CN116739646A - 网络交易大数据分析方法及分析系统 - Google Patents
网络交易大数据分析方法及分析系统 Download PDFInfo
- Publication number
- CN116739646A CN116739646A CN202311024685.9A CN202311024685A CN116739646A CN 116739646 A CN116739646 A CN 116739646A CN 202311024685 A CN202311024685 A CN 202311024685A CN 116739646 A CN116739646 A CN 116739646A
- Authority
- CN
- China
- Prior art keywords
- data
- analysis
- data tag
- network transaction
- tag
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004458 analytical method Methods 0.000 claims abstract description 310
- 230000002776 aggregation Effects 0.000 claims abstract description 70
- 238000004220 aggregation Methods 0.000 claims abstract description 70
- 238000013500 data storage Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000000586 desensitisation Methods 0.000 claims abstract description 9
- 230000004931 aggregating effect Effects 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims description 14
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000004806 packaging method and process Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims 2
- 238000006243 chemical reaction Methods 0.000 description 13
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种网络交易大数据分析方法及分析系统,聚合分析平台根据管理员配置的分析目标生成相对应的第一数据标签组和/或定制限定信息,按照数据存储架构对第一数据标签组转换得到第二数据标签组并发送至相应交易平台;交易平台在接收到相应第二数据标签组和/或定制限定信息后,遍历数据库内满足第二数据标签组和/或定制限定信息的数据并脱敏处理得到相对应的网络交易数据;聚合分析平台对所接收到的网络交易数据分析处理,并结合分析目标生成第一分析标签;对所有的第一分析标签进行组合归类得到多个分析标签组,按照分析标签组对网络交易数据聚合归类得到多个数据集;根据分析目标对数据标量按照相应的计算方式进行处理得到分析结果。
Description
技术领域
本发明涉及数据处理技术,尤其涉及一种网络交易大数据分析方法及分析系统。
背景技术
随着网络技术的飞速发展,人们设立了大量的网络交易平台,并且由于网络交易便利性的提升,越来越多的用户愿意在网络上进行交易,因此分析网络交易大数据用于协助用户进行调整经营尤为重要。
一般而言,在对网络交易大数据进行分析时,需要采集各个交易平台的网络交易数据,现有技术中,往往是通过人工逐一发送请求,当请求通过后人工再对大量的数据进行统一的数据格式转换,上述数据采集模式,导致数据采集效率低下,且需要占用大量的人力资源。
因此,如果实现网络交易数据的自动化高效采集,从而方便用户进行数据分析成为亟待解决的问题。
发明内容
本发明实施例提供一种网络交易大数据分析方法及分析系统,可以实现网络交易数据的自动化高效采集,从而方便用户进行数据分析。
本发明实施例的第一方面,提供一种网络交易大数据分析方法,包括:
聚合分析平台根据管理员配置的分析目标生成相对应的第一数据标签组和/或定制限定信息,按照每个交易平台所对应的数据存储架构对第一数据标签组转换得到第二数据标签组并发送至相应交易平台;
交易平台在接收到相应第二数据标签组和/或定制限定信息后,遍历数据库内满足第二数据标签组和/或定制限定信息的数据并脱敏处理得到相对应的网络交易数据;
聚合分析平台按照不同交易平台的数据存储架构对所接收到的网络交易数据分析处理,结合分析目标对相应的网络交易数据生成相对应的第一分析标签;
根据所述分析目标对所有的第一分析标签进行组合归类得到多个分析标签组,按照所述分析标签组对聚合分析平台所接收到的网络交易数据聚合归类得到多个数据集;
统计数据集内相应的数据标量,根据所述分析目标对数据标量按照相应的计算方式进行处理得到分析结果。
可选地,在第一方面的一种可能实现方式中,所述聚合分析平台根据管理员配置的分析目标生成相对应的第一数据标签组和/或定制限定信息,按照每个交易平台所对应的数据存储架构对第一数据标签组转换得到第二数据标签组并发送至相应交易平台,包括:
聚合分析平台若判断当前的分析目标与历史的分析目标相对应,则确定历史的数据标签组作为本次分析目标对应的第一数据标签组;
聚合分析平台若判断当前的分析目标与历史的分析目标不对应,则接收用户对本次分析目标所配置的配置标签作为本次分析目标对应的第一数据标签组;
聚合分析平台若判断管理员输入与本次分析目标所对应的定制限定信息,则对所述定制限定信息和第一数据标签组绑定处理;
聚合分析平台若判断当前的第一数据标签组和/或定制限定信息的数据架构与交易平台所对应的数据存储架构不对应,则对第一数据标签组转换得到第二数据标签组并发送至相应交易平台。
可选地,在第一方面的一种可能实现方式中,所述聚合分析平台若判断当前的第一数据标签组和/或定制限定信息的数据架构与交易平台所对应的数据存储架构不对应,则对第一数据标签组转换得到第二数据标签组并发送至相应交易平台,包括:
