CN111191043A - 一种基于企业数据的知识图谱Schema设计方法 - Google Patents
一种基于企业数据的知识图谱Schema设计方法 Download PDFInfo
- Publication number
- CN111191043A CN111191043A CN201911352744.9A CN201911352744A CN111191043A CN 111191043 A CN111191043 A CN 111191043A CN 201911352744 A CN201911352744 A CN 201911352744A CN 111191043 A CN111191043 A CN 111191043A
- Authority
- CN
- China
- Prior art keywords
- attribute
- information
- enterprise
- ontology
- data
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于企业数据的知识图谱Schema设计方法,其特征在于,包括如下步骤:S1:对企业业务流程所需要的各种业务数据进行整理,并梳理业务流程顺序;S2:通过S1中整理的数据来抽取本体、属性,及它们之间对应的关系;S3:根据业务流程及各本体之间的关系,进行知识图谱:{本体(属性)‑关系‑本体(属性)}三元组Schema设计。
Description
技术领域
本发明涉及知识图谱的构建规则技术领域,具体来说,涉及一种基于企业数据的知识图谱Schema设计方法。
背景技术
随着企业不断地发展,企业的业务数据也越来越纷繁复杂,普通的企业业务数据的管理和监控达不到企业想要的效果,无法快速整理出企业进行业务交易过程中所必需的数据信息,并准确直观地描述各种信息之间的逻辑顺序和流程,抽取出依赖、约束、关联、包括、属性等关系,造成企业的业务管理和监控效率低下。
针对相关技术的上述问题,目前并未提出有效的解决方案。
发明内容
针对相关技术中的上述技术问题,本发明提出一种基于企业数据的知识图谱Schema设计方法,能够克服现有技术的上述不足。
为实现上述技术目的,本发明的技术方案是这样实现的:
一种基于企业数据的知识图谱Schema设计方法,其特征在于,包括如下步骤:
S1:对企业业务流程所需要的各种业务数据进行整理,并梳理业务流程顺序;
S2:通过S1中整理的数据来抽取本体、属性,及它们之间对应的关系;
S3:根据业务流程及各本体之间的关系,进行知识图谱:{本体(属性)-关系-本体(属性)}三元组Schema设计,用知识图谱的形式展示其对应的关系。
进一步的,对于步骤S1,业务流程包括如下步骤:
S11:在系统上,卖方发布能力和产品,买方发布需求,需要标明能力的类别和分类、产品的类别和分类;
S12:用户通过进行搜索、收藏、点击行为来查看需求、产品、能力和企业基本信息;
S13:用户筛选出一些合适的交易对象之后,买卖双方进行针对需要询价的产品进行询价;
S14:买卖双方确定买卖意向之后,双方进行针对需要报价的产品进行报价;
S15:根据报价结果进行优选,并确定最终合作方,签订合同或下达订单;
S16:完成交易之后互相进行评价。
其中,步骤S11中涉及的主要数据为商品表、能力表及其相关分类和类别;步骤S12中搜索、收藏、点击行为涉及的主要数据为搜索、收藏、系统行为的系统操作,查看企业信息的主要数据为企业基本信息、税务信息、年报、知识产权的企业信息数据,以及企业及其行业的新闻资讯的动态信息;步骤S13中涉及的主要数据为询价表及询价产品表;步骤S14中涉及的主要数据为报价表及报价产品表;步骤S15中涉及的主要数据为优选、应标、合同、订单数据和交易额;步骤S16中涉及的主要数据为交易完成后的双方评价数据。
进一步的,对于步骤S2,抽取本体为根据现有信息,抽取企业的各种信息、关键业务和关键步骤,力争反映企业各方面信息和状态。
其中,抽取本体包括抽取工商信息、新闻、行为、业务数据四个大类,每个大类均包含若干小类,并将这些大类汇总成企业信息大类。
进一步的,对于步骤S2,抽取属性为抽取各个本体的属性和特征。
其中,抽取属性包括抽取日期和时间属性、费用属性、地址属性、类型属性、状态属性、注册信息属性、经营信息属性、财务信息属性、产品信息属性、合同信息属性十个大类,每个大类均包含若干小类。
进一步的,对于步骤S2,抽取本体和属性之间对应的关系是根据业务流程的先后顺序来抽取。
其中,抽取本体和属性之间对应的关系包括包含关系、依赖关系、关联关系、约束关系。
本发明的有益效果:本发明基于企业数据设计知识图谱Schema,展示本体和属性抽取依据,建立实体或属性之间的{本体(属性)-关系-本体(属性)}关联关系,并对纷繁复杂的业务数据进行整理和展示,整理出企业进行业务交易过程中所必需的数据信息(本体和属性),并准确直观地描述各种信息之间的逻辑顺序和流程(关系),有助于描述企业业务流程和展示企业业务状态,为企业的业务管理和监控提供了高质量的设计方案。
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,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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是根据本发明实施例所述的一种基于企业数据的知识图谱Schema设计方法的商品业务流程图;
图2是根据本发明实施例所述的一种基于企业数据的知识图谱Schema设计方法的能力业务流程图;
图3是根据本发明实施例所述的一种基于企业数据的知识图谱Schema设计方法中抽取的具体本体信息框图;
图4是根据本发明实施例所述的一种基于企业数据的知识图谱Schema设计方法中抽取的具体属性信息框图;
图5是根据本发明实施例所述的一种基于企业数据的知识图谱Schema设计方法中抽取的本体和属性之间对应的关系框图;
图6是根据本发明实施例所述的一种基于企业数据的知识图谱Schema设计方法的本体大类之间的关系框图;
图7是根据本发明实施例所述的一种基于企业数据的知识图谱Schema设计方法的本体小类与属性小类的信息框图;
图8是根据本发明实施例所述的一种基于企业数据的知识图谱Schema设计方法的本体小类中的外购的业务主体之间的依赖关系框图;
图9是根据本发明实施例所述的一种基于企业数据的知识图谱Schema设计方法的本体小类中的外购的业务主体之间的依赖和关联关系框图;
图10是根据本发明实施例所述的一种基于企业数据的知识图谱Schema设计方法的本体小类中的外购的询价产品和报价产品与商品表之间的关系框图;
图11是根据本发明实施例所述的一种基于企业数据的知识图谱Schema设计方法的本体小类中的外购的用户系统行为、商品收藏、商品购物车与商品表之间的关系框图;
图12是根据本发明实施例所述的一种基于企业数据的知识图谱Schema设计方法的本体小类中的外购的企业收藏与企业基本信息之间的关系框图;
图13是根据本发明实施例所述的一种基于企业数据的知识图谱Schema设计方法的本体小类中的外购的商品、订单与标准之间的关系框图。
具体实施方式
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,所描述的实施例仅仅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所获得的所有其他实施例,都属于本发明保护的范围。
根据本发明实施例所述的一种基于企业数据的知识图谱Schema设计方法,其特征在于,包括如下步骤:
S1:对企业业务流程所需要的各种业务数据进行整理,并梳理业务流程顺序;
S2:通过S1中整理的数据来抽取本体、属性,及它们之间对应的关系;
S3:根据业务流程及各本体之间的关系,进行知识图谱:{本体(属性)-关系-本体(属性)}三元组Schema设计,用知识图谱的形式展示其对应的关系。
在一具体实施例中,本体是指一种形式化的,对于共享概念体系的明确而又详细的说明,实际上就是对特定领域之中某套概念的形式化表达,一般包含某个学科领域内的基本术语,实体是本体的具体实例。
在一具体实施例中,属性是本体(和类)所可能具有的属性、特征,一个本体往往有很多不同的属性。
在一具体实施例中,关系是用于描述本体(类,概念)之间的关系。
优选的,本体(属性)之间,往往用{本体(属性)-关系-本体(属性)}三元组来表示其相互之间的关系。
如图1-2所示,在一具体实施例中,对于步骤S1,业务流程包括如下步骤:
S11:在系统上,卖方发布能力和产品,买方发布需求,需要标明能力的类别和分类、产品的类别和分类;
S12:用户通过进行搜索、收藏、点击行为来查看需求、产品、能力和企业基本信息;
S13:用户筛选出一些合适的交易对象之后,买卖双方进行针对需要询价的产品进行询价;
S14:买卖双方确定买卖意向之后,双方进行针对需要报价的产品进行报价;
S15:根据报价结果进行优选,并确定最终合作方,签订合同或下达订单;
S16:完成交易之后互相进行评价。
优选的,步骤S11中涉及的主要数据为商品表、能力表及其相关分类和类别;步骤S12中搜索、收藏、点击行为涉及的主要数据为搜索、收藏、系统行为的系统操作,查看企业信息的主要数据为企业基本信息、税务信息、年报、知识产权的企业信息数据,以及企业及其行业的新闻资讯的动态信息;步骤S13中涉及的主要数据为询价表及询价产品表;步骤S14中涉及的主要数据为报价表及报价产品表;步骤S15中涉及的主要数据为优选、应标、合同、订单数据和交易额;步骤S16中涉及的主要数据为交易完成后的双方评价数据。
优选的,业务分为外协和外购两大主要模块,外协是和能力相关的行为,外购是和产品相关的行为,两者业务流程基本一致。
如图3所示,在一具体实施例中,对于步骤S2,抽取本体为根据现有信息,抽取企业的各种信息、关键业务和关键步骤,力争反映企业各方面信息和状态。
优选的,抽取本体包括抽取工商信息、新闻、行为、业务数据四个大类,每个大类均包含若干小类,并将这些大类汇总成企业信息大类。
优选的,工商信息大类包括基本信息、税务信息、企业年报、专利和标准等小类;新闻大类包括企业新闻和行业新闻小类;行为大类包括用户系统行为、企业收藏、能力或商品收藏、能力或商品购物车等小类;业务数据大类分为产品、能力、需求、交易四大类以及它们的小类。
如图4所示,在一具体实施例中,对于步骤S2,抽取属性为抽取各个本体的属性和特征。
优选的,抽取属性包括抽取日期和时间属性、费用属性、地址属性、类型属性、状态属性、注册信息属性、经营信息属性、财务信息属性、产品信息属性、合同信息属性十个大类,每个大类均包含若干小类。
优选的,日期和时间属性大类包括创建日期、开始日期、截止日期、交货日期、发布日期、支付日期、签订日期、确认时间、停留时间等属性小类;费用属性大类包括检验费、筛选费、运杂费、下料加工费等属性小类;地址属性大类包括出省、市、区、街道/镇、路/村、门牌号、邮编等属性小类;类型属性大类包括类型层级、产品类型、发票类型、公司类型等属性小类;状态属性大类包括订单状态、企业状态、标准状态等属性小类;注册信息属性大类包括股东、法人、注册资本、注册地点、营业执照、统一社会信用代码等属性小类;经营信息属性大类包括联系人、手机号码、网站、账户、行业、员工人数、经营范围、主营产品、企业品牌、主要客户群体等属性小类;财务信息属性大类包括税率、税费、收入、支出、年进口额、年出口额等属性小类;产品信息属性大类包括付款方式、计算单位、数量、价格、配送方式、质检方式、支付方式、产品标准、起订量、库存等属性小类;合同信息属性大类包括金额、合同属性、保密级别、条款等属性小类。
如图5所示,在一具体实施例中,对于步骤S2,抽取本体和属性之间对应的关系是根据业务流程的先后顺序来抽取。
优选的,抽取本体和属性对应的关系包括包含关系、依赖关系、关联关系、约束关系。
如图6所示,优选的,本体大类之间存在包括与被包括的关系,用isModuleOf是……的模块、hasModule包含哪些模块来表示。
如图7所示,优选的,本体和属性之间,用isPropertyOf是……的属性、hasProperty有……属性来表示。
如图2-3所示,优选的,大类与小类之间存在包括与被包括关系,用IsIngredientOf是……的组成部分、hasIngredient包含哪些组成部分来表示;小类之间存在包含与被包含关系,用HasInclude包含与isIncludeOf被……包含来表示。
如图8-12所示,优选的,先有某类,才会有某类,为依赖关系,用isDependof被……依赖、hasDepend依赖来表示,根据依赖行为的永久性与暂时性,分为长依赖与短依赖,即hasLongDependence长依赖于、isLongDependenceof长被依赖、hasShortDependence短依赖于、isShortDependenceof短被依赖;某些类之间有关联关系,用isRelationof被……关联、hasRelation关联来表示。
如图13所示,优选的,有些本体之间存在约束与被约束的关系,用hasConstraint约束、isConstraintOf被……约束来表示。
优选的,有些本体包含另一本体的价格,用hasPrice有哪些价格、isPriceOf是……的价格来表示;还有一些其他的关系,hasProduct有哪些产品、IsProductOf是……的产品、IsDetailof是……的细节、hasDetail细节有;实体是本体的实例,用isInstanceOf是……的实例、hasInstance有哪些实例来表示。
为了方便理解本发明的上述技术方案,以下通过具体使用方式上对本发明的上述技术方案进行详细说明。
在具体使用时,根据本发明所述的一种基于企业数据的知识图谱Schema设计方法,首先整合企业业务流程所需要的各种基础性信息,梳理业务流程顺序;基本业务流程为,买卖双方发布能力和产品的需求和销售,随后进行询价和报价,搭配介绍具体产品的外协或外购询价产品表、外协或外购报价产品表,优选或应标之后签订合同或下达订单,完成交易之后互相进行评价;在基本业务流程过程中,整理每个步骤所涉及到的主要数据。然后在整理过后的主要数据中抽取本体、属性及其对应的关系;本体为根据现有信息,由企业的各种信息、关键业务和关键步骤抽取而成,力争反映企业各方面信息和状态,需抽取工商信息、新闻、行为、业务数据四个本体大类;属性由各个本体的属性和特征抽取而来,需抽取属性包括抽取日期和时间属性、费用属性、地址属性、类型属性、状态属性、注册信息属性、经营信息属性、财务信息属性、产品信息属性、合同信息属性十个属性大类;本体和属性之间对应的关系是根据业务流程的先后顺序来抽取,需抽取本体和属性对应的关系包括包含关系、依赖关系、关联关系、约束关系以及一些其他关系。最后根据业务流程及本体于属性之间的关系,进行设计{本体(属性)-关系-本体(属性)}三元组,设计重点在于本体小类的关系设计,尤其是与业务相关的本体之间的关系,再用知识图谱的形式展示其对应的关系,准确直观地描述了各种信息之间的逻辑顺序和流程,展示了企业业务状态。
