CN110400170B - 一种基于用户反馈数据调整作物供应的方法及装置 - Google Patents
一种基于用户反馈数据调整作物供应的方法及装置 Download PDFInfo
- Publication number
- CN110400170B CN110400170B CN201910619876.7A CN201910619876A CN110400170B CN 110400170 B CN110400170 B CN 110400170B CN 201910619876 A CN201910619876 A CN 201910619876A CN 110400170 B CN110400170 B CN 110400170B
- Authority
- CN
- China
- Prior art keywords
- feedback
- historical
- target type
- target
- word
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 290
- 230000008569 process Effects 0.000 claims abstract description 250
- 238000012545 processing Methods 0.000 claims abstract description 77
- 238000010219 correlation analysis Methods 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 9
- 238000004806 packaging method and process Methods 0.000 claims description 7
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 claims description 5
- 239000005977 Ethylene Substances 0.000 claims description 5
- 235000019640 taste Nutrition 0.000 claims description 5
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 239000005022 packaging material Substances 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 16
- 241000894007 species Species 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 239000013598 vector Substances 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 239000002689 soil Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 2
- 244000046052 Phaseolus vulgaris Species 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 241000512259 Ascophyllum nodosum Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 239000012459 cleaning agent Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 235000019609 freshness Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 241000411851 herbal medicine Species 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- General Engineering & Computer Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种基于用户反馈数据调整作物供应的方法及装置,收集购买目标种类作物的用户和销售目标种类作物的商家对目标种类作物的反馈信息,从反馈信息中获取反馈词,通过预设网络搜索引擎获取网络渠道词,分析与反馈词与网络渠道词的相关关系,得到出现频次成正相关或者负相关的反馈词和相关网络渠道词。由预先训练的目标模型根据分析的渠道词和相关网络渠道词得到对目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节的调节参数,实现目标种类作物供应过程的调节。这种闭环的调节方式不断优化作物的供应过程,保证供应的作物与市场需求吻合,提高作物供应和需求的匹配性。
Description
技术领域
本发明涉及智能农业生产技术领域,尤其是涉及一种基于用户反馈数据调整作物供应的方法及装置。
背景技术
目前市场上较新的农产品溯源系统一般是通过一维码、二维码、RFID无线射频电子标签等载体,对单个产品赋予身份编码信息,利用先进的数据采集技术、物联网技术及大数据处理技术实现产品在生产环节、仓库环节、物流环节、渠道销售及消费者互动等环节的追溯管理,确保产品整个生命周期过程的透明化,全面提升了企业的市场反应速度和管理水平。这样的农产品溯源系统虽然能够根据每一农产品的生长和生产过程,但却无法结合市场需求,没法保证良好的供需关系。
在实际应用过程中,发明人发现现有的农产品溯源系统仅记录农产品生长生产过程,无法结合市场需求指导农产品的供应,容易造成供应和需求的不匹配。
发明内容
本发明实施例提供一种基于用户反馈数据调整作物供应的方法及装置,用以解决现有技术中农产品溯源系统仅记录农产品生长生产过程,无法结合市场需求指导农产品的供应,容易造成供应和需求的不匹配的问题。
针对以上技术问题,本发明的实施例提供了一种基于用户反馈数据调整作物供应的方法,包括:
收集与目标种类作物有关的反馈信息,根据所述反馈信息获取出现频次的排名在预设排名之前的反馈词,并通过预设网络搜索引擎获取网络渠道词;
对每一反馈词,通过相关性分析获取出现频次与所述反馈词的出现频次符合预设关系的网络渠道词,作为相关网络渠道词;
将每一反馈词和与每一反馈词对应的相关网络渠道词作为预先训练的目标模型的输入参数,获取由所述目标模型输出的用于对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节的调节参数;
根据所述目标模型输出的调节参数对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节;
其中,所述目标模型为预先根据与所述目标种类作物有关的历史反馈信息,以及所述目标种类作物的生长过程、加工过程、运输过程和销售过程的历史数据进行训练得到;所述预设关系包括相关系数处于预设相关系数范围内的关系。
可选地,所述目标模型的训练过程包括:
收集在某一预设时间跨度内与所述目标种类作物有关的历史反馈信息,根据所述历史反馈信息获取出现频次的排名在所述预设排名之前的历史反馈词,并通过预设网络搜索引擎获取在所述预设时间跨度内出现的历史网络渠道词;
对每一历史反馈词,通过相关性分析获取出现频次与所述历史反馈词的出现频次符合所述预设关系的历史网络渠道词,作为相关历史网络渠道词;
将每一历史反馈词和与每一历史反馈词对应的相关历史网络渠道词作为训练输入参数,将预先获取的与所述历史反馈信息对应的历史调节参数作为期望输出,对使用机器学习以及深度学习算法搭建的模型不断进行算法优化,将得到的优化后的算法模型作为所述目标模型;
其中,历史调节参数根据对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节的历史真实数据和/或实验结果得到。
可选地,所述历史调节参数包括用于表示是否需要再供应所述目标种类作物的第一参数、用于表示增加所述目标种类作物产量或减少所述目标种类作物产量的第二参数、用于表示如何调整生长过程中生长条件的第三参数、用于表示如何调整加工过程中加工条件的第四参数、用于表示如何调整运输过程中运输条件的第五参数和用于表示如何调整销售供应的第六参数;
其中,所述生长条件包括光照时长、温度和生长周期,所述加工条件包括乙烯投放量、包装方式和包装材料,所述运输条件包括运输路线、运输过程中目标种类作物所处环境和运输时长,所述销售供应包括销售价格和不同地区的供应量。
可选地,所述收集在某一预设时间跨度内与所述目标种类作物有关的历史反馈信息,根据所述历史反馈信息获取出现频次的排名在所述预设排名之前的历史反馈词,包括:
收集在某一预设时间跨度内与所述目标种类作物有关的历史反馈信息,从所述历史反馈信息中提取历史反馈词,所述历史反馈词包括购买所述目标种类作物的用户反馈的词语和销售所述目标种类作物的商家反馈的词语;
统计每一历史反馈词的出现频次,获取出现在预设词库中且出现频次的排名在所述预设排名之前的历史反馈词,作为用于进行相关性分析的历史反馈词;
其中,所述预设词库中包括用于对所述目标种类作物的成熟度、口味、价格、包装和销量进行评价的词语。
可选地,所述收集与目标种类作物有关的反馈信息,根据所述反馈信息获取出现频次的排名在预设排名之前的反馈词,包括:
收集与所述目标种类作物有关的反馈信息,从所述反馈信息中提取反馈词,所述反馈词包括购买所述目标种类作物的用户反馈的词语和销售所述目标种类作物的商家反馈的词语;
统计每一反馈词的出现频次,获取出现在所述预设词库中且出现频次的排名在所述预设排名之前的反馈词,作为用于进行相关性分析的反馈词。
可选地,所述收集与目标种类作物有关的反馈信息,包括:
收集购买所述目标种类作物的用户通过扫描所述目标种类作物上的二维码对所述目标种类作物反馈的反馈信息,或者购买所述目标种类作物的用户通过预设网站对所述目标种类作物反馈的反馈信息;
和/或,
收集销售所述目标种类作物的商家通过扫描所述目标种类作物上的二维码对所述目标种类作物反馈的反馈信息,或者销售所述目标种类作物的商家通过所述预设网站对所述目标种类作物反馈的反馈信息。
可选地,还包括:
存储在所述目标种类作物生长过程中采集的生长条件、生长过程中拍摄的图片或视频;
存储在所述目标种类作物加工过程中采集的加工条件、加工过程中拍摄的图片或视频;
存储在所述目标种类作物运输过程中采集的运输条件、运输过程中拍摄的图片或视频;
存储在所述目标种类作物销售过程中采集的销售供应的数据件、销售过程中拍摄的图片或视频。
第二方面,本发明提供了一种基于用户反馈数据调整作物供应的装置,包括:
信息获取模块,用于收集与目标种类作物有关的反馈信息,根据所述反馈信息获取出现频次的排名在预设排名之前的反馈词,并通过预设网络搜索引擎获取网络渠道词;
相关性分析模块,用于对每一反馈词,通过相关性分析获取出现频次与所述反馈词的出现频次符合预设关系的网络渠道词,作为相关网络渠道词;
模型分析模块,用于将每一反馈词和与每一反馈词对应的相关网络渠道词作为预先训练的目标模型的输入参数,获取由所述目标模型输出的用于对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节的调节参数;
供应调节模块,用于根据所述目标模型输出的调节参数对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节;
其中,所述目标模型为预先根据与所述目标种类作物有关的历史反馈信息,以及所述目标种类作物的生长过程、加工过程、运输过程和销售过程的历史数据进行训练得到;所述预设关系包括相关系数处于预设相关系数范围内的关系。
第三方面,本发明的实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以上所述的基于用户反馈数据调整作物供应的方法的步骤。
本发明的实施例提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以上所述的基于用户反馈数据调整作物供应的方法的步骤。
本发明的实施例提供了一种基于用户反馈数据调整作物供应的方法及装置,收集购买目标种类作物的用户和销售目标种类作物的商家对目标种类作物的反馈信息,从反馈信息中获取反馈词,通过预设网络搜索引擎获取网络渠道词,分析与反馈词与网络渠道词的相关关系,得到出现频次成正相关或者负相关的反馈词和相关网络渠道词。由预先训练的目标模型根据分析的渠道词和相关网络渠道词得到对目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节的调节参数,实现目标种类作物供应过程的调节。这种闭环的调节方式不断优化作物的供应过程,保证供应的作物与市场需求吻合,提高作物供应和需求的匹配性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一个实施例提供的一种基于用户反馈数据调整作物供应的方法的流程示意图;
图2是本发明另一个实施例提供的基于用户反馈数据的调整作物供应的闭环调节示意图;
图3是本发明另一个实施例提供的基于用户反馈数据的调整作物供应装置的结构框图;
图4是本发明另一个实施例提供的电子设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本实施例提供的一种基于用户反馈数据调整作物供应的方法的流程示意图,参见图1,该方法包括:
