CN116402399B - 基于人工智能与电子商城的业务数据处理方法及系统 - Google Patents
基于人工智能与电子商城的业务数据处理方法及系统 Download PDFInfo
- Publication number
- CN116402399B CN116402399B CN202310396365.XA CN202310396365A CN116402399B CN 116402399 B CN116402399 B CN 116402399B CN 202310396365 A CN202310396365 A CN 202310396365A CN 116402399 B CN116402399 B CN 116402399B
- Authority
- CN
- China
- Prior art keywords
- product
- detected
- matrix
- row vector
- column
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 20
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 138
- 239000011159 matrix material Substances 0.000 claims abstract description 112
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 230000008569 process Effects 0.000 claims abstract description 24
- 238000013210 evaluation model Methods 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 105
- 238000012545 processing Methods 0.000 claims description 36
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 9
- 230000005484 gravity Effects 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及业务数据筛选技术领域，具体公开了一种基于人工智能与电子商城的业务数据处理方法及系统，所述方法包括基于预设的权限获取含有客户信息的产品评价信息；接收用户输入的待检产品信息，基于所述待检产品信息统计产品评价信息，得到待检表；将所述待检表转换为待检矩阵，并将所述待检矩阵输入预设的含有权重因子的评价模型，得到各产品的评分表；所述权重因子用于表征各类型的变化特征；根据所述评分表确定目标产品。本发明统计客户的评价信息，定时更新评价标准，并获取相应的评分数值；对于评分数值，引入了由评分数值实时确定的权重因子，从而调节最终评分的计算过程，在原有的基础上，更加契合实际情况，提高了时效性。
Description
技术领域
本发明涉及业务数据筛选技术领域，具体是一种基于人工智能与电子商城的业务数据处理方法及系统。
背景技术
电子商城由于是线上商城，其数据交互过程非常便捷，客户很容易对各种产品进行评价，相关的评价信息很容易进行保存；随着交互行为的增加，相关的数据会越来越多，这些数据能够反映很多信息，它能够及时且真实的反应市场情形，分析价值极大。
现有的分析技术大都是通过“选择题”的方式，获取客户对各项指标(如物流、商家服务态度等)的打分结果，然后通过打分结果，判断各个产品的优劣，在这一过程中，指标是预设且固定的，各指标之间相对独立，各产品之间相对独立，评价过程虽然能够判断产品的优劣，但是它的时效性不强，与实际情况的契合度不够高，很难适应瞬息万变的市场环境。
发明内容
本发明的目的在于提供一种基于人工智能与电子商城的业务数据处理方法及系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于人工智能与电子商城的业务数据处理方法，所述方法包括：
基于预设的权限获取含有客户信息的产品评价信息；所述产品评价信息包括类型项和评价项；
接收用户输入的待检产品信息，基于所述待检产品信息统计产品评价信息，得到待检表；所述待检表含有产品索引列和与各类型项对应的类型列；
将所述待检表转换为待检矩阵，并将所述待检矩阵输入预设的含有权重因子的评价模型，得到各产品的评分表；所述权重因子用于表征各类型的变化特征；
根据所述评分表确定目标产品。
作为本发明进一步的方案：所述基于预设的权限获取含有客户信息的产品评价信息的步骤包括：
统计电子商城中的产品，基于大数据技术获取产品的影响参数；所述影响参数由类型标签组成；
获取电子商城的注册客户，向所述注册客户发送权限获取请求，接收注册客户反馈的权限；
基于所述权限获取各客户的产品评价信息，根据产品的关联度对产品评价信息进行聚类；其中，所述产品的关联度由产品的种类标签之间的交并关系确定；所述交并关系包括两个产品的种类标签存在交集标签和两个产品的种类标签同属某一个上级种类标签；
根据所述影响参数匹配各类产品评价信息，建立类型项及其评价项；其中，当匹配结果为空时，根据预设的默认值建立类型项及其评价项；
计算各类产品评价信息对应的产品的种类标签的并集，得到产品评价信息的索引项。
作为本发明进一步的方案：所述接收用户输入的待检产品信息，基于所述待检产品信息统计产品评价信息，得到待检表的步骤包括：
接收用户输入的待检产品标签；
将所述待检产品标签与各类产品评价信息的索引项进行比对；
当比对结果达到预设的比对条件时，标记对应的产品评价信息；
