CN116342229B - 一种跨境电商信息交易处理系统 - Google Patents
一种跨境电商信息交易处理系统 Download PDFInfo
- Publication number
- CN116342229B CN116342229B CN202310617853.9A CN202310617853A CN116342229B CN 116342229 B CN116342229 B CN 116342229B CN 202310617853 A CN202310617853 A CN 202310617853A CN 116342229 B CN116342229 B CN 116342229B
- Authority
- CN
- China
- Prior art keywords
- resistor
- information
- commodity
- triode
- electrode
- 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
Links
- 238000012545 processing Methods 0.000 title claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims description 100
- 239000003990 capacitor Substances 0.000 claims description 41
- 230000005669 field effect Effects 0.000 claims description 35
- 238000000034 method Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 8
- 230000002776 aggregation Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000000087 stabilizing effect Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 239000000047 product Substances 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 239000013065 commercial product Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
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]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- 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)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Finance (AREA)
- Evolutionary Computation (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Strategic Management (AREA)
Abstract
本发明公开了一种跨境电商信息交易处理系统,包括消费者终端、商家服务终端、交易平台监控终端,交易平台监控终端包括用户管理模块、商家管理模块和交易管理模块,用户管理模块包括存储用户个人信息的第一信息记录模块、采集用户历史订单信息的订单收集模块和采集用户历史商品搜索信息的搜索记录模块,商家管理模块包括存储商户信息的第二信息记录模块、收集商户商品信息的商品记录模块、在线服务模块;交易管理模块包括用于根据搜索记录模块的搜索信息、订单收集模块的订单信息以及商品记录模块的商品信息生成向消费者终端发送商品推送信息的商品推送模块。本发明根据消费者的历史订单向消费者推送符合消费习惯的商品信息,提高成单率。
Description
技术领域
本发明属于跨境电商技术领域,具体涉及一种跨境电商信息交易处理系统。
背景技术
伴随着互联网技术的发展,跨境电商(Cross-border Ecommerce)行业进入了蓬勃发展的时期。对商家来说,跨境电子商务极大地拓宽了进入国际市场的路径,促进了多边资源的优化配置与交易双方的互利共赢。对消费者来说,不出国门就可以买到境外的产品,极大地节省了交通和时间成本。因此,当下跨境电商发展尤为活跃,而针对跨境电商交易过程中的海量的信息处理及交易系统的配置的关注度也与日俱增。
目前的跨境电商交易系统基本是基于消费者、商家和平台三者之间的交易互联,平台作为消费者和商家之间的桥梁,然而,鉴于跨境电商大数据的纵横数据较多且广,传统的数据处理方法难以准确及时并满足用户的请求,并为用户提供高效的服务。
发明内容
针对以上问题,本发明提出了一种跨境电商信息交易处理系统。为解决以上技术问题,本发明所采用的技术方案如下。
