CN110599070A - 一种基于区块链的跨境电商平台质量信用分析方法及系统 - Google Patents

一种基于区块链的跨境电商平台质量信用分析方法及系统 Download PDF

Info

Publication number
CN110599070A
CN110599070A CN201910947832.7A CN201910947832A CN110599070A CN 110599070 A CN110599070 A CN 110599070A CN 201910947832 A CN201910947832 A CN 201910947832A CN 110599070 A CN110599070 A CN 110599070A
Authority
CN
China
Prior art keywords
border
cross
commerce platform
information
node
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.)
Withdrawn
Application number
CN201910947832.7A
Other languages
English (en)
Inventor
崔凯
庞松涛
商广勇
王伟兵
马岩堂
赵树林
姜鑫
刘伟巍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong ICity Information Technology Co., Ltd.
Original Assignee
Shandong ICity Information Technology Co., Ltd.
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong ICity Information Technology Co., Ltd. filed Critical Shandong ICity Information Technology Co., Ltd.
Priority to CN201910947832.7A priority Critical patent/CN110599070A/zh
Publication of CN110599070A publication Critical patent/CN110599070A/zh
Withdrawn legal-status Critical Current

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0609—Buyer or seller confidence or verification
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Technology Law (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于区块链的跨境电商平台质量信用分析方法及系统，属于区块链领域，本发明要解决的技术问题为如何提高海关的工作效率，同时对跨境电商平台信息做到共享，减少“刷单”现象的出现，让消费者买到放心优质的产品，采用的技术方案为：该方法步骤如下：S1、整合数据；S2、部署区块链节点：在区块链中部署不同的节点，分别存储从多维度获取的跨境电商平台信息，节点之间相互关联，信息共享；S3、通过智能合约部署质量信用分析方法：基于主成分分析法生成信用分析方法；S4、质量信用分析展示。该系统包括数据整合单元、区块链节点部署单元、通过智能合约部署质量信用分析方法单元及质量信用分析展示单元。

