请还提供一种商品对象审核系统,包括:所述的商品对象审核装置;以及所述的商品审核参数配置装置。
与现有技术相比,本申请具有以下优点:
使用本申请提供的商品对象审核方法,首先根据预设的商品过滤规则对待审核的商品对象集进行过滤,并将过滤掉的商品对象标记为过滤不通过的商品对象,然后再根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的拥挤度算法,从过滤通过的商品对象中确定审核通过的商品对象;这种处理方式,将商品对象审核过程分离为过滤和审核两个步骤进行,实现了商品对象的分阶段审核,前者按照既定的过滤逻辑对商品对象进行过滤,并打上是否过滤通过的标记,后者会在前者过滤的基础上,再按照业务指定的拥挤度对商品对象进行审核,确定出商品对象的审核结果;因此,有利于商品对象后期的跟踪及统计。
使用本申请提供的商品对象审核装置,商品过滤与商品审核分离在不同的处理单元,商品对象依次经过各个单元的处理;这种处理方式,支持各个单元灵活的扩展以及修改,而不会相互影响;因此,可以有效提高系统的可扩展性和可维护性。
附图说明
图1是本申请提供的一种商品对象审核方法的实施例的流程图;
图2是本申请提供的一种商品对象审核方法的实施例的确定第一预设阈值的具体流程图;
图3是本申请提供的一种商品对象审核方法的实施例的计算商品类目平均单坑产出预测值的具体流程图;
图4是本申请提供的一种商品对象审核方法的实施例的为商家打标的具体流程图;
图5是本申请提供的一种商品对象审核方法的实施例的具体流程图;
图6是本申请提供的一种商品对象审核方法的实施例的应用背景图;
图7是本申请提供的一种商品对象审核装置的实施例的示意图;
图8是本申请提供的一种电子设备的实施例的示意图;
图9是本申请提供的又一种商品对象审核装置的实施例的示意图;
图10是本申请提供的又一种商品对象审核装置的实施例的具体示意图;
图11是本申请提供的又一种商品对象审核方法的实施例的流程图;
图12是本申请提供的又一种电子设备的实施例的示意图;
图13是本申请提供的一种商品审核参数配置方法的实施例的流程图;
图14是本申请提供的一种商品审核参数配置装置的实施例的示意图;
图15是本申请提供的再一种电子设备的实施例的示意图;
图16是本申请提供的一种商品对象审核系统的实施例的示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
在本申请中,提供了一种商品对象审核方法、装置及电子设备,又一种商品对象审核装置、方法及电子设备,一种商品审核参数方法、装置及电子设备,以及三种商品对象审核系统。在下面的实施例中逐一进行详细说明。
本申请提供的商品对象审核方法,其核心的基本思想为:将商品对象审核过程分离为过滤和审核两个步骤进行,实现了商品对象的分阶段审核,前者按照既定的过滤逻辑对商品对象进行过滤,并打上是否过滤通过的标记,后者会在前者过滤的基础上,再按照业务指定的拥挤度对商品对象进行审核,确定出商品对象的审核结果。由于对商品对象在哪个环节未通过审核进行了记录,因而,有利于商品对象后期的跟踪及统计。
请参考图1,其为本申请的商品对象审核方法实施例的流程图。所述方法包括如下步骤:
步骤S101:获取待审核的商品对象集。
所述待审核的商品对象集,可以包括指定的商品对象。例如,对于聚划算商品团活动,由商家报名的商品对象组成的商品对象集,这些商品对象需要通过聚划算审核系统,从商品热卖及应季情况、商品质量、性价比、店铺实力、及聚划算活动自身策略等多个维度综合考虑,进行筛选,从中挑选出优质商品对象录用。
所述待审核的商品对象集,也可以包括采用如下方式获取的商品对象:从商品对象库中选取符合预设的待审核商品选取规则的至少一个商品对象,形成所述待审核的商品对象集。采用这种处理方式,使得商品审核系统可以根据预设的待审核商品选取规则自动从商品对象库中选取出待审核的商品对象,无需用户指定待审核的商品对象;因此,可以实现商品对象审核系统主动选品的功能。
步骤S103:根据预设的商品过滤规则对所述商品对象集进行过滤。
本申请提供的商品对象审核方法,将审核过程划分为两个步骤进行,即:商品对象的过滤处理步骤和商品对象的审核处理步骤,并首先要经过过滤处理步骤。在过滤处理步骤中,根据预设的商品过滤规则对待审核的商品对象进行过滤,可以将该步骤视为为商品对象的初步审核步骤,经过该步骤的处理,可以过滤掉一部分不符合预期的商品对象。对于未能通过本步骤S103过滤的商品对象,需要为其打上过滤不通过标志。
从商品过滤规则的业务适用范围维度,所述预设的商品过滤规则可以分为不同业务通用的商品过滤规则、当前业务专用的商品过滤规则等。所述不同业务通用的商品过滤规则是指,可适用于所有业务的商品过滤规则,例如,假货过滤规则,山寨商品过滤规则,同款商品过滤规则等。所述当前业务专用的商品过滤规则是指,仅适用于当前业务的商品过滤规则。所述当前业务包括但不限于商品促销业务,例如,当前业务为聚划算商品团活动,仅适用于该业务的商品过滤规则包括商品底限或上限过滤规则,商家标过滤规则,商家黑名单过滤规则等。
具体实施时,对于当前业务而言,可为其配置多个所述不同业务通用的商品过滤规则、以及多个当前业务专用的商品过滤规则。例如,对于聚划算商品团活动,可以配置假货过滤规则,山寨商品过滤规则,同款商品过滤规则等所述不同业务通用的商品过滤规则,以及商品底限过滤规则,商家标过滤规则,商家黑名单过滤规则等仅适用于该业务的商品过滤规则。
对于不同业务通用的商品过滤规则,以同款商品过滤规则为例进行说明。通过同款商品过滤规则,可以判定当前处理的商品对象与线上在售的商品对象是否是同款商品对象。在竞拍场景下,不希望两款同款的商品对象同时在线上售卖,这就需要同款模型加以过滤。
下面以聚划算商品团活动为例,对几种可选的适用于商品促销业务的业务专用商品过滤规则作出说明。
1、商品底限过滤规则
所述商品底限过滤规则包括,根据商品对象的预设的业务特有指标的数据、及商品对象所属商品类目对应的所述预设的业务特有指标的第一预设阈值,对商品对象进行过滤的规则。所述商品底限过滤规则,具体可设置为:若商品对象的所述预设的业务特有指标的数据小于所述第一预设阈值,则将所述商品对象确定为过滤掉的商品对象。
所述业务特有指标通常根据商品对象的多维度特征数据计算获得,例如,对于聚划算商品团活动而言,该业务特有的指标包括商品对象的单坑产出的预测值,所述单坑产出是指,商品对象在参加聚划算商品团活动期间所占用单个资源位产生的销售额等指标。所述商品对象的单坑产出的预测值,可以通过预先生成的商品对象单坑产出预测模型计算获取。所述商品对象单坑产出预测模型,包括通过机器学习算法从训练样本集中学习获得的预测模型。
聚划算资源位又成为聚划算坑位,坑位是对聚划算前端导购页面的商品资源位的一种描述,可以直观理解为聚划算在售商品对象所在的一个导购展位,商家报名参加聚划算商品团活动,就会构成对坑位的一种竞争。
下面以聚划算商品团活动为例,通过聚划算商品对象审核系统说明所述商品底限过滤规则。聚划算商品对象审核系统对于待审核的商品对象,可以应用如下商品底限过滤规则:如果商品对象的单坑产出预测值小于其所属商品类目对应的单坑产出预测值的第一预设阈值,则将商品对象确定为过滤掉的商品对象。需要注意的是,要根据该规则对商品对象进行过滤,首先需要确定各个商品类目对应的所述第一预设阈值。
具体实施时,所述确定各个商品类目对应的所述第一预设阈值的过程,可包括如下具体步骤:首先,需要根据商品对象所属商品类目,将所述商品对象集划分为不同商品类目对应的商品对象子集,然后,针对各个商品类目,执行如下步骤,以确定各个商品类目对应的单坑产出预测值的第一预设阈值:
