商品信息处理方法、系统及电子设备与流程
本技术涉及信息处理,特别是涉及商品信息处理方法、系统及电子设备。
背景技术:
1、对于跨境商品信息服务系统(也称“跨境电商平台”等)而言,一种服务模式是“出口跨境电商”,也即,这种交易模式属于一种单向的出口交易,主要帮助某个国家的商家用户将商品销售给海外消费者(可以是企业或者个人)。随着跨境交易量增加,退货率也会持续攀升,但是,跨境场景中的退货链路长,商家面临逆向物流成本高的问题。
2、例如,假设出口国是国家a,某位于国家b的海外买家在通过该出口跨境电商平台购买到某商品之后,如果需要进行退货处理,则一种常用的路径是,首先通过物流商将退货商品从海外买家地址退回到平台方在某地区c(该地区c通常拥有独立海关及关税体系)设置的中转仓,然后由平台方在中转仓对收到的退货商品进行质检无误后,再从中转仓转运回国家a内的商家仓。
3、可见,上述退货链路通常会比较长,商家也需要承担比较高昂的物流成本,并且,由于运输时间会比较长,还可能会使得一些能够再售的商品错过销售时机,造成更大的损失。
技术实现思路
1、本技术提供了商品信息处理方法、系统及电子设备,能够节省物流成本,避免或者减少再售商品错过销售时机的情况发生。
2、本技术提供了如下方案:
3、一种商品信息处理方法,所述方法应用于出口交易类的跨境商品信息服务系统,所述跨境商品信息服务系统在目标地区设置有中转仓,包括:
4、接收到第一用户的退货请求后,确定所述退货请求关联的交易订单,并采集退货原因信息;
5、在关联的退货商品到达所述中转仓后,采集所述退货商品在中转仓收货状态下的商品图像信息;
6、通过对所述退货原因信息、商品图像信息以及原始商品属性信息进行多模态数据识别,对所述退货商品进行再售可行性评估,并在评估通过的情况下,将所述退货商品确定为再售商品,并为所述再售商品生成定价建议信息、多项属性以及详情信息;
7、在所述跨境商品信息服务系统中将所述再售商品进行上架发布,以便在接收到对所述再售商品的购买请求后,从所述中转仓对所述再售商品进行出库处理。
8、其中,所述采集所述退货商品在中转仓收货状态下的商品图像信息,包括:
9、采集所述退货商品在到达中转仓时的外包装图像以及基础商品图像,以便对识别退货商品的完整性、明显瑕疵或包装破损情况。
10、其中,所述采集所述退货商品在中转仓收货状态下的商品图像信息,包括:
11、通过所述中转仓部署的高清摄像头阵列,对所述退货商品进行多视角视图信息采集,以便对退货商品的商品状态进行3d重建后,将3d重建结果参与到对所述退货商品的再售可行性评估中。
12、其中,所述通过对所述退货原因信息、商品图像信息以及原始商品属性信息进行多模态数据识别,对所述退货商品进行再售可行性评估,包括:
13、对退货原因信息进行文本特征向量生成,对商品图像信息进行图像特征向量生成,对原始商品属性信息进行属性特征向量生成;
14、通过注意力机制将文本特征向量、图像特征向量以及属性特征向量进行特征关联、语义空间映射以及权重动态分配后,进行语义关系捕获以及特征融合;
15、根据特征融合结果进行决策,以输出再售可行性评估结果。
16、其中,通过多模态融合模型完成对所述退货商品进行再售可行性评估的任务;
17、所述多模态融合模型数据预处理层、特征提取层、注意力层、融合层、决策层以及输出层;
18、所述预处理层用于对图像数据进行归一化和/或画质增强处理,对文本数据进行分词和/或清洗处理,对商品属性数据进行属性编码处理,所述清洗处理用于去掉无效信息;
19、所述特征提取层用于对图像数据进行全局平均池化处理,以输出图像特征向量,对文本数据进行文本特征向量提取,以输出文本特征向量,通过属性嵌入分支对商品属性数据进行全连接映射处理,以输出属性特征向量;
20、所述注意力层包括跨模态注意力模块,自注意力模块,以及特征对齐模块,所述图像特征向量、文本特征向量以及属性特征向量用于输入到所述跨模态注意力模块中,以实现不同特征向量之间的深度交互;所述图像特征向量、文本特征向量、属性特征向量分别输入到自注意力模块进行特征内部关联,以及权重动态分配;图像特征向量、文本特征向量以及属性特征向量还输入到特征对齐模型进行维度统一,以及语义空间映射处理;
21、所述融合层包括多层堆叠编码器,用于通过多头注意力机制,对所述注意力层各模块的输出结果进行并行计算,捕获不同的语义关系后,进行特征融合;
22、所述决策层用于基于特征融合结果进行再售可行性评估决策;
23、所述输出层用于对决策层的决策结果进行输出。
24、其中,所述决策层还用于:
25、根据特征融合结果进行质量评分和/或瑕疵识别及分类,以用于与再售可行性评估结果相结合,生成最终的再售的综合质量评分结果,推荐定价策略,和/或匹配销售渠道。
26、其中,所述定价策略包括初始定价以及随时间变化的降价曲线;
27、所述方法还包括:
28、按照所述降价曲线对所述再售商品进行价格属性调整。
29、其中,还包括:
30、基于瑕疵识别及分类结果,在所述再售商品关联的目标图像中标注瑕疵位置,以生成瑕疵说明图像,所述瑕疵说明图像用于添加到再售商品的详情信息中。
31、其中,在为所述再售商品生成标题文本时,在所述标题文本中表达所述质量评分和/或瑕疵识别及分类的结果相关的文本内容。
32、其中,根据所述交易订单中关联的第一用户的收货地址信息,确定退货行为发生地;和/或,根据接收到退货请求的时间,以及接收到关联的退货商品到达所述中转仓的通知消息的时间信息,确定退货时长,以便在生成再售商品的多项属性及详情信息时,表达所述退货行为发生地和/或退货时长信息。
33、其中,还包括:
34、根据对所述第一用户的历史行为数据、当前退货行为数据的分析情况和/或预先为所述第一用户生成的用户画像数据,进行恶意退货行为识别。
35、其中,还包括:
36、对所述再售商品进行多个国家/地区的合规性校验,以使得所述再售商品符合对应国家/地区的法律框架、文化习俗和/或平台规则。
37、其中,还包括:
38、对所述再售商品的属性及详情信息进行多语言适配。
39、其中,还包括:
40、如果所述再售商品的上架时长超过阈值且尚未售出,则触发将所述再售商品从中转仓中清理掉的流程。
41、其中,还包括:
42、在再售可行性评估通过之后,还对所述中转仓为再售商品提供的专属区域是否存在剩余库位,如果不存在,则对所述退货商品的出售所需时长进行预估,并根据所述退货商品的重量和/或体积信息,以及预估出的出售所需时长,对所述退货商品的仓库成本占用情况进行预估,以便确认是否将其他在仓的再售商品进行清理以腾退出所需库位,或者将当前退货商品退回给第二用户/作废处理。
43、一种跨境商品信息服务系统,所述跨境商品信息服务系统为出口交易类的跨境商品信息服务系统,所述跨境商品信息服务系统在目标地区设置有中转仓,包括:
44、退货请求接收模块,用于接收到第一用户的退货请求后,确定所述退货请求关联的交易订单,并采集退货原因信息;
45、图像采集模块,用于在关联的退货商品到达所述中转仓后,采集所述退货商品在中转仓收货状态下的商品图像信息;
46、再售可行性评估模块,用于通过对所述退货原因信息、商品图像信息以及原始商品属性信息进行多模态数据识别,对所述退货商品进行再售可行性评估;
47、定价及商品信息生成模块,用于在评估通过的情况下,将所述退货商品确定为再售商品,并为所述再售商品生成定价建议信息、多项属性以及详情信息;
48、商品上架发布模块,用于在所述跨境商品信息服务系统中将所述再售商品进行上架发布;
49、出库任务处理模块,用于在接收到对所述再售商品的购买请求后,生成从所述中转仓对所述再售商品进行出库处理的出库任务。
50、一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前述任一项所述的方法的步骤。
51、一种电子设备,包括:
52、一个或多个处理器;以及
53、与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行前述任一项所述的方法的步骤。
54、一种计算机程序产品,包括计算机程序/计算机可执行指令,所述计算机程序/计算机可执行指令被电子设备中的处理器执行时实现前述任一项所述方法的步骤。
55、根据本技术提供的具体实施例,本技术公开了以下技术效果:
56、通过本技术实施例,对于出口交易类跨境商品信息服务系统中的退货链路,可以在接收到退货请求后,确定出关联的交易订单信息,并采集第一用户提交的退货原因文本信息。其中,交易订单与商品信息关联,进而可以确定出对应的原始商品属性信息。在商品退回到中转仓后,可以在中转仓采集退货商品在中转仓收货状态下的商品图像信息。这样,可以结合退货原因信息、商品图像信息以及原始商品属性信息进行多模态数据识别,以便对退货商品进行再售可行性评估,并且还可以结合当前销售环境信息为所述退货商品生成再售的定价建议信息,还可以自动生成再售商品的多项属性及详情信息。之后,可以在跨境商品信息服务系统中进行上架发布,这样,在接收到对所述再售商品的购买请求后,可以直接从所述中转仓对所述再售商品进行出库处理。也就是说,通过上述方式,对于在中转仓识别为可再售的商品,可以不必从中转仓退回商家仓,而是可以直接在中转仓中进行暂存,并自动在系统中将再售商品进行上架发布,因此,可以节省第二用户的物流成本,还可以避免或者减少再售商品错过销售时机的情况发生。
57、其中,在对退货原因信息、商品图像信息以及原始商品属性信息进行多模态数据识别时,可以采用多层深度融合架构,实现图像、文本、属性三维度信息的深度理解与决策。
58、当然,实施本技术的任一产品并不一定需要同时达到以上所述的所有优点。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com