101:收集与目标种类作物有关的反馈信息,根据所述反馈信息获取出现频次的排名在预设排名之前的反馈词,并通过预设网络搜索引擎获取网络渠道词;
102:对每一反馈词,通过相关性分析获取出现频次与所述反馈词的出现频次符合预设关系的网络渠道词,作为相关网络渠道词;
103:将每一反馈词和与每一反馈词对应的相关网络渠道词作为预先训练的目标模型的输入参数,获取由所述目标模型输出的用于对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节的调节参数;
104:根据所述目标模型输出的调节参数对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节;
其中,所述目标模型为预先根据与所述目标种类作物有关的历史反馈信息,以及所述目标种类作物的生长过程、加工过程、运输过程和销售过程的历史数据进行训练得到;所述预设关系包括相关系数处于预设相关系数范围内的关系。
本实施例提供的方法由安装有执行上述步骤程序的设备执行,该设备可以是服务器或者终端,例如,该设备作为用户的反馈平台,分析接收到的对应于各种类的作物的反馈信息,从而对作物的生长过程、加工过程、运输过程和销售过程进行调节,以使得提供的作物与市场需求吻合,提高作物供应和需求的匹配性。其中,本实施例提供的方法以过去已经存在反馈词和网络渠道词,以及已经发生的结果(例如,目标种类作物真实的供应量)对搭建的模型进行训练,得到本实施例中的目标模型。根据训练的数据,模型可以用来进行预测(例如,对目标种类作物的需求量的预测),还可以用来对目标种类作物的生长过程、加工过程、运输过程和销售过程进行调节(例如,增加目标种类作物生长过程中的光照时间)。
需要说明的是,本实施例中的预设网络搜索引擎为预先构建的用于抓取网络词语的搜索引擎,例如,该预设网络搜索引擎可以是基于网络搜索技术构建的搜索引擎。相关性分析是研究两个或两个以上处于同等地位的随机变量间的相关关系的统计分析方法。在本实施例中相关性分析用于分析每一反馈词和各网络渠道词出现频次上的相关关系,可以用SPSS软件或类似统计分析工具、算法模型实现反馈词和网络渠道词之间的相关性分析。目标模型的输入参数为反馈词和相关网络渠道词(可理解的是,输入参数为反馈词和相关网络渠道词对应的词向量),目标模型的输出的参数为调节参数。模型输出的调节参数为表示如何对目标种类作物生长过程、加工过程、运输过程和/或销售过程进行调节的数据,例如,模型输出的调节参数中包括表示是否增加光照时长的参数大于某一数值时,表示需要增加光照时长,并能由输出的该参数计算出需要增加多少小时的光照时长。
目标种类作物为某一种蔬菜(例如,豆芽)、某一种水果(例如,苹果)、某一种粮食(例如,大米)、某一种水产品(例如,海带)或者某一种中草药,本实施例对此不做具体限制。收集的反馈信息中不仅包括购买目标种类作物的用户反馈的信息,例如,是否过熟,是否新鲜等,还包括销售目标种类作物的商家反馈的评价信息,例如,是否需要多供应目标种类作物,是否需要改变目标种类作物的包装等。预设相关系数范围包括正相关关系、负相关关系、无相关关系、相关系数接近于某一数值(例如,零)的相关关系等,或者还可以包括与反馈词之间没有相关关系的网络渠道词,这些网络渠道词也可以作为相关网络渠道词(没有相关关系的情况是因为存在很多数据虽然不具有相关关系但却经常同时出现,这种情况很普遍,因此将这些网络渠道词加入到本实施例的数据处理中,实现了不同维度全面的分析)。其中,无相关关系指的是通过统计算法,得出两个属性之间相关度为零,表现了这两个属性对目标模型在不同角度和纬度上展现的不同特点的关系。
本实施例中从反馈信息中获取反馈词可以通过自然语言处理(NLP)技术实现,例如,通过Word2Vec工具从反馈信息中提取反馈词,得到提取的各反馈词对应的词向量,然后统计各反馈词在反馈信息中的出现频次。
本实施例提供了一种基于用户反馈数据调整作物供应的方法,收集购买目标种类作物的用户和销售目标种类作物的商家对目标种类作物的反馈信息,从反馈信息中获取反馈词,通过预设网络搜索引擎获取网络渠道词,分析与反馈词与网络渠道词的相关关系,得到出现频次成一定相关关系的反馈词和相关网络渠道词。由预先训练的目标模型根据分析的渠道词和相关网络渠道词得到对目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节的调节参数,实现目标种类作物供应过程的调节。这种闭环的调节方式不断优化作物的供应过程,保证供应的作物与市场需求吻合,提高作物供应和需求的匹配性。
具体来说,图2为基于用户反馈数据的调整作物供应的闭环调节示意图,参见图2,对目标种类作物,一方面,存储目标种类作物生长过程的数据、加工过程的数据、运输过程的数据和销售过程的数据。另一方面,收集用户或者商家对该目标种类作物的反馈信息,通过本申请提供的方法对反馈信息进行分析,得到对目标种类作物的生长过程、加工过程、运输过程和销售过程进行调节的调节参数,进而根据调节参数对目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节。如此循环,不断优化目标种类作物的各个环节,使得供应的目标种类作物符合市场需求。
进一步地,在上述实施例的基础上,所述目标模型的训练过程包括:
收集在某一预设时间跨度内与所述目标种类作物有关的历史反馈信息,根据所述历史反馈信息获取出现频次的排名在所述预设排名之前的历史反馈词,并通过预设网络搜索引擎获取在所述预设时间跨度内出现的历史网络渠道词;
对每一历史反馈词,通过相关性分析获取出现频次与所述历史反馈词的出现频次符合所述预设关系的历史网络渠道词,作为相关历史网络渠道词;
将每一历史反馈词和与每一历史反馈词对应的相关历史网络渠道词作为训练输入参数,将预先获取的与所述历史反馈信息对应的历史调节参数作为期望输出,对使用机器学习以及深度学习算法搭建的模型不断进行算法优化,将得到的优化后的算法模型作为所述目标模型;
其中,历史调节参数根据对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节的历史真实数据和/或实验结果得到。
目标模型是通过历史真实数据和/或实验结果训练得到的,以历史真实数据和/或实验结果中优化了目标种类作物的生长过程、加工过程、运输过程和销售过程的历史调节参数作为期望输出,使得训练出的目标模型输出的调节参数是能够不断优化目标种类作物的生长过程、加工过程、运输过程和销售过程的数据。
预设时间跨度为选定的历史时间段,例如,由当前时间点往前的1年时间内。历史反馈信息为在预设时间跨度内用户或者商家对目标种类作物反馈的信息。进行相关性分析时,输入历史反馈词的词向量和各历史网络渠道词的词向量,得到符合预设关系的词向量,即为相关历史网络渠道词的词向量。这些相关历史网络渠道词的词向量将作为模型训练的输入参数。通过进行模型训练的输入参数和期望输出不断对搭建的算法进行优化,最终得到能够对目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节的目标模型。
本实施例提供了一种基于用户反馈数据调整作物供应的方法,通过历史真实数据和/或实验结果不断对搭建的算法进行优化得到目标模型,通过目标模型实现了对目标种类作物供应过程的调节。
进一步地,在上述各实施例的基础上,所述历史调节参数包括用于表示是否需要再供应所述目标种类作物的第一参数、用于表示增加所述目标种类作物产量或减少所述目标种类作物产量的第二参数、用于表示如何调整生长过程中生长条件的第三参数、用于表示如何调整加工过程中加工条件的第四参数、用于表示如何调整运输过程中运输条件的第五参数和用于表示如何调整销售供应的第六参数;
其中,所述生长条件包括光照时长、温度和生长周期,所述加工条件包括乙烯投放量、包装方式和包装材料,所述运输条件包括运输路线、运输过程中目标种类作物所处环境和运输时长,所述销售供应包括销售价格和不同地区的供应量。
可理解的是,所述生长条件还包括光照度、土壤电导率EC值、土壤PH值、环境湿度、气压、二氧化碳含量、氧气含量,土壤含水量、土壤含氧量、施肥次数和除虫次数等等(当目标种类作物为豆芽这类作物时,生长条件还包括乙烯投放量),此处不再一一列举。加工条件(即对产品进行二次加工的过程中的条件),其还包括清洗次数、是否去根、整理,加工时长、清洗过程中清洗剂浓度和包装上是否需要设计图案等等,此处不再一一列举。所述运输条件还包括运输车车型、输运路径途径地和运输过程是否避光等等,此处不再一一列举。销售供应还包括不同口味的目标种类作物在不同地区的供应量等等,此处不再一一列举。
本实施例提供了一种基于用户反馈数据调整作物供应的方法,作为期望输出的历史调节参数全面包含了对目标种类作物在生长过程、加工过程、运输过程和/或销售过程各环节进行调节的所有参数,由此训练出的目标模型能够实现对目标种类作物供应过程的全面调节。
进一步地,在上述各实施例的基础上,所述收集在某一预设时间跨度内与所述目标种类作物有关的历史反馈信息,根据所述历史反馈信息获取出现频次的排名在所述预设排名之前的历史反馈词,包括:
收集在某一预设时间跨度内与所述目标种类作物有关的历史反馈信息,从所述历史反馈信息中提取历史反馈词,所述历史反馈词包括购买所述目标种类作物的用户反馈的词语和销售所述目标种类作物的商家反馈的词语;
统计每一历史反馈词的出现频次,获取出现在预设词库中且出现频次的排名在所述预设排名之前的历史反馈词,作为用于进行相关性分析的历史反馈词;
其中,所述预设词库中包括用于对所述目标种类作物的成熟度、口味、价格、包装和销量进行评价的词语。
从历史反馈信息中提取的历史反馈词中有可能包含有与目标种类作物无关的词语,因此在筛选历史反馈词的过程中,通过预设词库和出现频次筛选出与目标种类作物有关的且出现频次较高的反馈词,通过分析这些反馈词实现对目标种类作物的供应过程的调节。
本实施例提供了一种基于用户反馈数据调整作物供应的方法,通过预设词库和出现频次筛选了最能反应用户和商家需求的反馈词,通过对该反馈词的分析能够针对用户和商家的需求对目标种类作物的供应过程进行调节。
进一步地,在上述各实施例的基础上,所述收集与目标种类作物有关的反馈信息,根据所述反馈信息获取出现频次的排名在预设排名之前的反馈词,包括:
收集与所述目标种类作物有关的反馈信息,从所述反馈信息中提取反馈词,所述反馈词包括购买所述目标种类作物的用户反馈的词语和销售所述目标种类作物的商家反馈的词语;
统计每一反馈词的出现频次,获取出现在所述预设词库中且出现频次的排名在所述预设排名之前的反馈词,作为用于进行相关性分析的反馈词。
在实际通过目标模型调节目标种类作物的供应过程时,与模型的训练过程类似,也需要通过预设词库和出现频次筛选出最能反应用户和商家需求的反馈词,分析这些反馈词,实现对目标种类作物供应过程的调节,使得目标种类作物的供应更贴近市场需求。
进一步地,在上述各实施例的基础上,所述收集与目标种类作物有关的反馈信息,包括:
收集购买所述目标种类作物的用户通过扫描所述目标种类作物上的二维码对所述目标种类作物反馈的反馈信息,或者购买所述目标种类作物的用户通过预设网站对所述目标种类作物反馈的反馈信息;
和/或,
收集销售所述目标种类作物的商家通过扫描所述目标种类作物上的二维码对所述目标种类作物反馈的反馈信息,或者销售所述目标种类作物的商家通过所述预设网站对所述目标种类作物反馈的反馈信息。
用户向反馈平台反馈信息时,可以通过预设网站反馈信息,也可以通过扫描二维码的形式反馈信息。具体来说,本实施例涉及的二维码(QR Code)的生成,主要包含了某一具体作物的互联网地址,能够访问到整套溯源数据图片视频信息,并提供评论功能,利用手机4G网络将用户评价上传到服务器,与对应的农作物绑定,其中也包含了地理位置信息,时间信息。
本实施例提供了一种基于用户反馈数据调整作物供应的方法,通过二维码和预设网站提供了一种便捷地获取反馈信息的渠道,方便用户或者商家及时反馈对目标种类作物的反馈信息。
进一步地,在上述各实施例的基础上,还包括:
存储在所述目标种类作物生长过程中采集的生长条件、生长过程中拍摄的图片或视频;
存储在所述目标种类作物加工过程中采集的加工条件、加工过程中拍摄的图片或视频;
存储在所述目标种类作物运输过程中采集的运输条件、运输过程中拍摄的图片或视频;
存储在所述目标种类作物销售过程中采集的销售供应的数据件、销售过程中拍摄的图片或视频。
除了根据目标种类作物的反馈信息对目标种类作物的供应过程进行调节之外,在目标种类作物的生长过程、加工过程、运输过程和销售过程中还需要进行相关数据的存储,以便于对目标种类作物实现溯源,及时根据存储的供应过程的各环节的数据了解目标种类作物的供应过程,或者对目标种类作物的供应过程进行监督,实现供应过程的透明化。
具体来说,本实施例提供的基于用户反馈数据调整作物供应的方法在销售作物的同时建立信息采集机制,允许消费者通过扫描包装带上的二维码进行农产品的使用反馈,例如对新鲜度、口感、风味等诉求提供一个良好的收集机制,这样才有利于农场在生产加工农产品时有据可依。将用户反馈进行整理,利用人工智能对生产、加工以及运输环节做出激励意见,调整上游生产计划,使得生产的产品更加贴合当地市场需求。另一方面,采集农产品从生长到加工包装,到运输,再到销售,直到购买者手里这整个过程中的相关数据进行存储,保证客户拿到手里的产品全程可追溯。
作为实现基于用户反馈数据调整作物供应的方法的系统,其硬件设备包括空气温度传感器、湿度传感器、光照传感器、土壤温湿度传感器等等,此处不再一一列举。结合硬件设备对实现上述方法的过程概括如下:将农产品的生产过程中环境数据、生长数据、打药数据等自动存储于云端的MYSQL关系型数据库,同时,在非关系型数据库REDIS(REDIS的使用是因为它支持主从同步)中也进行存储,便于后期用户通过二维码进行快速访问。同时,为方便进行数据分析,我们同样使用了以HBASE作为数据存储的大数据框架及解决方案,最大程度上优化数据分析流程以及响应时间。
