CN115049161A - 基于云计算的智能农贸市场管理方法及处理器 - Google Patents
基于云计算的智能农贸市场管理方法及处理器 Download PDFInfo
- Publication number
- CN115049161A CN115049161A CN202210967139.8A CN202210967139A CN115049161A CN 115049161 A CN115049161 A CN 115049161A CN 202210967139 A CN202210967139 A CN 202210967139A CN 115049161 A CN115049161 A CN 115049161A
- Authority
- CN
- China
- Prior art keywords
- recipe
- intelligent
- cloud computing
- food
- management method
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 19
- 235000013305 food Nutrition 0.000 claims abstract description 37
- 238000004519 manufacturing process Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000005457 optimization Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 6
- 235000013311 vegetables Nutrition 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 10
- 238000012271 agricultural production Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000012886 linear function Methods 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 230000001932 seasonal effect Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 102000008186 Collagen Human genes 0.000 description 1
- 108010035532 Collagen Proteins 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229920001436 collagen Polymers 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012549 training Methods 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Animal Behavior & Ethology (AREA)
- Operations Research (AREA)
- Animal Husbandry (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
本发明公开了一种基于云计算的智能农贸市场管理方法及处理器,该方法包括:获取各个家庭的单日食谱;根据所述单日食谱和食物生产量获取智能农贸市场系统的食物的供应量;将各个家庭所对应的食物进行发放。本发明提出一种基于云计算的智能农贸市场管理方法,解决了农贸市场供需不平衡的问题。
Description
技术领域
本发明涉及内容云计算技术领域,具体涉及一种基于云计算的智能农贸市场管理方法及处理器。
背景技术
“互联网+”带动传统农业升级。目前物联网、大数据、电子商务等互联网技术越来越多的应用在农业生产领域,并在一定程度上加速了转变农业生产方式、发展现代农业的步伐。现已存在的互联网+农业多将互联网电子商务单纯应用于农产品的销售,或者将物联网技术应用于农业生产过程实现智慧农业生产,未发现有将互联网技术融合于整个农业产业链的相关技术存在。无论是电子商务的应用还是智慧农业生产都不能平衡生产者和消费者之间的矛盾,生产者盲目生产导致大量农产品销售不出去以及为增加产量和成熟早。
发明内容
本发明的目的在于克服现有技术的缺点和不足,提出本发明提出一种基于云计算的智能农贸市场管理方法,解决了农贸市场供需不平衡的问题。
为此,本发明的公开了一种基于云计算的智能农贸市场管理方法,包括:
获取各个家庭的单日食谱;
根据所述单日食谱和食物生产量获取智能农贸市场系统的食物的供应量;
将各个家庭所对应的食物进行发放。
优选地,所述根据所述单日食谱获取智能农贸市场系统的食物的供应量,之后,包括:
Prophet模型根据获取时间序列生成食物生产量第一预测值;
所述根据所述单日食谱获取时间序列生成食物供应量第二预测值;
所述第一预测值与所述第二预测值的差值小于预设值时,则将第一预测值作为智能农贸市场系统的食物的供应量。
优选地,Prophet模型根据获取时间序列生成食物生产量第一预测值之前还包括:Prophet模型支持的数据的两列为“ds”,“y”,对DataFrame格式进行重命名;
将读到的时间序列进行归一化,经过处理的数据均值为0,标准差为1,转化公式为:
优选地,所述根据所述单日食谱获取时间序列生成食物供应量第二预测值,包括:
根据各个家庭的历史买菜数据来建立各个家庭的菜谱推荐模型;
菜谱推荐模型生成K个食谱推荐给用户;
根据用户的点击来统计食物供应量第二预测值。
优选地,所述根据各个家庭的历史买菜数据来建立各个家庭的菜谱推荐模型包括:
