CN117455512A - 一种基于标识解析技术的家电产品窜货报警方法 - Google Patents

一种基于标识解析技术的家电产品窜货报警方法 Download PDF

Info

Publication number
CN117455512A
CN117455512A CN202311472110.3A CN202311472110A CN117455512A CN 117455512 A CN117455512 A CN 117455512A CN 202311472110 A CN202311472110 A CN 202311472110A CN 117455512 A CN117455512 A CN 117455512A
Authority
CN
China
Prior art keywords
data
lcss
track
identification
alarm
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.)
Pending
Application number
CN202311472110.3A
Other languages
English (en)
Inventor
王洋
毕可骏
徐庭锐
宋立立
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.)
Sichuan Qiruike Technology Co Ltd
Original Assignee
Sichuan Qiruike 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 Sichuan Qiruike Technology Co Ltd filed Critical Sichuan Qiruike Technology Co Ltd
Priority to CN202311472110.3A priority Critical patent/CN117455512A/zh
Publication of CN117455512A publication Critical patent/CN117455512A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/018Certifying business or products
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2458Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474Sequence data queries, e.g. querying versioned data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/08Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083Shipping
    • G06Q10/0833Tracking
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/08Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087Inventory or stock management, e.g. order filling, procurement or balancing against orders

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于标识解析技术的家电产品窜货报警方法,包括以下步骤:步骤1:从标识解析二级节点获取标识看板数据;步骤2:通过标识看板数据获取消费者反馈信息,对比交易位置信息是否与家电产品销售区域一致,若不一致,则生成标记1,并进入步骤5,否则结束;步骤3:获取实际物流轨迹和入库扫码轨迹,并生成序列数据A;步骤4:获取标准物流轨迹,并生成序列数据B;步骤5:根据序列数据A和B得到Lcss用户轨迹相似性查询算法的窜货报警模型;步骤6:生成Lcss报警值,Lcss报警值大于设定预警值,则推动窜货报警信息。

