CN116244278A - 一种基于人工智能的仓储数据监管系统及方法 - Google Patents

一种基于人工智能的仓储数据监管系统及方法 Download PDF

Info

Publication number
CN116244278A
CN116244278A CN202310526193.3A CN202310526193A CN116244278A CN 116244278 A CN116244278 A CN 116244278A CN 202310526193 A CN202310526193 A CN 202310526193A CN 116244278 A CN116244278 A CN 116244278A
Authority
CN
China
Prior art keywords
data
target
behavior
operation track
sub
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
Application number
CN202310526193.3A
Other languages
English (en)
Other versions
CN116244278B (zh
Inventor
钱荣
徐志
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.)
Jiangsu Bonahui Digital Intelligent Technology Co ltd
Original Assignee
Jiangsu Bonahui Digital Intelligent 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 Jiangsu Bonahui Digital Intelligent Technology Co ltd filed Critical Jiangsu Bonahui Digital Intelligent Technology Co ltd
Priority to CN202310526193.3A priority Critical patent/CN116244278B/zh
Publication of CN116244278A publication Critical patent/CN116244278A/zh
Application granted granted Critical
Publication of CN116244278B publication Critical patent/CN116244278B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/219—Managing data history or versioning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2453—Query optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明涉及仓储数据监管技术领域，具体为一种基于人工智能的仓储数据监管系统及方法，包括仓储数据管理平台构建模块、待考察行为踪迹分析模块、触发响应模块、目标指向度分析模块和数据预显示模块；仓储数据管理平台构建模块用于提取通过人工智能建立的仓储数据管理平台以及用户登陆仓储数据管理平台后记录的操作轨迹；待考察行为踪迹分析模块用于分析确定用户登陆仓储数据管理平台的待考察行为踪迹；触发响应模块用于触发仓储数据管理平台建立历史操作轨迹中所有待考察行为踪迹的行为数据包；目标指向度分析模块用于分析仓储数据管理平台中第一数据包集合的目标指向度；数据预显示模块用于进行仓储数据的预显示。

Description

一种基于人工智能的仓储数据监管系统及方法
技术领域
本发明涉及仓储数据监管技术领域，具体为一种基于人工智能的仓储数据监管系统及方法。
背景技术
在现代化的智能仓储数据管理平台中，由于仓储数据的特殊性，管理平台涵盖的数据种类多样化、复杂化，简单的显示界面罗列着复杂的仓储数据；而且在仓储数据管理平台中，不同的登陆用户往往执行着不同的属性职能，所以对于仓储数据的管理通常局限在本职工作所涉及到的数据操作中；但是在随着数据的发展和系统的运营，还是会涉及到一些关于非熟悉内容的数据操作和处理，此时在复杂且多样化的仓储数据平台中，如何智能化的帮助用户快速定位内容所在位置或者智慧推送所需处理查询内容显得尤为重要，使得用户不必消耗大量时间进行尝试。
发明内容
本发明的目的在于提供一种基于人工智能的仓储数据监管系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于人工智能的仓储数据监管方法，包括以下分析步骤：
步骤S1：提取通过人工智能建立的仓储数据管理平台以及用户登陆仓储数据管理平台后记录的操作轨迹；基于操作轨迹，分析确定用户登陆仓储数据管理平台的待考察行为踪迹；
步骤S2：在确定用户对应的操作轨迹为待考察行为踪迹时，触发仓储数据管理平台建立历史操作轨迹中所有待考察行为踪迹的行为数据包，行为数据包是指待考察行为踪迹对应的用户操作轨迹与查询目的仓储数据构成的数据包；
步骤S3：提取相同查询目的仓储数据对应的行为数据包为第一数据包集合，分析第一数据包集合中不同用户对应的重迭路径；获取不同第一数据包集合对应的重迭路径，分析仓储数据管理平台中第一数据包集合的目标指向度；
步骤S4：基于目标指向度，对用户在仓储数据管理平台中的操作轨迹确定为待考察行为踪迹时，进行仓储数据的预显示。
进一步的，步骤S1中分析确定用户登陆仓储数据管理平台的待考察行为踪迹，包括以下分析步骤：
步骤S11：获取仓储数据管理平台中记录有效操作轨迹的执行时长T，有效操作轨迹是指用户登陆仓储数据管理平台到产生操作轨迹后对获取的仓储数据产生处理行为时记录的轨迹集合；处理行为包括下载、复制、修改、保存和截图；计算有效操作轨迹的平均执行时长T0，T0=(1/m)∑T，其中m表示仓储数据管理平台记录有效操作轨迹的个数；
分析有效操作轨迹是为了限定本申请中可以分析的有效内容，除去用户不进行目的性的操作内容，提高了数据的精确性；
处理行为的分析是为了限定用户对于仓储数据管理平台中操作轨迹的目的性，当处理行为产生时，即表示目的实现，对应的操作轨迹则是本申请中需要捕捉分析的部分；
步骤S12：标记T≥T0时对应的有效操作轨迹为目标操作轨迹；提取目标操作轨迹对应主界面中子界面的总点击次数G，主界面是指仓储数据管理平台登陆后显示的界面，子界面是指存在于主界面中的超链接点击后呈现的界面；利用公式：
P=(g/G)/(f/F)
计算目标操作轨迹对应的趋同指数P；g表示目标操作轨迹对应主界面中同类型子界面的总点击次数，f表示除去目标操作轨迹的有效操作轨迹对应主界面中同类型子界面的总点击次数最大值，F表示除去目标操作轨迹的有效操作轨迹对应主界面中子界面的总点击次数最大值；同类型子界面对应的总点击次数越多说明用户在多个相似类型子界面中寻找目标仓储数据，即用户对于目标仓储数据位置的不确定性越高；趋同指数越大说明用户在仓储数据管理平台中的数据处理操作轨迹越不具有明确的方向性；
设置趋同指数阈值P0，提取P>P0对应的数据对A，A={g,G}，并输出第一条件a，a={g实时>g/n1,G实时>G/n1}；其中n1表示目标操作轨迹的总个数；g实时表示实时目标操作轨迹对应主界面中同类型子界面的点击次数；G实时表示实时目标操作轨迹对应主界面中子界面的点击次数；
步骤S13：获取目标操作轨迹对应子界面的平均停留时长h0，停留时长是指用户在子界面中未对仓储数据产生处理行为对应的时长；提取除去目标操作轨迹的有效操作轨迹对应子界面的平均停留时长h1，利用公式：H=h0/h1，计算目标操作轨迹对应的时间指数H，设置时间指数阈值H0，提取H>H0对应的平均停留时长，并输出第二条件b，b={h实时>h0}；h实时表示目标操作轨迹对应子界面的实时停留时长；停留时长越长说明用户在当前界面找到目标仓储数据的可能性越小；因为本申请中已经限定了有效操作轨迹为产生处理行为的轨迹；
步骤S14：对满足第一条件和第二条件的目标操作轨迹输出为待考察行为踪迹。
进一步的，主界面中同类型子界面包括以下分析步骤：
提取子界面对应超链接的主题名称和子界面显示数据的属性特征；
当任意两子界面显示数据的属性特征相同时，输出两子界面对应的特征值为1；
当任意两子界面显示数据的属性特征不相同时，输出两子界面对应的特征值为0；
属性特征是指子界面中仓储数据的显示方式；
遍历主界面包含子界面中满足特征值为1且子界面对应超链接的主题名称相似度大于等于相似度阈值时的所有子界面为同类型子界面。
进一步的，查询目的仓储数据是指产生处理行为时对应的仓储数据。
进一步的，步骤S3包括以下分析步骤：
获取第一数据包集合中的行为数据包D，D={d1,d2,d3,......,dk}，d1,d2,d3,......,dk表示行为数据包中待考察行为踪迹的第1、2、3......、k个行为节点；
比较第一数据包集合中W个用户对应的行为数据包D1、D2、D3、...、DW；
DW={d1,d2,d3,......,dk}W，{d1,d2,d3,......,dk}W表示第W个用户对应行为数据包中待考察行为踪迹的第1、2、3......、k个行为节点；
提取{d1,d2,d3,......,dk}1∩{d1,d2,d3,......,dk}2∩......∩{d1,d2,d3,......,dk}W的结果中存在相邻行为节点的待考察行为踪迹为第一数据包集合的重迭路径；
标记任一第一数据包集合的重迭路径为目标重迭路径，获取与目标重迭路径交集不为空集时对应的第一数据包集合个数Q，遍历所有第一数据包集合，利用公式：R=Q/E，计算第一数据包集合的目标指向度R，其中E表示第一数据包集合的总个数。
目标指向度越大说明该第一数据包集合中的重迭路径指向的可能性越多，对应的查询目的仓储数据越多样化。
进一步的，步骤S4包括以下分析步骤：
当R=0时，提取R=0对应目标重迭路径所属第一数据包集合的查询目的仓储数据，并传输信号至操作轨迹确定为待考察行为踪迹时对应的子界面，对查询目的仓储数据进行预显示；
当R≠0时，提取与目标重迭路径交集不为空集时对应的第一数据包集合为待考察数据包集合，待考察数据包集合包含目标重迭路径对应的第一数据包集合；
获取待考察数据包集合中除去重迭路径外的操作路径为多项路径，计算多项路径与实时待考察行为踪迹的相似度，提取相似度最大值对应的待考察数据包集合包含的查询目的仓储数据，并传输信号至操作轨迹确定为待考察行为踪迹时对应的子界面，对查询目的仓储数据进行预显示。
仓储数据监管系统，包括仓储数据管理平台构建模块、待考察行为踪迹分析模块、触发响应模块、目标指向度分析模块和数据预显示模块；
仓储数据管理平台构建模块用于提取通过人工智能建立的仓储数据管理平台以及用户登陆仓储数据管理平台后记录的操作轨迹；
待考察行为踪迹分析模块用于分析确定用户登陆仓储数据管理平台的待考察行为踪迹；
触发响应模块用于在确定用户对应的操作轨迹为待考察行为踪迹时，触发仓储数据管理平台建立历史操作轨迹中所有待考察行为踪迹的行为数据包；
目标指向度分析模块用于分析仓储数据管理平台中第一数据包集合的目标指向度；
数据预显示模块用于对用户在仓储数据管理平台中的操作轨迹确定为待考察行为踪迹时，进行仓储数据的预显示。
进一步的，待考察行为踪迹分析模块包括平均执行时长计算单元、目标操作轨迹确定单元、趋同指数计算单元、时间指数计算单元和条件输出单元；
平均执行时长计算单元用于计算有效操作轨迹的平均执行时长；
目标操作轨迹确定单元用于标记执行时长大于等于平均执行时长时对应的有效操作轨迹为目标操作轨迹；
趋同指数计算单元用于基于点击次数计算目标操作轨迹对应的趋同指数；
时间指数计算单元用于基于停留时长计算目标操作轨迹对应的时间指数；
条件输出单元用于基于趋同指数输出第一条件、基于时间指数输出第二条件，并在满足第一条件和第二条件时输出目标操作轨迹输出为待考察行为踪迹。
进一步的，目标指向度分析模块包括重迭路径分析单元、交集分析单元和目标指向度计算单元；
重迭路径分析单元用于分析第一数据包集合中重迭路径，并标记任一第一数据包集合的重迭路径为目标重迭路径；
交集分析单元用于获取与目标重迭路径交集不为空集时对应的第一数据包集合个数，并遍历所有第一数据包集合；
目标指向度计算单元用于基于交集分析单元中的个数计算第一数据包集合的目标指向度。
与现有技术相比，本发明所达到的有益效果是：本发明通过对仓储数据管理平台中用户的操作轨迹进行归纳整理，分析可以触发仓储数据管理平台中用户轨迹进行判断的节点，并对在触发后对相应轨迹进行分析，提取有效分析数据，从而判断出该用户在管理平台中想要查询的目标仓储数据；本发明利用仓储数据管理平台的历史用户记录，可以大量的读取分析目标数据对应的部分操作流程，使得存在重迭部分时可以缩小分析范围，从而在复杂且多样化的仓储数据平台中，智能化的帮助用户快速定位内容所在位置或者智慧推送所需处理查询内容；使得对于一些操作不够熟练或者领域不熟的用户在对仓储数据进行操作时，不必因为仓储数据的繁多或多样化导致时间的浪费。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于人工智能的仓储数据监管系统的结构示意图。