Description

一种基于区块链的跨境电商平台质量信用分析方法及系统
技术领域
本发明涉及区块链领域，具体地说是一种基于区块链的跨境电商平台质量信用分析方法及系统。
背景技术
跨境电商平台信息的不对称、不全面、不透明，致使用户无法科学有效决策，进而无法根据自己意愿选择跨境电商平台的高质量商品，长此以往不仅会造成不愉快的使用体验，甚至会扰乱电商市场。
随着进出口数量的增加，海关处理的事务随之增加，工作效率成了大家关心的问题，无法对跨境电商平台的各种信息进行整合处理，进行相对应的质量信用分析成了迫在眉睫的关键。
代理商为了提高自己的产品质量排名，出现了“刷单”现象，扰乱消费者的消费思路，会产生一定的误导，很难保证消费者买到放心优质的产品。故如何提高海关的工作效率，同时对跨境电商平台信息做到共享，减少“刷单”现象的出现，让消费者买到放心优质的产品是目前现有技术中存在的技术问题。
专利号为CN105787778A的专利文献公开了一种电商平台的用户个人信用数据管理方法，所述的方法通过训练历史信用源数据来对用户的信用值进行初始化，并实时采集、分析注册用户在平台发生的信用源数据，实时更新用户信用数据中间值，并阶段性地修正用户的正式信用数据，较为全面地反映影响用户信用记录的因素，能较为准确地评定用户信用数据，并支持信用数据值的实时维护，保障了用户信用数据的安全性能。但是技术方案不能有效提高海关的工作效率，同时对跨境电商平台信息做到共享，减少“刷单”现象的出现，让消费者买到放心优质的产品。
发明内容
本发明的技术任务是提供一种基于区块链的跨境电商平台质量信用分析方法及系统，来解决如何提高海关的工作效率，同时对跨境电商平台信息做到共享，减少“刷单”现象的出现，让消费者买到放心优质的产品的问题。
本发明的技术任务是按以下方式实现的，一种基于区块链的跨境电商平台质量信用分析方法，该方法步骤如下：
S1、整合数据：融合多源跨境电商平台的电商企业和产品信息，先从异构的系统数据源中采集数据对象，采集完成后，再将不同类型和不同结构的原始数据清洗、处理成统一框架下的标准化数据，即相对应的json结构；
S2、部署区块链节点：在区块链中部署不同的节点，分别存储从多维度获取的跨境电商平台信息，节点之间相互关联，信息共享；
S3、通过智能合约部署质量信用分析方法：基于主成分分析法生成信用分析方法，将信用分析方法部署在智能合约上，对多方数据进行处理分析，得出质量信用排名；
S4、质量信用分析展示：根据信用分析对跨境电商平台质量信用进行综合排名，同时对交易信息、海关纪录进行展示，做到信息共享、信息真实有效。
作为优选，所述步骤S1中采集数据对象包括生产企业产品的生产及销路信息、代理商入驻跨境电商平台的基础资料及交易信息、消费者购买信息及对跨境电商平台的评价信息、跨境电商平台的交易信息及跨境电商平台以往出入海关的记录信息。
更优地，所述步骤S2中部署区块链节点具体是在区块链上为生产企业、代理商、消费者、跨境电商平台、海关设置不同的节点，节点之间相互关联且能够信息共享，节点既是一个个体，也能够与其余节点进行交互；节点分别为生产企业节点、代理商节点、消费者节点、跨境电商平台节点和海关节点；
其中，生产企业节点用于存入产品的生产及销路信息；
代理商节点用于存入入驻跨境电商平台的基础资料及交易信息；
消费者节点用于存入购买信息及对跨境电商平台的评价；
跨境电商平台节点用于存入企业平台的交易信息；
海关节点用于存入跨境电商平台以往出入海关的记录信息。
作为优选，所述步骤S3中通过智能合约部署质量信用分析方法具体是采用文献研究和主成分分析法确定指标体系，并基于神经网络系统的正向反馈机制，确定不同层之间的激活函数，采用已有数据对模型进行训练得到指标体系，将信用分析方法部署在智能合约上，对多方数据进行整合展示。
更优地，所述主成分分析法是一种降维的统计方法，借助于一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，在代数上表现为将原随机向量的协方差阵变换成对角形阵，在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本点散布最开的p个正交方向，然后对多维变量系统进行降维处理，使之能以一个较高的精度转换成低维变量系统，再通过构造适当的价值函数，进一步把低维系统转化成一维系统。
一种基于区块链的跨境电商平台质量信用分析系统，该系统包括，
数据整合单元，用于融合多源跨境电商平台的电商企业和产品信息，先从异构的系统数据源中采集数据对象，采集完成后，再将不同类型和不同结构的原始数据清洗、处理成统一框架下的标准化数据，即相对应的json结构；
区块链节点部署单元，用于在区块链中部署不同的节点，分别存储从多维度获取的跨境电商平台信息，节点之间相互关联，信息共享；
通过智能合约部署质量信用分析方法单元，用于基于主成分分析法生成信用分析方法，将信用分析方法部署在智能合约上，对多方数据进行处理分析，得出质量信用排名；