一种跨境电商信息交易处理系统,包括消费者终端、商家服务终端、交易平台监控终端,所述交易平台监控终端包括:用户管理模块、商家管理模块和交易管理模块,用户管理模块包括用于存储用户个人信息的第一信息记录模块、用于采集用户历史订单信息的订单收集模块和用于采集用户历史商品搜索信息的搜索记录模块,商家管理模块包括用于存储商户信息的第二信息记录模块、用于收集商户商品信息的商品记录模块、用于实现消费者和商户沟通的在线服务模块;所述交易管理模块包括用于监控用户和商户之间商品订单金额交易的支付管理模块、用于监控订单商品运输状态的物流管理模块、用于根据搜索记录模块的搜索信息、订单收集模块的订单信息以及商品记录模块的商品信息生成向消费者终端发送商品推送信息的商品推送模块;所述支付管理模块和物流管理模块均与订单收集模块相连接,且物流管理模块与支付管理模块连接。
所述历史订单信息包括订单ID、用户ID、订单商品信息、订单时间、商品付款价,历史商品搜索信息包括用户ID、搜索内容、搜索时间、浏览商品ID、浏览商品价格;所述商户商品信息包括商户ID、在售商品图片、在售商品名称、在售商品价格。
所述根据搜索记录模块的搜索信息、订单收集模块的订单信息以及商品记录模块的商品信息生成向消费者终端发送商品推送信息的步骤为。
①,根据每笔商户商品信息得到若干个第一特征向量,所述第一特征向量包括商户ID和在售商品特征。
②,对步骤①得到的若干个第一特征向量进行特征聚类生成N个聚类中心,对每个聚类中心进行特征提取得到N个第二特征向量。
③,分别对每笔历史订单信息进行特征提取得到若干个第三特征向量,依次根据每笔历史商品搜索信息得到对应的第四特征向量,所述第三特征向量包括用户ID和订单商品特征,第四特征向量包括用户ID和搜索商品特征。
④,计算步骤③中第三特征向量和第四特征向量两两之间的相似度,若两者的相似度不小于第一相似度阈值,执行步骤⑤,否则执行步骤⑥。
⑤,判定两个特征向量所对应的搜索时间和订单时间之间的时间差是否在预设的第一时间阈值内,如果在,执行步骤⑦,否则执行步骤⑥。
⑥,分别计算每个第二特征向量与第四特征向量之间的相似度,若相似度不小于第二相似度阈值,则将第二特征向量所对应的聚类中心下的所有商户商品信息推送到消费者终端,否则执行步骤⑦。
⑦,根据历史订单信息筛选出每年同一时间周期内的订单信息所对应的第三特征向量,对筛选出的第三特征向量进行聚类得到M个第二聚类中心,对每个第二聚类中心进行特征提取得到M个第五特征向量。
⑧,计算步骤⑦中第五特征向量和第二特征向量两两之间的相似度,若两者的相似度不小于第三相似度阈值,则将该第二特征向量所对应的聚类中心下的所有商户商品信息推送到消费者终端,否则根据随机推送。
所述第一特征向量通过将在售商品特征所对应的词向量与商户ID所对应的词向量进行拼接得到,词向量的提取方法为共现矩阵或者word2vec模型。
所述第三特征向量和第四特征向量之间的相似度通过计算两者之间的余弦距离得到,余弦距离采用表示,对应的计算公式为。
。
式中,表示第/>个第三特征向量,/>表示第/>个第三特征向量,/>表示第三特征向量的总数,/>表示第四特征向量的总数。
所述聚类方法可以采用K-Means算法或者DBSCAN密度聚类算法。
本发明的有益效果。
1.通过用户管理模块和商家管理模块实现了消费者和商户信息的统一管理,交易管理模块可以对订单交易进行全程管理,构建了完整的跨境电商交易系统。
2.通过对消费者的订单信息和搜索信息的采集,结合商户的商品信息可以为消费者推送更能满足消费者需求的商品,避免在用户已经下单的情况下重复推送搜索商品,还可以根据消费者的历史订单向消费者推送符合消费者消费习惯的商品信息,提高成单率,节省了消费者的搜索时间。
3. 信号缓冲电路可以对生物图像信息进行调节抑制,在补偿信号增益的同时提升电路稳定性,避免了信号较多时导致的服务器处理不及时或识别错误。
4. 信号抗干扰电路和调整输出电路进一步对图像信号的幅值进行调节,改善了人脸图像质量,进而提高了后期人脸识别的准确性;通过对输出图像信号的反馈调节,在补偿图像信号衰减的同时,减小了输出阻抗,提高了信号的驱动力,加速了图像信号的处理能力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的流程示意图。
图2为本发明发送商品推送信息的流程示意图。
图3为生物信息存储模块的电路结构示意图。
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付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。
一种跨境电商信息交易处理系统,如图1所示,包括消费者终端、商家服务终端和交易平台服务器,商家通过商家服务终端将各自出售的商品上传到交易平台服务器,跨境电商用户通过消费者终端到登录交易平台服务器对应的网站注册账号后,进入服务器选购或搜索自己心仪的商品,交易平台服务器对整个交易流程进行追踪和管理,实现完整的跨境贸易。具体地,所述交易平台服务器包括用户管理模块、商家管理模块、交易管理模块,用户管理模块和商家管理模块均与交易管理模块连接,以实现商品的完整交易流程。
所述用户管理模块包括用于存储用户个人信息的第一信息记录模块、用于采集用户历史订单信息的订单收集模块和用于采集用户历史商品搜索信息的搜索记录模块,所述用户个人信息包括用户ID、用户姓名、性别、年龄等,用户ID作为用户登录服务器的标识码,具有唯一性。所述历史订单信息包括订单ID、用户ID、订单商品信息、订单时间、商品付款价,订单商品信息包括商品ID、商品类别、商品名称、商品所属商户等。所述历史商品搜索信息包括用户ID、搜索内容、搜索时间、浏览商品ID、浏览商品图片、浏览商品名称,浏览商品是指消费者搜索时所浏览的服务器根据搜索内容所展示的列表商品。为了对消费者的个人信息进行保护,还可以包括第一加密模块,以对用户个人信息进行加密,避免个人信息泄露。对消费者的用户个人信息、订单信息以及浏览信息进行记录,方便对用户进行管理,并为用户提供更人性化的服务。
