CN111738632A - 设备控制方法、装置、电子设备和计算机可读介质 - Google Patents
设备控制方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN111738632A CN111738632A CN202010881732.1A CN202010881732A CN111738632A CN 111738632 A CN111738632 A CN 111738632A CN 202010881732 A CN202010881732 A CN 202010881732A CN 111738632 A CN111738632 A CN 111738632A
- Authority
- CN
- China
- Prior art keywords
- attribute
- value
- history information
- target
- target attribute
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000009467 reduction Effects 0.000 claims abstract description 190
- 238000011156 evaluation Methods 0.000 claims abstract description 185
- 238000012545 processing Methods 0.000 claims abstract description 67
- 230000006399 behavior Effects 0.000 claims description 300
- 230000004044 response Effects 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 8
- 230000003542 behavioural effect Effects 0.000 claims 2
- 239000013598 vector Substances 0.000 description 24
- 239000003795 chemical substances by application Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000000717 retained effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000015277 pork Nutrition 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
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
- G06Q10/0633—Workflow analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开的实施例公开了设备控制方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:获取物品集中流转操作行为的历史信息集和目标属性值集;从属性集中选择满足预定条件的属性作为目标属性,得到目标属性集合;基于目标属性集合,对历史信息集和目标属性值集进行降维处理,得到降维处理后的历史信息集作为降维历史信息集以及降维处理后的目标属性值集作为降维目标属性值集;基于降维历史信息集和降维目标属性值集,生成物品集中流转操作行为的行为评价值。该实施方式提升了提升物品集中流转操作行为的行为评价值的准确性和客观性。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及设备控制方法、装置、电子设备和计算机可读介质。
背景技术
电商行业快速发展,针对物品集中流转操作行为的设备控制技术也需进一步提升。目前,物品集中流转操作行为通常由相关人员通过报表、图表和相关资料对物品集中流转操作行为进行经验性评价,根据经验性行为评价值对相关设备进行控制。
然而,当采用经验性行为评价值对相关设备进行控制时,经常会存在如下技术问题:
第一,经验性评价值存在主观性和误判的可能,人们期待提升物品集中流转操作行为的行为评价值的客观性和准确性,使得依据物品集中流转操作行为的行为评价值的相关设备控制能够为电商企业减少价值损失。
第二,很难评估属性集中的各个属性对物品集中流转操作行为的行为评价值的影响,使得存在误判的可能性增大。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了设备控制的方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种设备控制的方法,该方法包括:获取物品集中流转操作行为的历史信息集和目标属性值集,其中,上述历史信息包括行为评价值、属性值集以及上述属性值集对应的属性集;从上述属性集中选择满足预定条件的属性作为目标属性,得到目标属性集合;基于上述目标属性集合,对上述历史信息集和上述目标属性值集进行降维处理,得到降维处理后的历史信息集作为降维历史信息集以及降维处理后的目标属性值集作为降维目标属性值集;基于上述降维历史信息集和上述降维目标属性值集,生成上述物品集中流转操作行为的行为评价值。
第二方面,本公开的一些实施例提供了一种设备控制装置,装置包括:获取单元,被配置成获取物品集中流转操作行为的历史信息集和目标属性值集,其中,上述历史信息包括行为评价值、属性值集以及上述属性值集对应的属性集;选择单元,被配置成从上述属性集中选择满足预定条件的属性作为目标属性,得到目标属性集合;降维单元,被配置成基于上述目标属性集合,对上述历史信息集和上述目标属性值集进行降维处理,得到降维处理后的历史信息集作为降维历史信息集以及降维处理后的目标属性值集作为降维目标属性值集;生成单元,被配置成基于上述降维历史信息集和上述降维目标属性值集,生成上述物品集中流转操作行为的行为评价值。
在一些实施例中,所述确定所述属性集中每个属性与所述物品集中流转操作行为的偏差度,包括:
通过以下公式确定所述属性与所述物品集中流转操作行为的偏差度:
其中,表示所述属性,表示所述物品集中流转操作行为,表示属性和物品集中流转操作行为的偏差度,表示所述多个去重处理后的属性值组中与属性对应的去重处理后的属性值组中去重处理后的属性值的序号,表示所述去重处理后的属性值组所包括的去重处理后的属性值的数量,表示所述第一行为评价值集中第一行为评价值的序号,表示所述第一行为评价值集所包括的第一行为评价值的数量,表示所述去重处理后的属性值组中第个去重处理后的属性值,表示所述第一行为评价值集中第个第一行为评价值,表示所述多个属性值组所包括的与属性对应的属性值组所包括的的数量,表示所述转换后的行为评价值集所包括的的数量,表示与同时发生的次数。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中所描述的方法。
