CN117172796A - 一种大数据电子商务管理系统 - Google Patents

Abstract

本发明提供了一种大数据电子商务管理系统，涉及电子商务管理技术领域。所述系统包括权限获取应用模块，用于获取商家和用户的交易管理权限，根据交易管理权限获取各个商品的占有状态及其占有时长；商品矩阵生成模块，用于定时统计同一商家所有商品的占有状态，创建商品矩阵；商品矩阵聚类模块，用于根据时间标签排列所述商品矩阵，根据商品矩阵对商家进行聚类；异常处理模块，用于接收商家上传的异常上报信息，基于聚类结果判定异常上报信息的准确率，根据准确率确定处理时限。当接收到某个商家反馈的问题时，获取同类商家中是否有其他商家反馈同时的问题，进而判断该问题的普遍性及重要性，从而更有效的分配有限的处理资源。

Description

一种大数据电子商务管理系统

技术领域

本发明涉及电子商务管理技术领域，具体涉及一种大数据电子商务管理系统。

背景技术

线上交易平台是电子商务领域中的一种常见应用，随机社会的进步以及科技的发展，线上交易平台逐渐进入了每个人的生活。

现有的线上交易平台大都将重心放置于用户，对商家的问题反而不会太过于重视，这使得有些情况下，商家的利益受到了极大的损害，此外，当商家的利益受到损害时，商家为了避免损失，只能将某些服务停止，这实际上也损害了其他用户的利益。

举例来说，7日无条件退货是一项很好的服务，但是由于个别用户的“钻空”行为，使得商家不得不停止这项服务，这同时损害了商家和其他用户的利益。

出现这种情况的主要原因是个别用户，实际上，它与平台的处理方式也是相关的，随着平台规模的变大，每天接收到的上报问题有很多，处理这些上报问题需要大量的服务人员，这使得每种问题都需要消耗大量的时间才能得到反馈，当出现大面积的类似于“使用后退货”这类问题时，如果平台能够及时处理，那么商家便不会取消此项服务；因此，如何对商家反馈的问题进行重要性识别，对有限的处理资源进行合理分配是本发明技术方案想要解决的技术问题。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种大数据电子商务管理系统，解决了如何对商家反馈的问题进行重要性识别，对有限的处理资源进行合理分配是本发明技术方案想要解决的技术问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种大数据电子商务管理系统，该系统包括：