所述商家管理模块包括用于存储商户信息的第二信息记录模块、用于收集商户商品信息的商品记录模块和用于实现消费者和商户沟通的在线服务模块。所述商户信息包括商户ID、商户名称、商户地址等。所述商户商品信息包括商户ID、商品ID、在售商品图片、在售商品名称、在售商品类别、在售商品价格等。通过在线服务模块可以实现消费者和商户的实时在线沟通,方便消费者了解商品。为了对商户信息进行保护,还可以包括第二加密模块,避免信息泄露。
所述交易管理模块包括用于监控用户和商户之间商品订单金额交易的支付管理模块、用于监控订单商品运输状态的物流管理模块、用于根据搜索记录模块的搜索信息、订单收集模块的订单信息以及商品记录模块的商品信息生成向消费者终端发送商品推送信息的商品推送模块;所述支付管理模块和物流管理模块均与订单收集模块相连接,且物流管理模块与支付管理模块连接。所述支付管理模块对消费者的每笔订单的付费状况进行监控,通过第三监管账户保证消费者资金安全。所述物流管理模块对消费者已付费的每笔订单的商品运输状况进行监控,保障消费者和商户商品安全。
如图2所示,所述根据搜索记录模块的搜索信息、订单收集模块的订单信息以及商品记录模块的商品信息生成向消费者终端发送商品推送信息的步骤为。
①,根据每笔商户商品信息得到若干个第一特征向量,所述第一特征向量包括商户ID和在售商品特征。
所述第一特征向量可以通过将在售商品特征所对应的词向量与商户ID所对应的词向量进行拼接得到,在售商品特征的词向量可以根据在售商品名称和在售商品类别利用共现矩阵或者word2vec的方法提取关键词得到,也可以通过在售商品图片利用卷积神经网络(Convolutional Neural Networks, CNN)或HOG算法(Histogram of OrientedGradient, 也即方向梯度直方图)等方法提取得到。
②,对步骤①得到的若干个第一特征向量进行特征聚类生成N个第一聚类中心,对每个第一聚类中心进行特征提取得到N个第二特征向量。
所述聚类方法可以采用K-Means算法或者DBSCAN(Density-Based SpatialClustering of Applications with Noise)密度聚类算法。
③,分别对每笔历史订单信息进行特征提取得到若干个第三特征向量,依次根据每笔历史商品搜索信息得到对应的第四特征向量,所述第三特征向量包括用户ID和订单商品特征,第四特征向量包括用户ID和搜索商品特征。
订单商品特征可以根据订单商品信息得到,搜索商品特征可以根据搜索内容、浏览商品图片或浏览商品名称得到,方法同第一特征向量。
④,计算步骤③中第三特征向量和第四特征向量两两之间的相似度,若两者的相似度不小于第一相似度阈值,执行步骤⑤,否则执行步骤⑥。
第三特征向量和第四特征向量之间的相似度可以通过两个向量之间的余弦距离或者欧式距离得到。余弦距离也即余弦相似度,两个向量之间的夹角越小,相似度越高。欧式距离衡量的是多维空间中两个点之间的绝对距离,距离越近,相似度越高。
所述余弦距离采用表示,其计算公式为。
。
式中,表示第/>个第三特征向量,/>表示第/>个第三特征向量,/>表示第三特征向量的总数,/>表示第四特征向量的总数。
⑤,判定两个特征向量所对应的搜索时间和订单时间之间的时间差是否在预设的第一时间阈值内,如果在,执行步骤⑦,否则执行步骤⑥。
第一时间阈值可以参考消费者的历史登录时间周期或者商品的属性也即是否为快消品设定,假设参考历史登录时间且第一时间阈值设定为两个月,则判断最新的登录时间与该登录时间所对应的上一历史搜索时间之间的时间差是否小于两个月,若小于则直接判断最新登录时间与上一历史搜索时间点之间的订单信息和上一历史搜索信息之间的相似度,也即执行步骤⑥,否则,执行步骤⑦。假设参考商品的属性且第一时间阈值设定为三个月,则判断最新的登录时间与该登录时间所对应的上一历史搜索时间之间的时间差是否小于三个月,如是则执行步骤⑥,否则,执行步骤⑦。
⑥,分别计算每个第二特征向量与第四特征向量之间的相似度,若相似度不小于第二相似度阈值,则将该第二特征向量所对应的聚类中心下的所有商户商品信息推送到消费者终端,否则执行步骤⑦。
⑦,根据历史订单信息筛选出每年同一时间周期内的订单信息所对应的第三特征向量,对筛选出的第三特征向量进行聚类得到M个第二聚类中心,对每个第二聚类中心进行特征提取得到M个第五特征向量。
时间周期可以设定为一个月、两个月或者三个月等,比如以两个月进行举例,时间周期将每年平均划分为6个时间段,若消费者的登录时间位于第一个时间段,则筛选出每年的第一个时间段的订单信息进行聚类,若消费者的登录时间位于第四个时间段,则筛选出每年的第四个时间段的订单信息进行聚类。通过设定时间周期,参考对应的历史订单信息可以根据消费者的交易习惯为消费者提供更能满足需求的商品,提高系统成单率,节省消费者时间,提高消费者对网站的接受度。所述聚类方法可以参考步骤②。
⑧,计算步骤⑦中第五特征向量和第二特征向量两两之间的相似度,若两者的相似度不小于第三相似度阈值,则将该第二特征向量所对应的聚类中心下的所有商户商品信息推送到消费者终端,否则根据随机推送。
本申请中的第一相似度阈值、第二相似度阈值和第三相似度阈值可以根据服务器的网站配置和商品的数量自行设定。在计算第五特征向量和第二特征向量之间的相似度后,如果两者的相似度不小于第三相似度阈值,则将相似度高的该第二特征向量所对应的聚类中心下的所有商户商品信息推送到消费者终端,具体地,还可以根据相似度的高低顺序依次推送商品信息,方便消费者,提高网站亲和度。
