CN109146585A - 一种通过抽样检验确定高危商品的方法和装置 - Google Patents

Abstract

本发明公开了一种通过抽样检验确定高危商品的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：根据抽样检验的目标商品类目从数据库中获取目标数据；使用目标数据计算各个目标商品的高危值；将高危值大于预定的高危限值的商品确定为高危商品。该实施方式能够完整地涵盖同一抽检品类的商品，更为精准地确定高危商品，并且降低了抽检成本，提高了抽检准确度。

Description

一种通过抽样检验确定高危商品的方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种通过抽样检验确定高危商品的方法和装置。

背景技术

商品的质量是衡量商品使用价值的尺度。电商平台为加强平台商品的质量监督管理，维护平台的良好生态，保护消费者的合法权益，对商品的质量安全的抽样检查(简称“抽检”)极为重视。但是如何精准的进行商品抽检，以及如何最大概率的找到高危商品(质量不合格的商品)和高危商家，一直是各平台面临的一个难题。

目前，电商平台常用的抽检方法主要有如下两种：

1、随机抽检：在各个运营类目中随机抽取部分商品并检测；

2、系统抽检：每隔一段时间，根据差评率对商品按运营类目抽取部分商品进行检测。

其中，类目主要是指网上电子商务平台为适应当今时代的消费人群在网上商店有针对性的选购各种各样的商品而对商品做出的归类。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

1、随机抽检虽然比较公平，但是对于电商平台来说，抽检的目的是为了找到高危商品和高危商家，而不是检测平台商品的平均合格率，所以这种方案是无目的性的，也会增加无意义的抽检成本，不适合平台抽检使用；

2、系统抽检与随机抽检相比较要好很多，但是仅仅根据差评率来抽检是不全面的，不能更好地精准地找到高危商品；

3、现有的随机抽检和系统抽检都是直接通过运营类目来进行分区抽检的，而不同的供应商对于商品的类目定义是不同的，当运营类目和抽检品类划分不统一而导致抽检品类分散到多个不同运营类目时，就会出现抽检不完全的问题，目前还无法解决该问题。

发明内容

有鉴于此，本发明实施例提供一种通过抽样检验确定高危商品的方法和装置，能够完整地涵盖同一抽检品类的商品，更为精准地确定高危商品，并且降低了抽检成本，提高了抽检准确度。

为实现上述目的，根据本发明实施例的一个方面，提供了一种通过抽样检验确定高危商品的方法。

一种通过抽样检验确定高危商品的方法，包括：根据抽样检验的目标商品类目从数据库中获取目标数据；使用所述目标数据计算各个目标商品的高危值；将所述高危值大于预定的高危限值的商品确定为高危商品。

可选地，根据抽样检验的目标商品类目从数据库中获取目标数据的步骤包括：建立虚拟类目；根据所述目标商品类目确定所述虚拟类目包括的目标商品的标识；根据所述目标商品的标识从所述数据库中获取所述目标数据。

可选地，根据所述目标商品类目确定所述虚拟类目包括的目标商品的标识的步骤包括：若所述目标商品类目为完整类目，则通过将所述目标商品类目映射到所述虚拟类目，以得到所述虚拟类目包括的目标商品的标识；若所述目标商品类目为分散类目，则通过关键字匹配的方式得到所述虚拟类目包括的目标商品的标识。

可选地，使用所述目标数据计算各个目标商品的高危值的步骤包括：确定所述高危值的影响参数；对于每个目标商品，分别计算每个所述影响参数对应的高危分量；根据每个所述影响参数对应的高危分量，计算所述各个目标商品的高危值。

可选地，所述影响参数包括：用户评价、售后工单、客服投诉和工商举报。

根据本发明实施例的另一方面，提供了一种通过抽样检验确定高危商品的装置。

一种通过抽样检验确定高危商品的装置，包括：数据获取模块，用于根据抽样检验的目标商品类目从数据库中获取目标数据；高危值计算模块，用于使用所述目标数据计算各个目标商品的高危值；高危商品确定模块，用于将所述高危值大于预定的高危限值的商品确定为高危商品。

