龙阿龙的编程日记
作品软件定制二次开发RSS联系我
返回作品

智能假货识别系统

创建于 2025 年 4 月 15 日

标签
  • Java 8
  • Spring Boot 2.5.15
  • RuoYi-Vue 3.8
  • MyBatis
  • MySQL 8.0
  • Druid
  • Redis
  • Vue 3.4
  • Element Plus
  • Vite 5
  • ECharts 5
  • Apache POI

项目介绍

智能假货识别系统是一个面向电商打假场景的数据管理与预警平台。它的数据基础是淘宝/天猫平台上”完美（中国）“品牌（完美芦荟胶、玛丽艳护肤品等化妆品/保健品）的多轮采集样本：SQL 脚本 211302204.sql 中保存了从 2024 年 6 月到 9 月多个采集批次（uuid 批次号）的商品、店铺、商家与用户评论记录，字段与电商页面一一对应——商品有 SKU/SPU、颜色分类、销量、库存、折后价、发货地与运费，店铺有商品/服务/物流三项体验分，评论有评语、商家回复、评论日期与用户昵称。系统把这些”原始线索”整理成可检索、可筛选、可导出的结构化数据，并在其上叠加”假货预警”记录，供业务人员逐条研判。

项目的核心思路是”数据入库 → 特征刻画 → 预警标记 → 人工研判”：采集侧完成图像与文本特征的初步提取（评论表里带 0~1 的情感分值 score，例如”完全没效果。。。“的差评只有 0.03 分，而”是正品，回购很多次了”的好评接近 0.99 分），平台侧则负责把疑似风险商品汇总到 warning 预警表，用预警信息字典、信用等级、价格与销量区间把线索收敛成可执行的工作清单。

项目架构

项目是标准的若依单体多模块工程，后端根目录 20250415-智能假货识别系统-api 下按 ais-admin、ais-common、ais-framework、ais-system、ais-generator、ais-quartz、ais-merchant 拆分，业务代码集中在 ais-admin/src/main/java/com/ais 包内，按 seller（商家）、shop（店铺）、item（商品概况）、product（商品明细）、review（用户评论）、warning（假货预警）、statistics（统计图表）七个模块组织，每个业务模块都是标准的 Controller / Service / Mapper 三层，配套 resources/mapper/*/XxxMapper.xml。

技术选型上，后端为 Java 8 + Spring Boot 2.5.15 + MyBatis + MySQL 8.0（数据库 ry-taobao）+ Druid 连接池 + Redis，分页走 PageHelper，Excel 导出用 Apache POI；前端是若依 Vue3 版（Vue 3.4 + Element Plus + Pinia + Vite 5），图表使用 ECharts 5。所有业务接口都加了 @PreAuthorize("@ss.hasPermi('xxx:xxx:list')") 权限注解与 @Log 操作日志注解，导出、新增、修改、删除均有审计记录，权限体系与若依系统管理模块完全打通。

核心业务表结构（211302204.sql）反映了电商数据的建模方式：

  • seller（商家）：商家 ID、昵称、商家类型（B=天猫/B 类店、C=淘宝 C 店）、认证文本（如”金牌卖家”）、信用等级数值与等级图标；
  • shop（店铺）：店铺名称、商品体验/服务体验/物流体验三项评分、PC 店铺链接与店铺图标；
  • item（商品概况）：商品标题、价格、照片、所在城市、累计付款人数、手机专享标记、是否有详情页；
  • product（商品明细）：SKU 维度数据，含商品型号（颜色分类）、销量、库存量、价格/折后价/单价、地区、发货地、物流时效与运费；
  • review（用户评论）：评语、商家回复、评论日期、商品型号、用户昵称、情感分值 score；
  • warning（假货预警）：字段结构与 product 对齐，多一个”预警信息”标记位（memo），承载识别结论。

核心功能

  • 五类电商数据全量管理：商家、店铺、商品概况、商品明细、用户评论均有独立的列表页、新增/修改/删除对话框与分页查询。ProductMapper.xml 的 selectProductList 支持按商家 ID、店铺 ID、商品 ID、商品型号（模糊）、店铺名称、商家类型、认证文本、信用等级、体验分、销量、价格等十余个条件自由组合，ORDER BY createTime DESC 保证最新采集数据置顶；每个列表页都带”选中导出”按钮，由 ExcelUtil 按 @Excel 注解生成 Excel。
  • 假货预警研判清单：WarningController 提供预警记录的增删改查与导出，作者在 WarningMapper.xml 中把单一等值条件改造成了业务化筛选——信用等级支持 beginCreditlevel/endCreditlevel 区间、销量与价格支持范围查询（<![CDATA[<=]]> 处理符号转义），“预警信息”按字典精确匹配；Warning 实体还扩展了 orderBy/orderType 字段，配合 WarningController.list 显式接收排序参数，由后端拼装排序 SQL，前端表格列可点击 sortable="custom" 排序。
  • 评论情感分值分析：评论列表页将情感分值 score 作为独立列展示并可查询，评语、商家回复、商品型号、用户昵称均可检索，结合差评文本（如”不知道是不是正品…完全没效果”）与回复内容，为甄别疑似假货提供文本维度的佐证。
  • 商品销售可视化看板：views/chart/chart/index.vue 集成 ECharts 5，提供三种图表——销售趋势（折线+面积图，按日期聚合销量）、价格分析（柱状+折线组合）、库存销量对比（双 Y 轴），可按时间范围、商家、店铺、商品四级筛选，getChartData 接口按 startTime/endTime 拉取商品数据后在前端聚合渲染，图表窗口自适应 resize。
  • 权限与审计闭环：全部业务接口按 seller:xxx、shop:xxx、product:xxx、item:xxx、review:xxx、warning:xxx 前缀做按钮级权限控制，操作日志与登录日志由若依监控模块统一管理，Excel 导出支持按选中行导出与未选中提示。

功能截图

暂无运行截图。

快速上手

项目为 Maven + pnpm 工程，要求 JDK 1.8、Node 16+ 与 MySQL 8.0：

  1. 新建数据库 ry-taobao，导入根目录 211302204.sql（包含业务表与完整采集数据），再按需导入 20250415-智能假货识别系统-api/sql/ 下的若依系统表（ry_20240629.sql）与 quartz.sql；
  2. 启动本地 Redis，修改 ais-admin/src/main/resources/application-druid.yml 的数据库连接与 application.yml 的 Redis 配置；
  3. 后端在 20250415-智能假货识别系统-api 目录执行 mvn spring-boot:run（默认端口 8080），前端在 20250415-智能假货识别系统-web 目录执行 pnpm install && pnpm dev，开发环境通过 Vite 代理转发 /dev-api 请求；
  4. 使用若依管理员账号登录后，依次进入商家、店铺、商品概况、商品明细、用户评论、假货预警与统计图表页面，即可看到采集数据并体验区间筛选、排序与导出。

系统内置 doc 目录还附有一份用户使用手册文档，可作为业务操作说明参考。

总结

这个项目的价值在于把”假货识别”从一次性的算法任务转成了可持续运营的业务闭环：采集侧沉淀情感分值与电商全量特征，平台侧用 warning 预警表和字典化预警信息把风险线索收敛成工作清单，研判人员借助价格、销量、信用等级区间筛选快速圈定重点对象，再通过 Excel 导出形成打假报告。技术上它是一次相当完整的若依二次开发实践——代码生成器产出五张业务表的 CRUD 骨架，再围绕”预警”这个核心概念补上区间查询、自定义排序、字典渲染与多图表可视化，权限、日志、分页等基础设施全部复用框架能力。

从实现细节看，WarningController 中保留的注释版本演进（从整表导出改为选中导出、从等值查询改为区间查询）能看出需求逐步打磨的痕迹；review 表里从 0.03 到 0.99 的情感分值分布，也为后续在系统内直接做差评聚类、评论情感趋势分析留下了数据基础。可扩展的方向包括：在平台内集成图像识别接口对商品主图做真伪判别、把预警规则做成可配置规则引擎（如”低价 + 低信用 + 差评率”联合打分）、以及为预警记录增加复核状态机，让”识别 — 预警 — 处置 — 归档”形成完整闭环。