[发明专利]一种门店名称相似度的匹配校验方法

说明书

本发明公开了一种门店名称相似度的匹配校验方法，其特征在于，包括以下步骤：步骤1：生成门店名称关系组数据集合；步骤2：从门店名称关系组数据集合中按顺序获取第一组的门店名称关系组，生成加权数据S3，并同时将生成的加权数据S3存储在加权数据集合M中等步骤。本发明能自动的对录入系统中的门店映射关系进行校对，能对映射关系错误、不准确或重复录入的情况进行提示，从而有效克服传统外卖中台不能自动校对门店映射关系的缺陷。同时，采用本发明能显著的降低CPU的系统功耗，能明显的提高CPU的运行效率，从而最大程度的降低对服务器的硬件配置要求，能显著的减低零售商的成本支出。

技术领域

本发明属于数据处理领域，具体是指一种门店名称相似度的匹配校验方法。

背景技术

随着新零售行业飞速发展，越来越多的零售商家开始通过对接三方外卖平台来拓展零售渠道，所谓的第三方外卖平台是指提供外卖订单的下单和配送等业务的在线本地生活服务平台，如美团、饿了么、京东到家等。为便于零售商家通过统一的操作平台来运营外卖业务，因此便产生了外卖中台。由于该外卖中台是集成和对接了多个三方外卖平台的开放平台接口后形成的统一操作平台，因此，大量的零售商家都会使用外卖中台来运营外卖业务，从而使得外卖中台的使用率非常高。

为确保零售商家与三方外卖平台的对应关系，零售商家的运营人员在外卖中台创建新店时，都必须要将三方外卖平台的门店与零售商家的门店绑定在一起，以形成一组唯一的门店映射关系。但目前零售商家在使用时，仍存在以下缺陷：第一，由于创建新店的数量巨大，零售商家的运营人员无法通过人工一一核对绑定的门店映射关系是否正确，因此经常会出现将门店映射关系绑定错误情形，例如将登记注册的A门店映射绑定为B门店。加之在绑定的过程中，没有任何提前发现、纠错的机制，运营人员也不能第一时间发现映射关系错误，进而会导致后续的流程和数据出现错误，后果非常严重。第二，由于运行数据较大，因此零售商在使用外卖中台系统软件时对服务器的硬件配置要求也较高，无形中也极大的增加了零售商的成本负担。

发明内容

本发明的目的在于克服上述问题，提供一种门店名称相似度的匹配校验方法。

本发明的目的通过下述技术方案实现：一种门店名称相似度的匹配校验方法，包括以下步骤：

步骤1：生成门店名称关系组数据集合；

步骤2：从门店名称关系组数据集合中按顺序获取第一组的门店名称关系组，生成加权数据S3，并同时将生成的加权数据S3存储在加权数据集合M中；

步骤3：判定门店名称关系组数据集合中的所有门店名称关系组是否获取完毕，如已经获取完毕，则从加权数据集合M中生成编辑-向量化复合系数Sm；如未获取完毕，则返回步骤2；

步骤4：逐一判定已经生成的加权数据S3是否大于或等于编辑-向量化复合系数Sm，是，则门店名称映射关系正确；否，则门店名称映射关系错误，并发出警告提示。

进一步地，步骤1中所述的“生成门店名称关系组数据集合”具体包括：判定系统中是否存在现有的门店名称映射关系，如存在，则自动将该已经存在的门店名称映射关系作为门店名称关系组数据集合；如不存在，则需要上传三方平台门店和外卖中台门店的门店名称映射关系，以形成门店名称关系组数据集合。

优先地，步骤2中所述的“生成加权数据S3”具体包括以下步骤：

(a)获取门店名称关系组，计算该门店名称关系组的莱文斯坦距离，得到相似度S1；

(b)计算该门店名称关系组的余弦相似性，得到相似度S2；

(c)对相似度S1和相似度S2进行加权，生成加权数据S3，且该加权数据 S3的加权公式为：S3＝ROUND(S1*3+S2*1,2)。

进一步地，所述加权数据集合M为加权数据S3的集合，且该加权数据S3 的数量大于或等于1。