其中,与生产过程中产生的数据处理方法一致,采集的视频与照片数据也会分为两遍分存储,一是使用独立服务器进行存储,MYSQL数据库中只存放地址,二是所有视频与照片数据存放在REDIS中,目的是为了消费者能够快速访问数据。加工厂中使用运营商光纤网络进行数据上传,能够保证大数据量的视频、图片数据正常保存。
图3为本实施例提供的一种基于用户反馈数据调整作物供应的装置的结构框图,参见图3,该装置包括信息获取模块301、相关性分析模块302、模型分析模块303和供应调节模块304,其中,
信息获取模块301,用于收集与目标种类作物有关的反馈信息,根据所述反馈信息获取出现频次的排名在预设排名之前的反馈词,并通过预设网络搜索引擎获取网络渠道词;
相关性分析模块302,用于对每一反馈词,通过相关性分析获取出现频次与所述反馈词的出现频次符合预设关系的网络渠道词,作为相关网络渠道词;
模型分析模块303,用于将每一反馈词和与每一反馈词对应的相关网络渠道词作为预先训练的目标模型的输入参数,获取由所述目标模型输出的用于对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节的调节参数;
供应调节模块304,用于根据所述目标模型输出的调节参数对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节;
其中,所述目标模型为预先根据与所述目标种类作物有关的历史反馈信息,以及所述目标种类作物的生长过程、加工过程、运输过程和销售过程的历史数据进行训练得到;所述预设关系包括相关系数处于预设相关系数范围内的关系。
本实施例提供的基于用户反馈数据调整作物供应的装置适用于上述实施例中提供的基于用户反馈数据调整作物供应的方法,在此不再赘述。
本实施例提供了一种基于用户反馈数据调整作物供应的装置,收集购买目标种类作物的用户和销售目标种类作物的商家对目标种类作物的反馈信息,从反馈信息中获取反馈词,通过预设网络搜索引擎获取网络渠道词,分析与反馈词与网络渠道词的相关关系,得到出现频次成正相关或者负相关的反馈词和相关网络渠道词。由预先训练的目标模型根据分析的渠道词和相关网络渠道词得到对目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节的调节参数,实现目标种类作物供应过程的调节。这种闭环的调节方式不断优化作物的供应过程,保证供应的作物与市场需求吻合,提高作物供应和需求的匹配性。
图4是示出本实施例提供的电子设备的结构框图。
参照图4,所述电子设备包括:处理器(processor)410、通信接口(CommunicationsInterface)420、存储器(memory)430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令,以执行如下方法:收集与目标种类作物有关的反馈信息,根据所述反馈信息获取出现频次的排名在预设排名之前的反馈词,并通过预设网络搜索引擎获取网络渠道词;对每一反馈词,通过相关性分析获取出现频次与所述反馈词的出现频次符合预设关系的网络渠道词,作为相关网络渠道词;将每一反馈词和与每一反馈词对应的相关网络渠道词作为预先训练的目标模型的输入参数,获取由所述目标模型输出的用于对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节的调节参数;根据所述目标模型输出的调节参数对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节;其中,所述目标模型为预先根据与所述目标种类作物有关的历史反馈信息,以及所述目标种类作物的生长过程、加工过程、运输过程和销售过程的历史数据进行训练得到;所述预设关系包括相关系数处于预设相关系数范围内的关系。
此外,上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行如下方法:收集与目标种类作物有关的反馈信息,根据所述反馈信息获取出现频次的排名在预设排名之前的反馈词,并通过预设网络搜索引擎获取网络渠道词;对每一反馈词,通过相关性分析获取出现频次与所述反馈词的出现频次符合预设关系的网络渠道词,作为相关网络渠道词;将每一反馈词和与每一反馈词对应的相关网络渠道词作为预先训练的目标模型的输入参数,获取由所述目标模型输出的用于对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节的调节参数;根据所述目标模型输出的调节参数对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节;其中,所述目标模型为预先根据与所述目标种类作物有关的历史反馈信息,以及所述目标种类作物的生长过程、加工过程、运输过程和销售过程的历史数据进行训练得到;所述预设关系包括相关系数处于预设相关系数范围内的关系。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如,包括:收集与目标种类作物有关的反馈信息,根据所述反馈信息获取出现频次的排名在预设排名之前的反馈词,并通过预设网络搜索引擎获取网络渠道词;对每一反馈词,通过相关性分析获取出现频次与所述反馈词的出现频次符合预设关系的网络渠道词,作为相关网络渠道词;将每一反馈词和与每一反馈词对应的相关网络渠道词作为预先训练的目标模型的输入参数,获取由所述目标模型输出的用于对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节的调节参数;根据所述目标模型输出的调节参数对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节;其中,所述目标模型为预先根据与所述目标种类作物有关的历史反馈信息,以及所述目标种类作物的生长过程、加工过程、运输过程和销售过程的历史数据进行训练得到;所述预设关系包括相关系数处于预设相关系数范围内的关系。
以上所描述的电子设备等实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上各实施例仅用以说明本发明的实施例的技术方案,而非对其限制;尽管参照前述各实施例对本发明的实施例进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明的实施例各实施例技术方案的范围。
Claims (7)
1.一种基于用户反馈数据调整作物供应的方法,其特征在于,包括:
