CN113763066B - 用于分析信息的方法和装置 - Google Patents

用于分析信息的方法和装置 Download PDF

Info

Publication number
CN113763066B
CN113763066B CN202010560898.3A CN202010560898A CN113763066B CN 113763066 B CN113763066 B CN 113763066B CN 202010560898 A CN202010560898 A CN 202010560898A CN 113763066 B CN113763066 B CN 113763066B
Authority
CN
China
Prior art keywords
factory
information
order
list
user
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
CN202010560898.3A
Other languages
English (en)
Other versions
CN113763066A (zh
Inventor
姜盛乾
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 Jingdong Zhenshi Information Technology Co Ltd
Original Assignee
Beijing Jingdong Zhenshi Information 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 Jingdong Zhenshi Information Technology Co Ltd filed Critical Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority to CN202010560898.3A priority Critical patent/CN113763066B/zh
Publication of CN113763066A publication Critical patent/CN113763066A/zh
Application granted granted Critical
Publication of CN113763066B publication Critical patent/CN113763066B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0605—Supply or demand aggregation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders
    • 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
    • G06Q50/04—Manufacturing
    • 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)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Manufacturing & Machinery (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了用于分析信息的方法和装置，涉及深度学习技术领域，具体实现方案为：响应于接收到用户发送的订单请求，获取订单请求指示的订单信息和工厂信息、用户信息；利用聚类算法，对订单信息、用户信息和工厂信息进行分析，得到与订单请求对应的第一工厂列表和匹配结果，其中聚类算法用于表征基于工厂信息与用户信息的关联程度和工厂信息是否满足订单信息的需求对工厂信息进行选取；响应于匹配结果指示第一工厂列表为空，利用资源匹配模型将订单的生产类型、订单的订货数量、订单的交期和工厂信息进行匹配，得到与订单请求对应的第二工厂列表。该方案实现了订单和工厂的合理匹配，提高了系统的匹配效率，同时提升了用户的体验感。