1)从所述商品类目对应的商品对象子集内选取所述单坑产出预测值的预设上限比例的商品对象;
2)将选取出的商品对象中所述单坑产出预测值的最小值作为第一候选阈值;
3)将所述商品类目的平均单坑产出预测值与第二预设比例(最小阈值单产比例)的乘积,作为第二候选阈值;
4)若所述第一候选阈值与所述第二候选阈值均为非空值,则将所述第一候选阈值与所述第二候选阈值中的最大值,作为所述商品类目对应的所述单坑产出预测值的所述第一预设阈值。
为了能够直观的理解上述确定各个商品类目对应的所述第一预设阈值的处理过程,请参考图2,其为本申请的商品对象审核方法实施例的确定第一预设阈值的具体流程图。由图2的处理流程可见,假如,假设待审核的商品对象共有1万个,分属于50个商品类目,其中,500个商品对象属于女装类目,所述预设上限比例设为20%,所述最小阈值单产比例(图2中的底线单产比例)设为1/3,通过计算可以获知,在女装类目下的待审核商品对象中,单坑产出预测值从高到低排在前20%的商品对象的最小单坑产出预测值为80(即:第一候选阈值为80),该女装类目的平均单坑产出预测值为60,则第二候选阈值为60*1/3=20,因此,该女装类目对应的单坑产出预测值的所述第一预设阈值为80。
通过上例可以看出,如果一个商品类目下某一部分待审核商品对象质量(可以从单坑产出预测值角度评价)很好,表现突出,而其他待审核商品对象质量相对较差,即:质量分布不均匀,则将该商品类目对应的单坑产出预测值的所述第一预设阈值为:质量很好的这一部分待审核商品对象中的最小单坑产出预测值,即:只有质量很好的这一部分待审核商品对象通过商品过滤环节,可进入到下一个商品审核环节;这种处理方式,可以保证过滤通过的商品对象之间质量较相近。反之,如果质量分布较均匀,则将该商品类目对应的单坑产出预测值的所述第一预设阈值设置为:该商品类目的平均单坑产出预测值与第二预设比例的乘积;这种处理方式,可以保证有足够多的商品对象通过过滤。
需要注意的是,在实际应用中,所述商品对象的平均单坑产出预测值可能并非实时计算获取的数据,而是在定期计算出该数据后预先存储在存储设备上的数据,这种处理方式,使得可能出现所述商品对象的平均单坑产出预测值为空的情况出现,这种情况下,通过上述方法获取到的所述第一预设阈值可能为空值,为使商品对象审核过程不出现异常情况,在实际应用中,可以预先设置一个默认的阈值,当通过上述方法确定到的所述第一预设阈值为空值时,将所述第一预设阈值设置为该默认阈值。
上述确定各个商品类目对应的所述第一预设阈值的处理过程,需要依据所述商品类目的平均单坑产出的预测值。具体实施时,所述商品类目的平均单坑产出预测值,可采用如下方式计算:1)获取所述商品类目的最近预设时间范围的平均单坑产出的实际值,作为第一实际值;以及获取所述商品类目的上一年度与所述最近预设时间范围同期的平均单坑产出的实际值,作为第二实际值;以及获取所述商品类目的上一年度与未来预设时间范围同期的平均单坑产出的实际值,作为第三实际值;2)根据所述第一实际值和所述第二实际值,获取所述平均单坑产出的实际值的同期变化比例;3)根据所述第三实际值与所述同期变化比例,获取所述商品类目的平均单坑产出的预测值。
为了能够直观的理解上述计算所述商品类目的平均单坑产出的预测值的处理过程,请参考图3,其为本申请的商品对象审核方法实施例的计算商品类目平均单坑产出预测值的具体流程图。在本实施例中,所述最近预设时间范围设为最近1个月内,未来预设时间范围设置为未来2个月。
2、商品上限过滤规则
所述商品上限过滤规则包括,根据商品对象的预设的业务特有指标的数据、及商品对象所属商品类目对应的所述预设的业务特有指标的第二预设阈值,对商品对象进行过滤的规则。所述商品上限过滤规则,可具体设置为:若商品对象的所述预设的业务特有指标的数据大于所述第二预设阈值,则将所述商品对象确定为过滤掉的商品对象。
所述第二预设阈值的确定方法与所述第一预设阈值的确定方法类似,不同之处在于:所述第二预设阈值是一个上限阈值,所述第一预设阈值是一个下限阈值。因此,所述第二预设阈值的确定方法可参见所述第一预设阈值的确定方法,此处不再赘述。
3、商家标过滤规则
所述商家标过滤规则包括,根据商品对象所属商家的情况确定商品对象是否能够过滤通过的原则。
所述商家标过滤规则,可以包括:若商品对象所属商家被标记为商品对象无需审核即不通过的商家,则将所述商品对象确定为过滤掉的商品对象。此外,所述商家标过滤规则,还可以包括:若商品对象所属商家被标记为商品对象无需审核即可通过的商家,则将所述商品对象确定为直接通过审核的商品对象。如果商品对象即没有被过滤掉,也没有被直接确定为审核通过,则该商品对象将进入到步骤S105的审核环节进行审核。
要根据商家标过滤规则对待审核的商品对象进行过滤,就需要首先进行如下处理:根据所述商家的历史销售数据,确定所述商家为商品对象无需审核即不通过的商家、或商品对象无需审核即可通过的商家。
具体实施时,所述历史销售数据包括当前业务相关的历史销售数据。以聚划算商品团活动为例,所述当前业务相关的历史销售数据包括参加一次聚划算商品团活动产生的平均单日交易额和平均单日支付商品对象数量。
在这种情况下,所述根据所述商家的历史销售数据,并确定所述商家为商品对象无需审核即不通过的商家、或商品对象无需审核即可通过的商家的过程,可包括如下具体步骤:
1)获取最近预设时间范围内(如:最近一年内)参加次聚划算商品团活动(以下简称“参聚”)的次数大于等于预设的次数阈值(如:3次)的商家;
2)针对各个商家,执行如下步骤:
根据预设的成功参聚条件,确定所述商家成功参聚的比例;判断所述比例是否大于等于预设的第一比例阈值;若所述比例大于等于预设的第一比例阈值,则判断所述商家的所述平均单日交易额是否大于等于预设的第一交易额阈值,若是,则将所述商家标记为商品对象无需审核即可通过的商家;若所述比例小于预设的第一比例阈值,则进一步判断所述比例是否小于预设的第二比例阈值,若是,则将所述商家标记为商品对象无需审核即不通过的商家。
所述预设的成功参聚条件包括:在一次参聚期间,平均单日交易额达到预设的第二交易额阈值,即为成功参聚;或者,在一次参聚期间,平均单日支付商品数达到预设的单日支付商品数阈值,即为成功参聚。
为了能够直观的理解上述为商家打标的处理过程,请参考图4,其为本申请的商品对象审核方法实施例的为商家打标的具体流程图。其中,所述最近预设时间范围、预设的次数阈值、第一预设比例阈值、预设的第一交易额阈值、预设的第二交易额阈值、第二预设比例阈值,均可根据经验确定,并可在配置文件中进行设置。
4、商家黑名单过滤规则
所述黑名单过滤规则,包括:若商品对象所属商家位于预设的商家黑名单中,则将所述商品对象确定为过滤掉的商品对象。例如,对于参聚表现太差或者出现诚信等问题的商家,直接拉入黑名单,黑名单商家的商品对象也是直接审核不通过的商品对象。
至此,对本申请提供的商品对象审核方法应用在商品促销业务场下,可选的几种业务专用的商品过滤规则作出了说明。需要注意的是,在不同的业务场景下,可选的业务专用的商品过滤规则通常并不相同。
此外,所述根据预设的商品过滤规则对所述商品对象集进行过滤,可采用如下方式实现:根据预设的规则执行顺序,逐个根据各个商品过滤规则对待审核的商品对象进行过滤。这种处理方式,所述预设的商品过滤规则形成一个过滤规则链,商品对象会依次通过规则链上的每个过滤规则,如果某个过滤规则过滤不通过,则为该商品对象打上过滤不通过标志。
所述预设的规则执行顺序,可以为“先根据不同业务通用的商品过滤规则进行过滤、再根据当前业务专用的商品过滤规则进行过滤”;或者,“先根据当前业务专用的商品过滤规则进行过滤、再根据不同业务通用的商品过滤规则进行过滤”。所述预设的规则执行顺序,还可以具体指定哪个商品过滤规则先执行,哪个商品过滤规则后执行,例如,可以指定首先执行“商家黑名单过滤规则”,再执行“商家标过滤规则”,最后执行“商品底限过滤规则”。
作为一种优选的方案,为了能够更好地跟踪商品对象的审核过程,在所述根据预设的商品过滤规则对所述商品对象集进行过滤时,可以记录过滤掉的商品对象被过滤掉的具体原因,例如,如果一个商品对象没有通过“商品底限过滤规则”,则将该商品对象标记为“未达到商品底限”;如果一个商品对象没有通过“商家标过滤规则”,则将该商品对象标记为“所属商家无需审核即过滤不通过”。
通过执行步骤S201,即可获得过滤通过的商品对象,然后,就可以进入下一步根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的拥挤度算法,从过滤后的商品对象中确定通过审核的商品对象。
步骤S105:根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的拥挤度算法,从过滤后的商品对象中确定审核通过的商品对象。
所述预设指标,可以为商品对象的业务特有指标,也可以为商品对象的自有属性。所述业务特有指标在商品底限过滤规则的相关描述中已经做出说明,此处不再赘述。需要说明的是,步骤S105所依据的预设指标可以与商品底限过滤规则所依据的业务特有指标相同或不同。所述商品对象的自有属性,也可以是根据商品对象的多维度特征数据计算获得的特征数据,例如,商品品质分值等。
本申请提供的商品对象审核方法,其目标是:从待审核的商品对象集内选取出通过审核的商品对象,选取的限制条件是:各个商品类目的预设的商品规划数量。所述预设的商品规划数量包括但不限于:所述商品类目的资源位数量。例如,待审核的商品对象共有1万个,分属于50个商品类目,通过品类规划系统可以预先规划出哪些商品类目的商品对象可以参加聚划算商品团活动,且这些商品类目各自的资源位数量。
所述预设的拥挤度算法是指,对于过滤通过的商品对象,允许其中指定数量的商品对象通过审核的一种算法。所述预设的拥挤度算法,需要根据具体业务需求进行选择。下面给出两种可选的拥挤度算法。
1、商品规划数量拥挤度算法
该算法具体可描述为:针对各个商品类目,根据所述商品对象的预设指标的数据,从所述商品类目下的过滤通过的商品对象中,选取符合预设的选取规则的所述商品规划数量的商品对象,作为所述商品类目下审核通过的商品对象。
所述预设的选取规则包括但不限于:以所述预设指标的数据的降序方式,从排在高位的商品对象中进行选取。
采用该算法,对于有限的商品规划数量(如:坑位资源),当过滤通过的商品对象数超过商品规划数量时,只能允许部分商品对象通过审核,即:审核通过的商品对象数与商品规划数量是相等的关系。
2、针对竞拍的拥挤度算法
采用该算法,审核通过的商品对象数与商品规划数量不是相等的关系。在竞拍场景中,审核通过的商品对象,方可进入竞拍池、等待竞拍,竞拍通过的商品对象才会入坑(资源位)上团。既然有竞拍失败的情况,就有必要使竞拍池的大小大于商品规划数量(坑位数),才可能在因竞拍失败被淘汰后还有足够的商品对象入坑上团。对于给定的商品规划数量,究竟允许多少个商品审核通过呢,此即竞拍拥挤度算法。
所述竞拍池是对某个商品类目下单个坑位(资源位)同时允许多少个商家同时竞拍的表征,等价于竞拍拥挤度的概念。
具体实施时,该算法可包括如下步骤:
1)确定各个商品类目的竞拍池总容量;
2)确定各个商品类目的竞拍池可用容量;
3)针对各个商品类目,以根据所述商品对象的预设指标的数据,从过滤通过的所述商品类目下的商品对象中,选取符合预设的选取规则的所述竞拍池可用容量的商品对象,作为所述商品类目下审核通过的商品对象。
所述商品类目的竞拍池总容量,可采用如下步骤确定:
1)根据竞拍池中商家的数量和该商品类目下待审核商品对象的数量,通过预设的商品类目热门分算法,获取所述商品类目的热门分;
2)根据所述商品类目的热门分,通过预设的单个资源位竞拍池容量算法,获取所述商品类目的单个资源位竞拍池容量;
3)根据所述单个资源位竞拍池容量和所述预设的商品规划数量,通过预设的竞拍池总容量算法,获取所述商品类目的竞拍池总容量。
为了能够更好的理解上述文字描述的竞拍池总容量的计算过程,下面通过计算公式的方式对该过程的具体实施方式进行说明。
公式1:单个资源位竞拍池容量=Min(60,60*商品类目的热门分+10);
公式2:竞拍池总容量=单个资源位竞拍池容量*(1+(商品类目的商品规划数量-1)/10);
公式3:竞拍池可用容量=竞拍池总容量-已进入竞拍池的商品对象数;
通过上述公式可知,一方面,商品类目的热门分越高,则单个资源位竞拍池容量越大,同一个资源位允许审核通过的商品对象数越多,竞拍会越激烈;另一方面,商品类目的资源位越多,竞拍池总容量越大,但不能按“单个资源位竞拍池容量*商品类目的商品规划数量”的方式计算竞拍池总容量,这样竞拍会太过激烈,会严重打击商家积极性。
所述商品类目的热门分,可采用如下公式计算:
公式4:商品类目的热门分=1.05^竞价池商家数*报名商品数/max(竞价池商家数,10)
通过该公式可实现:报名某个商品类目的商品对象越多,则该商品类目热门分提高;该商品类目下的竞拍池中已有的商家数越多,则该商品类目越拥挤,则热门分降低。同时,还需要避免某些冷门商品类目的竞拍池中商家数过少而得分高的情况。
至此,描述了竞拍池总容量的具体计算过程。由于所述竞拍池可能包括预先进入的至少一个商品对象,因此,在确定商品类目的竞拍池总容量后,还需要确定商品类目的竞拍池可用容量。
具体实施时,所述商品类目的竞拍池可用容量,可采用如下方式确定:将所述商品类目的竞拍池总容量、与已进入所述商品类目对应的竞拍池中商品对象数量的差值,作为所述商品类目的竞拍池可用容量。
此外,需要注意的是,通过步骤S103过滤通过的商品对象可能包括被确定为直接通过审核的商品对象,如,根据商家标过滤规则就可以获得部分直接通过审核的商品对象。在这种情况下,本申请提供的商品对象审核方法,在步骤S105之前,还可包括如下步骤:将所述直接通过审核的商品对象作为通过审核的商品对象;相应的,步骤S105可采用如下方式实现:通过预设的拥挤度算法,从去除所述直接通过审核的商品对象后的所述过滤通过的商品对象中确定审核通过的商品对象。
作为一种优选的方案,可以将未通过本次审核的商品对象继续保留在审核池中,等待下一次审核。这种处理方式,更适用于根据预设的待审核商品选取规则从商品对象库中自动选取获得待审核的商品对象集的应用场景,其原因在于:商品对象审核程序选取商品对象的准确度可能并不高,选取出的商品对象不一定符合预期,在过滤通过的商品对象中可能有被漏选的商品对象,因此,需要再给这些商品对象一些机会,如果经过反复审核都未通过审核,则通常说明该商品对象确实不符合预期要求。
为了能够直观的理解该优选方案的处理过程,请参考图5,其为本申请的商品对象审核方法实施例的具体流程图。在本实施例中,未通过本次审核的商品对象可继续保留在审核池中,等待再次审核,可停留3天,审核3次,对于经过3次审核都没有通过的商品对象,将最终确定为审核不通过。