权限获取应用模块，用于获取商家和用户的交易管理权限，根据交易管理权限获取各个商品的占有状态及其占有时长；

商品矩阵生成模块，用于定时统计同一商家所有商品的占有状态，创建商品矩阵；所述商品矩阵含有时间标签；

商品矩阵聚类模块，用于根据时间标签排列所述商品矩阵，根据商品矩阵对商家进行聚类；

异常处理模块，用于接收商家上传的异常上报信息，基于聚类结果判定异常上报信息的准确率，根据准确率确定处理时限；所述处理时限用于表征处理异常的最长时间要求。

作为本发明实施例技术方案进一步的限定，所述权限获取应用模块包括：

待检商家确定单元，用于在注册阶段获取商家和用户的交易管理权限，并确定待检商家；

订单流程监听单元，用于基于交易管理权限实时监听待检商家的订单流程；

数据缓存单元，用于当监听到交易启动指令时，在缓存数据库中新建以订单号为标签的存储单元，根据存储单元实时存储对应订单的占有状态及其占有时长；

静态存储单元，用于当监听到交易结束指令时，根据订单号在缓存数据库中提取存储单元中的数据，输入静态数据库。

作为本发明实施例技术方案进一步的限定，所述商品矩阵生成模块包括：

采样点选取单元，用于根据预设的时间间隔选取采样点；

定位读取单元，用于根据采样点在静态数据库中定位目标数据并读取占有状态；所述目标数据的时间区间包括采样点；

顺序确定单元，用于根据采样点在时间区间的比例确定占有状态的排列顺序；所述排列顺序为旋转顺序，包括顺时针顺序和逆时针顺序；

数值插入单元，用于根据占有状态在预设的赋值表中读取对应的数值，根据排列顺序读取数值，得到商品矩阵。

作为本发明实施例技术方案进一步的限定，所述商品矩阵聚类模块包括：

排列单元，用于根据时间标签排列所述商品矩阵，并计算商品矩阵的元素数量；

下采样单元，用于基于元素数量对商品矩阵进行下采样，得到矩阵组；所述矩阵组的最上层矩阵的元素数量小于预设的数量阈值；

相似度计算单元，用于接收管理方输入的检测区间，在检测区间内依次比对两个商家对应的矩阵组，得到相似度；

聚类执行单元，用于根据所述相似度对商家进行聚类。

作为本发明实施例技术方案进一步的限定，所述对商品矩阵进行下采样的内容包括：

式中，ω(m,n)为高斯矩阵，具体采用：

G_l(i,j)为第l层图像中点(i,j)的值，G_l-1(2i+m,2j+n)为第l-1层图像中点(2i+m,2j+n)的值。

作为本发明实施例技术方案进一步的限定，所述相似度计算单元包括：

选取子单元，用于接收管理方输入的检测区间，依次选取两个商家，作为待比对商家；

读取子单元，用于查询检测区间中的采样点，读取采样点处的两个待比对商家的矩阵组；

比对子单元，用于比对两个矩阵组，根据比对结果得到单点相关度；

统计子单元，用于统计所有采样点的单点相关度，计算相似度。

作为本发明实施例技术方案进一步的限定，所述比对子单元包括：

查询子单元，用于查询矩阵的元素数量，根据元素数量建立比对关系；所述比对关系用于表征比对双方；

计算子单元，用于基于比对关系计算两个矩阵的匹配度；

输出子单元，用于当存在一个达到匹配阈值的匹配度时，结束计算过程，并将对应的匹配度作为单点相关度。

作为本发明实施例技术方案进一步的限定，所述匹配度计算过程包括：

式中，Z(i,j)为两个矩阵的差值矩阵中点(i,j)的值，P为匹配度，M为总行数，N为总列数。

作为本发明实施例技术方案进一步的限定，所述异常处理模块包括：

异常信息统计单元，用于当接收到某一商家上传的异常上报信息时，统计同类商家的所有异常上报信息；

比例计算单元，用于计算所有异常上报信息的数量与同类商家的数量的比例，作为准确率；

时限确定单元，用于根据所述准确率确定处理时限；所述处理时限与所述准确率呈反比。

(三)有益效果

本发明提供了一种大数据电子商务管理系统。与现有技术相比，具备以下

有益效果：

本发明通过预设的赋值顺序和转换规则将订单信息转换为矩阵形式，然后对矩阵进行识别，对商家进行归类，当接收到某个商家反馈的问题时，获取同类商家中是否有其他商家反馈同时的问题，进而判断该问题的普遍性及重要性，从而更有效的分配有限的处理资源。

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为大数据电子商务管理系统的组成结构框图。

图2为大数据电子商务管理系统中权限获取应用模块的组成结构框图。

图3为大数据电子商务管理系统中商品矩阵生成模块的组成结构框图。

图4为大数据电子商务管理系统中商品矩阵聚类模块的组成结构框图。

图5为大数据电子商务管理系统中异常处理模块的组成结构框图。

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，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作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。

图1为大数据电子商务管理系统的组成结构框图，本发明实施例中，一种大数据电子商务管理系统，所述系统10包括：

权限获取应用模块11，用于获取商家和用户的交易管理权限，根据交易管理权限获取各个商品的占有状态及其占有时长；

在电子商务平台中，在注册阶段可以获取到商家和用户的交易管理权限，这在现有技术中，是常规方案，并不属于“过分”的要求；比如，在用户的网购活动中，商家和用户都可以获取到商品当前的位置，本发明技术方案需要获取的权限能够获取商品当前的位置即可。

根据交易管理权限获取各个商品的占有状态及其占有时长，通俗地说，就是获取各个商品在不同时段处于哪个位置，其占有方是商家、用户还是承运方，占有时长就是不同主体的占有时间；在一次交易过程中，正常顺序是商家-承运方-用户，当出现特殊需求时，会由用户-承运方-商家，并多次重复这一过程。

商品矩阵生成模块12，用于定时统计同一商家所有商品的占有状态，创建商品矩阵；所述商品矩阵含有时间标签；

定时统计每个商家的所有商品的占有状态，其中，所述有商品指的是：商家将要发出或者已发出的商品，且用户还未反馈确认收货信息；

不同时刻的所有商品是不同的，统一由商品矩阵这一数据结构进行表示。

商品矩阵聚类模块13，用于根据时间标签排列所述商品矩阵，根据商品矩阵对商家进行聚类；

商品矩阵可以反映商家的商品交易信息，并且其数据集成度极高，对商品矩阵进行识别，可以将相似的商家归为一类，在某个商家反馈某些问题时，同步获取其他商家反馈的问题，对这些问题进行综合考虑，进而快速判断这些问题的重要性。

异常处理模块14，用于接收商家上传的异常上报信息，基于聚类结果判定异常上报信息的准确率，根据准确率确定处理时限；所述处理时限用于表征处理异常的最长时间要求；

当某个商家上传了异常上报信息时，获取该商家属于哪一类商家，同步获取该类商家的所有相同的异常上报信息，根据异常上报信息可以判断出反馈的问题的普遍性与重要性，并且这一判断过程完全由电子设备完成，无需引入实时的人工判断流程；最终输出的数据是处理时限，越普遍、越重要的问题，其处理时限越短。

至于处理过程，由管理方(商家所在的平台)自主决定，本发明技术方案不再赘述。

图2为大数据电子商务管理系统中权限获取应用模块11的组成结构框图，所述权限获取应用模块11包括：

待检商家确定单元111，用于在注册阶段获取商家和用户的交易管理权限，并确定待检商家；

订单流程监听单元112，用于基于交易管理权限实时监听待检商家的订单流程；

数据缓存单元113，用于当监听到交易启动指令时，在缓存数据库中新建以订单号为标签的存储单元，根据存储单元实时存储对应订单的占有状态及其占有时长；

静态存储单元114，用于当监听到交易结束指令时，根据订单号在缓存数据库中提取存储单元中的数据，输入静态数据库。

上述内容对数据获取过程进行了限定，首先，需要获取同步获取商家和用户的交易管理权限，具体的权限获取过程在现有技术中已有相似方案，因此，权限获取难度不高，并且符合相关规定。

然后，将给予交易管理权限的商家视为待检商家，获取其订单流程；订单流程的起点一般是下单过程(也可以是付款时间)，订单流程的起点就是交易启动指令，当监听到交易启动指令时，在缓存数据库中创建存储单元，进而实时存储订单信息，也即，商品在各时刻处于何种占有状态以及何种占有时长；

最后，当监听到交易结束指令(一般为用户明确表示的截止指令，包括确认收货以及长时间不回应)时，从缓存数据库中提取整个流程，输入一个预设的静态存储库中，此时，缓存数据库中的存储单元将被释放。

图3为大数据电子商务管理系统中商品矩阵生成模块12的组成结构框图，所述商品矩阵生成模块12包括：

采样点选取单元121，用于根据预设的时间间隔选取采样点；

定位读取单元122，用于根据采样点在静态数据库中定位目标数据并读取占有状态；所述目标数据的时间区间包括采样点；

顺序确定单元123，用于根据采样点在时间区间的比例确定占有状态的排列顺序；所述排列顺序为旋转顺序，包括顺时针顺序和逆时针顺序；

数值插入单元124，用于根据占有状态在预设的赋值表中读取对应的数值，根据排列顺序读取数值，得到商品矩阵。

上述内容提供了一种具体的商品矩阵生成过程，不同时刻的商品矩阵不同，由管理方选取时刻点，以时刻点为中心遍历静态数据库，读取整个订单信息，按照预设的规则将订单信息转换为矩阵形式，即可得到商品矩阵。