可选地，所述数据获取模块还用于：建立虚拟类目；根据所述目标商品类目确定所述虚拟类目包括的目标商品的标识；根据所述目标商品的标识从所述数据库中获取所述目标数据。

可选地，所述数据获取模块还用于：若所述目标商品类目为完整类目，则通过将所述目标商品类目映射到所述虚拟类目，以得到所述虚拟类目包括的目标商品的标识；若所述目标商品类目为分散类目，则通过关键字匹配的方式得到所述虚拟类目包括的目标商品的标识。

可选地，所述高危值计算模块还用于：确定所述高危值的影响参数；对于每个目标商品，分别计算每个所述影响参数对应的高危分量；根据每个所述影响参数对应的高危分量，计算所述各个目标商品的高危值。

可选地，所述影响参数包括：用户评价、售后工单、客服投诉和工商举报。

根据本发明实施例的又一方面，提供了一种通过抽样检验确定高危商品的终端。

一种通过抽样检验确定高危商品的终端，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例所提供的通过抽样检验确定高危商品的方法。

根据本发明实施例的再一方面，提供了一种计算机可读介质。

一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例所提供的通过抽样检验确定高危商品的方法。

上述发明中的一个实施例具有如下优点或有益效果：

本发明的实施例提供了一种通过计算商品的高危值来确定高危商品的方法。其中，在确定抽检的目标商品类目对应的目标数据时，通过建立虚拟类目的方式，解决了由于运营类目的分散导致的抽检数据不完整和不全面的问题，从而在进行商品抽检时能够完整地涵盖同一抽检品类的商品，以便更为精准地确定高危商品；通过确定商品高危值的影响参数，并分别计算每个影响参数对应的商品高危分量，最后得到商品的高危值的方式，全面地涵盖了商品高危值的影响因素，从而更为精准地确定高危商品，并且可以降低抽检成本，提高抽检准确度。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的通过抽样检验确定高危商品的方法的主要流程示意图；

图2是根据本发明实施例的通过抽样检验确定高危商品的装置的主要模块示意图；

图3是本发明实施例可以应用于其中的示例性系统架构图；

图4是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

为了解决现有技术中提到的当运营类目和抽检品类划分不统一而导致抽检不完全的问题，以及现有技术无法精准地确定高危商品的问题，本发明的实施例提供了一种通过抽样检验(简称“抽检”)确定高危商品的方法。

下面将通过具体的实施例介绍本发明实施例的通过抽样检验确定高危商品的方法的具体实施过程。

图1是根据本发明实施例的通过抽样检验确定高危商品的方法的主要流程示意图。如图1所示，本发明的通过抽样检验确定高危商品的方法主要包括如下的步骤S101至步骤S103。

步骤S101：根据抽样检验的目标商品类目从数据库中获取目标数据。

其中，类目，亦即店铺类目或商品类目，主要是指网上电子商务平台为适应当今时代的消费人群在网上商店有针对性的选购各种各样的商品而对商品做出的归类。目标商品是指要进行抽样检验的商品，目标数据即为目标商品的数据信息。