综上所述,本发明基于企业数据,使用知识图谱技术,将业务流程等企业信息抽象成{本体(属性)-关系-本体(属性)}三元组,对企业知识图谱的Schema构建规则进行设计,对纷繁复杂的业务数据进行整理和展示,整理出企业进行业务交易过程中所必需的数据信息(本体和属性),并准确直观地描述各种信息之间的逻辑顺序和流程(关系),有助于描述企业业务流程和展示企业业务状态,为企业的业务管理和监控提供了高质量的设计方案。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于企业数据的知识图谱Schema设计方法,其特征在于,包括如下步骤:
S1:对企业业务流程所需要的各种业务数据进行整理,并梳理业务流程顺序;
S2:通过S1中整理的数据来抽取本体、属性,及它们之间对应的关系;
S3:根据业务流程及各本体之间的关系,进行知识图谱:{本体(属性)-关系-本体(属性)}三元组Schema设计,用知识图谱的形式展示其对应的关系。
2.根据权利要求1所述的一种基于企业数据的知识图谱Schema设计方法,其特征在于,对于步骤S1,业务流程包括如下步骤:
S11:在系统上,卖方发布能力和产品,买方发布需求,需要标明能力的类别和分类、产品的类别和分类;
S12:用户通过进行搜索、收藏、点击行为来查看需求、产品、能力和企业基本信息;
S13:用户筛选出一些合适的交易对象之后,买卖双方进行针对需要询价的产品进行询价;
S14:买卖双方确定买卖意向之后,双方进行针对需要报价的产品进行报价;
S15:根据报价结果进行优选,并确定最终合作方,签订合同或下达订单;
S16:完成交易之后互相进行评价。
3.根据权利要求2所述的一种基于企业数据的知识图谱Schema设计方法,其特征在于,步骤S11中涉及的主要数据为商品表、能力表及其相关分类和类别;步骤S12中搜索、收藏、点击行为涉及的主要数据为搜索、收藏、系统行为的系统操作,查看企业信息的主要数据为企业基本信息、税务信息、年报、知识产权的企业信息数据,以及企业及其行业的新闻资讯的动态信息;步骤S13中涉及的主要数据为询价表及询价产品表;步骤S14中涉及的主要数据为报价表及报价产品表;步骤S15中涉及的主要数据为优选、应标、合同、订单数据和交易额;步骤S16中涉及的主要数据为交易完成后的双方评价数据。
4.根据权利要求1所述的一种基于企业数据的知识图谱Schema设计方法,其特征在于,对于步骤S2,抽取本体为根据现有信息,抽取企业的各种信息、关键业务和关键步骤,力争反映企业各方面信息和状态。
5.根据权利要求4所述的一种基于企业数据的知识图谱Schema设计方法,其特征在于,抽取本体包括抽取工商信息、新闻、行为、业务数据四个大类,每个大类均包含若干小类,并将这些大类汇总成企业信息大类。
6.根据权利要求1所述的一种基于企业数据的知识图谱Schema设计方法,其特征在于,对于步骤S2,抽取属性为抽取各个本体的属性和特征。
7.根据权利要求6所述的一种基于企业数据的知识图谱Schema设计方法,其特征在于,抽取属性包括抽取日期和时间属性、费用属性、地址属性、类型属性、状态属性、注册信息属性、经营信息属性、财务信息属性、产品信息属性、合同信息属性十个大类,每个大类均包含若干小类。
8.根据权利要求1所述的一种基于企业数据的知识图谱Schema设计方法,其特征在于,对于步骤S2,抽取本体和属性之间对应的关系是根据业务流程的先后顺序来抽取。
9.根据权利要求8所述的一种基于企业数据的知识图谱Schema设计方法,其特征在于,抽取本体和属性对应的关系包括包含关系、依赖关系、关联关系、约束关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911352744.9A CN111191043A (zh) | 2019-12-25 | 2019-12-25 | 一种基于企业数据的知识图谱Schema设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911352744.9A CN111191043A (zh) | 2019-12-25 | 2019-12-25 | 一种基于企业数据的知识图谱Schema设计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111191043A true CN111191043A (zh) | 2020-05-22 |
