【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种基于物联网的商品信息拆分检验方法及系统。
技术介绍
1、随着贸易需求的提高和电商物流的发达，越来越多的商家开始引入物联网技术来管理商品货物的运输或储存，例如通过传感器获取商品在生产运输过程中的各种信息并进行保存，以用于校验商品的完整性和真实性。但现有技术中在解决商品信息检验时一般仅单纯采用预设的验证算法和验证规则进行验证，在面对大批量的商品信息检验的大数据场景需求时效率太低且运算成本较高，没有基于不同商品贸易环节的不同的物联网信息的特点来提高检验效率。可见，现有技术存在缺陷，亟待解决。
技术实现思路
1、本专利技术所要解决的技术问题在于，提供一种基于物联网的商品信息拆分检验方法及系统，能够更加高效和安全地实现对大量商品的信息检验，降低商品信息检验的数据处理成本，保证商品服务的安全性和真实性。
2、为了解决上述技术问题，本专利技术第一方面公开了一种基于物联网的商品信息拆分检验方法，所述方法包括：
3、获取多个待检验商品对应的物联网数据；
4、根据所述物联网数据中不同贸易环节的数据占比，将所有所述待检验商品对应的物联网数据分为多个商品数据组；
5、基于数据占比特点对应的验证算法，从所述多个商品数据组筛选出至少一个风险数据组；
6、根据数据验证规则，对所述风险数据组中的每一所述物联网数据进行验证，得到商品验证结果。
7、作为一个可选的实施方式，在本专利技术第一方面中，所述物联网数据
8、作为一个可选的实施方式，在本专利技术第一方面中，所述根据所述物联网数据中不同贸易环节的数据占比，将所有所述待检验商品对应的物联网数据分为多个商品数据组，包括：
9、对于每一所述待检验商品，计算该待检验商品的所述物联网数据中数据来源属于每一所述贸易环节的环节数据与对应的贸易环节归一化参数之间的乘积，得到该待检验商品对应的每一所述贸易环节的数据量表征参数；所述贸易环节归一化参数通过对多个历史环节数据进行分析得到；
10、计算该待检验商品对应的所有所述贸易环节的数据量表征参数的和，得到总表征数据量；
11、计算该待检验商品对应的每一所述贸易环节的数据量表征参数和所述总表征数据量之间的比值，得到该待检验商品对应的每一所述贸易环节对应的数据占比；
12、根据每一所述待检验商品对应的所有所述贸易环节对应的数据占比，基于聚类算法，将所有所述待检验商品对应的物联网数据分为多个商品数据组。
13、作为一个可选的实施方式，在本专利技术第一方面中，所述根据每一所述待检验商品对应的所有所述贸易环节对应的数据占比，基于聚类算法，将所有所述待检验商品对应的物联网数据分为多个商品数据组，包括：
14、确定目标函数为每一商品数据组中的任意两个所述待检验商品之间的环节占比相似度大于预设的相似度阈值；所述环节占比相似度为两个所述待检验商品对应的环节占比信息之间的相似度；所述环节占比信息为所述待检验商品对应的所有所述贸易环节对应的数据占比；
15、根据所述目标函数，基于k均值聚类算法，将所有所述待检验商品对应的物联网数据分为多个商品数据组。
16、作为一个可选的实施方式，在本专利技术第一方面中，所述基于数据占比特点对应的验证算法，从所述多个商品数据组筛选出至少一个风险数据组，包括：
17、对于每一所述商品数据组，计算每一所述贸易环节在该商品数据组中所有所述物联网数据对应的所述数据量表征参数之和，得到该商品数据组中每一所述贸易环节对应的环节数据量；
18、计算该商品数据组中所有所述贸易环节对应的所述环节数据量的和，得到该商品数据组的总环节数据量；
19、计算该商品数据组中每一所述贸易环节对应的所述环节数据量和所述总环节数据量的比值，得到该商品数据组中每一所述贸易环节对应的数据组环节占比；
20、根据该商品数据组中每一所述贸易环节对应的数据组环节占比，从多个候选的预测神经网络中筛选出匹配的目标神经网络；
21、将该商品数据组输入至所述目标神经网络中，以得到该商品数据组对应的预测风险指数；
22、从所述多个商品数据组筛选出所有所述预测风险指数大于预设的指数阈值的商品数据组，得到至少一个风险数据组。
23、作为一个可选的实施方式，在本专利技术第一方面中，所述根据该商品数据组中每一所述贸易环节对应的数据组环节占比，从多个候选的预测神经网络中筛选出匹配的目标神经网络，包括：
24、对于每一候选的预测神经网络，将该预测神经网络对应的训练数据集中所有所述贸易环节对应的数据组环节占比确定为该预测神经网络对应的占比信息；所述预测神经网络通过包括有多个训练商品物联网数据和对应的风险指数标注的训练数据集训练得到；
25、将该商品数据组中所有所述贸易环节对应的数据组环节占比确定为该商品数据组对应的占比信息；
26、计算该预测神经网络对应的占比信息和该商品数据组对应的占比信息之间的信息相似度；
27、将所述信息相似度最高的所述预测神经网络，确定为匹配的目标神经网络。
28、作为一个可选的实施方式，在本专利技术第一方面中，所述根据数据验证规则，对所述风险数据组中的每一所述物联网数据进行验证，得到商品验证结果，包括：
29、对于每一所述风险数据组，根据该风险数据组对应的每一所述贸易环节对应的所述数据组环节占比从大到小对所有所述贸易环节进行排序，得到该风险数据组对应的环节序列；
30、根据所述环节序列，对该风险数据组中的每一所述物联网数据进行验证，得到每一所述物联网数据对应的验证结果；
31、根据所述物联网数据对应的验证结果，确定对应的所述待检验商品对应的商品验证结果。
32、作为一个可选的实施方式，在本专利技术第一方面中，所述根据所述环节序列，对该风险数据组中的每一所述物联网数据进行验证，得到每一所述物联网数据对应的验证结果，包括：
33、对于该风险数据组中的每一所述物联网数据，按照所述环节序列中的贸易环节的顺序，依次对该物联网数据的多个贸易环节对应的环节数据进行数据验证，在出现数据验证不通过的情况下停止下一贸易环节的数据验证，将当前数据验证不同的贸易环节确定为该物联网数据对应的风险环节，将所述风险环节确定为该物联网数据对应的验证结果；
34、在所有贸易环节的数据验证均通过时，确定该物联网数据对应的验证结果为验证通过。
35、本专利技术实施例第二方面公开了一种基于物联网的商品信息拆分检验系统，所述系统包括：
36、获取模块，用于获取多个待检验商品对应的物联网数据；
37、分组模块，用于根据所述物联网数据中不同贸易环节本文档来自技高网...
【技术保护点】
1.一种基于物联网的商品信息拆分检验方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于物联网的商品信息拆分检验方法，其特征在于，所述物联网数据包括所述待检验商品在多个贸易环节的多个传感数据；所述传感数据为位置数据、电子锁数据、温湿度数据或光反射数据；所述贸易环节为生产环节、运输环节、货押环节、储存环节或到店环节。
3.根据权利要求2所述的基于物联网的商品信息拆分检验方法，其特征在于，所述根据所述物联网数据中不同贸易环节的数据占比，将所有所述待检验商品对应的物联网数据分为多个商品数据组，包括：
4.根据权利要求3所述的基于物联网的商品信息拆分检验方法，其特征在于，所述根据每一所述待检验商品对应的所有所述贸易环节对应的数据占比，基于聚类算法，将所有所述待检验商品对应的物联网数据分为多个商品数据组，包括：
5.根据权利要求3所述的基于物联网的商品信息拆分检验方法，其特征在于，所述基于数据占比特点对应的验证算法，从所述多个商品数据组筛选出至少一个风险数据组，包括：
6.根据权利要求5所述的基于物联网的商品信息拆分检验
7.根据权利要求5所述的基于物联网的商品信息拆分检验方法，其特征在于，所述根据数据验证规则，对所述风险数据组中的每一所述物联网数据进行验证，得到商品验证结果，包括：
8.根据权利要求7所述的基于物联网的商品信息拆分检验方法，其特征在于，所述根据所述环节序列，对该风险数据组中的每一所述物联网数据进行验证，得到每一所述物联网数据对应的验证结果，包括：
9.一种基于物联网的商品信息拆分检验系统，其特征在于，所述系统包括：
10.一种基于物联网的商品信息拆分检验系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种基于物联网的商品信息拆分检验方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于物联网的商品信息拆分检验方法，其特征在于，所述物联网数据包括所述待检验商品在多个贸易环节的多个传感数据；所述传感数据为位置数据、电子锁数据、温湿度数据或光反射数据；所述贸易环节为生产环节、运输环节、货押环节、储存环节或到店环节。
3.根据权利要求2所述的基于物联网的商品信息拆分检验方法，其特征在于，所述根据所述物联网数据中不同贸易环节的数据占比，将所有所述待检验商品对应的物联网数据分为多个商品数据组，包括：
4.根据权利要求3所述的基于物联网的商品信息拆分检验方法，其特征在于，所述根据每一所述待检验商品对应的所有所述贸易环节对应的数据占比，基于聚类算法，将所有所述待检验商品对应的物联网数据分为多个商品数据组，包括：
5.根据权利要求3所述的基于物联网的商品信息拆分检验方法，其特征在...
【专利技术属性】
技术研发人员：张丽萍，吴文玉，吴文龙，
申请(专利权)人：广州纳诺科技股份有限公司，
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。