优选地,所述第一信息记录模块包括身份信息存储模块和生物信息存储模块,身份信息存储模块用于对消费者终端所发送的消费者的个人身份信息如用户ID、姓名、性别、年龄、身份证号码等信息进行存储,生物信息存储模块用于对消费者终端所发送图像信号如人脸生物信息进行存储,当消费者购买非科技类产品/设备时,消费者终端只采集其个人身份信息,当消费者购买科技类产品/设备时,需要通过消费者终端采集个人身份信息和人脸信息,比如:采用人脸识别以对个人信息进行申报,便于后期监管部门对该类型的科技产品进行监管追溯。具体地,当交易用户较多时,交易平台服务器短时间内接收到大批量的信息,同时由于信号的远距离无线传输也导致信号的衰减较大、杂波信号混杂严重等,交易平台服务器的图像信号识别处理会出现卡顿、信息处理不及时、识别时间久的问题。本申请也在此对其进行改进,如图3所示,所述生物信息存储模块包括用于接收图像信号的信号采集电路,信号采集电路对接收的图像信号进行采集放大,放大后的图像信号发送到信号缓冲电路的输入端,信号缓冲电路的输出端与信号抗干扰电路的输入端连接,信号抗干扰电路的输出端与调整输出电路的输入端连接,调整输出电路的输出端通过模数转换器与存储电路连接。存储电路对转换后的数字的图像信号进行处理并存储。图像信号的处理不是本申请的重点,且此为现有技术本申请不再赘述。
所述信号采集电路包括用于接收图像信号的电容C1、电容C1的一端与瞬态抑制二极管TVS1的一端连接,电容C1的另一端与场效应管T1的栅极、电阻R2的一端连接,电阻R2的另一端与电阻R1的一端、电阻R3的一端连接,场效应管T1的源极与电阻R5的一端连接,场效应管T1的漏极与电阻R4的一端、信号缓冲电路的输入端连接,电阻R1的另一端、电阻R4的另一端均与电源VCC连接,电阻R3的另一端、电阻R5的另一端均接地。瞬态抑制二极管TVS1避免浪涌,对后级电路进行保护。场效应管T1在对图像信号进行放大的同时,利用电阻R1、电阻R3和电阻R2的配合增大输入电阻,提高电路的灵敏度,减小图像信号的失真度。
所述信号缓冲电路包括场效应管T2,场效应管T2的栅极与信号采集电路的输出端也即场效应管T1的漏极连接,场效应管T2的漏极与电阻R6的一端、电阻R30的一端连接,场效应管T2的源极与运放器AR1的同相输入端、电容C2的一端、场效应管T4的漏极连接;运放器AR1的反相输入端与场效应管T5的漏极、场效应管T3的漏极连接,场效应管T5的栅极和场效应管T4的栅极、电容C2的另一端、运放器AR1的输出端连接;所述场效应管T3的源极与电阻R7的一端、电阻R30的另一端连接,场效应管T3的输出端与信号抗干扰电路的输入端连接,电阻R6的另一端、电阻R7的另一端均与电源VCC连接,场效应管T4的源极、场效应管T5的源极均接地。场效应管T2和场效应管T3组成镜像电路,在对图像信号进行增益提升的同时,对信号进行缓冲,场效应管T4和场效应管T5组成电流源接收运放器AR1的输出,同时将输出的信号反馈到运放器AR1的输入端,对输入的图像进行调节抑制,同时组成环路反馈,电容C2为补偿电容,补偿增益的同时提升电路稳定性,避免信号较多导致的处理不及时遗漏和识别错误。
所述信号抗干扰电路包括电容C3,电容C3的一端与电阻R8的一端、电阻R9的一端、信号缓冲电路的输出端连接,电容C3的另一端与运放器AR2的输出端、电阻R10的一端、运放器AR2的反相输入端连接,电阻R8的另一端与运放器AR2的同相输入端连接;所述电阻R10的另一端与电容C4的一端、电容C5的一端、电阻R11的一端连接,电容C4的另一端与电阻R13的一端、运放器AR3的输出端、调整输出电路的输入端连接,电容C5的另一端与电阻R13的另一端、运放器AR3的反相输入端连接,运放器AR3的同相输入端通过电阻R12接地,电阻R9的另一端和电阻R11的另一端均接地。运放器AR2、电容C3、电阻R8和电阻R9组成幅值压缩电路,避免图像信号幅值范围过大造成的识别异常(如幅值过大造成的曝光过度,或幅值过小造成的图像模糊),对后级电路进行保护。运放器AR3和周边元器件组成滤波电路,滤除图像信号中的杂波信号和背景信号,提取出对应频段的图像信号,便于图像识别存储。
所述调整输出电路包括电容C6,电容C6的一端与信号抗干扰电路的输出端连接,电容C6的另一端与二极管D1的正极、二极管D2的负极、电阻R28的一端连接,二极管D1的负极与电阻R15的一端连接,电阻R15的另一端与三极管Q2的基极连接,三极管Q2的集电极与三极管Q1的发射极连接,三极管Q1的基极与可变电阻X1的一端、电阻R18的一端连接,可变电阻X1的另一端与电阻R17的一端、电阻R20的一端、三极管Q3的基极、电阻R19的一端连接,电阻R19的另一端与二极管D2的正极连接;所述三极管Q2的发射极与电阻R16的一端、电容C7的一端连接,三极管Q1的集电极与电阻R14的一端、电阻R22的一端连接,电阻R22的另一端与电阻R24的一端、二极管D3的负极、二极管D4的正极连接;所述电阻R24的另一端与三极管Q4的发射极、电阻R21的一端连接,三极管Q4的基极与三极管Q3的集电极连接,三极管Q4的集电极与三极管Q3的发射极、电阻R23的一端连接;所述二极管D3的正极与电阻R25的一端、三极管Q5的基极连接,二极管D4的负极与电阻R26的一端、三极管Q6的基极连接,三极管Q5的发射极与三极管Q6的发射极、模数转换器的输入端、滑动变阻器X2的上端、稳压管V1的负极连接;所述滑动变阻器X2的滑动端与三极管Q7的基极连接,三极管Q7的集电极与电阻R27的一端连接,三极管Q7的发射极通过电阻R28与调整输出电路的输入端也即电容C6的另一端连接。电阻R18的另一端、电阻R20的另一端、电阻R16的另一端、电容C7的另一端、电阻R26的另一端、三极管Q6的集电极、滑动变阻器X2的下端、稳压管V1的正极均接地,电阻R14的另一端、电阻R17的另一端、电阻R23的另一端、电阻R25的另一端、电阻R27的另一端、三极管Q5的集电极均与电源VCC连接。