统计标记的产品评价信息中的类型项及其评价项，得到待检表。
作为本发明进一步的方案：所述将所述待检表转换为待检矩阵，并将所述待检矩阵输入预设的含有权重因子的评价模型，得到各产品的评分表的步骤包括：
根据所述待检表的数据排列顺序确定初始矩阵；所述初始矩阵中的行与各产品对应，所述初始矩阵中的列与各类型对应；
对所述初始矩阵进行标准化处理，得到待检矩阵；
依次提取待检矩阵中的列向量，根据预设的权重计算公式计算所述列向量中各元素的权重，并基于各元素的权重计算各产品的总分；
基于待检矩阵的行数统计各产品的总分，得到评分表。
作为本发明进一步的方案：所述对所述初始矩阵进行标准化处理，得到待检矩阵的步骤包括：
根据预设的转换模型将评价项转换为数值；
获取数值与对应类型项的优劣的比例关系，当比例关系为反比例关系时，根据预设的处理公式将反比例关系处理为正比例关系；
基于预设的归一化处理公式对处理后的数值进行归一化处理，得到待检矩阵；
其中，将反比例关系处理为正比例关系的处理公式为：
α′i＝αmax-αi
式中，αi为转换前的某一类型下的第i个数据，α′i为转换后的某一类型下的第i个数据，αmax某一类型下的所有数据中的最大值；
所述归一化处理公式为：
式中，xij为初始矩阵中第i行第j列的原始数据；zij为初始矩阵中第i行第j列的转换后的数据(待检矩阵中的数据)；n为行数。
作为本发明进一步的方案：所述依次提取待检矩阵中的列向量，根据预设的权重计算公式计算所述列向量中各元素的权重，并基于各元素的权重计算各产品的总分的步骤包括：
依次提取待检矩阵中的列向量，根据预设的比重计算公式计算列向量中各元素的比重；
基于预设的权重计算公式计算各元素的权重；
在所述待检矩阵中提取最大行向量和最小行向量；所述最大行向量由各列中的最大元素组成，所述最小行向量由各列中的最小元素组成；
基于所述最大行向量、最小行向量和所述权重计算各产品的总分。
作为本发明进一步的方案：所述比重计算公式包括：
式中，zij为待检矩阵中第i行第j列的数据；为第j列所有zij的和；pij为待检矩阵中第i行第j列的数据对应的比重；
所述权重计算公式包括：
式中，称为信息效用值；Wj为第j列数据的权重，通过第j列数据的信息效用值除以所有列的信息效用值之和得到；
在所述待检矩阵中提取最大行向量和最小行向量的逻辑为：
最大行向量是由各列元素中的最大值按照列序排列得到的行向量；最小行向量由各列元素中的最小值按照列序排列得到的行向量；
基于所述最大行向量、最小行向量和所述权重计算各产品的总分的过程为：
其中，
式中，Fi为第i个产品的总评分，为根据最小行向量计算得到的数据，/>为根据最大行向量计算得到的数据；/>最大行向量中的第j个数据，/>为最小行向量中的第j个数据，m为列数。
本发明技术方案还提供了一种基于人工智能与电子商城的业务数据处理系统，所述系统包括：
评价信息获取模块，用于基于预设的权限获取含有客户信息的产品评价信息；所述产品评价信息包括类型项和评价项；
待检表生成模块，用于接收用户输入的待检产品信息，基于所述待检产品信息统计产品评价信息，得到待检表；所述待检表含有产品索引列和与各类型项对应的类型列；
评分表生成模块，用于将所述待检表转换为待检矩阵，并将所述待检矩阵输入预设的含有权重因子的评价模型，得到各产品的评分表；所述权重因子用于表征各类型的变化特征；
评分表应用模块，用于根据所述评分表确定目标产品。
作为本发明进一步的方案：所述评价信息获取模块包括：
影响参数获取单元，用于统计电子商城中的产品，基于大数据技术获取产品的影响参数；所述影响参数由类型标签组成；
权限获取单元，用于获取电子商城的注册客户，向所述注册客户发送权限获取请求，接收注册客户反馈的权限；
信息聚类单元，用于基于所述权限获取各客户的产品评价信息，根据产品的关联度对产品评价信息进行聚类；其中，所述产品的关联度由产品的种类标签之间的交并关系确定；所述交并关系包括两个产品的种类标签存在交集标签和两个产品的种类标签同属某一个上级种类标签；
数据项建立单元，用于根据所述影响参数匹配各类产品评价信息，建立类型项及其评价项；其中，当匹配结果为空时，根据预设的默认值建立类型项及其评价项；
索引项生成单元，用于计算各类产品评价信息对应的产品的种类标签的并集，得到产品评价信息的索引项。
作为本发明进一步的方案：所述待检表生成模块包括：
标签接收单元，用于接收用户输入的待检产品标签；
标签比对单元，用于将所述待检产品标签与各类产品评价信息的索引项进行比对；
信息标记单元，用于当比对结果达到预设的比对条件时，标记对应的产品评价信息；
信息统计单元，用于统计标记的产品评价信息中的类型项及其评价项，得到待检表。
与现有技术相比，本发明的有益效果是：本发明通过预设的权限统计客户的评价信息，根据用户的需求确定不同的评价标准，并获取相应的评分数值；对于评分数值，引入了由评分数值实时确定的权重因子，从而调节最终评分的计算过程，在原有的基础上，更加契合实际情况，提高了时效性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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。
图1为基于人工智能与电子商城的业务数据处理方法的流程框图。
图2为基于人工智能与电子商城的业务数据处理方法的第一子流程框图。
图3为基于人工智能与电子商城的业务数据处理方法的第二子流程框图。
图4为基于人工智能与电子商城的业务数据处理方法的第三子流程框图。
图5为基于人工智能与电子商城的业务数据处理系统的组成结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
图1为基于人工智能与电子商城的业务数据处理方法的流程框图，本发明实施例中，一种基于人工智能与电子商城的业务数据处理方法，所述方法包括：
步骤S100：基于预设的权限获取含有客户信息的产品评价信息；所述产品评价信息包括类型项和评价项；
电子商城由于是线上商城，其数据交互过程非常便捷，客户很容易对各种产品进行评价，相关的评价信息很容易进行保存；随着交互行为的增加，相关的数据会越来越多，这些数据能够反映很多信息，它能够及时且真实的反应市场情形，分析价值极大。
在对产品的评价信息进行分析的过程中，往往会涉及到作为评价信息的主体信息，也就是所述客户信息，因此，需要预先告知用户，获取到用户给予的权限后，才可以获取相关内容，如果不具备权限，那么本发明技术方案无法进行后续步骤。
步骤S200：接收用户输入的待检产品信息，基于所述待检产品信息统计产品评价信息，得到待检表；所述待检表含有产品索引列和与各类型项对应的类型列；
统计产品评价信息的过程是统计所有产品的产品评价信息，而用户的需求大都是分析某几个产品，因此，接收用户的需求(待检产品信息)，根据需求在所有产品的产品评价信息中选取部分产品评价信息，进而生成待检表。
步骤S300：将所述待检表转换为待检矩阵，并将所述待检矩阵输入预设的含有权重因子的评价模型，得到各产品的评分表；所述权重因子用于表征各类型的变化特征；
将生成的待检表转换为待检矩阵，从而将评价信息转换为数值形式，对待检矩阵进行识别分析，可以快速地计算出各产品的评分。
在本发明技术方案的一个实例中，待检表中的类型列不唯一，可以是产品质量评分、宣传真实度评分、破损程度评分和物流速度评分等等；示例如下：
表1示例表
| 产品质量 | 宣传真实度 | 破损程度 | 物流速度 | |
| 产品A | 4 | 4 | 1 | 5 |
| 产品B | 5 | 2 | 0 | 4 |
| 产品C | 2 | 5 | 5 | 5 |
上表中，产品质量、宣传真实度、破损程度和物流速度就是四个类型列。
引入的权重因子用于表示各个类型中各数据的差异情况，如果都是相近的，那么对应的类型在评分过程中所占的权重就要小一些；比如，上表中，物流速度评分都比较高，相应的，在计算总评分的过程中，物流速度评分的权重就要小一些。
步骤S400：根据所述评分表确定目标产品；
评分表中含有各个产品的总评分，对总评分进行比对分析，可以轻易的判断出哪些产品属于当下热度较高，评价较好的产品，称为目标产品；获取目标产品的相关信息，可以作为产品更新的参考。
需要说明的是，类型项的数量不唯一，由工作人员自由决定，比如喜爱程度评分、好友羡慕程度等。
此外，上述内容中的用户指的是应用本方法的产品提供方，客户指的是产品购买方。
图2为基于人工智能与电子商城的业务数据处理方法的第一子流程框图，所述基于预设的权限获取含有客户信息的产品评价信息的步骤包括：
步骤S101：统计电子商城中的产品，基于大数据技术获取产品的影响参数；所述影响参数由类型标签组成；
统计电子商城中的产品，然后借助现有的大数据技术，可以获得该产品的影响参数，所述影响参数指的是影响客户评价过程的参数，包括物流、质量、稀有度、破损程度等等。
步骤S102：获取电子商城的注册客户，向所述注册客户发送权限获取请求，接收注册客户反馈的权限；
权限获取过程是必须进行的过程，如果所述有客户都不给予任何权限，那么本方法无法进行；一般情况下，通过一些自定的回馈环节，可以使得注册客户给予部分或全部的获取权限。
步骤S103：基于所述权限获取各客户的产品评价信息，根据产品的关联度对产品评价信息进行聚类；其中，所述产品的关联度由产品的种类标签之间的交并关系确定；所述交并关系包括两个产品的种类标签存在交集标签和两个产品的种类标签同属某一个上级种类标签；
不同的产品之间可能存在关联，相似的产品可以聚合在一起分析，比如某些套装组合，如钓鱼用具。聚合过程涉及到第二个标签－产品的种类标签，它与上述内容中的类型标签是不同的概念，种类标签包括食品、运动和洁具等等，不同标签之间可能存在嵌套关系，同一产品对应的标签大都不唯一；所述种类标签在电子商城中属于已知数据，在产品上架时确定。对不同产品的种类标签进行分析，可以对产品进行聚类。
步骤S104：根据所述影响参数匹配各类产品评价信息，建立类型项及其评价项；其中，当匹配结果为空时，根据预设的默认值建立类型项及其评价项；
产品评价信息有很多，它甚至有可能是一段评论内容，根据预先确定的影响参数匹配所述产品评价信息，可以得到标签形式的类型项，对应的评价项限定为分值。在现有技术中，这一过程有相似内容，比如，外卖的“五星好评”环节。
通俗地说，上述内容先确定几个类型(物流、质量、稀有度、破损程度)，然后根据类型匹配产品评价信息，进而确定各类型对应的分值，如果没有匹配到相关的内容，就采用默认的分值。
步骤S105：计算各类产品评价信息对应的产品的种类标签的并集，得到产品评价信息的索引项；
对于聚类后的产品评价信息，需要设定一个索引项，在本发明技术方案的一个实例中，所述索引项采用该类产品评价信息对应的所有产品的种类标签的并集。
图3为基于人工智能与电子商城的业务数据处理方法的第二子流程框图，所述接收用户输入的待检产品信息，基于所述待检产品信息统计产品评价信息，得到待检表的步骤包括：
步骤S201：接收用户输入的待检产品标签；
步骤S202：将所述待检产品标签与各类产品评价信息的索引项进行比对；
步骤S203：当比对结果达到预设的比对条件时，标记对应的产品评价信息；
步骤S204：统计标记的产品评价信息中的类型项及其评价项，得到待检表。
在本发明技术方案的一个实例中，索引项为各类产品评价信息对应的所有产品的种类标签的并集，因此，当接收到用户输入的待检产品标签(种类标签)时，根据待检产品标签执行遍历匹配过程，即可获取到对应的某类产品评价信息，根据产品评价信息的类型项及其评价项，可以生成待检表。