质量信用分析展示单元，用于根据信用分析对跨境电商平台质量信用进行综合排名，同时对交易信息、海关纪录进行展示，做到信息共享、信息真实有效。
作为优选，所述采集数据对象包括生产企业产品的生产及销路信息、代理商入驻跨境电商平台的基础资料及交易信息、消费者购买信息及对跨境电商平台的评价信息、跨境电商平台的交易信息及跨境电商平台以往出入海关的记录信息。
更优地，所述区块链节点部署单元用于在区块链上为生产企业、代理商、消费者、跨境电商平台、海关设置不同的节点，节点之间相互关联且能够信息共享，节点既是一个个体，也能够与其余节点进行交互；节点分别为生产企业节点、代理商节点、消费者节点、跨境电商平台节点和海关节点；
其中，生产企业节点用于存入产品的生产及销路信息；
代理商节点用于存入入驻跨境电商平台的基础资料及交易信息；
消费者节点用于存入购买信息及对跨境电商平台的评价；
跨境电商平台节点用于存入企业平台的交易信息；
海关节点用于存入跨境电商平台以往出入海关的记录信息。
作为优选，所述通过智能合约部署质量信用分析方法单元用于采用文献研究和主成分分析法确定指标体系，并基于神经网络系统的正向反馈机制，确定不同层之间的激活函数，采用已有数据对模型进行训练得到指标体系，将信用分析方法部署在智能合约上，对多方数据进行整合展示。
更优地，所述主成分分析法是一种降维的统计方法，借助于一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，在代数上表现为将原随机向量的协方差阵变换成对角形阵，在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本点散布最开的p个正交方向，然后对多维变量系统进行降维处理，使之能以一个较高的精度转换成低维变量系统，再通过构造适当的价值函数，进一步把低维系统转化成一维系统。
本发明的基于区块链的跨境电商平台质量信用分析方法及系统具有以下优点：
(一)、本发明旨在提高海关的工作效率，同时对跨境电商平台信息做到共享，减少“刷单”现象的出现，让消费者买到放心优质的产品；
(二)、基于区块链的跨境电商平台质量信用分析方法，海关可以从多方获取跨境电商平台的信息，对跨境电商平台做出质量信用排名，可信度更高，可以提高海关的工作效率；
(三)、基于区块链的跨境电商平台质量信用分析方法，对跨境电商平台的交易信息进行公开展示，消费者可以根据需求买到优质的产品；
(四)、本发明在区块链上为生产企业、代理商、消费者、跨境电商平台、海关设置不同的节点，这些节点是相互关联的，可以做到信息共享，生产企业提供产品的生产及销路信息，代理商提供入驻跨境电商平台的基础资料及交易信息，消费者提供购买信息及对跨境电商平台的评价，跨境电商平台提供企业平台的交易信息，海关提供跨境电商平台以往出入海关的记录信息，区块链信息不可篡改，海关可以从多方获取跨境电商平台的信息，对跨境电商平台做出质量信用排名，可信度更高，可以提高海关的工作效率；同时跨境电商平台可以通过区块链节点的交易信息降低代理商“刷单”现象的概率。
设计合理、结构简单、易于加工、体积小、使用方便、一物多用等特点，因而，具有很好的推广使用价值。
附图说明
下面结合附图对本发明进一步说明。
附图1为基于区块链的跨境电商平台质量信用分析方法的流程框图；
附图2为基于区块链的跨境电商平台质量信用分析系统的结构框图。
具体实施方式
参照说明书附图和具体实施例对本发明的一种基于区块链的跨境电商平台质量信用分析方法及系统作以下详细地说明。
实施例1：
如附图1所示，本发明的基于区块链的跨境电商平台质量信用分析方法,该方法步骤如下：
S1、整合数据：融合多源跨境电商平台的电商企业和产品信息，先从异构的系统数据源中采集数据对象，采集完成后，再将不同类型和不同结构的原始数据清洗、处理成统一框架下的标准化数据，即相对应的json结构；采集数据对象包括生产企业产品的生产及销路信息、代理商入驻跨境电商平台的基础资料及交易信息、消费者购买信息及对跨境电商平台的评价信息、跨境电商平台的交易信息及跨境电商平台以往出入海关的记录信息。
S2、部署区块链节点：在区块链中部署不同的节点，分别存储从多维度获取的跨境电商平台信息，节点之间相互关联，信息共享；具体是在区块链上为生产企业、代理商、消费者、跨境电商平台、海关设置不同的节点，节点之间相互关联且能够信息共享，节点既是一个个体，也能够与其余节点进行交互；节点分别为生产企业节点、代理商节点、消费者节点、跨境电商平台节点和海关节点；
其中，生产企业节点用于存入产品的生产及销路信息；
代理商节点用于存入入驻跨境电商平台的基础资料及交易信息；
消费者节点用于存入购买信息及对跨境电商平台的评价；
跨境电商平台节点用于存入企业平台的交易信息；
海关节点用于存入跨境电商平台以往出入海关的记录信息。
S3、通过智能合约部署质量信用分析方法：基于主成分分析法生成信用分析方法，将信用分析方法部署在智能合约上，对多方数据进行处理分析，得出质量信用排名；具体是采用文献研究和主成分分析法确定指标体系，并基于神经网络系统的正向反馈机制，确定不同层之间的激活函数，采用已有数据对模型进行训练得到指标体系，将信用分析方法部署在智能合约上，对多方数据进行整合展示。其中，主成分分析法是一种降维的统计方法，借助于一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，在代数上表现为将原随机向量的协方差阵变换成对角形阵，在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本点散布最开的p个正交方向，然后对多维变量系统进行降维处理，使之能以一个较高的精度转换成低维变量系统，再通过构造适当的价值函数，进一步把低维系统转化成一维系统。
S4、质量信用分析展示：根据信用分析对跨境电商平台质量信用进行综合排名，同时对交易信息、海关纪录进行展示，做到信息共享、信息真实有效。
实施例2：
如附图2所示，本发明的基于区块链的跨境电商平台质量信用分析系统，该系统包括，
数据整合单元，用于融合多源跨境电商平台的电商企业和产品信息，先从异构的系统数据源中采集数据对象，采集完成后，再将不同类型和不同结构的原始数据清洗、处理成统一框架下的标准化数据，即相对应的json结构；采集数据对象包括生产企业产品的生产及销路信息、代理商入驻跨境电商平台的基础资料及交易信息、消费者购买信息及对跨境电商平台的评价信息、跨境电商平台的交易信息及跨境电商平台以往出入海关的记录信息。
区块链节点部署单元，用于在区块链中部署不同的节点，分别存储从多维度获取的跨境电商平台信息，节点之间相互关联，信息共享；具体是在区块链上为生产企业、代理商、消费者、跨境电商平台、海关设置不同的节点，节点之间相互关联且能够信息共享，节点既是一个个体，也能够与其余节点进行交互；节点分别为生产企业节点、代理商节点、消费者节点、跨境电商平台节点和海关节点；
其中，生产企业节点用于存入产品的生产及销路信息；
代理商节点用于存入入驻跨境电商平台的基础资料及交易信息；
消费者节点用于存入购买信息及对跨境电商平台的评价；
跨境电商平台节点用于存入企业平台的交易信息；
海关节点用于存入跨境电商平台以往出入海关的记录信息。
通过智能合约部署质量信用分析方法单元，用于基于主成分分析法生成信用分析方法，将信用分析方法部署在智能合约上，对多方数据进行处理分析，得出质量信用排名；具体是采用文献研究和主成分分析法确定指标体系，并基于神经网络系统的正向反馈机制，确定不同层之间的激活函数，采用已有数据对模型进行训练得到指标体系，将信用分析方法部署在智能合约上，对多方数据进行整合展示。主成分分析法是一种降维的统计方法，借助于一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，在代数上表现为将原随机向量的协方差阵变换成对角形阵，在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本点散布最开的p个正交方向，然后对多维变量系统进行降维处理，使之能以一个较高的精度转换成低维变量系统，再通过构造适当的价值函数，进一步把低维系统转化成一维系统。
质量信用分析展示单元，用于根据信用分析对跨境电商平台质量信用进行综合排名，同时对交易信息、海关纪录进行展示，做到信息共享、信息真实有效。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种基于区块链的跨境电商平台质量信用分析方法，其特征在于，该方法步骤如下：
S1、整合数据：融合多源跨境电商平台的电商企业和产品信息，先从异构的系统数据源中采集数据对象，采集完成后，再将不同类型和不同结构的原始数据清洗、处理成统一框架下的标准化数据，即相对应的json结构；
S2、部署区块链节点：在区块链中部署不同的节点，分别存储从多维度获取的跨境电商平台信息，节点之间相互关联，信息共享；
S3、通过智能合约部署质量信用分析方法：基于主成分分析法生成信用分析方法，将信用分析方法部署在智能合约上，对多方数据进行处理分析，得出质量信用排名；
S4、质量信用分析展示：根据信用分析对跨境电商平台质量信用进行综合排名，同时对交易信息、海关纪录进行展示，做到信息共享、信息真实有效。
2.根据权利要求1所述的基于区块链的跨境电商平台质量信用分析方法，其特征在于，所述步骤S1中采集数据对象包括生产企业产品的生产及销路信息、代理商入驻跨境电商平台的基础资料及交易信息、消费者购买信息及对跨境电商平台的评价信息、跨境电商平台的交易信息及跨境电商平台以往出入海关的记录信息。
3.根据权利要求1或2所述的基于区块链的跨境电商平台质量信用分析方法，其特征在于，所述步骤S2中部署区块链节点具体是在区块链上为生产企业、代理商、消费者、跨境电商平台、海关设置不同的节点，节点之间相互关联且能够信息共享，节点既是一个个体，也能够与其余节点进行交互；节点分别为生产企业节点、代理商节点、消费者节点、跨境电商平台节点和海关节点；