电容C6为耦合电容,二极管D1和二极管D2将电容C6接收到的图像信号分两路进行处理,二极管D1的负极通过电阻R15将正向的图像信号发送到三极管Q2的基极,三极管Q2和三极管Q1组成级联电路,在保证电路具有合适增益的前提下,减小电路的内部反馈,进一步提高电路增益稳定性,二极管D2将负向的图像信号发送到三极管Q3的基极,电阻R17、可变电阻X1、电阻R18、电阻R20均为分压电阻,三极管Q3和三极管Q4组成复合管,与另一路的正向信号保持同增益,三极管Q1输出的调整后的图像信号通过电阻R22输出、三极管Q4输出的调整后的图像信号通过电阻R24输出,电阻R22和电阻R24输出后的两路图像信号线与后再发送到二极管D3的负极,二极管D3、二极管D4、电阻R25-电阻R27、三极管Q5、三极管Q6组成推挽电路,将线与后的图像信号无失真地传输到模数转换器的输入端。同时滑动变阻器X2对输出的图像信号进行分压,利用三极管Q7对输出的图像信号进行检测,当图像信号幅值过大时,三极管Q7导通,将信号反馈到电容C6的另一端,进而通过调整电容C6另一端的电压也即输入电压调整最终的图像输出信号,在补偿图像信号衰减的同时,减小输出阻抗,提高了电路信号的驱动力,便于信号的及时识别和存储。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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 (6)
1.一种跨境电商信息交易处理系统,包括消费者终端、商家服务终端、交易平台监控终端,其特征在于,所述交易平台监控终端包括:用户管理模块、商家管理模块和交易管理模块,用户管理模块包括用于存储用户个人信息的第一信息记录模块、用于采集用户历史订单信息的订单收集模块和用于采集用户历史商品搜索信息的搜索记录模块,商家管理模块包括用于存储商户信息的第二信息记录模块、用于收集商户商品信息的商品记录模块、用于实现消费者和商户沟通的在线服务模块;所述交易管理模块包括用于监控用户和商户之间商品订单金额交易的支付管理模块、用于监控订单商品运输状态的物流管理模块、用于根据搜索记录模块的搜索信息、订单收集模块的订单信息以及商品记录模块的商品信息生成向消费者终端发送商品推送信息的商品推送模块;所述支付管理模块和物流管理模块均与订单收集模块相连接,且物流管理模块与支付管理模块连接;
所述第一信息记录模块包括身份信息存储模块和生物信息存储模块,身份信息存储模块用于对消费者终端所发送的消费者的个人身份信息进行存储,生物信息存储模块用于对消费者终端所发送图像信号进行存储;所述生物信息存储模块包括用于接收图像信号的信号采集电路,信号采集电路对接收到的图像信号进行采集放大,放大后的图像信号发送到信号缓冲电路的输入端,信号缓冲电路的输出端与信号抗干扰电路的输入端连接,信号抗干扰电路的输出端与调整输出电路的输入端连接,调整输出电路的输出端通过模数转换器与存储电路连接;所述存储电路用于存储并识别消费者的生物图像;
所述信号缓冲电路包括场效应管T2,场效应管T2的栅极与信号采集电路的输出端连接,场效应管T2的漏极与电阻R6的一端、电阻R30的一端连接,场效应管T2的源极与运放器AR1的同相输入端、电容C2的一端、场效应管T4的漏极连接;运放器AR1的反相输入端与场效应管T5的漏极、场效应管T3的漏极连接,场效应管T5的栅极和场效应管T4的栅极、电容C2的另一端、运放器AR1的输出端连接;所述场效应管T3的源极与电阻R7的一端、电阻R30的另一端连接,场效应管T3的输出端与信号抗干扰电路的输入端连接,电阻R6的另一端、电阻R7的另一端均与电源VCC连接,场效应管T4的源极、场效应管T5的源极均接地;
所述信号抗干扰电路包括电容C3,电容C3的一端与电阻R8的一端、电阻R9的一端、信号缓冲电路的输出端连接,电容C3的另一端与运放器AR2的输出端、电阻R10的一端、运放器AR2的反相输入端连接,电阻R8的另一端与运放器AR2的同相输入端连接;所述电阻R10的另一端与电容C4的一端、电容C5的一端、电阻R11的一端连接,电容C4的另一端与电阻R13的一端、运放器AR3的输出端、调整输出电路的输入端连接,电容C5的另一端与电阻R13的另一端、运放器AR3的反相输入端连接,运放器AR3的同相输入端通过电阻R12接地,电阻R9的另一端和电阻R11的另一端均接地;
