申请/专利权人：东南大学

申请日：2021-04-07

公开（公告）日：2024-04-09

公开（公告）号：CN113111935B

主分类号：G06F18/2321

分类号：G06F18/2321;G06Q40/04

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2021.07.30#实质审查的生效;2021.07.13#公开

摘要：本发明公开了一种大宗商品电子商务市场中基于交易数据实时聚类的相同交易主体判定方法，所述方法用于判断两个交易主体是否为相同交易主体，所述方法包括：对于实时到来的交易数据基于交易品种、交易时间和交易规模进行实时聚类；基于聚类结果中相同簇中的相似交易比例获得两个交易主体的交易相似度；若所述交易相似度大于相似度阈值，则判定所述两个交易主体是同一交易主体，本发明解决了传统的基于交易主体的注册信息判定相同主体的方法难以应用在大宗商品跨平台交易情景的问题，有效利用交易信息，聚集相似交易，实现从相似交易角度进行相同主体判定。

主权项：1.一种大宗商品电子商务市场中基于交易数据实时聚类的相同交易主体判定方法，其特征在于：所述方法用于根据交易数据判断两个交易主体是否属于同一个交易主体，所述方法包括以下步骤：1获得交易数据；2将交易数据标准化处理；3采用基于快速搜索与密度峰值的聚类方法，将交易数据进行实时聚类，得到交易聚类结果；所述步骤3中所述聚类方法首先需要确定数据集的聚类中心；其特征在于需要计算数据点i的局部密度ρi和它与局部密度比其高的数据点之间的距离δi，算法根据数据点距离δi与数据点的局部密度ρi绘制决策图，将δi值大且ρi值较大的点作为簇的聚类中心；所述计算数据点i的局部密度ρi和它与局部密度比其高的数据点之间的距离δi，包括，首先用欧氏距离公式计算数据点i与数据点j之间的距离dij；其次定义数据点i的局部密度ρi 其中dij为数据点之间的距离，dc为截断距离即距离阈值；使用该计算方式得到的数据点的局部密度ρi通常等于该数据点周围与之距离小于dc的数据点的个数，因此得出这样的结论：与数据点xi的距离小于dc的点越多，得到的局部密度ρi就越大；定义数据点i与局部密度比其高的数据点之间的距离δi 数据点与局部密度比其高的数据点之间的距离δi是通过计算数据点i与比该数据点局部密度ρi高的其他数据点的距离得到的，一般而言，数据点与局部密度比其高的数据点之间的距离δi为数据点i与比该数据点局部密度ρi更高的其他数据点的所有距离中的最小值，但对于局部密度ρi最高的点，数据点之间的距离δi取与其他数据点与之距离的最大值；4基于聚类结果中的相似交易比例，计算两个交易主体的交易相识度；5若交易相识度大于相似度阈值，则判定两个交易主体是同一交易主体。

全文数据：

权利要求：

百度查询： 东南大学 一种大宗商品电子商务市场中基于交易数据实时聚类的相同交易主体判定方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD