商品价格异常识别方法、装置、设备和存储介质制造方法及图纸

本申请涉及一种商品价格异常识别方法、装置、设备和存储介质。该方法包括：响应于针对目标商品的定价指令，从舆情文本中提取目标商品所属商品品牌的情感信息；其中，所述定价指令中包括所述目标商品的当前定价信息；获取所述目标商品的参考价格信息；其中，所述参考价格信息包括所述目标商品的官方发售价格、历史成交价格以及历史成功定价价格；根据所述参考价格信息以及所述情感信息，识别所述当前定价信息是否异常。在目标商品定价过程中，充分利用了舆情文本中所包括的目标商品所属品牌的情感信息以及目标商品的参考价格信息，可以有效地识别出该目标商品的定价是否具有炒作嫌疑，从而提高了商品价格异常识别结果的准确性。从而提高了商品价格异常识别结果的准确性。从而提高了商品价格异常识别结果的准确性。

【技术实现步骤摘要】
商品价格异常识别方法、装置、设备和存储介质


[0001]本申请涉及计算机处理
，特别是涉及一种商品价格异常识别方法、装置、设备和存储介质。

技术介绍

[0002]在网络平台中，卖家可以对商品进行定价，从而实现商品的交易。但是，存在这样的情况，部分卖家对商品进行大量炒作，导致商品的定价远远高于商品的正常波动区间，扰乱平台正常的交易秩序。
[0003]相关技术中，可以结合商品价格的周期性特征来识别商品价格是否异常。但是，在实际应用中，商品价格的周期性变化是很复杂的，多数难以发现周期性规律。因此，对于本领域技术人员来说，如何对网络平台中商品价格进行异常识别成为亟待解决的技术问题。

技术实现思路

[0004]基于此，本申请实施例提供一种商品价格异常识别方法、装置、设备和存储介质。
[0005]第一方面，本申请实施例提供一种商品价格异常识别方法，包括：
[0006]响应于针对目标商品的定价指令，从舆情文本中提取目标商品所属商品品牌的情感信息；其中，所述定价指令中包括所述目标商品的当前定价信息；
[0007]获取所述目标商品的参考价格信息；其中，所述参考价格信息包括所述目标商品的官方发售价格、历史成交价格以及历史成功定价价格；
[0008]根据所述参考价格信息以及所述情感信息，识别所述当前定价信息是否异常。
[0009]第二方面，本申请实施例提供一种商品价格异常识别装置，包括：
[0010]提取模块，用于响应于针对目标商品的定价指令，从舆情文本中提取目标商品所属商品品牌的情感信息；其中，所述定价指令中包括所述目标商品的当前定价信息；
[0011]获取模块，用于获取所述目标商品的参考价格信息；其中，所述参考价格信息包括所述目标商品的官方发售价格、历史成交价格以及历史成功定价价格；
[0012]识别模块，用于根据所述参考价格信息以及所述情感信息，识别所述当前定价信息是否异常。
[0013]第三方面，本申请实施例提供一种电子设备，包括：存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现本申请实施例第一方面提供的商品价格异常识别方法的步骤。
[0014]第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例第一方面提供的商品价格异常识别方法的步骤。
[0015]本申请实施例提供的技术方案，响应于针对目标商品的定价指令，从舆情文本中提取目标商品所属商品品牌的情感信息，该定价指令中包括目标商品的当前定价信息，以及获取目标商品的参考价格信息，并根据目标商品的参考价格信息以及上述目标商品所属
商品品牌的情感信息，识别当前定价信息是否异常。在目标商品定价过程中，充分利用了舆情文本中所包括的目标商品所属品牌的情感信息以及目标商品的参考价格信息，可以有效地识别出该目标商品的定价是否具有炒作嫌疑，从而提高了商品价格异常识别结果的准确性。
附图说明
[0016]图1为本申请实施例提供的商品价格异常识别方法的一种流程示意图；
[0017]图2为本申请实施例提供的基于商品品牌的情感信息提取过程的一种流程示意图；
[0018]图3为本申请实施例提供的商品价格异常识别方法的另一种流程示意图；
[0019]图4为本申请实施例提供的商品价格异常识别装置的一种结构示意图；
[0020]图5为本申请实施例提供的电子设备的一种结构示意图。
具体实施方式
[0021]下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
[0022]为了使本申请的目的、技术方案及优点更加清楚明白，通过下述实施例并结合附图，对本申请实施例中的技术方案进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
[0023]需要说明的是，下述方法实施例的执行主体可以是商品价格异常识别装置，该装置可以通过软件、硬件或者软硬件结合的方式实现成为电子设备的部分或者全部。可选地，该电子设备可以是智能手机、平板电脑、电子书阅读器以及车载终端等。当然，该电子设备也可以是独立的服务器或者服务器集群等，本申请实施例对电子设备的具体类型不做限定。下述方法实施例以执行主体是电子设备为例进行说明。
[0024]图1为本申请实施例提供的商品价格异常识别方法的一种流程示意图。本实施例涉及的是电子设备如何识别目标商品的当前定价是否异常的具体过程。
[0025]如图1所示，该方法可以包括：
[0026]S101、响应于针对目标商品的定价指令，从舆情文本中提取目标商品所属商品品牌的情感信息。
[0027]具体的，上述舆情文本可以是平台内部用户原创内容、商品评价信息和社交平台舆情文本。示例性的，舆情文本可以是论坛、微博、购物网站、电商平台中的评论、帖子等。例如，舆情文本可以是购物网络中用户对商品的评价数据等。
[0028]在实际应用中，用户(例如购物平台中的卖家)可以通过平台中所展示的相应控件来触发定价指令，以实现对目标商品进行定价，上述定价指令中可以包括用户对目标商品的当前定价信息。例如，用户可以对购物平台中的某一款鞋子进行定价。
[0029]在接收到针对目标商品的定价指令之后，电子设备可以获取与目标商品相关的舆情文本，并从获取的舆情文本中提取目标商品所属商品品牌的情感信息。其中，该舆情文本中具有实体信息和情感信息，实体信息可以是商品名称或品牌，情感信息可以表示商品品
牌在某种属性上的特点，例如在质量、价格等属性上的特点。在一种可选地实施方式中，可以在舆情文本中确定用于表示实体信息的实体词语和用于表示情感信息的属性词语，从而得到目标商品所属商品品牌的情感信息。通过该情感信息可以有效发现目标商品最近的热度情况，进而预测该目标商品是否具有炒作的趋势。例如，通过该情感信息发现目标商品最近的热度很高，则该目标商品炒作的嫌疑越高，反之，通过该情感信息发现目标商品和平时的热度相差不大，则该目标商品炒作的嫌疑越低。
[0030]S102、获取目标商品的参考价格信息。
[0031]具体的，获取历史交易日志，从历史交易日志中提取目标商品的参考价格信息，其中，上述参考价格信息包括目标商品的官方建议价格、历史成交价格以及历史成功定价价格。通过参考价格信息为目标商品的当前定价信息提高参考依据，可以基于当前定价信息与参考价格信息之间的差距来预测当前定价信息是否异常。例如，若当前定价信息偏离参考价格信息越大，则预测该当前定价信息的异常可能性越高；反之，若当前定价信息偏移参考价格信息越小，则预测该当前定价信息的异常可能性越低。
[0032]S103、根据参考价格信息以及情感信息，识别当前定价信息是否异常。
[0033]在得到目标商品本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种商品价格异常识别方法，其特征在于，包括：响应于针对目标商品的定价指令，从舆情文本中提取目标商品所属商品品牌的情感信息；其中，所述定价指令中包括所述目标商品的当前定价信息；获取所述目标商品的参考价格信息；其中，所述参考价格信息包括所述目标商品的官方建议价格、历史成交价格以及历史成功定价价格；根据所述参考价格信息以及所述情感信息，识别所述当前定价信息是否异常。2.根据权利要求1所述的方法，其特征在于，所述从舆情文本中提取目标商品所属商品品牌的情感信息，包括：利用爬虫技术获取各社交平台的舆情文本；对所述舆情文本进行预处理，得到处理后的舆情文本；将处理后的舆情文本输入至预先训练好的品牌情感分析模型中，得到所述舆情文本中所包括的所述目标商品所属商品品牌的情感信息。3.根据权利要求2所述的方法，其特征在于，在所述利用爬虫技术获取各社交平台的舆情文本之前，还包括：获取第一训练数据集；其中，所述第一训练数据集包括多个样本舆情文本以及每个样本舆情文本中所包括的商品品牌的情感信息；根据所述第一训练数据集对所述品牌情感分析模型进行训练。4.根据权利要求1所述的方法，其特征在于，所述根据所述参考价格信息以及所述情感信息，识别所述当前定价信息是否异常，包括：将所述当前定价信息、所述参考价格信息以及所述情感信息输入至预先训练好的异常检测模型中，得到所述当前定价信息的异常概率；当所述异常概率大于预设阈值时，确定所述当前定价信息为异常价格；当所述异常概率小于或等于所述预设阈值...

【专利技术属性】
技术研发人员：张涛，周斌，孙鑫焱，龚涛，
申请(专利权)人：上海识装信息科技有限公司，
类型：发明
国别省市：