此外,还需说明的是,本申请提供的商品对象审核方法所涉及的各种商品审核参数,既可以直接编写在商品对象审核程序中,也可以通过配置文件进行配置。所述商品审核参数包括以下参数的至少一者:所述预设的商品过滤规则,规则执行顺序,待审核商品选取规则,待审核商品获取方式,所述预设的拥挤度算法。
作为一种优选的方案,可通过配置文件配置所述商品审核参数;这种处理方式,使得无需修改程序即可变更商品审核参数,例如,新增某个商品过滤规则、删除某个商品过滤规则、或修改某个参数等。
具体实施时,通过配置文件配置所述商品审核参数,可包括如下步骤:1)接收客户端提交的通过商品审核参数配置页面设置的针对当前业务的商品审核参数配置请求;2)将所述当前业务与所述商品审核参数配置请求携带的商品审核参数之间的对应记录存储在预设的配置文件中。
为了更好的理解本申请提供的商品对象审核方法,请参考图6,其为本申请的商品对象审核方法实施例的应用背景图,该图展示了数据化选品模型的应用背景。在本实施例中,首先,商品对象审核系统会事先产出一份品类规划,对在聚划算平台可售卖哪些商品类目以及为这些类目分别投放多少个坑位,各坑位的参聚时间等信息进行规划;其次,商家依据系统给出的品类规划报名商品,同一规划类目可能有多个商家报名的多个商品;数据化选品会对商家报名的多个商品进行审核选品,以决定哪些商品审核通过,哪些商品审核拒绝。只有审核通过的商品才会进入下一环节,而审核拒绝的商品则意味着本次无法参聚;审核通过的商品才可以进行竞拍,竞拍环节可以充分表达商家的参聚意愿,竞拍通过的商品即可正式参聚。
在上述的实施例中,提供了一种商品对象审核方法,与之相对应的,本申请还提供一种商品对象审核装置。该装置是与上述方法的实施例相对应。
请参看图7,其为本申请的商品对象审核装置实施例的示意图。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本实施例的一种商品对象审核装置,包括:
商品对象集获取单元,用于获取待审核的商品对象集;
商品过滤单元,用于根据预设的商品过滤规则对所述商品对象集进行过滤;
商品审核单元,用于根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的拥挤度算法,从过滤通过的商品对象中确定审核通过的商品对象。
请参考图8,其为本申请的电子设备实施例的示意图。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,该电子设备包括:处理器101;以及存储器103,
获取待审核的商品对象集;
根据预设的商品过滤规则对所述商品对象集进行过滤;
根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的拥挤度算法,从过滤后的商品对象中确定审核通过的商品对象。
与上述的商品对象审核方法相对应,本申请还提供又一种商品对象审核装置。本申请提供的又一种商品对象审核装置,其核心的基本思想为:商品过滤与商品审核分离在不同的处理单元,商品对象依次经过各个单元的处理。由于能够支持各个单元灵活的扩展以及修改,而不会相互影响,因而,可以有效提高系统的可扩展性和可维护性。
请参考图9,其为本申请提供的又一种商品对象审核装置实施例的示意图,本实施例与第一实施例内容相同的部分不再赘述,请参见实施例一中的相应部分。本申请提供的又一种商品对象审核装置包括:商品对象集获取单元101,用于获取待审核的商品对象集;商品过滤单元103,用于根据预设的商品过滤规则对所述商品对象集进行过滤;商品审核单元105,用于根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的拥挤度算法,从过滤通过的商品对象中确定审核通过的商品对象。
可选的,所述预设的商品过滤规则包括以下规则的至少一者:至少一个不同业务通用的商品过滤规则,至少一个当前业务专用的商品过滤规则;
所述商品过滤单元103包括以下子单元的至少一者:
通用规则过滤子单元,用于根据所述至少一个不同业务通用的商品过滤规则,对所述商品对象集进行过滤;
专用规则过滤子单元,用于根据所述至少一个当前业务专用的商品过滤规则,对所述商品对象集进行过滤。
可选的,所述至少一个不同业务通用的商品过滤规则包括以下规则的至少一者:假货过滤规则,山寨商品过滤规则,同款商品过滤规则;
所述通用规则过滤子单元包括以下子单元的至少一者:
假货过滤子单元,用于根据所述假货过滤规则,对所述商品对象集进行过滤;
山寨商品过滤子单元,用于根据所述山寨商品过滤规则,对所述商品对象集进行过滤;
同款商品过滤子单元,用于根据所述同款商品过滤规则,对所述商品对象集进行过滤。
可选的,所述至少一个当前业务专用的商品过滤规则包括以下规则的至少一者:商品底限过滤规则,商品上限过滤规则,商家标过滤规则,黑名单过滤规则;
所述专用规则过滤子单元包括以下子单元的至少一者:
商品底限过滤子单元,用于根据所述商品底限过滤规则,对所述商品对象集进行过滤;
商品上限过滤子单元,用于根据所述商品上限过滤规则,对所述商品对象集进行过滤;
商家标过滤子单元,用于根据所述商家标过滤规则,对所述商品对象集进行过滤;
黑名单过滤子单元,用于根据所述黑名单过滤规则,对所述商品对象集进行过滤。
可选的,所述商品审核单元105包括:
坑位拥挤度审核子单元,用于针对各个商品类目,根据所述商品对象的预设指标的数据,从过滤通过的所述商品类目下的商品对象中,选取符合预设的选取规则的所述商品规划数量的商品对象,作为所述商品类目下审核通过的商品对象;或者,
竞拍拥挤度审核子单元,用于根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的竞拍拥挤度算法,从过滤通过的商品对象中确定审核通过的商品对象。
可选的,所述竞拍拥挤度审核子单元包括:
竞拍池总容量确定子单元,用于确定各个商品类目的竞拍池总容量;
竞拍池可用容量确定子单元,用于确定各个商品类目的竞拍池可用容量;
商品审核子单元,用于针对各个商品类目,以根据所述商品对象的预设指标的数据,从过滤通过的所述商品类目下的商品对象中,选取符合预设的选取规则的所述竞拍池可用容量的商品对象,作为所述商品类目下审核通过的商品对象。
可选的,所述装置还包括:
商品审核参数配置单元,用于配置商品审核参数;
所述商品审核参数包括以下参数的至少一者:所述预设的商品过滤规则,规则执行顺序,待审核商品选取规则,待审核商品获取方式,所述预设的拥挤度算法。
可选的,所述商品审核参数配置单元包括:
配置请求接收子单元,用于接收客户端发送的通过商品审核参数配置页面设置的针对当前业务的商品审核参数配置请求;
参数存储子单元,用于将所述当前业务与所述商品审核参数配置请求携带的商品审核参数之间的对应记录存储在预设的配置文件中。
可选的,所述预设的商品过滤规则和所述预设的拥挤度算法存储在预设的配置文件中;
所述商品过滤单元103,具体用于根据所述配置文件中的所述预设的商品过滤规则对所述商品对象集进行过滤;
所述商品审核单元105,具体用于根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过所述配置文件中的所述预设的拥挤度算法,从过滤通过的商品对象中确定审核通过的商品对象。