本公开的上述各个实施例具有如下有益效果:首先,获取物品集中流转操作行为的历史信息集和目标属性值集。然后,从获取的历史信息集的历史信息的属性集中选择满足预定条件的属性作为目标属性,得到目标属性集合。其次,对上述历史信息集和上述目标属性值集进行降维处理,得到降维处理后的历史信息集作为降维历史信息集以及降维处理后的目标属性值集作为降维目标属性值集。由此,本公开可以降低物品集中流转操作行为的历史信息集以及目标属性值集的维度,排除无关属性的干扰,使得物品集中流转操作行为的行为评价值的准确性得以提升。最后,基于上述降维历史信息集和上述降维目标属性值集,生成上述物品集中流转操作行为的行为评价值。由此,本公开可以根据历史信息集的历史信息,提升上述物品集中转移行为的行为评价值的客观性。本公开可以提升物品集中流转操作行为的行为评价值的准确性和客观性。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1是本公开的一些实施例的设备控制方法的一个应用场景的示意图;
图2是根据本公开的设备控制方法的一些实施例的流程图;
图3是根据本公开的设备控制方法的另一些实施例的流程图;
图4是根据本公开的设备控制装置的一些实施例的结构示意图;
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开一些实施例的设备控制方法的一个应用场景的示意图。
在图1的应用场景中,首先,计算设备101可以获取历史信息集102和目标属性值集103。然后,计算设备101可以从历史信息集102的历史信息的属性集中选择满足预定条件的属性作为目标属性,得到目标属性集合104。其次,计算设备101可以基于目标属性集合104,对历史信息集102和目标属性值集103进行降维处理,得到降维历史信息集105和降维目标属性值集106。最后,计算设备101可以基于降维历史信息集105和降维目标属性值集106,生成物品集中流转操作行为的行为评价值107。可选的,计算设备101可以将物品集中流转操作行为的行为评价值107发送至具有显示功能的显示设备108以便显示。可选的,计算设备101可以响应于确定上述物品集中流转操作行为的行为评价值107符合异常条件,控制报警设备109进行报警操作。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的计算设备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计算设备。
继续参考图2,示出了根据本公开的设备控制方法的一些实施例的流程200。该设备控制方法,包括以下步骤:
步骤201,获取物品集中流转操作行为的历史信息集和目标属性值集。
在一些实施例中,设备控制方法的执行主体(例如图1所示的计算设备101)可以通过有线连接方式或者无线连接方式从终端获取物品集中流转操作行为的历史信息集和目标属性值集。其中,上述历史信息包括行为评价值、属性值集以及上述属性值集对应的属性集。上述物品集中流转操作行为是指对物品进行集中流转的操作的行为(例如,物品集中采购行为)。上述属性值集是指在多个属性中的每个属性的维度下的属性值的集合。上述行为评价值是对上述属性值集在上述物品集中流转操作行为的维度上的异常情况的量化评价。上述行为评价值越小,物品集中流转操作行为的异常情况越显著。上述属性集是指上述属性值集中各个属性值所属的各个属性的集合。上述目标属性值集是指与上述属性集对应的属性值的集合。上述目标属性值集在上述物品集中流转操作行为的维度上的异常情况有待评价。
作为示例,上述物品集中流转操作行为可以是“X物品集中流转操作行为”,上述历史信息集可以是:
[[[物品提供方(例如:供应商):GY001,单件物品流转价值(例如:单价):10,物品流转数量:100,单件物品重量:20,单件物品流转价值均值(例如:物品市场均价):11,物品流转价值减值(例如:优惠金额):20,物品损耗补偿价值(例如:商家补偿的物品损耗金额):5],行为评价值:1],
[[物品提供方:GY002,单件物品流转价值:20,物品流转数量:200,单件物品重量:20,单件物品流转价值均值:12,物品流转价值减值:0,物品损耗补偿价值:2],行为评价值:0.1],
[[物品提供方:GY002,单件物品流转价值:20,物品流转数量:400,单件物品重量:20,单件物品流转价值均值:10,物品流转价值减值:0,物品损耗补偿价值:0],行为评价值:0]]。上述行为评价值可以是[1]。上述属性值集可以是[GY001,10,100,20,11,20,5]。上述属性值集对应的属性集为[物品提供方,单件物品流转价值,物品流转数量,单件物品重量,单件物品流转价值均值,物品流转价值减值,物品损耗补偿价值]。上述目标属性值集可以是:[GY002,20,200,20,12,0,2]。
步骤202,从上述属性集中选择满足预定条件的属性作为目标属性,得到目标属性集合。
在一些实施例中,上述执行主体可以通过以下步骤从上述属性集中选择满足预定条件的属性作为目标属性,得到目标属性集合:
第一步,从上述属性集中选择连续属性作为待选择属性,得到待选择属性集。上述连续属性是指属性对应的属性值为连续数据的属性。
作为示例,上述执行主体可以从属性集[物品提供方,单件物品流转价值,物品流转数量,单件物品重量,单件物品流转价值均值,物品流转价值减值,物品损耗补偿价值]中选择连续属性。分别为[单件物品流转价值]、[物品流转数量]、[单件物品重量]、[单件物品流转价值均值]、[物品流转价值减值]和[物品损耗补偿价值]。分别将上述各个属性作为待选择属性。得到待选择属性集[单件物品流转价值,物品流转数量,单件物品重量,单件物品流转价值均值,物品流转价值减值,物品损耗补偿价值]。
第二步,对于上述待选择属性集中的每个待选择属性,从上述历史信息集的各个历史信息中提取与上述待选择属性对应的属性值,以组成上述待选择属性的属性值列向量,得到多个属性值列向量。
作为示例,对于待选择属性集[单件物品流转价值,物品流转数量,单件物品重量,单件物品流转价值均值,物品流转价值减值,物品损耗补偿价值]中的待选择属性[单件物品流转价值]。上述执行主体可以从步骤201示例的历史信息集的各个历史信息中提取与待选择属性[单件物品流转价值]对应的属性值,分别为[10],[20],[20],组成待选择属性[单件物品流转价值]的属性值列向量为。
作为另一种示例,对于待选择属性集[单件物品流转价值,物品流转数量,单件物品重量,单件物品流转价值均值,物品流转价值减值,物品损耗补偿价值]中的每个待选择属性。上述执行主体可以从上述示例的历史信息集的各个历史信息中提取与上述待选择属性对应的属性值,以组成上述待选择属性的属性值列向量,得到的6个属性值列向量分别为,,,,,。
第三步,对上述多个属性值列向量的各个属性值列向量进行归一化处理,得到多个归一化处理后的属性值列向量。
第四步,分别生成上述多个归一化处理后的属性值列向量中各个归一化处理后的属性值列向量的方差,选择方差大于预定值的属性值列向量对应的待选择属性作为目标属性,从而得到目标属性集合。这里,预定值的设定,不作限定。
作为示例,上述执行主体可以分别生成上述示例的6个归一化处理后的属性值列向量中的各个归一化处理后的属性值列向量的方差。保留三位小数后分别为0.222,0.173,0,0.167,0.222,0.169。上述预定值可以是0。方差大于0的归一化处理后的属性值列向量对应的待选择属性为[单件物品流转价值]、[物品流转数量]、[单件物品流转价值均值]、[物品流转价值减值]和[物品损耗补偿价值]。分别将[单件物品流转价值]、[物品流转数量]、[单件物品流转价值均值]、[物品流转价值减值]和[物品损耗补偿价值]作为目标属性。从而得到目标属性集合[单件物品流转价值,物品流转数量,单件物品流转价值均值,物品流转价值减值,物品损耗补偿价值]。
步骤203,基于上述目标属性集合,对上述历史信息集和上述目标属性值集进行降维处理,得到降维处理后的历史信息集作为降维历史信息集以及降维处理后的目标属性值集作为降维目标属性值集。
在一些实施例中,上述执行主体可以以上述目标属性集合中的每个目标属性为降维处理的索引。首先,从上述历史信息集中的各个历史信息中查找上述索引指向的属性值,得到属性值子集作为降维属性值子集。然后,上述执行主体可以从上述目标属性值集中查找上述索引指向的目标属性值作为降维目标属性值。由此,得到多个降维属性值子集以及多个降维目标属性值。再然后,将上述多个降维属性值子集作为多个降维属性值列向量。将上述多个降维属性值列向量进行组合以生成降维属性值矩阵。将上述降维属性值矩阵作为降维处理后的历史信息集。其次,将上述多个降维目标属性值作为多个降维目标属性值列向量。将上述多个降维目标属性值列向量进行组合以生成降维目标属性值矩阵。将上述降维目标属性值矩阵作为降维处理后的目标属性值集。最后,将上述降维处理后的历史信息集作为降维历史信息集,将上述降维处理后的目标属性值集作为降维目标属性值集。
作为示例,对步骤202示例的目标属性集合[单件物品流转价值,物品流转数量,单件物品流转价值均值,物品流转价值减值,物品损耗补偿价值]中的[物品流转数量]。上述执行主体可以以[物品流转数量]为降维处理的索引。首先,从步骤201示例的历史信息集中的每个历史信息中查找索引[物品流转数量]指向的属性值,得到属性值子集[100,200,400]。将[100,200,400]作为降维属性值子集。然后,从步骤201示例的目标属性值集中查找索引[物品流转数量]指向的目标属性值,得到[200]。将[200]作为降维目标属性值。
作为另一种示例,对步骤202示例的目标属性集合[单件物品流转价值,物品流转数量,单件物品流转价值均值,物品流转价值减值,物品损耗补偿价值]中的每个目标属性,上述执行主体可以以上述目标属性为降维处理的索引。首先,从步骤201示例的历史信息集中的每个历史信息中查找上述索引指向的属性值,得到属性值子集作为降维属性值子集。然后,从步骤201示例的目标属性值集中查找上述索引指向的目标属性值作为降维目标属性值。由此,得到5个降维属性值子集,分别为[10,20,20],[100,200,400],[11,12,10],[20,0,0],[5,2,0],以及5个降维目标属性值,分别为[20],[200],[12],[0],[2]。再然后,对上述5个降维属性值子集作为5个降维属性值列向量进行组合,生成的降维属性值矩阵为:
将上述降维目标属性值矩阵作为降维处理后的目标属性值集。最后,将上述降维处理后的历史信息集作为降维历史信息集,将上述降维处理后的目标属性值集作为降维目标属性值集。
步骤204,基于上述降维历史信息集和上述降维目标属性值集,生成上述物品集中流转操作行为的行为评价值。
在一些实施例中,上述执行主体可以通过以下步骤生成上述物品集中流转操作行为的行为评价值:
第一步,对上述降维历史信息集中的每个降维历史信息,通过以下公式,生成上述降维目标属性值集与上述降维历史信息的相似度:
其中,表示上述降维目标属性值集。表示上述降维历史信息。表示降维目标属性值集与降维历史信息的相似度。表示目标属性集合中目标属性的序号。表示目标属性集合所包括的目标属性的数量。表示中第个目标属性对应的目标属性值。表示中第个目标属性对应的属性值。
第二步,确定上述降维历史信息集中与上述降维目标属性值集相似度最大的至少一个降维历史信息,将上述至少一个降维历史信息对应的上述历史信息集中的至少一个历史信息的各个行为评价值的均值作为上述物品集中流转操作行为的行为评价值。
作为示例,步骤203示例的降维目标属性值集与步骤203示例的降维历史信息集中的第2个降维历史信息的相似度为1。上述执行主体可以确定降维历史信息为上述降维历史信息集中与降维目标属性值集相似度最大的一个降维历史信息。上述第2个降维历史信息是对步骤201示例的历史信息集中的第2个历史信息进行降维处理生成的。由此,上述第2个降维历史信息与上述第2个历史信息的行为评价值相同。上述第2个历史信息的行为评价值为[0.1]。由此,可以确定第2个降维历史信息的评价值为[0.1]。进而可以将行为评价值[0.1]作为步骤201示例的物品集中流转操作行为“X物品集中流转操作行为”的行为评价值。
作为另一种示例,降维历史信息集可以是:
降维目标值集与上述降维历史信息集中的第2个降维历史信息以及第4个降维历史信息的相似度分别为1,1。上述执行主体可以确定第2个降维历史信息和第4个降维历史信息为上述降维历史信息集中与降维目标属性值集相似度最大的两个降维历史信息。上述第2个降维历史信息对应的行为评价值可以是[0.1]。上述第4个降维历史信息对应的行为评价值可以是[0]。进而,可以将第2个降维历史信息对应的行为评价值与第4个降维历史信息对应的行为评价值的均值作为物品集中流转操作行为“X物品集中流转操作行为”的行为评价值。
本公开的上述各个实施例具有如下有益效果:首先,获取物品集中流转操作行为的历史信息集和目标属性值集。然后,从获取的历史信息集的历史信息的属性集中选择满足预定条件的属性作为目标属性,得到目标属性集合。其次,对上述历史信息集和上述目标属性值集进行降维处理,得到降维处理后的历史信息集作为降维历史信息集以及降维处理后的目标属性值集作为降维目标属性值集。由此,本公开可以降低物品集中流转操作行为的历史信息集以及目标属性值集的维度,排除无关属性的干扰,使得物品集中流转操作行为的行为评价值的准确性得以提升。最后,基于上述降维历史信息集和上述降维目标属性值集,生成上述物品集中流转操作行为的行为评价值。由此,本公开可以根据历史信息集的历史信息,提升上述物品集中转移行为的行为评价值的客观性。本公开可以提升物品集中流转操作行为的行为评价值的准确性和客观性。
进一步参考图3,其示出了设备控制方法的另一些实施例的流程300。该设备控制方法的流程300,包括以下步骤:
步骤301,获取物品集中流转操作行为的历史信息集和目标属性值集。
在一些实施例中,步骤301的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201,在此不再赘述。
步骤302,对上述历史信息集中每个历史信息的行为评价值进行转换处理以生成转换后的行为评价值,得到转换后的行为评价值集。
在一些实施例中,上述执行主体可以通过下式,生成转换后的行为评价值:
其中,表示上述历史信息集中历史信息的序号。表示上述历史信息集中第个历史信息的行为评价值。表示的转换后的行为评价值。表示上述历史信息集所包括的历史信息的数量。表示上述历史信息集中各个历史信息所包括的行为评价值的最大值。表示向下取整运算符号。
作为示例,上述执行主体可以首先生成步骤201示例的历史信息集中第2个历史信息的行为评价值[0.1]的转换后的行为评价值。可以为2。可以为0.1。为3。为1。的转换后的行为评价值为。然后可以将[31]作为行为评价值[0.1]的转换后的行为评价值。
步骤303,响应于确定上述属性集中存在连续属性,对于每个连续属性,对上述历史信息集中的每个历史信息的属性值集中与上述连续属性对应的属性值进行转换处理以生成转换后的历史信息。
在一些实施例中,上述执行主体可以首先通过下式生成上述属性值的转换值:
其中,表示上述历史信息集中历史信息的序号。表示上述连续属性在属性集中的序号。表示上述历史信息集中第个历史信息的属性值集中第个属性对应的属性值。表示的转换值。表示上述历史信息集所包括的历史信息的数量。表示上述历史信息集的各个历史信息的属性值集所包括的第个属性对应的属性值的最大值。表示向下取整运算符号。然后,可以将上述历史信息的属性值集中与上述连续属性对应的属性值转换为上述属性值的转换值。由此,得到转换后的历史信息。
作为示例,步骤201示例的属性集中第2个属性[单件物品流转价值]为连续属性,对于连续属性[单件物品流转价值],上述执行主体可以首先生成步骤201示例的历史信息集中第1个历史信息的属性集中与连续属性[单件物品流转价值]对应的属性值[10]的转换值。可以为1。可以为2。为10。为3。为20。的转换值为。然后可以将步骤201示例的历史信息集中的第1个历史信息的属性值集中第2个属性[单件物品流转价值]对应的属性值[10]转换为[2],得到的转换后的第1个历史信息为:[[物品提供方:GY001,单件物品流转价值:2,物品流转数量:100,单件物品重量:20,单件物品流转价值均值:11,物品流转价值减值:20,物品损耗补偿价值:5],行为评价值:1]。
步骤304,基于上述转换后的行为评价值集和所生成的转换后的历史信息,从上述属性集中选择满足预定条件的属性作为目标属性,得到目标属性集合。
在一些实施例中,基于上述转换后的行为评价值集和所生成的转换后的历史信息,上述执行主体可以通过以下步骤从上述属性集中选择满足预定条件的属性作为目标属性,得到目标属性集合:
第一步,确定上述历史信息集中每个历史信息的行为评价值,得到行为评价值集。
作为示例,上述执行主体可以确定步骤201示例的历史信息集中每个历史信息的行为评价值,得到的行为评价值集为[0,0.1,0]。
第二步,提取上述转换后的历史信息集中的各个转换后的历史信息中上述属性集中的每个属性对应的转换后的属性值以生成属性值组,得到多个属性值组。
作为示例,转换后的历史信息集可以为:[[[物品提供方:GY001,单件物品流转价值:2,物品流转数量:1,单件物品重量:4,单件物品流转价值均值:3,物品流转价值减值:4,物品损耗补偿价值:4],行为评价值:1],
[[物品提供方:GY002,单件物品流转价值:4,物品流转数量:2,单件物品重量:4,单件物品流转价值均值:4,物品流转价值减值:1,物品损耗补偿价值:2],行为评价值:0.1],
[[物品提供方:GY002,单件物品流转价值:4,物品流转数量:4,单件物品重量:4,单件物品流转价值均值:3,物品流转价值减值:1,物品损耗补偿价值:1],行为评价值:0]]。上述执行主体可以提取上述转换后的历史信息集的各个转换后的历史信息中属性集[物品提供方,单件物品流转价值,物品流转数量,单件物品重量,单件物品流转价值均值,物品流转价值减值,物品损耗补偿价值]中的每个属性对应的转换后的属性值以生成属性值组。得到的7个属性值组为:[GY001,GY002,GY002],[2,4,4],[1,2,4],[4,4,4],[3,4,3],[4,1,1],[4,2,1]。
第三步,对上述多个属性值组中的每个属性值组进行去重处理,得到多个去重处理后的属性值组。
作为示例,上述执行主体可以对上述第二步中示例的7个属性值组中的每个属性值组进行去重处理。得到的7个去重处理后的属性值组为:[GY001,GY002],[2,4],[1,2,4],[4],[3,4],[4,1],[4,2,1]。
第四步,对上述转换后的行为评价值集进行去重处理,得到去重处理后的转换后的行为评价值集作为第一行为评价值集。
作为示例,上述转换后的行为评价值集可以是[301,31,1],上述执行主体可以[301,31,1]进行去重处理。得到的去重处理后的转换后的行为评价值集为[301,31,1]。将上述去重处理后的转换后的行为评价值集[301,31,1]作为第一行为评价值集。
第五步,基于上述转换后的历史信息集、上述多个属性值组、上述多个去重处理后的属性值组、上述行为评价值集和上述第一行为评价值集,上述执行主体可以通过以下公式确定上述属性集中每个属性与上述物品集中流转操作行为的偏差度:
其中,表示上述属性。表示上述物品集中流转操作行为。表示属性和物品集中流转操作行为的偏差度。表示上述多个去重处理后的属性值组中与属性对应的去重处理后的属性值组中去重处理后的属性值的序号。表示上述去重处理后的属性值组所包括的去重处理后的属性值的数量。表示上述第一行为评价值集中第一行为评价值的序号。表示上述第一行为评价值集所包括的第一行为评价值的数量。表示上述去重处理后的属性值组中第个去重处理后的属性值。表示上述第一行为评价值集中第个第一行为评价值。表示上述多个属性值组所包括的与属性对应的属性值组所包括的的数量。表示上述转换后的行为评价值集所包括的的数量。表示与同时发生的次数。
作为示例,可以为步骤201示例的属性集中的属性[单件物品流转价值]。可以为步骤201示例的物品集中流转操作行为“X物品集中流转操作行为”。与属性对应的去重处理后的属性值组为[2,4]。则可以为2或4。与属性对应的属性值组可以为[2,4,4]。则可以为1或2。去重处理后的属性值组[2,4]所包括的去重处理后的属性值的数量为2。则为2。第一行为评价值集可以为[301,31,1]。则可以为301或31或1。则为1。则1或0。上述执行主体可以确定属性与物品集中流转操作行为的偏差度。偏差度的数值可以保留三位小数。则确定的偏差度为
第六步,从上述属性集中选择与上述物品集中流转操作行为的偏差度满足预设条件的属性作为目标属性,得到目标属性集合。
作为示例,步骤201示例的属性集中的7个属性与物品集中流转操作行为“X物品集中流转操作行为”的偏差度可以分别为:0.417,0.417,0.333,0.600,0.417,0.417,0.333。上述预定条件可以为“小于0.6”。则满足预定条件“小于0.6”的6个偏差度分别为:0.417,0.417,0.333,0.417,0.417,0.333。上述6个偏差度对应的6个属性分别为:[物品提供方],[单件物品流转价值],[物品流转数量],[单件物品流转价值均值],[物品流转价值减值],[物品损耗补偿价值]。上述执行主体可以将上述6个属性中的各个属性分别作为目标属性。得到目标属性集合[物品提供方,单件物品流转价值,物品流转数量,单件物品流转价值均值,物品流转价值减值,物品损耗补偿价值]。
通过步骤302-304,上述执行主体可以首先根据历史信息集中各个历史信息的各个行为评价值的数值大小,对上述各个行为评价值进行转换,进而得到转换后的行为评价值集。生成转换后的行为评价值的公式可以使得数值相差较小的行为评价值分布在相似范围内。由此,使得转换后的行为评价值的数值分布较为集中。然后,可以根据历史信息集中各个历史信息的属性值集中各个属性值的数值大小,对上述属性值进行转换,进而得到各个转换后的历史信息。生成属性值的转换值的公式可以使得数值相差较小的属性值的数值分布在相似范围内。由此,使得属性值的转换值的数值分布较为集中。其次,根据上述转换后的行为评价值集和所生成的转换后的历史信息,可以确定上述属性集中每个属性与上述物品集中流转操作行为的偏差度。根据上述转换后的行为评价值集和所生成的转换后的历史信息,确定上述属性集中每个属性与上述物品集中流转操作行为的偏差度,可以使得上述偏差度的数值分布较为集中。最后,可以从上述属性集中选择与上述物品集中流转操作行为的偏差度满足预设条件的属性作为目标属性,得到目标属性集合。一方面,在计算偏差度时,根据属性值的数量、行为评价值的数量和属性值与行为评价值同时发生的次数,综合考量了属性中的属性与上述物品集中流转操作行为的偏离程度。由此,上述执行主体得到的目标属性集合能够更加准确地表征各个目标属性对行为评价值的影响。另一方面,上述执行主体可以同时根据上述属性集中的连续属性与上述物品集中流转操作行为的偏差度以及离散属性与上述物品集中流转操作行为的偏差度选择目标属性。由此,提升了目标属性集合的完整性,为提升降维历史信息集和降维目标属性值集的完整性提供支持,进而能够提升物品集中流转操作行为的行为评价值的准确性。生成属性集中每个属性与物品集中流转操作行为的偏差度的公式作为本公开的实施例的一个发明点,由此解决了背景技术提及的技术问题二,即很难评估属性集中的各个属性对物品集中流转操作行为的行为评价值的影响,使得存在误判的可能性增大。
步骤305,响应于确定上述属性集中存在离散属性,对于每个离散属性,将与上述离散属性对应的上述历史信息集中每个历史信息的属性值替换为连续的属性值以生成替换后的历史信息,将与上述离散属性对应的上述目标属性值集中的目标属性值替换为连续的目标属性值。
在一些实施例中,响应于确定上述属性集中存在离散属性,上述执行主体可以根据上述离散属性对应的属性值的类别,将与上述离散属性对应的上述历史信息集中每个历史信息的属性值替换为属性值向量以生成替换后的历史信息。响应于确定上述属性集中存在离散属性,上述执行主体可以根据上述离散属性对应的目标属性值的类别,将与上述离散属性对应的上述目标属性值集的中目标属性值替换为目标属性值向量。由此,可以提升历史信息集中各个历史信息的属性值集和目标属性值集的完整性,进而提升物品集中流转操作行为的行为评价值的准确性。上述离散属性是指属性对应的属性值为离散数据的属性。
作为示例,上述执行主体可以确定步骤201中示例的属性集中存在离散属性,离散属性为[物品提供方]。步骤201示例的历史信息集的各个历史信息中离散属性[物品提供方]对应的属性值分别为:[GY001],[GY002],[GY002]。上述执行主体可以分别将[GY001],[GY002]和[GY002]替换为属性值向量:(0,0,1),(0,1,0),(0,1,0),所生成的替换后的历史信息分别为:
[[物品提供方:(0,0,1),单件物品流转价值:10,物品流转数量:100,单件物品重量:20,单件物品流转价值均值:11,物品流转价值减值:20,物品损耗补偿价值:5],行为评价值:1],
[[物品提供方:(0,1,0),单件物品流转价值:20,物品流转数量:200,单件物品重量:20,单件物品流转价值均值:12,物品流转价值减值:0,物品损耗补偿价值:2],行为评价值:0.1],
[[物品提供方:(0,1,0),单件物品流转价值:20,物品流转数量:400,单件物品重量:20,单件物品流转价值均值:10,物品流转价值减值:0,物品损耗补偿价值:0],行为评价值:0]。
步骤306,基于上述目标属性集合中的各个目标属性,对所生成的替换后的历史信息中的每个替换后的历史信息进行降维处理,得到降维处理后的历史信息集作为降维历史信息集。
在一些实施例中,上述执行主体可以从所生成的替换后的历史信息的每个替换后的历史信息中提取与上述目标属性集合中的各个目标属性对应的属性值以生成降维处理后的历史信息,得到降维处理后的历史信息集。将上述降维处理后的历史信息集作为降维历史信息集。
作为示例,目标属性集合可以是步骤304示例中的[物品提供方,单件物品流转价值,物品流转数量,单件物品流转价值均值,物品流转价值减值,物品损耗补偿价值]。上述执行主体可以从步骤305示例的所生成的替换后的历史信息中的每个替换后的历史信息的属性值集中提取与上述目标属性集合中的各个目标属性对应的属性值以生成降维处理后的历史信息。得到的降维处理后的历史信息集为[0,0,1,10,100,11,20,5],[0,1,0,20,200,12,0,2],[0,1,0,20,400,10,0,0]。上述降维处理后的历史信息集可以作为降维历史信息集。
步骤307,基于上述目标属性集合中的各个目标属性,对所替换的连续的目标属性值进行降维处理,得到降维处理后的目标属性值集作为降维目标属性值集。
在一些实施例中,上述执行主体可以从所替换的连续的目标属性值中提取与上述目标属性集合中的各个目标属性对应的目标属性值以生成降维处理后的目标属性值,得到降维处理后的目标属性值集。将上述降维处理后的目标属性值集作为降维目标属性值集。
作为示例,目标属性集合可以是步骤304示例中的[物品提供方,单件物品流转价值,物品流转数量,单件物品流转价值均值,物品流转价值减值,物品损耗补偿价值]。上述所替换的连续的目标属性值可以为[0,1,0,20,200,20,12,0,2]。从上述所替换的连续的目标属性值中提取与上述目标属性集合中的各个目标属性对应的目标属性值以生成降维处理后的目标属性值,得到的降维处理后的目标属性值集为[0,1,0,20,200,12,0,2]。上述降维处理后的目标属性值集可以作为降维目标属性值集。
通过步骤305-307,降低了上述物品集中流转操作行为的历史信息集的维度以及上述目标属性值集的维度,排除了无关属性的干扰,能够进一步提高物品集中流转操作行为的行为评价值的准确性。
步骤308,基于上述降维历史信息集和上述降维目标属性值集,生成上述物品集中流转操作行为的行为评价值。
在一些实施例中,上述执行主体可以通过以下步骤生成上述物品集中流转操作行为的行为评价值:
第一步,利用以下公式确定上述降维目标属性值集与上述降维历史信息集的每个降维历史信息的相似度:
其中,表示上述降维目标属性值集。表示上述降维历史信息。表示降维目标属性值集与降维历史信息的相似度。表示目标属性集合中目标属性的序号。表示目标属性集合所包括的目标属性的数量。表示中第个目标属性对应的目标属性值。表示中第个目标属性对应的属性值。
作为示例,上述执行主体可以生成步骤307示例的降维目标属性值集P=[0,1,0,20,200,12,0,2]与步骤306示例的降维历史信息集[[0,0,1,10,100,11,20,5],[0,1,0,20,200,12,0,2],[0,1,0,20,400,10,0,0]]中第1个降维历史信息Q=[0,0,1,10,100,11,20,5]的相似度。可以将相似度的数值保留两位小数。和的相似度可以为0.98。
第二步,确定上述降维历史信息集中与上述降维目标属性值集相似度最大的至少一个降维历史信息,将上述至少一个降维历史信息对应的上述历史信息集中的至少一个历史信息的各个行为评价值中的最小值作为上述物品集中流转操作行为的行为评价值。
作为示例,步骤307示例的降维目标属性值集[0,1,0,20,200,12,0,2]与步骤306示例的降维历史信息集[[0,0,1,10,100,11,20,5],[0,1,0,20,200,12,0,2],[0,1,0,20,400,10,0,0]]中第2个降维历史信息[0,1,0,20,200,12,0,2]的相似度为1。上述执行主体可以确定降维历史信息[0,1,0,20,200,12,0,2]为上述降维历史信息集中与降维目标属性值集[0,1,0,20,200,12,0,2]相似度最大的一个降维历史信息。上述第2个降维历史信息是对步骤201示例的历史信息集中的第2个历史信息进行降维处理生成的。由此,上述第2个降维历史信息与上述第2个历史信息的行为评价值相同。上述第2个历史信息的行为评价值为[0.1]。由此,可以确定第2个降维历史信息的评价值为[0.1]。进而可以将行为评价值[0.1]作为步骤201示例的物品集中流转操作行为“X物品集中流转操作行为”的行为评价值。
作为另一种示例,降维历史信息集可以是:[[0,0,1,10,100,11,20,5],[0,1,0,20,200,12,0,2],[0,1,0,20,400,10,0,0],[0,1,0,20,200,12,0,2]]。降维目标值集[0,1,0,20,200,12,0,2]与上述降维历史信息集中的第2个降维历史信息[0,1,0,20,200,12,0,2]以及第4个降维历史信息[0,1,0,20,200,12,0,2]的相似度分别为1,1。上述执行主体可以确定第2个降维历史信息和第4个降维历史信息为上述降维历史信息集中与降维目标属性值集[0,1,0,20,200,12,0,2]相似度最大的两个降维历史信息。上述第2个降维历史信息对应的行为评价值可以是[0.1]。上述第4个降维历史信息对应的行为评价值可以是[0]。上述执行主体可以确定第2个降维历史信息对应的行为评价值和第4个降维历史信息对应的行为评价值中的最小值为[0]。进而,可以将[0]作为物品集中流转操作行为“X物品集中流转操作行为”的行为评价值。
通过步骤308,上述执行主体可以根据降维目标属性值集与降维历史信息集中的各个降维历史信息相似度,确定至少一个行为评价值。将上述至少一个行为评价值中的最小值作为上述物品集中流转操作行为的行为评价值。由此,提升了上述物品集中流转操作行为的行为评价值的客观性。同时,上述最小值能够在较大程度上降低物品集中流转操作行为的行为评价值。进而,上述执行主体能够检测出较多物品集中流转操作行为的异常情况。由此,依据物品集中流转操作行为的行为评价值进行设备控制,能够为减少电商企业的价值损失提供支持。
步骤309,将上述物品集中流转操作行为的行为评价值发送至具有显示功能的显示设备以便显示。
在一些实施例中,在一些实施例中,上述执行主体可以将上述物品集中流转操作行为的行为评价值发送至终端的显示器上进行显示。
作为示例,上述执行主体可以将物品集中流转操作行为“X物品集中流转操作行为”的行为评价值[0]发送至终端“ZD001”的显示器“XS001”上进行显示。
步骤310,响应于确定上述物品集中流转操作行为的行为评价值符合异常条件,控制报警设备进行报警操作。
在一些实施例中,上述执行主体可以响应于确定物品集中采购行为的行为评价值小于预定值,控制报警设备进行报警操作。上述报警操作是指利用能发出声音和/或光的设备进行提示的操作。进而,相关人员可以根据上述报警操作,处理物品集中采购行为的异常情况。由此,可以使得依据物品集中采购行为的行为评价值的设备控制能够较快地发现异常的物品集中采购行为,进而为电商企业减少价值损失。
作为示例,上述物品集中采购行为可以是“生猪肉集中采购行为”。“生猪肉集中采购行为”的行为评价值可以是[0]。上述预定值可以是0.1。上述执行主体可以确定0小于0.1。进而可以控制报警设备“BJ001”进行报警操作。
本公开的上述各个实施例中的一个实施例具有如下有益效果:首先,上述执行主体可以根据历史信息集中各个历史信息的各个行为评价值的数值大小,对上述各个行为评价值进行转换,进而得到转换后的行为评价值集。生成转换后的行为评价值的公式可以使得数值相差较小的行为评价值分布在相似范围内。由此,使得转换后的行为评价值的数值分布较为集中。然后,可以根据历史信息集中各个历史信息的属性值集中各个属性值的数值大小,对上述属性值进行转换,进而得到各个转换后的历史信息。生成属性值的转换值的公式可以使得数值相差较小的属性值的数值分布在相似范围内。由此,使得属性值的转换值的数值分布较为集中。再然后,根据上述转换后的行为评价值集和所生成的转换后的历史信息,可以确定上述属性集中每个属性与上述物品集中流转操作行为的偏差度。根据上述转换后的行为评价值集和所生成的转换后的历史信息,确定上述属性集中每个属性与上述物品集中流转操作行为的偏差度,可以使得上述偏差度的数值分布较为集中。其次,可以从上述属性集中选择与上述物品集中流转操作行为的偏差度满足预设条件的属性作为目标属性,得到目标属性集合。一方面,在计算偏差度时,根据属性值的数量、行为评价值的数量和属性值与行为评价值同时发生的次数,综合考量了属性中的属性与上述物品集中流转操作行为的偏离程度。由此,上述执行主体得到的目标属性集合能够更加准确地表征各个目标属性对行为评价值的影响。另一方面,上述执行主体可以同时根据上述属性集中的连续属性与上述物品集中流转操作行为的偏差度以及离散属性与上述物品集中流转操作行为的偏差度选择目标属性。由此,提升了目标属性集合的完整性,为提升降维历史信息集和降维目标属性值集的完整性提供支持,进而提升了物品集中流转操作行为的行为评价值的准确性。生成属性集中每个属性与物品集中流转操作行为的偏差度的公式作为本公开的实施例的一个发明点,由此解决了背景技术提及的技术问题二,即很难评估属性集中的各个属性对物品集中流转操作行为的行为评价值的影响,使得存在误判的可能性增大。然后,通过对物品集中流转操作行为的历史信息集以及上述目标属性值集进行降维处理,降低了上述物品集中流转操作行为的历史信息集的维度以及上述目标属性值集的维度,排除了无关属性的干扰,进一步提高了物品集中流转操作行为的行为评价值的准确性。最后,上述执行主体可以根据降维目标属性值集与降维历史信息集中的各个降维历史信息相似度,确定至少一个行为评价值。将上述至少一个行为评价值中的最小值作为上述物品集中流转操作行为的行为评价值。由此,提升了上述物品集中流转操作行为的行为评价值的客观性。同时,上述最小值能够在较大程度上降低物品集中流转操作行为的行为评价值。进而,上述执行主体能够检测出较多物品集中流转操作行为的异常情况。由此,依据物品集中流转操作行为的行为评价值进行设备控制,能够较快地发现异常的物品集中流转操作行为,进而为减少电商企业的价值损失提供支持。
进一步参考图4,作为对上述各图所示方法的实现,本公开提供了一种设备控制装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,一些实施例的设备控制装置400包括:获取单元401、选择单元402、降维单元403和生成单元404。其中,获取单元401被配置成获取物品集中流转操作行为的历史信息集和目标属性值集,其中,上述历史信息包括行为评价值、属性值集以及上述属性值集对应的属性集;选择单元402被配置成从上述属性集中选择满足预定条件的属性作为目标属性,得到目标属性集合;降维单元403被配置成基于上述目标属性集合,对上述历史信息集和上述目标属性值集进行降维处理,得到降维处理后的历史信息集作为降维历史信息集以及降维处理后的目标属性值集作为降维目标属性值集;生成单元404被配置成基于上述降维历史信息集和上述降维目标属性值集,生成上述物品集中流转操作行为的行为评价值。
在一些实施例的可选实现方式中,设备控制装置400的选择单元402被进一步配置成:对上述历史信息集中每个历史信息的行为评价值进行转换处理以生成转换后的行为评价值,得到转换后的行为评价值集;响应于确定上述属性集中存在连续属性,对于每个连续属性,对上述历史信息集中的每个历史信息的属性值集中与上述连续属性对应的属性值进行转换处理以生成转换后的历史信息;基于上述转换后的行为评价值集和所生成的转换后的历史信息,从上述属性集中选择满足预定条件的属性作为目标属性,得到目标属性集合。
可以理解的是,该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元,在此不再赘述。
下面参考图5,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)500的结构示意图。图5示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,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,本公开的一些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。在这样的一些实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM502被安装。在该计算机程序被处理装置501执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载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。在本公开的一些实施例中,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。而在本公开的一些实施例中,计算机可读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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的;也可以是单独存在,而未装配入该电子设备中。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该电子设备执行时,使得该电子设备:获取物品集中流转操作行为的历史信息集和目标属性值集,其中,上述历史信息包括行为评价值、属性值集以及上述属性值集对应的属性集;从上述属性集中选择满足预定条件的属性作为目标属性,得到目标属性集合;基于上述目标属性集合,对上述历史信息集和上述目标属性值集进行降维处理,得到降维处理后的历史信息集作为降维历史信息集以及降维处理后的目标属性值集作为降维目标属性值集;基于上述降维历史信息集和上述降维目标属性值集,生成上述物品集中流转操作行为的行为评价值。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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,该模块、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,框图和/或流程图中的每个方框、以及框图和/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。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、选择单元、降维单元和生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,生成单元还可以被描述为“基于降维历史信息集和降维目标属性值集,生成物品集中流转操作行为的行为评价值的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种设备控制方法,包括:
获取物品集中流转操作行为的历史信息集和目标属性值集,其中,所述历史信息包括行为评价值、属性值集以及所述属性值集对应的属性集;
从所述属性集中选择满足预定条件的属性作为目标属性,得到目标属性集合;
基于所述目标属性集合,对所述历史信息集和所述目标属性值集进行降维处理,得到降维处理后的历史信息集作为降维历史信息集以及降维处理后的目标属性值集作为降维目标属性值集;
基于所述降维历史信息集和所述降维目标属性值集,生成所述物品集中流转操作行为的行为评价值。
2.根据权利要求1所述的方法,其中,所述方法还包括:
将所述物品集中流转操作行为的行为评价值发送至具有显示功能的显示设备以便显示;
响应于确定所述物品集中流转操作行为的行为评价值符合异常条件,控制报警设备进行报警操作。
3.根据权利要求2所述的方法,其中,所述从所述属性集中选择满足预定条件的属性作为目标属性,得到目标属性集合,包括:
对所述历史信息集中每个历史信息的行为评价值进行转换处理以生成转换后的行为评价值,得到转换后的行为评价值集;
响应于确定所述属性集中存在连续属性,对于每个连续属性,对所述历史信息集中的每个历史信息的属性值集中与所述连续属性对应的属性值进行转换处理以生成转换后的历史信息;
基于所述转换后的行为评价值集和所生成的转换后的历史信息,从所述属性集中选择满足预定条件的属性作为目标属性,得到目标属性集合。
4.根据权利要求3所述的方法,其中,所述基于所述目标属性集合,对所述历史信息集和所述目标属性值集进行降维处理,得到降维处理后的历史信息集作为降维历史信息集以及降维处理后的目标属性值集作为降维目标属性值集,包括:
响应于确定所述属性集中存在离散属性,对于每个离散属性,将与所述离散属性对应的所述历史信息集中每个历史信息的属性值替换为连续的属性值以生成替换后的历史信息,将与所述离散属性对应的所述目标属性值集中的目标属性值替换为连续的目标属性值;
基于所述目标属性集合中的各个目标属性,对所生成的替换后的历史信息中的每个替换后的历史信息进行降维处理,得到降维处理后的历史信息集作为降维历史信息集;
基于所述目标属性集合中的各个目标属性,对所替换的连续的目标属性值进行降维处理,得到降维处理后的目标属性值集作为降维目标属性值集。
6.根据权利要求5所述的方法,其中,所述对所述历史信息集中的每个历史信息的属性值集中与所述连续属性对应的属性值进行转换处理以生成转换后的历史信息,包括:
利用以下公式,生成所述属性值的转换值:
其中,表示所述历史信息集中历史信息的序号,表示所述连续属性在属性集中的序号,表示所述历史信息集中第个历史信息的属性值集中第个属性对应的属性值,表示的转换值,表示所述历史信息集所包括的历史信息的数量,表示所述历史信息集的各个历史信息的属性值集所包括的第个属性对应的属性值的最大值,表示向下取整运算符号;
将所述历史信息的属性值集中与所述连续属性对应的属性值转换为所述属性值的转换值,得到转换后的历史信息。
7.根据权利要求6所述的方法,其中,所述基于所述转换后的行为评价值集和所生成的转换后的历史信息,从所述属性集中选择满足预定条件的属性作为目标属性,得到目标属性集合,包括:
确定所述历史信息集中每个历史信息的行为评价值,得到行为评价值集;
提取所述转换后的历史信息集中的各个转换后的历史信息中所述属性集中的每个属性对应的转换后的属性值以生成属性值组,得到多个属性值组;
对所述多个属性值组中的每个属性值组进行去重处理,得到多个去重处理后的属性值组;
对所述转换后的行为评价值集进行去重处理,得到去重处理后的转换后的行为评价值集作为第一行为评价值集;
基于所述转换后的历史信息集、所述多个属性值组、所述多个去重处理后的属性值组、所述行为评价值集和所述第一行为评价值集,确定所述属性集中每个属性与所述物品集中流转操作行为的偏差度;
从所述属性集中选择与所述物品集中流转操作行为的偏差度满足预设条件的属性作为目标属性,得到目标属性集合。
8.一种设备控制装置,包括:
获取单元,被配置成获取物品集中流转操作行为的历史信息集和目标属性值集,其中,所述历史信息包括行为评价值、属性值集以及所述属性值集对应的属性集;
选择单元,被配置成从所述属性集中选择满足预定条件的属性作为目标属性,得到目标属性集合;
降维单元,被配置成基于所述目标属性集合,对所述历史信息集和所述目标属性值集进行降维处理,得到降维处理后的历史信息集作为降维历史信息集以及降维处理后的目标属性值集作为降维目标属性值集;
生成单元,被配置成基于所述降维历史信息集和所述降维目标属性值集,生成所述物品集中流转操作行为的行为评价值。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
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1-7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010881732.1A CN111738632B (zh) | 2020-08-28 | 2020-08-28 | 设备控制方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010881732.1A CN111738632B (zh) | 2020-08-28 | 2020-08-28 | 设备控制方法、装置、电子设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111738632A true CN111738632A (zh) | 2020-10-02 |
CN111738632B CN111738632B (zh) | 2020-12-11 |
Family
ID=72658897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010881732.1A Active CN111738632B (zh) | 2020-08-28 | 2020-08-28 | 设备控制方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111738632B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112288359A (zh) * | 2020-10-28 | 2021-01-29 | 北京每日优鲜电子商务有限公司 | 异常物品信息定位方法、装置、电子设备和计算机介质 |
CN112561453A (zh) * | 2021-02-24 | 2021-03-26 | 北京每日优鲜电子商务有限公司 | 设备控制方法、装置、电子设备和计算机可读介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123465A (zh) * | 2014-07-24 | 2014-10-29 | 中国软件与技术服务股份有限公司 | 一种基于聚类的大数据交叉分析预警方法及系统 |
CN104142986A (zh) * | 2014-07-24 | 2014-11-12 | 中国软件与技术服务股份有限公司 | 一种基于聚类的大数据态势分析预警方法及系统 |
CN105809379A (zh) * | 2014-12-30 | 2016-07-27 | 阿里巴巴集团控股有限公司 | 一种对物流网点的评价方法、装置以及电子设备 |
US10652104B1 (en) * | 2016-10-12 | 2020-05-12 | Hrl Laboratories, Llc | System for inferring network dynamics and sources within the network |
-
2020
- 2020-08-28 CN CN202010881732.1A patent/CN111738632B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123465A (zh) * | 2014-07-24 | 2014-10-29 | 中国软件与技术服务股份有限公司 | 一种基于聚类的大数据交叉分析预警方法及系统 |
CN104142986A (zh) * | 2014-07-24 | 2014-11-12 | 中国软件与技术服务股份有限公司 | 一种基于聚类的大数据态势分析预警方法及系统 |
CN105809379A (zh) * | 2014-12-30 | 2016-07-27 | 阿里巴巴集团控股有限公司 | 一种对物流网点的评价方法、装置以及电子设备 |
US10652104B1 (en) * | 2016-10-12 | 2020-05-12 | Hrl Laboratories, Llc | System for inferring network dynamics and sources within the network |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112288359A (zh) * | 2020-10-28 | 2021-01-29 | 北京每日优鲜电子商务有限公司 | 异常物品信息定位方法、装置、电子设备和计算机介质 |
CN112561453A (zh) * | 2021-02-24 | 2021-03-26 | 北京每日优鲜电子商务有限公司 | 设备控制方法、装置、电子设备和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111738632B (zh) | 2020-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110400184B (zh) | 用于生成信息的方法和装置 | |
CN111414376A (zh) | 一种数据预警方法和装置 | |
CN111738632B (zh) | 设备控制方法、装置、电子设备和计算机可读介质 | |
CN110866040B (zh) | 用户画像生成方法、装置和系统 | |
CN110929136A (zh) | 一种个性化推荐方法和装置 | |
CN113254542B (zh) | 数据可视化处理方法及装置、电子设备 | |
CN109146533B (zh) | 信息推送方法和装置 | |
CN116541610B (zh) | 一种推荐模型的训练方法及装置 | |
CN110866625A (zh) | 促销指标信息生成方法和装置 | |
CN112102043B (zh) | 物品推荐页面生成方法、装置、电子设备和可读介质 | |
CN116911805B (zh) | 资源告警方法、装置、电子设备和计算机可读介质 | |
CN110619400A (zh) | 用于生成订单信息的方法和装置 | |
CN112598337A (zh) | 针对物品的车辆控制方法、装置、设备和计算机可读介质 | |
CN110895761A (zh) | 一种售后服务申请信息的处理方法和装置 | |
CN107562461B (zh) | 特征计算系统及方法、存储介质和电子设备 | |
CN107357847B (zh) | 数据处理方法及其装置 | |
US20190180294A1 (en) | Supplier consolidation based on acquisition metrics | |
CN110838019A (zh) | 确定试用品发放人群的方法和装置 | |
CN114036397A (zh) | 数据推荐方法、装置、电子设备和介质 | |
CN112183969A (zh) | 针对供货单的支付设备操作控制方法、装置、电子设备 | |
CN110084541B (zh) | 用于预测供应商送货时长的方法和装置 | |
CN112862389A (zh) | 订单拆分的方法、装置、电子设备和存储介质 | |
CN112906723A (zh) | 一种特征选择的方法和装置 | |
CN111784091A (zh) | 用于处理信息的方法和装置 | |
CN111738536B (zh) | 设备操作方法、装置、电子设备和计算机可读介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231103 Address after: 907, No. 210, Tianwan Road, Tianliao Community, Yutang Street, Guangming District, Shenzhen, Guangdong 518000 Patentee after: Shenzhen Zongzheng Intellectual Property Service Co.,Ltd. Address before: 100102 room 801, 08 / F, building 7, yard 34, Chuangyuan Road, Chaoyang District, Beijing Patentee before: BEIJING MISSFRESH E-COMMERCE Co.,Ltd. |
|
TR01 | Transfer of patent right |