从数据集中读取用户-食谱以及用户-关系-实体信息;根据用户-食谱之间的供需曲线得到协同图谱食谱CKG;
构建监督任务和图对比学习进行联合优化;
最后将用户和食谱节点表征点积,评分较高的前K个食谱推荐给用户,用户选择所需的食谱。
优选地,所述构建监督任务和图对比学习进行联合优化,之前还包括;
将原本的CKG进行数据增强分别得到视图s1(G)和s2(G);具体包括:分别对G边进行随机添加和随机删除操作,操作如下:
第二方面,提供一种处理器,处理器用于基于云计算的智能农贸市场管理方法。
本发明通过获取各个家庭的单日食谱;根据所述单日食谱和食物生产量获取智能农贸市场系统的食物的供应量;将各个家庭所对应的食物进行发放。可以提前预测农产品的生产量,并预测家庭所需要的农产品的量,可以根据两者的差值来实时进行供应和指导农业生产,达到供需平衡的关系。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,标示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
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作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于云计算的智能农贸市场管理方法的流程图;
图2为本发明基于云计算的智能农贸市场管理方法的另一流程图;
图3为本发明食物供应量第二预测值的流程图。
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的一部分实施例,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作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,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,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。
本发明的公开了一种基于云计算的智能农贸市场管理方法,参考图1-3,包括:
步骤100,获取各个家庭的单日食谱;
步骤200,根据所述单日食谱和食物生产量获取智能农贸市场系统的食物的供应量;
步骤300,将各个家庭所对应的食物进行发放。
步骤200,所述根据所述单日食谱获取智能农贸市场系统的食物的供应量,之后,包括:
步骤210,Prophet模型根据获取时间序列生成食物生产量第一预测值;
步骤220,所述根据所述单日食谱获取时间序列生成食物供应量第二预测值;
步骤230,所述第一预测值与所述第二预测值的差值小于预设值时,则将第一预测值作为智能农贸市场系统的食物的供应量。
具体的说,Prophet模型根据获取时间序列生成食物生产量第一预测值之前还包括:Prophet模型支持的数据的两列为“ds”,“y”,对DataFrame格式进行重命名;
将读到的时间序列进行归一化,经过处理的数据均值为0,标准差为1,转化公式为:
Prophet模型支持的数据的两列为“ds”,“y”,对DataFrame格式进行重命名;
Prophet模型是基于时间序列分解理论为基础的时间序列预测策略。Prophet模型的算法公式如下:
其中g(t)为趋势项,表示的是时间序列在非周期上的趋势变化规律,比如趋势上升,趋势下降等等。在Prophet模型中趋势项有两个重要函数:逻辑回归函数和分段线性函数。逻辑回归函数的表达式为公式
C为曲线的最大趋近值,k表示曲线的增长率,m表示曲线的中点。因为逻辑回归函数用来拟合趋势线需要根据数据业务需要制定一个最大值,但对于农业生产指数数据,因其整体保持向上增长的趋势,所以趋势项g(t)不需要给定一个最大值。因此我们采用分段线性函数来拟合增长趋势。分段线性函数的公式如下:
其中,
s(t)表示为周期项,或者称作季节项,通常以周、月、年为单位。因为时间序列的数据特征可能会随着周期进行波动。在数学中,周期波动用sinx,cosx函数来表示。用傅里叶级数来模拟时间序列的周期性,公式如下:
P表示时间序列周期,将m设置为6,表示周期为半年,这里P以天为单位,所以P =182.5。
Prophet就是通过拟合这几项,然后通过累加或者累乘得到,我们使用基于累乘的时间序列分解模式。
将读到的时间序列进行归一化,经过处理的数据均值为0,标准差为1,转化公式为:
Prophet模型的算法公式如下:
所述回归模型采用最小二乘法求解,回归模型表达式为:y=1.2413+2.01x1-1.03x2,其中y指的第三预测值,x1表示第一预测值,x2表示第二预测值。
本发明可以对比深度学习模型,本发明使用了统计学模型的组合,减少了模型训练时间,且模型预测的准确率并没有大幅降低。本模型使用组合模型,对比单一的模型具有最小预测误差略小于单项模型的最小预测误差的优点。时间序列的分析对于初学者很难把握模型的定参过程,因此采用网格搜索的方法结合参数简单的Prophet模型,易于建模。对于具有季节性的时间序列具有很好的拟合效果。
步骤220,根据所述单日食谱获取时间序列生成食物供应量第二预测值;包括:
步骤221,根据各个家庭的历史买菜数据来建立各个家庭的菜谱推荐模型;
步骤222,菜谱推荐模型生成K个食谱推荐给用户;
步骤223,根据用户的点击来统计食物供应量第二预测值。
具体地,步骤221根据各个家庭的历史买菜数据来建立各个家庭的菜谱推荐模型包括:
步骤2211,从数据集中读取用户-食谱以及用户-关系-实体信息;根据用户-食谱之间的供需曲线得到协同图谱食谱CKG;
