数据处理的方法、装置、电子设备和存储介质与流程
本发明涉及数据处理,尤其涉及一种数据处理的方法、装置、电子设备和存储介质。
背景技术:
1、在物流领域中,仓配是一种为用户提供一站式物品仓储和配送的服务方式,为了便于提供物品仓配服务,通常会将各物品提供方的物品预先存储至指定仓库,在用户下单后可以直接由指定仓库进行出库和配送,以提高物流效率。在上述场景中,物品的重体属性参数通常由各物品提供方提交,仓库根据提交的重体属性参数进行物品的打包和配送等操作,但是各物品提供方所提交重体属性参数的质量高低不同,在重体属性参数的质量较低时,很容易导致物品打包、配送等服务中出现误差,降低物品仓配服务的准确性和处理效率。
技术实现思路
1、有鉴于此,本发明实施例提供一种数据处理的方法、装置、电子设备和存储介质,能够解决重体属性参数的质量较低,导致物品打包、配送等服务中出现误差,降低物品仓配服务的准确性和处理效率的问题。
2、为实现上述目的,根据本发明实施例的一个方面,提供了一种数据处理的方法。
3、本发明实施例的一种数据处理的方法包括:
4、获取仓库内各目标物品的物品数据,所述目标物品包括预设属性的属性值存在修改记录的物品,所述物品数据包括对应所述预设属性的属性值记录和修改节点信息;
5、获取各所述目标物品对应所述预设属性的预测值,以结合所述属性值记录确定对应的异常值记录,根据所述物品数据计算各所述目标物品对应修改节点的指标对比值;
6、基于各所述目标物品的物品数据、异常值记录和所述指标对比值生成特征向量,以对预设的识别模型执行训练流程;
7、响应于待处理物品的异常识别指令,获取对应的物品数据,调用训练后的识别模型,识别所述待处理物品对应所述预设属性的异常修改节点,以基于所述异常修改节点执行对应的异常处理流程。
8、在一个实施例中,根据所述物品数据计算各所述目标物品对应修改节点的指标对比值,包括:
9、对各所述目标物品,基于所述物品数据获取对应修改节点的修改时间,以划分各时间区间,分别计算各所述时间区间内对应预设指标的统计值,将相邻所述时间区间对应统计值的对比值确定为所述目标物品对应的指标对比值。
10、在又一个实施例中,所述物品数据还包括所述目标物品的运单信息和分拣信息;
11、在根据剔除所述异常值记录后的物品数据计算各所述目标物品对应修改节点的指标对比值之前,还包括:
12、在根据所述物品数据计算各所述目标物品对应修改节点的指标对比值之前,还包括:
13、基于所述运单信息从所述物品数据中筛选目标运单集合,其中,目标运单中所包括物品的物品标识相同;
14、基于各所述目标运单集合中各目标运单对应的拣货信息,计算各所述目标运单所包括各目标物品的分拣属性值和阈值区间,以识别各所述目标物品对应所述分拣属性的分拣异常值;
15、将所述物品数据中所述分拣异常值剔除,得到更新的物品数据。
16、在又一个实施例中,
17、计算各所述目标运单所包括目标物品的阈值区间,包括:
18、对每个所述目标物品,获取所述目标物品的分拣属性值序列,根据所述分拣属性值序列中各分拣属性值的位置确定第一边界和第二边界,其中,所述第一边界小于所述第二边界;
19、计算所述第一边界和所述第二边界之间的差值,以基于所述第一边界和所述差值确定所述阈值区间的下边界,基于所述第二边界和所述差值确定所述阈值区间的上边界。
20、在又一个实施例中,所述识别模型包括第一模型层和第二模型层,所述第一模型层包括至少一个预设模型;
21、对预设的识别模型执行训练流程,包括:
22、将所述特征向量输入所述第一模型层,得到各所述预设模型对应的预测结果;
23、基于各所述预测结果生成新特征向量,以输入所述第二模型层执行训练流程。
24、在又一个实施例中,基于所述异常修改节点执行对应的异常处理流程,包括:
25、获取所述待处理物品对应的物品提供方和所述异常修改节点对应的修改方,基于所述物品提供方、所述修改方和所述仓库确定预设风险评估指标的指标值,以调用对应的风险策略生成风险处理信息并发送。
26、为实现上述目的,根据本发明实施例的另一方面,提供了一种数据处理的装置。
27、本发明实施例的一种数据处理的装置包括:
28、获取单元,用于获取仓库内各目标物品的物品数据,所述目标物品包括预设属性的属性值存在修改记录的物品,所述物品数据包括对应所述预设属性的属性值记录和修改节点信息;
29、计算单元,用于获取各所述目标物品对应所述预设属性的预测值,以结合所述属性值记录确定对应的异常值记录,根据所述物品数据计算各所述目标物品对应修改节点的指标对比值;
30、训练单元,用于基于各所述目标物品的物品数据、异常值记录和所述指标对比值生成特征向量,以对预设的识别模型执行训练流程;
31、处理单元,用于响应于待处理物品的异常识别指令,获取对应的物品数据,调用训练后的识别模型,识别所述待处理物品对应所述预设属性的异常修改节点,以基于所述异常修改节点执行对应的异常处理流程。
32、在一个实施例中,所述计算单元,具体用于:
33、对各所述目标物品,基于所述物品数据获取对应修改节点的修改时间,以划分各时间区间,分别计算各所述时间区间内对应预设指标的统计值,将相邻所述时间区间对应统计值的对比值确定为所述目标物品对应的指标对比值。
34、在又一个实施例中,所述物品数据还包括所述目标物品的运单信息和分拣信息;
35、所述计算单元,还用于:
36、基于所述运单信息从所述物品数据中筛选目标运单集合,其中,目标运单中所包括物品的物品标识相同;
37、基于各所述目标运单集合中各目标运单对应的拣货信息,计算各所述目标运单所包括各目标物品的分拣属性值和阈值区间,以识别各所述目标物品对应所述分拣属性的分拣异常值;
38、将所述物品数据中所述分拣异常值剔除,得到更新的物品数据。
39、在又一个实施例中,所述计算单元,具体用于:
40、对每个所述目标物品,获取所述目标物品的分拣属性值序列,根据所述分拣属性值序列中各分拣属性值的位置确定第一边界和第二边界,其中,所述第一边界小于所述第二边界;
41、计算所述第一边界和所述第二边界之间的差值,以基于所述第一边界和所述差值确定所述阈值区间的下边界,基于所述第二边界和所述差值确定所述阈值区间的上边界。
42、在又一个实施例中,所述识别模型包括第一模型层和第二模型层,所述第一模型层包括至少一个预设模型;
43、所述训练单元,具体用于:
44、将所述特征向量输入所述第一模型层,得到各所述预设模型对应的预测结果;
45、基于各所述预测结果生成新特征向量,以输入所述第二模型层执行训练流程。
46、在又一个实施例中,所述处理单元,具体用于:
47、获取所述待处理物品对应的物品提供方和所述异常修改节点对应的修改方,基于所述物品提供方、所述修改方和所述仓库确定预设风险评估指标的指标值,以调用对应的风险策略生成风险处理信息并发送。
48、为实现上述目的,根据本发明实施例的再一个方面,提供了一种电子设备。
49、本发明实施例的一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例提供的数据处理的方法。
50、为实现上述目的,根据本发明实施例的又一个方面,提供了一种计算机可读介质。
51、本发明实施例的一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例提供的数据处理的方法。
52、为实现上述目的,根据本发明实施例的又一个方面,提供了一种计算机程序产品。
53、本发明实施例的一种计算机程序产品,包括计算机程序,所述程序被处理器执行时实现本发明实施例提供的数据处理的方法。
54、上述发明中的一个实施例具有如下优点或有益效果:
55、本发明实施例中,对于预设属性的属性值存在修改记录的目标物品,确定其物品数据中预设属性的异常值记录并计算对应修改节点的指标对比值,然后将物品数据、异常值记录和指标对比值作为训练数据对识别模型执行训练流程,以可以通过识别模型对物品的对应预设属性的异常修改节点,进而可以基于异常修改节点执行对应的异常处理流程。如此本发明实施例中,将重体属性参数的属性值存在修改的物品数据作为模型训练的基础数据,并结合物品数据中的异常值记录,以及针对重体属性参数的修改节点计算指标对比值进行模型训练,从而可以使训练的识别模型能够更精准定位预设属性修改异常的节点,以及时确定重体属性参数质量较低的物品,进而可以识别对应的物品提供方进行异常处理,提高重体属性参数的质量,避免导致物品打包、配送等服务中出现误差,提高了物品仓配服务的准确性和处理效率。
56、上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
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