[发明专利]一种针对电商平台家电零售数据的销量异常识别方法

权利要求书

1.一种针对电商平台家电零售数据的销量异常识别方法，其特征在于，包括以下步骤：通过长期积累的分渠道数据，采用多层神经网络分类算法经过反复训练，获得一份高可用的训练集，规则库；系统首先进行自动化处理，输出可信分级结果，根据可信分级，首先根据复审规则库和流程进行自动复审，如果现有规则库无法识别，由人工进行复审，每一次复审的结果，人工更新复审规则库，选择是否将样本加入训练集中，后续遇到相同场景时，根据设定自动处理。

2.一种针对电商平台家电零售数据的销量异常识别系统，其特征在于，包括基础分类器、智能选择器和人工复核，所述的基础分类器模拟人类大脑认识物体的方式对输入进行分类；为了提高精确性和鲁棒性，设置多层进行分析，其中第一层为输入层，对数据进行初分类，修剪，最后一层为输出层，中间设置两层隐藏层；最终分类结果为正常，复审，异常，所以设置分类数为3类，最大迭代次数设定为100.基本的处理流程有：创建前向反馈拓扑；计算梯度；权值更新。

3.根据权利要求2所述的一种针对电商平台家电零售数据的销量异常识别方法，其特征在于，所述的基础分类器包括原始数据结构、预处理成标签特征向量数据、输入原始数据和输出处理结果，所述的原始数据结构分类标示为：0：正常；1：复审；2：异常；所述的预处理成标签特征向量数据是通过特征哈希来完成特征向量转化；所述的输入原始数据不带分类，通过系统处理之后，添加上分类标识；所述的输出处理结果是经过多层神经网络分类算法处理之后的结果；分类标识说明：0：正常；1：复审；2：异常。

4.根据权利要求2所述的一种针对电商平台家电零售数据的销量异常识别系统，其特征在于，所述的智能选择器根据基础分类器的处理结果，结合规则知识库，将数据分流到可信数据库或人工处理数据库；数据处理的核心是需要复审的数据，根据知识规则，从复审数据中过虑出异常数据和可信数据，将可信数据写入到可信库，异常数据写入到异常库，需要人工再次验证的数据写入人工复审库；从复审库中过滤出来的可信数据，同步更新训练数据集；训练数据集每条数据都有时间戳，定期统计训练数据集更新规模，当满足更新模型时，重新对模型进行训练更新。

5.根据权利要求4所述的一种针对电商平台家电零售数据的销量异常识别系统，其特征在于，所述的规则知识库包括：

(1)、低价处理：根据各平台，各品牌，各品类的底价字典表，将价格低于底价的数据删除；

(2)、异常大量处理。