CN112465600A - 一种应用于在线电商的订单数据检测方法及系统 - Google Patents
一种应用于在线电商的订单数据检测方法及系统 Download PDFInfo
- Publication number
- CN112465600A CN112465600A CN202011429149.3A CN202011429149A CN112465600A CN 112465600 A CN112465600 A CN 112465600A CN 202011429149 A CN202011429149 A CN 202011429149A CN 112465600 A CN112465600 A CN 112465600A
- Authority
- CN
- China
- Prior art keywords
- data
- order
- processed
- input
- information
- 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- Withdrawn
Links
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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种应用于在线电商的订单数据检测方法及系统,获取到的待处理订单数据进行数据优化,得到的订单优化数据,确定最终订单标识特征;将最终订单标识特征作为原始订单的输入,进行提取,得到原始订单的输出。将原始订单的输出和原始订单的输入融合,得到实时审核数据,根据实时审核数据和目标订单数据的相似度,判断是否成功下单。这样对目标订单数据初步筛选,将不合格的数据剔除,有效的减少后续检测步骤的工作量,从而提高工作效率。将订单融合列表、业务通信标签以及订单融合列表进行审核处理,确定生成的实时审核数据,将实时审核数据和目标订单数据进行判断,这样进一步的检测,确保订单数据无误,有效的避免了订单数据错误。
Description
技术领域
本公开涉及在线电商数据处理的技术领域,特别涉及一种应用于在线电商的订单数据检测方法及系统。
背景技术
随着科技的不断发展,客户通过互联网在线下单获取到客户所需要的各种物品,在网络商店中的商品种类多,没有商店营业面积限制。它可以包含国内外的各种产品,充分体现了网络无地域的优势。在传统商店中,无论其店铺空间有多大,它所能容纳的商品都是有限的,而对于网络来说,它是商品的展示平台,是一种虚拟的空间,只要有商品,就可以通过网络平台进行展示,可以把世界的各类知名品牌全部放在上面,展示在上面,这样给客户带来了很大的方便。
但是随之而来的问题就是客户在下订单时,填写信息的不精准或者订单信息识取错误,这样就导致了信息的不准确,从而使物品无法精准以及准时的到达客户指定地,这样就会大大的增加时间,给客户带来不好的体验感,就会使客户不会再互联网上下单购买物品,所以我们需要一种自检的方法,减少订单信息的误差。
发明内容
为改善相关技术中存在的上述背景技术存在的技术问题,本公开提供了一种应用于在线电商的订单数据检测方法及系统。
一种应用于在线电商的订单数据检测方法,应用于数据处理终端,所述方法包括:
对获取到的待处理订单数据进行数据优化,得到所述待处理订单数据对应的订单优化数据,根据订单数据处理模型中的订单数量对应的订单编号标识以及订单位置对应的业务通信标签对所述订单优化数据进行核对,确定与所述订单优化数据相匹配的目标订单数据;
对所述目标订单数据进行特征处理,确定所述目标订单数据对应的最终订单标识特征;将所述最终订单标识特征作为原始订单的输入,并基于所述原始订单的输入中的实时输入数据对预设数据库中的目标订单标识特征进行提取,得到原始订单的输出;
将所述原始订单的输出和所述原始订单的输入进行融合,得到订单融合列表;对所述订单编号标识、所述业务通信标签以及所述订单融合列表进行审核处理,得到实时审核数据,根据所述实时审核数据和所述目标订单数据的相似度,判断所述待处理订单数据是否成功下单。
进一步地,根据订单数据处理模型中的订单数量对应的订单编号标识以及订单位置对应的业务通信标签对所述订单优化数据进行核对,确定与所述订单优化数据相匹配的目标订单数据的具体步骤包括:
获取订单编号标识;其中,所述订单编号标识包括通信地址信息以及发货人姓名信息;
对所述通信地址信息进行距离计算,得到所述通信地址信息对应的实时距离,提取预设数据库中的运输速率,根据所述运输速率对所述实时距离进行时间计算,得到到达目的地的预计时间,并将所述预计时间和所述发货人姓名信息与所述订单编号标识相匹配,得到对应的目标订单编号标识;
获取业务通信标签;其中,所述业务通信标签包括通信传输信息以及收货人姓名信息;
将所述通信传输信息和所述收货人姓名信息反馈给下单设备进行确认,所述下单设备在接收到所述通信传输信息和所述收货人姓名信息后,所述下单设备提取预设数据库中的预设通信传输信息和预设收货人姓名信息,判断所述通信传输信息和所述收货人姓名信息的是否相匹配,若匹配,则获得目标业务通信标签;
基于所述目标订单编号标识和所述目标业务通信标签,确定对应的所述订单优化数据相匹配的目标订单数据。
进一步地,对所述目标订单数据进行特征处理,确定所述目标订单数据对应的最终订单标识特征的具体步骤包括:
确定目标订单数据中的关键信息对应的关键信息参数以及所述关键信息对应的聚类中心,所述聚类中心表示所述目标订单数据的关键信息的数据重要权益;其中,所述聚类中心至少包括:表示所述目标订单数据的关键信息对应的主数据重要权益和次数据重要权益;
获取与所述关键信息参数对应的参数分布列队,所述参数分布列队包含有预先提取的参数分布列队对应的系数特征,得到对应的参数分布特征;其中,所述参数分布特征表示位于所述参数分布列队中预设系数值范围内且与所述关键信息参数对应的关键信息中的数据重要权益;
所述参数分布特征至少包括:表示所述参数分布列队中预设系数值范围内,与所述参数分布列队中所包含的集中趋势的测度对应的关键信息中的主数据重要权益和次数据重要权益;
依据所述关键信息参数和所述聚类中心,在所述参数分布列队中查找与所述目标订单数据相匹配的最终订单标识特征。
进一步地,并基于所述原始订单的输入中的实时输入数据对预设数据库中的目标订单标识特征进行提取,得到原始订单的输出的具体步骤包括:
获取所述原始订单的输入对应的所述实时输入数据中的数据分流的依据,并将所述数据分流的依据作为原始数据分流;其中,所述预设数据库中的目标订单标识特征以及所述原始订单的输入中均包含有多个数据分流;
根据所述原始数据分流在所述原始订单的输入中的所述多个数据分流确定数据分流程度,所述数据分流程度包括所述原始订单的输入中需要重新生成的待处理数据分流;
对所述待处理数据分流中的节点进行特征提取,生成对应的待处理订单标识特征;
根据所述待处理数据分流在所述待处理订单标识特征以及所述原始订单的输入中的所述待处理数据分流确定第二数据分流程度,具体为:
获取所述第二数据分流中的流量信息以及与所述原始订单的输入中的目标数据分流对应的数据分流量,所述数据分流量根据各所述数据分流之间的序列匹配生成的,由各所述待处理数据分流中的多个序列标签组成,各所述待处理数据分流与所述多个序列标签至少存在一个对应关系;
根据所述数据分流量与所述待处理数据分流确定所述原始订单的输入对于所述原始订单的输入中的数据分流量;
根据所述原始订单的输入、所述待处理数据分流以及与所述数据分流量相关联的数据分流,生成原始订单的输出。
进一步地,将所述原始订单的输出和所述原始订单的输入进行融合,得到订单融合列表的具体步骤包括:
提取所述原始订单的输出对应的第一特征系数,对所述第一特征系数进行分析,得到所述第一特征系数对应的多个输出基数信息;
提取所述原始订单的输入对应的第二特征系数,对所述第二特征系数进行分析,得到所述第二特征系数对应的多个输入基数信息;