为了更好的理解本申请提供的商品对象审核方法,请参考图10,其为本申请的商品对象审核方法实施例装置的实施例的具体示意图。在本实施例中,商品对象审核装置主要包括三个模块:配置调度中心、过滤规则链、商品审核;其中过滤规则链及商品审核构成审核选品的核心逻辑。商品对象审核装置的输入即商家报名的商品对象或者圈定的待审核商品对象集,这些商品对象从业务逻辑上理解都是处于待审核的商品对象,而数据化选品的任务,就是对这些待审核商品对象进行多个维度的考察,从而决定商品对象是否审核通过;系统输出就是所有输入商品对象的审核结果。
在图10中,配置调度中心用于对选品的两个核心环节过滤规则链、商品审核进行调度及配置。配置内容可包括:
1)配置系统输入:对于系统主动选品的场景,配置圈定待选商品范围时使用的规则,例如,场景化选品时,需要预先指定需要选择哪些场景的商品对象;
2)配置过滤规则链:配置规则链上使用哪些通用化过滤组件以及个性化(业务专用)过滤组件;
3)配置组件运行所需的参数:配置过滤规则链上组件的次序(规则执行顺序),过滤时会按照该次序依次过滤;
4)配置模块中的组件的增加与删除,新增的组件需要在配置中心注册,这样方便配置中心对该组件的监控与调度,对于废弃不用的组件,可以在配置中心删除;
5)配置审核模块:配置指定当前审核场景需要使用的拥挤度组件,指定拥挤度组件参数等。
本申请提供的又一种商品对象审核装置,使用组件(单元)化的方式实现,只需要对各组件进行灵活的组合,或者适当的扩展,即可应用于几乎所有需要进行商品对象选品的场景,例如,对于商家主动报名时,需要在已报名的所有商品对象中进行选品的场景;也同样适用于在没有商家主动报名商品对象时,系统从海量商品对象中主动选品的场景。采用这种处理方式,能够支持各个单元灵活的扩展以及修改,而不会相互影响,因而,可以有效提高系统的可扩展性和可维护性。
与上述的商品对象审核方法相对应,本申请还提供又一种商品对象审核方法。请参考图11,其为本申请提供的又一种商品对象审核方法实施例的流程图,本实施例与第一实施例内容相同的部分不再赘述,请参见实施例一中的相应部分。本申请提供的又一种商品对象审核方法包括:
步骤S101:获取待审核的商品对象集。
步骤S103:根据预设的商品过滤规则对所述商品对象集进行过滤。
步骤S105:根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的拥挤度算法,从过滤通过的商品对象中确定审核通过的商品对象。
请参考图12,其为本申请的又一种电子设备实施例的示意图。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的又一种电子设备,该电子设备包括:处理器101;以及存储器103,
获取待审核的商品对象集。
根据预设的商品过滤规则对所述商品对象集进行过滤。
根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的拥挤度算法,从过滤通过的商品对象中确定审核通过的商品对象。
与上述的商品对象审核方法相对应,本申请还提供一种商品审核参数配置方法。请参考图13,其为本申请提供的一种商品审核参数配置方法实施例的流程图,本实施例与第一实施例内容相同的部分不再赘述,请参见实施例一中的相应部分。本申请提供的一种商品审核参数配置方法包括:
步骤S101:接收用户通过商品审核参数配置页面提交的针对特定业务的商品审核参数配置指令。
所述商品审核参数配置页面,可包括各种可选的业务、可选的商品过滤规则、可选的拥挤度算法、可选的参数等,例如,商品审核参数配置页面包括的可选业务为:聚划算商品团活动、聚划算品牌团活动等;可选的商品过滤规则为:假货过滤规则、山寨商品过滤规则、同款商品过滤规则等不同业务通用的商品过滤规则,以及商品底限过滤规则,商品上限过滤规则,商家标过滤规则,黑名单过滤规则等业务专用的商品过滤规则。
所述商品审核参数包括以下参数的至少一者:至少一个商品过滤规则,规则执行顺序,待审核商品选取规则,待审核商品获取方式,拥挤度算法。
所述待审核商品获取方式包括但不限于:根据所述待审核商品选取规则自动获取待审核商品对象,根据指定的待审核商品对象集。
步骤S103:向服务器发送针对所述特定业务的商品审核参数配置请求。
用户客户端接收到所述商品审核参数配置指令后,就可以根据该指令生成针对所述特定业务的商品审核参数配置请求,并将该请求发送至服务器端。
在上述的实施例中,提供了一种商品审核参数配置方法,与之相对应的,本申请还提供一种商品审核参数配置装置。该装置是与上述方法的实施例相对应。
请参看图14,其为本申请的一种商品审核参数配置装置实施例的示意图。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本实施例的一种商品审核参数配置装置,包括:
接收单元,用于接收用户通过商品审核参数配置页面提交的针对特定业务的商品审核参数配置指令;
发送单元,用于向服务器发送针对所述特定业务的商品审核参数配置请求。
请参考图15,其为本申请的再一种电子设备实施例的示意图。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的再一种电子设备,该电子设备包括:处理器101;以及存储器103,
接收用户通过商品审核参数配置页面提交的针对特定业务的商品审核参数配置指令;
向服务器发送针对所述特定业务的商品审核参数配置请求。
本申请实施例还提供了一种商品对象审核系统,如图16所示,该系统包括上述实施例所述的又一种商品对象审核装置101和商品审核参数配置装置102。所述又一种商品对象审核装置101通常部署于服务器,但并不局限于服务器,也可以是能够实现所述又一种商品对象审核方法的任何设备;所述商品审核参数配置装置102通常部署于移动通讯设备、个人电脑、PAD、iPad等终端设备。
例如,所述商品审核参数配置装置102部署在个人电脑上,能够接收用户通过商品审核参数配置页面提交的针对特定业务的商品审核参数配置指令,并向服务器发送针对所述特定业务的商品审核参数配置请求;所述又一种商品对象审核装置101部署在服务器上,通过接收客户端发送的所述商品审核参数配置请求,并将所述当前业务与所述商品审核参数配置请求携带的商品审核参数之间的对应记录存储在预设的配置文件中;并且,所述又一种商品对象审核装置101,还会通过获取待审核的商品对象集,并根据预设的商品过滤规则对所述商品对象集进行过滤,然后,再根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的拥挤度算法,从过滤通过的商品对象中确定审核通过的商品对象。
本申请实施例还提供了又一种商品对象审核系统,其相关附图可参展图16,该系统包括上述实施例所述的又一种商品对象审核装置101。所述又一种商品对象审核装置101通常部署于服务器,但并不局限于服务器,也可以是能够实现所述又一种商品对象审核方法的任何设备。例如,所述又一种商品对象审核装置101部署在服务器上,通过获取待审核的商品对象集,并根据预设的商品过滤规则对所述商品对象集进行过滤,然后,再根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的拥挤度算法,从过滤通过的商品对象中确定审核通过的商品对象。
本申请实施例还提供了再一种商品对象审核系统,其相关附图可参展图16,该系统包括上述实施例所述的一种商品对象审核装置101。所述一种商品对象审核装置101通常部署于服务器,但并不局限于服务器,也可以是能够实现所述一种商品对象审核方法的任何设备。例如,所述一种商品对象审核装置101部署在服务器上,通过获取待审核的商品对象集,并根据预设的商品过滤规则对所述商品对象集进行过滤,并将过滤掉的商品对象标记为过滤不通过的商品对象,然后,再根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的拥挤度算法,从过滤通过的商品对象中确定审核通过的商品对象。