所述调整输出电路包括电容C6,电容C6的一端与信号抗干扰电路的输出端连接,电容C6的另一端与二极管D1的正极、二极管D2的负极、电阻R28的一端连接,二极管D1的负极与电阻R15的一端连接,电阻R15的另一端与三极管Q2的基极连接,三极管Q2的集电极与三极管Q1的发射极连接,三极管Q1的基极与可变电阻X1的一端、电阻R18的一端连接,可变电阻X1的另一端与电阻R17的一端、电阻R20的一端、三极管Q3的基极、电阻R19的一端连接,电阻R19的另一端与二极管D2的正极连接;所述三极管Q2的发射极与电阻R16的一端、电容C7的一端连接,三极管Q1的集电极与电阻R14的一端、电阻R22的一端连接,电阻R22的另一端与电阻R24的一端、二极管D3的负极、二极管D4的正极连接;所述电阻R24的另一端与三极管Q4的发射极、电阻R21的一端连接,三极管Q4的基极与三极管Q3的集电极连接,三极管Q4的集电极与三极管Q3的发射极、电阻R23的一端连接;所述二极管D3的正极与电阻R25的一端、三极管Q5的基极连接,二极管D4的负极与电阻R26的一端、三极管Q6的基极连接,三极管Q5的发射极与三极管Q6的发射极、模数转换器的输入端、滑动变阻器X2的上端、稳压管V1的负极连接;所述滑动变阻器X2的滑动端与三极管Q7的基极连接,三极管Q7的集电极与电阻R27的一端连接,三极管Q7的发射极通过电阻R28与调整输出电路的输入端也即电容C6的另一端连接;电阻R18的另一端、电阻R20的另一端、电阻R16的另一端、电容C7的另一端、电阻R26的另一端、三极管Q6的集电极、滑动变阻器X2的下端、稳压管V1的正极均接地,电阻R14的另一端、电阻R17的另一端、电阻R23的另一端、电阻R25的另一端、电阻R27的另一端、三极管Q5的集电极均与电源VCC连接。
2.根据权利要求1所述的跨境电商信息交易处理系统,其特征在于,所述历史订单信息包括订单ID、用户ID、订单商品信息、订单时间、商品付款价,历史商品搜索信息包括用户ID、搜索内容、搜索时间、浏览商品ID、浏览商品价格;所述商户商品信息包括商户ID、在售商品图片、在售商品名称、在售商品价格。
3.根据权利要求1所述的跨境电商信息交易处理系统,其特征在于,所述根据搜索记录模块的搜索信息、订单收集模块的订单信息以及商品记录模块的商品信息生成向消费者终端发送商品推送信息的步骤为:
①,根据每笔商户商品信息得到若干个第一特征向量,所述第一特征向量包括商户ID和在售商品特征;
②,对步骤①得到的若干个第一特征向量进行特征聚类生成N个聚类中心,对每个聚类中心进行特征提取得到N个第二特征向量;
③,分别对每笔历史订单信息进行特征提取得到若干个第三特征向量,依次根据每笔历史商品搜索信息得到对应的第四特征向量,所述第三特征向量包括用户ID和订单商品特征,第四特征向量包括用户ID和搜索商品特征;
④,计算步骤③中第三特征向量和第四特征向量两两之间的相似度,若两者的相似度不小于第一相似度阈值,执行步骤⑤,否则执行步骤⑥;
⑤,判定两个特征向量所对应的搜索时间和订单时间之间的时间差是否在预设的第一时间阈值内,如果在,执行步骤⑦,否则执行步骤⑥;
⑥,分别计算每个第二特征向量与第四特征向量之间的相似度,若相似度不小于第二相似度阈值,则将第二特征向量所对应的聚类中心下的所有商户商品信息推送到消费者终端,否则执行步骤⑦;
⑦,根据历史订单信息筛选出每年同一时间周期内的订单信息所对应的第三特征向量,对筛选出的第三特征向量进行聚类得到M个第二聚类中心,对每个第二聚类中心进行特征提取得到M个第五特征向量;
⑧,计算步骤⑦中第五特征向量和第二特征向量两两之间的相似度,若两者的相似度不小于第三相似度阈值,则将该第二特征向量所对应的聚类中心下的所有商户商品信息推送到消费者终端,否则随机推送。
4.根据权利要求3所述的跨境电商信息交易处理系统,其特征在于,所述第一特征向量通过将在售商品特征所对应的词向量与商户ID所对应的词向量进行拼接得到,词向量的提取方法为共现矩阵或者word2vec模型。
5.根据权利要求3所述的跨境电商信息交易处理系统,其特征在于,所述第三特征向量和第四特征向量之间的相似度通过计算两者之间的余弦距离得到,余弦距离采用表示,对应的计算公式为:
;
式中,表示第/>个第三特征向量,/>表示第/>个第三特征向量,/>表示第三特征向量的总数,/>表示第四特征向量的总数。
6.根据权利要求3所述的跨境电商信息交易处理系统,其特征在于,所述聚类的方法采用K-Means算法或者DBSCAN密度聚类算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310617853.9A CN116342229B (zh) | 2023-05-30 | 2023-05-30 | 一种跨境电商信息交易处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310617853.9A CN116342229B (zh) | 2023-05-30 | 2023-05-30 | 一种跨境电商信息交易处理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116342229A CN116342229A (zh) | 2023-06-27 |
CN116342229B true CN116342229B (zh) | 2023-08-08 |
Family
ID=86876295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310617853.9A Active CN116342229B (zh) | 2023-05-30 | 2023-05-30 | 一种跨境电商信息交易处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116342229B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007143441A2 (en) * | 2006-05-31 | 2007-12-13 | Solidus Networks, Inc. | System and architecture for merchant integration of a biometric payment system |