Description

一种基于标识解析技术的家电产品窜货报警方法
技术领域
本发明涉及标识解析技术领域,具体涉及一种基于标识解析技术的家电产品窜货报警方法。
背景技术
家电产品的销售是一个复杂且繁琐的过程,从生产厂家到消费者,中间将有多个经销商、分售商、零售门店、直营门店等多个角色参与,同时由于产品在各地区市场占有率及客户满意度的差异化,很多家电生产厂家为更好开发新市场新业务,通常生产厂家会针对不同渠道、销售区域制定差异化的销售策略,给出不一样的优惠力度,从而来有针对性的占领相应市场,因此这也对企业管理带来了非常大的压力和难度,由于各个区域的家电产品价格可能不同,这就给各环节参与者带来牟利空间,经常出现窜货、私下随意调货的情况,即超出授权范围,在非授权区域出售家电产品的行为,进而扰乱所制定的市场销售策略,导致市场价格体系混乱,容易导致公司销售策略无法落地,产品销售达不到预期。因此家电生产厂家一直致力于解决窜货问题,目前针对以上问题采取的常见应对方式主要包括两种:一是人工稽查,由家电企业安排稽查人员进行线下门店和客户的稽查和调研,判断终端家电产品是否存在窜货行为。二是运用信息化采集手段,主要是通过安装师傅在安装反馈时扫码获取家电产品信息以及用户交易的地理位置(或IP)并上传,后台数据中台对所上报信息进行数据库分析比对。
然而现有技术中,不论是人工稽查的过程不透明、受人为主观因素影响较多、效率低、成本高等,还是采用简易的信息化手段的技术简单,判断依据单一容易导致结果准确率低等问题,都无法有效解决家电企业市场销售时出现的窜货问题。
发明内容
为解决以上方案存在的问题,本申请提出一种基于标识解析技术的家电产品窜货报警方法,利用标识解析的标识编码这种工业互联网中的“身份证”对物理对象和虚拟对象进行唯一识别,并借助解析系统,实现跨地域、跨行业、跨企业的数据共享共用的作用,基于标识解析技术及标识解析二级节点数据采集存储处理分析的等功能结合LCSS的移动用户轨迹相似性查询算法,建立一种通过判断家电产品物流时间轨迹来判断家电产品窜货模型及报警系统,通过采集家电产品多维度运输入库出库等相关数据,进行建模分析,并通过标识解析二级节点数据共享能力,便于家电公司掌握产品窜货情况,并及时响应相应应对策略。
为了实现上述目的,本发明采用以下技术方案:
一种基于标识解析技术的家电产品窜货报警方法,包括以下步骤:
步骤1:从标识解析二级节点获取标识看板数据;
步骤2:通过标识看板数据获取消费者反馈信息,对比交易位置信息是否与家电产品销售区域一致,若不一致,则生成标记1,并进入步骤5,否则结束;
步骤3:获取实际物流轨迹和入库扫码轨迹,并生成序列数据A;
步骤4:获取标准物流轨迹,并生成序列数据B;
步骤5:根据序列数据A和B得到Lcss用户轨迹相似性查询算法的窜货报警模型;
步骤6:生成Lcss报警值,Lcss报警值大于设定预警值,则推动窜货报警信息。
所述步骤1:从标识解析二级节点获取标识看板数据,包括:通过数据采集,获取家电产品信息数据和运输轨迹数据,包括静态数据和动态数据;其中静态数据包括生产厂家上传到标识解析二级节点的家电产品属性信息和销售区域配置信息,所述动态数据包括家电产品物流运输过程中产生的物流记录、扫码记录和出入库信息。
所述步骤2:通过标识看板数据获取消费者反馈信息,对比交易位置信息是否与家电产品销售区域一致,包括从标识看板数据中获取消费者反馈信息,包含交易位置信息,对比交易位置信息是否与家电产品销售区域一致。
所述获取实际物流轨迹和入库扫码轨迹,并生成序列数据A;包括:将标准物流轨迹转化二维坐标点P(x,y),坐标点m个:Pm=(xm,ym),形成标准物流轨迹序列集A(A1,A2,A3,...,Am)。
步骤4:获取标准物流轨迹,并生成序列数据B;包括:将实际物流轨迹转化二维坐标点Q(z,w),坐标点n个:Qn=(zn,wn),形成实际物流轨迹序列集B(B1,B2,B3,...,Bn)。
所述步骤5:根据序列数据A和B得到Lcss用户轨迹相似性查询算法的窜货报警模型;包括:利用LCSS算法,寻找序列数据A和B两个序列的最大公共子序列:
其中,γ为一个成员相似阈值,t=1,2,...,nt=1,2,...,n;i=1,2,...,mi=1,2,...,m;
基于LCSS(A,B),最长公共子序列的相似度公式为:
DLCSS=1-(LCSS(A,B))/min(lenA,lenB)。
所述步骤6:生成Lcss报警值,Lcss报警值大于设定预警值,则推动窜货报警信息,包括:LCSS值越大,说明公共字段越多,相似的轨迹点越多,轨迹的相似度越大,通过设定下限LCSS报警值,低于设定报警值,即表示有窜货风险。
本发明与现有技术相比具有的有益效果是:
本发明在综合家电产品多维度信息的基础上进行窜货行为分析,相比单因素分析,其结果准确性更高。传统方案因其参考因素单一,数据容易造假失真,导致分析结果不仅是错误的,而且有误导性。本方案中家电产品多维度信息之间并非独立,而是存在一定的关联性,因此数据造假成本高,有助于提高分析结果准确性。
附图说明
图1是本发明实施例的流程示意图。
图2是本发明实施例的基于标识解析技术的家电产品窜货报警系统的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请的优选实施例中的附图,对本申请实施例中的技术方案进行更加详细的描述。在附图中,自始至终相同或类似的标号表示相同或类似的部件或具有相同或类似功能的部件。所描述的实施例是本申请一部分实施例,而不是全部的实施例。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。基于本申请中的实施例,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,都属于本申请保护的范围。
下面结合附图对本申请的实施例进行详细说明。
实施例1:
如图1所示,一种基于标识解析技术的家电产品窜货报警方法,包括以下步骤:
步骤1:从标识解析二级节点获取标识看板数据;
步骤2:通过标识看板数据获取消费者反馈信息,对比交易位置信息是否与家电产品销售区域一致,若不一致,则生成标记1,并进入步骤5,否则结束;
步骤3:获取实际物流轨迹和入库扫码轨迹,并生成序列数据A;
步骤4:获取标准物流轨迹,并生成序列数据B;
步骤5:根据序列数据A和B得到Lcss用户轨迹相似性查询算法的窜货报警模型;
步骤6:生成Lcss报警值,Lcss报警值大于设定预警值,则推动窜货报警信息。
通过家电产品标识码,从标识解析二级节点解析家电产品信息数据,包括静态数据和动态数据。静态数据是生产企业配置好的固定不变的数据,主要包括产品出厂前生成和采集得家电产品属性信息、销售区域配置信息。动态数据是动态采集的数据,主要包括家电产品物流运输过程中产生的物流记录、扫码记录和出入库信息,是家电产品出厂后动态生成和采集的。
基于获取的家电产品信息静态数据,输出产品标准物流轨迹序列集A(A1,A2,A3,...,Am);
静态数据生成和采集,具体包括:
(1)标识码:通过标识解析中间件生成的标识码,通过标识码可以查询到生产厂家对该产品的配置的产品属性信息:家电产品唯一码、家电产品型号、生产批次、生产地等。
(2)销售区域配置信息:包括销售区域数据,销售系统中维护家电产品的销售区域配置,根据家电产品型号或生产批次查询到家电产品的授权销售区域信息;并将所查询的数据,转化为标准物流坐标点P(x,y),坐标点m个:Pm=(xm,ym)。
(3)根据生产地和销售区域信息,生成形成标准物流轨迹序列集A,轨迹定义如下:A={A1,A2,A3,...,Am},其中A1为生产地,Am为销售地,Ai为第i个途径地。
将以上轨迹序列通过标识码注册到标识解析二级节点上。
动态数据采集和生成,具体包括:
(1)物流码:通过物流管理系统,生成物流码,将物流码填充到数据看板。
(2)物流轨迹:根据物流码,查询到物流码对应的物流轨迹,从物流轨迹中提取出关键途经点,按照时间先后排列组成实际物流轨迹,轨迹定义如下N={n1,n2,...,nk},n1为物流起点,nk为物流终点,ni为第i个途经点。将实际物轨迹填充到数据看板。
(3)出入库扫码:在物流运输过程中,将家电产品出库、入库扫码操作按照时间先后排列组成扫码轨迹,扫码轨迹定义如下M={m1,m2,...,mk},m1为第一次扫码,mk为第k次扫码,将扫码轨迹填充到数据看板。
(4)销售信息:家电产品售出后,消费者通过反馈入口提交实际的销售信息,并将销售信息填充到数据看板。
将以上的实际物流轨迹转化为二维坐标点Q(z,w),坐标点n个:Qn=(zn,wn),形成实际物流轨迹序列集B(B1,B2,B3,...,Bn)。
通过用户反馈销售区域与产品允许销售区域信息对比,若不一致,则启动产品窜货稽核,通过生成的标准物流轨迹与实际物流轨迹基于LCSS算法计算得到产品轨迹相似度百分比,若该值小于设定的相似度阈值下限,则输出窜货报警信息,推送报警信息到市场管理员终端;
其中数据采集、存储和调用过程如下:
(1)通过产品标识码从二级节点解析所需的产品属性信息,数据包含了前述环节采集和生成的数据。
(2)从看板数据中获取消费者反馈信息,该信息包含交易位置信息,对比交易位置是否与家电产品销售区域一致,若不一致,则生成报警标记1,且启动后续窜货稽核流程。
(3)从看板数据中获取实际运输轨迹。
(4)从看板数据中获取出入库扫码轨迹。
(5)结合实际物流轨迹和入库扫码轨迹,生成实际物流轨迹序列集B(B1,B2,B3,...,Bn)。
(6)从看板数据中获取标准物流轨迹,生成标准物流轨迹序列集A(A1,A2,A3,...,Am)。
(7)基于Lcss用户轨迹相似性查询算法,构建家电产品窜货报警模型,计算得到窜货报警值,该值如果低于系统窜货报警值下限,则判断该家电产品存在窜货风险,输出窜货报警信息,通过云溯APP推送报警信息到市场管理员终端。
作为进一步地实施方式,包括以下步骤:
家电企业通过标识码配置产品的标准物流轨迹,对比标准物流轨迹和实际物流轨迹是否一致,包括将标准物流轨迹转化二维坐标点P(x,y),坐标点m个:Pm=(xm,ym),形成标准物流轨迹序列集A(A1,A2,A3,...,Am);将实际物流轨迹转化二维坐标点Q(z,w),坐标点n个:Qn=(zn,wn),形成实际物流轨迹序列集B(B1,B2,B3,...,Bn);利用LCSS算法,寻找两个序列的最大公共子序列,利用下列算法程序,计算出最大公共子序列的长度后,进行归一化处理,获得两条物流轨迹的相似度百分比,来判断标准物流轨迹和实际物流轨迹是否一致。
·原理:假设现在有两个长度分别为n和m的时间序列数据A和B,那么最长公共子序列的长度为:
其中,γ为一个成员相似阈值,t=1,2,...,nt=1,2,...,n;i=1,2,...,mi=1,2,...,m。基于上述公式,最长公共子序列的相似度公式为:
DLCSS=1-(LCSS(A,B))/min(lenA,lenB)
·LCSS算法可以计算两个子序列之间的最长公共子序列。(子序列是有序的,但不一定是连续的,作用对象是序列)
·例如:序列X=<B,C,D,B>是序列Y=<A,B,C,B,D,A,B>的子序列,对应的下标序列为<2,3,5,7>。
·匹配:L(<AGGTAB>,<GXTXAYB>)=1+L(<AGGTA>,<GXTXAY>)
·不匹配:L(<ABCDGH>,<AEDFHR>)=MAX(L(<ABCDG>,<AEDFHR>),L(<ABCDGH>,<AEDFH>))
因此,LCSS值越大,说明公共字段越多,相似的轨迹点越多,轨迹的相似度越大,通过设定下限LCSS报警值,低于设定报警值,即表示有窜货风险。
实施例2
如图2所示,一种基于标识解析技术的家电产品窜货报警系统,包括以下功能模块:
数据获取模块配置:用于动/静态数据采集模块;
模型模块配置:用于配置结合标识解析技术基于LCSS用户轨迹相似性查询算法的家电产品窜货报警模型;
看板模块配置:用于根据家电产品防窜数据模型生成标识数据看板,利用对家电产品注册的标识码从二级节点解析到标识数据看板中的标识看板数据;
报警模块配置:用于通过标识看板数据获取消费者反馈信息,并生成标记1;通过标识看板数据获取实际物流轨迹和入库扫码轨迹,并生成序列数据A;通过标识看板数据获取标准物流轨迹,并生成序列数据B;根据标记1、序列数据A和B得到总体预警值,利用设定阈值判断是否存在窜货风险,输出窜货报警,推送报警信息到家电企业市场管理人员移动终端处理。
第三方面,本发明结合标识解析二级节点数据存储能力,提供一种计算机可读存储介质,开发相应功能模块,存储相应数据和报警指令,相应数据和指令可适于企业市场管理人员登录云溯APP进行调阅查看和处理。(云溯APP是一款本公司自主开发的基于区块链的产品全生命周期溯源管理解决方案。
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 (7)