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。
请参阅图1，本发明提供技术方案：一种基于人工智能的仓储数据监管方法，包括以下分析步骤：
步骤S1：提取通过人工智能建立的仓储数据管理平台以及用户登陆仓储数据管理平台后记录的操作轨迹；基于操作轨迹，分析确定用户登陆仓储数据管理平台的待考察行为踪迹；
步骤S2：在确定用户对应的操作轨迹为待考察行为踪迹时，触发仓储数据管理平台建立历史操作轨迹中所有待考察行为踪迹的行为数据包，行为数据包是指待考察行为踪迹对应的用户操作轨迹与查询目的仓储数据构成的数据包；
步骤S3：提取相同查询目的仓储数据对应的行为数据包为第一数据包集合，分析第一数据包集合中不同用户对应的重迭路径；获取不同第一数据包集合对应的重迭路径，分析仓储数据管理平台中第一数据包集合的目标指向度；
步骤S4：基于目标指向度，对用户在仓储数据管理平台中的操作轨迹确定为待考察行为踪迹时，进行仓储数据的预显示。
步骤S1中分析确定用户登陆仓储数据管理平台的待考察行为踪迹，包括以下分析步骤：
步骤S11：获取仓储数据管理平台中记录有效操作轨迹的执行时长T，有效操作轨迹是指用户登陆仓储数据管理平台到产生操作轨迹后对获取的仓储数据产生处理行为时记录的轨迹集合；处理行为包括下载、复制、修改、保存和截图；计算有效操作轨迹的平均执行时长T0，T0=(1/m)∑T，其中m表示仓储数据管理平台记录有效操作轨迹的个数；
分析有效操作轨迹是为了限定本申请中可以分析的有效内容，除去用户不进行目的性的操作内容，提高了数据的精确性；
处理行为的分析是为了限定用户对于仓储数据管理平台中操作轨迹的目的性，当处理行为产生时，即表示目的实现，对应的操作轨迹则是本申请中需要捕捉分析的部分；
步骤S12：标记T≥T0时对应的有效操作轨迹为目标操作轨迹；提取目标操作轨迹对应主界面中子界面的总点击次数G，主界面是指仓储数据管理平台登陆后显示的界面，子界面是指存在于主界面中的超链接点击后呈现的界面；利用公式：
P=(g/G)/(f/F)
计算目标操作轨迹对应的趋同指数P；g表示目标操作轨迹对应主界面中同类型子界面的总点击次数，f表示除去目标操作轨迹的有效操作轨迹对应主界面中同类型子界面的总点击次数最大值，F表示除去目标操作轨迹的有效操作轨迹对应主界面中子界面的总点击次数最大值；同类型子界面对应的总点击次数越多说明用户在多个相似类型子界面中寻找目标仓储数据，即用户对于目标仓储数据位置的不确定性越高；趋同指数越大说明用户在仓储数据管理平台中的数据处理操作轨迹越不具有明确的方向性；
设置趋同指数阈值P0，提取P>P0对应的数据对A，A={g,G}，并输出第一条件a，a={g实时>g/n1,G实时>G/n1}；其中n1表示目标操作轨迹的总个数；g实时表示实时目标操作轨迹对应主界面中同类型子界面的点击次数；G实时表示实时目标操作轨迹对应主界面中子界面的点击次数；
步骤S13：获取目标操作轨迹对应子界面的平均停留时长h0，停留时长是指用户在子界面中未对仓储数据产生处理行为对应的时长；提取除去目标操作轨迹的有效操作轨迹对应子界面的平均停留时长h1，利用公式：H=h0/h1，计算目标操作轨迹对应的时间指数H，设置时间指数阈值H0，提取H>H0对应的平均停留时长，并输出第二条件b，b={h实时>h0}；h实时表示目标操作轨迹对应子界面的实时停留时长；停留时长越长说明用户在当前界面找到目标仓储数据的可能性越小；因为本申请中已经限定了有效操作轨迹为产生处理行为的轨迹；
步骤S14：对满足第一条件和第二条件的目标操作轨迹输出为待考察行为踪迹。
主界面中同类型子界面包括以下分析步骤：
提取子界面对应超链接的主题名称和子界面显示数据的属性特征；
当任意两子界面显示数据的属性特征相同时，输出两子界面对应的特征值为1；
当任意两子界面显示数据的属性特征不相同时，输出两子界面对应的特征值为0；
属性特征是指子界面中仓储数据的显示方式；如显示方式有数据表格、文字解释和图像释义等；
遍历主界面包含子界面中满足特征值为1且子界面对应超链接的主题名称相似度大于等于相似度阈值时的所有子界面为同类型子界面。
查询目的仓储数据是指产生处理行为时对应的仓储数据。
步骤S3包括以下分析步骤：
获取第一数据包集合中的行为数据包D，D={d1,d2,d3,......,dk}，d1,d2,d3,......,dk表示行为数据包中待考察行为踪迹的第1、2、3......、k个行为节点；
比较第一数据包集合中W个用户对应的行为数据包D1、D2、D3、...、DW；
DW={d1,d2,d3,......,dk}W，{d1,d2,d3,......,dk}W表示第W个用户对应行为数据包中待考察行为踪迹的第1、2、3......、k个行为节点；
提取{d1,d2,d3,......,dk}1∩{d1,d2,d3,......,dk}2∩......∩{d1,d2,d3,......,dk}W的结果中存在相邻行为节点的待考察行为踪迹为第一数据包集合的重迭路径；
如实施例所示：在第一数据包集合中存在三个行为数据包，且三个行为数据包对应的查询目的仓储数据均相同，{x1,y1,z1}1，{x2,y2,z2}2，{x3,y3,z3}3；
若{x1,y1,z1}1∩{x2,y2,z2}2∩{x3,y3,z3}3={y,z}；y={y1,y2,y3}，z={z1,z2,z3}；
若结果为{x,z}，则不存在重迭路径；
在三个行为数据包中y1、y2和y3均相同，z1、z2和z3均相同，则由y和z构成的待考察行为踪迹为第一数据包的重迭路径；
标记任一第一数据包集合的重迭路径为目标重迭路径，获取与目标重迭路径交集不为空集时对应的第一数据包集合个数Q，遍历所有第一数据包集合，利用公式：R=Q/E，计算第一数据包集合的目标指向度R，其中E表示第一数据包集合的总个数。
目标指向度越大说明该第一数据包集合中的重迭路径指向的可能性越多，对应的查询目的仓储数据越多样化。目标指向度为0时说明目标重迭路径对应的查询目的仓储数据唯一。
步骤S4包括以下分析步骤：
当R=0时，提取R=0对应目标重迭路径所属第一数据包集合的查询目的仓储数据，并传输信号至操作轨迹确定为待考察行为踪迹时对应的子界面，对查询目的仓储数据进行预显示；预显示可以为在子界面显示小窗口或其他提醒用户仓储数据的形式；
当R≠0时，提取与目标重迭路径交集不为空集时对应的第一数据包集合为待考察数据包集合，待考察数据包集合包含目标重迭路径对应的第一数据包集合；
获取待考察数据包集合中除去重迭路径外的操作路径为多项路径，计算多项路径与实时待考察行为踪迹的相似度，提取相似度最大值对应的待考察数据包集合包含的查询目的仓储数据，并传输信号至操作轨迹确定为待考察行为踪迹时对应的子界面，对查询目的仓储数据进行预显示。
仓储数据监管系统，包括仓储数据管理平台构建模块、待考察行为踪迹分析模块、触发响应模块、目标指向度分析模块和数据预显示模块；
仓储数据管理平台构建模块用于提取通过人工智能建立的仓储数据管理平台以及用户登陆仓储数据管理平台后记录的操作轨迹；
待考察行为踪迹分析模块用于分析确定用户登陆仓储数据管理平台的待考察行为踪迹；
触发响应模块用于在确定用户对应的操作轨迹为待考察行为踪迹时，触发仓储数据管理平台建立历史操作轨迹中所有待考察行为踪迹的行为数据包；
目标指向度分析模块用于分析仓储数据管理平台中第一数据包集合的目标指向度；
数据预显示模块用于对用户在仓储数据管理平台中的操作轨迹确定为待考察行为踪迹时，进行仓储数据的预显示。
待考察行为踪迹分析模块包括平均执行时长计算单元、目标操作轨迹确定单元、趋同指数计算单元、时间指数计算单元和条件输出单元；
平均执行时长计算单元用于计算有效操作轨迹的平均执行时长；
目标操作轨迹确定单元用于标记执行时长大于等于平均执行时长时对应的有效操作轨迹为目标操作轨迹；
趋同指数计算单元用于基于点击次数计算目标操作轨迹对应的趋同指数；
时间指数计算单元用于基于停留时长计算目标操作轨迹对应的时间指数；
条件输出单元用于基于趋同指数输出第一条件、基于时间指数输出第二条件，并在满足第一条件和第二条件时输出目标操作轨迹输出为待考察行为踪迹。
目标指向度分析模块包括重迭路径分析单元、交集分析单元和目标指向度计算单元；
重迭路径分析单元用于分析第一数据包集合中重迭路径，并标记任一第一数据包集合的重迭路径为目标重迭路径；
交集分析单元用于获取与目标重迭路径交集不为空集时对应的第一数据包集合个数，并遍历所有第一数据包集合；
目标指向度计算单元用于基于交集分析单元中的个数计算第一数据包集合的目标指向度。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、方法、物品或者设备不仅包括那些要素，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、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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)