聚合分析平台确定当前的第一数据标签组和/或定制限定信息所对应的第一数据标签字符,获取每个交易平台与第一数据标签组和/或定制限定信息具有相同意义所对应的预设数据标签字符;
若所述第一数据标签字符和预设数据标签字符完全对应,则判断第一数据标签组与交易平台所对应的数据存储架构相对应,直接将第一数据标签组作为第二数据标签组;
若相同意义的第一数据标签字符和预设数据标签字符不对应,则将不对应的预设数据标签字符对第一数据标签字符替换,得到转换后的第二数据标签组。
可选地,在第一方面的一种可能实现方式中,所述交易平台在接收到相应第二数据标签组和/或定制限定信息后,遍历数据库内满足第二数据标签组和/或定制限定信息的数据并脱敏处理得到相对应的网络交易数据,包括:
根据第二数据标签组所对应所有的第二数据标签字符对数据库内的网络交易信息进行筛选,得到一次筛选后的网络交易信息;
基于所述定制限定信息对网络交易信息二次筛选,确定满足定制限定信息所对应的网络交易信息,对二次筛选后的网络交易信息脱敏处理后打包得到网络交易数据。
可选地,在第一方面的一种可能实现方式中,所述基于所述定制限定信息对网络交易信息二次筛选,确定满足定制限定信息所对应的网络交易信息,对二次筛选后的网络交易信息脱敏处理后打包得到网络交易数据,包括:
根据所述定制限定信息所对应的第二数据标签字符确定相应网络交易信息所对应的语句;
获取所述语句的语句属性,若所述语句属性满足所述定制限定信息要求则判断相应的网络交易信息满足要求,所述语句属性至少包括词语数量、词语类型。
可选地,在第一方面的一种可能实现方式中,所述聚合分析平台按照不同交易平台的数据存储架构对所接收到的网络交易数据分析处理,结合分析目标对相应的网络交易数据生成相对应的第一分析标签,包括:
聚合分析平台对不同交易平台所发送网络交易数据内的网络交易信息的数量统计,将数量最多的网络交易信息所对应的网络交易数据作为基准的网络交易数据;
将基准的网络交易数据的第二数据标签组的第二数据标签字符作为分析数据标签字符,对所有非基准的网络交易数据中相同含义的第二数据标签字符转换为分析数据标签字符;
根据分析目标确定相对应的分析数据标签字符为第一分析标签。
可选地,在第一方面的一种可能实现方式中,所述将基准的网络交易数据的第二数据标签组的第二数据标签字符作为分析数据标签字符,对所有非基准的网络交易数据中相同含义的第二数据标签字符转换为分析数据标签字符,包括:
确定非基准的网络交易数据中每个第二数据标签字符与第一数据标签字符的对应关系得到多个第一对应组,以及确定每个分析数据标签字符与第一数据标签字符的对应关系得到多个第二对应组;
确定具有相同第一数据标签字符所对应的第一对应组和第二对应组作为关联的第一对应组和第二对应组,将关联的第一对应组和第二对应组合并得到三元组;
基于所述三元组对所有非基准的网络交易数据中相同含义的第二数据标签字符转换为分析数据标签字符。
可选地,在第一方面的一种可能实现方式中,所述基于所述三元组对所有非基准的网络交易数据中相同含义的第二数据标签字符转换为分析数据标签字符,包括:
依次遍历每个非基准的网络交易数据中的第二数据标签字符,确定具有所述第二数据标签字符的三元组;
将所述三元组所对应的分析数据标签字符对第二数据标签字符替换。
可选地,在第一方面的一种可能实现方式中,所述根据所述分析目标对所有的第一分析标签进行组合归类得到多个分析标签组,按照所述分析标签组对聚合分析平台所接收到的网络交易数据聚合归类得到多个数据集,包括:
根据所述分析目标对所有的第一分析标签进行组合归类得到多个分析标签组,每个分析目标具有预设的标签归类分组方式;
基于所述分析标签组对网络交易数据中的所有网络交易信息遍历,统计符合相应分析标签组的网络交易信息得到与分析标签组所对应的数据集。
本发明实施例的第二方面,提供一种网络交易大数据分析系统,包括:
生成模块,用于使聚合分析平台根据管理员配置的分析目标生成相对应的第一数据标签组和/或定制限定信息,按照每个交易平台所对应的数据存储架构对第一数据标签组转换得到第二数据标签组并发送至相应交易平台;
遍历模块,用于使交易平台在接收到相应第二数据标签组和/或定制限定信息后,遍历数据库内满足第二数据标签组和/或定制限定信息的数据并脱敏处理得到相对应的网络交易数据;
分析模块,用于使聚合分析平台按照不同交易平台的数据存储架构对所接收到的网络交易数据分析处理,结合分析目标对相应的网络交易数据生成相对应的第一分析标签;
归类模块,用于根据所述分析目标对所有的第一分析标签进行组合归类得到多个分析标签组,按照所述分析标签组对聚合分析平台所接收到的网络交易数据聚合归类得到多个数据集;
统计模块,用于统计数据集内相应的数据标量,根据所述分析目标对数据标量按照相应的计算方式进行处理得到分析结果。
本发明实施例的第三方面,提供一种存储介质,所述存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能设计的所述方法。
本发明的有益效果如下:
1、本发明会将与多个交易平台建立数据传输通道,并基于各个平台的数据存储架构对所需采集的数据进行自动采集以及按照数据转换协议对采集到的网络交易数据进行自动转换,从而实现高效的网络交易数据的采集。本方发明会根据分析目标自动生成第一数据标签组和相应的定制限定信息,并依据各交易平台的数据存储架构对第一数据标签组和定制限定信息进行自动转换,方便后续交易平台进行遍历采集,将采集到的多个交易平台数据发送至聚合分析平台进行格式统一并归类得到多个数据集,方便后续依据数据集的数据进行数据分析,本发明实现了自动化的数据采集,提升了数据采集的效率。
2、本发明会依据分析目标自动确定相应的第一数据标签组和相应的定制限定信息,并依据不同交易平台的数据存储架构进行自动转换得到相应的第二数据标签组。本发明会先将分析目标与历史的分析目标进行比对,如果之前分析过,则重复使用上次的数据标签组,无须重复生成,减少数据处理量,如果没有分析过,则依据分析目标自行配置得到第一数据标签组,并与相应的定制限定信息绑定,并依据不同交易平台的数据存储架构对第一数据标签组进行自动转换为第二数据标签组,使得交易平台可以采用相应的第二数据标签组进行数据的自动采集,提升了采集效率,无须人为进行数据标签组的转换。