具体的，根据时刻点读取数据的过程只有一个条件，就是订单信息包括时刻点即可；订单信息是一个长时间过程，其单位一般为天，如果订单的整个持续时间包括时刻点，那么就会被对应的时刻点读取。

此外，关于商品矩阵的生成过程，重点在于赋值结果以及赋值顺序，在本发明技术方案的一个实例中，关于赋值方案，由管理方预先对占用状态进行赋值，可以想到，赋值结果至少有三种，分别表示商家、用户和承运方，可以用0、1和2表示；赋值顺序采用旋转顺序，由中心开始，不断地逆时针旋转或者不断地顺时针旋转，进行赋值。

旋转赋值的好处在于，商家较大时，读取到的订单信息数量较多，对应的商品矩阵较大，由于旋转顺序的存在，使得不同大小的商家之间的比对过程成为了可能，如果两个商家的遇到相同的问题，比如客户大面积退货，那么生成商品矩阵赋值过程是相似的，此时，对商品矩阵进行间歇式数据剔除，当两个商品矩阵的数据量相似时，两个商品矩阵也是相似的。

图4为大数据电子商务管理系统中商品矩阵聚类模块13的组成结构框图，所述商品矩阵聚类模块13包括：

排列单元131，用于根据时间标签排列所述商品矩阵，并计算商品矩阵的元素数量；

下采样单元132，用于基于元素数量对商品矩阵进行下采样，得到矩阵组；所述矩阵组的最上层矩阵的元素数量小于预设的数量阈值；

相似度计算单元133，用于接收管理方输入的检测区间，在检测区间内依次比对两个商家对应的矩阵组，得到相似度；

聚类执行单元134，用于根据所述相似度对商家进行聚类。

上述内容对商品矩阵的应用过程进行了限定，其原理在前述内容中已有提及：对商品矩阵进行间歇式数据剔除，当两个商品矩阵的数据量相似时，两个商品矩阵也是相似的，由此，将不同数据量的两个商家进行比对。

具体的，依次选取两个商品矩阵，如果两个商品矩阵的元素数量差异较大，那么就对元素数据较多的商品矩阵进行下采样，所述下采样的含义为：将所有偶数行和列去除；进行一次下采样，元素数量变为之前的四分之一；不断重复下采样过程，直到最小的元素数量达到预设的数值，此时，两个商品矩阵将会成为两个矩阵组。

在此基础上，比对两个矩阵组，只要两个矩阵组中存在相似的两个矩阵，就认为对应的两个商家属于一类。

值得一提的是，上述下采样过程建立在旋转顺序的基础上，当基于订单信息的赋值顺序为旋转顺序时，全局剔除偶数行和偶数列的过程才是相匹配的下采样方案。

作为本发明技术方案的一个优选实施例，对商品矩阵进行下采样的内容包括：

式中，ω(m,n)为高斯矩阵，具体采用：

G_l(i,j)为第l层图像中点(i,j)的值，G_l-1(2i+m,2j+n)为第l-1层图像中点(2i+m,2j+n)的值。

上述过程的原理在于，先对图像进行高斯内核卷积，提高图像的平滑度，然后再对高斯内核卷积后的图像进行下采样。

作为本发明技术方案的一个优选实施例，所述相似度计算单元133包括：

选取子单元，用于接收管理方输入的检测区间，依次选取两个商家，作为待比对商家；

读取子单元，用于查询检测区间中的采样点，读取采样点处的两个待比对商家的矩阵组；

比对子单元，用于比对两个矩阵组，根据比对结果得到单点相关度；

统计子单元，用于统计所有采样点的单点相关度，计算相似度。

上述内容提供了一种具体的矩阵比对过程，由前述原理可知，如果两个商家对应的矩阵组中，只要存在一对矩阵是相似的，那么两个商家在当前时刻就认为是相似的；当两个商家在一段较长时间(预设的时间区间)内都是相似的，那么两个商家就认为是相似商家。

进一步的，比对某一时刻的两个矩阵组的输出结果是单点相关度，所述单点相关度用于表征该时刻两个商家的相似情况，统计所有时刻的相似情况，确定商家的相似度的过程实际上是对所有时刻的单点相关度进行分析，进而确定的数据；确定过程可以是直接计算均值，也可以是采用众值，当然，也可以是在均值和众值中二选一，如果均值和众值的差异较大，就选取众值，如果差异较小，就选取均值。

具体的，所述比对子单元包括：

查询子单元，用于查询矩阵的元素数量，根据元素数量建立比对关系；所述比对关系用于表征比对双方；

计算子单元，用于基于比对关系计算两个矩阵的匹配度；

输出子单元，用于当存在一个达到匹配阈值的匹配度时，结束计算过程，并将对应的匹配度作为单点相关度。

比对矩阵组的过程需要先确定比对双方，本发明技术方案确定的比对双方是元素数量几乎相同的两个矩阵，因此，在比对之间，首先应该根据元素数量确定矩阵之间的对应关系，也即，上述内容中的比对关系。

然后，计算同一比对关系的两个矩阵，可以得到匹配度，当匹配度足够高时，就不再进行匹配过程，直接选取对应的匹配度作为单点相关度；如果所有匹配度都不够高，那么再选取其他同一比对关系的两个矩阵，进行匹配度计算，直至所有匹配度都不符合条件，此时，判定两个商家不是同类商家。

其中，所述匹配度计算过程包括：

式中，Z(i,j)为两个矩阵的差值矩阵中点(i,j)的值，P为匹配度，M为总行数，N为总列数。

需要说明的是，在计算两个矩阵的差值矩阵时，需要对两个矩阵进行配准，也即，通过补充0元素，使得两个矩阵的行数与列数相同。

图5为大数据电子商务管理系统中异常处理模块14的组成结构框图，所述异常处理模块14包括：

异常信息统计单元141，用于当接收到某一商家上传的异常上报信息时，统计同类商家的所有异常上报信息；

比例计算单元142，用于计算所有异常上报信息的数量与同类商家的数量的比例，作为准确率；

时限确定单元143，用于根据所述准确率确定处理时限；所述处理时限与所述准确率呈反比。

对商家分类完成后，当接收到某一商家上传的异常上报信息时，查询同类商家中，有多少比例的商家上传了同一异常上报信息，当这个比例较高时，就可以认为该类商家遇到了相同的问题，此时，需要尽快处理。

在一个大的交易平台中，每天接收到的异常上报信息的数量极多，哪些问题的普遍性较高，更需要快速解决的分辨难度很高，在本发明技术方案中，通过计算机设备对这些异常上报信息进行快速处理，从而对异常上报信息的重要性进行分级上报，实用性极强。

综上所述，与现有技术相比，本发明具备以下有益效果：

本发明通过预设的赋值顺序和转换规则将订单信息转换为矩阵形式，然后对矩阵进行识别，对商家进行归类，当接收到某个商家反馈的问题时，获取同类商家中是否有其他商家反馈同时的问题，进而判断该问题的普遍性及重要性，从而更有效的分配有限的处理资源。

需要说明的是，通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。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。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上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精神和范围。

Claims (9)

