[发明专利]异常商品对象的识别方法、设备及存储介质

说明书

本发明实施例提供一种异常商品对象的识别方法、设备及存储介质，通过从数据库获取多个待识别商品对象相关的历史信息；根据所述历史信息确定每一待识别商品对象的目标特征信息；根据每一待识别商品对象的目标特征信息以及预设凸包模型，获取所述多个待识别商品对象对应的凸包边界上的待识别商品对象，作为异常商品对象；输出所述异常商品对象，以针对所述异常商品对象进行相应处理。本发明实施例通过获取每一待识别商品对象的目标特征信息，并结合预设凸包模型进行处理，使得异常商品对象位于凸包边界上，从而可以准确的识别出异常商品对象，可发现大量有共性的异常商品，并且不依赖决策者的个人经验和业务理解，提高异常商品对象识别的准确性。

技术领域

本发明实施例涉及大数据领域，尤其涉及一种异常商品对象的识别方法、设备及存储介质。

背景技术

在电商网站中，对于异常商品的挖掘非常重要，如作弊商品的挖掘、滞销商品的挖掘、价格异常商品的挖掘，进而对异常商品进行相应的处理，以维护电商网站正常运行。

现有的异常商品发掘方法主要为机器学习领域中的离群点分析方法或基于单维度排序方法。其中，离群点分析方法主要有两种，一种为基于聚类的方法，通过考察对象与簇之间的关系检测离群点；另一种是基于分类的方法，通过训练一个可以区分正常数据和离群点的分类模型，基于分类模型检测离群点。而基于单维度排序方法通常由决策者确定商品的一个维度的特征，并基于该维度的特征对所有商品进行排序，排序最前或最后的商品被认为是异常商品。

现有技术中的异常商品发掘方法中，离群点分析方法往往准确性较低，且无法发现大量有共性的异常商品；基于单维度排序方法同样准确性较低，且非常依靠决策者的个人经验与业务理解，存在片面性，会导致异常商品的遗漏。

发明内容

本发明实施例提供一种异常商品对象的识别方法、设备及存储介质，用以提高异常商品挖掘过程中的准确率。

第一方面，本发明实施例提供一种异常商品对象的识别方法，包括：

从数据库获取多个待识别商品对象相关的历史信息；

根据所述历史信息确定每一待识别商品对象的目标特征信息；

根据每一待识别商品对象的目标特征信息以及预设凸包模型，获取所述多个待识别商品对象对应的凸包边界上的待识别商品对象，作为异常商品对象；

输出所述异常商品对象，以针对所述异常商品对象进行相应处理。

可选的，对于每一待识别商品对象，从所述历史信息中提取该待识别商品对象的初始特征信息；

根据所述初始特征信息获取辅助特征信息；

将所述初始特征信息和所述辅助特征信息作为该待识别商品对象的目标特征信息。

可选的，所述根据所述初始特征信息获取辅助特征信息，包括：

确定所述待识别商品对象的回归目标；

根据所述初始特征信息以及所述回归目标进行线性回归，获取所述回归目标与所述初始特征信息之间的目标函数；

根据所述目标函数中各所述初始特征信息对应的系数的正负，对所述初始特征信息分组，得到系数为正的第一特征信息组、以及系数为负的第二特征信息组；

根据所述第一特征信息组、所述第二特征信息组、以及待识别异常商品对象类型信息，获取辅助特征信息。

可选的，所述根据所述第一特征信息组、所述第二特征信息组、以及待识别异常商品对象类型信息，获取所述辅助特征信息，包括：

根据第一特征信息组和所述第二特征信息组构建初始特征向量；