3、通过第二数据标签组和定制限定信息自动对数据进行采集,并将采集后的网络交易数据自动转化为分析标签组,方便后续利用分析标签组对应的数据集进行分析处理。本发明会将交易平台中网络交易数据最多的作为基准的网络交易数据,以基准的网络交易数据的第二数据标签组的第二数据标签字符作为分析数据标签字符,并将其他的非基准的网络交易数据以基准的分析数据标签字符进行转换,转换过程中通过三元组实现第二数据标签字符的自动转换,转换完成后利用分析标签组对聚合分析平台所接收到的网络交易数据聚合归类得到多个数据集,实现了对多个交易平台的交易数据进行自动归类的过程。
附图说明
图1为本发明所提供的一种网络交易大数据分析方法的流程图;
图2为本发明所提供的一种网络交易大数据分析系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
本发明提供一种网络交易大数据分析方法,如图1所示,具体包括S1-S5:
S1,聚合分析平台根据管理员配置的分析目标生成相对应的第一数据标签组和/或定制限定信息,按照每个交易平台所对应的数据存储架构对第一数据标签组转换得到第二数据标签组并发送至相应交易平台。
需要说明的是,如果仅对一个交易平台的网络交易数据进行分析,会导致分析有所偏差,不能较好的展现客户实际情况,因此,本发明会通过聚合分析平台对多个交易平台的网络数据进行采集,从而进行综合分析。
可以理解的是,聚合分析平台会依据管理员配置的分析目标生成相对应的第一数据标签组和/或定制限定信息,例如,依据管理员配置的分析目标:江苏地区1月至7月具有20字以上评论的男生衬衫生成相应的第一数据标签组(B、y1至y7,p,r01)和定制限定信息(20字以上),此处仅进行举例,比如定制限定信息也可以是销量、金钱维度,例如,100元以上,在此不做限定。
由于,不同交易平台的数据存储架构不同,相应的表达相同含义的信息对应不同的编码,例如,男生衬衫,在平台1中的标签为f35代表男生衬衫,在聚合分析平台中标签为r01代表男生衬衫。所以本发明会依据交易平台所对应的数据存储架构不同对数据标签组进行转化使得其与相应的交易平台相适应,方便后续进行数据的检索和采集。
进一步的,本发明会按照交易平台所对应的数据存储架构不同对第一数据标签组转换得到第二数据标签组并发送至相应交易平台。例如,将江苏地区1月至7月具有20字以上评论的男生衬衫(B、y1至y7,p,r01)转化为平台1的江苏地区1月至7月具有20字以上评论的男生衬衫(E、q1至q7、k、f35)。
其中,分析目标为与管理员配置的分析需求目标,例如,分析江苏地区1月至7月具有20字以上评论的男生衬衫。
第一数据标签组为聚合分析平台中依据分析目标生成的数据标签组,例如,江苏地区1月至7月具有20字以上评论的男生衬衫在聚合分析平台中对应的第一数据标签组为(B、y1至y7,p,r01),其中,B代表江苏地区,y1代表1月,y7代表7月,p代表评论,r01代表男士衬衫,。
第二数据标签组为依据各交易平台的数据存储架构由第一数据标签组转化得到的数据标签组。
通过上述实施方式,本方发明会建立聚合分析平台与各个交易平台的传输通道,并按照相应的转换协议将第一数据标签组转化为相应交易平台的第二数据标签组,从而实现自动转化的过程,方便后续进行自动遍历采集。
在一些实施例中,步骤S1中的(聚合分析平台根据管理员配置的分析目标生成相对应的第一数据标签组和/或定制限定信息,按照每个交易平台所对应的数据存储架构对第一数据标签组转换得到第二数据标签组并发送至相应交易平台),包括S11-S14:
S11,聚合分析平台若判断当前的分析目标与历史的分析目标相对应,则确定历史的数据标签组作为本次分析目标对应的第一数据标签组。
可以理解的是,聚合分析平台如果判断当前的分析目标与历史的分析目标相对应,比如,去年分析过江苏地区1月至7月具有20字以上评论的男生衬衫,则确定历史的数据标签组作为本次分析目标对应的第一数据标签组。不难理解的是,此时直接获取历史使用的数据标签组,无需自行生生成较少了数据处理量。
S12,聚合分析平台若判断当前的分析目标与历史的分析目标不对应,则接收用户对本次分析目标所配置的配置标签作为本次分析目标对应的第一数据标签组。
可以理解的是,如果历史并未分析过,则直接依据用户对本次分析目标所配置的配置标签作为本次分析目标对应的第一数据标签组,不难理解的是,如果未进行分析,则无法调取历史的数据标签组,此时则进行自行配置。其中,配置标签为依据分析目标所配置的标签。
S13,聚合分析平台若判断管理员输入与本次分析目标所对应的定制限定信息,则对所述定制限定信息和第一数据标签组绑定处理。
需要说明的是,管理员可以输入与本次分析目标所对应的定制限定信息,比如,20字以上评论,也可以不输入,分析目标为江苏地区1月至7月的男生衬衫。
可以理解的是,聚合分析平台如果判断管理员输入与本次分析目标所对应的定制限定信息,则将定制限定信息和第一数据标签组绑定处理,如果存在则将定制限定信息与相应的第一数据标签组进行绑定,方便后续进行处理。
S14,聚合分析平台若判断当前的第一数据标签组和/或定制限定信息的数据架构与交易平台所对应的数据存储架构不对应,则对第一数据标签组转换得到第二数据标签组并发送至相应交易平台。
可以理解的是,聚合分析平台如果判断当前的第一数据标签组和/或定制限定信息的数据架构与交易平台所对应的数据存储架构不对应,例如,江苏地区1月至7月具有20字以上评论的男生衬衫在聚合分析平台中对应的第一数据标签组为(B、y1至y7,p,r01)而在平台1中为(E、q1至q7、k、f35),则需要对第一数据标签组转换得到第二数据标签组并发送至相应交易平台,方便后续交易平台直接利用与其适配的第二数据标签组进行数据的遍历和采集。
在一些实施例中,步骤S14中的(聚合分析平台若判断当前的第一数据标签组和/或定制限定信息的数据架构与交易平台所对应的数据存储架构不对应,则对第一数据标签组转换得到第二数据标签组并发送至相应交易平台),包括S141-S143:
S141,聚合分析平台确定当前的第一数据标签组和/或定制限定信息所对应的第一数据标签字符,获取每个交易平台与第一数据标签组和/或定制限定信息具有相同意义所对应的预设数据标签字符。
可以理解的是,聚合分析平台首先会确定当前的第一数据标签组和/或定制限定信息所对应的第一数据标签字符,其中,第一数据标签字符为第一数据标签组和/或定制限定信息对应的标签字符,例如,第一数据标签组为(B、y1至y7,p,r01)对应的第一数据标签字符为B、y1、y7等字符。随后获取每个交易平台与第一数据标签组和/或定制限定信息具有相同意义所对应的预设数据标签字符。
不难理解的是,聚合分析平台会预先就会获取每个交易平台的预设数据标签字符,比如,平台1中江苏地区对应的预设数据标签字符为E,则可以得到具有相同意义的聚合分析平台和其他平台的字符对应关系,方便进行转换。
S142,若所述第一数据标签字符和预设数据标签字符完全对应,则判断第一数据标签组与交易平台所对应的数据存储架构相对应,直接将第一数据标签组作为第二数据标签组。
可以理解的是,如果第一数据标签字符和预设数据标签字符完全对应,则说明聚合分析平台与该平台的数据存储架构相同,两者表示相同含义对应的字符一致,因此直接将第一数据标签组作为第二数据标签组,无需进行转换。
S143,若相同意义的第一数据标签字符和预设数据标签字符不对应,则将不对应的预设数据标签字符对第一数据标签字符替换,得到转换后的第二数据标签组。
可以理解的是,如果相同意义的第一数据标签字符和预设数据标签字符不对应,则说明此时数据存储架构不相同,则将不对应的预设数据标签字符对第一数据标签字符替换,转换为相应平台可以识别的字符,从而得到转换后的第二数据标签组。
例如,将(B、y1至y7,p,r01)转换为平台1的(E、q1至q7、k、f35),方便平台1进行遍历并采集相应的需求数据。
S2,交易平台在接收到相应第二数据标签组和/或定制限定信息后,遍历数据库内满足第二数据标签组和/或定制限定信息的数据并脱敏处理得到相对应的网络交易数据。
可以理解的是,交易平台在接收到相应第二数据标签组和/或定制限定信息后,依据该第二数据标签组和/或定制限定信息遍历数据库,并提取并脱敏满足第二数据标签组和/或定制限定信息的数据,从而得到相应的网络交易数据。
其中,脱敏处理可以是对网络交易数据中的姓名、联系方式、昵称等敏感信息进行脱敏,此处为现有技术在此不做赘述。
在一些实施例中,步骤S2中的(交易平台在接收到相应第二数据标签组和/或定制限定信息后,遍历数据库内满足第二数据标签组和/或定制限定信息的数据并脱敏处理得到相对应的网络交易数据),包括S21-S22:
S21,根据第二数据标签组所对应所有的第二数据标签字符对数据库内的网络交易信息进行筛选,得到一次筛选后的网络交易信息。
不难理解的是,通过第二数据标签组所对应所有的第二数据标签字符对数据库内的网络交易信息进行筛选,得到一次筛选后的网络交易信息。例如,通过(E、q1至q7、k、f35)江苏地区1月至7月具有评论的男生衬衫对平台1中的网络交易信息进行筛选。
S22,基于所述定制限定信息对网络交易信息二次筛选,确定满足定制限定信息所对应的网络交易信息,对二次筛选后的网络交易信息脱敏处理后打包得到网络交易数据。
可以理解的是,随后在此依据绑定的定制限定信息对网络交易信息二次筛选,确定满足定制限定信息所对应的网络交易信息,并对二次筛选后的网络交易信息脱敏处理后打包得到网络交易数据。例如,定制限定信息为20字以上的评论,也可以是金额处于100元以上,在此不做限定。
在一些实施例中,步骤S22中的(基于所述定制限定信息对网络交易信息二次筛选,确定满足定制限定信息所对应的网络交易信息,对二次筛选后的网络交易信息脱敏处理后打包得到网络交易数据),包括S221-S22:
S221,根据所述定制限定信息所对应的第二数据标签字符确定相应网络交易信息所对应的语句。
可以理解的是,服务器会依据定制限定信息所对应的第二数据标签字符确定相应网络交易信息所对应的语句。
例如,依据20字以上的评论所对应的k(评论),从而确定相应网络交易信息的评论语句。
S222,获取所述语句的语句属性,若所述语句属性满足所述定制限定信息要求则判断相应的网络交易信息满足要求,所述语句属性至少包括词语数量、词语类型。
可以理解的是,获取所述语句的语句属性,如果语句属性满足所述定制限定信息要求则判断相应的网络交易信息满足要求,则进行后续的采集。所述语句属性至少包括词语数量、词语类型。
例如,获取评论语句的语句属性,评论语句的语句属性为20字以上,好评、差评等,其中,词语数量即20字以上,词语类型为好评、差评。
S3,聚合分析平台按照不同交易平台的数据存储架构对所接收到的网络交易数据分析处理,结合分析目标对相应的网络交易数据生成相对应的第一分析标签。
需要说明的是,由于聚合分析平台接收到的网络交易数据为多个不同交易平台的数据,因此需要将数据对应的标签进行统一,方便后续进行统一的分析处理。
因此,聚合分析平台按照不同交易平台的数据存储架构对所接收到的网络交易数据进行分析处理,结合分析目标对相应的网络交易数据对应的第二数据标签字符进行自动转换得到统一的第一分析标签。
通过上述实施方式,对各个交易平台的网络交易数据的标签字符进行了统一,方便后续进行分析和处理。
在一些实施例中,步骤S3中的(聚合分析平台按照不同交易平台的数据存储架构对所接收到的网络交易数据分析处理,结合分析目标对相应的网络交易数据生成相对应的第一分析标签),包括S31-S33:
S31,聚合分析平台对不同交易平台所发送网络交易数据内的网络交易信息的数量统计,将数量最多的网络交易信息所对应的网络交易数据作为基准的网络交易数据。
可以理解的是,聚合分析平台对不同交易平台所发送网络交易数据内的网络交易信息的数量统计,并将数量最多的网络交易信息所对应的网络交易数据作为基准的网络交易数据。
例如,平台1对应网络交易数据的网络交易信息为1000,平台2对应网络交易数据的网络交易信息为500,则会将平台1对应网络交易数据作为基准的网络交易数据,方便后续以基准的网络交易数据进行统一转换。
S32,将基准的网络交易数据的第二数据标签组的第二数据标签字符作为分析数据标签字符,对所有非基准的网络交易数据中相同含义的第二数据标签字符转换为分析数据标签字符。
可以理解的是,在进行分析处理前,需要将多个交易平台的网络交易数据对应的字符转换为统一的格式,方便后续进行处理。
因此,服务器会将基准的网络交易数据的第二数据标签组的第二数据标签字符作为分析数据标签字符,将非基准的网络交易数据中相同含义的第二数据标签字符转换为分析数据标签字符,不难理解的是,将所有标签字符均转换为分析数据标签字符。
例如,将平台1对应江苏地区的分析数据标签字符为B,平台2对应江苏地区的字符为L,则将L转化为B,可以理解的是,以数据量最大的进行转换可以减少数据处理量。
在一些实施例中,步骤S32中的(将基准的网络交易数据的第二数据标签组的第二数据标签字符作为分析数据标签字符,对所有非基准的网络交易数据中相同含义的第二数据标签字符转换为分析数据标签字符),包括S321-S323:
S321,确定非基准的网络交易数据中每个第二数据标签字符与第一数据标签字符的对应关系得到多个第一对应组,以及确定每个分析数据标签字符与第一数据标签字符的对应关系得到多个第二对应组。
可以理解的是,服务器会确定非基准的网络交易数据中每个第二数据标签字符与第一数据标签字符的对应关系得到多个第一对应组,不难理解的是,确定的是在意义相同的情况下聚合分析平台的第一数据标签字符和其他非基准的第二数据标签字符的对应关系。
例如,江苏地区在聚合分析平台中的第一数据标签字符为B,江苏地区在平台2中的第二数据标签字符(非基准的网络交易数据中每个第二数据标签字符)为L,因此,第一对应组为B=L。
进一步的,确定每个分析数据标签字符与第一数据标签字符的对应关系得到多个第二对应组。
例如,江苏地区在聚合分析平台中的第一数据标签字符为B,江苏地区在平台1中的分析数据标签字符为E,则第二对应组为B=E。
S322,确定具有相同第一数据标签字符所对应的第一对应组和第二对应组作为关联的第一对应组和第二对应组,将关联的第一对应组和第二对应组合并得到三元组。
可以理解的是,确定具有相同第一数据标签字符所对应的第一对应组和第二对应组作为关联的第一对应组和第二对应组。
例如,第一对应组为B=L和第二对应组为B=E,具有相同第一数据标签字符B,则将2者作为关联的第一对应组和第二对应组。
进一步的,将关联的第一对应组和第二对应组合并得到三元组。
例如,将第一对应组为B=L与第二对应组为B=E合并,得到三元组B=E=L。
S323,基于所述三元组对所有非基准的网络交易数据中相同含义的第二数据标签字符转换为分析数据标签字符。
可以理解的是,通过三元组对所有非基准的网络交易数据中相同含义的第二数据标签字符转换为分析数据标签字符。
例如,三元组B=E=L中非基准的L转化为E。
在一些实施例中,步骤S323中的(基于所述三元组对所有非基准的网络交易数据中相同含义的第二数据标签字符转换为分析数据标签字符),包括S3231-S323:
S3231,依次遍历每个非基准的网络交易数据中的第二数据标签字符,确定具有所述第二数据标签字符的三元组。
可以理解的是,服务器会依次遍历每个非基准的网络交易数据中的第二数据标签字符,并确定遍历的第二数据标签字符所对应的三元组。
例如,确定非基准的第二数据标签字符L所在的三元组为B=E=L。
S3232,将所述三元组所对应的分析数据标签字符对第二数据标签字符替换。
S33,根据分析目标确定相对应的分析数据标签字符为第一分析标签。
S4,根据所述分析目标对所有的第一分析标签进行组合归类得到多个分析标签组,按照所述分析标签组对聚合分析平台所接收到的网络交易数据聚合归类得到多个数据集。
可以理解的是,根据分析目标对所有的第一分析标签进行组合归类得到多个分析标签组,例如,对将江苏地区1月至7月具有20字以上评论的男生衬衫进行分析,因此,江苏地区1月具有20字以上评论的男生衬衫、江苏地区2月具有20字以上评论的男生衬衫,江苏地区3月具有20字以上评论的男生衬衫等进行组合归类,得到多组分析标签组(B、y1,p,r01)、(B、y2,p,r01)、(B、y3,p,r01)等。每个分析标签组对应各自的月份,此处为方便理解仅以月份进行举例,也可以是其他维度数据,在此不做限定。
进一步的,按照分析标签组对聚合分析平台所接收到的网络交易数据聚合归类得到多个数据集,例如,以分析标签组(B、y1,p,r01)、(B、y2,p,r01)、(B、y3,p,r01)中每个月份对网络交易数据进行聚合归类从而得到每个月的网络交易数据,即多个数据集。方便后续以月份、金额等维度进行数据为基础进行分析处理。
在一些实施例中,步骤S4中的(根据所述分析目标对所有的第一分析标签进行组合归类得到多个分析标签组,按照所述分析标签组对聚合分析平台所接收到的网络交易数据聚合归类得到多个数据集),包括S41-:
S41,根据所述分析目标对所有的第一分析标签进行组合归类得到多个分析标签组,每个分析目标具有预设的标签归类分组方式。
可以理解的是,依据分析目标对所有的第一分析标签进行组合归类得到多个分析标签组,其中,每个分析目标具有预设的标签归类分组方式。
例如,分析目标为江苏地区1月至7月的男生衬衫,则该分析目标对应的标签归类分组方式为按照月份进行归类分组,如果分析目标是以金额维度基础的分析目标,则标签归类分组方式是以金额为基准。
S42,基于所述分析标签组对网络交易数据中的所有网络交易信息遍历,统计符合相应分析标签组的网络交易信息得到与分析标签组所对应的数据集。
可以理解的是,服务器根据分析标签组对网络交易数据中的所有网络交易信息遍历,从而提取出符合需求的网络交易数据,从而得到对应分析标签组所对应的数据集。
例如,江苏地区1月的男生衬衫对应的数据集1,江苏地区2月的男生衬衫对应的数据集2。
S5,统计数据集内相应的数据标量,根据所述分析目标对数据标量按照相应的计算方式进行处理得到分析结果。
可以理解的是,统计数据集内相应的数据标量,例如,可以是统计1月至7月每个数据集中的销售数量,数据标量即销售数量,具体依据分析目标进行确定。随后根据分析目标对数据标量按照相应的计算方式进行处理得到分析结果,不难理解的是,得到了数据标量后可以依据用户的不同需求进行相应的计算从而得到分析结果,比如,计算1月销售量占总销售量的占比,7月销售占总销售占比,可以用于指导用户在不同月份生产相应数量的商品,也可以计算销量变化率等。
如图2所示,是本发明实施例提供的一种网络交易大数据分析系统,包括:
生成模块,用于使聚合分析平台根据管理员配置的分析目标生成相对应的第一数据标签组和/或定制限定信息,按照每个交易平台所对应的数据存储架构对第一数据标签组转换得到第二数据标签组并发送至相应交易平台;
遍历模块,用于使交易平台在接收到相应第二数据标签组和/或定制限定信息后,遍历数据库内满足第二数据标签组和/或定制限定信息的数据并脱敏处理得到相对应的网络交易数据;
分析模块,用于使聚合分析平台按照不同交易平台的数据存储架构对所接收到的网络交易数据分析处理,结合分析目标对相应的网络交易数据生成相对应的第一分析标签;
归类模块,用于根据所述分析目标对所有的第一分析标签进行组合归类得到多个分析标签组,按照所述分析标签组对聚合分析平台所接收到的网络交易数据聚合归类得到多个数据集;
统计模块,用于统计数据集内相应的数据标量,根据所述分析目标对数据标量按照相应的计算方式进行处理得到分析结果。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.网络交易大数据分析方法,其特征在于,包括:
聚合分析平台根据管理员配置的分析目标生成相对应的第一数据标签组和/或定制限定信息,按照每个交易平台所对应的数据存储架构对第一数据标签组转换得到第二数据标签组并发送至相应交易平台;
交易平台在接收到相应第二数据标签组和/或定制限定信息后,遍历数据库内满足第二数据标签组和/或定制限定信息的数据并脱敏处理得到相对应的网络交易数据;
聚合分析平台按照不同交易平台的数据存储架构对所接收到的网络交易数据分析处理,结合分析目标对相应的网络交易数据生成相对应的第一分析标签;
根据所述分析目标对所有的第一分析标签进行组合归类得到多个分析标签组,按照所述分析标签组对聚合分析平台所接收到的网络交易数据聚合归类得到多个数据集;
统计数据集内相应的数据标量,根据所述分析目标对数据标量按照相应的计算方式进行处理得到分析结果。
2.根据权利要求1所述的网络交易大数据分析方法,其特征在于,
所述聚合分析平台根据管理员配置的分析目标生成相对应的第一数据标签组和/或定制限定信息,按照每个交易平台所对应的数据存储架构对第一数据标签组转换得到第二数据标签组并发送至相应交易平台,包括:
聚合分析平台若判断当前的分析目标与历史的分析目标相对应,则确定历史的数据标签组作为本次分析目标对应的第一数据标签组;
聚合分析平台若判断当前的分析目标与历史的分析目标不对应,则接收用户对本次分析目标所配置的配置标签作为本次分析目标对应的第一数据标签组;
聚合分析平台若判断管理员输入与本次分析目标所对应的定制限定信息,则对所述定制限定信息和第一数据标签组绑定处理;
聚合分析平台若判断当前的第一数据标签组和/或定制限定信息的数据架构与交易平台所对应的数据存储架构不对应,则对第一数据标签组转换得到第二数据标签组并发送至相应交易平台。
3.根据权利要求2所述的网络交易大数据分析方法,其特征在于,
所述聚合分析平台若判断当前的第一数据标签组和/或定制限定信息的数据架构与交易平台所对应的数据存储架构不对应,则对第一数据标签组转换得到第二数据标签组并发送至相应交易平台,包括:
聚合分析平台确定当前的第一数据标签组和/或定制限定信息所对应的第一数据标签字符,获取每个交易平台与第一数据标签组和/或定制限定信息具有相同意义所对应的预设数据标签字符;
若所述第一数据标签字符和预设数据标签字符完全对应,则判断第一数据标签组与交易平台所对应的数据存储架构相对应,直接将第一数据标签组作为第二数据标签组;
若相同意义的第一数据标签字符和预设数据标签字符不对应,则将不对应的预设数据标签字符对第一数据标签字符替换,得到转换后的第二数据标签组。
4.根据权利要求3所述的网络交易大数据分析方法,其特征在于,
所述交易平台在接收到相应第二数据标签组和/或定制限定信息后,遍历数据库内满足第二数据标签组和/或定制限定信息的数据并脱敏处理得到相对应的网络交易数据,包括:
根据第二数据标签组所对应所有的第二数据标签字符对数据库内的网络交易信息进行筛选,得到一次筛选后的网络交易信息;
基于所述定制限定信息对网络交易信息二次筛选,确定满足定制限定信息所对应的网络交易信息,对二次筛选后的网络交易信息脱敏处理后打包得到网络交易数据。
5.根据权利要求3所述的网络交易大数据分析方法,其特征在于,
所述基于所述定制限定信息对网络交易信息二次筛选,确定满足定制限定信息所对应的网络交易信息,对二次筛选后的网络交易信息脱敏处理后打包得到网络交易数据,包括:
根据所述定制限定信息所对应的第二数据标签字符确定相应网络交易信息所对应的语句;
获取所述语句的语句属性,若所述语句属性满足所述定制限定信息要求则判断相应的网络交易信息满足要求,所述语句属性至少包括词语数量、词语类型。
6.根据权利要求4所述的网络交易大数据分析方法,其特征在于,
所述聚合分析平台按照不同交易平台的数据存储架构对所接收到的网络交易数据分析处理,结合分析目标对相应的网络交易数据生成相对应的第一分析标签,包括:
聚合分析平台对不同交易平台所发送网络交易数据内的网络交易信息的数量统计,将数量最多的网络交易信息所对应的网络交易数据作为基准的网络交易数据;
将基准的网络交易数据的第二数据标签组的第二数据标签字符作为分析数据标签字符,对所有非基准的网络交易数据中相同含义的第二数据标签字符转换为分析数据标签字符;
根据分析目标确定相对应的分析数据标签字符为第一分析标签。
7.根据权利要求6所述的网络交易大数据分析方法,其特征在于,
所述将基准的网络交易数据的第二数据标签组的第二数据标签字符作为分析数据标签字符,对所有非基准的网络交易数据中相同含义的第二数据标签字符转换为分析数据标签字符,包括:
确定非基准的网络交易数据中每个第二数据标签字符与第一数据标签字符的对应关系得到多个第一对应组,以及确定每个分析数据标签字符与第一数据标签字符的对应关系得到多个第二对应组;
确定具有相同第一数据标签字符所对应的第一对应组和第二对应组作为关联的第一对应组和第二对应组,将关联的第一对应组和第二对应组合并得到三元组;
基于所述三元组对所有非基准的网络交易数据中相同含义的第二数据标签字符转换为分析数据标签字符。
8.根据权利要求7所述的网络交易大数据分析方法,其特征在于,
所述基于所述三元组对所有非基准的网络交易数据中相同含义的第二数据标签字符转换为分析数据标签字符,包括:
依次遍历每个非基准的网络交易数据中的第二数据标签字符,确定具有所述第二数据标签字符的三元组;
将所述三元组所对应的分析数据标签字符对第二数据标签字符替换。
9.根据权利要求7所述的网络交易大数据分析方法,其特征在于,
所述根据所述分析目标对所有的第一分析标签进行组合归类得到多个分析标签组,按照所述分析标签组对聚合分析平台所接收到的网络交易数据聚合归类得到多个数据集,包括:
根据所述分析目标对所有的第一分析标签进行组合归类得到多个分析标签组,每个分析目标具有预设的标签归类分组方式;
基于所述分析标签组对网络交易数据中的所有网络交易信息遍历,统计符合相应分析标签组的网络交易信息得到与分析标签组所对应的数据集。
10.网络交易大数据分析系统,其特征在于,包括:
生成模块,用于使聚合分析平台根据管理员配置的分析目标生成相对应的第一数据标签组和/或定制限定信息,按照每个交易平台所对应的数据存储架构对第一数据标签组转换得到第二数据标签组并发送至相应交易平台;
遍历模块,用于使交易平台在接收到相应第二数据标签组和/或定制限定信息后,遍历数据库内满足第二数据标签组和/或定制限定信息的数据并脱敏处理得到相对应的网络交易数据;
分析模块,用于使聚合分析平台按照不同交易平台的数据存储架构对所接收到的网络交易数据分析处理,结合分析目标对相应的网络交易数据生成相对应的第一分析标签;
归类模块,用于根据所述分析目标对所有的第一分析标签进行组合归类得到多个分析标签组,按照所述分析标签组对聚合分析平台所接收到的网络交易数据聚合归类得到多个数据集;
统计模块,用于统计数据集内相应的数据标量,根据所述分析目标对数据标量按照相应的计算方式进行处理得到分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311024685.9A CN116739646B (zh) | 2023-08-15 | 2023-08-15 | 网络交易大数据分析方法及分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311024685.9A CN116739646B (zh) | 2023-08-15 | 2023-08-15 | 网络交易大数据分析方法及分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116739646A true CN116739646A (zh) | 2023-09-12 |
CN116739646B CN116739646B (zh) | 2023-11-24 |
Family
ID=87901634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311024685.9A Active CN116739646B (zh) | 2023-08-15 | 2023-08-15 | 网络交易大数据分析方法及分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116739646B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015043163A (ja) * | 2013-08-26 | 2015-03-05 | 日本電信電話株式会社 | 係り受け関係解析パラメータ学習装置、係り受け関係解析装置、方法、及びプログラム |
CN104636421A (zh) * | 2013-11-08 | 2015-05-20 | 洛克威尔自动控制技术股份有限公司 | 使用云计算的工业监视 |
AU2017342688A1 (en) * | 2016-10-11 | 2019-05-02 | Genomsys Sa | Method and system for selective access of stored or transmitted bioinformatics data |
CN111640040A (zh) * | 2020-04-07 | 2020-09-08 | 国网新疆电力有限公司 | 基于客户画像技术的供电客户价值评价方法及大数据平台 |
WO2021121631A1 (en) * | 2019-12-20 | 2021-06-24 | Brainlab Ag | Correcting segmentation of medical images using a statistical analysis of historic corrections |
US20210326528A1 (en) * | 2020-04-15 | 2021-10-21 | Salesforce.Com, Inc. | Language analysis platform based on target recipient profile data |
WO2022069564A1 (fr) * | 2020-10-01 | 2022-04-07 | Thales | Procédé et dispositif électronique de génération d'une base structurée de données pertinentes pour la gestion d'une mission, programme d'ordinateur associé |
CN114296775A (zh) * | 2022-03-09 | 2022-04-08 | 南京易联阳光信息技术股份有限公司 | 基于大数据的智能运维方法及系统 |
CN114841815A (zh) * | 2022-06-02 | 2022-08-02 | 中国工商银行股份有限公司 | 交易分析方法及装置、电子设备和计算机可读存储介质 |
CN115080698A (zh) * | 2022-07-01 | 2022-09-20 | 公诚管理咨询有限公司 | 基于大数据的招投标分析方法、系统、设备及存储介质 |
CN115238688A (zh) * | 2022-08-15 | 2022-10-25 | 广州市刑事科学技术研究所 | 电子信息数据关联关系分析方法、装置、设备和存储介质 |
-
2023
- 2023-08-15 CN CN202311024685.9A patent/CN116739646B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015043163A (ja) * | 2013-08-26 | 2015-03-05 | 日本電信電話株式会社 | 係り受け関係解析パラメータ学習装置、係り受け関係解析装置、方法、及びプログラム |
CN104636421A (zh) * | 2013-11-08 | 2015-05-20 | 洛克威尔自动控制技术股份有限公司 | 使用云计算的工业监视 |
AU2017342688A1 (en) * | 2016-10-11 | 2019-05-02 | Genomsys Sa | Method and system for selective access of stored or transmitted bioinformatics data |
WO2021121631A1 (en) * | 2019-12-20 | 2021-06-24 | Brainlab Ag | Correcting segmentation of medical images using a statistical analysis of historic corrections |
CN111640040A (zh) * | 2020-04-07 | 2020-09-08 | 国网新疆电力有限公司 | 基于客户画像技术的供电客户价值评价方法及大数据平台 |
US20210326528A1 (en) * | 2020-04-15 | 2021-10-21 | Salesforce.Com, Inc. | Language analysis platform based on target recipient profile data |
WO2022069564A1 (fr) * | 2020-10-01 | 2022-04-07 | Thales | Procédé et dispositif électronique de génération d'une base structurée de données pertinentes pour la gestion d'une mission, programme d'ordinateur associé |
CN114296775A (zh) * | 2022-03-09 | 2022-04-08 | 南京易联阳光信息技术股份有限公司 | 基于大数据的智能运维方法及系统 |
CN114841815A (zh) * | 2022-06-02 | 2022-08-02 | 中国工商银行股份有限公司 | 交易分析方法及装置、电子设备和计算机可读存储介质 |
CN115080698A (zh) * | 2022-07-01 | 2022-09-20 | 公诚管理咨询有限公司 | 基于大数据的招投标分析方法、系统、设备及存储介质 |
CN115238688A (zh) * | 2022-08-15 | 2022-10-25 | 广州市刑事科学技术研究所 | 电子信息数据关联关系分析方法、装置、设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
文庭孝 等: "大数据时代的信息分析变革研究", 图书情报知识, no. 05, pages 66 - 73 * |
韩鹏昊: "基于图数据库的科技咨询数据资源管理平台研究与实现", 中国优秀硕士学位论文全文数据库 (信息科技辑), no. 01, pages 138 - 797 * |
Also Published As
Publication number | Publication date |
---|---|
CN116739646B (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110020660B (zh) | 使用人工智能(ai)技术的非结构化过程的完整性评估 | |
US20170109657A1 (en) | Machine Learning-Based Model for Identifying Executions of a Business Process | |
US20170109676A1 (en) | Generation of Candidate Sequences Using Links Between Nonconsecutively Performed Steps of a Business Process | |
CN108153729B (zh) | 一种面向金融领域的知识抽取方法 | |
US20170109636A1 (en) | Crowd-Based Model for Identifying Executions of a Business Process | |
US20180046956A1 (en) | Warning About Steps That Lead to an Unsuccessful Execution of a Business Process | |
CN110543550B (zh) | 自动生成试题的方法和装置 | |
CN112396437A (zh) | 一种基于知识图谱的贸易合同验证方法及装置 | |
JP2023548007A (ja) | Xbrlタグの提案及び検証のためのシステム及び方法 | |
CN112200465B (zh) | 基于多媒体信息智能分析的电力ai方法及系统 | |
CN110276609B (zh) | 业务数据处理方法及装置、电子设备、计算机可读介质 | |
CN109902215A (zh) | 一种交易匹配的方法及系统 | |
CN112883202A (zh) | 一种基于知识图谱的多组件建模方法和系统 | |
CN116739646B (zh) | 网络交易大数据分析方法及分析系统 | |
CN107016561B (zh) | 一种信息处理方法和装置 | |
CN116452212B (zh) | 一种智能客服商品知识库信息管理方法及系统 | |
CN112685374B (zh) | 日志分类方法、装置及电子设备 | |
CN108549672A (zh) | 一种数据智能分析方法及系统 | |
CN112416800A (zh) | 智能合约的测试方法、装置、设备及存储介质 | |
CN114330720A (zh) | 用于云计算的知识图谱构建方法、设备及存储介质 | |
CN113159118A (zh) | 物流数据指标的处理方法、装置、设备及存储介质 | |
CN114356115A (zh) | 智能录入表单的方法、电子设备及计算机可读存储介质 | |
CN113238888A (zh) | 数据处理方法、系统及装置 | |
CN113836187A (zh) | 数据处理方法、装置、服务器及计算机可读存储介质 | |
CN110232328A (zh) | 一种征信报告解析方法、装置及计算机可读存储介质 |
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 |