user-item 二部图(User-Item Bipartite Graph):也就是用户和食谱的历史行为记录,类似于用户-食谱矩阵,但是本身以图的形式展示。知识图谱食谱(KnowledgeGraph) 也就是更为自由的可以由不同的类型的实体组成的整体异构信息网,本身由节点和有向边组成,节点表示实体 entity,边表示关系 relationship。将此时传统 CF 难以利用的辅助信息都融入知识图谱食谱中进行利用(也就是 side information)。CKG(Collaborative Knowledge Graph) 也就是一个二部图和 KG 的结合体。输入: 构造好的CKG,记作对应的 CF 的用户-食谱矩阵G1和知识图谱食谱G2,能够预测用户 u 点击物品 i的概率的 prediction function。
步骤2212,构建监督任务和图对比学习进行联合优化;
监督任务:用户/菜谱表示,采用贝叶斯个性化排序(BPR)推荐损失函数如下:
联合优化目标函数采用下式:
步骤2213,最后将用户和食谱节点表征点积,评分较高的前K个食谱推荐给用户,用户选择所需的食谱。
步骤2213,构建监督任务和图对比学习进行联合优化,之前还包括;
步骤22111,将原本的CKG进行数据增强分别得到视图s1(G)和s2(G);具体包括:分别对G边进行随机添加和随机删除操作,操作如下:
第二方面,提供了一种处理器,处理器用于执行基于云计算的智能农贸市场管理方法;处理器可以是一个或多个图形处理器(graphics processing unit, GPU),在处理器是一个GPU的情况下,该GPU可以是单核GPU,也可以是多核GPU。可选的,处理器可以是多个GPU构成的处理器组,多个处理器之间通过一个或多个总线彼此耦合。可选的,该处理器还可以为其他类型的处理器等等,本申请实施例不作限定。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.基于云计算的智能农贸市场管理方法,其特征在于,包括:
获取各个家庭的单日食谱;
根据所述单日食谱和食物生产量获取智能农贸市场系统的食物的供应量;
将各个家庭所对应的食物进行发放。
2.根据权利要求1所述的基于云计算的智能农贸市场管理方法,其特征在于,所述根据所述单日食谱获取智能农贸市场系统的食物的供应量,包括:
Prophet模型根据获取时间序列生成食物生产量第一预测值;
所述根据所述单日食谱获取时间序列生成食物供应量第二预测值;
所述第一预测值与所述第二预测值的差值小于预设值时,则将第一预测值作为智能农贸市场系统的食物的供应量。
4.根据权利要求3所述的基于云计算的智能农贸市场管理方法,其特征在于,所述根据所述单日食谱获取时间序列生成食物供应量第二预测值包括:
根据各个家庭的历史买菜数据来建立各个家庭的菜谱推荐模型;
菜谱推荐模型生成K个食谱推荐给用户;
根据用户的点击来统计食物供应量第二预测值。
5.根据权利要求1所述的基于云计算的智能农贸市场管理方法,其特征在于,所述根据各个家庭的历史买菜数据来建立各个家庭的菜谱推荐模型包括:
从数据集中读取用户-食谱以及用户-关系-实体信息;根据用户-食谱之间的供需曲线得到协同图谱食谱CKG;
构建监督任务和图对比学习进行联合优化;
最后将用户和食谱节点表征点积,评分较高的前K个食谱推荐给用户,用户选择所需的食谱。
7.一种处理器,其特征在于,所述处理器用于执行如权利要求1至6中任意一项所述的基于云计算的智能农贸市场管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210967139.8A CN115049161B (zh) | 2022-08-12 | 2022-08-12 | 基于云计算的智能农贸市场管理方法及处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210967139.8A CN115049161B (zh) | 2022-08-12 | 2022-08-12 | 基于云计算的智能农贸市场管理方法及处理器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115049161A true CN115049161A (zh) | 2022-09-13 |
CN115049161B CN115049161B (zh) | 2023-04-18 |
Family
ID=83167073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210967139.8A Active CN115049161B (zh) | 2022-08-12 | 2022-08-12 | 基于云计算的智能农贸市场管理方法及处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115049161B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190370915A1 (en) * | 2018-06-04 | 2019-12-05 | Zume, Inc. | Farm and mobile manufacturing |
CN110852912A (zh) * | 2019-10-23 | 2020-02-28 | 珠海优特智厨科技有限公司 | 一种智能备餐方法、装置、计算机设备及存储介质 |
CN110876087A (zh) * | 2018-08-31 | 2020-03-10 | 深圳Tcl新技术有限公司 | 一种家庭菜谱推荐方法、智能电视、系统及存储介质 |
CN111639983A (zh) * | 2020-04-28 | 2020-09-08 | 江苏极东数据科技有限公司 | 基于一云多端的智慧农贸市场信息管理系统 |
CN113256020A (zh) * | 2021-06-15 | 2021-08-13 | 国网浙江省电力有限公司 | 一种考虑多尺度时间序列的供电系统成本预测方法 |