1.一种基于人工智能的仓储数据监管方法，其特征在于，包括以下分析步骤：
步骤S1：提取通过人工智能建立的仓储数据管理平台以及用户登陆仓储数据管理平台后记录的操作轨迹；基于操作轨迹，分析确定用户登陆仓储数据管理平台的待考察行为踪迹；
步骤S2：在确定用户对应的操作轨迹为待考察行为踪迹时，触发仓储数据管理平台建立历史操作轨迹中所有待考察行为踪迹的行为数据包，所述行为数据包是指待考察行为踪迹对应的用户操作轨迹与查询目的仓储数据构成的数据包；
步骤S3：提取相同查询目的仓储数据对应的行为数据包为第一数据包集合，分析第一数据包集合中不同用户对应的重迭路径；获取不同第一数据包集合对应的重迭路径，分析仓储数据管理平台中第一数据包集合的目标指向度；
步骤S4：基于目标指向度，对用户在仓储数据管理平台中的操作轨迹确定为待考察行为踪迹时，进行仓储数据的预显示。
2.根据权利要求1所述的一种基于人工智能的仓储数据监管方法，其特征在于：所述步骤S1中分析确定用户登陆仓储数据管理平台的待考察行为踪迹，包括以下分析步骤：
步骤S11：获取仓储数据管理平台中记录有效操作轨迹的执行时长T，所述有效操作轨迹是指用户登陆仓储数据管理平台到产生操作轨迹后对获取的仓储数据产生处理行为时记录的轨迹集合；所述处理行为包括下载、复制、修改、保存和截图；计算有效操作轨迹的平均执行时长T0，T0=(1/m)∑T，其中m表示仓储数据管理平台记录有效操作轨迹的个数；
步骤S12：标记T≥T0时对应的有效操作轨迹为目标操作轨迹；提取目标操作轨迹对应主界面中子界面的总点击次数G，所述主界面是指仓储数据管理平台登陆后显示的界面，所述子界面是指存在于主界面中的超链接点击后呈现的界面；利用公式：
P=(g/G)/(f/F)
计算目标操作轨迹对应的趋同指数P；g表示目标操作轨迹对应主界面中同类型子界面的总点击次数，f表示除去目标操作轨迹的有效操作轨迹对应主界面中同类型子界面的总点击次数最大值，F表示除去目标操作轨迹的有效操作轨迹对应主界面中子界面的总点击次数最大值；
设置趋同指数阈值P0，提取P>P0对应的数据对A，A={g,G}，并输出第一条件a，a={g实时>g/n1,G实时>G/n1}；其中n1表示目标操作轨迹的总个数；g实时表示实时目标操作轨迹对应主界面中同类型子界面的点击次数；G实时表示实时目标操作轨迹对应主界面中子界面的点击次数；
步骤S13：获取目标操作轨迹对应子界面的平均停留时长h0，所述停留时长是指用户在子界面中未对仓储数据产生处理行为对应的时长；提取除去目标操作轨迹的有效操作轨迹对应子界面的平均停留时长h1，利用公式：H=h0/h1，计算目标操作轨迹对应的时间指数H，设置时间指数阈值H0，提取H>H0对应的平均停留时长，并输出第二条件b，b={h实时>h0}；h实时表示目标操作轨迹对应子界面的实时停留时长；
步骤S14：对满足第一条件和第二条件的目标操作轨迹输出为待考察行为踪迹。
3.根据权利要求2所述的一种基于人工智能的仓储数据监管方法，其特征在于：所述主界面中同类型子界面包括以下分析步骤：
提取子界面对应超链接的主题名称和子界面显示数据的属性特征；
当任意两子界面显示数据的属性特征相同时，输出两子界面对应的特征值为1；
当任意两子界面显示数据的属性特征不相同时，输出两子界面对应的特征值为0；
所述属性特征是指子界面中仓储数据的显示方式；
遍历主界面包含子界面中满足特征值为1且子界面对应超链接的主题名称相似度大于等于相似度阈值时的所有子界面为同类型子界面。
4.根据权利要求1所述的一种基于人工智能的仓储数据监管方法，其特征在于：所述查询目的仓储数据是指产生处理行为时对应的仓储数据。
5.根据权利要求4所述的一种基于人工智能的仓储数据监管方法，其特征在于：所述步骤S3包括以下分析步骤：
获取第一数据包集合中的行为数据包D，D={d1,d2,d3,......,dk}，d1,d2,d3,......,dk表示行为数据包中待考察行为踪迹的第1、2、3......、k个行为节点；
比较第一数据包集合中W个用户对应的行为数据包D1、D2、D3、...、DW；
DW={d1,d2,d3,......,dk}W，{d1,d2,d3,......,dk}W表示第W个用户对应行为数据包中待考察行为踪迹的第1、2、3......、k个行为节点；
提取{d1,d2,d3,......,dk}1∩{d1,d2,d3,......,dk}2∩......∩{d1,d2,d3,......,dk}W的结果中存在相邻行为节点的待考察行为踪迹为第一数据包集合的重迭路径；
标记任一第一数据包集合的重迭路径为目标重迭路径，获取与目标重迭路径交集不为空集时对应的第一数据包集合个数Q，遍历所有第一数据包集合，利用公式：R=Q/E，计算第一数据包集合的目标指向度R，其中E表示第一数据包集合的总个数。
6.根据权利要求5所述的一种基于人工智能的仓储数据监管方法，其特征在于：所述步骤S4包括以下分析步骤：
当R=0时，提取R=0对应目标重迭路径所属第一数据包集合的查询目的仓储数据，并传输信号至所述操作轨迹确定为待考察行为踪迹时对应的子界面，对查询目的仓储数据进行预显示；
当R≠0时，提取与目标重迭路径交集不为空集时对应的第一数据包集合为待考察数据包集合，所述待考察数据包集合包含目标重迭路径对应的第一数据包集合；
获取待考察数据包集合中除去重迭路径外的操作路径为多项路径，计算多项路径与实时待考察行为踪迹的相似度，提取相似度最大值对应的待考察数据包集合包含的查询目的仓储数据，并传输信号至所述操作轨迹确定为待考察行为踪迹时对应的子界面，对查询目的仓储数据进行预显示。
7.应用权利要求1-6中任一项所述的一种基于人工智能的仓储数据监管方法的仓储数据监管系统，其特征在于，包括仓储数据管理平台构建模块、待考察行为踪迹分析模块、触发响应模块、目标指向度分析模块和数据预显示模块；
所述仓储数据管理平台构建模块用于提取通过人工智能建立的仓储数据管理平台以及用户登陆仓储数据管理平台后记录的操作轨迹；
所述待考察行为踪迹分析模块用于分析确定用户登陆仓储数据管理平台的待考察行为踪迹；
所述触发响应模块用于在确定用户对应的操作轨迹为待考察行为踪迹时，触发仓储数据管理平台建立历史操作轨迹中所有待考察行为踪迹的行为数据包；
所述目标指向度分析模块用于分析仓储数据管理平台中第一数据包集合的目标指向度；
所述数据预显示模块用于对用户在仓储数据管理平台中的操作轨迹确定为待考察行为踪迹时，进行仓储数据的预显示。
8.根据权利要求7所述的仓储数据监管系统，其特征在于：所述待考察行为踪迹分析模块包括平均执行时长计算单元、目标操作轨迹确定单元、趋同指数计算单元、时间指数计算单元和条件输出单元；
所述平均执行时长计算单元用于计算有效操作轨迹的平均执行时长；
所述目标操作轨迹确定单元用于标记执行时长大于等于平均执行时长时对应的有效操作轨迹为目标操作轨迹；
所述趋同指数计算单元用于基于点击次数计算目标操作轨迹对应的趋同指数；
所述时间指数计算单元用于基于停留时长计算目标操作轨迹对应的时间指数；
所述条件输出单元用于基于趋同指数输出第一条件、基于时间指数输出第二条件，并在满足第一条件和第二条件时输出目标操作轨迹输出为待考察行为踪迹。
9.根据权利要求8所述的仓储数据监管系统，其特征在于：所述目标指向度分析模块包括重迭路径分析单元、交集分析单元和目标指向度计算单元；
所述重迭路径分析单元用于分析第一数据包集合中重迭路径，并标记任一第一数据包集合的重迭路径为目标重迭路径；
所述交集分析单元用于获取与目标重迭路径交集不为空集时对应的第一数据包集合个数，并遍历所有第一数据包集合；
所述目标指向度计算单元用于基于交集分析单元中的个数计算第一数据包集合的目标指向度。
CN202310526193.3A 2023-05-11 2023-05-11 一种基于人工智能的仓储数据监管系统及方法 Active CN116244278B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310526193.3A CN116244278B (zh) 2023-05-11 2023-05-11 一种基于人工智能的仓储数据监管系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310526193.3A CN116244278B (zh) 2023-05-11 2023-05-11 一种基于人工智能的仓储数据监管系统及方法

Publications (2)

Publication Number Publication Date
CN116244278A true CN116244278A (zh) 2023-06-09
CN116244278B CN116244278B (zh) 2023-07-14

Family

ID=86626348

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310526193.3A Active CN116244278B (zh) 2023-05-11 2023-05-11 一种基于人工智能的仓储数据监管系统及方法

Country Status (1)

Country Link
CN (1) CN116244278B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111078990A (zh) * 2018-10-18 2020-04-28 千寻位置网络有限公司 对资源链接进行编排推荐系统及方法
CN114756669A (zh) * 2022-04-26 2022-07-15 未鲲(上海)科技服务有限公司 问题意图的智能分析方法、装置、电子设备及存储介质
CN115545622A (zh) * 2022-11-30 2022-12-30 中建安装集团有限公司 一种基于数字化建造的工程物资仓储管理系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111078990A (zh) * 2018-10-18 2020-04-28 千寻位置网络有限公司 对资源链接进行编排推荐系统及方法
CN114756669A (zh) * 2022-04-26 2022-07-15 未鲲(上海)科技服务有限公司 问题意图的智能分析方法、装置、电子设备及存储介质
CN115545622A (zh) * 2022-11-30 2022-12-30 中建安装集团有限公司 一种基于数字化建造的工程物资仓储管理系统及方法

Also Published As

Publication number Publication date
CN116244278B (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
US7590619B2 (en) Search system using user behavior data
US7363282B2 (en) Search system using user behavior data
US20170132523A1 (en) Periodicity Analysis on Heterogeneous Logs
CN105659263A (zh) 序列识别
CN113486334A (zh) 网络攻击预测方法、装置、电子设备及存储介质
CN108763274B (zh) 访问请求的识别方法、装置、电子设备及存储介质
CN112528279B (zh) 一种入侵检测模型的建立方法和装置
CN110737821B (zh) 相似事件查询的方法、装置、存储介质和终端设备
CN111447224A (zh) web漏洞扫描方法及漏洞扫描器
CN116233902B (zh) 一种基于大数据的无线通信网络异常识别系统及方法
CN109522421A (zh) 一种网络设备的产品属性识别方法
CN115100739B (zh) 人机行为检测方法、系统、终端设备及存储介质
CN101616221B (zh) 引导信息显示装置及引导信息显示方法
CN116015842A (zh) 一种基于用户访问行为的网络攻击检测方法
CN118174953A (zh) 一种基于人工智能的多维度网络异常感知溯源系统及方法
CN116244278B (zh) 一种基于人工智能的仓储数据监管系统及方法
CN117520522A (zh) 一种基于rpa和ai结合的智能对话方法、装置及电子设备
WO2024055603A1 (zh) 一种未成年人文本识别方法及装置
CN112073396A (zh) 一种内网横向移动攻击行为的检测方法及装置
CN106651183A (zh) 工控系统的通信数据安全审计方法及装置
CN116545740A (zh) 一种基于大数据的威胁行为分析方法及服务器
CN116647389A (zh) 一种工业控制系统网络访问安全性预警系统及方法
CN103902725A (zh) 搜索引擎优化信息的获取方法和装置
CN110909380A (zh) 一种异常文件访问行为监控方法和装置
CN114666577B (zh) 一种基于视频行为距离的设备异常检测方法和装置

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