本申请提供的商品对象审核方法,首先根据预设的商品过滤规则对待审核的商品对象集进行过滤,并将过滤掉的商品对象标记为过滤不通过的商品对象,然后再根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的拥挤度算法,从过滤通过的商品对象中确定审核通过的商品对象。采用本申请提供的商品对象审核方法,将商品对象审核过程分离为过滤和审核两个步骤进行,实现了商品对象的分阶段审核,前者按照既定的过滤逻辑对商品对象进行过滤,并打上是否过滤通过的标记,后者会在前者过滤的基础上,再按照业务指定的拥挤度对商品对象进行审核,确定出商品对象的审核结果;因此,有利于商品对象后期的跟踪及统计。
本申请提供的又一种商品对象审核装置,商品过滤与商品审核分离在不同的处理单元,商品对象依次经过各个单元的处理。采用本申请提供的商品对象审核装置,支持各个单元灵活的扩展以及修改,而不会相互影响;因此,可以有效提高系统的可扩展性和可维护性。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
2、本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
Claims (37)
1.一种商品对象审核方法,其特征在于,包括:
获取待审核的商品对象集;
根据预设的商品过滤规则对所述商品对象集进行过滤;
根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的拥挤度算法,从过滤后的商品对象中确定审核通过的商品对象。
2.根据权利要求1所述的商品对象审核方法,其特征在于,所述预设的商品过滤规则包括以下规则的至少一者:
至少一个不同业务通用的商品过滤规则;
至少一个当前业务专用的商品过滤规则。
3.根据权利要求2所述的商品对象审核方法,其特征在于,所述至少一个不同业务通用的商品过滤规则包括以下规则的至少一者:
假货过滤规则;
山寨商品过滤规则;
同款商品过滤规则。
4.根据权利要求2所述的商品对象审核方法,其特征在于,所述当前业务包括商品促销业务,所述至少一个当前业务专用的商品过滤规则包括以下规则的至少一者:
商品底限过滤规则;
商品上限过滤规则;
商家标过滤规则;
黑名单过滤规则。
5.根据权利要求4所述的商品对象审核方法,其特征在于,所述商品底限过滤规则,包括:
若商品对象的预设的业务特有指标的数据小于所述商品对象所属商品类目对应的所述业务特有指标的第一预设阈值,则将所述商品对象确定为过滤掉的商品对象。
6.根据权利要求5所述的商品对象审核方法,其特征在于,所述预设的业务特有指标包括单坑产出的预测值。
7.根据权利要求5所述的商品对象审核方法,其特征在于,还包括:
确定各个商品类目对应的所述第一预设阈值。
8.根据权利要求7所述的商品对象审核方法,其特征在于,所述确定各个商品类目对应的所述第一预设阈值,包括:
根据商品对象所属商品类目,将所述商品对象集划分为不同商品类目对应的商品对象子集;
针对各个商品类目,执行如下步骤:
从所述商品类目对应的商品对象子集内选取所述预设的业务特有指标排在高位的第一预设比例的商品对象;
将选取出的商品对象中所述预设的业务特有指标的最小值作为第一候选阈值;
将所述商品类目对应的所述预设的业务特有指标的平均值与第二预设比例的乘积,作为第二候选阈值;
若所述第一候选阈值与所述第二候选阈值均为非空值,则将所述第一候选阈值与所述第二候选阈值中的最大值,作为所述商品类目对应的所述第一预设阈值。
9.根据权利要求8所述的商品对象审核方法,其特征在于,所述预设的业务特有指标包括单坑产出的预测值,所述预设的业务特有指标的平均值包括平均单坑产出的预测值;
所述平均单坑产出的预测值,采用如下方式计算:
获取所述商品类目的最近预设时间范围的平均单坑产出的实际值,作为第一实际值;以及获取所述商品类目的上一年度与所述最近预设时间范围同期的平均单坑产出的实际值,作为第二实际值;以及获取所述商品类目的上一年度与未来预设时间范围同期的平均单坑产出的实际值,作为第三实际值;
根据所述第一实际值和所述第二实际值,获取所述平均单坑产出的实际值的同期变化比例;
根据所述第三实际值与所述同期变化比例,获取所述商品类目的平均单坑产出的预测值。
10.根据权利要求8所述的商品对象审核方法,其特征在于,若所述第一候选阈值与所述第二候选阈值均为空值,则将所述第一预设阈值设置为预设的默认阈值。
11.根据权利要求4所述的商品对象审核方法,其特征在于,所述商品上限过滤规则,包括:
若商品对象的预设的业务特有指标的数据大于所述商品对象所属商品类目对应的所述业务特有指标的第二预设阈值,则将所述商品对象确定为过滤掉的商品对象。
12.根据权利要求4所述的商品对象审核方法,其特征在于,所述商家标过滤规则包括以下规则的至少一者:
若商品对象所属商家被标记为商品对象无需审核即不通过的商家,则将所述商品对象确定为过滤掉的商品对象。
若商品对象所属商家被标记为商品对象无需审核即可通过的商家,则将所述商品对象确定为直接通过审核的商品对象。
13.根据权利要求12所述的商品对象审核方法,其特征在于,还包括:
根据所述商家的历史销售数据,确定所述商家为商品对象无需审核即不通过的商家、或商品对象无需审核即可通过的商家。
14.根据权利要求13所述的商品对象审核方法,其特征在于:
所述历史销售数据包括当前业务相关的历史销售数据;
所述当前业务相关的历史销售数据包括参加一次当前业务产生的平均单日交易额和平均单日支付商品对象数量;
所述根据所述商家的历史销售数据,并确定所述商家为商品对象无需审核即不通过的商家、或商品对象无需审核即可通过的商家,包括:
获取最近预设时间范围内参加当前业务的次数大于等于预设的次数阈值的商家;
针对获取到的各个商家,执行如下步骤:
根据预设的成功参加当前业务条件,确定所述商家成功参加当前业务的比例;
判断所述比例是否大于等于第一预设比例阈值;
若上述判断为是,则判断所述商家的所述平均单日交易额是否大于等于预设的第一交易额阈值,若是,则将所述商家确定为商品对象无需审核即可通过的商家;
若上述判断为否,则判断所述比例是否小于预设的第二预设比例阈值,若是,则将所述商家确定为商品对象无需审核即不通过的商家。
15.根据权利要求14所述的商品对象审核方法,其特征在于,所述预设的成功参加当前业务条件包括:
所述平均单日交易额达到预设的第二交易额阈值;或者,
所述平均单日支付商品对象数量达到预设的单日支付商品对象数量阈值。
16.根据权利要求4所述的商品对象审核方法,其特征在于,所述黑名单过滤规则,包括:
若商品对象所属商家位于预设的商家黑名单中,则将所述商品对象确定为过滤掉的商品对象。
17.根据权利要求1所述的商品对象审核方法,其特征在于,还包括:
接收客户端提交的通过商品审核参数配置页面设置的针对当前业务的商品审核参数配置请求;
将所述当前业务与所述商品审核参数配置请求携带的商品审核参数之间的对应记录存储在预设的配置文件中。
18.根据权利要求17所述的商品对象审核方法,其特征在于,所述商品审核参数包括以下参数的至少一者:
所述预设的商品过滤规则;
规则执行顺序;
待审核商品选取规则;
待审核商品获取方式;
所述预设的拥挤度算法。
19.根据权利要求1所述的商品对象审核方法,其特征在于,所述根据预设的商品过滤规则对所述商品对象集进行过滤,采用如下方式:
根据预设的规则执行顺序,逐个根据各个商品过滤规则对所述商品对象集进行过滤。
20.根据权利要求19所述的商品对象审核方法,其特征在于,所述预设的规则执行顺序包括:
先根据不同业务通用的商品过滤规则进行过滤、再根据当前业务专用的商品过滤规则进行过滤;或者,先根据当前业务专用的商品过滤规则进行过滤、再根据不同业务通用的商品过滤规则进行过滤。
21.根据权利要求1所述的商品对象审核方法,其特征在于,在所述根据预设的商品过滤规则对所述商品对象集进行过滤过程中,还包括:
记录过滤掉的商品对象被过滤掉的原因。
22.根据权利要求1所述的商品对象审核方法,其特征在于,所述预设的商品规划数量包括资源位数量。
23.根据权利要求1所述的商品对象审核方法,其特征在于,所述预设的拥挤度算法,采用如下方式:
针对各个商品类目,根据所述商品对象的预设指标的数据,从所述商品类目下的过滤通过的商品对象中,选取符合预设的选取规则的所述商品规划数量的商品对象,作为所述商品类目下审核通过的商品对象。
24.根据权利要求1所述的商品对象审核方法,其特征在于,所述预设的拥挤度算法,包括:
确定各个商品类目的竞拍池总容量;
确定各个商品类目的竞拍池可用容量;
针对各个商品类目,以根据所述商品对象的预设指标的数据,从过滤通过的所述商品类目下的商品对象中,选取符合预设的选取规则的所述竞拍池可用容量的商品对象,作为所述商品类目下审核通过的商品对象。
25.根据权利要求24所述的商品对象审核方法,其特征在于,所述商品类目的竞拍池总容量采用如下步骤确定:
根据竞拍池中商家的数量和该商品类目下待审核商品对象的数量,通过预设的商品类目热门分算法,获取所述商品类目的热门分;
根据所述商品类目的热门分,通过预设的单个资源位竞拍池容量算法,获取所述商品类目的单个资源位竞拍池容量;
根据所述单个资源位竞拍池容量和所述预设的商品规划数量,通过预设的竞拍池总容量算法,获取所述商品类目的竞拍池总容量。
26.根据权利要求24所述的商品对象审核方法,其特征在于,所述竞拍池包括预先进入的至少一个商品对象。
27.根据权利要求26所述的商品对象审核方法,其特征在于,所述商品类目的竞拍池可用容量,采用如下方式确定:
将所述商品类目的竞拍池总容量、与已进入所述商品类目对应的竞拍池中商品对象数量的差值,作为所述商品类目的竞拍池可用容量。
28.根据权利要求1所述的商品对象审核方法,其特征在于,所述过滤通过的商品对象包括确定为直接通过审核的商品对象;
在所述通过预设的拥挤度算法,并从过滤通过的商品对象中确定审核通过的商品对象之前,还包括:
将所述直接通过审核的商品对象作为通过审核的商品对象;
所述通过预设的拥挤度算法,并从过滤通过的商品对象中确定审核通过的商品对象,采用如下方式:
通过预设的拥挤度算法,从去除所述直接通过审核的商品对象后的所述过滤通过的商品对象中确定审核通过的商品对象。
29.根据权利要求1所述的商品对象审核方法,其特征在于,所述获取待审核的商品对象集,采用如下方式:
从商品对象库中选取符合预设的待审核商品选取规则的至少一个商品对象,形成所述待审核的商品对象集。
30.根据权利要求1所述的商品对象审核方法,其特征在于,所述预设指标包括:单坑产出的预测值、或商品品质分数。
31.一种商品对象审核装置,其特征在于,包括:
商品对象集获取单元,用于获取待审核的商品对象集;
商品过滤单元,用于根据预设的商品过滤规则对所述商品对象集进行过滤;
商品审核单元,用于根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的拥挤度算法,从过滤通过的商品对象中确定审核通过的商品对象。
32.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储实现商品对象审核方法的程序,该设备通电并通过所述处理器运行该商品对象审核方法的程序后,执行下述步骤:
获取待审核的商品对象集;
根据预设的商品过滤规则对所述商品对象集进行过滤;
根据所述商品对象的预设指标的数据和各个商品类目的预设的商品规划数量,通过预设的拥挤度算法,从过滤后的商品对象中确定审核通过的商品对象。
33.一种商品审核参数配置方法,其特征在于,包括:
接收用户通过商品审核参数配置页面提交的针对特定业务的商品审核参数配置指令;
向服务器发送针对所述特定业务的商品审核参数配置请求。
34.根据权利要求33所述的商品审核参数配置方法,其特征在于,所述商品审核参数包括以下参数的至少一者:至少一个商品过滤规则,规则执行顺序,待审核商品选取规则,待审核商品获取方式,拥挤度算法。
35.一种商品审核参数配置装置,其特征在于,包括:
接收单元,用于接收用户通过商品审核参数配置页面提交的针对特定业务的商品审核参数配置指令;
发送单元,用于向服务器发送针对所述特定业务的商品审核参数配置请求。
36.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储实现商品审核参数配置方法的程序,该设备通电并通过所述处理器运行该商品审核参数配置方法的程序后,执行下述步骤:
接收用户通过商品审核参数配置页面提交的针对特定业务的商品审核参数配置指令;
向服务器发送针对所述特定业务的商品审核参数配置请求。
37.一种商品对象审核系统,其特征在于,包括:根据权利要求31所述的商品对象审核装置;以及,根据权利要求35所述的商品审核参数配置装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611264641.3A CN108280651A (zh) | 2016-12-30 | 2016-12-30 | 一种商品对象审核方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611264641.3A CN108280651A (zh) | 2016-12-30 | 2016-12-30 | 一种商品对象审核方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108280651A true CN108280651A (zh) | 2018-07-13 |
Family
ID=62800377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611264641.3A Pending CN108280651A (zh) | 2016-12-30 | 2016-12-30 | 一种商品对象审核方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108280651A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418827A (zh) * | 2020-12-16 | 2021-02-26 | 平安健康保险股份有限公司 | 产品方案配置方法、装置、计算机设备和存储介质 |
CN113763076A (zh) * | 2020-07-21 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 数据过滤方法和装置 |
CN116226495A (zh) * | 2023-05-10 | 2023-06-06 | 建信金融科技有限责任公司 | 任务执行方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101231639A (zh) * | 2007-01-23 | 2008-07-30 | 阿里巴巴公司 | 按时间段实现关键字竞价排名的系统和方法 |
US20130166564A1 (en) * | 2011-12-27 | 2013-06-27 | Alibaba Group Holding Limited | Providing information recommendations based on determined user groups |
CN103593353A (zh) * | 2012-08-15 | 2014-02-19 | 阿里巴巴集团控股有限公司 | 信息搜索方法、展示信息排序权重值确定方法及其装置 |
CN103778548A (zh) * | 2012-10-19 | 2014-05-07 | 阿里巴巴集团控股有限公司 | 商品信息与关键词匹配方法、商品信息投放方法及装置 |
CN105678593A (zh) * | 2016-03-11 | 2016-06-15 | 合一网络技术(北京)有限公司 | 一种视频广告组合竞价投放的方法及系统 |
CN106055666A (zh) * | 2016-06-02 | 2016-10-26 | 腾讯科技(深圳)有限公司 | 媒体文件的投放方法和装置 |
-
2016
- 2016-12-30 CN CN201611264641.3A patent/CN108280651A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101231639A (zh) * | 2007-01-23 | 2008-07-30 | 阿里巴巴公司 | 按时间段实现关键字竞价排名的系统和方法 |
US20130166564A1 (en) * | 2011-12-27 | 2013-06-27 | Alibaba Group Holding Limited | Providing information recommendations based on determined user groups |
CN103593353A (zh) * | 2012-08-15 | 2014-02-19 | 阿里巴巴集团控股有限公司 | 信息搜索方法、展示信息排序权重值确定方法及其装置 |
CN103778548A (zh) * | 2012-10-19 | 2014-05-07 | 阿里巴巴集团控股有限公司 | 商品信息与关键词匹配方法、商品信息投放方法及装置 |
CN105678593A (zh) * | 2016-03-11 | 2016-06-15 | 合一网络技术(北京)有限公司 | 一种视频广告组合竞价投放的方法及系统 |
CN106055666A (zh) * | 2016-06-02 | 2016-10-26 | 腾讯科技(深圳)有限公司 | 媒体文件的投放方法和装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763076A (zh) * | 2020-07-21 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 数据过滤方法和装置 |
CN112418827A (zh) * | 2020-12-16 | 2021-02-26 | 平安健康保险股份有限公司 | 产品方案配置方法、装置、计算机设备和存储介质 |
CN112418827B (zh) * | 2020-12-16 | 2024-05-28 | 平安健康保险股份有限公司 | 产品方案配置方法、装置、计算机设备和存储介质 |
CN116226495A (zh) * | 2023-05-10 | 2023-06-06 | 建信金融科技有限责任公司 | 任务执行方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107424066B (zh) | 一种基于价值量建立共识机制的方法及其系统 | |
CN108256965A (zh) | 一种基于区块链的分布式电子商务平台系统 | |
CN110008248A (zh) | 一种数据处理方法和装置 | |
CN104011758B (zh) | 电力交易系统、市场并设型服务系统 | |
CN1216131A (zh) | 自动竞价协议处理器 | |
CN108066989A (zh) | 一种随机匹配组队方法、装置及应用服务器 | |
Chan et al. | The role of auctions in allocating public resources | |
CN108665366A (zh) | 确定用户风险等级的方法、终端设备及计算机可读存储介质 | |
US20080243674A1 (en) | System for automated trading of informational items and having integrated ask-and -post features | |
CN110060047A (zh) | 基于交易的信用风险判别方法及其装置 | |
CN105357167A (zh) | 业务处理方法和装置 | |
CN111667300A (zh) | 基于区块链智能合约的广告自动化交易与投放方法及系统 | |
CN110175860B (zh) | 虚拟资源分配方法及装置 | |
WO2019084354A1 (en) | SYSTEMS AND METHODS FOR MONITORING INTELLECTUAL PROPERTY | |
CN108280651A (zh) | 一种商品对象审核方法、装置及系统 | |
CN108011740A (zh) | 一种媒体流量数据处理方法和装置 | |
CN107812385A (zh) | 通过游戏引导资源配置的数据处理方法和装置 | |
CN108898493A (zh) | 一种基于区块链的投资策略交易方法及系统 | |
CN102915504A (zh) | 软件发布方法和装置 | |
CN108038731A (zh) | 分销交易方法及装置 | |
CN110020099A (zh) | 一种视频交友的用户推荐方法和装置 | |
CN110503466A (zh) | 一种基于互动活动的消费者人群获取方法及装置 | |
CN109886676A (zh) | 用于区块链网络的支付方法、计算设备、存储介质 | |
US11238476B2 (en) | Blockchain-based platform for monetizing social media following | |
US10617948B2 (en) | System and data collection method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180713 |
|
RJ01 | Rejection of invention patent application after publication |