图4为基于人工智能与电子商城的业务数据处理方法的第三子流程框图，所述将所述待检表转换为待检矩阵，并将所述待检矩阵输入预设的含有权重因子的评价模型，得到各产品的评分表的步骤包括：
步骤S301：根据所述待检表的数据排列顺序确定初始矩阵；所述初始矩阵中的行与各产品对应，所述初始矩阵中的列与各类型对应；
待检表是表格形式，剔除表格中的文字信息，保留数值信息，即可得到一个矩阵，称为初始矩阵；初始矩阵中的列与待检表中的类型列对应，也即，某一类型对应的所有产品的分值；初始矩阵中的行与待检表中的产品对应，也即，某一产品在各类型下的分值。
步骤S302：对所述初始矩阵进行标准化处理，得到待检矩阵；
步骤S303：依次提取待检矩阵中的列向量，根据预设的权重计算公式计算所述列向量中各元素的权重，并基于各元素的权重计算各产品的总分；
步骤S304：基于待检矩阵的行数统计各产品的总分，得到评分表；
初始矩阵可以直接进行分析，比如，预先确定各类型的比重，从而计算总分，这种情况下，各类型之间是相互独立的，各产品之间也是相互独立的，得到的总分具备一定的参考意义，但是与实际的契合度不高。
在本发明技术方案中，对得到的初始矩阵进行标准化处理，得到待检矩阵，在标准化的过程中，根据初始矩阵本身对各个元素进行处理，保证了各类型之间、各产品之间的相关性；然后，根据待检矩阵中列向量中的各元素(某一类型的不同分值)确定该类型的权重，结合权重和待检矩阵计算总分，计算流程在产品评价信息的影响下实时变化，与现实的契合度极高。
在本发明技术方案的一个实例中，所述对所述初始矩阵进行标准化处理，得到待检矩阵的步骤包括：
根据预设的转换模型将评价项转换为数值；
评价项为分值，它本身就是数值形式，上述转换过程的目的是对分值进行验证，判断是否存在异常数值；这一过程也可以设置在步骤S301中。
获取数值与对应类型项的优劣的比例关系，当比例关系为反比例关系时，根据预设的处理公式将反比例关系处理为正比例关系；
正比例关系指的是数值越高，总评分越高，比如产品质量、宣传真实度和物流速度，反比例关系指的是数值越高，总评分越低，比如破损程度；将反比例关系处理为正比例关系的处理公式为：
α′i＝αmax-αi
式中，αi为转换前的某一类型下的第i个数据，α′i为转换后的某一类型下的第i个数据，αmax某一类型下的所有数据中的最大值。可以看出，当数值越小，转换后的数值越大，总评分越高，因此，转换后的数值为正比例关系；由此，可以将所有比例关系转换为正比例关系。
基于预设的归一化处理公式对处理后的数值进行归一化处理，得到待检矩阵；
其中，所述归一化处理公式为：
式中，xij为初始矩阵中第i行第j列的原始数据；zij为初始矩阵中第i行第j列的转换后的数据(待检矩阵中的数据)；n为行数。
值得一提的是，假设初始矩阵为n×m矩阵，那么转换后的待检矩阵也是n×m矩阵。
进一步的，所述依次提取待检矩阵中的列向量，根据预设的权重计算公式计算所述列向量中各元素的权重，并基于各元素的权重计算各产品的总分的步骤包括：
依次提取待检矩阵中的列向量，根据预设的比重计算公式计算列向量中各元素的比重；
基于预设的权重计算公式计算各元素的权重；
在所述待检矩阵中提取最大行向量和最小行向量；所述最大行向量由各列中的最大元素组成，所述最小行向量由各列中的最小元素组成；
基于所述最大行向量、最小行向量和所述权重计算各产品的总分。
具体的，所述比重计算公式包括：
式中，zij为待检矩阵中第i行第j列的数据；为第j列所有zij的和；pij为待检矩阵中第i行第j列的数据对应的比重；
所述权重计算公式包括：
式中，称为信息效用值；Wj为第j列数据的权重，通过第j列数据的信息效用值除以所有列的信息效用值之和得到。
在权重计算公式中，pij不大于1，因此，为负值，dj小于1；此外，由于矩阵的行数和列数是有限的，通过简单的枚举即可得知，当p1j＝2j＝…＝/>时，/>取最小值；这意味着，当某一列(对应某一类型)下的各行(对应各个产品)数据越接近时，得到的信息效用值(dj)越小，此时对应的权重越小；在计算总评分的过程中，对应的影响程度就不会很高，如表1中的物流速度项，它们的数值比较接近，尽管其数值都比较高，但是它对产品的评价过程的影响较低，计算出的权重较小。
在所述待检矩阵中提取最大行向量和最小行向量的逻辑为：
最大行向量是由各列元素中的最大值按照列序排列得到的行向量；最小行向量由各列元素中的最小值按照列序排列得到的行向量。
基于所述最大行向量、最小行向量和所述权重计算各产品的总分的过程为：
其中，
式中，Fi为第i个产品的总评分，为根据最小行向量计算得到的数据，/>为根据最大行向量计算得到的数据；/>最大行向量中的第j个数据，/>为最小行向量中的第j个数据，m为列数。
进一步的，的计算含义为：
对第i个产品，计算第j个类型下的数值与最大行向量中的数值之间的差值的平方，结合对应的权重，得到第j个类型对应的计算结果，累加所有类型的计算结果再开方，即可得到一个数据，这个数据反映了第i个产品与各类型中的最大值之间的差异。
相似的，反映了第i个产品与各类型中的最小值之间的差异；最大行向量和最小行向量由所有的产品共同确定，它的目的是建立各产品之间的影响关系。
对于上述最大行向量和所述最小行向量，以上述表1为例，举例如下：
最大行向量为：(5，5，5，5)，也即，各列中的最大值组成的行向量；
最小行向量为：(2，2，0，4)，也即，各列中的最小值组成的行向量。
图5为基于人工智能与电子商城的业务数据处理系统的组成结构框图，本发明实施例中，一种基于人工智能与电子商城的业务数据处理系统，所述系统10包括：
评价信息获取模块11，用于基于预设的权限获取含有客户信息的产品评价信息；所述产品评价信息包括类型项和评价项；
