[发明专利]一种电商产品质量评价方法及系统

摘要

本发明涉及电子商务，旨在提供一种电商产品质量评价方法及系统。该种电商产品质量评价方法，先定义用于构建所述电商产品质量信用指数的指标，按层次得到每个商品的初始电商产品质量信用指数，再计算以时间为维度的每个商品所对应指标的工具变量的原始增长率，并修正所述原始增长率以获得修正后增长率的算法；利用修正后增长率对历史电商产品质量信用指数进行更新的算法；最后集合每个商品的质量信用指数及投票权来计算得到总体行业的电商产品质量信用指数。本发明是一种对电商产品质量评价的创新性计算方法，能对电商产品进行深入分析，能够如实刻画电商产品发展波动的轨迹，有效监测电商产品行业的发展态势。

主权项

1.一种电商产品质量信用指数分析方法，其特征在于，具体包括下述步骤：步骤(1)：采集并融合多源跨平台的电商产品质量数据；先从异构的系统数据源中采集数据对象，采集完成后，将不同类型和不同结构的原始数据清洗、处理成统一框架下的标准化数据；异构的系统数据源包括结构化的数据源和非结构化的数据源；结构化的数据源中存储结构化数据，结构化数据包括产品质量检验报告、商家征信记录和电商平台产品属性数据；非结构化的数据源中存储非结构化数据，非结构化数据包括文本化的产品质量检测结果数据、电商平台上针对产品的用户评价文本和产品质量舆情信息；标准化数据是指：将原始数据按比例缩放到一个特定区间，去除数据的单位限制，形成的无量纲的纯数值的数据；不同类型和不同结构的原始数据处理后，得到的标准化数据分为结构化的标准化数据和非结构化的标准化数据：对于结构化的标准化数据，直接提交给统一的产品质量数据仓库；对于非结构化的标准化数据，先将非结构化的标准化数据中的关键信息，通过相应信息抽取算法提取出来完成结构化过程，变成结构化的标准化数据后，再提交给统一的产品质量数据仓库；步骤(2)：定义电商产品质量信用指数评价模型，构建用于表示电商产品质量信用指数的层次指标框架，并确定用于表示所定义指标的工具变量；电商产品质量信用指数评价模型包括目标层、概念层、指标层、数据层和技术层；目标层设置指标：电商产品质量信用，电商产品质量信用于作为评价该电商产品质量的数据；概念层设置指标：固有质量、损失质量、感知质量、商家信用和质量追溯；其中，固有质量、损失质量和感知质量共同构成产品质量；指标层设置指标：标准化指标、生产指标、设计指标、原材料指标、安全性指标、环保性指标、消费者指标、三方指标、服务指标、基础指标、金融指标、信用指标和溯源指标；数据层即步骤(1)所述的产品质量数据仓库，存储有：产品质检数据、电商平台数据、政府数据、溯源数据、金融机构数据、三方机构数据、商家数据和运行数据，用于作为电商产品质量信用指数评价模型的数据来源；技术层对各层指标进行降维操作，用于减少指标数量，计算得到最终的电商产品质量信用指数；在电商产品质量信用指数评价模型中，存在层次指标框架，具体是指：概念层的指标，共同对应上层次目标层的电商产品质量信用指数；指标层的指标，对应上层次概念层的指标：标准化指标、生产指标、设计指标和原材料指标对应概念层的固有质量，安全性指标和环保性指标对应概念层的损失质量，消费者指标、三方指标和服务指标对应概念层的感知质量，基础指标、金融指标和信用指标对应概念层的商家信用，溯源指标对应概念层的质量追溯；指标层的指标，分别对应不同的工具变量：标准化指标对应制造许可证和节能环保认证；生产指标对应流水线管理和生产环境控制；设计指标对应功能实用性；原材料指标对应原材料质量检验和原材料运输存储；安全性指标对应安全损害性；环保性指标对应环保损害性；消费者指标对应消费者满意度；三方指标对应行业协会评价和媒体评价；服务指标对应售前和售后服务；基础指标对应工商登记信息、纳税情况、法定资质和劳动力投入；金融指标对应信贷信息和保险信息；信用指标对应企业质量信用；溯源指标对应产品质量追溯网络；步骤(3)：量化层次指标框架中的工具变量，并确定工具变量类型；制定量化标准，并根据量化标准，对所述工具变量进行量化，得到各个工具变量的量化值，作为各个工具变量的初始数值；指定各个工具变量的类型，工具变量的类型分为：数值类型变量、状态类型变量、比例类型变量；步骤(4)：构造判断矩阵并计算各层次指标权重；分别对目标层、概念层、指标层中的各指标的相对重要性给出判断，并用数值表示出来，写成矩阵形式即形成判断矩阵；然后，对判断矩阵按行进行归一化，得到每一个指标的权重；每一层次指标的权重计算方法具体为：计算该层次对应判断矩阵的行中元素的乘积M_i，i＝1～n，n是指该行元素的数量；然后计算M_i的n次方根N_i，即得到向量N＝(N₁，N₂，...