Description

用于分析信息的方法和装置
技术领域
本申请的实施例涉及计算机技术领域，具体涉及深度学习技术领域，尤其涉及用于分析信息的方法和装置。
背景技术
工业4.0的助推下，国内传统的大批量生产正在减少，“小而快”的市场需求，让品质稳定、生产周期短、交货快成为服装品牌的主要诉求。为了降低服装积货的问题，服装品牌开始推崇小单快反的模式，但由于小单的利润低，生产柔性要求高，很多服装生产工厂不愿意接单，如何匹配小单的供需资源成为行业内需解决的一个难题。
发明内容
本申请提供了一种用于分析信息的方法、装置、设备以及存储介质。
根据本申请的第一方面，提供了一种用于分析信息的方法，该方法包括：响应于接收到用户发送的订单请求，获取订单请求指示的订单信息和工厂信息、用户信息；利用聚类算法，对订单信息、用户信息和工厂信息进行分析，得到与订单请求对应的第一工厂列表和匹配结果，其中聚类算法用于表征基于工厂信息与用户信息的关联程度和工厂信息是否满足订单信息的需求对工厂信息进行选取；响应于匹配结果指示第一工厂列表为空，利用资源匹配模型将订单的生产类型、订单的订货数量、订单的交期和工厂信息进行匹配，得到与订单请求对应的第二工厂列表，其中资源匹配模型基于工厂信息中的工厂交期与订单的交期的数值比对结果对工厂信息进行选取。
在一些实施例中，利用聚类算法，对订单信息、用户信息和工厂信息进行分析，得到与订单请求对应的第一工厂列表和匹配结果，包括：对订单信息进行标注，生成订单的标签信息；利用基于平行因子分解的协同聚类算法，对订单的标签信息、用户信息和工厂信息进行分析，得到与订单请求对应的工厂列表集，其中基于平行因子分解的协同聚类算法用于表征基于工厂信息与用户信息的关联程度和工厂信息是否满足标签信息的要求对工厂信息进行选取；基于工厂列表集中各个工厂列表的权重，对工厂列表集进行选取；对选取后的工厂列表中的工厂信息进行排序，得到与订单请求对应的第一工厂列表；根据第一工厂列表，确定匹配结果。
在一些实施例中，对订单信息进行标注，生成订单的标签信息，包括：对订单信息进行分词，并根据分词结果进行词语特征提取，生成订单的特征词集合；基于订单的特征词集合与学习得到的阈值的比对结果，对订单的特征词集合进行选取，其中阈值表征特征词出现频率的最大值；基于选取后的订单的特征词集合，对订单信息进行标注，生成订单的标签信息。
在一些实施例中，利用基于平行因子分解的协同聚类算法，对订单的标签信息、用户信息和工厂信息进行分析，得到与订单请求对应的工厂列表集，包括：基于订单的标签信息、用户信息和工厂信息，构建三阶张量；基于三阶张量、订单的标签信息、用户信息、工厂信息中的工厂数量和预设阈值，利用基于平行因子分解的协同聚类算法确定与订单请求对应的工厂列表集，其中阈值用于表征对计算过程中得到的数据进行比对判定。
在一些实施例中，在利用基于平行因子分解的协同聚类算法，对订单的标签信息、用户信息和工厂信息进行分析，得到与订单请求对应的工厂列表集之后，还包括：根据用户的偏好程度，对每个工厂信息进行评分；基于评分结果对工厂列表集进行选取。
在一些实施例中，资源匹配模型利用深度学习方法预先训练得到。
在一些实施例中，方法还包括：根据工厂发送规则，从第一工厂列表或第二工厂列表中选取工厂并向选取得到的工厂转发订单，其中工厂发送规则用于表征基于不同时长逐渐递增工厂的发送数量。
根据本申请的第二方面，提供了一种用于分析信息的装置，该装置包括：获取单元，被配置成响应于接收到用户发送的订单请求，获取订单请求指示的订单信息和工厂信息、用户信息；分析单元，被配置成利用聚类算法，对订单信息、用户信息和工厂信息进行分析，得到与订单请求对应的第一工厂列表和匹配结果，其中聚类算法用于表征基于工厂信息与用户信息的关联程度和工厂信息是否满足订单信息的需求对工厂信息进行选取；匹配单元，被配置成响应于匹配结果指示第一工厂列表为空，利用资源匹配模型将订单的生产类型、订单的订货数量、订单的交期和工厂信息进行匹配，得到与订单请求对应的第二工厂列表，其中资源匹配模型基于工厂信息中的工厂交期与订单的交期的数值比对结果对工厂信息进行选取。
在一些实施例中，分析单元，包括：标注模块，被配置成对订单信息进行标注，生成订单的标签信息；分析模块，被配置成利用基于平行因子分解的协同聚类算法，对订单的标签信息、用户信息和工厂信息进行分析，得到与订单请求对应的工厂列表集，其中基于平行因子分解的协同聚类算法用于表征基于工厂信息与用户信息的关联程度和工厂信息是否满足标签信息的要求对工厂信息进行选取；选取模块，被配置成基于工厂列表集中各个工厂列表的权重，对工厂列表集进行选取；对选取后的工厂列表中的工厂信息进行排序，得到与订单请求对应的第一工厂列表；确定模块，被配置成根据第一工厂列表，确定匹配结果。
在一些实施例中，标注模块，包括：分词子模块，被配置成对订单信息进行分词，并根据分词结果进行词语特征提取，生成订单的特征词集合；选取子模块，被配置成基于订单的特征词集合与学习得到的阈值的比对结果，对订单的特征词集合进行选取，其中阈值表征特征词出现频率的最大值；标注子模块，被配置成基于选取后的订单的特征词集合，对订单信息进行标注，生成订单的标签信息。
在一些实施例中，分析模块，包括：构建子模块，被配置成基于订单的标签信息、用户信息和工厂信息，构建三阶张量；分析子模块，被配置成基于三阶张量、订单的标签信息、用户信息、工厂信息中的工厂数量和预设阈值，利用基于平行因子分解的协同聚类算法确定与订单请求对应的工厂列表集，其中阈值用于表征对计算过程中得到的数据进行比对判定。
在一些实施例中，分析单元，还包括：评分模块，被配置成根据用户的偏好程度，对每个工厂信息进行评分；基于评分结果对工厂列表集进行选取。
在一些实施例中，匹配单元中的资源匹配模型利用深度学习方法预先训练得到。