收集与目标种类作物有关的反馈信息,根据所述反馈信息获取出现频次的排名在预设排名之前的反馈词,并通过预设网络搜索引擎获取网络渠道词;
对每一反馈词,通过相关性分析获取出现频次与所述反馈词的出现频次符合预设关系的网络渠道词,作为相关网络渠道词;
将每一反馈词和与每一反馈词对应的相关网络渠道词作为预先训练的目标模型的输入参数,获取由所述目标模型输出的用于对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节的调节参数;
根据所述目标模型输出的调节参数对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节;
其中,所述目标模型为预先根据与所述目标种类作物有关的历史反馈信息,以及所述目标种类作物的生长过程、加工过程、运输过程和销售过程的历史数据进行训练得到;所述预设关系包括相关系数处于预设相关系数范围内的关系;
所述收集与目标种类作物有关的反馈信息,包括:
收集购买所述目标种类作物的用户通过扫描所述目标种类作物上的二维码对所述目标种类作物反馈的反馈信息,或者购买所述目标种类作物的用户通过预设网站对所述目标种类作物反馈的反馈信息;
和/或,
收集销售所述目标种类作物的商家通过扫描所述目标种类作物上的二维码对所述目标种类作物反馈的反馈信息,或者销售所述目标种类作物的商家通过所述预设网站对所述目标种类作物反馈的反馈信息;
其中,目标模型输出的调节参数为表示如何对目标种类作物生长过程、加工过程、运输过程和/或销售过程进行调节的数据;
所述目标模型的训练过程包括:
收集在某一预设时间跨度内与所述目标种类作物有关的历史反馈信息,根据所述历史反馈信息获取出现频次的排名在所述预设排名之前的历史反馈词,并通过预设网络搜索引擎获取在所述预设时间跨度内出现的历史网络渠道词;
对每一历史反馈词,通过相关性分析获取出现频次与所述历史反馈词的出现频次符合所述预设关系的历史网络渠道词,作为相关历史网络渠道词;
将每一历史反馈词和与每一历史反馈词对应的相关历史网络渠道词作为训练输入参数,将预先获取的与所述历史反馈信息对应的历史调节参数作为期望输出,对使用机器学习以及深度学习算法搭建的模型不断进行算法优化,将得到的优化后的算法模型作为所述目标模型;
其中,历史调节参数根据对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节的历史真实数据和/或实验结果得到;
所述历史调节参数包括用于表示是否需要再供应所述目标种类作物的第一参数、用于表示增加所述目标种类作物产量或减少所述目标种类作物产量的第二参数、用于表示如何调整生长过程中生长条件的第三参数、用于表示如何调整加工过程中加工条件的第四参数、用于表示如何调整运输过程中运输条件的第五参数和用于表示如何调整销售供应的第六参数;
其中,所述生长条件包括光照时长、温度和生长周期,所述加工条件包括乙烯投放量、包装方式和包装材料,所述运输条件包括运输路线、运输过程中目标种类作物所处环境和运输时长,所述销售供应包括销售价格和不同地区的供应量。
2.根据权利要求1所述的基于用户反馈数据调整作物供应的方法,其特征在于,所述收集在某一预设时间跨度内与所述目标种类作物有关的历史反馈信息,根据所述历史反馈信息获取出现频次的排名在所述预设排名之前的历史反馈词,包括:
收集在某一预设时间跨度内与所述目标种类作物有关的历史反馈信息,从所述历史反馈信息中提取历史反馈词,所述历史反馈词包括购买所述目标种类作物的用户反馈的词语和销售所述目标种类作物的商家反馈的词语;
统计每一历史反馈词的出现频次,获取出现在预设词库中且出现频次的排名在所述预设排名之前的历史反馈词,作为用于进行相关性分析的历史反馈词;
其中,所述预设词库中包括用于对所述目标种类作物的成熟度、口味、价格、包装和销量进行评价的词语。
3.根据权利要求2所述的基于用户反馈数据调整作物供应的方法,其特征在于,所述收集与目标种类作物有关的反馈信息,根据所述反馈信息获取出现频次的排名在预设排名之前的反馈词,包括:
收集与所述目标种类作物有关的反馈信息,从所述反馈信息中提取反馈词,所述反馈词包括购买所述目标种类作物的用户反馈的词语和销售所述目标种类作物的商家反馈的词语;
统计每一反馈词的出现频次,获取出现在所述预设词库中且出现频次的排名在所述预设排名之前的反馈词,作为用于进行相关性分析的反馈词。
4.根据权利要求1所述的基于用户反馈数据调整作物供应的方法,其特征在于,还包括:
存储在所述目标种类作物生长过程中采集的生长条件、生长过程中拍摄的图片或视频;
存储在所述目标种类作物加工过程中采集的加工条件、加工过程中拍摄的图片或视频;
存储在所述目标种类作物运输过程中采集的运输条件、运输过程中拍摄的图片或视频;
存储在所述目标种类作物销售过程中采集的销售供应的数据件、销售过程中拍摄的图片或视频。
5.一种基于用户反馈数据调整作物供应的装置,其特征在于,包括:
信息获取模块,用于收集与目标种类作物有关的反馈信息,根据所述反馈信息获取出现频次的排名在预设排名之前的反馈词,并通过预设网络搜索引擎获取网络渠道词;
相关性分析模块,用于对每一反馈词,通过相关性分析获取出现频次与所述反馈词的出现频次符合预设关系的网络渠道词,作为相关网络渠道词;
模型分析模块,用于将每一反馈词和与每一反馈词对应的相关网络渠道词作为预先训练的目标模型的输入参数,获取由所述目标模型输出的用于对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节的调节参数;
供应调节模块,用于根据所述目标模型输出的调节参数对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节;
其中,所述目标模型为预先根据与所述目标种类作物有关的历史反馈信息,以及所述目标种类作物的生长过程、加工过程、运输过程和销售过程的历史数据进行训练得到;所述预设关系包括相关系数处于预设相关系数范围内的关系;
所述收集与目标种类作物有关的反馈信息,包括:
收集购买所述目标种类作物的用户通过扫描所述目标种类作物上的二维码对所述目标种类作物反馈的反馈信息,或者购买所述目标种类作物的用户通过预设网站对所述目标种类作物反馈的反馈信息;
和/或,
收集销售所述目标种类作物的商家通过扫描所述目标种类作物上的二维码对所述目标种类作物反馈的反馈信息,或者销售所述目标种类作物的商家通过所述预设网站对所述目标种类作物反馈的反馈信息;
其中,目标模型输出的调节参数为表示如何对目标种类作物生长过程、加工过程、运输过程和/或销售过程进行调节的数据;
所述目标模型的训练过程包括:
收集在某一预设时间跨度内与所述目标种类作物有关的历史反馈信息,根据所述历史反馈信息获取出现频次的排名在所述预设排名之前的历史反馈词,并通过预设网络搜索引擎获取在所述预设时间跨度内出现的历史网络渠道词;
对每一历史反馈词,通过相关性分析获取出现频次与所述历史反馈词的出现频次符合所述预设关系的历史网络渠道词,作为相关历史网络渠道词;
将每一历史反馈词和与每一历史反馈词对应的相关历史网络渠道词作为训练输入参数,将预先获取的与所述历史反馈信息对应的历史调节参数作为期望输出,对使用机器学习以及深度学习算法搭建的模型不断进行算法优化,将得到的优化后的算法模型作为所述目标模型;
其中,历史调节参数根据对所述目标种类作物的生长过程、加工过程、运输过程和/或销售过程进行调节的历史真实数据和/或实验结果得到;
所述历史调节参数包括用于表示是否需要再供应所述目标种类作物的第一参数、用于表示增加所述目标种类作物产量或减少所述目标种类作物产量的第二参数、用于表示如何调整生长过程中生长条件的第三参数、用于表示如何调整加工过程中加工条件的第四参数、用于表示如何调整运输过程中运输条件的第五参数和用于表示如何调整销售供应的第六参数;
其中,所述生长条件包括光照时长、温度和生长周期,所述加工条件包括乙烯投放量、包装方式和包装材料,所述运输条件包括运输路线、运输过程中目标种类作物所处环境和运输时长,所述销售供应包括销售价格和不同地区的供应量。
6.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述的基于用户反馈数据调整作物供应的方法的步骤。
7.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至4任一项所述的基于用户反馈数据调整作物供应的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910619876.7A CN110400170B (zh) | 2019-07-10 | 2019-07-10 | 一种基于用户反馈数据调整作物供应的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910619876.7A CN110400170B (zh) | 2019-07-10 | 2019-07-10 | 一种基于用户反馈数据调整作物供应的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110400170A CN110400170A (zh) | 2019-11-01 |
CN110400170B true CN110400170B (zh) | 2022-08-12 |
Family
ID=68324418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910619876.7A Active CN110400170B (zh) | 2019-07-10 | 2019-07-10 | 一种基于用户反馈数据调整作物供应的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110400170B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779136A (zh) * | 2011-05-13 | 2012-11-14 | 北京搜狗科技发展有限公司 | 一种信息搜索的方法和装置 |
CN107885889A (zh) * | 2017-12-13 | 2018-04-06 | 聚好看科技股份有限公司 | 搜索结果的反馈方法、展示方法及装置 |
CN108763199A (zh) * | 2018-05-14 | 2018-11-06 | 浙江口碑网络技术有限公司 | 文本反馈信息的排查方法及装置 |
TW201909093A (zh) * | 2017-07-21 | 2019-03-01 | 森淨科技股份有限公司 | 智能排程系統及其方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823371B (zh) * | 2014-02-12 | 2016-06-29 | 无锡中科智能农业发展有限责任公司 | 基于神经网络模型的农业精准施肥系统及施肥方法 |
US9140824B1 (en) * | 2015-01-23 | 2015-09-22 | Iteris, Inc. | Diagnosis and prediction of in-field dry-down of a mature small grain, coarse grain, or oilseed crop using field-level analysis and forecasting of weather conditions, crop characteristics, and observations and user input of harvest condition states |
CN105139243B (zh) * | 2015-07-30 | 2018-08-21 | 甘霖 | 室内栽培蔬果的质量监控、销售系统及其实现方法 |
CN106373022B (zh) * | 2016-09-13 | 2021-12-24 | 重庆科技学院 | 基于bp-ga的温室农作物种植效率条件优化方法及系统 |
CN107341734A (zh) * | 2017-06-06 | 2017-11-10 | 浙江大学 | 一种基于生理参数的设施作物苗期生长预测模型的建立方法 |
CN107678410A (zh) * | 2017-09-30 | 2018-02-09 | 中国农业大学 | 一种面向温室环境的智能控制方法、系统与控制器 |
CN108154267A (zh) * | 2017-12-25 | 2018-06-12 | 深圳春沐源控股有限公司 | 一种施肥机的肥料参数调整方法及装置 |
CN108229736A (zh) * | 2017-12-29 | 2018-06-29 | 深圳春沐源控股有限公司 | 一种基于用户评价的种植方法及服务器及计算机存储介质 |
-
2019
- 2019-07-10 CN CN201910619876.7A patent/CN110400170B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779136A (zh) * | 2011-05-13 | 2012-11-14 | 北京搜狗科技发展有限公司 | 一种信息搜索的方法和装置 |
TW201909093A (zh) * | 2017-07-21 | 2019-03-01 | 森淨科技股份有限公司 | 智能排程系統及其方法 |
CN107885889A (zh) * | 2017-12-13 | 2018-04-06 | 聚好看科技股份有限公司 | 搜索结果的反馈方法、展示方法及装置 |
CN108763199A (zh) * | 2018-05-14 | 2018-11-06 | 浙江口碑网络技术有限公司 | 文本反馈信息的排查方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110400170A (zh) | 2019-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ganeshkumar et al. | Artificial intelligence in agricultural value chain: review and future directions | |
Oruma et al. | Agriculture 4.0: an implementation framework for food security attainment in Nigeria’s post-Covid-19 era | |
US20210209705A1 (en) | System and Method for Managing and Operating an Agricultural-Origin-Product Manufacturing Supply Chain | |
Delbridge et al. | Economic performance of long‐term organic and conventional cropping systems in Minnesota | |
CN109784945A (zh) | 基于大数据和区块链的食品溯源方法、系统及存储介质 | |
De Marchi et al. | Can consumer food choices contribute to reduce environmental impact? The case of cisgenic apples | |
Mvumi et al. | Food security challenges in Sub-Saharan Africa: The potential contribution of postharvest skills, science and technology in closing the gap | |
Alwang et al. | Value‐Chains in the Andes: Upgrading for Ecuador's Blackberry Producers | |
CN110400170B (zh) | 一种基于用户反馈数据调整作物供应的方法及装置 | |
Samarasinghe et al. | Traceability of fruits and vegetables supply chain towards efficient management: a case study from Sri Lanka | |
Jiao et al. | Influence of supply chain model on quality and safety control of table grape and performance of small‐scale vinegrowers in China | |
US20220309595A1 (en) | System and Method for Managing and Operating an Agricultural-Origin-Product Manufacturing Supply Chain | |
Qashlim et al. | A Website Framework to Support the Distribution of Milkfish in The Fishing Industry | |
Choi et al. | Estimating strawberry attributes’ market equilibrium values | |
Otieno et al. | Effect of Global-GAP policy on smallholder French beans farmers climate change adaptation strategies in Kenya | |
Ault et al. | An overview of AI development and its location relationship in agricultural supply chains | |
Ekqvist et al. | Grain legumes on the Swedish market: origin and pesticide use in the production | |
Heidarisoltanabadi et al. | Assessment of energy cycle, emissions cost, and environmental pollutants for sour cherry production: A case study | |
Bolfe et al. | Challenges, trends and opportunities in digital agriculture in Brazil. | |
Lee et al. | Machine learning of stochastic automata and evolutionary games | |
Theodosiou et al. | Measuring, archetyping and mining Olea europaea production data | |
Kumari et al. | CertiMart: Use Computer Vision to Digitize and Automate Supermarket with Fruit Quality Measuring and Maintaining | |
Britz | Disaggregating Agro-Food Sectors in the GTAP Data Base | |
Mustarik et al. | A Microclimate based Crop Recommender System for Precision Agriculture | |
Devi et al. | Hybrid deep WaveNet-LSTM architecture for crop yield prediction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |