CN113205285B - 一种基于区块链的冷链食品喜好度评价方法及系统 - Google Patents

一种基于区块链的冷链食品喜好度评价方法及系统 Download PDF

Info

Publication number
CN113205285B
CN113205285B CN202110754250.4A CN202110754250A CN113205285B CN 113205285 B CN113205285 B CN 113205285B CN 202110754250 A CN202110754250 A CN 202110754250A CN 113205285 B CN113205285 B CN 113205285B
Authority
CN
China
Prior art keywords
commodity
chain
cold chain
cold
region
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
Application number
CN202110754250.4A
Other languages
English (en)
Other versions
CN113205285A (zh
Inventor
李鸿瑞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Microchip Sensing Technology Co ltd
Original Assignee
Beijing Microchip Sensing Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Microchip Sensing Technology Co ltd filed Critical Beijing Microchip Sensing Technology Co ltd
Priority to CN202110754250.4A priority Critical patent/CN113205285B/zh
Publication of CN113205285A publication Critical patent/CN113205285A/zh
Application granted granted Critical
Publication of CN113205285B publication Critical patent/CN113205285B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于区块链的冷链食品喜好度评价方法及系统，该方法包括：区块链中的智能合约模块根据扫码记录将冷链商品流通数据记录上链；所述扫码记录为：当一批次冷链商品流入预设区域，首站企业对所述批次冷链商品进行扫码登记形成的数据；根据预设需求将所述预设区域划分为多个地区；及对冷链商品进行品类划分；根据所述多个地区及冷链商品品类，对链上所有冷链品类商品溯源；通过预设方式计算所述冷链品类商品在流通的地区的喜好值；展示所述喜好值。该方法基于区块链技术下的冷链食品追溯过程，根据区块链上对冷链食品追溯的记录，可以对冷链食品追溯结果有一个可度量的结果及展示形式。

