【技术实现步骤摘要】
本专利技术涉及智能供应链，尤其涉及一种信息处理的方法和装置。
技术介绍
1、目前与互联网购物直接相关的物流为用户体验中的重要环节，物品的配送信息是根据物品的特征数据(例如体积、重量等)所确定的，例如根据物品的重量、体积确定执行配送任务的车型、配送任务的执行频率等。
2、由于配送信息对物品的重量、体积等信息具有较高的依赖性，因此需要数据源中物品的重量、体积等信息具有很高的准确性；目前检查物品重量、体积是否存在异常的方法通常是由工作人员抽查仓库中的部分真实物品的特征数据，判断与数据源中该物品的特征数据是否一致；由此可见，在物品数量规模较大的情况下，现有的检查物品特征数据是否存在异常的方法，存在检查物品信息的覆盖率偏低的问题，同时存在由于人工操作导致的准确率偏低、以及浪费人力成本的问题。
技术实现思路
1、有鉴于此，本专利技术实施例提供一种信息处理的方法和装置，能够响应于数据源中物品信息的状态变更，将物品的特征数据输入对应于物品品类的预设聚类模型和/或预设密度模型；利用所述预设聚类模型和/或所述预设密度模型分析所述待处理物品的所述特征数据是否存在异常；在存在异常的情况下，发送异常信息给所述待处理物品的物品提供方，以使所述物品提供方变更所述特征数据；本专利技术的实施例提高了物品信息的特征数据检测的自动化程度，提高了检测异常特征数据的实时性、准确率和效率。
2、为实现上述目的，根据本专利技术实施例的一个方面，提供了一种信息处理的方法，其特征在于，包括：响应于数据源中针
3、可选地，所述数据源中针对一个或多个待处理物品的物品信息的状态变更，包括：所述数据源中新增或修改一个或多个待处理物品的物品信息；或者，针对所述数据源中存储的任一待处理物品生成订单信息。
4、可选地，所述信息处理的方法，还包括从所述数据源中的历史数据获取所述品类在设定时间周期内的多个物品样本的信息；针对每一个所述物品样本的信息，执行：获取所述物品样本的信息中的样本特征数据，其中，所述样本特征数据包括物品样本对应的体积、以及重量；并根据所述物品的体积、重量生成在体积和重量组成的坐标系中的特征数据点；基于所述坐标系、以及所述坐标系中的多个所述物品样本的各个样本特征数据点构建所述品类对应的预设聚类模型、所述预设密度模型。
5、可选地，所述基于所述坐标系、以及所述坐标系中的多个所述物品样本的各个特征数据点构建出所述品类对应的预设聚类模型，包括：循环执行下述操作步骤n1-n3，直至满足循环停止条件：n1：从各个所述特征数据点中随机选取未被选择过的设定数量的数据点作为参考中心点；n2：基于每一个所述参考中心点，将各个所述特征数据点聚类出设定数量的数据组，其中，每一个所述数据组包含一个所述参考中心点；n3：根据每一个所述数据组所包含的各个特征数据点到该数据组所包含的参考中心点的距离，计算当前循环周期的分值；在结束循环后，从多个循环周期的分值中选择分值最小的循环周期内的参考中心点作为模型中心点；以基于所述坐标系、所述模型中心点以及多个特征数据点构建所述预设聚类模型。
6、可选地，将各个所述特征数据点聚类出设定数量的数据组，包括：针对除所述参考中心点以外的每一个其他特征数据点，执行：计算所述其他特征数据点到每一个所述参考中线点的距离，将所述其他特征数据点与其距离最短的参考中心点划分到同一数据组。
7、可选地，所述基于所述坐标系、以及所述坐标系中的各个特征数据点构建出所述品类对应的预设密度模型，包括：针对每一个所述特征数据点，根据所述特征数据点的重量与体积计算所述特征数据点的密度；根据全部特征数据点的密度计算出密度统计值；基于所述密度统计值确定各个特征数据点在所述坐标系中的参考密度线；根据所述坐标系、所述坐标系中的参考密度线、以及多个特征数据点构建所述预设密度模型。