根据本发明一个实施例的技术方案，步骤S101根据抽样检验的目标商品类目从数据库中获取目标数据，具体可以包括：

步骤S1011：建立虚拟类目；

步骤S1012：根据目标商品类目确定虚拟类目包括的目标商品的标识；

步骤S1013：根据目标商品的标识从数据库中获取目标数据。

其中，步骤S1012根据所述目标商品类目确定所述虚拟类目包括的目标商品的标识，具体包括如下两种情况：

若目标商品类目为完整类目，则通过将目标商品类目映射到虚拟类目，以得到虚拟类目包括的目标商品的标识；

若目标商品类目为分散类目，则通过关键字匹配的方式得到虚拟类目包括的目标商品的标识。

当运营类目和抽检品类划分不统一时，抽检品类会分散到不同的运营类目，从而导致抽检不完全。造成抽检品类分散的情况的原因主要有以下两种：

1、由于电商平台运营的需要，导致抽检品类分散到不同的运营类目中。比如：当需要抽检的品类为T恤时，在电商平台的运营类目中，可能会涉及到包含男装T恤、女装T恤，以及儿童T恤等多个运营类目，电商平台为了方便用户找到想要的产品，而将同一品类T恤分散到了不同的运营类目中；

2、由于商家定位的需要，导致抽检品类分散到不同的运营类目中。比如：当需要抽检的品类为水杯时，由于商家定位的不同，商家可能会选择不同的运营类目，如普通水杯可能选择日用品类目、面向户外运动的水杯可能会选择户外装备类目、面向儿童的水杯可能会选择母婴下的喂养用品类目等等。

为了解决抽检品类分散的问题，本发明的实施例通过引入“虚拟类目”来定位抽检品类，从而使抽检做到全面、完整。其中，虚拟类目是相对于真实的运营类目来说的，是针对抽检单独商品设计的类目划分规则。本发明的实施例通过将虚拟类目与运营类目建立映射关系，根据运营类目中包括的商品的标识，来获取虚拟类目包括的商品标识，从而完整地定位抽检品类对应的商品。

根据前述内容，为了将抽检品类对应的分散到多个运营类目下的商品数据集中到一起，需要建立一个虚拟类目。虚拟类目的主体结构如图1所示。

图1

下面以前面提及的抽检品类“T恤”为例，来说明虚拟类目与运营类目建立映射关系的过程。

假设抽检品类“T恤”主要分散到了如下的运营类目中：

1、男装/女装/童装/内衣→女装→T恤；

2、男装/女装/童装/内衣→男装→T恤；

3、男装/女装/童装/内衣→童装→儿童T恤；

4、运动/户外/钟表→运动服饰→T恤；

5、运动/户外/钟表→户外鞋服→T恤。

另外，还可能会出现由于商家的误操作等原因，导致将“T恤”保存到了其他的类目下，而这些类目是非常分散的。

为了更好地介绍虚拟类目与运营类目的映射关系的建立过程，将运营类目分为两类，完整类目和分散类目。完整类目指的是运营类目的最后一级类目中只包含该品类的商品的类目，如上所述的运营类目1至5均为完整类目，以运营类目“1、男装/女装/童装/内衣→女装→T恤”为例，其中，“男装/女装/童装/内衣”为一级类目，“女装”为二级类目，“T恤”为三级类目，也即最后一级类目，在该“T恤”类目下只包含T恤，故而对于抽检品类“T恤”来说，该运营类目为完整类目。相应地，分散类目指的是运营类目的最后一级类目中包含多个品类的商品的类目，例如：假设由于商家或工作人员的误操作，将品类“T恤”保存到了运营类目“运动/户外/钟表→户外装备→户外工具”中，此时由于最后一级类目“户外工具”中不光包含“T恤”、还包括其他品类的商品，故而对于抽检品类“T恤”来说，该运营类目即为分散类目。另外，还有一些商品，例如水杯，很多电商平台都没有单独对其设置三级类目，都是包含到其他类目中，因此抽检品类“水杯”对应的运营类目即为分散类目。

对于运营类目的两种不同类型，在将虚拟类目与运营类目建立映射关系时，若运营类目为完整类目，则通过将目标商品类目映射到虚拟类目，以得到虚拟类目包括的目标商品的标识；若运营类目为分散类目，则通过关键字匹配的方式得到虚拟类目包括的目标商品的标识。可以使用如表2所示的映射结构来表示虚拟类目与运营类目的映射关系。表2中，以T恤和水杯为例来表示虚拟类目与运营类目的映射关系，其中，T恤对应的运营类目多为完整类目，通过映射运营类目即可以得到虚拟类目中包括的商品标识；水杯对应的运营类目多为分散类目，通过关键字匹配的方式来得到虚拟类目中包括的商品标识。表2中出现的“NULL”指的是没有内容。