1.一种基于标识解析技术的家电产品窜货报警方法,其特征在于,包括以下步骤:
步骤1:从标识解析二级节点获取标识看板数据;
步骤2:通过标识看板数据获取消费者反馈信息,对比交易位置信息是否与家电产品销售区域一致,若不一致,则生成标记1,并进入步骤5,否则结束;
步骤3:获取实际物流轨迹和入库扫码轨迹,并生成序列数据A;
步骤4:获取标准物流轨迹,并生成序列数据B;
步骤5:根据序列数据A和B得到Lcss用户轨迹相似性查询算法的窜货报警模型;
步骤6:生成Lcss报警值,Lcss报警值大于设定预警值,则推动窜货报警信息。
2.根据权利要求1所述的一种基于标识解析技术的家电产品窜货报警方法,其特征在于,所述步骤1:从标识解析二级节点获取标识看板数据,包括:通过数据采集,获取家电产品信息数据和运输轨迹数据,包括静态数据和动态数据;其中静态数据包括生产厂家上传到标识解析二级节点的家电产品属性信息和销售区域配置信息,所述动态数据包括家电产品物流运输过程中产生的物流记录、扫码记录和出入库信息。
3.根据权利要求1所述的一种基于标识解析技术的家电产品窜货报警方法,其特征在于,所述步骤2:通过标识看板数据获取消费者反馈信息,对比交易位置信息是否与家电产品销售区域一致,包括从标识看板数据中获取消费者反馈信息,包含交易位置信息,对比交易位置信息是否与家电产品销售区域一致。
4.根据权利要求1所述的一种基于标识解析技术的家电产品窜货报警方法,其特征在于,所述获取实际物流轨迹和入库扫码轨迹,并生成序列数据A;包括:将标准物流轨迹转化二维坐标点P(x,y),坐标点m个:Pm=(xm,ym),形成标准物流轨迹序列集A(A1,A2,A3,...,Am)。
5.根据权利要求1所述的一种基于标识解析技术的家电产品窜货报警方法,其特征在于,步骤4:获取标准物流轨迹,并生成序列数据B;包括:将实际物流轨迹转化二维坐标点Q(z,w),坐标点n个:Qn=(zn,wn),形成实际物流轨迹序列集B(B1,B2,B3,...,Bn)。
6.根据权利要求1所述的一种基于标识解析技术的家电产品窜货报警方法,其特征在于,所述步骤5:根据序列数据A和B得到Lcss用户轨迹相似性查询算法的窜货报警模型;包括:利用LCSS算法,寻找序列数据A和B两个序列的最大公共子序列:
其中,γ为一个成员相似阈值,t=1,2,...,nt=1,2,...,n;i=1,2,...,mi=1,2,...,m;
基于LCSS(A,B),最长公共子序列的相似度公式为:
DLCSS=1-(LCSS(A,B))/min(lenA,lenB)。
7.根据权利要求6所述的一种基于标识解析技术的家电产品窜货报警方法,其特征在于,所述步骤6:生成Lcss报警值,Lcss报警值大于设定预警值,则推动窜货报警信息,包括:LCSS值越大,说明公共字段越多,相似的轨迹点越多,轨迹的相似度越大,通过设定下限LCSS报警值,低于设定报警值,即表示有窜货风险。
CN202311472110.3A 2023-11-07 2023-11-07 一种基于标识解析技术的家电产品窜货报警方法 Pending CN117455512A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311472110.3A CN117455512A (zh) 2023-11-07 2023-11-07 一种基于标识解析技术的家电产品窜货报警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311472110.3A CN117455512A (zh) 2023-11-07 2023-11-07 一种基于标识解析技术的家电产品窜货报警方法

Publications (1)

Publication Number Publication Date
CN117455512A true CN117455512A (zh) 2024-01-26

Family

ID=89592637

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311472110.3A Pending CN117455512A (zh) 2023-11-07 2023-11-07 一种基于标识解析技术的家电产品窜货报警方法

Country Status (1)

Country Link
CN (1) CN117455512A (zh)

Similar Documents

Publication Publication Date Title
Shah et al. Edgecentric: Anomaly detection in edge-attributed networks
US11983199B2 (en) Linking discrete dimensions to enhance dimensional analysis
CN102117327A (zh) 基于到期日期预警到期物品及生成出货信息的方法和装置
CN111178005B (zh) 数据处理系统、方法及存储介质
KR102328881B1 (ko) 빅데이터 기반의 화장품업체 협업시스템
CN110189164B (zh) 基于信息熵度量和特征随机采样的商品—门店推荐方案
CN104657866A (zh) 基于单品编码信息查询业务对象信息的方法、装置和系统
CN110955690A (zh) 一种基于大数据技术的自助数据标签平台及自助数据标签方法
CN116739836B (zh) 一种基于知识图谱的餐饮数据分析方法及系统
CN109299952A (zh) 一种实现多种商品码相互关联调取的系统及方法
CN110163722B (zh) 用于农产品精准销售的大数据分析系统及分析方法
CN117455512A (zh) 一种基于标识解析技术的家电产品窜货报警方法
CN115879947A (zh) 一种基于电子化交易的管理方法及系统
CN114266594A (zh) 一种基于东南亚跨境电商平台的大数据分析方法
CN114444133A (zh) 基于区块链的货品溯源方法和装置
CN113283484A (zh) 改进的特征选择方法、装置及存储介质
CN116703430B (zh) 一种基于标识解析的商品窜货预警方法及系统
CN112330340A (zh) 基于区块链的食品溯源的方法
CN112527840B (zh) 医药行业两票制监控方法、装置、可读介质及电子设备
CN112506956A (zh) 一种基于区块链技术的服饰管理系统
Houshmand et al. Improve the classification and Sales management of products using multi-relational data mining
Kidane et al. Traceability architecture: Extending EPCIS to enhance track and trace with NoSQL data model
CN112835991B (zh) 监控数据的系统、方法、设备及存储介质
CN105956863A (zh) 商品识别及防伪服务方法
CN116090968A (zh) 一种用于提高小客户仓管出库拣货效率的方法及装置

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