将所述多个输入基数信息组成输入基数信息集,且将所述多个输出基数信息映射到所述输入基数信息集,判断所述多个输出基数信息在所述输入基数信息集中是否存在对应的映射点;
若所述多个输出基数信息在所述输入基数信息集中存在对应的所述映射点,则判定所述映射点对应的数据准确;若所述多个输出基数信息在所述输入基数信息集中不存在对应的所述映射点;则判定所述映射点对应的数据不准确;
将所述映射点对应的数据作为所述原始订单的输出和所述原始订单的输入对应的融合数据,对所述融合数据进行整合,得到所述融合数据对应的订单融合列表。
进一步地,对所述待处理数据分流中的节点进行特征提取,生成待处理订单标识特征的具体步骤包括:
从待处理数据分流中的待处理数据总数中确定累计处理数的待处理数据总数;所述待处理数据总数,是对待处理数据分流期待按N个周期进行分批处理;所述累计处理数对应的待处理数据总数,是指执行前待处理数量的待处理数据总数;
为包括所述累计处理数的待处理数据总数按照日期递增累计处理数作为第一流量标签,以及为不包括所述累计处理数的待处理数据总数按照日期递减非累计处理数作为第二流量标签;
根据所述第一流量标签和所述第二流量标签确定各待处理数据总数输入;
将所述各待处理数据总数输入当前待处理总数概率中,输出所述各待处理数据总数对应的累计处理数的概率;
将累计处理数对应的概率小于所述当前待处理总数概率的待处理数据总数重新生成为累计处理数对应的目标数据总数,提取所述目标数据总数得到待处理订单标识特征。
进一步地,将各待处理数据总数输入当前待处理总数概率中,输出各待处理数据总数对应的累计处理数的概率的具体步骤包括:
获取包含多个待处理数据总数,以及至少一个包含多个参考频率;其中,所述参考频率与所述多个待处理数据总数具有不同的数量指标;
从所述多个待处理数据总数中提取样本空间的必然事件信息,并从所述参考频率中提取样本空间的不可能事件信息;其中,所述必然事件信息包括用于标识待处理数据总数中的基本事件信息的多个第一随机试验结果,所述不可能事件信息包括用于标识参考频率中的基本事件信息的多个第二随机试验结果;
根据所述多个第一随机试验结果和所述多个第二随机试验结果,得到多个最终随机试验结果;
根据预设对立事件信息将所述多个最终随机试验结果投影至所述参考频率中,得到多个概率值;
模拟所述多个概率值与所述多个最终随机试验结果之间进行组合计算;
基于所述组合计算,获取待处理数据总数中的随机试验在所述参考频率输入到当前待处理总数概率中,得到对应的输出各待处理数据总数对应的累计处理数的概率。
一种应用于在线电商的订单数据检测系统,所述系统包括数据处理终端和数据输入设备,所述数据处理终端与所述数据输入设备通信连接,数据处理终端具体用于:
对获取到的待处理订单数据进行数据优化,得到所述待处理订单数据对应的订单优化数据,根据订单数据处理模型中的订单数量对应的订单编号标识以及订单位置对应的业务通信标签对所述订单优化数据进行核对,确定与所述订单优化数据相匹配的目标订单数据;
对所述目标订单数据进行特征处理,确定所述目标订单数据对应的最终订单标识特征;将所述最终订单标识特征作为原始订单的输入,并基于所述原始订单的输入中的实时输入数据对预设数据库中的目标订单标识特征进行提取,得到原始订单的输出;
将所述原始订单的输出和所述原始订单的输入进行融合,得到订单融合列表;对所述订单编号标识、所述业务通信标签以及所述订单融合列表进行审核处理,得到实时审核数据,根据所述实时审核数据和所述目标订单数据的相似度,判断所述待处理订单数据是否成功下单。
进一步的,数据处理终端具体用于:
获取订单编号标识;其中,所述订单编号标识包括通信地址信息以及发货人姓名信息;
对所述通信地址信息进行距离计算,得到所述通信地址信息对应的实时距离,提取预设数据库中的运输速率,根据所述运输速率对所述实时距离进行时间计算,得到到达目的地的预计时间,并将所述预计时间和所述发货人姓名信息与所述订单编号标识相匹配,得到对应的目标订单编号标识;
获取业务通信标签;其中,所述业务通信标签包括通信传输信息以及收货人姓名信息;
将所述通信传输信息和所述收货人姓名信息反馈给下单设备进行确认,所述下单设备在接收到所述通信传输信息和所述收货人姓名信息后,所述下单设备提取预设数据库中的预设通信传输信息和预设收货人姓名信息,判断所述通信传输信息和所述收货人姓名信息的是否相匹配,若匹配,则获得目标业务通信标签;
基于所述目标订单编号标识和所述目标业务通信标签,确定对应的所述订单优化数据相匹配的目标订单数据。
进一步的,数据处理终端具体用于:
确定目标订单数据中的关键信息对应的关键信息参数以及所述关键信息对应的聚类中心,所述聚类中心表示所述目标订单数据的关键信息的数据重要权益;其中,所述聚类中心至少包括:表示所述目标订单数据的关键信息对应的主数据重要权益和次数据重要权益;
获取与所述关键信息参数对应的参数分布列队,所述参数分布列队包含有预先提取的参数分布列队对应的系数特征,得到对应的参数分布特征;其中,所述参数分布特征表示位于所述参数分布列队中预设系数值范围内且与所述关键信息参数对应的关键信息中的数据重要权益;
所述参数分布特征至少包括:表示所述参数分布列队中预设系数值范围内,与所述参数分布列队中所包含的集中趋势的测度对应的关键信息中的主数据重要权益和次数据重要权益;
依据所述关键信息参数和所述聚类中心,在所述参数分布列队中查找与所述目标订单数据相匹配的最终订单标识特征。
进一步的,数据处理终端具体用于:
获取所述原始订单的输入对应的所述实时输入数据中的数据分流的依据,并将所述数据分流的依据作为原始数据分流;其中,所述预设数据库中的目标订单标识特征以及所述原始订单的输入中均包含有多个数据分流;
根据所述原始数据分流在所述原始订单的输入中的所述多个数据分流确定数据分流程度,所述数据分流程度包括所述原始订单的输入中需要重新生成的待处理数据分流;
对所述待处理数据分流中的节点进行特征提取,生成对应的待处理订单标识特征;
根据所述待处理数据分流在所述待处理订单标识特征以及所述原始订单的输入中的所述待处理数据分流确定第二数据分流程度,具体为:
获取所述第二数据分流中的流量信息以及与所述原始订单的输入中的目标数据分流对应的数据分流量,所述数据分流量根据各所述数据分流之间的序列匹配生成的,由各所述待处理数据分流中的多个序列标签组成,各所述待处理数据分流与所述多个序列标签至少存在一个对应关系;
根据所述数据分流量与所述待处理数据分流确定所述原始订单的输入对于所述原始订单的输入中的数据分流量;
根据所述原始订单的输入、所述待处理数据分流以及与所述数据分流量相关联的数据分流,生成原始订单的输出。
进一步的,数据处理终端具体用于:
提取所述原始订单的输出对应的第一特征系数,对所述第一特征系数进行分析,得到所述第一特征系数对应的多个输出基数信息;
提取所述原始订单的输入对应的第二特征系数,对所述第二特征系数进行分析,得到所述第二特征系数对应的多个输入基数信息;
将所述多个输入基数信息组成输入基数信息集,且将所述多个输出基数信息映射到所述输入基数信息集,判断所述多个输出基数信息在所述输入基数信息集中是否存在对应的映射点;
若所述多个输出基数信息在所述输入基数信息集中存在对应的所述映射点,则判定所述映射点对应的数据准确;若所述多个输出基数信息在所述输入基数信息集中不存在对应的所述映射点;则判定所述映射点对应的数据不准确;
将所述映射点对应的数据作为所述原始订单的输出和所述原始订单的输入对应的融合数据,对所述融合数据进行整合,得到所述融合数据对应的订单融合列表。
进一步的,数据处理终端具体用于:
从待处理数据分流中的待处理数据总数中确定累计处理数的待处理数据总数;所述待处理数据总数,是对待处理数据分流期待按N个周期进行分批处理;所述累计处理数对应的待处理数据总数,是指执行前待处理数量的待处理数据总数;
为包括所述累计处理数的待处理数据总数按照日期递增累计处理数作为第一流量标签,以及为不包括所述累计处理数的待处理数据总数按照日期递减非累计处理数作为第二流量标签;
根据所述第一流量标签和所述第二流量标签确定各待处理数据总数输入;
将所述各待处理数据总数输入当前待处理总数概率中,输出所述各待处理数据总数对应的累计处理数的概率;
将累计处理数对应的概率小于所述当前待处理总数概率的待处理数据总数重新生成为累计处理数对应的目标数据总数,提取所述目标数据总数得到待处理订单标识特征。
进一步的,数据处理终端具体用于:
获取包含多个待处理数据总数,以及至少一个包含多个参考频率;其中,所述参考频率与所述多个待处理数据总数具有不同的数量指标;
从所述多个待处理数据总数中提取样本空间的必然事件信息,并从所述参考频率中提取样本空间的不可能事件信息;其中,所述必然事件信息包括用于标识待处理数据总数中的基本事件信息的多个第一随机试验结果,所述不可能事件信息包括用于标识参考频率中的基本事件信息的多个第二随机试验结果;
根据所述多个第一随机试验结果和所述多个第二随机试验结果,得到多个最终随机试验结果;
根据预设对立事件信息将所述多个最终随机试验结果投影至所述参考频率中,得到多个概率值;
模拟所述多个概率值与所述多个最终随机试验结果之间进行组合计算;
基于所述组合计算,获取待处理数据总数中的随机试验在所述参考频率输入到当前待处理总数概率中,得到对应的输出各待处理数据总数对应的累计处理数的概率。
本公开的实施例提供的技术方案可以包括以下有益效果。
一种应用于在线电商的订单数据检测方法及系统,获取到的待处理订单数据进行数据优化,得到的订单优化数据,根据订单数据处理模型中的订单数量对应的订单编号标识以及订单位置对应的业务通信标签对所述订单优化数据进行核对,确定与所述订单优化数据相匹配的目标订单数据。将待处理订单数据进行更细化的分析,得到更细的信息进行匹配,确保目标订单数据的准确性,这样对目标订单数据初步筛选,将不合格的数据剔除,有效的减少后续检测步骤的工作量,从而提高工作效率。
进一步地,目标订单数据进行特征处理,确定最终订单标识特征;将最终订单标识特征作为原始订单的输入,并基于原始订单的输入中的实时输入数据对预设数据库中的目标订单标识特征进行提取,得到原始订单的输出。在实际操作中可能会发生输入数据和输出数据不一致的情况,所以需要精确的操作,提取出输入数据和输出的数据,提取到更精确的数据,以便后续检测步骤得到精确的数据样本。
进一步地,将原始订单的输出和原始订单的输入进行融合,得到订单融合列表;对订单编号标识、业务通信标签以及订单融合列表进行审核处理,得到实时审核数据,根据实时审核数据和目标订单数据的相似度,判断待处理订单数据是否成功下单。将订单融合列表、业务通信标签以及订单融合列表进行审核处理,确定实际生成的实时审核数据,将实时审核数据和目标订单数据进行判断,这样进一步的检测,确保订单数据无误,有效的避免了订单数据错误,导致物品不能精确的到达目的地,降低了送货信息不准确的风险,有效的节约了成本。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并于说明书一起用于解释本发明的原理。
图1为本发明实施例所提供的一种应用于在线电商的订单数据检测系统的架构示意图;
图2为本发明实施例所提供的一种应用于在线电商的订单数据检测方法的流程图;
图3为本发明实施例所提供的一种应用于在线电商的订单数据检测装置的功能模块框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
为了便于对上述的在线电商的订单数据检测方法及系统进行阐述,请结合参考图1,提供了本发明实施例所公开的在线电商的订单数据检测系统100的通信架构示意图。其中,所述在线电商的订单数据检测系统100可以包括互相之间通信连接的数据处理终端200以及数据输入设备300。
在具体的实施方式中,数据输入设备300可以是台式电脑、平板电脑、笔记本电脑、手机或者其他能够实现数据处理以及数据通信的数据输入设备,在此不作过多限定。
在上述待处理上,请结合参阅图2,为本发明实施例所提供的在线电商的订单数据检测方法的流程示意图,所述在线电商的订单数据检测方法可以应用于图1中的数据处理终端200,进一步地,所述在线电商的订单数据检测方法具体可以包括以下步骤S21-步骤S23所描述的内容。
步骤S21,对获取到的待处理订单数据进行数据优化,得到所述待处理订单数据对应的订单优化数据,根据订单数据处理模型中的订单数量对应的订单编号标识以及订单位置对应的业务通信标签对所述订单优化数据进行核对,确定与所述订单优化数据相匹配的目标订单数据。
在本实施例中,所述待处理订单数据用于表征实时下单信息,对所述待处理订单数据优化是为了使所述待处理订单数据在后续步骤中能更好的识别,目标订单数据用于表征所述待处理订单数据进行初步处理后的数据。
步骤S22,对所述目标订单数据进行特征处理,确定所述目标订单数据对应的最终订单标识特征;将所述最终订单标识特征作为原始订单的输入,并基于所述原始订单的输入中的实时输入数据对预设数据库中的目标订单标识特征进行提取,得到原始订单的输出。
在本实施例中,最终订单标识特征用于表征所述目标订单数据中的重要数据;所述原始订单的输入用于表征录入系统中的信息数据;所述原始订单的输出用于表征所述原始订单的输入经过处理后的数据信息。
步骤S23,将所述原始订单的输出和所述原始订单的输入进行融合,得到订单融合列表;对所述订单编号标识、所述业务通信标签以及所述订单融合列表进行审核处理,得到实时审核数据,根据所述实时审核数据和所述目标订单数据的相似度,判断所述待处理订单数据是否成功下单。
在本实施例中,所述实时审核数据用于表征所述待处理订单数据审核完毕的数据信息,再次结合所述目标订单数据能够精确的确定下单数据的是否成功。
可以理解,在执行上述步骤S21-步骤S23所描述的内容时,获取到的待处理订单数据进行数据优化,得到的订单优化数据,根据订单数据处理模型中的订单数量对应的订单编号标识以及订单位置对应的业务通信标签对所述订单优化数据进行核对,确定与所述订单优化数据相匹配的目标订单数据。将待处理订单数据进行更细化的分析,得到更细的信息进行匹配,确保目标订单数据的准确性,这样对目标订单数据初步筛选,将不合格的数据剔除,有效的减少后续检测步骤的工作量,从而提高工作效率。
进一步地,目标订单数据进行特征处理,确定最终订单标识特征;将最终订单标识特征作为原始订单的输入,并基于原始订单的输入中的实时输入数据对预设数据库中的目标订单标识特征进行提取,得到原始订单的输出。在实际操作中可能会发生输入数据和输出数据不一致的情况,所以需要精确的操作,提取出输入数据和输出的数据,提取到更精确的数据,以便后续检测步骤得到精确的数据样本。
进一步地,将原始订单的输出和原始订单的输入进行融合,得到订单融合列表;对订单编号标识、业务通信标签以及订单融合列表进行审核处理,得到实时审核数据,根据实时审核数据和目标订单数据的相似度,判断待处理订单数据是否成功下单。将订单融合列表、业务通信标签以及订单融合列表进行审核处理,确定实际生成的实时审核数据,将实时审核数据和目标订单数据进行判断,这样进一步的检测,确保订单数据无误,有效的避免了订单数据错误,导致物品不能精确的到达目的地,降低了送货信息不准确的风险,有效的节约了成本。
在具体实施过程中,发明人发现,在订单数据处理模型中的订单数量对应的订单编号标识以及订单位置对应的业务通信标签对所述订单优化数据进行核对时,存在订单编号标识以及业务通信标签提取的不准确的问题,导致对订单优化数据的核对不精确,从而难以确定与所述订单优化数据相匹配的目标订单数据,为了改善上述技术问题,步骤S21所描述的根据订单数据处理模型中的订单数量对应的订单编号标识以及订单位置对应的业务通信标签对所述订单优化数据进行核对,确定与所述订单优化数据相匹配的目标订单数据的步骤,具有可以包括以下步骤S211-步骤S215所描述的内容。
步骤S211,获取订单编号标识;其中,所述订单编号标识包括通信地址信息以及发货人姓名信息。
步骤S212,对所述通信地址信息进行距离计算,得到所述通信地址信息对应的实时距离,提取预设数据库中的运输速率,根据所述运输速率对所述实时距离进行时间计算,得到到达目的地的预计时间,并将所述预计时间和所述发货人姓名信息与所述订单编号标识相匹配,得到对应的目标订单编号标识。
步骤S213,获取业务通信标签;其中,所述业务通信标签包括通信传输信息以及收货人姓名信息。
步骤S214,将所述通信传输信息和所述收货人姓名信息反馈给下单设备进行确认,所述下单设备在接收到所述通信传输信息和所述收货人姓名信息后,所述下单设备提取预设数据库中的预设通信传输信息和预设收货人姓名信息,判断所述通信传输信息和所述收货人姓名信息的是否相匹配,若匹配,则获得目标业务通信标签。
步骤S215,基于所述目标订单编号标识和所述目标业务通信标签,确定对应的所述订单优化数据相匹配的目标订单数据。
可以理解,通过上述步骤S211-步骤S215,在订单数据处理模型中的订单数量对应的订单编号标识以及订单位置对应的业务通信标签对所述订单优化数据进行核对时,避免了订单编号标识以及业务通信标签提取的不准确的情况发生,对订单优化数据的核对更加的精确,从而更精确的确定与所述订单优化数据相匹配的目标订单数据。
在具体实施过程中,发明人发现,在所述目标订单数据进行特征处理时,存在获得目标订单数据可能不可靠的问题,从而难以确定所述目标订单数据对应的最终订单标识特征,为了改善上述技术问题,步骤S22所描述的对所述目标订单数据进行特征处理,确定所述目标订单数据对应的最终订单标识特征的步骤,具有可以包括以下步骤S221-步骤S223所描述的内容。
步骤S221,确定目标订单数据中的关键信息对应的关键信息参数以及所述关键信息对应的聚类中心,所述聚类中心表示所述目标订单数据的关键信息的数据重要权益;其中,所述聚类中心至少包括:表示所述目标订单数据的关键信息对应的主数据重要权益和次数据重要权益。
步骤S222,获取与所述关键信息参数对应的参数分布列队,所述参数分布列队包含有预先提取的参数分布列队对应的系数特征,得到对应的参数分布特征;其中,所述参数分布特征表示位于所述参数分布列队中预设系数值范围内且与所述关键信息参数对应的关键信息中的数据重要权益。
步骤S223,所述参数分布特征至少包括:表示所述参数分布列队中预设系数值范围内,与所述参数分布列队中所包含的集中趋势的测度对应的关键信息中的主数据重要权益和次数据重要权益。
步骤S224,依据所述关键信息参数和所述聚类中心,在所述参数分布列队中查找与所述目标订单数据相匹配的最终订单标识特征。
可以理解,通过上述步骤S221-步骤S223所描述的内容时,所述目标订单数据进行特征处理时,能够有效的避免存在获得目标订单数据可能不可靠的问题,从而能够可靠的确定所述目标订单数据对应的最终订单标识特征。
在实际操作过程中,发明人发现,在所述原始订单的输入中的实时输入数据对预设数据库中的目标订单标识特征进行提取时,存在所述实时输入数据出现延迟的问题,导致得到的所述实时输入数据并不是当前的实时数据,从而难以得到可靠的原始订单的输出,为了改善上述技术问题,步骤S22所描述的并基于所述原始订单的输入中的实时输入数据对预设数据库中的目标订单标识特征进行提取,得到原始订单的输出的步骤,具体可以包括以下步骤a-步骤g所描述的内容。
步骤a,获取所述原始订单的输入对应的所述实时输入数据中的数据分流的依据,并将所述数据分流的依据作为原始数据分流;其中,所述预设数据库中的目标订单标识特征以及所述原始订单的输入中均包含有多个数据分流。
步骤b,根据所述原始数据分流在所述原始订单的输入中的所述多个数据分流确定数据分流程度,所述数据分流程度包括所述原始订单的输入中需要重新生成的待处理数据分流。
步骤c,对所述待处理数据分流中的节点进行特征提取,生成对应的待处理订单标识特征。
步骤d,根据所述待处理数据分流在所述待处理订单标识特征以及所述原始订单的输入中的所述待处理数据分流确定第二数据分流程度,具体为。
步骤e,获取所述第二数据分流中的流量信息以及与所述原始订单的输入中的目标数据分流对应的数据分流量,所述数据分流量根据各所述数据分流之间的序列匹配生成的,由各所述待处理数据分流中的多个序列标签组成,各所述待处理数据分流与所述多个序列标签至少存在一个对应关系。
步骤f,根据所述数据分流量与所述待处理数据分流确定所述原始订单的输入对于所述原始订单的输入中的数据分流量。
步骤g,根据所述原始订单的输入、所述待处理数据分流以及与所述数据分流量相关联的数据分流,生成原始订单的输出。
可以理解,通过上述步骤a-步骤g所描述的内容时,在所述原始订单的输入中的实时输入数据对预设数据库中的目标订单标识特征进行提取时,有效的避免了所述实时输入数据出现延迟的问题,能够及时的得到的所述实时输入数据,从而能可靠的得到原始订单的输出。
在具体实施过程中,发明人发现,在将所述原始订单的输出和所述原始订单的输入进行融合时,存在所述原始订单的输出和所述原始订单的输入信息的不准确的技术问题,从而难以得到准确的订单融合列表,为了改善上述技术问题,步骤S23所描述的将所述原始订单的输出和所述原始订单的输入进行融合,得到订单融合列表的步骤,具体可以包括以下步骤S231-步骤S235所描述的内容。
步骤S231,提取所述原始订单的输出对应的第一特征系数,对所述第一特征系数进行分析,得到所述第一特征系数对应的多个输出基数信息。
步骤S232,提取所述原始订单的输入对应的第二特征系数,对所述第二特征系数进行分析,得到所述第二特征系数对应的多个输入基数信息。
步骤S233,将所述多个输入基数信息组成输入基数信息集,且将所述多个输出基数信息映射到所述输入基数信息集,判断所述多个输出基数信息在所述输入基数信息集中是否存在对应的映射点。
步骤S234,若所述多个输出基数信息在所述输入基数信息集中存在对应的所述映射点,则判定所述映射点对应的数据准确;若所述多个输出基数信息在所述输入基数信息集中不存在对应的所述映射点;则判定所述映射点对应的数据不准确。
步骤S235,将所述映射点对应的数据作为所述原始订单的输出和所述原始订单的输入对应的融合数据,对所述融合数据进行整合,得到所述融合数据对应的订单融合列表。
可以理解,通过上述步骤S231-步骤S235所描述的内容时,在将所述原始订单的输出和所述原始订单的输入进行融合时,有效的解决了所述原始订单的输出和所述原始订单的输入信息的不准确的技术问题,从而能够得到准确的订单融合列表。
在实际操作过程中,发明人发现,在对所述待处理数据分流中的节点进行特征提取时,存在数据分流发生错误的技术问题,从而导致特征提取不准确,难以生成准确的待处理订单标识特征,为了改善上述技术问题,在步骤c所描述的对所述待处理数据分流中的节点进行特征提取,生成待处理订单标识特征步骤,具体可以包括以下步骤S11-步骤S15所描述的内容。
步骤S11,从待处理数据分流中的待处理数据总数中确定累计处理数的待处理数据总数;所述待处理数据总数,是对待处理数据分流期待按N个周期进行分批处理;所述累计处理数对应的待处理数据总数,是指执行前待处理数量的待处理数据总数。
步骤S12,为包括所述累计处理数的待处理数据总数按照日期递增累计处理数作为第一流量标签,以及为不包括所述累计处理数的待处理数据总数按照日期递减非累计处理数作为第二流量标签。
步骤S13,根据所述第一流量标签和所述第二流量标签确定各待处理数据总数输入。
步骤S14,将所述各待处理数据总数输入当前待处理总数概率中,输出所述各待处理数据总数对应的累计处理数的概率。
步骤S15,将累计处理数对应的概率小于所述当前待处理总数概率的待处理数据总数重新生成为累计处理数对应的目标数据总数,提取所述目标数据总数得到待处理订单标识特征。
可以理解,通过上述步骤S11-步骤S15所描述的内容时,在对所述待处理数据分流中的节点进行特征提取时,采用上述步骤能有效的解决存在数据分流发生错误的技术问题,使特征提取不准确,能够生成准确的待处理订单标识特征。
在具体实施过程中,发明人发现,在将各待处理数据总数输入当前待处理总数概率中时,存在数据输入不准确的技术问题,从而难以得到准确的输出各待处理数据总数对应的累计处理数的概率,为了改善上述技术问题,步骤S13说描述的将各待处理数据总数输入当前待处理总数概率中,输出各待处理数据总数对应的累计处理数的概率的步骤A21-步骤A26所描述的内容。
步骤A21,获取包含多个待处理数据总数,以及至少一个包含多个参考频率;其中,所述参考频率与所述多个待处理数据总数具有不同的数量指标。
步骤A22,获取包含多个待处理数据总数,以及至少一个包含多个参考频率;其中,所述参考频率与所述多个待处理数据总数具有不同的数量指标。
步骤A23,从所述多个待处理数据总数中提取样本空间的必然事件信息,并从所述参考频率中提取样本空间的不可能事件信息;其中,所述必然事件信息包括用于标识待处理数据总数中的基本事件信息的多个第一随机试验结果,所述不可能事件信息包括用于标识参考频率中的基本事件信息的多个第二随机试验结果。
步骤A24,根据所述多个第一随机试验结果和所述多个第二随机试验结果,得到多个最终随机试验结果。
步骤A25,根据预设对立事件信息将所述多个最终随机试验结果投影至所述参考频率中,得到多个概率值。
步骤A26,模拟所述多个概率值与所述多个最终随机试验结果之间进行组合计算。
可以理解,在执行上述步骤A21-步骤A26所描述的内容时,在将各待处理数据总数输入当前待处理总数概率中时,解决了数据输入不准确的技术问题,从而能够得到准确的输出各待处理数据总数对应的累计处理数的概率。
一种可替换的方法,发明人发现在步骤S23中,在根据所述实时审核数据和所述目标订单数据的相似度时,存在所述实时审核数据不可靠的问题,从而难以判断出所述待处理订单数据是否成功下单,为了改善上述技术问题的具体步骤包括,以下叙述的步骤A1-步骤A8所描述的内容。
步骤A1,获取实时审核数据对应的数据评估值,以及目标订单数据对应的基本状态数据。
步骤A2,将所述数据评估值和所述基本状态数据按照对应关确定出概要数据和数据分析结果;其中,所述概要数据包含了多个概要数据,所述数据分析结果包含多个数据分析结果。
步骤A3,根据所述概要数据以及与所述数据评估值,确定所述概要数据对应的数据权重。
步骤A4,根据每个所述概要数据和所述数据评估值,计算出每个所述概要数据对应的多个数据权重;提取预设数据库中的预设权重阈值,将所述多个数据权重中小于所述预设权重阈值的删除,将所述多个数据权重中大于所述预设权重阈值的存储。
步骤A5,根据所述数据分析结果以及所述基本状态数据,确定所述数据分析结果对应的审核范围。
步骤A6,对所述审核范围进行特征标识,得到所述审核范围对应的特征要素。
步骤A7,依据所述多个数据分析结果确定出多个特征要素,基于所述多个特征要素和所述多个数据权重中大于所述预设权重阈值对应的目标数据权重进行融合,得到聚类中心数据。
步骤A8,将所述类中心数据与预设数据库中的预设重要数据进行相似度的判断,若相似,则判断出所述待处理订单数据成功下单,若不相似,则判断所述待处理订单数据没有成功下单。
可以理解,在执行上述步骤A1-步骤A8所描述的内容时,在根据所述实时审核数据和所述目标订单数据的相似度时,避免了出现所述实时审核数据不可靠的情况发生,从而能够精确的判断出所述待处理订单数据是否成功下单。
基于同样的发明构思,还提供了一种应用于在线电商的订单数据检测系统,所述系统包括数据处理终端和数据输入设备,所述数据处理终端与所述数据输入设备通信连接,数据处理终端具体用于:
对获取到的待处理订单数据进行数据优化,得到所述待处理订单数据对应的订单优化数据,根据订单数据处理模型中的订单数量对应的订单编号标识以及订单位置对应的业务通信标签对所述订单优化数据进行核对,确定与所述订单优化数据相匹配的目标订单数据;
对所述目标订单数据进行特征处理,确定所述目标订单数据对应的最终订单标识特征;将所述最终订单标识特征作为原始订单的输入,并基于所述原始订单的输入中的实时输入数据对预设数据库中的目标订单标识特征进行提取,得到原始订单的输出;
将所述原始订单的输出和所述原始订单的输入进行融合,得到订单融合列表;对所述订单编号标识、所述业务通信标签以及所述订单融合列表进行审核处理,得到实时审核数据,根据所述实时审核数据和所述目标订单数据的相似度,判断所述待处理订单数据是否成功下单。
进一步的,数据处理终端具体用于:
获取订单编号标识;其中,所述订单编号标识包括通信地址信息以及发货人姓名信息;
对所述通信地址信息进行距离计算,得到所述通信地址信息对应的实时距离,提取预设数据库中的运输速率,根据所述运输速率对所述实时距离进行时间计算,得到到达目的地的预计时间,并将所述预计时间和所述发货人姓名信息与所述订单编号标识相匹配,得到对应的目标订单编号标识;
获取业务通信标签;其中,所述业务通信标签包括通信传输信息以及收货人姓名信息;
将所述通信传输信息和所述收货人姓名信息反馈给下单设备进行确认,所述下单设备在接收到所述通信传输信息和所述收货人姓名信息后,所述下单设备提取预设数据库中的预设通信传输信息和预设收货人姓名信息,判断所述通信传输信息和所述收货人姓名信息的是否相匹配,若匹配,则获得目标业务通信标签;
基于所述目标订单编号标识和所述目标业务通信标签,确定对应的所述订单优化数据相匹配的目标订单数据。
进一步的,数据处理终端具体用于:
确定目标订单数据中的关键信息对应的关键信息参数以及所述关键信息对应的聚类中心,所述聚类中心表示所述目标订单数据的关键信息的数据重要权益;其中,所述聚类中心至少包括:表示所述目标订单数据的关键信息对应的主数据重要权益和次数据重要权益;
获取与所述关键信息参数对应的参数分布列队,所述参数分布列队包含有预先提取的参数分布列队对应的系数特征,得到对应的参数分布特征;其中,所述参数分布特征表示位于所述参数分布列队中预设系数值范围内且与所述关键信息参数对应的关键信息中的数据重要权益;
所述参数分布特征至少包括:表示所述参数分布列队中预设系数值范围内,与所述参数分布列队中所包含的集中趋势的测度对应的关键信息中的主数据重要权益和次数据重要权益;
依据所述关键信息参数和所述聚类中心,在所述参数分布列队中查找与所述目标订单数据相匹配的最终订单标识特征。
进一步的,数据处理终端具体用于:
获取所述原始订单的输入对应的所述实时输入数据中的数据分流的依据,并将所述数据分流的依据作为原始数据分流;其中,所述预设数据库中的目标订单标识特征以及所述原始订单的输入中均包含有多个数据分流;
根据所述原始数据分流在所述原始订单的输入中的所述多个数据分流确定数据分流程度,所述数据分流程度包括所述原始订单的输入中需要重新生成的待处理数据分流;
对所述待处理数据分流中的节点进行特征提取,生成对应的待处理订单标识特征;
根据所述待处理数据分流在所述待处理订单标识特征以及所述原始订单的输入中的所述待处理数据分流确定第二数据分流程度,具体为:
获取所述第二数据分流中的流量信息以及与所述原始订单的输入中的目标数据分流对应的数据分流量,所述数据分流量根据各所述数据分流之间的序列匹配生成的,由各所述待处理数据分流中的多个序列标签组成,各所述待处理数据分流与所述多个序列标签至少存在一个对应关系;
根据所述数据分流量与所述待处理数据分流确定所述原始订单的输入对于所述原始订单的输入中的数据分流量;
根据所述原始订单的输入、所述待处理数据分流以及与所述数据分流量相关联的数据分流,生成原始订单的输出。
进一步的,数据处理终端具体用于:
提取所述原始订单的输出对应的第一特征系数,对所述第一特征系数进行分析,得到所述第一特征系数对应的多个输出基数信息;
提取所述原始订单的输入对应的第二特征系数,对所述第二特征系数进行分析,得到所述第二特征系数对应的多个输入基数信息;
将所述多个输入基数信息组成输入基数信息集,且将所述多个输出基数信息映射到所述输入基数信息集,判断所述多个输出基数信息在所述输入基数信息集中是否存在对应的映射点;
若所述多个输出基数信息在所述输入基数信息集中存在对应的所述映射点,则判定所述映射点对应的数据准确;若所述多个输出基数信息在所述输入基数信息集中不存在对应的所述映射点;则判定所述映射点对应的数据不准确;
将所述映射点对应的数据作为所述原始订单的输出和所述原始订单的输入对应的融合数据,对所述融合数据进行整合,得到所述融合数据对应的订单融合列表。
进一步的,数据处理终端具体用于:
从待处理数据分流中的待处理数据总数中确定累计处理数的待处理数据总数;所述待处理数据总数,是对待处理数据分流期待按N个周期进行分批处理;所述累计处理数对应的待处理数据总数,是指执行前待处理数量的待处理数据总数;
为包括所述累计处理数的待处理数据总数按照日期递增累计处理数作为第一流量标签,以及为不包括所述累计处理数的待处理数据总数按照日期递减非累计处理数作为第二流量标签;
根据所述第一流量标签和所述第二流量标签确定各待处理数据总数输入;
将所述各待处理数据总数输入当前待处理总数概率中,输出所述各待处理数据总数对应的累计处理数的概率;
将累计处理数对应的概率小于所述当前待处理总数概率的待处理数据总数重新生成为累计处理数对应的目标数据总数,提取所述目标数据总数得到待处理订单标识特征。
进一步的,数据处理终端具体用于:
获取包含多个待处理数据总数,以及至少一个包含多个参考频率;其中,所述参考频率与所述多个待处理数据总数具有不同的数量指标;
从所述多个待处理数据总数中提取样本空间的必然事件信息,并从所述参考频率中提取样本空间的不可能事件信息;其中,所述必然事件信息包括用于标识待处理数据总数中的基本事件信息的多个第一随机试验结果,所述不可能事件信息包括用于标识参考频率中的基本事件信息的多个第二随机试验结果;
根据所述多个第一随机试验结果和所述多个第二随机试验结果,得到多个最终随机试验结果;
根据预设对立事件信息将所述多个最终随机试验结果投影至所述参考频率中,得到多个概率值;
模拟所述多个概率值与所述多个最终随机试验结果之间进行组合计算;
基于所述组合计算,获取待处理数据总数中的随机试验在所述参考频率输入到当前待处理总数概率中,得到对应的输出各待处理数据总数对应的累计处理数的概率。
基于上述同样的发明构思,请结合参阅图3,还提供了在线电商的订单数据检测装置500的功能模块框图,关于所述在线电商的订单数据检测装置500的详细描述如下。
一种应用于在线电商的订单数据检测装置500,应用于数据处理终端,所述装置500包括:
数据匹配模块510,用于对获取到的待处理订单数据进行数据优化,得到所述待处理订单数据对应的订单优化数据,根据订单数据处理模型中的订单数量对应的订单编号标识以及订单位置对应的业务通信标签对所述订单优化数据进行核对,确定与所述订单优化数据相匹配的目标订单数据;
特征提取模块520,用于对所述目标订单数据进行特征处理,确定所述目标订单数据对应的最终订单标识特征;将所述最终订单标识特征作为原始订单的输入,并基于所述原始订单的输入中的实时输入数据对预设数据库中的目标订单标识特征进行提取,得到原始订单的输出;
数据确定模块530,用于将所述原始订单的输出和所述原始订单的输入进行融合,得到订单融合列表;对所述订单编号标识、所述业务通信标签以及所述订单融合列表进行审核处理,得到实时审核数据,根据所述实时审核数据和所述目标订单数据的相似度,判断所述待处理订单数据是否成功下单。
综上,一种应用于在线电商的订单数据检测方法及系统,采用对订单数据多次检测的方法,使订单信息的准度度更高,这样有效了的降低了发货错误,节约了成本。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种应用于在线电商的订单数据检测方法,应用于数据处理终端,其特征在于,所述方法包括:
对获取到的待处理订单数据进行数据优化,得到所述待处理订单数据对应的订单优化数据,根据订单数据处理模型中的订单数量对应的订单编号标识以及订单位置对应的业务通信标签对所述订单优化数据进行核对,确定与所述订单优化数据相匹配的目标订单数据;
对所述目标订单数据进行特征处理,确定所述目标订单数据对应的最终订单标识特征;将所述最终订单标识特征作为原始订单的输入,并基于所述原始订单的输入中的实时输入数据对预设数据库中的目标订单标识特征进行提取,得到原始订单的输出;
将所述原始订单的输出和所述原始订单的输入进行融合,得到订单融合列表;对所述订单编号标识、所述业务通信标签以及所述订单融合列表进行审核处理,得到实时审核数据,根据所述实时审核数据和所述目标订单数据的相似度,判断所述待处理订单数据是否成功下单。
2.根据权利要求1所述的方法,其特征在于,根据订单数据处理模型中的订单数量对应的订单编号标识以及订单位置对应的业务通信标签对所述订单优化数据进行核对,确定与所述订单优化数据相匹配的目标订单数据的具体步骤包括:
获取订单编号标识;其中,所述订单编号标识包括通信地址信息以及发货人姓名信息;
对所述通信地址信息进行距离计算,得到所述通信地址信息对应的实时距离,提取预设数据库中的运输速率,根据所述运输速率对所述实时距离进行时间计算,得到到达目的地的预计时间,并将所述预计时间和所述发货人姓名信息与所述订单编号标识相匹配,得到对应的目标订单编号标识;
获取业务通信标签;其中,所述业务通信标签包括通信传输信息以及收货人姓名信息;
将所述通信传输信息和所述收货人姓名信息反馈给下单设备进行确认,所述下单设备在接收到所述通信传输信息和所述收货人姓名信息后,所述下单设备提取预设数据库中的预设通信传输信息和预设收货人姓名信息,判断所述通信传输信息和所述收货人姓名信息的是否相匹配,若匹配,则获得目标业务通信标签;
基于所述目标订单编号标识和所述目标业务通信标签,确定对应的所述订单优化数据相匹配的目标订单数据。
3.根据权利要求1所述的方法,其特征在于,对所述目标订单数据进行特征处理,确定所述目标订单数据对应的最终订单标识特征的具体步骤包括:
确定目标订单数据中的关键信息对应的关键信息参数以及所述关键信息对应的聚类中心,所述聚类中心表示所述目标订单数据的关键信息的数据重要权益;其中,所述聚类中心至少包括:表示所述目标订单数据的关键信息对应的主数据重要权益和次数据重要权益;
获取与所述关键信息参数对应的参数分布列队,所述参数分布列队包含有预先提取的参数分布列队对应的系数特征,得到对应的参数分布特征;其中,所述参数分布特征表示位于所述参数分布列队中预设系数值范围内且与所述关键信息参数对应的关键信息中的数据重要权益;
所述参数分布特征至少包括:表示所述参数分布列队中预设系数值范围内,与所述参数分布列队中所包含的集中趋势的测度对应的关键信息中的主数据重要权益和次数据重要权益;
依据所述关键信息参数和所述聚类中心,在所述参数分布列队中查找与所述目标订单数据相匹配的最终订单标识特征。
4.根据权利要求1所述的方法,其特征在于,并基于所述原始订单的输入中的实时输入数据对预设数据库中的目标订单标识特征进行提取,得到原始订单的输出的具体步骤包括:
获取所述原始订单的输入对应的所述实时输入数据中的数据分流的依据,并将所述数据分流的依据作为原始数据分流;其中,所述预设数据库中的目标订单标识特征以及所述原始订单的输入中均包含有多个数据分流;
根据所述原始数据分流在所述原始订单的输入中的所述多个数据分流确定数据分流程度,所述数据分流程度包括所述原始订单的输入中需要重新生成的待处理数据分流;
对所述待处理数据分流中的节点进行特征提取,生成对应的待处理订单标识特征;
根据所述待处理数据分流在所述待处理订单标识特征以及所述原始订单的输入中的所述待处理数据分流确定第二数据分流程度,具体为:
获取所述第二数据分流中的流量信息以及与所述原始订单的输入中的目标数据分流对应的数据分流量,所述数据分流量根据各所述数据分流之间的序列匹配生成的,由各所述待处理数据分流中的多个序列标签组成,各所述待处理数据分流与所述多个序列标签至少存在一个对应关系;
根据所述数据分流量与所述待处理数据分流确定所述原始订单的输入对于所述原始订单的输入中的数据分流量;
根据所述原始订单的输入、所述待处理数据分流以及与所述数据分流量相关联的数据分流,生成原始订单的输出。
5.根据权利要求1所述的方法,其特征在于,将所述原始订单的输出和所述原始订单的输入进行融合,得到订单融合列表的具体步骤包括:
提取所述原始订单的输出对应的第一特征系数,对所述第一特征系数进行分析,得到所述第一特征系数对应的多个输出基数信息;
提取所述原始订单的输入对应的第二特征系数,对所述第二特征系数进行分析,得到所述第二特征系数对应的多个输入基数信息;
将所述多个输入基数信息组成输入基数信息集,且将所述多个输出基数信息映射到所述输入基数信息集,判断所述多个输出基数信息在所述输入基数信息集中是否存在对应的映射点;
若所述多个输出基数信息在所述输入基数信息集中存在对应的所述映射点,则判定所述映射点对应的数据准确;若所述多个输出基数信息在所述输入基数信息集中不存在对应的所述映射点;则判定所述映射点对应的数据不准确;
将所述映射点对应的数据作为所述原始订单的输出和所述原始订单的输入对应的融合数据,对所述融合数据进行整合,得到所述融合数据对应的订单融合列表。
6.根据权利要求4所述的方法,其特征在于,对所述待处理数据分流中的节点进行特征提取,生成待处理订单标识特征的具体步骤包括:
从待处理数据分流中的待处理数据总数中确定累计处理数的待处理数据总数;所述待处理数据总数,是对待处理数据分流期待按N个周期进行分批处理;所述累计处理数对应的待处理数据总数,是指执行前待处理数量的待处理数据总数;
为包括所述累计处理数的待处理数据总数按照日期递增累计处理数作为第一流量标签,以及为不包括所述累计处理数的待处理数据总数按照日期递减非累计处理数作为第二流量标签;
根据所述第一流量标签和所述第二流量标签确定各待处理数据总数输入;
将所述各待处理数据总数输入当前待处理总数概率中,输出所述各待处理数据总数对应的累计处理数的概率;
将累计处理数对应的概率小于所述当前待处理总数概率的待处理数据总数重新生成为累计处理数对应的目标数据总数,提取所述目标数据总数得到待处理订单标识特征。
7.根据权利要求6所述的方法,其特征在于,将各待处理数据总数输入当前待处理总数概率中,输出各待处理数据总数对应的累计处理数的概率的具体步骤包括:
获取包含多个待处理数据总数,以及至少一个包含多个参考频率;其中,所述参考频率与所述多个待处理数据总数具有不同的数量指标;
从所述多个待处理数据总数中提取样本空间的必然事件信息,并从所述参考频率中提取样本空间的不可能事件信息;其中,所述必然事件信息包括用于标识待处理数据总数中的基本事件信息的多个第一随机试验结果,所述不可能事件信息包括用于标识参考频率中的基本事件信息的多个第二随机试验结果;
根据所述多个第一随机试验结果和所述多个第二随机试验结果,得到多个最终随机试验结果;
根据预设对立事件信息将所述多个最终随机试验结果投影至所述参考频率中,得到多个概率值;
模拟所述多个概率值与所述多个最终随机试验结果之间进行组合计算;
基于所述组合计算,获取待处理数据总数中的随机试验在所述参考频率输入到当前待处理总数概率中,得到对应的输出各待处理数据总数对应的累计处理数的概率。
8.一种应用于在线电商的订单数据检测系统,其特征在于,所述系统包括数据处理终端和数据输入设备,所述数据处理终端与所述数据输入设备通信连接,数据处理终端具体用于:
对获取到的待处理订单数据进行数据优化,得到所述待处理订单数据对应的订单优化数据,根据订单数据处理模型中的订单数量对应的订单编号标识以及订单位置对应的业务通信标签对所述订单优化数据进行核对,确定与所述订单优化数据相匹配的目标订单数据;
对所述目标订单数据进行特征处理,确定所述目标订单数据对应的最终订单标识特征;将所述最终订单标识特征作为原始订单的输入,并基于所述原始订单的输入中的实时输入数据对预设数据库中的目标订单标识特征进行提取,得到原始订单的输出;
将所述原始订单的输出和所述原始订单的输入进行融合,得到订单融合列表;对所述订单编号标识、所述业务通信标签以及所述订单融合列表进行审核处理,得到实时审核数据,根据所述实时审核数据和所述目标订单数据的相似度,判断所述待处理订单数据是否成功下单。
9.根据权利要求8所述的系统,其特征在于,数据处理终端具体用于:
获取订单编号标识;其中,所述订单编号标识包括通信地址信息以及发货人姓名信息;
对所述通信地址信息进行距离计算,得到所述通信地址信息对应的实时距离,提取预设数据库中的运输速率,根据所述运输速率对所述实时距离进行时间计算,得到到达目的地的预计时间,并将所述预计时间和所述发货人姓名信息与所述订单编号标识相匹配,得到对应的目标订单编号标识;
获取业务通信标签;其中,所述业务通信标签包括通信传输信息以及收货人姓名信息;
将所述通信传输信息和所述收货人姓名信息反馈给下单设备进行确认,所述下单设备在接收到所述通信传输信息和所述收货人姓名信息后,所述下单设备提取预设数据库中的预设通信传输信息和预设收货人姓名信息,判断所述通信传输信息和所述收货人姓名信息的是否相匹配,若匹配,则获得目标业务通信标签;
基于所述目标订单编号标识和所述目标业务通信标签,确定对应的所述订单优化数据相匹配的目标订单数据;
确定目标订单数据中的关键信息对应的关键信息参数以及所述关键信息对应的聚类中心,所述聚类中心表示所述目标订单数据的关键信息的数据重要权益;其中,所述聚类中心至少包括:表示所述目标订单数据的关键信息对应的主数据重要权益和次数据重要权益;
获取与所述关键信息参数对应的参数分布列队,所述参数分布列队包含有预先提取的参数分布列队对应的系数特征,得到对应的参数分布特征;其中,所述参数分布特征表示位于所述参数分布列队中预设系数值范围内且与所述关键信息参数对应的关键信息中的数据重要权益;
所述参数分布特征至少包括:表示所述参数分布列队中预设系数值范围内,与所述参数分布列队中所包含的集中趋势的测度对应的关键信息中的主数据重要权益和次数据重要权益;
依据所述关键信息参数和所述聚类中心,在所述参数分布列队中查找与所述目标订单数据相匹配的最终订单标识特征;
获取原始订单的输入对应的所述实时输入数据中的数据分流的依据,并将所述数据分流的依据作为原始数据分流;其中,所述预设数据库中的目标订单标识特征以及所述原始订单的输入中均包含有多个数据分流;
根据所述原始数据分流在所述原始订单的输入中的所述多个数据分流确定数据分流程度,所述数据分流程度包括所述原始订单的输入中需要重新生成的待处理数据分流;
对所述待处理数据分流中的节点进行特征提取,生成对应的待处理订单标识特征;
根据所述待处理数据分流在所述待处理订单标识特征以及所述原始订单的输入中的所述待处理数据分流确定第二数据分流程度,具体为:
获取所述第二数据分流中的流量信息以及与所述原始订单的输入中的目标数据分流对应的数据分流量,所述数据分流量根据各所述数据分流之间的序列匹配生成的,由各所述待处理数据分流中的多个序列标签组成,各所述待处理数据分流与所述多个序列标签至少存在一个对应关系;
根据所述数据分流量与所述待处理数据分流确定所述原始订单的输入对于所述原始订单的输入中的数据分流量;
根据所述原始订单的输入、所述待处理数据分流以及与所述数据分流量相关联的数据分流,生成原始订单的输出。
10.根据权利要求8所述的系统,其特征在于,数据处理终端具体用于:
提取原始订单的输出对应的第一特征系数,对所述第一特征系数进行分析,得到所述第一特征系数对应的多个输出基数信息;
提取所述原始订单的输入对应的第二特征系数,对所述第二特征系数进行分析,得到所述第二特征系数对应的多个输入基数信息;
将所述多个输入基数信息组成输入基数信息集,且将所述多个输出基数信息映射到所述输入基数信息集,判断所述多个输出基数信息在所述输入基数信息集中是否存在对应的映射点;
若所述多个输出基数信息在所述输入基数信息集中存在对应的所述映射点,则判定所述映射点对应的数据准确;若所述多个输出基数信息在所述输入基数信息集中不存在对应的所述映射点;则判定所述映射点对应的数据不准确;
将所述映射点对应的数据作为所述原始订单的输出和所述原始订单的输入对应的融合数据,对所述融合数据进行整合,得到所述融合数据对应的订单融合列表;
从待处理数据分流中的待处理数据总数中确定累计处理数的待处理数据总数;所述待处理数据总数,是对待处理数据分流期待按N个周期进行分批处理;所述累计处理数对应的待处理数据总数,是指执行前待处理数量的待处理数据总数;
为包括所述累计处理数的待处理数据总数按照日期递增累计处理数作为第一流量标签,以及为不包括所述累计处理数的待处理数据总数按照日期递减非累计处理数作为第二流量标签;
根据所述第一流量标签和所述第二流量标签确定各待处理数据总数输入;
将所述各待处理数据总数输入当前待处理总数概率中,输出所述各待处理数据总数对应的累计处理数的概率;
将累计处理数对应的概率小于所述当前待处理总数概率的待处理数据总数重新生成为累计处理数对应的目标数据总数,提取所述目标数据总数得到待处理订单标识特征;
获取包含多个待处理数据总数,以及至少一个包含多个参考频率;其中,所述参考频率与所述多个待处理数据总数具有不同的数量指标;
从所述多个待处理数据总数中提取样本空间的必然事件信息,并从所述参考频率中提取样本空间的不可能事件信息;其中,所述必然事件信息包括用于标识待处理数据总数中的基本事件信息的多个第一随机试验结果,所述不可能事件信息包括用于标识参考频率中的基本事件信息的多个第二随机试验结果;
根据所述多个第一随机试验结果和所述多个第二随机试验结果,得到多个最终随机试验结果;
根据预设对立事件信息将所述多个最终随机试验结果投影至所述参考频率中,得到多个概率值;
模拟所述多个概率值与所述多个最终随机试验结果之间进行组合计算;
基于所述组合计算,获取待处理数据总数中的随机试验在所述参考频率输入到当前待处理总数概率中,得到对应的输出各待处理数据总数对应的累计处理数的概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011429149.3A CN112465600A (zh) | 2020-12-09 | 2020-12-09 | 一种应用于在线电商的订单数据检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011429149.3A CN112465600A (zh) | 2020-12-09 | 2020-12-09 | 一种应用于在线电商的订单数据检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112465600A true CN112465600A (zh) | 2021-03-09 |
Family
ID=74801651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011429149.3A Withdrawn CN112465600A (zh) | 2020-12-09 | 2020-12-09 | 一种应用于在线电商的订单数据检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112465600A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113538107A (zh) * | 2021-07-27 | 2021-10-22 | 畅销家(深圳)科技有限公司 | 一种订单信息同步方法及相关设备 |
CN113836402A (zh) * | 2021-09-08 | 2021-12-24 | 金勋杰 | 一种基于数据处理的订单筛选方法 |
-
2020
- 2020-12-09 CN CN202011429149.3A patent/CN112465600A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113538107A (zh) * | 2021-07-27 | 2021-10-22 | 畅销家(深圳)科技有限公司 | 一种订单信息同步方法及相关设备 |
CN113836402A (zh) * | 2021-09-08 | 2021-12-24 | 金勋杰 | 一种基于数据处理的订单筛选方法 |
CN113836402B (zh) * | 2021-09-08 | 2023-11-03 | 广州欧派创意家居设计有限公司 | 一种基于数据处理的订单筛选方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8117071B1 (en) | Method and system for matching via an image search query at a point of sale | |
CN110874778A (zh) | 异常订单检测方法及装置 | |
CN111666275B (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN112465600A (zh) | 一种应用于在线电商的订单数据检测方法及系统 | |
CN109360089A (zh) | 贷款风险预测方法及装置 | |
CN116308684B (zh) | 一种网购平台店铺信息推送方法及系统 | |
WO2004023342A1 (en) | Method and system for registering goods information | |
CN111091409B (zh) | 客户标签的确定方法、装置和服务器 | |
CN117251570A (zh) | 一种基于文本分析的招标采购需求分析方法及系统 | |
CN113159885A (zh) | 一种电商平台虚拟商品订单发货方法 | |
TW202145105A (zh) | 客戶分群服務客製化行銷方法及系統 | |
CN109409091B (zh) | 检测Web页面的方法、装置、设备以及计算机存储介质 | |
CN108399545A (zh) | 电子商务平台质量检测方法和装置 | |
CN110400106A (zh) | 信息获取方法、装置及电子设备 | |
CN111222923A (zh) | 一种判断潜在客户的方法及装置、电子设备和存储介质 | |
CN111680941A (zh) | 保价推荐方法、装置、设备及存储介质 | |
CN107578250B (zh) | 一种二维码防伪方法及系统 | |
CN114202347A (zh) | 电商应对退换货的方法、装置、电子设备及存储介质 | |
CN114187029A (zh) | 一种商品价格参数验证的方法和系统 | |
CN115187387B (zh) | 一种风险商家的识别方法及设备 | |
CN114663108A (zh) | 一种基于大数据技术的电商产品销量检测方法及检测系统 | |
CN113486086A (zh) | 一种基于特征工程的数据挖掘方法及系统 | |
CN106920107B (zh) | 一种商务绑定方法及系统 | |
CN112966504A (zh) | 名称识别及关联推荐方法、装置、计算机设备及存储介质 | |
CN111814909A (zh) | 基于网络直播和在线电商带货的信息处理方法及云服务器 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210309 |