在一些实施例中，装置还包括：发送单元，被配置成根据工厂发送规则，从第一工厂列表或第二工厂列表中选取工厂并向选取得到的工厂转发订单，其中工厂发送规则用于表征基于不同时长逐渐递增工厂的发送数量。
根据本申请的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
根据本申请的第四方面，本申请提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
根据本申请的技术通过响应于接收到用户发送的订单请求，获取订单请求指示的订单信息和工厂信息、用户信息，利用聚类算法，对订单信息、用户信息和工厂信息进行分析，得到与订单请求对应的第一工厂列表和匹配结果，响应于匹配结果指示第一工厂列表为空，利用资源匹配模型将订单的生产类型、订单的订货数量、订单的交期和工厂信息进行匹配，得到与订单请求对应的第二工厂列表，解决了小单快反中派单与工厂无法有效匹配、闲置工厂产能过剩和未考虑到工厂关注的工期等多个问题，实现了订单和工厂的合理匹配，提高了系统的匹配效率，同时提升了用户的体验感；为保证产能满足交期的工厂能够快速得到推荐，针对未得到推荐结果的订单，基于订单信息进行再次匹配，及时解决工厂与订单之间的需求，提高服装供应链的整体效率，提升了用户的满意度。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。
图1是根据本申请的用于分析信息的方法的第一实施例的示意图；
图2是可以实现本申请实施例的用于分析信息的方法的场景图；
图3是根据本申请的用于分析信息的方法的第二实施例的示意图；
图4是根据本申请的用于分析信息的装置的一个实施例的结构示意图；
图5是用来实现本申请实施例的用于分析信息的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了根据本申请的用于分析信息的方法的第一实施例的示意图100。该用于分析信息的方法，包括以下步骤：
步骤101，响应于接收到用户发送的订单请求，获取订单请求指示的订单信息和工厂信息、用户信息。
在本实施例中，当执行主体接收到用户发送的订单请求后，对订单请求进行解析，并依据解析结果通过有线连接方式或者无线连接方式从其他电子设备或者本地数据库获取订单信息和工厂信息、用户信息。其中，订单信息至少包括：订单的产品属性信息、订单的生产类型、订单的订货数量和订单的交期。用户信息包括用户个人属性信息，工厂信息包括工厂属性信息。
步骤102，利用聚类算法，对订单信息、用户信息和工厂信息进行分析，得到与订单请求对应的第一工厂列表和匹配结果。
在本实施例中，执行主体可以利用预设的聚类算法，对订单信息、用户信息和工厂信息进行分析，得到与订单请求对应的第一工厂列表和匹配结果，其中，聚类算法用于表征基于工厂信息与用户信息的关联程度和工厂信息是否满足订单信息的需求对工厂信息进行选取，匹配结果用于指示第一工厂列表是否为空，即是否为订单匹配到工厂列表信息。
步骤103，响应于匹配结果指示第一工厂列表为空，利用资源匹配模型将订单的生产类型、订单的订货数量、订单的交期和工厂信息进行匹配，得到与订单请求对应的第二工厂列表。
在本实施例中，当执行主体确定匹配结果指示第一工厂列表为空时，利用资源匹配模型将订单的生产类型、订单的订货数量、订单的交期和工厂信息进行匹配，得到与订单请求对应的第二工厂列表。其中资源匹配模型基于工厂信息中的工厂交期与订单的交期的数值比对结果对工厂信息进行选取。第二工厂列表可以表示工厂信息中的工厂交期最优的工厂信息列表。
在本实施例的一些可选的实现方式中，利用资源匹配模型将订单的生产类型、订单的订货数量、订单的交期和工厂信息进行匹配，得到与订单请求对应的第二工厂列表，包括：根据订单的生产类型，确定与订单的生产类型对应的工厂信息集合；根据订单的订货数量与订单的交期的关联关系，获取工厂信息集合中各个工厂的生产周期和相应工厂的工厂交期；根据工厂集合中各个工厂的生产周期和各个工厂的交期，确定各个工厂的违约时间；基于各个工厂的违约时间，对工厂信息集合进行筛选；根据订单的交期，对筛选后的工厂信息集合进行排序后，选取得到与订单请求对应的工厂信息的第二列表。
继续参见图2，本实施例的用于分析信息的方法200运行于电子设备201中。电子设备201首先接收到用户发送的订单请求后，获取订单请求指示的订单信息和工厂信息、用户信息202，然后电子设备201利用聚类算法，对订单信息、用户信息和工厂信息进行分析，得到与订单请求对应的第一工厂列表和匹配结果203，当电子设备201确定匹配结果指示第一工厂列表为空，利用资源匹配模型将订单的生产类型、订单的订货数量、订单的交期和工厂信息进行匹配，得到与订单请求对应的第二工厂列表204。
本申请的上述实施例提供的用于分析信息的方法通过响应于接收到用户发送的订单请求，获取订单请求指示的订单信息和工厂信息、用户信息，利用聚类算法，对订单信息、用户信息和工厂信息进行分析，得到与订单请求对应的第一工厂列表和匹配结果，响应于匹配结果指示第一工厂列表为空，利用资源匹配模型将订单的生产类型、订单的订货数量、订单的交期和工厂信息进行匹配，得到与订单请求对应的第二工厂列表，解决了小单快反中派单与工厂无法有效匹配、闲置工厂产能过剩和未考虑到工厂关注的工期等多个问题，实现了订单和工厂的合理匹配，提高了系统的匹配效率，同时提升了用户的体验感；为保证产能满足交期的工厂能够快速得到推荐，针对未得到推荐结果的订单，基于订单信息进行再次匹配，及时解决工厂与订单之间的需求，提高服装供应链的整体效率，提升了用户的满意度。
进一步参考图3，其示出了用于分析信息的方法的第二实施例的示意图300。该方法的流程包括以下步骤：
步骤301，响应于接收到用户发送的订单请求，获取订单请求指示的订单信息和工厂信息、用户信息。
步骤302，对订单信息进行标注，生成订单的标签信息。
在本实施例中，执行主体可以利用订单标注方法对订单信息进行标注，生成订单的标签信息。例如标签信息为女装、长裙、聚酯纤维。
在本实施例的一些可选的实现方式中，对订单信息进行标注，生成订单的标签信息，包括：利用分词系统(例如ICT-CLAS分词系统)对订单信息进行分词，并根据分词结果进行词语特征提取，生成订单的特征词集合；基于订单的特征词集合与学习得到的阈值的比对结果，对订单的特征词集合进行选取，其中阈值表征特征词出现频率的最大值；基于选取后的订单的特征词集合，对订单信息进行标注，生成订单的标签信息。利用特征选取进行信息标注，提高了标注效率。
步骤303，利用基于平行因子分解的协同聚类算法，对订单的标签信息、用户信息和工厂信息进行分析，得到与订单请求对应的工厂列表集。
在本实施例中，执行主体可以利用基于平行因子分解的协同聚类算法，对订单的标签信息、用户信息和工厂信息进行分析，得到与订单请求对应的工厂列表集。其中基于平行因子分解的协同聚类算法用于表征基于工厂信息与用户信息的关联程度和工厂信息是否满足标签信息的要求对工厂信息进行选取。
在本实施例的一些可选的实现方式中，利用基于平行因子分解的协同聚类算法，对订单的标签信息、用户信息和工厂信息进行分析，得到与订单请求对应的工厂列表集，包括：根据订单的标签信息、用户信息和工厂信息，生成三元组信息并构建三阶张量；基于三阶张量和预设阈值，利用平行因子分解技术，生成与订单的标签信息、用户信息、工厂信息对应的矩阵和与订单的标签信息、用户信息、工厂信息对应的得分；根据订单的标签信息、用户信息、工厂信息对应的得分，确定标签信息所属的主题类和用户信息所属的主题类；根据标签信息所属的主题类和用户信息所属的主题类，确定标签信息和用户信息所属的主题类合集；根据标签信息和用户信息所属的主题类合集，确定工厂信息中与主题类并集对应的工厂信息集合；根据主题类合集中的每个主题，计算工厂信息集合中每个工厂对于主题类合集中的每个主题的概率值总和；根据每个工厂的概率值与预设阈值的比对结果，确定与订单请求对应的工厂列表集，其中阈值用于表征对计算过程中得到的数据进行比对判定。通过不断的阈值判定，简化整体算法过程，提高分析效率。
步骤304，基于工厂列表集中各个工厂列表的权重，对工厂列表集进行选取，对选取后的工厂列表中的工厂信息进行排序，得到与订单请求对应的第一工厂列表。
在本实施例中，执行主体可以根据工厂列表集中各个工厂列表的权重，分别对工厂列表集进行选取后汇总生成选取后的工厂列表，按优先级对选取后的工厂列表中的工厂信息进行排序，得到与订单请求对应的第一工厂列表。
步骤305，根据第一工厂列表，确定匹配结果。
在本实施例中，执行主体可以根据第一工厂列表是否为空，判定匹配结果为成功或失败。
步骤306，响应于匹配结果指示第一工厂列表为空，利用资源匹配模型将订单的生产类型、订单的订货数量、订单的交期和工厂信息进行匹配，得到与订单请求对应的第二工厂列表。
在本实施例的一些可选的实现方式中，在利用基于平行因子分解的协同聚类算法，对订单的标签信息、用户信息和工厂信息进行分析，得到与订单请求对应的工厂列表集之后，还包括：根据用户的偏好程度，对每个工厂信息进行评分；基于评分结果对工厂列表集进行选取。通过嵌入用户偏好度评分，完成订单与工厂的精确匹配。
举例说明，由于不同用户对订单的关注层面各有不同，所以在用户注册账号时会让用户从订单质量、交期管理、售后服务、生产过程等因素进行选择，有极为不重要、比较不重要、不重要、中立、重要、比较重要、非常重要，分值分别对应0、0.1、0.3、0.5、0.7、0.9、1。i代表订单质量等指标，χi代表指标i的分值，指标i的权值表示为工厂完成订单履约后，用户可以对工厂对每个指标进行评分，评分为非常不满意、不满意、一般、满意、非常满意，分值分别对应0、0.3、0.5、0.7、1，δi代表指标i的用户评分，用户偏好度评分表示为
在本实施例的一些可选的实现方式中，资源匹配模型利用深度学习方法预先训练得到。利用深度学习技术，提高了资源匹配的精度和广度。
在本实施例的一些可选的实现方式中，方法还包括：根据工厂发送规则，从第一工厂列表或第二工厂列表中选取工厂并向选取得到的工厂转发订单，其中工厂发送规则用于表征基于不同时长逐渐递增工厂的发送数量。通过将得到的工厂列表发送至各个工厂，将用户与工厂进行关联，为用户和工厂提供各种服务。
例如，可以将第一工厂列表或第二工厂列表发放至资源池内，首次选取列表前1/5的工厂信息进行发送，1小时内未接单，扩大资源池内1/5发放范围，超过5小时，向临近资源池发放订单，超过10小时，向所有资源池发放订单，超过3天未接单，则退回订单。
在本实施例中，步骤301和306的具体操作与图1所示的实施例中的步骤101和103的操作基本相同，在此不再赘述。
从图3中可以看出，与图1对应的实施例相比，本实施例中的用于分析信息的方法的示意图300采用对订单信息进行标注，生成订单的标签信息，利用基于平行因子分解的协同聚类算法，对订单的标签信息、用户信息和工厂信息进行分析，得到与订单请求对应的工厂列表集，基于工厂列表集中各个工厂列表的权重，对工厂列表集进行选取，对选取后的工厂列表中的工厂信息进行排序，得到与订单请求对应的第一工厂列表，根据第一工厂列表，确定匹配结果，通过提取订单信息的特征标签，基于平行因子分解的协同聚类算法对用户、订单标签、工厂资源进行匹配分析，能够根据工厂与订单的特征进行自动而精准地匹配，实现订单和工厂的快速匹配。
进一步参考图4，作为对上述各图所示方法的实现，本申请提供了一种用于分析信息的装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图4所示，本实施例的用于分析信息的装置400包括：获取单元401、分析单元402和匹配单元403，其中，获取单元，被配置成响应于接收到用户发送的订单请求，获取订单请求指示的订单信息和工厂信息、用户信息；分析单元，被配置成利用聚类算法，对订单信息、用户信息和工厂信息进行分析，得到与订单请求对应的第一工厂列表和匹配结果，其中聚类算法用于表征基于工厂信息与用户信息的关联程度和工厂信息是否满足订单信息的需求对工厂信息进行选取；匹配单元，被配置成响应于匹配结果指示第一工厂列表为空，利用资源匹配模型将订单的生产类型、订单的订货数量、订单的交期和工厂信息进行匹配，得到与订单请求对应的第二工厂列表，其中资源匹配模型基于工厂信息中的工厂交期与订单的交期的数值比对结果对工厂信息进行选取。
在本实施例中，用于分析信息的装置400的获取单元401、分析单元402和匹配单元403的具体处理及其所带来的技术效果可分别参考图1对应的实施例中的步骤101到步骤103的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，分析单元，包括：标注模块，被配置成对订单信息进行标注，生成订单的标签信息；分析模块，被配置成利用基于平行因子分解的协同聚类算法，对订单的标签信息、用户信息和工厂信息进行分析，得到与订单请求对应的工厂列表集，其中基于平行因子分解的协同聚类算法用于表征基于工厂信息与用户信息的关联程度和工厂信息是否满足标签信息的要求对工厂信息进行选取；选取模块，被配置成基于工厂列表集中各个工厂列表的权重，对工厂列表集进行选取；对选取后的工厂列表中的工厂信息进行排序，得到与订单请求对应的第一工厂列表；确定模块，被配置成根据第一工厂列表，确定匹配结果。
在本实施例的一些可选的实现方式中，标注模块，包括：分词子模块，被配置成对订单信息进行分词，并根据分词结果进行词语特征提取，生成订单的特征词集合；选取子模块，被配置成基于订单的特征词集合与学习得到的阈值的比对结果，对订单的特征词集合进行选取，其中阈值表征特征词出现频率的最大值；标注子模块，被配置成基于选取后的订单的特征词集合，对订单信息进行标注，生成订单的标签信息。
在本实施例的一些可选的实现方式中，分析模块，包括：构建子模块，被配置成基于订单的标签信息、用户信息和工厂信息，构建三阶张量；分析子模块，被配置成基于三阶张量、订单的标签信息、用户信息、工厂信息中的工厂数量和预设阈值，利用基于平行因子分解的协同聚类算法确定与订单请求对应的工厂列表集，其中阈值用于表征对计算过程中得到的数据进行比对判定。
在本实施例的一些可选的实现方式中，分析单元，还包括：评分模块，被配置成根据用户的偏好程度，对每个工厂信息进行评分；基于评分结果对工厂列表集进行选取。
在本实施例的一些可选的实现方式中，匹配单元中的资源匹配模型利用深度学习方法预先训练得到。
在本实施例的一些可选的实现方式中，装置还包括：发送单元，被配置成根据工厂发送规则，从第一工厂列表或第二工厂列表中选取工厂并向选取得到的工厂转发订单，其中工厂发送规则用于表征基于不同时长逐渐递增工厂的发送数量。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图5所示，是根据本申请实施例的用于分析信息的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的用于分析信息的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的用于分析信息的方法。
存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的用于分析信息的方法对应的程序指令/模块(例如，附图4所示的获取单元401、分析单元402和匹配单元403)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的用于分析信息的方法。
存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据用于分析信息的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至用于分析信息的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
用于分析信息的方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息，以及产生与用于分析信息的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，通过响应于接收到用户发送的订单请求，获取订单请求指示的订单信息和工厂信息、用户信息，利用聚类算法，对订单信息、用户信息和工厂信息进行分析，得到与订单请求对应的第一工厂列表和匹配结果，响应于匹配结果指示第一工厂列表为空，利用资源匹配模型将订单的生产类型、订单的订货数量、订单的交期和工厂信息进行匹配，得到与订单请求对应的第二工厂列表，解决了小单快反中派单与工厂无法有效匹配、闲置工厂产能过剩和未考虑到工厂关注的工期等多个问题，实现了订单和工厂的合理匹配，提高了系统的匹配效率，同时提升了用户的体验感；为保证产能满足交期的工厂能够快速得到推荐，针对未得到推荐结果的订单，基于订单信息进行再次匹配，及时解决工厂与订单之间的需求，提高服装供应链的整体效率，提升了用户的满意度。采用对订单信息进行标注，生成订单的标签信息，利用基于平行因子分解的协同聚类算法，对订单的标签信息、用户信息和工厂信息进行分析，得到与订单请求对应的工厂列表集，基于工厂列表集中各个工厂列表的权重，对工厂列表集进行选取，对选取后的工厂列表中的工厂信息进行排序，得到与订单请求对应的第一工厂列表，根据第一工厂列表，确定匹配结果，通过提取订单信息的特征标签，基于平行因子分解的协同聚类算法对用户、订单标签、工厂资源进行匹配分析，能够根据工厂与订单的特征进行自动而精准地匹配，实现订单和工厂的快速匹配。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (12)

