基于大数据的电子商务影响指数分析系统技术方案

本发明专利技术公开了基于大数据的电子商务影响指数分析系统，包括：用于采集大数据中电子商务的影响特征的采集单元；用于判断电子商务的影响特征的判断单元；所述判断单元将产生正面影响的影响特征划分为正面特征；所述判断单元将产生负面影响的影响特征划分为负面特征；用于将正面特征建立正面模型f1(x)的建模单元；所述建模单元还用于将负面特征建立负面模型f2(x)；当采集单元采集到新的影响特征Y时，判断单元判断新的影响特征Y是否处于数据库中。本发明专利技术基于大数据的电子商务影响指数分析系统，可以很好的对新的影响特征进行评估，提高了评估效率，而不需要重新对新的影响特征进行权重估计，有利于电子商务的快速发展。

【技术实现步骤摘要】
基于大数据的电子商务影响指数分析系统
本专利技术涉及电子商务
，具体涉及基于大数据的电子商务影响指数分析系统。
技术介绍
电子商务通常是指在全球各地广泛的商业贸易活动中，在因特网开放的网络环境下，基于浏览器/服务器应用方式，买卖双方不谋面地进行各种商贸活动，实现消费者的网上购物、商户之间的网上交易和在线电子支付以及各种商务活动、交易活动、金融活动和相关的综合服务活动的一种新型的商业运营模式。各国政府、学者、企业界人士根据自己所处的地位和对电子商务参与的角度和程度的不同，给出了许多不同的定义。电子商务分为：ABC、B2B、B2C、C2C、B2M、M2C、B2A(即B2G)、C2A(即C2G)、O2O等。为了衡量电子商务的发展过程，一般采用电子商务影响指数对电子商务进行评价；现行的电子商务影响指数采用线性回归的方式进行评价，这种评价手段虽然对简单特征的分析比较有效，但是当出现新的影响特征时，需要重新进行构筑，并重新规划权重值，已经不适应于电子商务的快速发展。
技术实现思路
本专利技术所要解决的技术问题是现行的电子商务影响指数采用线性回归的方式进行评价，这种评价手段虽然对简单特征的分析比较有效，但是当出现新的影响特征时，需要重新进行构筑，并重新规划权重值，已经不适应于电子商务的快速发展，目的在于提供基于大数据的电子商务影响指数分析系统，解决上述问题。本专利技术通过下述技术方案实现：基于大数据的电子商务影响指数分析系统，包括：用于采集大数据中电子商务的影响特征的采集单元；用于判断电子商务的影响特征的判断单元；所述判断单元将产生正面影响的影响特征划分为正面特征；所述判断单元将产生负面影响的影响特征划分为负面特征；用于将正面特征建立正面模型f1(x)的建模单元；所述建模单元还用于将负面特征建立负面模型f2(x)；当采集单元采集到新的影响特征Y时，判断单元判断新的影响特征Y是否处于数据库中；当新的影响特征Y不处于数据库中时，将新的影响特征Y带入正面模型f1(x)和负面模型f2(x)，并得到影响特征Y的正面因子f1(Y)和负面因子f2(Y)；判断单元对f1(Y)和f2(Y)的值进行比较；当f1(Y)>f2(Y)时，将影响特征Y归类为正面特征；当f1(Y)≤f2(Y)时，将影响特征Y归类为负面特征。现有技术中，现行的电子商务影响指数采用线性回归的方式进行评价，这种评价手段虽然对简单特征的分析比较有效，但是当出现新的影响特征时，需要重新进行构筑，并重新规划权重值，已经不适应于电子商务的快速发展。这里的特征的增加变化是指，随着电子商务快速发展，会产生新的特征，比如随着AI技术的发展，会出现更便捷的交易体系，这种交易体系的影响就为新的特征。本专利技术应用时，为了快速对新产生的特征进行电子商务影响指数评估，创造性的采用了模型比对的方法；采集大数据中电子商务的影响特征一般包括物流影响、支付影响、信用评估影响、跨境汇率影响等特征；判断单元将这些采集的特征分为正面特征和负面特征，而建模单元分别对正面特征和负面特征进行建模；采集到新的影响特征T时，为了对新的影响特征T进行判断，将新的影响特征T带入正面模型和负面模型，一般来说还需要将新的影响特征的影响因子进行归一化评价，但是归一化评价属于现有技术，在此不多做阐述，带入正面模型产生的输出值表示该特征产生正面影响的因子，而带入负面模型产生的输出值表示该特征产生负面影响的因子，将两个因子进行比对，如果正面模型的因子大于负面模型的因子，说明该特征的正面影响大于负面影响，反之说明该特征的负面影响大于正面影响，从而可以很好的对新的影响特征进行评估，提高了评估效率，而不需要重新对新的影响特征进行权重估计，有利于电子商务的快速发展。进一步的，所述正面模型f1(x)为正面特征与正面效果之间的映射关系。本专利技术应用时，正面模块可以采用多项式曲线拟合模型，也可以采用线性回归模型，同时其他的数据处理模型也可以在此进行应用。进一步的，所述负面模型f2(x)为负面特征与负面效果之间的映射关系。本专利技术应用时，负面模块可以采用多项式曲线拟合模型，也可以采用线性回归模型，同时其他的数据处理模型也可以在此进行应用。进一步的，所述建模单元还用于：当影响特征Y归类为正面特征时，将影响特征Y加入并更新正面模型f1(x)。本专利技术应用时，为了进一步的完善模型，当影响特征Y归类为正面特征时，将影响特征Y加入并更新正面模型，从而使得模型本身更适应于新的电子商务体系，实现自动升级的功能。进一步的，所述建模单元还用于：当影响特征Y归类为负面特征时，将影响特征Y加入并更新负面模型f2(x)。本专利技术应用时，为了进一步的完善模型，当影响特征Y归类为负面特征时，将影响特征Y加入并更新负面模型，从而使得模型本身更适应于新的电子商务体系，实现自动升级的功能。进一步的，所述正面影响为提高电子商务影响指数的影响。进一步的，所述负面影响为降低电子商务影响指数的影响。进一步的，所述判断单元内设置正面阈值和负面阈值；当f1(Y)超过正面阈值时舍弃影响特征Y；当f2(Y)超过负面阈值时舍弃影响特征Y。本专利技术应用时，一般来说，随着电子商务的发展，除非出现巨大的技术革新，新增特征对整体系统的影响都不会太大，过大的影响说明这个特征的数据已经异常，所以对这个特征的数据进行舍弃，保证了模型评估过程的稳定性。本专利技术与现有技术相比，具有如下的优点和有益效果：本专利技术基于大数据的电子商务影响指数分析系统，可以很好的对新的影响特征进行评估，提高了评估效率，而不需要重新对新的影响特征进行权重估计，有利于电子商务的快速发展。附图说明此处所说明的附图用来提供对本专利技术实施例的进一步理解，构成本申请的一部分，并不构成对本专利技术实施例的限定。在附图中：图1为本专利技术系统结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本专利技术作进一步的详细说明，本专利技术的示意性实施方式及其说明仅用于解释本专利技术，并不作为对本专利技术的限定。实施例1如图1所示，本专利技术基于大数据的电子商务影响指数分析系统，包括：用于采集大数据中电子商务的影响特征的采集单元；用于判断电子商务的影响特征的判断单元；所述判断单元将产生正面影响的影响特征划分为正面特征；所述判断单元将产生负面影响的影响特征划分为负面特征；用于将正面特征建立正面模型f1(x)的建模单元；所述建模单元还用于将负面特征建立负面模型f2(x)；当采集单元采集到新的影响特征Y时，判断单元判断新的影响特征Y是否处于数据库中；当新的影响特征Y不处于数据库中时，将新的影响特征Y带入正面模型f1(x)和负面模型f2(x)，并得到影响特征Y的正面因子f1(Y)和负面因子f2(Y)；判断单元对f1(Y)和f2(Y)的值进行比较；当f1(Y)>f2(Y)时，将影响特征Y归类为正面特征；当f1(Y)≤f2(Y)时，将影响特征Y归类为负面特征。本实施例实施时，为了快速对新产生的特征进行电子商务影响指数评估，创造性的采用了模型比对的方法；采集大数据中电子商务的影响特征一般包括物流影响、支付影响、信用评估影响、跨境汇率影响等特征；判断单元将这些采集的特征分为正面特征和负面特征，而建模单元分别对正面特征和负面特征进行建模；采集到新的本文档来自技高网...

【技术保护点】
1.基于大数据的电子商务影响指数分析系统，其特征在于，包括：用于采集大数据中电子商务的影响特征的采集单元；用于判断电子商务的影响特征的判断单元；所述判断单元将产生正面影响的影响特征划分为正面特征；所述判断单元将产生负面影响的影响特征划分为负面特征；用于将正面特征建立正面模型f1(x)的建模单元；所述建模单元还用于将负面特征建立负面模型f2(x)；当采集单元采集到新的影响特征Y时，判断单元判断新的影响特征Y是否处于数据库中；当新的影响特征Y不处于数据库中时，将新的影响特征Y带入正面模型f1(x)和负面模型f2(x)，并得到影响特征Y的正面因子f1(Y)和负面因子f2(Y)；判断单元对f1(Y)和f2(Y)的值进行比较；当f1(Y)>f2(Y)时，将影响特征Y归类为正面特征；当f1(Y)≤f2(Y)时，将影响特征Y归类为负面特征。

【技术特征摘要】
1.基于大数据的电子商务影响指数分析系统，其特征在于，包括：用于采集大数据中电子商务的影响特征的采集单元；用于判断电子商务的影响特征的判断单元；所述判断单元将产生正面影响的影响特征划分为正面特征；所述判断单元将产生负面影响的影响特征划分为负面特征；用于将正面特征建立正面模型f1(x)的建模单元；所述建模单元还用于将负面特征建立负面模型f2(x)；当采集单元采集到新的影响特征Y时，判断单元判断新的影响特征Y是否处于数据库中；当新的影响特征Y不处于数据库中时，将新的影响特征Y带入正面模型f1(x)和负面模型f2(x)，并得到影响特征Y的正面因子f1(Y)和负面因子f2(Y)；判断单元对f1(Y)和f2(Y)的值进行比较；当f1(Y)>f2(Y)时，将影响特征Y归类为正面特征；当f1(Y)≤f2(Y)时，将影响特征Y归类为负面特征。2.根据权利要求1所述的基于大数据的电子商务影响指数分析系统，其特征在于，所述正面模型f1(x)为正面特征与正面效果之间的映射关系。3....

【专利技术属性】
技术研发人员：金风莲，
申请(专利权)人：广州友米科技有限公司，
类型：发明
国别省市：广东,44