其中，生产企业节点用于存入产品的生产及销路信息；
代理商节点用于存入入驻跨境电商平台的基础资料及交易信息；
消费者节点用于存入购买信息及对跨境电商平台的评价；
跨境电商平台节点用于存入企业平台的交易信息；
海关节点用于存入跨境电商平台以往出入海关的记录信息。
4.根据权利要求1所述的基于区块链的跨境电商平台质量信用分析方法，其特征在于，所述步骤S3中通过智能合约部署质量信用分析方法具体是采用文献研究和主成分分析法确定指标体系，并基于神经网络系统的正向反馈机制，确定不同层之间的激活函数，采用已有数据对模型进行训练得到指标体系，将信用分析方法部署在智能合约上，对多方数据进行整合展示。
5.根据权利要求1或4所述的基于区块链的跨境电商平台质量信用分析方法，其特征在于，所述主成分分析法是一种降维的统计方法，借助于一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，在代数上表现为将原随机向量的协方差阵变换成对角形阵，在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本点散布最开的p个正交方向，然后对多维变量系统进行降维处理，使之能以一个较高的精度转换成低维变量系统，再通过构造适当的价值函数，进一步把低维系统转化成一维系统。
6.一种基于区块链的跨境电商平台质量信用分析系统，其特征在于，该系统包括，
数据整合单元，用于融合多源跨境电商平台的电商企业和产品信息，先从异构的系统数据源中采集数据对象，采集完成后，再将不同类型和不同结构的原始数据清洗、处理成统一框架下的标准化数据，即相对应的json结构；
区块链节点部署单元，用于在区块链中部署不同的节点，分别存储从多维度获取的跨境电商平台信息，节点之间相互关联，信息共享；
通过智能合约部署质量信用分析方法单元，用于基于主成分分析法生成信用分析方法，将信用分析方法部署在智能合约上，对多方数据进行处理分析，得出质量信用排名；
质量信用分析展示单元，用于根据信用分析对跨境电商平台质量信用进行综合排名，同时对交易信息、海关纪录进行展示，做到信息共享、信息真实有效。
7.根据权利要求6所述的基于区块链的跨境电商平台质量信用分析系统，其特征在于，所述采集数据对象包括生产企业产品的生产及销路信息、代理商入驻跨境电商平台的基础资料及交易信息、消费者购买信息及对跨境电商平台的评价信息、跨境电商平台的交易信息及跨境电商平台以往出入海关的记录信息。
8.根据权利要求6或7所述的基于区块链的跨境电商平台质量信用分析系统，其特征在于，所述区块链节点部署单元用于在区块链上为生产企业、代理商、消费者、跨境电商平台、海关设置不同的节点，节点之间相互关联且能够信息共享，节点既是一个个体，也能够与其余节点进行交互；节点分别为生产企业节点、代理商节点、消费者节点、跨境电商平台节点和海关节点；
其中，生产企业节点用于存入产品的生产及销路信息；
代理商节点用于存入入驻跨境电商平台的基础资料及交易信息；
消费者节点用于存入购买信息及对跨境电商平台的评价；
跨境电商平台节点用于存入企业平台的交易信息；
海关节点用于存入跨境电商平台以往出入海关的记录信息。
9.根据权利要求6所述的基于区块链的跨境电商平台质量信用分析系统，其特征在于，所述通过智能合约部署质量信用分析方法单元用于采用文献研究和主成分分析法确定指标体系，并基于神经网络系统的正向反馈机制，确定不同层之间的激活函数，采用已有数据对模型进行训练得到指标体系，将信用分析方法部署在智能合约上，对多方数据进行整合展示。
10.根据权利要求6或9所述的基于区块链的跨境电商平台质量信用分析系统，其特征在于，所述主成分分析法是一种降维的统计方法，借助于一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，在代数上表现为将原随机向量的协方差阵变换成对角形阵，在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本点散布最开的p个正交方向，然后对多维变量系统进行降维处理，使之能以一个较高的精度转换成低维变量系统，再通过构造适当的价值函数，进一步把低维系统转化成一维系统。
CN201910947832.7A 2019-10-08 2019-10-08 一种基于区块链的跨境电商平台质量信用分析方法及系统 Withdrawn CN110599070A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910947832.7A CN110599070A (zh) 2019-10-08 2019-10-08 一种基于区块链的跨境电商平台质量信用分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910947832.7A CN110599070A (zh) 2019-10-08 2019-10-08 一种基于区块链的跨境电商平台质量信用分析方法及系统

Publications (1)

Publication Number Publication Date
CN110599070A true CN110599070A (zh) 2019-12-20

Family

ID=68865701

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910947832.7A Withdrawn CN110599070A (zh) 2019-10-08 2019-10-08 一种基于区块链的跨境电商平台质量信用分析方法及系统

Country Status (1)

Country Link
CN (1) CN110599070A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111967821A (zh) * 2020-08-13 2020-11-20 支付宝(杭州)信息技术有限公司 清关确认信息的生成方法、装置、设备及系统
CN113034159A (zh) * 2021-03-23 2021-06-25 上海万向区块链股份公司 一种基于区块链预言机技术的企业可信信评系统及方法
CN114611979A (zh) * 2022-03-24 2022-06-10 北京大学 一种基于区块链的跨平台城市服务信用评价方法
CN116701534A (zh) * 2023-06-08 2023-09-05 内蒙古领先青年科技有限公司 一种基于区块链的大数据信息共享系统及方法
CN117150567A (zh) * 2023-10-31 2023-12-01 山东省国土空间数据和遥感技术研究院(山东省海域动态监视监测中心) 一种跨区域不动产数据共享系统
CN117934160A (zh) * 2024-03-21 2024-04-26 杭银消费金融股份有限公司 一种基于多模型融合的风险等级划分方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111967821A (zh) * 2020-08-13 2020-11-20 支付宝(杭州)信息技术有限公司 清关确认信息的生成方法、装置、设备及系统
CN113034159A (zh) * 2021-03-23 2021-06-25 上海万向区块链股份公司 一种基于区块链预言机技术的企业可信信评系统及方法
CN114611979A (zh) * 2022-03-24 2022-06-10 北京大学 一种基于区块链的跨平台城市服务信用评价方法
CN116701534A (zh) * 2023-06-08 2023-09-05 内蒙古领先青年科技有限公司 一种基于区块链的大数据信息共享系统及方法
CN117150567A (zh) * 2023-10-31 2023-12-01 山东省国土空间数据和遥感技术研究院(山东省海域动态监视监测中心) 一种跨区域不动产数据共享系统
CN117150567B (zh) * 2023-10-31 2024-01-12 山东省国土空间数据和遥感技术研究院(山东省海域动态监视监测中心) 一种跨区域不动产数据共享系统
CN117934160A (zh) * 2024-03-21 2024-04-26 杭银消费金融股份有限公司 一种基于多模型融合的风险等级划分方法

Similar Documents

Publication Publication Date Title
CN110599070A (zh) 一种基于区块链的跨境电商平台质量信用分析方法及系统
Sexton et al. Employee turnover: a neural network solution
EP2416289A1 (en) System for measuring variables from data captured from internet applications
CN110189191A (zh) 一种基于实时模型的金融产品推荐方法及系统
An Data analysis
CN109472568A (zh) 一种区块链交易方法、装置、管理系统、设备及存储介质
Ayyagari A framework for analytical CRM assessments challenges and recommendations
Mathews Innovation portfolio architecture—Part 2: Attribute selection and valuation
CN114612251A (zh) 风险评估方法、装置、设备及存储介质
CA3165582A1 (en) Data processing method and system based on similarity model
TRANG et al. Critical success factors of TQM implementation in Vietnamese supporting industries
ÇİĞDEM From EDI to Blockchain: A Bibliometric Analysis of Digitalization in Supply Chains
Zhou et al. An advanced inventory data mining system for business intelligence
Di Pietro et al. Monitoring an airport check-in process by using Bayesian networks
Lubarski et al. Methods for Service Modularization-a Systematization Framework.
Golabchi et al. Estimating labor resource requirements in construction projects using machine learning
CN107688969B (zh) 一种新技术产品研发管理信息系统及管理信息方法
Mansingh et al. Data preparation: Art or science?
Alqudah Artificial Intelligence in Managing the Electronic Customer Relationship and Enhancing the Level of Satisfaction with Electronic Services
Pauwels Modeling dynamic relations among marketing and performance metrics
CN113128739B (zh) 用户触达时间的预测方法、预测模型训练方法及相关装置
AU2013204719A1 (en) Method and system for aggregation and analysis of metrics
WO2019168462A1 (en) An artificial intelligence based prescriptive sales analytics system and method
Molina et al. Understanding user behavior in e-commerce with long short-term memory (LSTM) and autoencoders
El Madany et al. PROCUREMENT FORECASTING IN ENTERPRISE RESOURCE AND PLANNING (ERP) SYSTEM USING HYBRID TIME SERIES MODEL

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20191220

WW01 Invention patent application withdrawn after publication