Description

一种基于区块链的冷链食品喜好度评价方法及系统
技术领域
本发明属于区块链食品溯源技术领域，特别涉及一种基于区块链的冷链食品喜好度评价方法及系统。
背景技术
区块链技术是一种由多方共同维护的，使用密码学保证传输和访问安全，能够实现一致性存储、难以篡改、防止抵赖的记账技术，也称为分布式账本技术。在区块链系统中，所有已提交的事物都存储在链中，当新的交易被确认时，将增加链的长度，而不会对前面的数据进行修改，从而保证了数据的完整性。
为此，通过区块链技术建立去中心化、数据防篡改、信任机制，各方将冷链物流数据上链，提高了运输过程、数据存储等环节的透明性、安全性。
现有相关专利有3个：
1、《基于区块链的智慧冷链系统及其方法》，公开(公告)号：CN111754162A；
此专利描述的系统包含4个子系统：冷链产品监控管理子系统、冷链物流监控管理子系统、冷链信息统一管理子系统、冷链信息查询应用子系统，基于区块链的系统有效避免了现有技术中冷链数据容易被篡改而造成不合格商品进入市场、使消费者从外观上难以判断产品是否存在质量问题的缺陷。
2、《一种基于区块链的冷链物流管理系统》，公开(公告)号：CN112561250A；
此专利描述的系统包含4个部分：智能感知终端、冷链物流模块、云服务器、区块链，4个模块协同配合，对生鲜食品的数据采集、处理、识别、融合和传输，实现了基于区块链的冷链物流的远程监测，消费者可以扫描条形码、二维码或app、web端即可对食品进行溯源。
3、《基于区块链系统的商品推荐方法、存储介质及电子设备》，公开(公告)号：CN112333215A；
该专利主要利用区块链上链过程中的加密技术实现对用户的商品推荐，解决了基于用户的历史购买数据或历史浏览数据进行推荐商品时而出现的准确度、安全度较低的情况。
上述3篇专利均围绕区块链的去中心化、多方参与、公开透明、不可篡改等特性进行构建系统，通过多方部署，最终提供了一个信息不可篡改的平台，该平台既能使信息公开、保护信息不被篡改，又能够实现需求既定目标。目前现有技术中，还存在如下问题：
（1）、通过区块链技术构建系统，但是没有在此系统基础上构建上层应用系统或没有详述，导致建设成本高；
（2）、没有建设食品追溯的反馈环节，形成闭环管理；
（3）、在第三个专利中没有根据现有业务理解，列举有效的相似度匹配方法、推荐算法和度量指标。
发明内容
鉴于现有技术的不足，本发明提供一种基于区块链的冷链食品喜好度评价方法及系统，主要目的是通过区块链的特性和推荐算法综合衡量冷链食品流通的结果。
为实现上述目的，本发明采取的技术方案为：
第一方面，本发明实施例提供一种基于区块链的冷链食品喜好度评价方法，包括：
区块链中的智能合约模块根据扫码记录将冷链商品流通数据记录上链；所述扫码记录为：当一批次冷链商品流入预设区域，首站企业对所述批次冷链商品进行扫码登记形成的数据；
根据预设需求将所述预设区域划分为多个地区；及对冷链商品进行品类划分；
根据所述多个地区及冷链商品品类，对链上所有冷链品类商品溯源；
通过预设方式计算所述冷链品类商品在流通的地区的喜好值；
展示所述喜好值。
进一步地，通过预设方式计算所述冷链品类商品在流通的地区的喜好值，包括：
构建品类商品指标，用于度量所述品类商品在某一地区的流行程度；所述品类商品指标包括：商品维度指标和企业维度指标；
当所述品类商品在某一地区有流通时，计算商品维度指标和企业维度指标，综合衡量所述品类商品在所述某一地区的喜好值。
进一步地，还包括：
当所述品类商品在某一地区未有流通时，采用基于用户的协同过滤算法预测所述品类商品在所述某一地区的喜好值。
进一步地，当所述品类商品在某一地区未有流通时，采用基于用户的协同过滤算法预测所述品类商品在所述某一地区的喜好值；包括：
根据其他地区冷链食品流通的指标数据，基于相似度度量方法计算各地区之间的相似度；
根据相似地区对所述品类商品的指标数据预测未流通该品类商品地区的商品维度指标和企业维度指标，综合衡量得出喜好值。
进一步地，展示所述喜好值，包括：
根据所述喜好值，生成地区-品类二维表；
按照品类对所述地区-品类二维表进行归一化处理，通过雷达图进行展示。
第二方面，本发明实施例还提供一种基于区块链的冷链食品喜好度评价系统，包括：
上链模块，用于区块链中的智能合约模块根据扫码记录将冷链商品流通数据记录上链；所述扫码记录为：当一批次冷链商品流入预设区域，首站企业对所述批次冷链商品进行扫码登记形成的数据；
划分模块，用于根据预设需求将所述预设区域划分为多个地区；及对冷链商品进行品类划分；
溯源模块，用于根据所述多个地区及冷链商品品类，对链上所有冷链品类商品溯源；
计算模块，用于通过预设方式计算所述冷链品类商品在流通的地区的喜好值；
展示模块，用于展示所述喜好值。
进一步地，所述计算模块，包括：
构建子模块，用于构建品类商品指标，用于度量所述品类商品在某一地区的流行程度；所述品类商品指标包括：商品维度指标和企业维度指标；
第一计算子模块，当所述品类商品在某一地区有流通时，计算商品维度指标和企业维度指标，综合衡量所述品类商品在所述某一地区的喜好值。
进一步地，所述计算模块，还包括：第二计算子模块，用于当所述品类商品在某一地区未有流通时，采用基于用户的协同过滤算法预测所述品类商品在所述某一地区的喜好值。
进一步地，第二计算子模块，具体用于根据其他地区冷链食品流通的指标数据，基于相似度度量方法计算各地区之间的相似度；根据相似地区对所述品类商品的指标数据预测未流通该品类商品地区的商品维度指标和企业维度指标，综合衡量得出喜好值。
进一步地，所述展示模块，具体用于根据所述喜好值，生成地区-品类二维表；按照品类对所述地区-品类二维表进行归一化处理，通过雷达图进行展示。
与现有技术相比，本发明具有如下有益效果：
本发明实施例提供的基于区块链的冷链食品喜好度评价方法，该方法主要是基于区块链技术下的冷链食品追溯过程中，根据区块链上对冷链食品追溯的记录，可以对冷链食品追溯结果有一个可度量的结果及展示形式，旨在解决现有冷链食品追溯中无法形成有效闭环管理，缺乏对地区之间追溯结果表达功能的问题。
附图说明
图1为本发明实施例提供的基于区块链的冷链食品喜好度评价方法流程图；
图2为本发明实施例提供的各品类商品在不同地区展示的雷达图；
图3为本发明实施例提供的基于区块链的冷链食品喜好度评价方法原理
流程图；
图4为本发明实施例提供的基于区块链的冷链食品喜好度评价系统框图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
在本发明的描述中，需要说明的是，术语“上”、“下”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
本发明提供的一种基于区块链的冷链食品喜好度评价方法，参照图1，包括：
S10、区块链中的智能合约模块根据扫码记录将冷链商品流通数据记录上链；所述扫码记录为：当一批次冷链商品流入预设区域，首站企业对所述批次冷链商品进行扫码登记形成的数据；
S20、根据预设需求将所述预设区域划分为多个地区；及对冷链商品进行品类划分；
S30、根据所述多个地区及冷链商品品类，对链上所有冷链品类商品溯源；
S40、通过预设方式计算所述冷链品类商品在流通的地区的喜好值；
S50、展示所述喜好值。
本实施例中，该方法主要是基于区块链技术下的冷链食品追溯过程中，根据区块链上对冷链食品追溯的记录，可以对冷链食品追溯结果有一个可度量的结果及展示形式，旨在解决现有冷链食品追溯中无法形成有效闭环管理，缺乏对地区之间追溯结果表达功能的问题。
下面分别对上述各个步骤进行详细的说明。
本发明实施例，按照‘首站赋码、一批一码’的原则，当一个批次商品流入特定地区时，第一次接收该批次商品的企业需要对其进行赋码，下游企业只需扫码登记，不需再次赋码，即使该批次商品被分成多个子包装，也同样使用首站赋予的二维码。
1、当一批次商品流入特定区域，首站企业对其赋码，该批次商品流经的企业需扫码登记，区块链中的智能合约模块根据扫码记录将商品流通数据记录上链；
2、 根据特定需求内容将区域划分为多个地区，地区的范围可自定义，可按照行政区域中的街道、县级市或者地级市等等进行划分。
3、构建品类商品指标，指标从商品维度和企业维度对流通的品类商品进行度量，商品维度的指标可以是最近消费量、最近消费频率、消费总量、品类多样性、来源多样性、下属地区内流转的次数等；企业维度的指标可以是经营该品类商品企业数量、经营该品类商品平均规模等，两个指标主要是用来度量该品类商品在该地区内的流行程度，指标之间的量纲差异可以使用归一化方式消除。商品的品类分类方式可以自定义或按照国家规定方式，例如：冷链禽肉、冷链畜肉、冷链水产品、冷链乳制品、冷链粮食制品、冷链水果、冷链蔬菜、冷链饮品、其他冷链食品。
4、基于区块链的可溯源技术，对每个地区内不同品类的商品进行溯源，若该品类商品在该地区有流通，则计算第3步的各个指标，综合衡量某一品类商品在该地区受用户的喜好值；即：通过归一化后，对各个指标进行累加求和。若该品类商品在该地区没有流通，则需根据‘基于用户的协同过滤’算法来预测该品类商品在该地区的喜好值。
其中，上述‘基于用户的协同过滤’算法的计算过程：
1）根据其他地区冷链食品流通的指标数据，基于相似度度量方法计算各地区之间的相似度。计算相似度的算法很多，主流的方法有：欧几里得距离、皮尔逊距离、余弦相似度等，由于各地区经济发达程度和人口分布不一致，所以会导致各地区消费各品类商品的量有所不同，为了排除各地区由于经济、人口等因素出现的‘大数吞小数’现象，在计算相似度时，使用余弦相似度算法，该算法用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量，从方向上度量差异，对绝对数值不敏感，余弦值越接近于1，说明两个向量越相似，公式如下：
Figure 762020DEST_PATH_IMAGE001
其中，
Figure 679161DEST_PATH_IMAGE002
：用户u对i项的评分；
Figure 819417DEST_PATH_IMAGE003
：用户v对i项的评分；
Figure 542523DEST_PATH_IMAGE004
表示地区u和地区v之间的余弦相似度，其中u，v在本实例中指的是地区，例如：区u、区v；i，j指的是商品品类，例如：品类i、品类j。
Figure 901435DEST_PATH_IMAGE005
具体表示是地区u、商品品类i交叉的分数。
2）协同过滤算法是最成功有效的个性化推荐算法，广泛应用在各个领域，最典型的应用是基于用户行为进行推荐商品，基于此理念，将基于用户的协同过滤算法应用在预测某一地区对特定品类商品喜好值，在此模型中地区相当于用户、品类相当于购买的商品，根据相似地区对该品类商品的指标数据预测未流通该品类商品地区的指标数据，公式如下：
Figure 51794DEST_PATH_IMAGE006
Figure 318827DEST_PATH_IMAGE007
：表示地区u的平均评分；
Figure 48886DEST_PATH_IMAGE008
：表示地区 v的平均评分。
5、根据‘基于用户的协同过滤’算法的计算结果，最终形成地区-品类数据二维表：其中，Val表示喜好值。
品类1 品类2 品类3 品类4 品类5 品类6 品类7 品类8 品类9
地区1
Figure 734076DEST_PATH_IMAGE009
Figure 258598DEST_PATH_IMAGE010
Figure 294819DEST_PATH_IMAGE011
Figure 130967DEST_PATH_IMAGE012
Figure 451090DEST_PATH_IMAGE013
Figure 412093DEST_PATH_IMAGE014
Figure 732347DEST_PATH_IMAGE015
Figure 7470DEST_PATH_IMAGE016
Figure 916520DEST_PATH_IMAGE017
地区2
Figure 782845DEST_PATH_IMAGE018
Figure 511767DEST_PATH_IMAGE019
Figure 669210DEST_PATH_IMAGE020
Figure 104870DEST_PATH_IMAGE021
Figure 217795DEST_PATH_IMAGE022
Figure 699592DEST_PATH_IMAGE023
Figure 598409DEST_PATH_IMAGE024
Figure 482052DEST_PATH_IMAGE025
Figure 752496DEST_PATH_IMAGE026
6、为统一各品类商品量纲、消除各地区数值的差异，按照品类列对数据进行min-max归一化，公式如下：
Figure 190430DEST_PATH_IMAGE027
x表示喜好值。
7、雷达图也称为网络图，蜘蛛图，星图，蜘蛛网图，由三个或三个以上的定量变量从同一点开始在坐标轴上表示，适用于显示三个或更多的维度的变量，综合衡量本地区各品类商品的流通情况，如图2所示。
整体流程图参照图3所示，首先将商品流通数据上链，对地区、品类进行划分；然后按地区、品类对链上所有品类商品溯源；判断某一品类商品在该地区是否有流通，当有流通时，可直接计算该品类商品的喜好值；当未有流通时，则采用基于用户的协同过滤算法，预测该品类在该地区的喜好值；根据得出的喜好值，制作地区-品类二维表，按品类归一化，最后通过雷达图进行直观的展示。
本发明实施例提供的基于区块链的冷链食品喜好度评价方法，基于区块链的数据透明、不可篡改特点保证了可信度；并根据推荐系统的启发和区块链的可追溯特性构建多维指标能够综合衡量出某品类商品在本地区的喜好值，对冷链食品追溯系统形成闭环管理，使各地区追溯结果合理展现。
基于同一发明构思，本发明实施例还提供基于区块链的冷链食品喜好度评价系统，由于该系统所解决问题的原理与前述基于区块链的冷链食品喜好度评价方法相似，因此该系统的实施可以参见前述方法的实施，重复之处不再赘述。参照图4所示，该系统包括：
上链模块41，用于区块链中的智能合约模块根据扫码记录将冷链商品流通数据记录上链；所述扫码记录为：当一批次冷链商品流入预设区域，首站企业对所述批次冷链商品进行扫码登记形成的数据；
划分模块42，用于根据预设需求将所述预设区域划分为多个地区；及对冷链商品进行品类划分；
溯源模块43，用于根据所述多个地区及冷链商品品类，对链上所有冷链品类商品溯源；
计算模块44，用于通过预设方式计算所述冷链品类商品在流通的地区的喜好值；
展示模块45，用于展示所述喜好值。
进一步地，所述计算模块44，包括：
构建子模块，用于构建品类商品指标，用于度量所述品类商品在某一地区的流行程度；所述品类商品指标包括：商品维度指标和企业维度指标；
第一计算子模块，当所述品类商品在某一地区有流通时，计算商品维度指标和企业维度指标，综合衡量所述品类商品在所述某一地区的喜好值。
进一步地，所述计算模块44，还包括：第二计算子模块，用于当所述品类商品在某一地区未有流通时，采用基于用户的协同过滤算法预测所述品类商品在所述某一地区的喜好值。
进一步地，第二计算子模块，具体用于根据其他地区冷链食品流通的指标数据，基于相似度度量方法计算各地区之间的相似度；根据相似地区对所述品类商品的指标数据预测未流通该品类商品地区的商品维度指标和企业维度指标，综合衡量得出喜好值。
进一步地，所述展示模块45，具体用于根据所述喜好值，生成地区-品类二维表；按照品类对所述地区-品类二维表进行归一化处理，通过雷达图进行展示。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (5)

1.一种基于区块链的冷链食品喜好度评价方法，其特征在于：包括：
区块链中的智能合约模块根据扫码记录将冷链商品流通数据记录上链；所述扫码记录为：当一批次冷链商品流入预设区域，首站企业对所述批次冷链商品进行扫码登记形成的数据；
根据预设需求将所述预设区域划分为多个地区；及对冷链商品进行品类划分；
根据所述多个地区及冷链商品品类，对链上所有冷链品类商品溯源；
通过预设方式计算所述冷链品类商品在流通的地区的喜好值；
展示所述喜好值；
通过预设方式计算所述冷链品类商品在流通的地区的喜好值，包括：
构建品类商品指标，用于度量所述品类商品在某一地区的流行程度；所述品类商品指标包括：商品维度指标和企业维度指标；
当所述品类商品在某一地区有流通时，计算商品维度指标和企业维度指标，综合衡量所述品类商品在所述某一地区的喜好值，通过归一化后，对各个指标进行累加求和。
2.根据权利要求1所述的一种基于区块链的冷链食品喜好度评价方法，其特征在于：还包括：
当所述品类商品在某一地区未有流通时，采用基于用户的协同过滤算法预测所述品类商品在所述某一地区的喜好值。
3.根据权利要求2所述的一种基于区块链的冷链食品喜好度评价方法，其特征在于：当所述品类商品在某一地区未有流通时，采用基于用户的协同过滤算法预测所述品类商品在所述某一地区的喜好值；包括：
根据其他地区冷链食品流通的指标数据，基于相似度度量方法计算各地区之间的相似度；
根据相似地区对所述品类商品的指标数据预测未流通该品类商品地区的商品维度指标和企业维度指标，综合衡量得出喜好值。
4.根据权利要求3所述的一种基于区块链的冷链食品喜好度评价方法，其特征在于：展示所述喜好值，包括：
根据所述喜好值，生成地区-品类二维表；
按照品类对所述地区-品类二维表进行归一化处理，通过雷达图进行展示。
5.一种基于区块链的冷链食品喜好度评价系统，其特征在于：包括：
上链模块，用于区块链中的智能合约模块根据扫码记录将冷链商品流通数据记录上链；所述扫码记录为：当一批次冷链商品流入预设区域，首站企业对所述批次冷链商品进行扫码登记形成的数据；
划分模块，用于根据预设需求将所述预设区域划分为多个地区；及对冷链商品进行品类划分；
溯源模块，用于根据所述多个地区及冷链商品品类，对链上所有冷链品类商品溯源；
计算模块，用于通过预设方式计算所述冷链品类商品在流通的地区的喜好值；
展示模块，用于展示所述喜好值；
所述计算模块，包括：构建子模块，用于构建品类商品指标，用于度量所述品类商品在某一地区的流行程度；所述品类商品指标包括：商品维度指标和企业维度指标；
第一计算子模块，当所述品类商品在某一地区有流通时，计算商品维度指标和企业维度指标，综合衡量所述品类商品在所述某一地区的喜好值，通过归一化后，对各个指标进行累加求和。
CN202110754250.4A 2021-07-05 2021-07-05 一种基于区块链的冷链食品喜好度评价方法及系统 Active CN113205285B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110754250.4A CN113205285B (zh) 2021-07-05 2021-07-05 一种基于区块链的冷链食品喜好度评价方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110754250.4A CN113205285B (zh) 2021-07-05 2021-07-05 一种基于区块链的冷链食品喜好度评价方法及系统

Publications (2)

Publication Number Publication Date
CN113205285A CN113205285A (zh) 2021-08-03
CN113205285B true CN113205285B (zh) 2022-02-18

Family

ID=77022647

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110754250.4A Active CN113205285B (zh) 2021-07-05 2021-07-05 一种基于区块链的冷链食品喜好度评价方法及系统

Country Status (1)

Country Link
CN (1) CN113205285B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117272398B (zh) * 2023-11-23 2024-01-26 聊城金恒智慧城市运营有限公司 基于人工智能的数据挖掘安全保护方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110135952A (zh) * 2019-05-16 2019-08-16 深圳市梦网百科信息技术有限公司 一种基于品类相似度的商品推荐方法和系统
CN111062768A (zh) * 2019-10-28 2020-04-24 林佳 一种网上商城的商品推荐方法及商品推荐系统
CN111401809A (zh) * 2020-03-17 2020-07-10 中追(广东)信息科技有限公司 一种产品质量安全区块链追溯系统
CN111489128A (zh) * 2020-05-12 2020-08-04 江苏布洛氪链数据科技有限公司 一种基于区块链的冷链运输及温度智能控制方法
CN112700196A (zh) * 2020-12-31 2021-04-23 北京百分点科技集团股份有限公司 商品采购方法、装置、存储介质及电子设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2579594A (en) * 2018-12-05 2020-07-01 Ernst & Young Gmbh Blockchain data processing system and method of operation thereof
CN109801102A (zh) * 2019-01-10 2019-05-24 哈步数据科技(上海)有限公司 一种促销选品的方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110135952A (zh) * 2019-05-16 2019-08-16 深圳市梦网百科信息技术有限公司 一种基于品类相似度的商品推荐方法和系统
CN111062768A (zh) * 2019-10-28 2020-04-24 林佳 一种网上商城的商品推荐方法及商品推荐系统
CN111401809A (zh) * 2020-03-17 2020-07-10 中追(广东)信息科技有限公司 一种产品质量安全区块链追溯系统
CN111489128A (zh) * 2020-05-12 2020-08-04 江苏布洛氪链数据科技有限公司 一种基于区块链的冷链运输及温度智能控制方法
CN112700196A (zh) * 2020-12-31 2021-04-23 北京百分点科技集团股份有限公司 商品采购方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
CN113205285A (zh) 2021-08-03

Similar Documents

Publication Publication Date Title
Wu et al. An empirical study on customer segmentation by purchase behaviors using a RFM model and K-means algorithm
Vaz et al. Performance comparison of retailing stores using a Malmquist-type index
Balcombe et al. A general treatment of ‘don't know’responses from choice experiments
CN108292409A (zh) 消费者决策树生成系统
CN113205285B (zh) 一种基于区块链的冷链食品喜好度评价方法及系统
Pennacchioli et al. Explaining the product range effect in purchase data
Wei et al. Joint optimization of pricing and inventory strategy for perishable product with the quality and quantity loss
Holcomb et al. A local food system glossary: a rose by any other name
CN112396374A (zh) 不确定环境下乳制品供应链系统库存优化管理系统及方法
Ge et al. Embedding economies of scale concepts in the model of optimal locations of fresh produce aggregation hubs
Wu et al. Using AHP to evaluate the criteria of auto spare parts industry
Pires et al. Solving the grocery backroom sizing problem
Pedroza-Gutiérrez et al. Social networks and supply chain management in fish trade
Panghal et al. Blockchain technology for enhancing sustainable food systems: A consumer perspective
Saylı et al. Brand loyalty analysis system using K-Means algorithm
Arboleda et al. Temporal visual profiling of market basket analysis
Uthayakumar et al. An integrated inventory model for a single vendor and single buyer with order-processing cost reduction and process mean
He et al. Pricing and ordering strategies for fresh food based on quality grading
Keskin A novel perspective to sustainable supplier performance evaluation problem: A case study based on determining the optimum number of clusters
Einav et al. Not-so-classical measurement errors: a validation study of Homescan
Atella et al. Estimation of unit values in cross sections without quantity information and implications for demand and welfare analysis
De A study of inventory model for deteriorating items with price and stock dependent demand under the joined effect of preservation technology and price discount facility
CN110276543A (zh) 一种基于互联网供应链管理系统中的数据深挖分析方法
Sonka Forces driving industrialization of agriculture: implications for the grain industry in the United States
Takahashi et al. Forecasting Potential Sales of Bread Products at Stores by Network Embedding

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