CN103942712A (zh) * | 2014-05-09 | 2014-07-23 | 北京联时空网络通信设备有限公司 | 基于产品相似度的电子商务推荐系统及其方法 |
CN106447411A (zh) * | 2016-12-27 | 2017-02-22 | 东华互联宜家数据服务有限公司 | 撮合平台和系统 |
CN106776707A (zh) * | 2016-11-11 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 信息推送的方法和装置 |
CN108427421A (zh) * | 2018-04-26 | 2018-08-21 | 广东水利电力职业技术学院(广东省水利电力技工学校) | 一种智能配送机器人控制系统 |
CN109785045A (zh) * | 2018-12-14 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 一种基于用户行为数据的推送方法和装置 |
CN110222268A (zh) * | 2019-06-10 | 2019-09-10 | 阿里巴巴集团控股有限公司 | 确定业务推送对象的方法和装置 |
CN110941771A (zh) * | 2019-12-24 | 2020-03-31 | 哈尔滨理工大学 | 一种电商平台中的商品并行动态推送方法 |
CN111047416A (zh) * | 2019-12-20 | 2020-04-21 | 上海沃咨信息科技有限公司 | 一种基于网络的虚拟商品展示系统 |
CN111814058A (zh) * | 2020-08-20 | 2020-10-23 | 深圳市欢太科技有限公司 | 基于用户意图的推送方法、装置、电子设备及存储介质 |
CN111966886A (zh) * | 2019-05-20 | 2020-11-20 | 北京京东尚科信息技术有限公司 | 对象推荐方法、对象推荐装置、电子设备及存储介质 |
CN112488808A (zh) * | 2020-12-23 | 2021-03-12 | 广州知弘科技有限公司 | 一种基于大数据的电子商务管理系统 |
CN112633960A (zh) * | 2019-09-24 | 2021-04-09 | 北京京东尚科信息技术有限公司 | 一种推荐信息推送方法及装置、计算机可读存储介质 |
CN113704617A (zh) * | 2021-08-30 | 2021-11-26 | 康键信息技术(深圳)有限公司 | 物品推荐方法、系统、电子设备及存储介质 |
CN115545850A (zh) * | 2022-10-27 | 2022-12-30 | 深圳市全美联合科技有限公司 | 一种互联网营销策划系统及方法 |
-
2023
- 2023-05-30 CN CN202310617853.9A patent/CN116342229B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007143441A2 (en) * | 2006-05-31 | 2007-12-13 | Solidus Networks, Inc. | System and architecture for merchant integration of a biometric payment system |
CN103942712A (zh) * | 2014-05-09 | 2014-07-23 | 北京联时空网络通信设备有限公司 | 基于产品相似度的电子商务推荐系统及其方法 |
CN106776707A (zh) * | 2016-11-11 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 信息推送的方法和装置 |
CN106447411A (zh) * | 2016-12-27 | 2017-02-22 | 东华互联宜家数据服务有限公司 | 撮合平台和系统 |
CN108427421A (zh) * | 2018-04-26 | 2018-08-21 | 广东水利电力职业技术学院(广东省水利电力技工学校) | 一种智能配送机器人控制系统 |
CN109785045A (zh) * | 2018-12-14 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 一种基于用户行为数据的推送方法和装置 |
CN111966886A (zh) * | 2019-05-20 | 2020-11-20 | 北京京东尚科信息技术有限公司 | 对象推荐方法、对象推荐装置、电子设备及存储介质 |
CN110222268A (zh) * | 2019-06-10 | 2019-09-10 | 阿里巴巴集团控股有限公司 | 确定业务推送对象的方法和装置 |
CN112633960A (zh) * | 2019-09-24 | 2021-04-09 | 北京京东尚科信息技术有限公司 | 一种推荐信息推送方法及装置、计算机可读存储介质 |
CN111047416A (zh) * | 2019-12-20 | 2020-04-21 | 上海沃咨信息科技有限公司 | 一种基于网络的虚拟商品展示系统 |
CN110941771A (zh) * | 2019-12-24 | 2020-03-31 | 哈尔滨理工大学 | 一种电商平台中的商品并行动态推送方法 |
CN111814058A (zh) * | 2020-08-20 | 2020-10-23 | 深圳市欢太科技有限公司 | 基于用户意图的推送方法、装置、电子设备及存储介质 |
CN112488808A (zh) * | 2020-12-23 | 2021-03-12 | 广州知弘科技有限公司 | 一种基于大数据的电子商务管理系统 |
CN113704617A (zh) * | 2021-08-30 | 2021-11-26 | 康键信息技术(深圳)有限公司 | 物品推荐方法、系统、电子设备及存储介质 |
CN115545850A (zh) * | 2022-10-27 | 2022-12-30 | 深圳市全美联合科技有限公司 | 一种互联网营销策划系统及方法 |
Non-Patent Citations (1)
Title |
---|
基于AT89S52的消费积分系统终端设计;杨岳磊;喻晓峰;白飞;;微计算机信息(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116342229A (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8055548B2 (en) | System for collaborative internet competitive sales analysis | |
US9953356B2 (en) | Image-based product marketing systems and methods | |
US8050998B2 (en) | Flexible asset and search recommendation engines | |
US11373251B1 (en) | System and method to augment electronic documents with externally produced metadata to improve processing | |
KR20140026932A (ko) | 사용자 성향 분석을 통한 맞춤형 쇼핑 정보 제공 시스템 및 방법 | |
US11107093B2 (en) | Distributed node cluster for establishing a digital touchpoint across multiple devices on a digital communications network | |
CN110111167A (zh) | 一种确定推荐对象的方法和装置 | |
US20140188948A1 (en) | Database aggregation of purchase data | |
WO2020034626A1 (zh) | 服务推荐方法、装置、电子设备及存储介质 | |
CN110674391B (zh) | 基于大数据的产品数据推送方法、系统和计算机设备 | |
CN110400183A (zh) | 一种电子商务平台数据分析系统 | |
US20240211977A1 (en) | System and method for correlating and enhancing data obtained from distributed sources in a network of distributed computer systems | |
CN112559524A (zh) | 一种指标数据库建立方法、装置及存储介质 | |
CN116342229B (zh) | 一种跨境电商信息交易处理系统 | |
CN106611350B (zh) | 挖掘潜在用户源的方法和装置 | |
US10360600B1 (en) | Big tree method and system for verifying user reviews | |
US20130346183A1 (en) | Entity-based aggregation of endorsement data | |
US11915304B2 (en) | Database, data structures, and data processing system for satisfying a request for locally-sourced products | |
US20170255632A1 (en) | System and method for identifying trending content based on context | |
CN114065015A (zh) | 搜索推荐方法、装置及设备 | |
CN109710853B (zh) | 一种人工智能分类匹配方法及系统 | |
CN112131465A (zh) | 一种活动资讯匹配方法、装置、介质及终端设备 | |
CN105868380A (zh) | 一种异源数据读取方法和电子设备 | |
CN110992153A (zh) | 基于用户属性和商品类型的商品推荐方法、系统及设备 | |
CN111459901B (zh) | 一种数据的聚合计算方法、装置及设备 |
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 |