CN111523765A - 物资需求分析方法、设备、装置及可读存储介质 - Google Patents
物资需求分析方法、设备、装置及可读存储介质 Download PDFInfo
- Publication number
- CN111523765A CN111523765A CN202010216650.5A CN202010216650A CN111523765A CN 111523765 A CN111523765 A CN 111523765A CN 202010216650 A CN202010216650 A CN 202010216650A CN 111523765 A CN111523765 A CN 111523765A
- Authority
- CN
- China
- Prior art keywords
- user
- consumption
- group
- warehouse
- material demand
- 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.)
- Granted
Links
- 239000000463 material Substances 0.000 title claims abstract description 173
- 238000004458 analytical method Methods 0.000 title claims abstract description 83
- 238000010586 diagram Methods 0.000 claims description 55
- 238000000034 method Methods 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 235000014102 seafood Nutrition 0.000 description 10
- 235000013305 food Nutrition 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 239000010985 leather Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 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
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及智能决策技术领域,揭露了一种物资需求分析方法,该方法包括:根据第一消费记录生成各个用户的第一轨迹图,剔除第一轨迹图中与指定仓库的物品供应清单匹配失败的节点,得到第二轨迹图,将第二轨迹图中各个节点对应的消费地点替换为所述消费地点对应的仓库,得到各个用户的第三轨迹图,根据第三轨迹图确定指定仓库对应的第一用户群,根据第一用户群中各个用户的第二消费记录确定第一物品群、第一评分群,将第一用户群、第一物品群、第一评分群输入训练好的物资分析模型,得到指定仓库的物资需求概率分布图。本发明还提出一种电子设备、物资需求分析装置以及一种计算机可读存储介质。本发明解决了物资需求分析准确度不高的问题。
Description
技术领域
本发明涉及智能决策技术领域,尤其涉及一种物资需求分析方法、电子设备、物资需求分析装置及可读存储介质。
背景技术
物资需求分析影响物资采购周期、物资采购成本、物资储存、物资安全管理等各方面,提前对物资需求进行分析可保证物资供应的协调性和及时性。服务行业人员通过物资需求分析来减少无需求物资的采购、运输、储存等费用,并保证需求物资到达的及时性。目前,物资需求分析主要依靠人员的经验判断,准确度不高。因此,亟需一种准确分析物资需求的方案。
发明内容
鉴于以上内容,有必要提供一种物资需求分析方法,旨在解决物资需求分析准确度不高的问题。
本发明提供的物资需求分析方法,包括:
生成步骤:响应客户端发送的预设区域内某一指定仓库的物资需求分析请求,获取第一预设时间段内所述预设区域的各个用户的第一消费记录,所述第一消费记录包括消费物品、消费地点、消费时间戳、消费评分,按照所述消费时间戳生成所述预设区域的各个用户的第一轨迹图,所述第一轨迹图中每个节点对应一条消费记录;
匹配步骤:获取所述指定仓库的物品供应清单,将所述各个用户的第一轨迹图中各个节点对应的消费物品与所述物品供应清单进行匹配,剔除匹配失败的节点,得到所述预设区域的各个用户的第二轨迹图;
替换步骤:根据预先确定的仓库与消费地点之间的映射关系,将所述各个用户的第二轨迹图中各个节点对应的消费地点替换为所述消费地点对应的仓库,得到所述预设区域的各个用户的第三轨迹图;
分析步骤:根据所述各个用户的第三轨迹图确定所述指定仓库对应的第一用户群,获取所述第一用户群中每个用户在第二预设时间段内的第二消费记录,所述第二预设时间段的数值小于所述第一预设时间段的数值,根据所述第二消费记录确定所述第一用户群对应的第一物品群及第一评分群,将所述第一用户群、第一物品群及第一评分群输入训练好的物资分析模型,得到所述指定仓库的物资需求概率分布图。
可选的,所述根据所述各个用户的第三轨迹图确定所述指定仓库对应的第一用户群包括:
计算所述各个用户的第三轨迹图中包括所述指定仓库的节点的数量,将所述节点的数量超过第一预设阈值的第三轨迹图对应的用户的集合作为预测用户集;
计算所述预测用户集中各用户对所述指定仓库的欧式距离值,将欧式距离值大于第二预设阈值的用户的集合作为所述指定仓库对应的第一用户群。
可选的,所述根据所述第二消费记录确定所述第一用户群对应的第一物品群及第一评分群包括:
将所述第一用户群中各用户的第二消费记录中的消费物品与所述指定仓库的物品供应清单进行匹配,将匹配成功的消费物品的集合作为所述第一用户群对应的第一物品群;
计算所述第一物品群中各个物品在第二消费记录中的消费评分的均值,将所述消费评分的均值的集合作为第一评分群。
可选的,所述物资分析模型为狄利克雷主题模型,所述狄利克雷主题模型的训练过程包括:
获取第三预设时间段内所述预设区域的各个用户的第三消费记录,根据所述第三消费记录及所述预设区域的各个仓库的物品供应清单,确定各个仓库对应的第二用户群、第二物品群及第二评分群;
获取第四预设时间段内所述预设区域的各个仓库的物资消费表,根据所述物品消费表确定各个仓库在所述第四预设时间段内的真实物资需求概率;
将所述第二用户群、第二物品群及第二评分群输入狄利克雷主题模型,得到各个仓库在所述第四预设时间段内的预测物资需求概率,通过最小化预测物资需求概率与真实物资需求概率之间的损失值调整所述狄利克雷主题模型的权重参数,得到训练好的狄利克雷主题模型。
可选的,所述预测物资需求概率与真实物资需求概率之间的损失值的计算公式为:
其中,loss(qt-j,pt-j)为预设区域第t个仓库对应的第二物品群中第j个物品的预测准确度损失值,qt-j为第t个仓库对应的第二物品群中第j个物品的预测需求概率值,pt-j为第t个仓库对应的第二物品群中第j个物品的真实需求概率值,ct为第t个仓库对应的第二物品群中物品的总数量。
可选的,所述方法还包括:
根据所述物资需求概率分布图、所述指定仓库的现有库存清单计算所述指定仓库的需求物资种类及数量,并发出向所述指定仓库调配相应物资的指示信息。
可选的,所述方法还包括:
若所述物资需求概率分布图中某一物品的物资需求概率大于第三预设阈值,或者小于第四预设阈值,则向所述客户端发送预警信息。
此外,为实现上述目的,本发明还提供一种电子设备,该电子设备包括:存储器、处理器,所述存储器中存储有可在所述处理器上运行的物资需求分析程序,所述物资需求分析程序被所述处理器执行时实现如下步骤:
生成步骤:响应客户端发送的预设区域内某一指定仓库的物资需求分析请求,获取第一预设时间段内所述预设区域的各个用户的第一消费记录,所述第一消费记录包括消费物品、消费地点、消费时间戳、消费评分,按照所述消费时间戳生成所述预设区域的各个用户的第一轨迹图,所述第一轨迹图中每个节点对应一条消费记录;
匹配步骤:获取所述指定仓库的物品供应清单,将所述各个用户的第一轨迹图中各个节点对应的消费物品与所述物品供应清单进行匹配,剔除匹配失败的节点,得到所述预设区域的各个用户的第二轨迹图;
替换步骤:根据预先确定的仓库与消费地点之间的映射关系,将所述各个用户的第二轨迹图中各个节点对应的消费地点替换为所述消费地点对应的仓库,得到所述预设区域的各个用户的第三轨迹图;
分析步骤:根据所述各个用户的第三轨迹图确定所述指定仓库对应的第一用户群,获取所述第一用户群中每个用户在第二预设时间段内的第二消费记录,所述第二预设时间段的数值小于所述第一预设时间段的数值,根据所述第二消费记录确定所述第一用户群对应的第一物品群及第一评分群,将所述第一用户群、第一物品群及第一评分群输入训练好的物资分析模型,得到所述指定仓库的物资需求概率分布图。
此外,为实现上述目的,本发明还提供一种物资需求分析装置,所述物资需求分析装置包括:
生成模块,用于响应客户端发送的预设区域内某一指定仓库的物资需求分析请求,获取第一预设时间段内所述预设区域的各个用户的第一消费记录,所述第一消费记录包括消费物品、消费地点、消费时间戳、消费评分,按照所述消费时间戳生成所述预设区域的各个用户的第一轨迹图,所述第一轨迹图中每个节点对应一条消费记录;
匹配模块,用于获取所述指定仓库的物品供应清单,将所述各个用户的第一轨迹图中各个节点对应的消费物品与所述物品供应清单进行匹配,剔除匹配失败的节点,得到所述预设区域的各个用户的第二轨迹图;
替换模块,用于根据预先确定的仓库与消费地点之间的映射关系,将所述各个用户的第二轨迹图中各个节点对应的消费地点替换为所述消费地点对应的仓库,得到所述预设区域的各个用户的第三轨迹图;
分析模块,用于根据所述各个用户的第三轨迹图确定所述指定仓库对应的第一用户群,获取所述第一用户群中每个用户在第二预设时间段内的第二消费记录,所述第二预设时间段的数值小于所述第一预设时间段的数值,根据所述第二消费记录确定所述第一用户群对应的第一物品群及第一评分群,将所述第一用户群、第一物品群及第一评分群输入训练好的物资分析模型,得到所述指定仓库的物资需求概率分布图。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有物资需求分析程序,所述物资需求分析程序可被一个或者多个处理器执行,以实现上述物资需求分析方法的步骤。
相较现有技术,本发明通过根据第一预设时间段内的第一消费记录生成各个用户的第一轨迹图,通过将第一轨迹图中各个节点对应的消费物品与指定仓库的物品供应清单进行匹配,得到的第二轨迹图中仅保留了与指定仓库的物品供应清单匹配的节点,使得第二轨迹图更具有针对性;然后,将第二轨迹图中各个节点对应的消费地点替换为所述消费地点对应的仓库,得到第三轨迹图,使得用户与仓库建立了关联关系;最后,根据第三轨迹图确定指定仓库对应的第一用户群,根据第一用户群中各个用户在第二预设时间段内的第二消费记录确定第一物品群及第一评分群,将第一用户群、第一物品群及第一评分群输入训练好的物资分析模型,得到指定仓库的物资需求概率分布图,其中,第一预设时间段的数值大于第二预设时间段的数值,采用第一预设时间段内的第一消费记录确定第一用户群,目的在于保证用户的完整性,而采用第二预设时间段内的第二消费记录来确定第一物品群及第一评分群,可保证数据的准确性,故而本发明解决了物资需求分析准确度不高的问题。
附图说明
图1为本发明电子设备一实施例的示意图;
图2为本发明物资需求分析装置一实施例的模块示意图;
图3为本发明物资需求分析方法一实施例的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
如图1所示,为本发明电子设备1一实施例的示意图。电子设备1是一种能够按照事先设定或者存储的指令,自动进行数值计算和/或信息处理的设备。所述电子设备1可以是计算机、也可以是单个网络服务器、多个网络服务器组成的服务器组或者基于云计算的由大量主机或者网络服务器构成的云,其中云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个超级虚拟计算机。
在本实施例中,电子设备1包括,但不仅限于,可通过系统总线相互通信连接的存储器11、处理器12、网络接口13,该存储器11中存储有物资需求分析程序10,所述物资需求分析程序10可被所述处理器12执行。图1仅示出了具有组件11-13以及物资需求分析程序10的电子设备1,本领域技术人员可以理解的是,图1示出的结构并不构成对电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
其中,存储器11包括内存及至少一种类型的可读存储介质。内存为电子设备1的运行提供缓存;可读存储介质可为如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等的非易失性存储介质。在一些实施例中,可读存储介质可以是电子设备1的内部存储单元,例如该电子设备1的硬盘;在另一些实施例中,该非易失性存储介质也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。本实施例中,存储器11的可读存储介质通常用于存储安装于电子设备1的操作系统和各类应用软件,例如存储本发明一实施例中的物资需求分析程序10的代码等。此外,存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器12在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述电子设备1的总体操作,例如执行与其他设备进行数据交互或者通信相关的控制和处理等。本实施例中,所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据,例如运行物资需求分析程序10等。
网络接口13可包括无线网络接口或有线网络接口,该网络接口13用于在所述电子设备1与客户端(图中未画出)之间建立通信连接。
可选的,所述电子设备1还可以包括用户接口,用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口还可以包括标准的有线接口、无线接口。可选的,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
在本发明的一实施例中,所述物资需求分析程序10被所述处理器12执行时实现如下生成步骤、匹配步骤、替换步骤及分析步骤。
生成步骤:响应客户端发送的预设区域内某一指定仓库的物资需求分析请求,获取第一预设时间段内所述预设区域的各个用户的第一消费记录,所述第一消费记录包括消费物品、消费地点、消费时间戳、消费评分,按照所述消费时间戳生成所述预设区域的各个用户的第一轨迹图,所述第一轨迹图中每个节点对应一条消费记录。
本实施例中,所述消费记录为用户在线下支付时,通过客户端的支付类APP所产生的消费数据。所述消费记录可以是电子设备1从各个客户端的监控数据中获取的,也可以由各个客户端主动上报给所述电子设备1。
在本发明的另一个实施例中,所述生成步骤还包括:
若某条消费记录的数据不完整(例如,消费记录中不含具体消费物品),则删除该条消费记录。
匹配步骤:获取所述指定仓库的物品供应清单,将所述各个用户的第一轨迹图中各个节点对应的消费物品与所述物品供应清单进行匹配,剔除匹配失败的节点,得到所述预设区域的各个用户的第二轨迹图。
本实施例中,所述匹配的规则为:
若某一节点对应的消费物品中没有任何物品存在于所述指定仓库的物品供应清单中,则所述节点为匹配失败的节点。
以指定仓库供应海鲜类产品为例,因海鲜类产品保质期短且需配备特殊的储存环境,此类仓库则需更为准确的分析结果。若某一用户的消费物品包括服饰类物品(例如,大衣、皮鞋等)、文具类物品(例如,铅笔、书籍等)、食材类物品(例如,蔬菜、海鲜等)、娱乐类物品(例如,电影票、景点门票等),则仅将食材类消费物品对应的多个节点与所述指定仓库的物品供应清单匹配,保留匹配成功的节点,得到各个用户的第二轨迹图。
通过剔除匹配失败的节点,使得用户的消费记录中仅保留与所述指定仓库所供应的物品类别一致的消费记录,以便于针对该指定仓库供应的物资做进一步的分析。
替换步骤:根据预先确定的仓库与消费地点之间的映射关系,将所述各个用户的第二轨迹图中各个节点对应的消费地点替换为所述消费地点对应的仓库,得到所述预设区域的各个用户的第三轨迹图。
本实施例中,预先建立了预设区域内的各个仓库与各个仓库所供应区块内的所有消费地点之间的映射关系,将各个用户的第二轨迹图中的消费地点替换为该消费地点对应的仓库的名称,即建立了仓库与用户之间的关系。
分析步骤:根据所述各个用户的第三轨迹图确定所述指定仓库对应的第一用户群,获取所述第一用户群中每个用户在第二预设时间段内的第二消费记录,所述第二预设时间段的数值小于所述第一预设时间段的数值,根据所述第二消费记录确定所述第一用户群对应的第一物品群及第一评分群,将所述第一用户群、第一物品群及第一评分群输入训练好的物资分析模型,得到所述指定仓库的物资需求概率分布图。
本实施例中,所述根据所述各个用户的第三轨迹图确定所述指定仓库对应的第一用户群包括:
A1、计算所述各个用户的第三轨迹图中包括所述指定仓库的节点的数量,将所述节点的数量超过第一预设阈值的第三轨迹图对应的用户的集合作为预测用户集;
A2、计算所述预测用户集中各用户对所述指定仓库的欧式距离值,将欧式距离值大于第二预设阈值的用户的集合作为所述指定仓库对应的第一用户群。
所述欧式距离值的计算公式为:
其中,Yi为预测用户集中第i个用户对所述指定仓库的欧式距离值,Ci为预测用户集中第i个用户的第三轨迹图中包含所述指定仓库的节点的数量,A为第一预设阈值。
所述根据所述第二消费记录确定所述第一用户群对应的第一物品群及第一评分群包括:
B1、将所述第一用户群中各用户的第二消费记录中的消费物品与所述指定仓库的物品供应清单进行匹配,将匹配成功的消费物品的集合作为所述第一用户群对应的第一物品群;
B2、计算所述第一物品群中各个物品在第二消费记录中的消费评分的均值,将所述消费评分的均值的集合作为第一评分群。
本实施例中,第一预设时间段大于第二预设时间段,采用第一预设时间段(例如,最近一年)内的第一消费记录确定第一用户群,目的在于保证用户的完整性(例如,某一用户最近半个月在出差,出差期间未购买海鲜类物品,但是一个月前,该用户经常购买海鲜类物品),而采用第二预设时间段(例如,最近半个月)内的第二消费记录来确定第一物品群及第一评分群,可保证数据的准确性(例如,10月底为吃蟹高峰期,而9月份初吃蟹用户较少),故而本发明将第一用户群、第一物品群及第一评分群输入训练好的物资分析模型,可得到更为准确的物资需求概率分布图。
所述物资分析模型为狄利克雷主题模型。狄利克雷主题模型是一种词袋模型,即它认为一篇文档是由一组词构成的一个集合,词与词之间没有顺序以及先后的关系,一篇文档可以包含多个主题,文档中每一个词都由其中的一个主题生成,该模型可以将文档集中每篇文档的主题按照概率分布的形式给出。
本实施例中,将所述指定仓库对应的第一用户群、第一物品群及第一评分群输入预先训练好的狄利克雷主题模型中,可得到所述指定仓库的物品需求概率分布图,即可估算出各类物品的需求数量。
狄利克雷主题模型通常用于对文档进行聚类统计,本案通过对狄利克雷主题模型的训练使得狄利克雷主题模型应用于物资分析。
本实施例中,所述狄利克雷主题模型的训练过程包括:
C1、获取第三预设时间段内(例如,2018/1/1~2018/6/1)所述预设区域的各个用户的第三消费记录,根据所述第三消费记录及所述预设区域的各个仓库的物品供应清单,确定各个仓库对应的第二用户群、第二物品群及第二评分群;
C2、获取第四预设时间段内(例如,2018/6/1~2018/7/1)所述预设区域的各个仓库的物资消费表,根据所述物品消费表确定各个仓库在所述第四预设时间段内的真实物资需求概率;
C3、将所述第二用户群、第二物品群及第二评分群输入狄利克雷主题模型,得到各个仓库在所述第四预设时间段内的预测物资需求概率,通过最小化预测物资需求概率与真实物资需求概率之间的损失值调整所述狄利克雷主题模型的权重参数,得到训练好的狄利克雷主题模型。
所述预测物资需求概率与真实物资需求概率之间的损失值的计算公式为:
其中,loss(qt-j,pt-j)为预设区域第t个仓库对应的第二物品群中第j个物品的预测准确度损失值,qt-j为第t个仓库对应的第二物品群中第j个物品的预测需求概率值,pt-j为第t个仓库对应的第二物品群中第j个物品的真实需求概率值,ct为第t个仓库对应的第二物品群中物品的总数量。
在本发明的另一个实施例中,所述物资需求分析程序10被所述处理器12执行时还实现如下步骤:
根据所述物资需求概率分布图、所述指定仓库的现有库存清单计算所述指定仓库的需求物资种类及数量,并发出向所述指定仓库调配相应物资的指示信息。
在本发明的另一个实施例中,所述物资需求分析程序10被所述处理器12执行时还实现如下步骤:
若所述物资需求概率分布图中某一物品的物资需求概率大于第三预设阈值,或者小于第四预设阈值,则向所述客户端发送预警信息。
由上述实施例可知,本发明提出的电子设备1,首先,根据第一预设时间段内的第一消费记录生成各个用户的第一轨迹图,通过将第一轨迹图中各个节点对应的消费物品与指定仓库的物品供应清单进行匹配,得到的第二轨迹图中仅保留了与指定仓库的物品供应清单匹配的节点,使得第二轨迹图更具有针对性;然后,将第二轨迹图中各个节点对应的消费地点替换为所述消费地点对应的仓库,得到第三轨迹图,使得用户与仓库建立了关联关系;最后,根据第三轨迹图确定指定仓库对应的第一用户群,根据第一用户群中各个用户在第二预设时间段内的第二消费记录确定第一物品群及第一评分群,将第一用户群、第一物品群及第一评分群输入训练好的物资分析模型,得到指定仓库的物资需求概率分布图,其中,第一预设时间段的数值大于第二预设时间段的数值,采用第一预设时间段内的第一消费记录确定第一用户群,目的在于保证用户的完整性,而采用第二预设时间段内的第二消费记录来确定第一物品群及第一评分群,可保证数据的准确性,故而本发明解决了物资需求分析准确度不高的问题。
如图2所示,为本发明物资需求分析装置20一实施例的模块示意图。
在本发明的一个实施例中,物资需求分析装置20包括生成模块210、匹配模块220、替换模块230及分析模块240,示例性地:
所述生成模块210,用于响应客户端发送的预设区域内某一指定仓库的物资需求分析请求,获取第一预设时间段内所述预设区域的各个用户的第一消费记录,所述第一消费记录包括消费物品、消费地点、消费时间戳、消费评分,按照所述消费时间戳生成所述预设区域的各个用户的第一轨迹图,所述第一轨迹图中每个节点对应一条消费记录;
所述匹配模块220,用于获取所述指定仓库的物品供应清单,将所述各个用户的第一轨迹图中各个节点对应的消费物品与所述物品供应清单进行匹配,剔除匹配失败的节点,得到所述预设区域的各个用户的第二轨迹图;
所述替换模块230,用于根据预先确定的仓库与消费地点之间的映射关系,将所述各个用户的第二轨迹图中各个节点对应的消费地点替换为所述消费地点对应的仓库,得到所述预设区域的各个用户的第三轨迹图;
所述分析模块240,用于根据所述各个用户的第三轨迹图确定所述指定仓库对应的第一用户群,获取所述第一用户群中每个用户在第二预设时间段内的第二消费记录,所述第二预设时间段的数值小于所述第一预设时间段的数值,根据所述第二消费记录确定所述第一用户群对应的第一物品群及第一评分群,将所述第一用户群、第一物品群及第一评分群输入训练好的物资分析模型,得到所述指定仓库的物资需求概率分布图。
上述生成模块210、匹配模块220、替换模块230及分析模块240等模块被执行时所实现的功能或操作步骤与上述实施例大体相同,在此不再赘述。
如图3所示,为本发明物资需求分析方法一实施例的流程图,该物资需求分析方法包括步骤S1-S4。
S1、响应客户端发送的预设区域内某一指定仓库的物资需求分析请求,获取第一预设时间段内所述预设区域的各个用户的第一消费记录,所述第一消费记录包括消费物品、消费地点、消费时间戳、消费评分,按照所述消费时间戳生成所述预设区域的各个用户的第一轨迹图,所述第一轨迹图中每个节点对应一条消费记录。
本实施例中,所述消费记录为用户在线下支付时,通过客户端的支付类APP所产生的消费数据。所述消费记录可以是电子设备1从各个客户端的监控数据中获取的,也可以由各个客户端主动上报给所述电子设备1。
在本发明的另一个实施例中,所述生成步骤还包括:
若某条消费记录的数据不完整(例如,消费记录中不含具体消费物品),则删除该条消费记录。
S2、获取所述指定仓库的物品供应清单,将所述各个用户的第一轨迹图中各个节点对应的消费物品与所述物品供应清单进行匹配,剔除匹配失败的节点,得到所述预设区域的各个用户的第二轨迹图。
本实施例中,所述匹配的规则为:
若某一节点对应的消费物品中没有任何物品存在于所述指定仓库的物品供应清单中,则所述节点为匹配失败的节点。
以指定仓库供应海鲜类产品为例,因海鲜类产品保质期短且需配备特殊的储存环境,此类仓库则需更为准确的分析结果。若某一用户的消费物品包括服饰类物品(例如,大衣、皮鞋等)、文具类物品(例如,铅笔、书籍等)、食材类物品(例如,蔬菜、海鲜等)、娱乐类物品(例如,电影票、景点门票等),则仅将食材类消费物品对应的多个节点与所述指定仓库的物品供应清单匹配,保留匹配成功的节点,得到各个用户的第二轨迹图。
通过剔除匹配失败的节点,使得用户的消费记录中仅保留与所述指定仓库所供应的物品类别一致的消费记录,以便于针对该指定仓库供应的物资做进一步的分析。
S3、根据预先确定的仓库与消费地点之间的映射关系,将所述各个用户的第二轨迹图中各个节点对应的消费地点替换为所述消费地点对应的仓库,得到所述预设区域的各个用户的第三轨迹图。
本实施例中,预先建立了预设区域内的各个仓库与各个仓库所供应区块内的所有消费地点之间的映射关系,将各个用户的第二轨迹图中的消费地点替换为该消费地点对应的仓库的名称,即建立了仓库与用户之间的关系。
S4、根据所述各个用户的第三轨迹图确定所述指定仓库对应的第一用户群,获取所述第一用户群中每个用户在第二预设时间段内的第二消费记录,所述第二预设时间段的数值小于所述第一预设时间段的数值,根据所述第二消费记录确定所述第一用户群对应的第一物品群及第一评分群,将所述第一用户群、第一物品群及第一评分群输入训练好的物资分析模型,得到所述指定仓库的物资需求概率分布图。
本实施例中,所述根据所述各个用户的第三轨迹图确定所述指定仓库对应的第一用户群包括:
A1、计算所述各个用户的第三轨迹图中包括所述指定仓库的节点的数量,将所述节点的数量超过第一预设阈值的第三轨迹图对应的用户的集合作为预测用户集;
A2、计算所述预测用户集中各用户对所述指定仓库的欧式距离值,将欧式距离值大于第二预设阈值的用户的集合作为所述指定仓库对应的第一用户群。
所述欧式距离值的计算公式为:
其中,Yi为预测用户集中第i个用户对所述指定仓库的欧式距离值,Ci为预测用户集中第i个用户的第三轨迹图中包含所述指定仓库的节点的数量,A为第一预设阈值。
所述根据所述第二消费记录确定所述第一用户群对应的第一物品群及第一评分群,包括:
B1、将所述第一用户群中各用户的第二消费记录中的消费物品与所述指定仓库的物品供应清单进行匹配,将匹配成功的消费物品的集合作为所述第一用户群对应的第一物品群;
B2、计算所述第一物品群中各个物品在第二消费记录中的消费评分的均值,将所述消费评分的均值的集合作为第一评分群。
本实施例中,第一预设时间段大于第二预设时间段,采用第一预设时间段(例如,最近一年)内的第一消费记录确定第一用户群,目的在于保证用户的完整性(例如,某一用户最近半个月在出差,出差期间未购买海鲜类物品,但是一个月前,该用户经常购买海鲜类物品),而采用第二预设时间段(例如,最近半个月)内的第二消费记录来确定第一物品群及第一评分群,可保证数据的准确性(例如,10月底为吃蟹高峰期,而9月份初吃蟹用户较少),故而本发明将第一用户群、第一物品群及第一评分群输入训练好的物资分析模型,可得到更为准确的物资需求概率分布图。
所述物资分析模型为狄利克雷主题模型。狄利克雷主题模型是一种词袋模型,即它认为一篇文档是由一组词构成的一个集合,词与词之间没有顺序以及先后的关系,一篇文档可以包含多个主题,文档中每一个词都由其中的一个主题生成,该模型可以将文档集中每篇文档的主题按照概率分布的形式给出。
本实施例中,将所述指定仓库对应的第一用户群、第一物品群及第一评分群输入预先训练好的狄利克雷主题模型中,可得到所述指定仓库的物品需求概率分布图,即可估算出各类物品的需求数量。
狄利克雷主题模型通常用于对文档进行聚类统计,本案通过对狄利克雷主题模型的训练使得狄利克雷主题模型应用于物资分析。
本实施例中,所述狄利克雷主题模型的训练过程包括:
C1、获取第三预设时间段内(例如,2018/1/1~2018/6/1)所述预设区域的各个用户的第三消费记录,根据所述第三消费记录及所述预设区域的各个仓库的物品供应清单,确定各个仓库对应的第二用户群、第二物品群及第二评分群;
C2、获取第四预设时间段内(例如,2018/6/1~2018/7/1)所述预设区域的各个仓库的物资消费表,根据所述物品消费表确定各个仓库在所述第四预设时间段内的真实物资需求概率;
C3、将所述第二用户群、第二物品群及第二评分群输入狄利克雷主题模型,得到各个仓库在所述第四预设时间段内的预测物资需求概率,通过最小化预测物资需求概率与真实物资需求概率之间的损失值调整所述狄利克雷主题模型的权重参数,得到训练好的狄利克雷主题模型。
所述预测物资需求概率与真实物资需求概率之间的损失值的计算公式为:
其中,loss(qt-j,pt-j)为预设区域第t个仓库对应的第二物品群中第j个物品的预测准确度损失值,qt-j为第t个仓库对应的第二物品群中第j个物品的预测需求概率值,pt-j为第t个仓库对应的第二物品群中第j个物品的真实需求概率值,ct为第t个仓库对应的第二物品群中物品的总数量。
在本发明的另一个实施例中,所述物资需求分析方法还包括:
根据所述物资需求概率分布图、所述指定仓库的现有库存清单计算所述指定仓库的需求物资种类及数量,并发出向所述指定仓库调配相应物资的指示信息。
在本发明的另一个实施例中,所述物资需求分析方法还包括:
若所述物资需求概率分布图中某一物品的物资需求概率大于第三预设阈值,或者小于第四预设阈值,则向所述客户端发送预警信息。
由上述实施例可知,本发明提出的物资需求分析方法,首先,根据第一预设时间段内的第一消费记录生成各个用户的第一轨迹图,通过将第一轨迹图中各个节点对应的消费物品与指定仓库的物品供应清单进行匹配,得到的第二轨迹图中仅保留了与指定仓库的物品供应清单匹配的节点,使得第二轨迹图更具有针对性;然后,将第二轨迹图中各个节点对应的消费地点替换为所述消费地点对应的仓库,得到第三轨迹图,使得用户与仓库建立了关联关系;最后,根据第三轨迹图确定指定仓库对应的第一用户群,根据第一用户群中各个用户在第二预设时间段内的第二消费记录确定第一物品群及第一评分群,将第一用户群、第一物品群及第一评分群输入训练好的物资分析模型,得到指定仓库的物资需求概率分布图,其中,第一预设时间段的数值大于第二预设时间段的数值,采用第一预设时间段内的第一消费记录确定第一用户群,目的在于保证用户的完整性,而采用第二预设时间段内的第二消费记录来确定第一物品群及第一评分群,可保证数据的准确性,故而本发明解决了物资需求分析准确度不高的问题。
此外,本发明实施例还提出一种计算机可读存储介质,计算机可读存储介质可以是硬盘、多媒体卡、SD卡、闪存卡、SMC、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器等中的任意一种或者几种的任意组合。计算机可读存储介质中包括物资需求分析程序10,所述物资需求分析程序10被处理器执行时实现如下操作:
响应客户端发送的预设区域内某一指定仓库的物资需求分析请求,获取第一预设时间段内所述预设区域的各个用户的第一消费记录,所述第一消费记录包括消费物品、消费地点、消费时间戳、消费评分,按照所述消费时间戳生成所述预设区域的各个用户的第一轨迹图,所述第一轨迹图中每个节点对应一条消费记录;
获取所述指定仓库的物品供应清单,将所述各个用户的第一轨迹图中各个节点对应的消费物品与所述物品供应清单进行匹配,剔除匹配失败的节点,得到所述预设区域的各个用户的第二轨迹图;
根据预先确定的仓库与消费地点之间的映射关系,将所述各个用户的第二轨迹图中各个节点对应的消费地点替换为所述消费地点对应的仓库,得到所述预设区域的各个用户的第三轨迹图;
根据所述各个用户的第三轨迹图确定所述指定仓库对应的第一用户群,获取所述第一用户群中每个用户在第二预设时间段内的第二消费记录,所述第二预设时间段的数值小于所述第一预设时间段的数值,根据所述第二消费记录确定所述第一用户群对应的第一物品群及第一评分群,将所述第一用户群、第一物品群及第一评分群输入训练好的物资分析模型,得到所述指定仓库的物资需求概率分布图。
本发明之计算机可读存储介质的具体实施方式与上述物资需求分析方法以及电子设备1的具体实施方式大致相同,在此不再赘述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
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上述实施例方法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,但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种物资需求分析方法,其特征在于,所述方法包括:
生成步骤:响应客户端发送的预设区域内某一指定仓库的物资需求分析请求,获取第一预设时间段内所述预设区域的各个用户的第一消费记录,所述第一消费记录包括消费物品、消费地点、消费时间戳、消费评分,按照所述消费时间戳生成所述预设区域的各个用户的第一轨迹图,所述第一轨迹图中每个节点对应一条消费记录;
匹配步骤:获取所述指定仓库的物品供应清单,将所述各个用户的第一轨迹图中各个节点对应的消费物品与所述物品供应清单进行匹配,剔除匹配失败的节点,得到所述预设区域的各个用户的第二轨迹图;
替换步骤:根据预先确定的仓库与消费地点之间的映射关系,将所述各个用户的第二轨迹图中各个节点对应的消费地点替换为所述消费地点对应的仓库,得到所述预设区域的各个用户的第三轨迹图;
分析步骤:根据所述各个用户的第三轨迹图确定所述指定仓库对应的第一用户群,获取所述第一用户群中每个用户在第二预设时间段内的第二消费记录,所述第二预设时间段的数值小于所述第一预设时间段的数值,根据所述第二消费记录确定所述第一用户群对应的第一物品群及第一评分群,将所述第一用户群、第一物品群及第一评分群输入训练好的物资分析模型,得到所述指定仓库的物资需求概率分布图。
2.如权利要求1所述的物资需求分析方法,其特征在于,所述根据所述各个用户的第三轨迹图确定所述指定仓库对应的第一用户群包括:
计算所述各个用户的第三轨迹图中包括所述指定仓库的节点的数量,将所述节点的数量超过第一预设阈值的第三轨迹图对应的用户的集合作为预测用户集;
计算所述预测用户集中各用户对所述指定仓库的欧式距离值,将欧式距离值大于第二预设阈值的用户的集合作为所述指定仓库对应的第一用户群。
3.如权利要求2所述的物资需求分析方法,其特征在于,所述根据所述第二消费记录确定所述第一用户群对应的第一物品群及第一评分群包括:
将所述第一用户群中各用户的第二消费记录中的消费物品与所述指定仓库的物品供应清单进行匹配,将匹配成功的消费物品的集合作为所述第一用户群对应的第一物品群;
计算所述第一物品群中各个物品在第二消费记录中的消费评分的均值,将所述消费评分的均值的集合作为第一评分群。
4.如权利要求1所述的物资需求分析方法,其特征在于,所述物资分析模型为狄利克雷主题模型,所述狄利克雷主题模型的训练过程包括:
获取第三预设时间段内所述预设区域的各个用户的第三消费记录,根据所述第三消费记录及所述预设区域的各个仓库的物品供应清单,确定各个仓库对应的第二用户群、第二物品群及第二评分群;
获取第四预设时间段内所述预设区域的各个仓库的物资消费表,根据所述物品消费表确定各个仓库在所述第四预设时间段内的真实物资需求概率;
将所述第二用户群、第二物品群及第二评分群输入狄利克雷主题模型,得到各个仓库在所述第四预设时间段内的预测物资需求概率,通过最小化预测物资需求概率与真实物资需求概率之间的损失值调整所述狄利克雷主题模型的权重参数,得到训练好的狄利克雷主题模型。
6.如权利要求1-5任一项所述的物资需求分析方法,其特征在于,所述方法还包括:
根据所述物资需求概率分布图、所述指定仓库的现有库存清单计算所述指定仓库的需求物资种类及数量,并发出向所述指定仓库调配相应物资的指示信息。
7.如权利要求1-5任一项所述的物资需求分析方法,其特征在于,所述方法还包括:
若所述物资需求概率分布图中某一物品的物资需求概率大于第三预设阈值,或者小于第四预设阈值,则向所述客户端发送预警信息。
8.一种电子设备,其特征在于,该电子设备包括:存储器、处理器,所述存储器上存储有可在所述处理器上运行的物资需求分析程序,所述物资需求分析程序被所述处理器执行时实现如下步骤:
生成步骤:响应客户端发送的预设区域内某一指定仓库的物资需求分析请求,获取第一预设时间段内所述预设区域的各个用户的第一消费记录,所述第一消费记录包括消费物品、消费地点、消费时间戳、消费评分,按照所述消费时间戳生成所述预设区域的各个用户的第一轨迹图,所述第一轨迹图中每个节点对应一条消费记录;
匹配步骤:获取所述指定仓库的物品供应清单,将所述各个用户的第一轨迹图中各个节点对应的消费物品与所述物品供应清单进行匹配,剔除匹配失败的节点,得到所述预设区域的各个用户的第二轨迹图;
替换步骤:根据预先确定的仓库与消费地点之间的映射关系,将所述各个用户的第二轨迹图中各个节点对应的消费地点替换为所述消费地点对应的仓库,得到所述预设区域的各个用户的第三轨迹图;
分析步骤:根据所述各个用户的第三轨迹图确定所述指定仓库对应的第一用户群,获取所述第一用户群中每个用户在第二预设时间段内的第二消费记录,所述第二预设时间段的数值小于所述第一预设时间段的数值,根据所述第二消费记录确定所述第一用户群对应的第一物品群及第一评分群,将所述第一用户群、第一物品群及第一评分群输入训练好的物资分析模型,得到所述指定仓库的物资需求概率分布图。
9.一种物资需求分析装置,其特征在于,所述物资需求分析装置包括:
生成模块,用于响应客户端发送的预设区域内某一指定仓库的物资需求分析请求,获取第一预设时间段内所述预设区域的各个用户的第一消费记录,所述第一消费记录包括消费物品、消费地点、消费时间戳、消费评分,按照所述消费时间戳生成所述预设区域的各个用户的第一轨迹图,所述第一轨迹图中每个节点对应一条消费记录;
匹配模块,用于获取所述指定仓库的物品供应清单,将所述各个用户的第一轨迹图中各个节点对应的消费物品与所述物品供应清单进行匹配,剔除匹配失败的节点,得到所述预设区域的各个用户的第二轨迹图;
替换模块,用于根据预先确定的仓库与消费地点之间的映射关系,将所述各个用户的第二轨迹图中各个节点对应的消费地点替换为所述消费地点对应的仓库,得到所述预设区域的各个用户的第三轨迹图;
分析模块,用于根据所述各个用户的第三轨迹图确定所述指定仓库对应的第一用户群,获取所述第一用户群中每个用户在第二预设时间段内的第二消费记录,所述第二预设时间段的数值小于所述第一预设时间段的数值,根据所述第二消费记录确定所述第一用户群对应的第一物品群及第一评分群,将所述第一用户群、第一物品群及第一评分群输入训练好的物资分析模型,得到所述指定仓库的物资需求概率分布图。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有物资需求分析程序,所述物资需求分析程序可被一个或者多个处理器执行,以实现如权利要求1至7任一项所述的物资需求分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010216650.5A CN111523765B (zh) | 2020-03-25 | 2020-03-25 | 物资需求分析方法、设备、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010216650.5A CN111523765B (zh) | 2020-03-25 | 2020-03-25 | 物资需求分析方法、设备、装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111523765A true CN111523765A (zh) | 2020-08-11 |
CN111523765B CN111523765B (zh) | 2024-03-22 |
Family
ID=71901169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010216650.5A Active CN111523765B (zh) | 2020-03-25 | 2020-03-25 | 物资需求分析方法、设备、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111523765B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170039576A1 (en) * | 2015-08-07 | 2017-02-09 | Sap Se | Rendering details from user selections of mined data habits |
CN106919997A (zh) * | 2015-12-28 | 2017-07-04 | 航天信息股份有限公司 | 一种基于lda的电子商务的用户消费预测方法 |
CN107679558A (zh) * | 2017-09-19 | 2018-02-09 | 电子科技大学 | 一种基于度量学习的用户轨迹相似性度量方法 |
CN109711950A (zh) * | 2019-01-18 | 2019-05-03 | 深圳壹账通智能科技有限公司 | 营销产品的推荐方法、装置、存储介质及计算机设备 |
CN109978630A (zh) * | 2019-04-02 | 2019-07-05 | 安徽筋斗云机器人科技股份有限公司 | 一种基于大数据建立用户画像的精准营销方法和系统 |
WO2019148715A1 (zh) * | 2018-02-01 | 2019-08-08 | 平安科技(深圳)有限公司 | 信息处理方法、装置、计算机设备和存储介质 |
-
2020
- 2020-03-25 CN CN202010216650.5A patent/CN111523765B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170039576A1 (en) * | 2015-08-07 | 2017-02-09 | Sap Se | Rendering details from user selections of mined data habits |
CN106919997A (zh) * | 2015-12-28 | 2017-07-04 | 航天信息股份有限公司 | 一种基于lda的电子商务的用户消费预测方法 |
CN107679558A (zh) * | 2017-09-19 | 2018-02-09 | 电子科技大学 | 一种基于度量学习的用户轨迹相似性度量方法 |
WO2019148715A1 (zh) * | 2018-02-01 | 2019-08-08 | 平安科技(深圳)有限公司 | 信息处理方法、装置、计算机设备和存储介质 |
CN109711950A (zh) * | 2019-01-18 | 2019-05-03 | 深圳壹账通智能科技有限公司 | 营销产品的推荐方法、装置、存储介质及计算机设备 |
CN109978630A (zh) * | 2019-04-02 | 2019-07-05 | 安徽筋斗云机器人科技股份有限公司 | 一种基于大数据建立用户画像的精准营销方法和系统 |
Non-Patent Citations (2)
Title |
---|
张梦得;戴明强;: "海军装备仓库存储优化方法研究", 兵工自动化, no. 01, 15 January 2017 (2017-01-15) * |
王余斌;王成良;文俊浩;: "基于用户评论评分与信任度的协同过滤算法", 计算机应用研究, no. 05, 14 June 2017 (2017-06-14) * |
Also Published As
Publication number | Publication date |
---|---|
CN111523765B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110866181B (zh) | 资源推荐的方法、装置及存储介质 | |
CN109299997A (zh) | 产品推荐方法、装置及计算机可读存储介质 | |
CN102812457B (zh) | 用于标识可疑订单的系统和方法 | |
CN110737592B (zh) | 一种链路异常识别方法、服务器及计算机可读存储介质 | |
CN110807596A (zh) | 一种跨境电商代销仓库存管理系统及方法 | |
US20140317013A1 (en) | Virtual Warehouse | |
CN108921587B (zh) | 一种数据处理方法、装置及服务器 | |
CN110837366A (zh) | 一种表单生成方法、电子装置及计算机可读存储介质 | |
CN113688923A (zh) | 订单异常智能检测方法、装置、电子设备及存储介质 | |
CN112597135A (zh) | 用户分类方法、装置、电子设备及可读存储介质 | |
CN109544266A (zh) | 产品数据推送方法、装置及计算机可读存储介质 | |
Cardona et al. | How to determine slot sizes in a unit-load warehouse | |
CN108681866A (zh) | 运单的处理方法、系统、设备和存储介质 | |
JPWO2016208080A1 (ja) | 管理装置、管理方法、非一時的な記録媒体およびプログラム | |
CN111523765B (zh) | 物资需求分析方法、设备、装置及可读存储介质 | |
US8032417B2 (en) | Method, apparatus, and computer program product for tracking inventory values within a plant | |
CN109978607A (zh) | 广告推荐方法、装置及计算机可读存储介质 | |
CN114169306A (zh) | 一种生成电子回执单的方法、装置、设备及可读存储介质 | |
CN115187330A (zh) | 基于用户标签的产品推荐方法、装置、设备和介质 | |
CN113706249A (zh) | 数据推荐方法、装置、电子设备及存储介质 | |
CN111859044A (zh) | 一种数据查询处理方法、系统及相关设备 | |
CN115392206B (zh) | 基于wps/excel快速查询数据方法、装置、设备及存储介质 | |
US20140067626A1 (en) | Method and system for implementing product group mappings | |
KR20200001190A (ko) | 오픈 마켓 상품에 대한 품절 관리 방법 및 시스템 | |
Mandar et al. | Toward a Real-Time Picking Errors Prevention System Based on RFID Technology |
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 |