表2

根据前面的描述，即可以得到虚拟类目中包括的商品标识。根据商品标识，即可从数据库中获取抽检商品的数据，从而完整地获取抽检的目标商品类目对应的目标数据。

步骤S102：使用目标数据计算各个目标商品的高危值。

根据本发明一个实施例的技术方案，步骤S102使用目标数据计算各个目标商品的高危值的步骤具体可以包括：

步骤S1021：确定高危值的影响参数；

步骤S1022：对于每个目标商品，分别计算每个影响参数对应的高危分量；

步骤S1023：根据每个影响参数对应的高危分量，计算各个目标商品的高危值。

为了判断某商品的高危程度，首先需要确定哪些因素会反映商品的高危程度，也就是商品的高危值的影响参数。其中，影响参数主要可以包括：用户评价、售后工单、客服投诉和工商举报四种。其中，售后工单指的是用户购买商品后产生的退、换、修等相关服务，可以通过售后工单的内容中包含的退换修的原因分析商品的质量；客服投诉指的是客户通过电话或者在线即时通讯工具向客服反映的一些商品的质量等方面的问题；工商举报指的是客户向工商局等相关部门举报的商品的质量等方面的问题。在具体应用中，可根据情况确定具体的影响参数，并不局限于本实施例中所提及的用户评价、售后工单、客服投诉和工商举报。在本发明的实施例中，每个影响参数都基于商品的销量来计算其对应的商品的高危分量。

由于用户评价、售后工单、客服投诉和工商举报等因素都是发生在交易以后，具有延迟性，比如商品用了一段时间后才会进行评价，所以为了尽量保证数据的准确性，可以选择固定时间段内的抽检的目标商品类目对应的数据作为目标数据。其中，固定时间段例如为一个月前的数据，比如今天是5月1日，那么可以选取3月1日到4月1日之间的抽检的目标商品类目对应的数据。

对于商品高危值的影响参数，由于每一个参数的影响程度不同，因此可设定商品高危值的数据模型为：

V(高危值)＝F(f1(用户评价，商品销量)，f2(售后工单，商品销量),f3(客服投诉，商品销量),f4(工商举报，商品销量))，其中，V为商品的高危值，f为每个影响参数对应的高危分量。

下面分别介绍每个影响参数对应的高危分量的计算过程。

1、f₁(用户评价，商品销量)，表示的是根据商品的用户评价和相关销量信息，计算用户评价对应的商品的高危分量。公式如下：

其中：

N₁：当前商品的用户评价数量；

R₁：当前商品的差评率，指的是当前商品的差评数量比上月销量；

M₁：当前虚拟类目下发生了交易的商品，按评价数量由高到低排序后，顺序取预定比例的商品，其中评价数量最少的商品对应的评价数量；

C₁：当前虚拟类目下所有商品的总的差评占比，其中，差评占比指的是差评数量比上总评价数量。

此处通过引入参数M₁和C₁，以用于对一些不具有普遍参考意义的数据进行补偿，因为从商品的销量来看，只有销量高的情况下统计的差评率才更准确。例如：商品A的月销量1000000，差评数量为1000，那么该商品A的差评率就是0.001，具有普遍性。但在极端情况下，如果一个商品B的月销量是5，差评数量是1，那商品B的差评率是20％，虽然差评率很高，但是由于商品B的销量很小，因此在计算该商品的高危值具有很大的不确定性。此时，就需要引入参数M₁和C₁来对商品B进行数据补偿。具体的补偿方法是：假设M₁＝1000、C₁＝0.05，那么，可将商品B的月销量补偿为1000，差评数量补偿为(1+M₁*C₁)＝51，相应地补偿后的商品B的差评率即变为0.051，即可认为具有普遍参考意义。其中，在确定参数M₁时，预定比例可以根据抽检力度和数据的具体情况进行灵活设定和调整，例如取15％等。

2、f₂(售后工单，商品销量)，表示的是根据商品的售后工单和商品销量，计算售后工单对应的商品的高危分量，具体公式如下：

其中：

N₂：当前商品的售后工单数量；

R₂：当前商品的工单占比，工单占比也叫作工单率，即售后工单数量比上月销量；

M₂：当前虚拟类目下发生了交易的商品，按售后工单数量由高到低排序后，顺序取预定比例的商品，其中售后工单数量最少的商品对应的售后工单数量；

C₂：当前虚拟类目下所有商品的总的工单占比。

其中，在确定参数M₂时，预定比例可以根据抽检力度和数据的具体情况进行灵活设定和调整。由于商品的售后工单对商品质量的影响相对于用户评价要大一些，因此，对于某些极端情况下，商品的售后工单补偿与用户评价相比要少一些，也即在进行M₂的取值时，预定比例会大一些，例如，可取40％等。

3、f₃(客服投诉，商品销量)，表示的是根据商品的客服投诉和商品销量，计算客服投诉对应的商品的高危分量，具体公式如下：

其中：

N₃：当前商品的客服投诉数量；

R₃：当前商品的投诉占比，投诉占比指的是客服投诉数量比上月销量；

M₃：当前虚拟类目下发生了交易的商品，按投诉数量由高到低排序后，顺序取预定比例的商品，其中客服投诉数量最少的商品对应的客服投诉数量；

C₃：当前虚拟类目下所有商品的总的投诉占比。

其中，在确定参数M₃时，预定比例可以根据抽检力度和数据的具体情况进行灵活设定和调整。由于商品的客服投诉对商品质量的影响相对于用户评价和售后工单要大一些，因此，对于某些极端情况下，商品的客服投诉补偿与用户评价和售后工单相比要少一些，例如，可取50％等。

4、f₄(工商举报，商品销量)，表示的是根据商品的工商举报和商品销量，计算工商举报对应的商品的高危分量，具体公式如下：

其中：

N₄：当前商品的工商举报数量；

R₄：当前商品的工商占比，工商占比指的是工商举报数量比上月销量；

M₄：当前虚拟类目下发生了交易的商品，按工商举报的数量由高到低排序后，顺序取预定比例的商品，其中工商举报数量最少的商品对应的工商举报数量

C₄：当前虚拟类目下所有商品的总的工商占比。

其中，在确定参数M₄时，预定比例可以根据抽检力度和数据的具体情况进行灵活设定和调整。由于商品的工商举报对商品质量的影响最大，因此，对于某些极端情况下，商品的工商举报的补偿要更少，例如，可取60％等。

通过前面的计算，可以分别得到用户评价、售后工单、客服投诉和工商举报对应的商品的高危分量f₁、f₂、f₃和f₄，下面将根据这些高危分量算出商品的高危值。通过参考贝叶斯平均算法和加权平均算法，可得商品的高危值的计算方法可以如下：

其中：W₁、W₂、W₃、W₄分别是用户评价、售后工单、客服投诉和工商举报对应的商品的高危分量的权重值，因为各种因素对商品质量的影响是不同的，基础数据量差别也很大，因此可以根据使用情况来设定对应的权重值，比如可以取值：W1＝1，W2＝10，W3＝12，W4＝30，以此来表示工商举报对商品的高危值的影响很大，而且由于商品的工商投诉数量相对于销售数量来说很小，因此可以设置权重大一些。在实际应用中，各个权重值可以根据实际情况来调节，以找到一个最优的权重值。另外，在进行商品的高危值的计算时，若出现数字比较小的情况，还可以乘以一个较大的整数(例如：100000)以将其转换为一个整数，方便直观的比较与查看。

步骤S103：将高危值大于预定的高危限值的商品确定为高危商品。其中，预定的高危限值可以是限定为一个比例的形式，也可以限定为一个具体的数值。在设定高位限值时，可以根据虚拟类目涉及的商品数量和抽检力度来灵活设置或调整。

通过步骤S101和步骤S102，得到了抽检的目标商品的高危值，通过对商品的高危值按照由大到小进行排序，然后按照百分比或者具体数量，来确定高危商品。

另外，当抽检到高危商品后，其对应的商家也就被认定为高危商家。在实际应用中，为了更为全面地对商家进行考核，应尽量避免对同一商家进行重复抽检，以节省抽检成本。

根据前面介绍的步骤S101至步骤S103，即可实现通过计算商品的高危值来确定高危商品。在确定抽检的目标商品类目对应的目标数据时，通过建立虚拟类目的方式，解决了由于运营类目的分散导致的抽检数据不完整和不全面的问题，从而在进行商品抽检时能够完整地涵盖同一抽检品类的商品，以便更为精准地确定高危商品；通过确定商品高危值的影响参数，并分别计算每个影响参数对应的商品高危分量，最后得到商品的高危值的方式，全面地涵盖了商品高危值的影响因素，从而更为精准地确定高危商品，并且可以降低抽检成本，提高抽检准确度。

图2是根据本发明实施例的通过抽样检验确定高危商品的装置的主要模块的示意图。如图2所示，本发明实施例的通过抽样检验确定高危商品的装置200主要包括数据获取模块201、高危值计算模块202和高危商品确定模块203。

数据获取模块201用于根据抽样检验的目标商品类目从数据库中获取目标数据；

高危值计算模块202用于使用所述目标数据计算各个目标商品的高危值；

高危商品确定模块203用于将所述高危值大于预定的高危限值的商品确定为高危商品。

根据本发明实施例的技术方案，数据获取模块201还可以用于执行以下内容：

建立虚拟类目；

根据目标商品类目确定虚拟类目包括的目标商品的标识；

根据目标商品的标识从数据库中获取目标数据。

进一步地，数据获取模块201还可以用于通过以下方式得到虚拟类目包括的目标商品的标识：

若目标商品类目为完整类目，则通过将目标商品类目映射到虚拟类目，以得到虚拟类目包括的目标商品的标识；

若目标商品类目为分散类目，则通过关键字匹配的方式得到虚拟类目包括的目标商品的标识。

根据本发明的实施例，高危值计算模块202还可以用于：

确定高危值的影响参数；

对于每个目标商品，分别计算每个影响参数对应的高危分量；

根据每个影响参数对应的高危分量，计算各个目标商品的高危值。

其中，本发明的实施例中影响参数可以包括：用户评价、售后工单、客服投诉和工商举报。

图3示出了可以应用本发明实施例的通过抽样检验确定高危商品的方法或通过抽样检验确定高危商品的装置的示例性系统架构300。

如图3所示，系统架构300可以包括终端设备301、302、303，网络304和服务器305。网络304用以在终端设备301、302、303和服务器305之间提供通信链路的介质。网络304可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备301、302、303通过网络304与服务器305交互，以接收或发送消息等。终端设备301、302、303上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备301、302、303可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器305可以是提供各种服务的服务器，例如对用户利用终端设备301、302、303所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的通过抽样检验确定高危商品的方法一般由服务器305执行，相应地，通过抽样检验确定高危商品的装置一般设置于服务器305中。

应该理解，图3中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图4，其示出了适于用来实现本发明实施例的终端设备或服务器的计算机系统400的结构示意图。图4示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，计算机系统400包括中央处理单元(CPU)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有系统400操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

以下部件连接至I/O接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括数据获取模块、高危值计算模块和高危商品确定模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，数据获取模块还可以被描述为“用于根据抽样检验的目标商品类目从数据库中获取目标数据的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：根据抽样检验的目标商品类目从数据库中获取目标数据；使用所述目标数据计算各个目标商品的高危值；将所述高危值大于预定的高危限值的商品确定为高危商品。

根据本发明实施例的技术方案，提供了一种通过计算商品的高危值来确定高危商品的方法。其中，在确定抽检的目标商品类目对应的目标数据时，通过建立虚拟类目的方式，解决了由于运营类目的分散导致的抽检数据不完整和不全面的问题，从而在进行商品抽检时能够完整地涵盖同一抽检品类的商品，以便更为精准地确定高危商品；通过确定商品高危值的影响参数，并分别计算每个影响参数对应的商品高危分量，最后得到商品的高危值的方式，全面地涵盖了商品高危值的影响因素，从而更为精准地确定高危商品，并且可以降低抽检成本，提高抽检准确度。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (12)

1.一种通过抽样检验确定高危商品的方法，其特征在于，包括：

根据抽样检验的目标商品类目从数据库中获取目标数据；

使用所述目标数据计算各个目标商品的高危值；

将所述高危值大于预定的高危限值的商品确定为高危商品。

2.根据权利要求1所述的方法，其特征在于，根据抽样检验的目标商品类目从数据库中获取目标数据的步骤包括：

建立虚拟类目；

根据所述目标商品类目确定所述虚拟类目包括的目标商品的标识；

根据所述目标商品的标识从所述数据库中获取所述目标数据。

3.根据权利要求2所述的方法，其特征在于，根据所述目标商品类目确定所述虚拟类目包括的目标商品的标识的步骤包括：

若所述目标商品类目为完整类目，则通过将所述目标商品类目映射到所述虚拟类目，以得到所述虚拟类目包括的目标商品的标识；

若所述目标商品类目为分散类目，则通过关键字匹配的方式得到所述虚拟类目包括的目标商品的标识。

4.根据权利要求1所述的方法，其特征在于，使用所述目标数据计算各个目标商品的高危值的步骤包括：

确定所述高危值的影响参数；

对于每个目标商品，分别计算每个所述影响参数对应的高危分量；

根据每个所述影响参数对应的高危分量，计算所述各个目标商品的高危值。

5.根据权利要求4所述的方法，其特征在于，所述影响参数包括：用户评价、售后工单、客服投诉和工商举报。

6.一种通过抽样检验确定高危商品的装置，其特征在于，包括：

数据获取模块，用于根据抽样检验的目标商品类目从数据库中获取目标数据；

高危值计算模块，用于使用所述目标数据计算各个目标商品的高危值；

高危商品确定模块，用于将所述高危值大于预定的高危限值的商品确定为高危商品。

7.根据权利要求6所述的装置，其特征在于，所述数据获取模块还用于：

建立虚拟类目；

根据所述目标商品类目确定所述虚拟类目包括的目标商品的标识；

根据所述目标商品的标识从所述数据库中获取所述目标数据。

8.根据权利要求7所述的装置，其特征在于，所述数据获取模块还用于：

若所述目标商品类目为完整类目，则通过将所述目标商品类目映射到所述虚拟类目，以得到所述虚拟类目包括的目标商品的标识；

若所述目标商品类目为分散类目，则通过关键字匹配的方式得到所述虚拟类目包括的目标商品的标识。

9.根据权利要求6所述的装置，其特征在于，所述高危值计算模块还用于：

确定所述高危值的影响参数；

对于每个目标商品，分别计算每个所述影响参数对应的高危分量；

根据每个所述影响参数对应的高危分量，计算所述各个目标商品的高危值。

10.根据权利要求9所述的装置，其特征在于，所述影响参数包括：用户评价、售后工单、客服投诉和工商举报。

11.一种通过抽样检验确定高危商品的终端，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。