Family
ID=70707607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911352744.9A Pending CN111191043A (zh) | 2019-12-25 | 2019-12-25 | 一种基于企业数据的知识图谱Schema设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111191043A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111666424A (zh) * | 2020-06-10 | 2020-09-15 | 深圳开思时代科技有限公司 | 基于知识表示学习的汽配件询报价优化方法 |
WO2024000582A1 (zh) * | 2022-07-01 | 2024-01-04 | 西门子股份公司 | 知识图谱的本体模型的构建方法、装置及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107945024A (zh) * | 2017-12-12 | 2018-04-20 | 厦门市美亚柏科信息股份有限公司 | 识别互联网金融借贷企业经营异常的方法、终端设备及存储介质 |
US20190087755A1 (en) * | 2017-09-15 | 2019-03-21 | International Business Machines Corporation | Cognitive process learning |
CN109697050A (zh) * | 2019-01-07 | 2019-04-30 | 浙江大学 | 一种基于知识图谱面向电商领域的需求描述模型设计方法 |
CN109919585A (zh) * | 2019-05-14 | 2019-06-21 | 上海市浦东新区行政服务中心(上海市浦东新区市民中心) | 基于知识图谱的人工智能辅助行政审批方法、系统及终端 |
CN110569369A (zh) * | 2019-09-16 | 2019-12-13 | 神州数码融信软件有限公司 | 银行金融系统知识图谱的生成方法及装置、应用方法及装置 |
-
2019
- 2019-12-25 CN CN201911352744.9A patent/CN111191043A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190087755A1 (en) * | 2017-09-15 | 2019-03-21 | International Business Machines Corporation | Cognitive process learning |
CN107945024A (zh) * | 2017-12-12 | 2018-04-20 | 厦门市美亚柏科信息股份有限公司 | 识别互联网金融借贷企业经营异常的方法、终端设备及存储介质 |
CN109697050A (zh) * | 2019-01-07 | 2019-04-30 | 浙江大学 | 一种基于知识图谱面向电商领域的需求描述模型设计方法 |
CN109919585A (zh) * | 2019-05-14 | 2019-06-21 | 上海市浦东新区行政服务中心(上海市浦东新区市民中心) | 基于知识图谱的人工智能辅助行政审批方法、系统及终端 |
CN110569369A (zh) * | 2019-09-16 | 2019-12-13 | 神州数码融信软件有限公司 | 银行金融系统知识图谱的生成方法及装置、应用方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111666424A (zh) * | 2020-06-10 | 2020-09-15 | 深圳开思时代科技有限公司 | 基于知识表示学习的汽配件询报价优化方法 |
WO2024000582A1 (zh) * | 2022-07-01 | 2024-01-04 | 西门子股份公司 | 知识图谱的本体模型的构建方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ha Nam Khanh | Customer satisfaction at Tiki. vn E-commerce platform | |
US10970660B1 (en) | Community-based data analysis in a software-as-a-service system using a deep learning classifier | |
Unnikrishnan et al. | A study of the impact of COVID-19 on home delivery purchases and expenditures | |
Cheung et al. | A quantitative correlation coefficient mining method for business intelligence in small and medium enterprises of trading business | |
Bhalekar et al. | the Study of E-Commerce | |
Zhang et al. | Improving the Bass model’s predictive power through online reviews, search traffic and macroeconomic data | |
CN104517157A (zh) | 使用社交媒体在可承诺量系统中预测分析的方法和系统 | |
Phan Tan et al. | The influence of perceived price and quality of delivery on online repeat purchase intention: the evidence from Vietnamese purchasers | |
Yang et al. | Customer management in Internet-based platform firms: review and future research directions | |
KR20120007343A (ko) | 맞춤형 정보 제공 방법 및 이를 이용한 광고 방법 | |
CN111191043A (zh) | 一种基于企业数据的知识图谱Schema设计方法 | |
CN108228156A (zh) | 用于电子商务全网移动分销的系统及使用方法 | |
Nandankar et al. | Developing and validating e-marketplace service quality model in B2G e-commerce settings: a mixed-methods approach | |
CN107437128A (zh) | 一种基于微信移动端分销平台系统 | |
Nandy et al. | Interorganizational processes in buyer–supplier dyads: An information intensity perspective | |
JP2018521435A (ja) | データ、ギフト及び物流の共有による的確なマーケティングを行うためのシステム及び方法 | |
CN107590707A (zh) | 一款SaaS架构模式实现多分销子站系统 | |
US20230100685A1 (en) | Financial product information collecting platform system, financial product information collecting method, and computer program for the same | |
Perumal et al. | The effects towards quality of online food delivery services during COVID-19 pandemic in Malaysia | |
Wang | Innovation of e-commerce marketing model under the background of big data and artificial intelligence | |
CN108932615A (zh) | 一种数字资产交易方法、系统及计算机可读存储介质 | |
CN108122150A (zh) | 一款多终端的零售商城软件 | |
Sharawi et al. | Utilization of data visualization for knowledge discovery in modern logistic service companies | |
Min et al. | Assessing the e-Service Quality of Sellers in an Industrial e-Marketplace | |
CN107292638A (zh) | 一种移动多端分销处理系统及方法 |
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 |