CN113320760A (zh) * | 2020-12-15 | 2021-08-31 | 广州富港万嘉智能科技有限公司 | 物资调配方法、存储介质、服务器及物资调配系统 |
CN113421033A (zh) * | 2021-08-17 | 2021-09-21 | 中核凯利(深圳)餐饮管理有限公司 | 一种数字化餐饮智能采购方法、装置、系统及介质 |
CN113469771A (zh) * | 2020-03-31 | 2021-10-01 | 珠海优特智厨科技有限公司 | 餐饮订单处理方法、装置及系统、存储介质、计算机设备 |
US11144957B1 (en) * | 2019-05-08 | 2021-10-12 | Inmar Clearing, Inc. | System for recommending a meal kit based upon a user food item purchase history and related methods |
CN113837492A (zh) * | 2021-10-26 | 2021-12-24 | 北京沃东天骏信息技术有限公司 | 物品供应量的预测方法、设备、存储介质及程序产品 |
CN114036406A (zh) * | 2021-11-04 | 2022-02-11 | 南京大学 | 一种基于图对比学习和社交网络增强的推荐方法及系统 |
CN114265986A (zh) * | 2022-02-28 | 2022-04-01 | 南京大学 | 一种融合知识图谱结构与路径语义的信息推送方法和系统 |
-
2022
- 2022-08-12 CN CN202210967139.8A patent/CN115049161B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190370915A1 (en) * | 2018-06-04 | 2019-12-05 | Zume, Inc. | Farm and mobile manufacturing |
CN110876087A (zh) * | 2018-08-31 | 2020-03-10 | 深圳Tcl新技术有限公司 | 一种家庭菜谱推荐方法、智能电视、系统及存储介质 |
US11144957B1 (en) * | 2019-05-08 | 2021-10-12 | Inmar Clearing, Inc. | System for recommending a meal kit based upon a user food item purchase history and related methods |
CN110852912A (zh) * | 2019-10-23 | 2020-02-28 | 珠海优特智厨科技有限公司 | 一种智能备餐方法、装置、计算机设备及存储介质 |
CN113469771A (zh) * | 2020-03-31 | 2021-10-01 | 珠海优特智厨科技有限公司 | 餐饮订单处理方法、装置及系统、存储介质、计算机设备 |
CN111639983A (zh) * | 2020-04-28 | 2020-09-08 | 江苏极东数据科技有限公司 | 基于一云多端的智慧农贸市场信息管理系统 |
CN113320760A (zh) * | 2020-12-15 | 2021-08-31 | 广州富港万嘉智能科技有限公司 | 物资调配方法、存储介质、服务器及物资调配系统 |
CN113256020A (zh) * | 2021-06-15 | 2021-08-13 | 国网浙江省电力有限公司 | 一种考虑多尺度时间序列的供电系统成本预测方法 |
CN113421033A (zh) * | 2021-08-17 | 2021-09-21 | 中核凯利(深圳)餐饮管理有限公司 | 一种数字化餐饮智能采购方法、装置、系统及介质 |
CN113837492A (zh) * | 2021-10-26 | 2021-12-24 | 北京沃东天骏信息技术有限公司 | 物品供应量的预测方法、设备、存储介质及程序产品 |
CN114036406A (zh) * | 2021-11-04 | 2022-02-11 | 南京大学 | 一种基于图对比学习和社交网络增强的推荐方法及系统 |
CN114265986A (zh) * | 2022-02-28 | 2022-04-01 | 南京大学 | 一种融合知识图谱结构与路径语义的信息推送方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115049161B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yin et al. | STL-ATTLSTM: vegetable price forecasting using STL and attention mechanism-based LSTM | |
US20200272913A1 (en) | Recommendation Method and Apparatus | |
Kanavos et al. | Deep learning models for forecasting aviation demand time series | |
US20240177075A1 (en) | Method and system for hierarchical forecasting | |
Coelho et al. | Building Machine Learning Systems with Python: Explore machine learning and deep learning techniques for building intelligent systems using scikit-learn and TensorFlow | |
Hatami-Marbini et al. | An extended compromise ratio method for fuzzy group multi-attribute decision making with SWOT analysis | |
Zainol Abidin et al. | Clustering stock performance considering investor preferences using a fuzzy inference system | |
Hassen et al. | Application of cloud model in qualitative forecasting for stock market trends | |
Mao et al. | ARIMA model forecasting analysis of the prices of multiple vegetables under the impact of the COVID-19 | |
Yaprakdal et al. | A multivariate time series analysis of electrical load forecasting based on a hybrid feature selection approach and explainable deep learning | |
Chen et al. | Sales Forecasting for Fashion Products Considering Lost Sales | |
Wysocki et al. | Artificial neural networks performance in WIG20 index options pricing | |
Larkin et al. | An analytical toast to wine: Using stacked generalization to predict wine preference | |
Sheikh et al. | Review of Recent Developments in Hydrologic Forecast Merging Techniques | |
Okhrin et al. | The realized hierarchical Archimedean Copula in risk modelling | |
Beyaztas et al. | Machine-learning-based functional time series forecasting: application to age-specific mortality rates | |
US20240004509A1 (en) | Closed-loop generation of insights from source data | |
Abdous et al. | On semiparametric regression for count explanatory variables | |
CN115049161B (zh) | 基于云计算的智能农贸市场管理方法及处理器 | |
Kresova et al. | Identifying the determinants of regional raw milk prices in Russia using machine learning | |
Venturini et al. | Software Packages for Partial Least Squares Structural Equation Modeling: An Updated Review | |
Šťastný et al. | Clustering and Modelling of the Top 30 Cryptocurrency Prices Using Dynamic Time Warping and Machine Learning Methods | |
Walsh et al. | Application of gradient boosted trees to gender prediction based on motivations of masters athletes | |
Gupta | Data Science with Jupyter: Master Data Science skills with easy-to-follow Python examples | |
Chen et al. | Estimating linear mixed effects models with truncated normally distributed random effects |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Intelligent Agricultural Market Management Method and Processor Based on Cloud Computing Effective date of registration: 20230920 Granted publication date: 20230418 Pledgee: Shenzhen Rural Commercial Bank Co.,Ltd. Henggang Sub branch Pledgor: SHENZHEN SINXIN INFORMATION TECHNOLOGY Co.,Ltd. Registration number: Y2023980057791 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |