CN116342041B - 一种基于区块链的国际贸易数据存储管理系统及方法 - Google Patents

一种基于区块链的国际贸易数据存储管理系统及方法 Download PDF

Info

Publication number
CN116342041B
CN116342041B CN202310407463.9A CN202310407463A CN116342041B CN 116342041 B CN116342041 B CN 116342041B CN 202310407463 A CN202310407463 A CN 202310407463A CN 116342041 B CN116342041 B CN 116342041B
Authority
CN
China
Prior art keywords
data
order
value
unit
cluster
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.)
Active
Application number
CN202310407463.9A
Other languages
English (en)
Other versions
CN116342041A (zh
Inventor
谭凯达
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.)
Shenzhen Ganen Network Technology Co ltd
Original Assignee
Shenzhen Ganen Network 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 Shenzhen Ganen Network Technology Co ltd filed Critical Shenzhen Ganen Network Technology Co ltd
Priority to CN202310407463.9A priority Critical patent/CN116342041B/zh
Publication of CN116342041A publication Critical patent/CN116342041A/zh
Application granted granted Critical
Publication of CN116342041B publication Critical patent/CN116342041B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Computing Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (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国际贸易数据存储管理系统及方法，属于数据存储管理技术领域。本系统包括：国际贸易数据端口模块、价值资源体系分析模块、订单复购验证模块、数据清理模块、区块链存储模块；所述国际贸易数据端口模块的输出端与所述价值资源体系分析模块的输入端相连接；所述价值资源体系分析模块的输出端与所述订单复购验证模块的输入端相连接；所述订单复购验证模块的输出端与所述数据清理模块的输入端相连接；所述数据清理模块的输出端与所述区块链存储模块的输入端相连接。本发明能够实现在国际贸易数据中，对订单数据进行精准分析，输出实际的优质订单数据，有利于发货方的订单数据处理分析，提升发货方的决策。