1.一种大数据电子商务管理系统，其特征在于，所述系统包括：

权限获取应用模块，用于获取商家和用户的交易管理权限，根据交易管理权限获取各个商品的占有状态及其占有时长；

商品矩阵生成模块，用于定时统计同一商家所有商品的占有状态，创建商品矩阵；所述商品矩阵含有时间标签；

商品矩阵聚类模块，用于根据时间标签排列所述商品矩阵，根据商品矩阵对商家进行聚类；

异常处理模块，用于接收商家上传的异常上报信息，基于聚类结果判定异常上报信息的准确率，根据准确率确定处理时限；所述处理时限用于表征处理异常的最长时间要求。

2.如权利要求1所述的大数据电子商务管理系统，其特征在于，所述权限获取应用模块包括：

待检商家确定单元，用于在注册阶段获取商家和用户的交易管理权限，并确定待检商家；

订单流程监听单元，用于基于交易管理权限实时监听待检商家的订单流程；

数据缓存单元，用于当监听到交易启动指令时，在缓存数据库中新建以订单号为标签的存储单元，根据存储单元实时存储对应订单的占有状态及其占有时长；

静态存储单元，用于当监听到交易结束指令时，根据订单号在缓存数据库中提取存储单元中的数据，输入静态数据库。

3.如权利要求2所述的大数据电子商务管理系统，其特征在于，所述商品矩阵生成模块包括：

采样点选取单元，用于根据预设的时间间隔选取采样点；

定位读取单元，用于根据采样点在静态数据库中定位目标数据并读取占有状态；所述目标数据的时间区间包括采样点；

顺序确定单元，用于根据采样点在时间区间的比例确定占有状态的排列顺序；所述排列顺序为旋转顺序，包括顺时针顺序和逆时针顺序；

数值插入单元，用于根据占有状态在预设的赋值表中读取对应的数值，根据排列顺序读取数值，得到商品矩阵。

4.如权利要求1所述的大数据电子商务管理系统，其特征在于，所述商品矩阵聚类模块包括：

排列单元，用于根据时间标签排列所述商品矩阵，并计算商品矩阵的元素数量；

下采样单元，用于基于元素数量对商品矩阵进行下采样，得到矩阵组；所述矩阵组的最上层矩阵的元素数量小于预设的数量阈值；

相似度计算单元，用于接收管理方输入的检测区间，在检测区间内依次比对两个商家对应的矩阵组，得到相似度；

聚类执行单元，用于根据所述相似度对商家进行聚类。

5.如权利要求4所述的一种大数据电子商务管理系统，其特征在于，所述对商品矩阵进行下采样的内容包括：

式中，ω(m,n)为高斯矩阵，具体采用：

G_l(i,j)为第l层图像中点(i,j)的值，G_l-1(2i+m,2j+n)为第l-1层图像中点(2i+m,2j+n)的值。

6.如权利要求4所述的大数据电子商务管理系统，其特征在于，所述相似度计算单元包括：

选取子单元，用于接收管理方输入的检测区间，依次选取两个商家，作为待比对商家；

读取子单元，用于查询检测区间中的采样点，读取采样点处的两个待比对商家的矩阵组；

比对子单元，用于比对两个矩阵组，根据比对结果得到单点相关度；

统计子单元，用于统计所有采样点的单点相关度，计算相似度。

7.如权利要求6所述的大数据电子商务管理系统，其特征在于，所述比对子单元包括：

查询子单元，用于查询矩阵的元素数量，根据元素数量建立比对关系；所述比对关系用于表征比对双方；

计算子单元，用于基于比对关系计算两个矩阵的匹配度；

输出子单元，用于当存在一个达到匹配阈值的匹配度时，结束计算过程，并将对应的匹配度作为单点相关度。

8.如权利要求7所述的大数据电子商务管理系统，其特征在于，所述匹配度计算过程包括：

式中，Z(i,j)为两个矩阵的差值矩阵中点(i,j)的值，P为匹配度，M为总行数，N为总列数。

9.如权利要求1所述的大数据电子商务管理系统，其特征在于，所述异常处理模块包括：

异常信息统计单元，用于当接收到某一商家上传的异常上报信息时，统计同类商家的所有异常上报信息；

比例计算单元，用于计算所有异常上报信息的数量与同类商家的数量的比例，作为准确率；

时限确定单元，用于根据所述准确率确定处理时限；所述处理时限与所述准确率呈反比。