8、可选地，利用所述预设聚类模型分析所述待处理物品的所述特征数据是否存在异常，包括：根据所述特征数据包含的重量和体积，生成所述物品在所述预设聚类模型包含的坐标系中的目标数据点；基于所述目标数据点与所述预设聚类模型包含的各个模型中心点的距离，确定所述目标数据点所归属的目标数据组；确定所述目标数据组包含的多个特征数据点距离其所对应的模型中心点的第一最大距离以及所述目标数据点到所述目标数据组对应的模型中心点的第一目标距离；根据所述第一目标距离与所述第一最大距离，确定第一偏离分数；在所述第一偏离分数超出第一设定分数范围的情况下，确定所述物品的所述特征数据存在异常。
9、可选地，利用所述预设密度模型分析所述待处理物品的所述特征数据是否存在异常，包括：根据所述特征数据包含的重量和体积，生成所述物品在所述预设密度模型包含的坐标系中的目标数据点；确定多个特征数据点距离所述预设密度模型包含的密度参考线的第二最大距离，以及所述目标数据点到所述密度参考线第二目标距离；根据所述第二目标距离与所述第二最大距离，确定第二偏离分数；在所述第二偏离分数超出第二设定分数范围的情况下，确定所述物品的所述特征数据存在异常。
10、可选地，所述信息处理的方法，进一步包括：响应于所述物品提供方根据异常信息变更所述待处理物品的特征数据，针对变更后的特征数据，利用所述预设聚类模型和/或所述预设密度模型分析所述待处理物品的所述特征数据是否存在异常的步骤。
11、为实现上述目的，根据本专利技术实施例的第二方面，提供了一种信息处理的装置，其特征在于，包括：响应变更模块、检测异常模块和处理异常模块；其中，
12、所述响应变更模块，用于响应于数据源中针对一个或多个待处理物品的物品信息的状态变更，获取所述物品信息包含的特征数据和品类，将所述特征数据输入对应于所述品类的预设聚类模型和/或预设密度模型；其中，所述品类对应的所述预设聚类模型和/或所述预设密度模型是基于该品类下的多种物品样本的样本特征数据确定出的；
13、所述检测异常模块，利用所述预设聚类模型和/或所述预设密度模型分析所述待处理物品的所述特征数据是否存在异常；
14、所述处理异常模块，用于在存在异常的情况下，发送异常信息给所述待处理物品的物品提供方，以使所述物品提供方变更所述特征数据。
15、可选地，所述信息处理的装置，用于响应于数据源中针对一个或多个待处理物品的物品信息的状态变更，包括：所述数据源中新增或修改一个或多个待处理物品的物品信息；或者，针对所述数据源中存储的任一待处理物品生成订单信息。
16、本文档来自技高网...
【技术保护点】
1.一种信息处理的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求1所述的方法，其特征在于，还包括：
4.根据权利要求3所述的方法，其特征在于，
5.根据权利要求4所述的方法，其特征在于，将各个所述特征数据点聚类出设定数量的数据组，包括：
6.根据权利要求3所述的方法，其特征在于，
7.根据权利要求1所述的方法，其特征在于，
8.根据权利要求1或7所述的方法，其特征在于，
9.根据权利要求1所述的方法，其特征在于，进一步包括：
10.一种信息处理的装置，其特征在于，包括：响应变更模块、检测异常模块和处理异常模块；其中，
11.一种电子设备，其特征在于，包括：
12.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
【技术特征摘要】
1.一种信息处理的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求1所述的方法，其特征在于，还包括：
4.根据权利要求3所述的方法，其特征在于，
5.根据权利要求4所述的方法，其特征在于，将各个所述特征数据点聚类出设定数量的数据组，包括：
6.根据权利要求3所述的方法，其特征在于，
7.根据权利要求1所述的方法，其特...
【专利技术属性】
技术研发人员：梅兰山，
申请(专利权)人：北京京东振世信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。