待检表生成模块12，用于接收用户输入的待检产品信息，基于所述待检产品信息统计产品评价信息，得到待检表；所述待检表含有产品索引列和与各类型项对应的类型列；
评分表生成模块13，用于将所述待检表转换为待检矩阵，并将所述待检矩阵输入预设的含有权重因子的评价模型，得到各产品的评分表；所述权重因子用于表征各类型的变化特征；
评分表应用模块14，用于根据所述评分表确定目标产品。
所述评价信息获取模块11包括：
影响参数获取单元，用于统计电子商城中的产品，基于大数据技术获取产品的影响参数；所述影响参数由类型标签组成；
权限获取单元，用于获取电子商城的注册客户，向所述注册客户发送权限获取请求，接收注册客户反馈的权限；
信息聚类单元，用于基于所述权限获取各客户的产品评价信息，根据产品的关联度对产品评价信息进行聚类；其中，所述产品的关联度由产品的种类标签之间的交并关系确定；所述交并关系包括两个产品的种类标签存在交集标签和两个产品的种类标签同属某一个上级种类标签；
数据项建立单元，用于根据所述影响参数匹配各类产品评价信息，建立类型项及其评价项；其中，当匹配结果为空时，根据预设的默认值建立类型项及其评价项；
索引项生成单元，用于计算各类产品评价信息对应的产品的种类标签的并集，得到产品评价信息的索引项。
所述待检表生成模块12包括：
标签接收单元，用于接收用户输入的待检产品标签；
标签比对单元，用于将所述待检产品标签与各类产品评价信息的索引项进行比对；
信息标记单元，用于当比对结果达到预设的比对条件时，标记对应的产品评价信息；
信息统计单元，用于统计标记的产品评价信息中的类型项及其评价项，得到待检表。
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、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于人工智能与电子商城的业务数据处理方法，其特征在于，所述方法包括：
基于预设的权限获取含有客户信息的产品评价信息；所述产品评价信息包括类型项和评价项；
接收用户输入的待检产品信息，基于所述待检产品信息统计产品评价信息，得到待检表；所述待检表含有产品索引列和与各类型项对应的类型列；
将所述待检表转换为待检矩阵，并将所述待检矩阵输入预设的含有权重因子的评价模型，得到各产品的评分表；所述权重因子用于表征各类型的变化特征；
根据所述评分表确定目标产品；
其中，用户指的是应用本方法的产品提供方，客户指的是产品购买方；
所述基于预设的权限获取含有客户信息的产品评价信息的步骤包括：
统计电子商城中的产品，基于大数据技术获取产品的影响参数；所述影响参数由类型标签组成；
获取电子商城的注册客户，向所述注册客户发送权限获取请求，接收注册客户反馈的权限；
基于所述权限获取各客户的产品评价信息，根据产品的关联度对产品评价信息进行聚类；其中，所述产品的关联度由产品的种类标签之间的交并关系确定；所述交并关系包括两个产品的种类标签存在交集标签和两个产品的种类标签同属某一个上级种类标签；
根据所述影响参数匹配各类产品评价信息，建立类型项及其评价项；其中，当匹配结果为空时，根据预设的默认值建立类型项及其评价项；
计算各类产品评价信息对应的产品的种类标签的并集，得到产品评价信息的索引项；
所述接收用户输入的待检产品信息，基于所述待检产品信息统计产品评价信息，得到待检表的步骤包括：
接收用户输入的待检产品标签；
将所述待检产品标签与各类产品评价信息的索引项进行比对；
当比对结果达到预设的比对条件时，标记对应的产品评价信息；
统计标记的产品评价信息中的类型项及其评价项，得到待检表；
所述将所述待检表转换为待检矩阵，并将所述待检矩阵输入预设的含有权重因子的评价模型，得到各产品的评分表的步骤包括：
根据所述待检表的数据排列顺序确定初始矩阵；所述初始矩阵中的行与各产品对应，所述初始矩阵中的列与各类型对应；
对所述初始矩阵进行标准化处理，得到待检矩阵；
依次提取待检矩阵中的列向量，根据预设的权重计算公式计算所述列向量中各元素的权重，并基于各元素的权重计算各产品的总分；
基于待检矩阵的行数统计各产品的总分，得到评分表；
所述对所述初始矩阵进行标准化处理，得到待检矩阵的步骤包括：
根据预设的转换模型将评价项转换为数值；
获取数值与对应类型项的优劣的比例关系，当比例关系为反比例关系时，根据预设的处理公式将反比例关系处理为正比例关系；
基于预设的归一化处理公式对处理后的数值进行归一化处理，得到待检矩阵；
其中，将反比例关系处理为正比例关系的处理公式为：
αi ′＝αmax-αi
式中，αi为转换前的某一类型下的第i个数据，αi ′为转换后的某一类型下的第i个数据，αmax某一类型下的所有数据中的最大值；
所述归一化处理公式为：
式中，xij为初始矩阵中第i行第j列的原始数据；zij为初始矩阵中第i行第j列的转换后的数据；n为行数；
所述依次提取待检矩阵中的列向量，根据预设的权重计算公式计算所述列向量中各元素的权重，并基于各元素的权重计算各产品的总分的步骤包括：
依次提取待检矩阵中的列向量，根据预设的比重计算公式计算列向量中各元素的比重；
基于预设的权重计算公式计算各元素的权重；
在所述待检矩阵中提取最大行向量和最小行向量；所述最大行向量由各列中的最大元素组成，所述最小行向量由各列中的最小元素组成；
基于所述最大行向量、最小行向量和所述权重计算各产品的总分；
所述比重计算公式包括：
式中，zji为待检矩阵中第i行第j列的数据；为第j列所有zij的和；pij为待检矩阵中第i行第j列的数据对应的比重；
所述权重计算公式包括：
式中，称为信息效用值；Wj为第j列数据的权重，通过第j列数据的信息效用值除以所有列的信息效用值之和得到；
在所述待检矩阵中提取最大行向量和最小行向量的逻辑为：
最大行向量是由各列元素中的最大值按照列序排列得到的行向量；最小行向量由各列元素中的最小值按照列序排列得到的行向量；
基于所述最大行向量、最小行向量和所述权重计算各产品的总分的过程为：
其中，
式中，Fi为第i个产品的总评分，为根据最小行向量计算得到的数据，/>为根据最大行向量计算得到的数据；/>最大行向量中的第j个数据，/>为最小行向量中的第j个数据，m为列数。
2.一种基于人工智能与电子商城的业务数据处理系统，其特征在于，所述系统包括：
评价信息获取模块，用于基于预设的权限获取含有客户信息的产品评价信息；所述产品评价信息包括类型项和评价项；
待检表生成模块，用于接收用户输入的待检产品信息，基于所述待检产品信息统计产品评价信息，得到待检表；所述待检表含有产品索引列和与各类型项对应的类型列；
评分表生成模块，用于将所述待检表转换为待检矩阵，并将所述待检矩阵输入预设的含有权重因子的评价模型，得到各产品的评分表；所述权重因子用于表征各类型的变化特征；
评分表应用模块，用于根据所述评分表确定目标产品；
其中，用户指的是产品提供方，客户指的是产品购买方；
所述评价信息获取模块包括：
影响参数获取单元，用于统计电子商城中的产品，基于大数据技术获取产品的影响参数；所述影响参数由类型标签组成；
权限获取单元，用于获取电子商城的注册客户，向所述注册客户发送权限获取请求，接收注册客户反馈的权限；
信息聚类单元，用于基于所述权限获取各客户的产品评价信息，根据产品的关联度对产品评价信息进行聚类；其中，所述产品的关联度由产品的种类标签之间的交并关系确定；所述交并关系包括两个产品的种类标签存在交集标签和两个产品的种类标签同属某一个上级种类标签；
数据项建立单元，用于根据所述影响参数匹配各类产品评价信息，建立类型项及其评价项；其中，当匹配结果为空时，根据预设的默认值建立类型项及其评价项；
索引项生成单元，用于计算各类产品评价信息对应的产品的种类标签的并集，得到产品评价信息的索引项；
所述待检表生成模块包括：
标签接收单元，用于接收用户输入的待检产品标签；
标签比对单元，用于将所述待检产品标签与各类产品评价信息的索引项进行比对；
信息标记单元，用于当比对结果达到预设的比对条件时，标记对应的产品评价信息；
信息统计单元，用于统计标记的产品评价信息中的类型项及其评价项，得到待检表；
所述将所述待检表转换为待检矩阵，并将所述待检矩阵输入预设的含有权重因子的评价模型，得到各产品的评分表的内容包括：
根据所述待检表的数据排列顺序确定初始矩阵；所述初始矩阵中的行与各产品对应，所述初始矩阵中的列与各类型对应；
对所述初始矩阵进行标准化处理，得到待检矩阵；
依次提取待检矩阵中的列向量，根据预设的权重计算公式计算所述列向量中各元素的权重，并基于各元素的权重计算各产品的总分；
基于待检矩阵的行数统计各产品的总分，得到评分表；
所述对所述初始矩阵进行标准化处理，得到待检矩阵的内容包括：
根据预设的转换模型将评价项转换为数值；
获取数值与对应类型项的优劣的比例关系，当比例关系为反比例关系时，根据预设的处理公式将反比例关系处理为正比例关系；
基于预设的归一化处理公式对处理后的数值进行归一化处理，得到待检矩阵；
其中，将反比例关系处理为正比例关系的处理公式为：
αi ′＝αmax-αi
式中，αi为转换前的某一类型下的第i个数据，αi ′为转换后的某一类型下的第i个数据，αmax某一类型下的所有数据中的最大值；
所述归一化处理公式为：
式中，xij为初始矩阵中第i行第j列的原始数据；zij为初始矩阵中第i行第j列的转换后的数据；n为行数；
所述依次提取待检矩阵中的列向量，根据预设的权重计算公式计算所述列向量中各元素的权重，并基于各元素的权重计算各产品的总分的内容包括：
依次提取待检矩阵中的列向量，根据预设的比重计算公式计算列向量中各元素的比重；
基于预设的权重计算公式计算各元素的权重；
在所述待检矩阵中提取最大行向量和最小行向量；所述最大行向量由各列中的最大元素组成，所述最小行向量由各列中的最小元素组成；
基于所述最大行向量、最小行向量和所述权重计算各产品的总分；
所述比重计算公式包括：
式中，zij为待检矩阵中第i行第j列的数据；为第j列所有zij的和；pij为待检矩阵中第i行第j列的数据对应的比重；
所述权重计算公式包括：
式中，称为信息效用值；Wj为第j列数据的权重，通过第j列数据的信息效用值除以所有列的信息效用值之和得到；
在所述待检矩阵中提取最大行向量和最小行向量的逻辑为：
最大行向量是由各列元素中的最大值按照列序排列得到的行向量；最小行向量由各列元素中的最小值按照列序排列得到的行向量；
基于所述最大行向量、最小行向量和所述权重计算各产品的总分的过程为：
其中，
式中，Fi为第i个产品的总评分，为根据最小行向量计算得到的数据，/>为根据最大行向量计算得到的数据；/>最大行向量中的第j个数据，/>为最小行向量中的第j个数据，m为列数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310396365.XA CN116402399B (zh) | 2023-04-14 | 2023-04-14 | 基于人工智能与电子商城的业务数据处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310396365.XA CN116402399B (zh) | 2023-04-14 | 2023-04-14 | 基于人工智能与电子商城的业务数据处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116402399A CN116402399A (zh) | 2023-07-07 |
| CN116402399B true CN116402399B (zh) | 2023-12-29 |
Family
ID=87012091
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310396365.XA Active CN116402399B (zh) | 2023-04-14 | 2023-04-14 | 基于人工智能与电子商城的业务数据处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116402399B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117172796A (zh) * | 2023-08-07 | 2023-12-05 | 北京智慧大王科技有限公司 | 一种大数据电子商务管理系统 |
| CN117035887B (zh) * | 2023-10-08 | 2023-12-26 | 中质国优测评技术(北京)有限公司 | 一种汽车用户满意度测评方法与系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108665306A (zh) * | 2018-05-04 | 2018-10-16 | 合肥工业大学 | 核心竞争产品识别方法和系统、存储介质 |
| CN109919737A (zh) * | 2019-03-20 | 2019-06-21 | 中电科大数据研究院有限公司 | 一种生产销售商品的推荐方法及系统 |
| CN110288419A (zh) * | 2019-05-05 | 2019-09-27 | 江苏一乙生态农业科技有限公司 | 一种动态更新权重的电商农产品推荐方法 |
| WO2020073534A1 (zh) * | 2018-10-12 | 2020-04-16 | 平安科技（深圳）有限公司 | 基于重聚类的推送方法、装置、计算机设备及存储介质 |
| CN113706009A (zh) * | 2021-08-26 | 2021-11-26 | 四川启睿克科技有限公司 | 基于多维度物料数据的供应商智能评价和分级系统 |
| CN113724004A (zh) * | 2021-08-30 | 2021-11-30 | 平安银行股份有限公司 | 基于用户行为的业务宣传方法、装置、设备及存储介质 |
| CN114298583A (zh) * | 2021-12-30 | 2022-04-08 | 广州华银医学检验中心有限公司 | 基于ahp和熵权法结合赋权的客户评分系统 |
| WO2022095378A1 (zh) * | 2020-11-03 | 2022-05-12 | 平安科技（深圳）有限公司 | 基于人工智能的培训方法、装置、计算机设备及存储介质 |
| CN114723516A (zh) * | 2022-03-15 | 2022-07-08 | 艺龙网信息技术（北京）有限公司 | 基于成单数据的用户相似度计算方法及系统 |
-
2023
- 2023-04-14 CN CN202310396365.XA patent/CN116402399B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108665306A (zh) * | 2018-05-04 | 2018-10-16 | 合肥工业大学 | 核心竞争产品识别方法和系统、存储介质 |
| WO2020073534A1 (zh) * | 2018-10-12 | 2020-04-16 | 平安科技（深圳）有限公司 | 基于重聚类的推送方法、装置、计算机设备及存储介质 |
| CN109919737A (zh) * | 2019-03-20 | 2019-06-21 | 中电科大数据研究院有限公司 | 一种生产销售商品的推荐方法及系统 |
| CN110288419A (zh) * | 2019-05-05 | 2019-09-27 | 江苏一乙生态农业科技有限公司 | 一种动态更新权重的电商农产品推荐方法 |
| WO2022095378A1 (zh) * | 2020-11-03 | 2022-05-12 | 平安科技（深圳）有限公司 | 基于人工智能的培训方法、装置、计算机设备及存储介质 |
| CN113706009A (zh) * | 2021-08-26 | 2021-11-26 | 四川启睿克科技有限公司 | 基于多维度物料数据的供应商智能评价和分级系统 |
| CN113724004A (zh) * | 2021-08-30 | 2021-11-30 | 平安银行股份有限公司 | 基于用户行为的业务宣传方法、装置、设备及存储介质 |
| CN114298583A (zh) * | 2021-12-30 | 2022-04-08 | 广州华银医学检验中心有限公司 | 基于ahp和熵权法结合赋权的客户评分系统 |
| CN114723516A (zh) * | 2022-03-15 | 2022-07-08 | 艺龙网信息技术（北京）有限公司 | 基于成单数据的用户相似度计算方法及系统 |
Non-Patent Citations (8)
| Title |
|---|
| Bei-Xue Ye ; Bao-Yi Zhang ; Da-Zi Lin.Identifying and Analyzing Interaction Design Factors for Age-friendly Products based on Sensory Compensation.《2022 15th International Symposium on Computational Intelligence and Design (ISCID)》.2023,第164-167页. * |
| M服装企业网络直播营销效果优化研究;朱康康;《中国优秀硕士学位论文全文数据库 (经济与管理科学辑)》(第7期);J150-470 * |
| Zhixiang Lu ; Yanhong Chen.User Evaluation Sentiment Analysis Model Based on Machine Learning.《2022 2nd International Conference on Consumer Electronics and Computer Engineering (ICCECE)》.2022,第461-464页. * |
| 基于SCOR模型的供应商评价指标研究;王森;张纪会;;青岛大学学报(工程技术版)(第02期);第116-121+128页 * |
| 基于在线评论的用户满意度评价研究;赵宇晴;阮平南;刘晓燕;单晓红;;管理评论(第03期);第179-189页 * |
| 基于大数据分析技术的电子商务供应商选择研究;徐杨;;现代电子技术(第15期);第160-162+166页 * |
| 基于大数据和粗糙集的产品需求分析方法研究;司光耀;王凯;李文强;李彦;牟亮;;工程设计学报;第23卷(第06期);第521-529页 * |
| 灰色模型的电子商务物流服务客户满意度评价研究;李寅光;;现代电子技术(第17期);第137-140页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116402399A (zh) | 2023-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116402399B (zh) | 基于人工智能与电子商城的业务数据处理方法及系统 | |
| CN107851097A (zh) | 数据分析系统、数据分析方法、数据分析程序及存储介质 | |
| CN107578270A (zh) | 一种金融标签的构建方法、装置及计算设备 | |
| CN104364781A (zh) | 用于计算类别比例的系统和方法 | |
| CN110866782A (zh) | 一种客户分类方法、系统以及电子设备 | |
| CN107958270A (zh) | 类别识别方法、装置、电子设备及计算机可读存储介质 | |
| CN114330752A (zh) | 排序模型训练方法和排序方法 | |
| CN114997956B (zh) | 基于大数据的母婴产品智能推荐系统 | |
| CN109740036A (zh) | Ota平台酒店排序方法及装置 | |
| CN112861895B (zh) | 一种异常物品的检测方法和装置 | |
| CN108537342A (zh) | 一种基于邻居信息的网络表示学习方法及系统 | |
| CN115396389A (zh) | 一种基于情绪能量感知的物联网信息技术客服服务系统 | |
| CN114638498A (zh) | Esg评价方法、系统、电子设备及存储设备 | |
| CN112783468A (zh) | 目标对象的排序方法和排序装置 | |
| CN113641823A (zh) | 文本分类模型训练、文本分类方法、装置、设备及介质 | |
| CN111768139A (zh) | 备货处理方法、装置、设备及存储介质 | |
| CN117333269B (zh) | 一种鲜花订单管理方法及系统 | |
| CN113837764B (zh) | 风险预警方法、装置、电子设备和存储介质 | |
| US20210304228A1 (en) | Method of information processing, electronic device, and computer program product | |
| CN111881287B (zh) | 一种分类模糊性分析方法及装置 | |
| CN117495233B (zh) | 一种航运年度价格推荐方法、系统、储存介质及设备 | |
| CN111881286B (zh) | 一种分类模糊性分析方法及装置 | |
| CN118134260A (zh) | 一种食品安全风险评估方法及系统 | |
| CN113781239A (zh) | 一种策略确定方法、装置、电子设备以及存储介质 | |
| CN117725193A (zh) | 内容处理方法、装置、设备及介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231204 Address after: Room 312, 3rd Floor, Building 1, No. 500 Zixu Road, Minhang District, Shanghai, 2011 Applicant after: Shanghai Jinyong Data Technology Co.,Ltd. Address before: 100000 914, Unit 4, Floor 9, Building 2, Jiayuan District 5, North Street, Changping District, Beijing Applicant before: Beijing Smart King Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |