[发明专利]一种基于聚类算法的外贸商品价格核验方法及系统

说明书

本发明公开了一种基于聚类算法的外贸商品价格核验方法及系统，包括获取外贸业务数据，将所述外贸业务数据抽取、清洗、转换形成校验数据池；通过实时请求参数加载所述校验数据池并压缩形成数据集，根据算法得到所述数据集的邻域最少点数和初始领域半径；基于密度算法和所述数据集得到顺序的聚类结构，所述顺序的聚类结构包含了每个层级的聚类信息；并根据所述聚类信息得出最新给定的半径，输出当前请求参数的可信价格区间。本发明通过融合数据抽取技术、聚类算法技术、商品价格核验技术，将不同技术形态的方法进行有效融合，形成具备对外提供稳定技术服务的系统化产品。

技术领域

本发明涉及计算机软件领域，尤其涉及一种基于聚类算法的外贸商品价格核验方法及系统。

背景技术

近年来，随着互联网大数据和电子商务的不断发展，对于商品的价格定价也日趋透明化。商品价格是其价值的直接体现，目前了解同类商品的价格趋势主要是通过不同渠道商品价格比对分析的方式实现的，这往往需要很丰富的行业相关知识。

现有技术中，如电商场景通过分析行业价格来给商品进行定价，电商中的数据维度有很多，各方各面都会有数据存在，通过对这些数据进行分析，我们就可以知道一些我们需要的信息。商品的定价对于电商销售来说有着关键的影响，比如定价多少会直接影响所获得的利益。定价太低也许销量有了却没有利润，定价太高有利润可惜卖不出去。只有合适的价格，才能获得市场中的一席之地。传统的价格核验方法容易受到初始簇质心的情况而影响，有可能陷入局部最优解，在大规模数据上收敛较慢。这就带来几个弊端，一是，由于局部最优解，会造成商品价格最终核验结果的偏高、偏低。二是，在大规模的数据上，对资源的消耗程度高，价格核验的成本较高，难以大规模推广。三是，现有方法对簇个数和质心的选择具有随机性，也降低了价格核验的效率和准确度。此外，处理噪声数据的能力较弱，少量的该类数据会对质点的计算会产生极大的影响。

另有，从各数据平台获取待识别商品种类的各类数据；利用主成因分析法分析待识别商品，得到影响价格最大的要素；计算出待识别商品的申报单价；利用k均值算法对申报单价分类，得到各价格区间；将获得影响价格最大的要素作为分析维度，申报单价为分析对象，构建决策树模型；输入待识别商品的属性数据以及待查询价格数据，利用决策树模型分析商品的正常价格属于哪个价格区间，并判断商品价格是否在合理区间内，若不在，则提示该商品存在价格风险。虽然能够减少人工对行业知识的理解，能快速的对大量商品进行价格风险排查，但是对样本数据内商品的总价、数量、单价、币种、单位等字段分析较少，对价格的范围区间核验准确度不高。

发明内容

本申请提供了一种基于聚类算法的外贸商品价格核验方法及系统，旨在用于提高海关的审核人员的外贸商品报价核验能力，解决现有技术中基于海量的样本数据，不能训练出可精准核验商品价格的算法模型，形成成熟、完备的价格核验能力。

为了实现上述目的，本申请采用以下技术方案：

获取外贸业务数据，将所述外贸业务数据抽取、清洗、转换形成校验数据池；

通过实时请求参数加载所述校验数据池并压缩形成数据集，根据算法得到所述数据集的邻域最少点数和初始领域半径；

基于密度算法和所述数据集得到顺序的聚类结构，所述顺序的聚类结构包含了每个层级的聚类信息；并根据所述聚类信息得出最新给定的半径，输出当前请求参数的可信价格区间。

作为优选，所述转换步骤包括：

对所述外贸业务数据中的外贸订单单价ρ进行如下转换加工：

其中，format(0.00)表示保留两位小数，format(0.0)表示保留一位小数，format(0)表示取整。

作为优选，所述通过实时请求参数加载所述校验数据池并压缩形成数据集，根据算法得到所述数据集的邻域最少点数和初始领域半径，包括：