基于电商平台的商品数据预警方法、装置、计算机设备

技术领域

本发明涉及电商平台技术领域，尤其涉及一种基于电商平台的商品数据预警方法、装置、计算机设备。

背景技术

近年来，随着计算机与网络技术的进步，电子商务得到快速发展。消费者足不出户，就可以通过电商平台购买到心仪的商品，给消费者的生活带来了极大的便利。

然而，现有的基于电商平台的商品数据预警方案，一般是通过人工对电商平台上的商品数据进行商品数据异常的预警评估，但是由于人工存在人为的主观因素，有可能对电商平台上的商品数据进行的商品数据异常的预警评估不到位，导致对电商平台上的商品数据进行的商品数据异常的预警评估的准确率一般。

发明内容

有鉴于此，本发明的目的在于提出一种基于电商平台的商品数据预警方法、装置、计算机设备，能够实现提高对电商平台上的商品数据进行商品数据异常的预警评估的准确率。

根据本发明的一个方面，提供一种基于电商平台的商品数据预警方法方法，包括：获取对电商平台的商品数据进行异常预警的评估要求；对所述获取的异常预警的评估要求进行特征分类得到一个或多个特征分类类别集；对所述一个或多个特征分类类别集进行优先级排序；基于预设的基准数据，对所述经优先级排序后的一个或多个特征分类类别关联的商品数据进行合规校验，校验出不合规的商品数据；基于所述校验出的不合规的商品数据，通过预设的商品数据异常的预警评估策略，生成所述电商平台上的商品数据的商品数据异常的预警评估。

其中，所述对所述获取的异常预警的评估要求进行特征分类得到一个或多个特征分类类别集，包括：对所述获取的异常预警的评估要求进行特征提取，提取对应所述每一项异常预警的评估要求的特征数据；和基于预设的特征分类标签从数据库中提取与所述预设的特征分类标签关联的关键词；和将所述提取的特征数据与所述提取的关键词进行匹配，匹配得到对应所述每一项异常预警的评估要求的特征分类类别；和基于预设的特征分类类别的属性，将相同属性的特征分类类别组合在一起，得到一个或多个特征分类类别集。

其中，所述对所述一个或多个特征分类类别集进行优先级排序，包括：基于出现频率最高的特征分类，对含有所述出现频率最高的特征分类的特征分类类别的子集进行排序，根据所述排序后的含有所述出现频率最高的特征分类的特征分类类别的子集，对所述一个或多个特征分类类别集进行优先级排序。

其中，所述基于预设的基准数据，对所述经优先级排序后的一个或多个特征分类类别关联的商品数据进行合规校验，校验出不合规的商品数据，包括：基于预设的基准数据，对所述经优先级排序后的一个或多个特征分类类别关联的商品数据进行合规校验，校验所述经优先级排序后的一个或多个特征分类类别关联的商品数据是否在对应的所述基准数据范围内，将不在所述对应的所述基准数据范围内的商品数据确定为不合规的商品数据，校验出不合规的商品数据。

其中，在所述基于所述校验出的不合规的商品数据，通过预设的商品数据异常的预警评估策略，生成所述电商平台上的商品数据的商品数据异常的预警评估之后，还包括：对所述生成的所述电商平台上的商品数据的商品数据异常的预警评估对应的商品进行优化。

根据本发明的另一个方面，提供一种基于电商平台的商品数据预警装置，包括：获取模块、分类模块、排序模块、校验模块和生成模块；所述获取模块，用于获取对电商平台的商品数据进行异常预警的评估要求；所述分类模块，用于对所述获取的异常预警的评估要求进行特征分类得到一个或多个特征分类类别集；所述排序模块，用于对所述一个或多个特征分类类别集进行优先级排序；所述校验模块，用于基于预设的基准数据，对所述经优先级排序后的一个或多个特征分类类别关联的商品数据进行合规校验，校验出不合规的商品数据；所述生成模块，用于基于所述校验出的不合规的商品数据，通过预设的商品数据异常的预警评估策略，生成所述电商平台上的商品数据的商品数据异常的预警评估。

其中，所述分类模块，具体用于：对所述获取的异常预警的评估要求进行特征提取，提取对应所述每一项异常预警的评估要求的特征数据；和基于预设的特征分类标签从数据库中提取与所述预设的特征分类标签关联的关键词；和将所述提取的特征数据与所述提取的关键词进行匹配，匹配得到对应所述每一项异常预警的评估要求的特征分类类别；和基于预设的特征分类类别的属性，将相同属性的特征分类类别组合在一起，得到一个或多个特征分类类别集。

其中，所述排序模块，具体用于：基于出现频率最高的特征分类，对含有所述出现频率最高的特征分类的特征分类类别的子集进行排序，根据所述排序后的含有所述出现频率最高的特征分类的特征分类类别的子集，对所述一个或多个特征分类类别集进行优先级排序。

其中，所述校验模块，具体用于：基于预设的基准数据，对所述经优先级排序后的一个或多个特征分类类别关联的商品数据进行合规校验，校验所述经优先级排序后的一个或多个特征分类类别关联的商品数据是否在对应的所述基准数据范围内，将不在所述对应的所述基准数据范围内的商品数据确定为不合规的商品数据，校验出不合规的商品数据。

其中，所述基于电商平台的商品数据预警装置，还包括：优化模块；所述优化模块，用于对所述生成的所述电商平台上的商品数据的商品数据异常的预警评估对应的商品进行优化。

根据本发明的又一个方面，提供一种计算机设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述任一项所述的基于电商平台的商品数据预警方法。

根据本发明的再一个方面，提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的基于电商平台的商品数据预警方法。

可以发现，以上方案，可以获取对电商平台的商品数据进行异常预警的评估要求，和可以对该获取的异常预警的评估要求进行特征分类得到一个或多个特征分类类别集，和可以对该一个或多个特征分类类别集进行优先级排序，和可以基于预设的基准数据，对该经优先级排序后的一个或多个特征分类类别关联的商品数据进行合规校验，校验出不合规的商品数据，以及可以基于该校验出的不合规的商品数据，通过预设的商品数据异常的预警评估策略，生成该电商平台上的商品数据的商品数据异常的预警评估，能够实现提高对电商平台上的商品数据进行商品数据异常的预警评估的准确率。

进一步的，以上方案，可以对该获取的异常预警的评估要求进行特征提取，提取对应该每一项异常预警的评估要求的特征数据，和可以基于预设的特征分类标签从数据库中提取与该预设的特征分类标签关联的关键词，和可以将该提取的特征数据与该提取的关键词进行匹配，匹配得到对应该每一项异常预警的评估要求的特征分类类别，以及可以基于预设的特征分类类别的属性，将相同属性的特征分类类别组合在一起，得到一个或多个特征分类类别集，这样的好处是能够实现提高该得到的一个或多个特征分类类别集的准确率。

进一步的，以上方案，可以基于出现频率最高的特征分类，对含有该出现频率最高的特征分类的特征分类类别的子集进行排序，根据该排序后的含有该出现频率最高的特征分类的特征分类类别的子集，对该一个或多个特征分类类别集进行优先级排序，这样的好处是能够实现使该经优先级排序后的一个或多个一个或多个特征分类类别集所对应的特征分类更能匹配该异常预警的评估要求对应的特征分类。

进一步的，以上方案，可以基于预设的基准数据，对该经优先级排序后的一个或多个特征分类类别关联的商品数据进行合规校验，校验该经优先级排序后的一个或多个特征分类类别关联的商品数据是否在对应的该基准数据范围内，将不在该对应的该基准数据范围内的商品数据确定为不合规的商品数据，校验出不合规的商品数据，这样的好处是能够实现提高该校验出的不合规的商品数据的准确率。

进一步的，以上方案，可以对该生成的该电商平台上的商品数据的商品数据异常的预警评估对应的商品进行优化，这样的好处是能够实现降低由该生成的该电商平台上的商品数据的商品数据异常的预警评估对应的商品的商品风险。

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是本发明基于电商平台的商品数据预警方法一实施例的流程示意图；

图2是本发明基于电商平台的商品数据预警方法另一实施例的流程示意图；

图3是本发明基于电商平台的商品数据预警装置一实施例的结构示意图；

图4是本发明基于电商平台的商品数据预警装置另一实施例的结构示意图；

图5是本发明计算机设备一实施例的结构示意图。

具体实施方式

下面结合附图和实施例，对本发明作进一步的详细描述。特别指出的是，以下实施例仅用于说明本发明，但不对本发明的范围进行限定。同样的，以下实施例仅为本发明的部分实施例而非全部实施例，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它实施例，都属于本发明保护的范围。

本发明提供一种基于电商平台的商品数据预警方法方法，能够实现提高对电商平台上的商品数据进行商品数据异常的预警评估的准确率。

请参见图1，图1是本发明基于电商平台的商品数据预警方法一实施例的流程示意图。需注意的是，若有实质上相同的结果，本发明的方法并不以图1所示的流程顺序为限。如图1所示，该方法包括如下步骤：

S101：获取对电商平台的商品数据进行异常预警的评估要求。

在本实施例中，该进行的异常预警的评估要求可以是一个单一的评估要求，也可以是多个评估要求等，本发明不加以限定。

在本实施例中，可以一次性获取对电商平台的商品数据进行异常预警的多个评估要求，也可以分多次获取对电商平台的商品数据进行异常预警的多个评估要求，还可以逐一逐个的性获取对电商平台的商品数据进行异常预警的多个评估要求等，本发明不加以限定。

S102：对该获取的异常预警的评估要求进行特征分类得到一个或多个特征分类类别集。

其中，该对该获取的异常预警的评估要求进行特征分类得到一个或多个特征分类类别集，可以包括：

对该获取的异常预警的评估要求进行特征提取，提取对应该每一项异常预警的评估要求的特征数据；

和基于预设的特征分类标签从数据库中提取与该预设的特征分类标签关联的关键词；

和将该提取的特征数据与该提取的关键词进行匹配，匹配得到对应该每一项异常预警的评估要求的特征分类类别；

和基于预设的特征分类类别的属性，将相同属性的特征分类类别组合在一起，得到一个或多个特征分类类别集，这样的好处是能够实现提高该得到的一个或多个特征分类类别集的准确率。

S103：对该一个或多个特征分类类别集进行优先级排序。

其中，该对该一个或多个特征分类类别集进行优先级排序，可以包括：

基于出现频率最高的特征分类，对含有该出现频率最高的特征分类的特征分类类别的子集进行排序，根据该排序后的含有该出现频率最高的特征分类的特征分类类别的子集，对该一个或多个特征分类类别集进行优先级排序，这样的好处是能够实现使该经优先级排序后的一个或多个一个或多个特征分类类别集所对应的特征分类更能匹配该异常预警的评估要求对应的特征分类。

S104：基于预设的基准数据，对该经优先级排序后的一个或多个特征分类类别关联的商品数据进行合规校验，校验出不合规的商品数据。

其中，该基于预设的基准数据，对该经优先级排序后的一个或多个特征分类类别关联的商品数据进行合规校验，校验出不合规的商品数据，可以包括：

基于预设的基准数据，对该经优先级排序后的一个或多个特征分类类别关联的商品数据进行合规校验，校验该经优先级排序后的一个或多个特征分类类别关联的商品数据是否在对应的该基准数据范围内，将不在该对应的该基准数据范围内的商品数据确定为不合规的商品数据，校验出不合规的商品数据，这样的好处是能够实现提高该校验出的不合规的商品数据的准确率。

S105：基于该校验出的不合规的商品数据，通过预设的商品数据异常的预警评估策略，生成该电商平台上的商品数据的商品数据异常的预警评估。

其中，在该基于该校验出的不合规的商品数据，通过预设的商品数据异常的预警评估策略，生成该电商平台上的商品数据的商品数据异常的预警评估之后，还可以包括：

对该生成的该电商平台上的商品数据的商品数据异常的预警评估对应的商品进行优化，这样的好处是能够实现降低由该生成的该电商平台上的商品数据的商品数据异常的预警评估对应的商品的商品风险。

可以发现，在本实施例中，可以获取对电商平台的商品数据进行异常预警的评估要求，和可以对该获取的异常预警的评估要求进行特征分类得到一个或多个特征分类类别集，和可以对该一个或多个特征分类类别集进行优先级排序，和可以基于预设的基准数据，对该经优先级排序后的一个或多个特征分类类别关联的商品数据进行合规校验，校验出不合规的商品数据，以及可以基于该校验出的不合规的商品数据，通过预设的商品数据异常的预警评估策略，生成该电商平台上的商品数据的商品数据异常的预警评估，能够实现提高对电商平台上的商品数据进行商品数据异常的预警评估的准确率。

进一步的，在本实施例中，可以对该获取的异常预警的评估要求进行特征提取，提取对应该每一项异常预警的评估要求的特征数据，和可以基于预设的特征分类标签从数据库中提取与该预设的特征分类标签关联的关键词，和可以将该提取的特征数据与该提取的关键词进行匹配，匹配得到对应该每一项异常预警的评估要求的特征分类类别，以及可以基于预设的特征分类类别的属性，将相同属性的特征分类类别组合在一起，得到一个或多个特征分类类别集，这样的好处是能够实现提高该得到的一个或多个特征分类类别集的准确率。

进一步的，在本实施例中，可以基于出现频率最高的特征分类，对含有该出现频率最高的特征分类的特征分类类别的子集进行排序，根据该排序后的含有该出现频率最高的特征分类的特征分类类别的子集，对该一个或多个特征分类类别集进行优先级排序，这样的好处是能够实现使该经优先级排序后的一个或多个一个或多个特征分类类别集所对应的特征分类更能匹配该异常预警的评估要求对应的特征分类。

进一步的，在本实施例中，可以基于预设的基准数据，对该经优先级排序后的一个或多个特征分类类别关联的商品数据进行合规校验，校验该经优先级排序后的一个或多个特征分类类别关联的商品数据是否在对应的该基准数据范围内，将不在该对应的该基准数据范围内的商品数据确定为不合规的商品数据，校验出不合规的商品数据，这样的好处是能够实现提高该校验出的不合规的商品数据的准确率。

请参见图2，图2是本发明基于电商平台的商品数据预警方法另一实施例的流程示意图。本实施例中，该方法包括以下步骤：

S201：获取对电商平台的商品数据进行异常预警的评估要求。

可如上S101所述，在此不作赘述。

S202：对该获取的异常预警的评估要求进行特征分类得到一个或多个特征分类类别集。

可如上S102所述，在此不作赘述。

S203：对该一个或多个特征分类类别集进行优先级排序。

可如上S104所述，在此不作赘述。

S204：基于预设的基准数据，对该经优先级排序后的一个或多个特征分类类别关联的商品数据进行合规校验，校验出不合规的商品数据。

可如上S104所述，在此不作赘述。

S205：基于该校验出的不合规的商品数据，通过预设的商品数据异常的预警评估策略，生成该电商平台上的商品数据的商品数据异常的预警评估。

可如上S105所述，在此不作赘述。

S206：对该生成的该电商平台上的商品数据的商品数据异常的预警评估对应的商品进行优化。

可以发现，在本实施例中，可以对该生成的该电商平台上的商品数据的商品数据异常的预警评估对应的商品进行优化，这样的好处是能够实现降低由该生成的该电商平台上的商品数据的商品数据异常的预警评估对应的商品的商品风险。

本发明还提供一种基于电商平台的商品数据预警装置，能够实现提高对电商平台上的商品数据进行商品数据异常的预警评估的准确率。

请参见图3，图3是本发明基于电商平台的商品数据预警装置一实施例的结构示意图。本实施例中，该基于电商平台的商品数据预警装置30包括获取模块31、分类模块32、排序模块33、校验模块34和生成模块35。

该获取模块31，用于获取对电商平台的商品数据进行异常预警的评估要求。

该分类模块32，用于对该获取的异常预警的评估要求进行特征分类得到一个或多个特征分类类别集。

该排序模块33，用于对该一个或多个特征分类类别集进行优先级排序。

该校验模块34，用于基于预设的基准数据，对该经优先级排序后的一个或多个特征分类类别关联的商品数据进行合规校验，校验出不合规的商品数据。

该生成模块35，用于基于该校验出的不合规的商品数据，通过预设的商品数据异常的预警评估策略，生成该电商平台上的商品数据的商品数据异常的预警评估。

可选地，该分类模块32，可以具体用于：

对该获取的异常预警的评估要求进行特征提取，提取对应该每一项异常预警的评估要求的特征数据；和基于预设的特征分类标签从数据库中提取与该预设的特征分类标签关联的关键词；和将该提取的特征数据与该提取的关键词进行匹配，匹配得到对应该每一项异常预警的评估要求的特征分类类别；和基于预设的特征分类类别的属性，将相同属性的特征分类类别组合在一起，得到一个或多个特征分类类别集。

可选地，该排序模块33，可以具体用于：

基于出现频率最高的特征分类，对含有该出现频率最高的特征分类的特征分类类别的子集进行排序，根据该排序后的含有该出现频率最高的特征分类的特征分类类别的子集，对该一个或多个特征分类类别集进行优先级排序。

可选地，该校验模块34，可以具体用于：

基于预设的基准数据，对该经优先级排序后的一个或多个特征分类类别关联的商品数据进行合规校验，校验该经优先级排序后的一个或多个特征分类类别关联的商品数据是否在对应的该基准数据范围内，将不在该对应的该基准数据范围内的商品数据确定为不合规的商品数据，校验出不合规的商品数据。

请参见图4，图4是本发明基于电商平台的商品数据预警装置另一实施例的结构示意图。区别于上一实施例，本实施例所述基于电商平台的商品数据预警装置40还包括优化模块41。

该优化模块41，用于对该生成的该电商平台上的商品数据的商品数据异常的预警评估对应的商品进行优化。

该基于电商平台的商品数据预警装置30/40的各个单元模块可分别执行上述方法实施例中对应步骤，故在此不对各单元模块进行赘述，详细请参见以上对应步骤的说明。

本发明又提供一种计算机设备，如图5所示，包括：至少一个处理器51；以及，与至少一个处理器51通信连接的存储器52；其中，存储器52存储有可被至少一个处理器51执行的指令，指令被至少一个处理器51执行，以使至少一个处理器51能够执行上述的基于电商平台的商品数据预警方法。

其中，存储器52和处理器51采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器51和存储器52的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器51处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器51。

处理器51负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器52可以被用于存储处理器51在执行操作时所使用的数据。

本发明再提供一种计算机可读存储介质，存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。

可以发现，以上方案，可以获取对电商平台的商品数据进行异常预警的评估要求，和可以对该获取的异常预警的评估要求进行特征分类得到一个或多个特征分类类别集，和可以对该一个或多个特征分类类别集进行优先级排序，和可以基于预设的基准数据，对该经优先级排序后的一个或多个特征分类类别关联的商品数据进行合规校验，校验出不合规的商品数据，以及可以基于该校验出的不合规的商品数据，通过预设的商品数据异常的预警评估策略，生成该电商平台上的商品数据的商品数据异常的预警评估，能够实现提高对电商平台上的商品数据进行商品数据异常的预警评估的准确率。

进一步的，以上方案，可以对该获取的异常预警的评估要求进行特征提取，提取对应该每一项异常预警的评估要求的特征数据，和可以基于预设的特征分类标签从数据库中提取与该预设的特征分类标签关联的关键词，和可以将该提取的特征数据与该提取的关键词进行匹配，匹配得到对应该每一项异常预警的评估要求的特征分类类别，以及可以基于预设的特征分类类别的属性，将相同属性的特征分类类别组合在一起，得到一个或多个特征分类类别集，这样的好处是能够实现提高该得到的一个或多个特征分类类别集的准确率。

进一步的，以上方案，可以基于出现频率最高的特征分类，对含有该出现频率最高的特征分类的特征分类类别的子集进行排序，根据该排序后的含有该出现频率最高的特征分类的特征分类类别的子集，对该一个或多个特征分类类别集进行优先级排序，这样的好处是能够实现使该经优先级排序后的一个或多个一个或多个特征分类类别集所对应的特征分类更能匹配该异常预警的评估要求对应的特征分类。

进一步的，以上方案，可以基于预设的基准数据，对该经优先级排序后的一个或多个特征分类类别关联的商品数据进行合规校验，校验该经优先级排序后的一个或多个特征分类类别关联的商品数据是否在对应的该基准数据范围内，将不在该对应的该基准数据范围内的商品数据确定为不合规的商品数据，校验出不合规的商品数据，这样的好处是能够实现提高该校验出的不合规的商品数据的准确率。

进一步的，以上方案，可以对该生成的该电商平台上的商品数据的商品数据异常的预警评估对应的商品进行优化，这样的好处是能够实现降低由该生成的该电商平台上的商品数据的商品数据异常的预警评估对应的商品的商品风险。

在本发明所提供的几个实施方式中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。

另外，在本发明各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的部分实施例，并非因此限制本发明的保护范围，凡是利用本发明说明书及附图内容所作的等效装置或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。