，N_n)^T；其中，T是指矩阵转置；对向量N进行归一化处理，即求得该行每一个元素的权重Pi：步骤(5)：按权重合成每个商品的初始电商产品质量信用指数；对步骤(3)得到的工具变量的初始数值进行加权，计算得到概念层指标j的初始质量信用指数ConceptionIndexij0：其中，bk是商品i的工具变量k的初始数值；wk是商品i的工具变量k所对应的指标的权重，即由步骤(4)计算得到；indicators是商品i的指标层的指标对应的工具变量集合；然后，对概念层的初始质量信用指数进行加权，得到目标层指标的初始质量信用指数Indexi0：其中，uj是概念层指标j的权重，即由步骤(4)计算得到；步骤(6)：利用每个工具变量类型对应的增长率算法，计算每个商品所对应指标的工具变量的原始增长率；对应数值类型的增长率算法：其中，i是指商品i；t是指月份t；RelativeRatioit是指商品i在t月的工具变量的原始增长率；Xit是指商品i在t月的工具变量的值，Xit‑1是指商品i在(t‑1)月的工具变量的值，这里的工具变量的值是指标层的每个指标所对应的工具变量值；对应状态类型的增长率算法：对应比例类型的增长率算法：其中，Zit是指商品i在t月的比例类型工具变量值，Zit‑1是指商品i在(t‑1)月的比例类型工具变量值，这里的比例类型工具变量值是指标层的每个指标所对应的工具变量值；步骤(7)：修正原始增长率以获得修正后增长率；根据增长率数据的数据分布情况，对增长率进行标准化，将标准化增长率作为修正增长率；增长率的取值范围是[‑1，+INF]，其中INF是指无穷大；电商产品质量信用指数评价模型中的指标类型分为：流量类型指标、比例类型指标和状态类型指标；根据工具变量对应的指标的类型，标准化增长率的方式具体为：方式1)对于流量类型或者比例类型的指标对应的工具变量：其中，RelativeRatio’_it是指商品i在t月的工具变量的修正增长率；x是指商品i在t月的工具变量的原始增长率，由步骤(6)计算得到；方式2)对于状态类型的指标对应的工具变量：RelativeRatio′it＝RelativeRatioit步骤(8)：按权重合成各变量的修正增长率，按月份更新每个商品的质量信用指数；计算每个商品的产品质量信用指数的方法，具体为：通过对工具变量的修正增长率数值进行加权来得到该产品当月的产品质量信用指数增长率IndexRationit：其中，RelativeRatio’ijt是商品i的工具变量j在t月的修正增长率；wj是工具变量j在计算质量信用指数中的权重，由步骤(4)计算得到；indicators是商品i的指标层的指标对应的工具变量集合；利用当前月份产品质量信用指数增长率对历史产品质量信用指数进行更新，得到当前月份的产品质量信用指数Indexit：Indexit＝lndexit‑1*(1+IndexRatioit)其中，Indexit‑1是前一个月份的产品质量信用指数；所述符号“*”是指乘法运算；步骤(9)：计算每个商品的投票权，集合每个商品的产品质量信用指数及投票权来计算总体产品质量信用指数；计算每个商品的投票权变量，具体包括下述方法步骤为：方法步骤1)：确定销量总和的占比超过市场总销量的固定百分比r的前topN商品；topN值的计算方法为：将商品销量按从大到小排序，取前topN个商品，使得这些商品的销量和大于等于市场总销量的固定百分比r；其中，r为常数，取值范围为：10％～50％；方法步骤2)：计算集中度ratio：其中，为近N个月所述top_N商品的销量和；N为常数，取值范围为：1～12；mean(volume)为该行业中的同类商品的平均销量；方法步骤3)：根据销量和集中度计算投票权voteit：其中，volumeit为近M个月商品i的平均成交量；M为自然数，取值范围为1～5；voteit是商品i在t月的投票权；τ是指投票温度，取值范围为0～1，设置τ越小则销量高的商品权重越高；所述items是指该行业中的同类商品集合；volumekt是指商品k在t月的销量，k指商品k；符号“*”是指乘法运算；集合每个商品的产品质量信用指数及投票权变量来计算得到当前月份的总体产品质量信用指数，公式如下：其中，items是指该行业中的同类商品集合；L默认值为100；计算得到的总体产品质量信用指数Indext，即为最终评价电商产品当前月份的质量信用的数据，该值越大，则产品质量信用越好。