1.一种用于分析信息的方法，所述方法包括：
响应于接收到用户发送的订单请求，获取所述订单请求指示的订单信息和工厂信息、所述用户信息；
利用聚类算法，对所述订单信息、所述用户信息和所述工厂信息进行分析，得到与所述订单请求对应的第一工厂列表和匹配结果包括：对所述订单信息进行标注，生成所述订单的标签信息；利用基于平行因子分解的协同聚类算法，对所述订单的标签信息、所述用户信息和所述工厂信息进行分析，得到与所述订单请求对应的工厂列表集，其中所述基于平行因子分解的协同聚类算法用于表征基于所述工厂信息与所述用户信息的关联程度和所述工厂信息是否满足所述标签信息的要求对所述工厂信息进行选取；基于所述工厂列表集中各个工厂列表的权重，对所述工厂列表集进行选取；对选取后的所述工厂列表中的工厂信息进行排序，得到与所述订单请求对应的第一工厂列表；根据所述第一工厂列表，确定所述匹配结果，其中所述聚类算法用于表征基于所述工厂信息与所述用户信息的关联程度和所述工厂信息是否满足所述订单信息的需求对所述工厂信息进行选取；
响应于所述匹配结果指示所述第一工厂列表为空，利用资源匹配模型将所述订单的生产类型、所述订单的订货数量、所述订单的交期和所述工厂信息进行匹配，得到与所述订单请求对应的第二工厂列表，其中所述资源匹配模型基于所述工厂信息中的工厂交期与所述订单的交期的数值比对结果对所述工厂信息进行选取，所述资源匹配模型利用深度学习方法预先训练得到。
2.根据权利要求1所述的方法，其中，所述对所述订单信息进行标注，生成所述订单的标签信息，包括：
对所述订单信息进行分词，并根据所述分词结果进行词语特征提取，生成所述订单的特征词集合；
基于所述订单的特征词集合与学习得到的阈值的比对结果，对所述订单的特征词集合进行选取，其中所述阈值表征特征词出现频率的最大值；
基于选取后的所述订单的特征词集合，对所述订单信息进行标注，生成所述订单的标签信息。
3.根据权利要求1所述的方法，其中，所述利用基于平行因子分解的协同聚类算法，对所述订单的标签信息、所述用户信息和所述工厂信息进行分析，得到与所述订单请求对应的工厂列表集，包括：
基于所述订单的标签信息、所述用户信息和所述工厂信息，构建三阶张量；
基于所述三阶张量、所述订单的标签信息、所述用户信息、所述工厂信息中的工厂数量和预设阈值，利用基于平行因子分解的协同聚类算法确定与所述订单请求对应的工厂列表集，其中所述阈值用于表征对计算过程中得到的数据进行比对判定。
4.根据权利要求1所述的方法，其中，在所述利用基于平行因子分解的协同聚类算法，对所述订单的标签信息、所述用户信息和所述工厂信息进行分析，得到与所述订单请求对应的工厂列表集之后，还包括：
根据所述用户的偏好程度，对每个工厂信息进行评分；基于所述评分结果对所述工厂列表集进行选取。
5.根据权利要求1所述的方法，还包括：
根据工厂发送规则，从所述第一工厂列表或所述第二工厂列表中选取工厂并向选取得到的工厂转发所述订单，其中所述工厂发送规则用于表征基于不同时长逐渐递增工厂的发送数量。
6.一种用于分析信息的装置，所述装置包括：
获取单元，被配置成响应于接收到用户发送的订单请求，获取所述订单请求指示的订单信息和工厂信息、所述用户信息；
分析单元，被配置成利用聚类算法，对所述订单信息、所述用户信息和所述工厂信息进行分析，得到与所述订单请求对应的第一工厂列表和匹配结果，其中所述聚类算法用于表征基于所述工厂信息与所述用户信息的关联程度和所述工厂信息是否满足所述订单信息的需求对所述工厂信息进行选取；所述分析单元包括：标注模块，被配置成对所述订单信息进行标注，生成所述订单的标签信息；分析模块，被配置成利用基于平行因子分解的协同聚类算法，对所述订单的标签信息、所述用户信息和所述工厂信息进行分析，得到与所述订单请求对应的工厂列表集，其中所述基于平行因子分解的协同聚类算法用于表征基于所述工厂信息与所述用户信息的关联程度和所述工厂信息是否满足所述标签信息的要求对所述工厂信息进行选取；选取模块，被配置成基于所述工厂列表集中各个工厂列表的权重，对所述工厂列表集进行选取；对选取后的所述工厂列表中的工厂信息进行排序，得到与所述订单请求对应的第一工厂列表；确定模块，被配置成根据所述第一工厂列表，确定所述匹配结果；
匹配单元，被配置成响应于所述匹配结果指示所述第一工厂列表为空，利用资源匹配模型将所述订单的生产类型、所述订单的订货数量、所述订单的交期和所述工厂信息进行匹配，得到与所述订单请求对应的第二工厂列表，其中所述资源匹配模型基于所述工厂信息中的工厂交期与所述订单的交期的数值比对结果对所述工厂信息进行选取，所述资源匹配模型利用深度学习方法预先训练得到。
7.根据权利要求6所述的装置，其中，所述标注模块，包括：
分词子模块，被配置成对所述订单信息进行分词，并根据所述分词结果进行词语特征提取，生成所述订单的特征词集合；
选取子模块，被配置成基于所述订单的特征词集合与学习得到的阈值的比对结果，对所述订单的特征词集合进行选取，其中所述阈值表征特征词出现频率的最大值；
标注子模块，被配置成基于选取后的所述订单的特征词集合，对所述订单信息进行标注，生成所述订单的标签信息。
8.根据权利要求6所述的装置，其中，所述分析模块，包括：
构建子模块，被配置成基于所述订单的标签信息、所述用户信息和所述工厂信息，构建三阶张量；
分析子模块，被配置成基于所述三阶张量、所述订单的标签信息、所述用户信息、所述工厂信息中的工厂数量和预设阈值，利用基于平行因子分解的协同聚类算法确定与所述订单请求对应的工厂列表集，其中所述阈值用于表征对计算过程中得到的数据进行比对判定。
9.根据权利要求6所述的装置，其中，所述分析单元，还包括：
评分模块，被配置成根据所述用户的偏好程度，对每个工厂信息进行评分；基于所述评分结果对所述工厂列表集进行选取。
10.根据权利要求6所述的装置，还包括：
发送单元，被配置成根据工厂发送规则，从所述第一工厂列表或所述第二工厂列表中选取工厂并向选取得到的工厂转发所述订单，其中所述工厂发送规则用于表征基于不同时长逐渐递增工厂的发送数量。
11. 一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
CN202010560898.3A 2020-06-18 2020-06-18 用于分析信息的方法和装置 Active CN113763066B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010560898.3A CN113763066B (zh) 2020-06-18 2020-06-18 用于分析信息的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010560898.3A CN113763066B (zh) 2020-06-18 2020-06-18 用于分析信息的方法和装置

Publications (2)

Publication Number Publication Date
CN113763066A CN113763066A (zh) 2021-12-07
CN113763066B true CN113763066B (zh) 2023-11-03

Family

ID=78785485

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010560898.3A Active CN113763066B (zh) 2020-06-18 2020-06-18 用于分析信息的方法和装置

Country Status (1)

Country Link
CN (1) CN113763066B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114626823A (zh) * 2022-03-23 2022-06-14 北京明略软件系统有限公司 用于订单分发的方法及装置、电子设备、存储介质
CN116070863B (zh) * 2023-02-15 2023-10-10 江苏虎豹集团有限公司 一种用于衬衫可替换衣领的生产管理方法及系统
CN116542508A (zh) * 2023-05-08 2023-08-04 秒优大数据科技(杭州)有限公司 一种服装订单的排产方法、装置和设备
CN116681401A (zh) * 2023-06-17 2023-09-01 海格欧义艾姆(天津)电子有限公司 一种pcb生产管理方法、装置、设备及存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1096403A2 (en) * 1999-10-29 2001-05-02 Fujitsu Limited Network system
WO2006106587A1 (ja) * 2005-03-31 2006-10-12 Daiwa House Industry Co., Ltd. 調達準備システム及び調達準備方法
CN108009654A (zh) * 2017-08-16 2018-05-08 北京嘀嘀无限科技发展有限公司 订单处理方法、装置、服务器和计算机可读存储介质
KR101906119B1 (ko) * 2018-06-15 2018-10-08 국신섭 금속 와이어 공급 시스템 및 공급 방법
CN109325644A (zh) * 2017-08-01 2019-02-12 智能云科信息科技有限公司 机械加工行业产能交易方法、系统、综合系统、终端及存储介质
CN109934359A (zh) * 2019-01-31 2019-06-25 德联易控科技(北京)有限公司 汽修厂的推荐方法、装置及电子设备
CN110083634A (zh) * 2019-03-19 2019-08-02 中国平安人寿保险股份有限公司 基于数据分析的订单处理方法、装置、设备及存储介质
CN110119975A (zh) * 2019-05-21 2019-08-13 北京国能国源能源科技有限公司 购电订单处理方法、平台、设备及存储介质
CN110322330A (zh) * 2019-07-12 2019-10-11 四川亨通网智科技有限公司 基于大数据的智慧旅游景区订单处理方法
CN110335102A (zh) * 2019-05-09 2019-10-15 中山易裁剪网络科技有限公司 一种服务平台给服装加工工厂配置订单的系统
CN110348679A (zh) * 2019-06-03 2019-10-18 菜鸟智能物流控股有限公司 物流处理方法、装置、电子设备和存储介质
CN111091439A (zh) * 2019-11-08 2020-05-01 泰康保险集团股份有限公司 订单关联营销活动实现方法、系统、设备及存储介质
CN111222805A (zh) * 2020-02-14 2020-06-02 刘一才 一种印制电路板订单分配系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104753985B (zh) * 2013-12-30 2018-12-28 腾讯科技（深圳）有限公司 会话列表显示方法和装置
US11544785B2 (en) * 2014-03-11 2023-01-03 Chicago Mercantile Exchange Inc. Market operation through regulation of incoming order match allocation and/or dynamic resting order match allocation priorities

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1096403A2 (en) * 1999-10-29 2001-05-02 Fujitsu Limited Network system
WO2006106587A1 (ja) * 2005-03-31 2006-10-12 Daiwa House Industry Co., Ltd. 調達準備システム及び調達準備方法
CN109325644A (zh) * 2017-08-01 2019-02-12 智能云科信息科技有限公司 机械加工行业产能交易方法、系统、综合系统、终端及存储介质
CN108009654A (zh) * 2017-08-16 2018-05-08 北京嘀嘀无限科技发展有限公司 订单处理方法、装置、服务器和计算机可读存储介质
KR101906119B1 (ko) * 2018-06-15 2018-10-08 국신섭 금속 와이어 공급 시스템 및 공급 방법
CN109934359A (zh) * 2019-01-31 2019-06-25 德联易控科技(北京)有限公司 汽修厂的推荐方法、装置及电子设备
CN110083634A (zh) * 2019-03-19 2019-08-02 中国平安人寿保险股份有限公司 基于数据分析的订单处理方法、装置、设备及存储介质
CN110335102A (zh) * 2019-05-09 2019-10-15 中山易裁剪网络科技有限公司 一种服务平台给服装加工工厂配置订单的系统
CN110119975A (zh) * 2019-05-21 2019-08-13 北京国能国源能源科技有限公司 购电订单处理方法、平台、设备及存储介质
CN110348679A (zh) * 2019-06-03 2019-10-18 菜鸟智能物流控股有限公司 物流处理方法、装置、电子设备和存储介质
CN110322330A (zh) * 2019-07-12 2019-10-11 四川亨通网智科技有限公司 基于大数据的智慧旅游景区订单处理方法
CN111091439A (zh) * 2019-11-08 2020-05-01 泰康保险集团股份有限公司 订单关联营销活动实现方法、系统、设备及存储介质
CN111222805A (zh) * 2020-02-14 2020-06-02 刘一才 一种印制电路板订单分配系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Data mining in production planning and scheduling: A review;Ruhaizan Ismail等;《2009 2nd Conference on Data Mining and Optimization》;154-159 *
基于云制造的单件定制生产智能调度关键技术研究;刘觅;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;第2017年卷(第9期);C028-1 *
基于平行因子分解的协同聚类推荐算法;丁小焕;《计算机应用》;第36卷(第6期);1594-1598 *

Also Published As

Publication number Publication date
CN113763066A (zh) 2021-12-07

Similar Documents

Publication Publication Date Title
CN113763066B (zh) 用于分析信息的方法和装置
CN111259222B (zh) 物品推荐方法、系统、电子设备及存储介质
CN111522967B (zh) 知识图谱构建方法、装置、设备以及存储介质
CN111680517B (zh) 用于训练模型的方法、装置、设备以及存储介质
CN111522940B (zh) 用于处理评论信息的方法和装置
CN112561332B (zh) 模型管理方法、装置、电子设备、存储介质和程序产品
CN111339759A (zh) 领域要素识别模型训练方法、装置及电子设备
CN112115313B (zh) 正则表达式的生成、数据提取方法、装置、设备及介质
CN112000763A (zh) 兴趣点竞争关系确定方法、装置、设备和介质
CN111563198B (zh) 一种物料召回方法、装置、设备及存储介质
CN111291082B (zh) 数据聚合处理方法、装置、设备及存储介质
CN112818230A (zh) 内容推荐方法、装置、电子设备和存储介质
CN113469461B (zh) 生成信息的方法和装置
CN111738325B (zh) 图像识别方法、装置、设备以及存储介质
CN111753195B (zh) 标签体系构建方法、装置、设备以及存储介质
CN112084410B (zh) 文档类型的推荐方法、装置、电子设备及可读存储介质
CN111475721B (zh) 信息推送方法、装置、设备及存储介质
CN113111216B (zh) 广告推荐方法、装置、设备和存储介质
CN116308683B (zh) 基于知识图谱的服装品牌定位推荐方法、设备及存储介质
CN112308127A (zh) 用于处理数据的方法、装置、设备以及存储介质
CN114547416A (zh) 一种媒体资源排序方法及电子设备
CN113159810B (zh) 策略评估方法、装置、设备及存储介质
CN112100362A (zh) 文档格式推荐模型训练方法、装置以及电子设备
CN113240465B (zh) 信息生成方法和装置
CN112527870B (zh) 电子报告的生成方法、装置、电子设备和存储介质

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