Description

一种基于区块链的国际贸易数据存储管理系统及方法
技术领域
本发明涉及数据存储管理技术领域，具体为一种基于区块链的国际贸易数据存储管理系统及方法。
背景技术
在国际贸易中，由于海关税务、运输、存储等多种原因，导致在贸易交易过程中会产生较大的附加资源，例如时间、金钱等等，因此在收货方对订单中的部分货物不满意时，由于退货所产生的附加资源已经基本等同于部分货物带来的负收益，因此并不会选择强行退货。而在发货方端口，在进行数据存储分析过程中，则默认为收货方对于货物属于满意阶段，造成在后续贸易数据的总结与分析过程中，数据处理结果出现较大偏差，影响发货方经营发展规划策略的制定。
发明内容
本发明的目的在于提供一种基于区块链的国际贸易数据存储管理系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于区块链的国际贸易数据存储管理方法，该方法包括以下步骤：
S1、通过国际贸易商家端口获取国际贸易交易数据，在国际贸易交易数据选取订单收货数据和订单退货数据；
S2、构建订单价值资源体系模型，输出订单退货价值资源消耗值，判断订单退货价值资源消耗值是否属于系统预设范围值，若属于，标记订单；
S3、获取标记订单的用户数据，构建订单用户验证模型，基于该用户的订单后续数据分析，输出用户验证得分值；
S4、对订单收货数据进行数据清理，用户验证得分值满足系统阈值的标记订单保留，其余标记订单从订单收货数据中清除，并将清理后的订单收货数据上链存储。
根据上述技术方案，所述订单价值资源体系模型包括：
构建收货方特征数据集合，所述收货方特征数据集合中包括历史数据下所有收货方的特征数据，对收货方的特征数据进行标准化处理，转换为无量纲化指标测评值；
2-1、将处理后的收货方特征数据作为输入样本，随机选取N组输入样本作为训练集；构建初始质心数量K；从训练集中选择K个点作为初始质心；
2-2、计算输入样本到各个质心的距离，将样本划分到距离最近的质心所对应的簇中；
2-3、计算每个簇内所有样本的均值，并使用该均值更新簇的质心；计算当前最小化簇内误差平方和：
其中，SSE代表最小化簇内误差平方和；||xj-ui||代表第i个簇中，每个样本xj与质心ui的距离；mi代表第i个簇中样本数量；
2-4、设置最小化簇内误差平方和阈值，若当前最小化簇内误差平方和大于等于最小化簇内误差平方和阈值，则重复步骤2-2与2-3，直至满足低于最小化簇内误差平方和阈值时为止，并输出当前簇；
所述构建初始质心数量K包括：
2-1-1、对训练集中输入样本进行归一化处理，预选Kc个初始聚类中心，Kc为系统随机拟定；
2-1-2、利用最近邻分类方式，对初始聚类中心进行处理，生成新的Ki个聚类中心；
2-1-3、计算新的Ki个聚类中心的最小类间距离与最大类内距离：
其中，dmin代表最小类间距离；dmax代表最大类内距离；CI、CJ分别代表Ki个聚类中心的任意两个簇；XI代表CI中的样本数据；分别代表CI、CJ中的样本数据到达其他聚类中心的平均距离；
2-1-4、若存在某一聚类中心内的当前类内距离大于最大类内距离，对该聚类中心进行分裂；分裂后返回步骤2-1-2，记录一次迭代；
2-1-5、在所有聚类中心均不再分类时，若存在聚类中心内的当前类间距离小于最小类间距离；对满足条件的所有聚类中心进行合并；分裂后返回步骤2-1-2，记录一次迭代；
2-1-6、在迭代次数达到迭代上限值时，输出当前的Ki值，作为初始质心数量K。
根据上述技术方案，所述订单价值资源体系模型还包括：
将步骤2-4输出的当前簇，作为根据不同收货方特征数据分成的组别；分别计算每个组别中的订单退货概率值Q：
其中，Q1代表任一组别中出现订单退货的收货方数量；Q2代表任一组别中的收货方数量；
若存在某一个组别中的订单退货概率值Q超出系统设置的阈值，则对该组别内未进行退货的收货方进行分析：
P＝T0*k1-(v*v0*S0+S1)*k2
其中，P代表收货方订单退货价值资源消耗值；T0代表订单运输时间成本；v代表订单产品数量；v0代表产品损坏概率；S0代表产品单价；S1代表海关成本；k1、k2分别代表对于资源的影响系数；
在上述技术方案中，P代表收货方订单退货价值资源消耗值，其指的是在国际贸易下当前企业，当前产品如果企业退货订单，所产生的消耗资源与退货订单中所产生的产品损坏消耗的资源之间的差值，前者更多在于显成本与隐成本，其中显成本包括企业在生产要素市场上购买或租用他人所拥有的生产要素的实际支出，需要企业支出货币的投入成本；例如：雇佣工人、贷款、租用土地的费用等；隐成本指企业自己所拥有的且被用于自己企业生产过程的那些生产要素的总价格，指不需要企业支出货币的投入成本，例如：亲自管理企业、使用自己的资金、使用自己的土地等的成本；其中时间成本以订单运输时间为准，即便收货方退还订单，重新在下订单，需要的时间成本也与当前订单的时间成本基本相同，因此仅采用当前时间成本；后者则在于经济成本下的资源，包括订单内产品损耗，海关物流费用等等；
系统设置资源消耗阈值，若存在|P|小于资源消耗阈值，对当前收货方进行标记，记为标记订单。
根据上述技术方案，所述订单用户验证模型包括：
获取标记订单对应的组别内收货方的复购数据，采集复购总次数，计算平均复购次数；
构建订单用户验证模型：
其中，E代表用户验证得分值；E0代表标记订单的复购总次数，所述复购总次数满足其中任一次的复购时间与当前标记订单的收货时间之间的差值大于T0；E1代表平均复购次数；
对订单收货数据进行数据清理，将用户验证得分值满足系统阈值的标记订单保留，其余标记订单从订单收货数据中清除。
在上述技术方案中，标记订单是通过对收货方的聚类分析之后得出的，在同一个簇的收货方，满足了特征相似，因此若存在一个簇内超过概率阈值的收货方产生了退货，而有的收货方未退货，那可能是由于不同收货方单次购买量的不同或者是收货方的审核机制问题，对于数量少的收货方来讲，进行退换货产生的资源成本并不低于直接使用，因此虽然他们并没有产生退换货，但实际上依然是对订单不满意的情况，然而由于国际贸易的特殊性，很难存在相应的反馈，发货方得不到相应反馈的情况下，就会默认用户好评，在后续实质数据分析过程中，就会造成很大的数据偏差，影响未来决策。利用复购次数再次判定收货方的积极性，从而将标记订单之间做一次分割，进而实现数据清理，其中所述复购总次数满足其中任一次的复购时间与当前标记订单的收货时间之间的差值大于T0，是为了确保复购数据的有效性，T0是整体的时间成本，包括有运输及海关存储等时间，在整体的时间成本都经历后，才能进一步对数据进行校准。
一种基于区块链的国际贸易数据存储管理系统，该系统包括：国际贸易数据端口模块、价值资源体系分析模块、订单复购验证模块、数据清理模块、区块链存储模块；
所述国际贸易数据端口模块用于通过国际贸易商家端口获取国际贸易交易数据，在国际贸易交易数据选取订单收货数据；所述价值资源体系分析模块用于构建订单价值资源体系模型，输出订单退货价值资源消耗值，判断订单退货价值资源消耗值是否属于系统预设范围值，若属于，标记订单；所述订单复购验证模块用于获取标记订单的用户数据，构建订单用户验证模型，基于该用户的订单后续数据分析，输出用户验证得分值；所述数据清理模块用于对订单收货数据进行数据清理，用户验证得分值满足系统阈值的标记订单保留，其余标记订单从订单收货数据中清除；所述区块链存储模块用于获取清理后的订单收货数据，并进行上链存储；
所述国际贸易数据端口模块的输出端与所述价值资源体系分析模块的输入端相连接；所述价值资源体系分析模块的输出端与所述订单复购验证模块的输入端相连接；所述订单复购验证模块的输出端与所述数据清理模块的输入端相连接；所述数据清理模块的输出端与所述区块链存储模块的输入端相连接。
根据上述技术方案，所述国际贸易数据端口模块包括端口数据分类单元、端口数据采集单元；
所述端口数据分类单元用于对国际贸易商家端口数据进行分类，包括订单收货端口、订单退货端口；所述端口数据采集单元用于在国际贸易交易数据选取订单收货数据和订单退货数据；所述端口数据分类单元的输出端与所述端口数据采集单元的输入端相连接。
根据上述技术方案，所述价值资源体系分析模块包括订单价值资源分析单元、标记单元；
所述订单价值资源分析单元用于构建订单价值资源体系模型，输出订单退货价值资源消耗值；所述标记单元用于判断订单退货价值资源消耗值是否属于系统预设范围值，若属于，标记订单；所述订单价值资源分析单元的输出端与所述标记单元的输入端相连接。
根据上述技术方案，所述订单复购验证模块包括数据调用单元、模型构建单元；
所述数据调用单元用于调取标记订单的用户数据；所述模型构建单元用于构建订单用户验证模型，基于该用户的订单后续数据分析，输出用户验证得分值；所述数据调用单元的输出端与所述模型构建单元的输入端相连接。
根据上述技术方案，所述数据清理模块包括阈值设立单元、数据清洗单元；
所述阈值设立单元用于设置系统阈值，与用户验证得分值进行比较；所述数据清洗单元用于对订单收货数据进行数据清理，用户验证得分值满足系统阈值的标记订单保留，其余标记订单从订单收货数据中清除；所述阈值设立单元的输出端与所述数据清洗单元的输入端相连接。
根据上述技术方案，所述区块链存储模块包括链上存储单元；
所述链上存储单元存储数据包括：
创建数据分片，链上存储单元将清理后的数据分解为可管理的块，这些块分布在区块链的节点上；
分解为可管理的块之后，链上存储单元对每个数据分片进行加密，系统内容所有者完全控制此过程，确保内容所有者以外的任何人都无法查看/访问分片中的数据，无论数据位于何处、该数据是静态还是动态；
为每个分片生成哈希，链上存储单元根据分片的数据或加密密钥生成唯一的哈希，即固定长度的加密输出字符串，哈希将添加到分类帐和分片元数据，以便将事务链接到存储的分片；
链上存储单元复制每个分片，内容所有者设置需要维护的最小副本数建立阈值，决定每个分片的副本数量以及这些分片所在的位置；以确保不会丢失数据。
P2P网络将复制的分片分发到地理上分散的存储节点，无论是区域还是全局，多个组织或个人拥有存储节点，通过租用额外的存储空间换取某种类型的补偿，通常是加密货币。没有一个实体能够拥有所有存储资源，或者控制存储基础架构，只有内容所有者才能完全访问其所有数据，无论这些节点位于何处；
将数据变化记录到分类帐，链上存储单元记录区块链分类帐中的所有事务，并在所有节点之间同步该信息。分类帐存储与事务相关的详细信息，例如分片位置、分片哈希和租赁成本等等。由于分类帐基于区块链技术，因此它具有透明性、可验证性、可追溯性以及防篡改性。
与现有技术相比，本发明所达到的有益效果是：本发明在国际贸易领域，能够考虑到国际贸易的特殊性，考虑到海关存储以及运输的特殊影响，能够实现在国际贸易数据中，对订单数据进行精准分析，输出实际的优质订单数据，有利于发货方的订单数据处理分析，提升发货方的决策能力。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于区块链的国际贸易数据存储管理系统及方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，在本实施例一中：设置有相应的国际贸易数据发货方，对其当年的销售数据进行调取，在国际贸易交易数据选取订单收货数据和订单退货数据；
构建订单价值资源体系模型，所述订单价值资源体系模型包括：
在系统中获取所有收货方，构建收货方特征数据集合，所述收货方特征数据集合中包括历史数据下所有收货方的特征数据，对收货方的特征数据进行标准化处理，转换为无量纲化指标测评值；所述收货方的特征数据例如地区、规模、人员数量、认购成本、行业等等；
2-1、将处理后的收货方特征数据作为输入样本，随机选取N组输入样本作为训练集；构建初始质心数量K；从训练集中选择K个点作为初始质心；
2-2、计算输入样本到各个质心的距离，将样本划分到距离最近的质心所对应的簇中；
2-3、计算每个簇内所有样本的均值，并使用该均值更新簇的质心；计算当前最小化簇内误差平方和：
其中，SSE代表最小化簇内误差平方和；||xj-ui||代表第i个簇中，每个样本xj与质心ui的距离；mi代表第i个簇中样本数量；
2-4、设置最小化簇内误差平方和阈值，若当前最小化簇内误差平方和大于等于最小化簇内误差平方和阈值，则重复步骤2-2与2-3，直至满足低于最小化簇内误差平方和阈值时为止，并输出当前簇；
当前簇下即是满足系统设定的收货方分类簇；
所述构建初始质心数量K包括：
2-1-1、对训练集中输入样本进行归一化处理，预选Kc个初始聚类中心，Kc为系统随机拟定；
2-1-2、利用最近邻分类方式，对初始聚类中心进行处理，生成新的Ki个聚类中心；
2-1-3、计算新的Ki个聚类中心的最小类间距离与最大类内距离：
其中，dmin代表最小类间距离；dmax代表最大类内距离；CI、CJ分别代表Ki个聚类中心的任意两个簇；XI代表CI中的样本数据；分别代表CI、CJ中的样本数据到达其他聚类中心的平均距离；
2-1-4、若存在某一聚类中心内的当前类内距离大于最大类内距离，对该聚类中心进行分裂；分裂后返回步骤2-1-2，记录一次迭代；
2-1-5、在所有聚类中心均不再分类时，若存在聚类中心内的当前类间距离小于最小类间距离；对满足条件的所有聚类中心进行合并；分裂后返回步骤2-1-2，记录一次迭代；
2-1-6、在迭代次数达到迭代上限值时，输出当前的Ki值，作为初始质心数量K。
将步骤2-4输出的当前簇，作为根据不同收货方特征数据分成的组别；分别计算每个组别中的订单退货概率值Q：
其中，Q1代表任一组别中出现订单退货的收货方数量；Q2代表任一组别中的收货方数量；
例如存在如下4个收货方，其中有两个收货方提出了退货订单，则Q＝50％，若系统设置的阈值低于50％，则要对另两家的订单进行标记分析；
具体分析如下：
P＝T0*k1-(v*v0*S0+S1)*k2
其中，P代表收货方订单退货价值资源消耗值；T0代表订单运输时间成本；v代表订单产品数量；v0代表产品损坏概率；S0代表产品单价；S1代表海关成本；k1、k2分别代表对于资源的影响系数；
系统设置资源消耗阈值，若存在|P|小于资源消耗阈值，对当前收货方进行标记，记为标记订单。
获取标记订单对应的组别内收货方的复购数据，采集复购总次数，计算平均复购次数；
构建订单用户验证模型：
其中，E代表用户验证得分值；E0代表标记订单的复购总次数，所述复购总次数满足其中任一次的复购时间与当前标记订单的收货时间之间的差值大于T0；E1代表平均复购次数；
对订单收货数据进行数据清理，将用户验证得分值满足系统阈值的标记订单保留，其余标记订单从订单收货数据中清除。
在本实施例二中，提供一种基于区块链的国际贸易数据存储管理系统，该系统包括：国际贸易数据端口模块、价值资源体系分析模块、订单复购验证模块、数据清理模块、区块链存储模块；
所述国际贸易数据端口模块用于通过国际贸易商家端口获取国际贸易交易数据，在国际贸易交易数据选取订单收货数据；所述价值资源体系分析模块用于构建订单价值资源体系模型，输出订单退货价值资源消耗值，判断订单退货价值资源消耗值是否属于系统预设范围值，若属于，标记订单；所述订单复购验证模块用于获取标记订单的用户数据，构建订单用户验证模型，基于该用户的订单后续数据分析，输出用户验证得分值；所述数据清理模块用于对订单收货数据进行数据清理，用户验证得分值满足系统阈值的标记订单保留，其余标记订单从订单收货数据中清除；所述区块链存储模块用于获取清理后的订单收货数据，并进行上链存储；
所述国际贸易数据端口模块的输出端与所述价值资源体系分析模块的输入端相连接；所述价值资源体系分析模块的输出端与所述订单复购验证模块的输入端相连接；所述订单复购验证模块的输出端与所述数据清理模块的输入端相连接；所述数据清理模块的输出端与所述区块链存储模块的输入端相连接。
所述国际贸易数据端口模块包括端口数据分类单元、端口数据采集单元；
所述端口数据分类单元用于对国际贸易商家端口数据进行分类，包括订单收货端口、订单退货端口；所述端口数据采集单元用于在国际贸易交易数据选取订单收货数据和订单退货数据；所述端口数据分类单元的输出端与所述端口数据采集单元的输入端相连接。
所述价值资源体系分析模块包括订单价值资源分析单元、标记单元；
所述订单价值资源分析单元用于构建订单价值资源体系模型，输出订单退货价值资源消耗值；所述标记单元用于判断订单退货价值资源消耗值是否属于系统预设范围值，若属于，标记订单；所述订单价值资源分析单元的输出端与所述标记单元的输入端相连接。
所述订单复购验证模块包括数据调用单元、模型构建单元；
所述数据调用单元用于调取标记订单的用户数据；所述模型构建单元用于构建订单用户验证模型，基于该用户的订单后续数据分析，输出用户验证得分值；所述数据调用单元的输出端与所述模型构建单元的输入端相连接。
所述数据清理模块包括阈值设立单元、数据清洗单元；
所述阈值设立单元用于设置系统阈值，与用户验证得分值进行比较；所述数据清洗单元用于对订单收货数据进行数据清理，用户验证得分值满足系统阈值的标记订单保留，其余标记订单从订单收货数据中清除；所述阈值设立单元的输出端与所述数据清洗单元的输入端相连接。
所述区块链存储模块包括链上存储单元；
所述链上存储单元存储数据包括：
创建数据分片，链上存储单元将清理后的数据分解为可管理的块，这些块分布在区块链的节点上；
分解为可管理的块之后，链上存储单元对每个数据分片进行加密，系统内容所有者完全控制此过程；
为每个分片生成哈希，链上存储单元根据分片的数据或加密密钥生成唯一的哈希；
链上存储单元复制每个分片，内容所有者设置需要维护的最小副本数建立阈值，决定每个分片的副本数量以及这些分片所在的位置；
P2P网络将复制的分片分发到地理上分散的存储节点，无论是区域还是全局，多个组织或个人拥有存储节点，通过租用额外的存储空间换取某种类型的补偿，没有一个实体能够拥有所有存储资源，或者控制存储基础架构，只有内容所有者才能完全访问其所有数据，无论这些节点位于何处；
将数据变化记录到分类帐，链上存储单元记录区块链分类帐中的所有事务，并在所有节点之间同步该信息。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于区块链的国际贸易数据存储管理方法，其特征在于：该方法包括以下步骤：
S1、通过国际贸易商家端口获取国际贸易交易数据，在国际贸易交易数据选取订单收货数据和订单退货数据；
S2、构建订单价值资源体系模型，输出订单退货价值资源消耗值，判断订单退货价值资源消耗值是否属于系统预设范围值，若属于，标记订单；
S3、获取标记订单的用户数据，构建订单用户验证模型，基于该用户的订单后续数据分析，输出用户验证得分值；
S4、对订单收货数据进行数据清理，用户验证得分值满足系统阈值的标记订单保留，其余标记订单从订单收货数据中清除，并将清理后的订单收货数据上链存储；
所述订单价值资源体系模型包括：
构建收货方特征数据集合，所述收货方特征数据集合中包括历史数据下所有收货方的特征数据，对收货方的特征数据进行标准化处理，转换为无量纲化指标测评值；
2-1、将处理后的收货方特征数据作为输入样本，随机选取N组输入样本作为训练集；构建初始质心数量K；从训练集中选择K个点作为初始质心；
2-2、计算输入样本到各个质心的距离，将样本划分到距离最近的质心所对应的簇中；
2-3、计算每个簇内所有样本的均值，并使用该均值更新簇的质心；计算当前最小化簇内误差平方和：；
其中，代表最小化簇内误差平方和；/>代表第i个簇中，每个样本/>与质心的距离；/>代表第i个簇中样本数量；
2-4、设置最小化簇内误差平方和阈值，若当前最小化簇内误差平方和大于等于最小化簇内误差平方和阈值，则重复步骤2-2与2-3，直至满足低于最小化簇内误差平方和阈值时为止，并输出当前簇；
所述构建初始质心数量K包括：
2-1-1、对训练集中输入样本进行归一化处理，预选个初始聚类中心，/>为系统随机拟定；
2-1-2、利用最近邻分类方式，对初始聚类中心进行处理，生成新的个聚类中心；
2-1-3、计算新的个聚类中心的最小类间距离与最大类内距离：；/>；；
其中，代表最小类间距离；/>代表最大类内距离；/>分别代表/>个聚类中心的任意两个簇；/>代表/>中的样本数据；/>分别代表/>中的样本数据到达其他聚类中心的平均距离；
2-1-4、若存在某一聚类中心内的当前类内距离大于最大类内距离，对该聚类中心进行分裂；分裂后返回步骤2-1-2，记录一次迭代；
2-1-5、在所有聚类中心均不再分类时，若存在聚类中心内的当前类间距离小于最小类间距离；对满足条件的所有聚类中心进行合并；分裂后返回步骤2-1-2，记录一次迭代；
2-1-6、在迭代次数达到迭代上限值时，输出当前的值，作为初始质心数量K；
所述订单价值资源体系模型还包括：
将步骤2-4输出的当前簇，作为根据不同收货方特征数据分成的组别；分别计算每个组别中的订单退货概率值：/>；
其中，代表任一组别中出现订单退货的收货方数量；/>代表任一组别中的收货方数量；
若存在某一个组别中的订单退货概率值超出系统设置的阈值，则对该组别内未进行退货的收货方进行分析/>；
其中，代表收货方订单退货价值资源消耗值；/>代表订单运输时间成本；/>代表订单产品数量；/>代表产品损坏概率；/>代表产品单价；/>代表海关成本；/>分别代表对于资源的影响系数；
系统设置资源消耗阈值，若存在小于资源消耗阈值，对当前收货方进行标记，记为标记订单；
所述订单用户验证模型包括：
获取标记订单对应的组别内收货方的复购数据，采集复购总次数，计算平均复购次数；
构建订单用户验证模型：
；
其中，代表用户验证得分值；/>代表标记订单的复购总次数，所述复购总次数满足其中任一次的复购时间与当前标记订单的收货时间之间的差值大于/>；/>代表平均复购次数；
对订单收货数据进行数据清理，将用户验证得分值满足系统阈值的标记订单保留，其余标记订单从订单收货数据中清除。
2.应用如权利要求1所述的一种基于区块链的国际贸易数据存储管理方法的一种基于区块链的国际贸易数据存储管理系统，其特征在于：该系统包括：国际贸易数据端口模块、价值资源体系分析模块、订单复购验证模块、数据清理模块、区块链存储模块；
所述国际贸易数据端口模块用于通过国际贸易商家端口获取国际贸易交易数据，在国际贸易交易数据选取订单收货数据；所述价值资源体系分析模块用于构建订单价值资源体系模型，输出订单退货价值资源消耗值，判断订单退货价值资源消耗值是否属于系统预设范围值，若属于，标记订单；所述订单复购验证模块用于获取标记订单的用户数据，构建订单用户验证模型，基于该用户的订单后续数据分析，输出用户验证得分值；所述数据清理模块用于对订单收货数据进行数据清理，用户验证得分值满足系统阈值的标记订单保留，其余标记订单从订单收货数据中清除；所述区块链存储模块用于获取清理后的订单收货数据，并进行上链存储；
所述国际贸易数据端口模块的输出端与所述价值资源体系分析模块的输入端相连接；所述价值资源体系分析模块的输出端与所述订单复购验证模块的输入端相连接；所述订单复购验证模块的输出端与所述数据清理模块的输入端相连接；所述数据清理模块的输出端与所述区块链存储模块的输入端相连接。
3.根据权利要求2所述的一种基于区块链的国际贸易数据存储管理系统，其特征在于：所述国际贸易数据端口模块包括端口数据分类单元、端口数据采集单元；
所述端口数据分类单元用于对国际贸易商家端口数据进行分类，包括订单收货端口、订单退货端口；所述端口数据采集单元用于在国际贸易交易数据选取订单收货数据和订单退货数据；所述端口数据分类单元的输出端与所述端口数据采集单元的输入端相连接。
4.根据权利要求2所述的一种基于区块链的国际贸易数据存储管理系统，其特征在于：所述价值资源体系分析模块包括订单价值资源分析单元、标记单元；
所述订单价值资源分析单元用于构建订单价值资源体系模型，输出订单退货价值资源消耗值；所述标记单元用于判断订单退货价值资源消耗值是否属于系统预设范围值，若属于，标记订单；所述订单价值资源分析单元的输出端与所述标记单元的输入端相连接。
5.根据权利要求2所述的一种基于区块链的国际贸易数据存储管理系统，其特征在于：所述订单复购验证模块包括数据调用单元、模型构建单元；
所述数据调用单元用于调取标记订单的用户数据；所述模型构建单元用于构建订单用户验证模型，基于该用户的订单后续数据分析，输出用户验证得分值；所述数据调用单元的输出端与所述模型构建单元的输入端相连接。
6.根据权利要求2所述的一种基于区块链的国际贸易数据存储管理系统，其特征在于：所述数据清理模块包括阈值设立单元、数据清洗单元；
所述阈值设立单元用于设置系统阈值，与用户验证得分值进行比较；所述数据清洗单元用于对订单收货数据进行数据清理，用户验证得分值满足系统阈值的标记订单保留，其余标记订单从订单收货数据中清除；所述阈值设立单元的输出端与所述数据清洗单元的输入端相连接。
7.根据权利要求2所述的一种基于区块链的国际贸易数据存储管理系统，其特征在于：所述区块链存储模块包括链上存储单元；
所述链上存储单元存储数据包括：
创建数据分片，链上存储单元将清理后的数据分解为可管理的块，这些块分布在区块链的节点上；
分解为可管理的块之后，链上存储单元对每个数据分片进行加密，系统内容所有者完全控制此过程；
为每个分片生成哈希，链上存储单元根据分片的数据或加密密钥生成唯一的哈希；
链上存储单元复制每个分片，内容所有者设置需要维护的最小副本数建立阈值，决定每个分片的副本数量以及这些分片所在的位置；
P2P网络将复制的分片分发到地理上分散的存储节点，无论是区域还是全局，多个组织或个人拥有存储节点，通过租用额外的存储空间换取某种类型的补偿，没有一个实体能够拥有所有存储资源，或者控制存储基础架构，只有内容所有者才能完全访问其所有数据，无论这些节点位于何处；
将数据变化记录到分类帐，链上存储单元记录区块链分类帐中的所有事务，并在所有节点之间同步所述所有事务。
CN202310407463.9A 2023-04-17 2023-04-17 一种基于区块链的国际贸易数据存储管理系统及方法 Active CN116342041B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310407463.9A CN116342041B (zh) 2023-04-17 2023-04-17 一种基于区块链的国际贸易数据存储管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310407463.9A CN116342041B (zh) 2023-04-17 2023-04-17 一种基于区块链的国际贸易数据存储管理系统及方法

Publications (2)

Publication Number Publication Date
CN116342041A CN116342041A (zh) 2023-06-27
CN116342041B true CN116342041B (zh) 2023-11-07

Family

ID=86880525

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310407463.9A Active CN116342041B (zh) 2023-04-17 2023-04-17 一种基于区块链的国际贸易数据存储管理系统及方法

Country Status (1)

Country Link
CN (1) CN116342041B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116934531A (zh) * 2023-07-28 2023-10-24 重庆安特布鲁精酿啤酒有限公司 一种基于数据分析的酒类信息智能管理方法及系统
CN117236660B (zh) * 2023-11-14 2024-01-26 宝信软件(南京)有限公司 一种钢管组批切割数据分析系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002035382A1 (en) * 2000-10-27 2002-05-02 Electronic International Trade Services Pty Ltd Electronic international trading
CN112215682A (zh) * 2020-10-29 2021-01-12 支付宝(杭州)信息技术有限公司 一种基于区块链的电商直播销售事务处理方法和系统
CN114462946A (zh) * 2022-02-10 2022-05-10 泉州市米度信息科技有限公司 一种基于fba订单进销存头程运费管理系统及方法
CN114862503A (zh) * 2022-04-18 2022-08-05 浙江工贸职业技术学院 一种基于大数据的跨境贸易管理系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090125350A1 (en) * 2007-11-14 2009-05-14 Pieter Lessing System and method for capturing and storing supply chain and logistics support information in a relational database system
US20170264428A1 (en) * 2016-03-08 2017-09-14 Manifold Technology, Inc. Data storage system with blockchain technology
EP3659041A4 (en) * 2017-07-27 2021-03-31 Eland Blockchain Fintech Inc. SYSTEM AND METHOD FOR ELECTRONIC TRANSACTION USING A BLOCKCHAIN TO STORE TRANSACTION RECORDS
US11494344B2 (en) * 2018-03-06 2022-11-08 International Business Machines Corporation Customized endorsement logic for blockchain

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002035382A1 (en) * 2000-10-27 2002-05-02 Electronic International Trade Services Pty Ltd Electronic international trading
CN112215682A (zh) * 2020-10-29 2021-01-12 支付宝(杭州)信息技术有限公司 一种基于区块链的电商直播销售事务处理方法和系统
CN114462946A (zh) * 2022-02-10 2022-05-10 泉州市米度信息科技有限公司 一种基于fba订单进销存头程运费管理系统及方法
CN114862503A (zh) * 2022-04-18 2022-08-05 浙江工贸职业技术学院 一种基于大数据的跨境贸易管理系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Path-Following Control for Self-driving Forklifts based on Cascade Disturbance Rejection with Coordinates Reconstruction;Longqing Li et al.;Proceedings of the 39th Chinese Control Conference;第5540-5547页 *
基于区块链技术服务贸易畅通探讨;王翔;;中国口岸科学技术(03);第4-12页 *

Also Published As

Publication number Publication date
CN116342041A (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
CN116342041B (zh) 一种基于区块链的国际贸易数据存储管理系统及方法
Foley et al. Sex, drugs, and bitcoin: How much illegal activity is financed through cryptocurrencies?
Wu et al. Application of Internet of Things and blockchain technologies to improve accounting information quality
Maksimovic et al. Asset efficiency and reallocation decisions of bankrupt firms
CN1826578B (zh) 数据整合方法
Hanum et al. The Analysis of Implementation of Enterprise Resource Planning in the Warehouse Division of Trading and Service Companies, Indonesia
TW580627B (en) System and method for efficiently providing due diligence knowledge and a computer therefor
TW200401210A (en) System and method for facilitating information collection, storage, and distribution
CN111222955A (zh) 一种基于区块链的供应商监管方法及系统
CN111861716B (zh) 一种基于软件系统的贷中监控预警等级生成方法
Sivula et al. Blockchain in logistics: mapping the opportunities in con-struction industry
CN110322191B (zh) 基于区块链的固定资产管理方法、系统、介质及电子设备
Lee et al. Forecasting creditworthiness: Logistic vs. artificial neural net
CN114493430B (zh) 一种基于大数据的物流配送系统及方法
CN113554310A (zh) 基于智能合约的企业信用动态评估模型
CN108665156A (zh) 区块链下基于马尔科夫链的供应链选择评价方法
KR102479166B1 (ko) 중화권 선용품 오픈마켓 시스템
Bacilieri et al. Reconstructing firm-level input-output networks from partial information
Samli et al. A review of data mining techniques as they apply to marketing: Generating strategic information to develop market segments
Normah et al. Comparison of Classification C4. 5 Algorithms and Naïve Bayes Classifier in Determining Merchant Acceptance on Sponsorship Program
CN112862468A (zh) 一种基于区块链的出口退税融资方法、设备及介质
Muhammad et al. Proposed Innovation Strategy for Streetwear MSMEs using TOWS: Asbhoel
Mhlanga et al. Fixed costs, markups and concentration in Eswatini (Swaziland): A firm‐level analysis of panel data
Mahakitsiri et al. Who are pure exporters?
CN114022166B (zh) 一种信息处理方法、装置、计算机设备及存储介质

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