CN116307624A - 一种erp系统的资源调度方法及其系统 - Google Patents

一种erp系统的资源调度方法及其系统 Download PDF

Info

Publication number
CN116307624A
CN116307624A CN202310347588.7A CN202310347588A CN116307624A CN 116307624 A CN116307624 A CN 116307624A CN 202310347588 A CN202310347588 A CN 202310347588A CN 116307624 A CN116307624 A CN 116307624A
Authority
CN
China
Prior art keywords
resource
supply
demand
sequence
vectors
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.)
Pending
Application number
CN202310347588.7A
Other languages
English (en)
Inventor
王书文
张科
龚徐凯
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.)
Hangzhou Zhanjun Technology Co ltd
Original Assignee
Hangzhou Zhanjun 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 Hangzhou Zhanjun Technology Co ltd filed Critical Hangzhou Zhanjun Technology Co ltd
Priority to CN202310347588.7A priority Critical patent/CN116307624A/zh
Publication of CN116307624A publication Critical patent/CN116307624A/zh
Pending legal-status Critical Current

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
    • G06Q10/0631—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Machine Translation (AREA)

Abstract

本申请涉及企业资源计划与调度领域，其具体地公开了一种ERP系统的资源调度方法及其系统，其利用基于深度学习及人工智能的自然语言处理技术，以通过基于转换器的上下文编码器来提取企业资源供应方的供应资源描述文本和企业资源需求方的需求资源描述文本中所蕴含的高维隐含语义关联信息，并将两者进行对比分析以刻画所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度，最后基于匹配度结果来生成资源调度结果。这样，以基于公司战略的眼光来分析企业内外资源信息中的宏观环境信息，提高企业决策的正确性和有效性，进而提高对企业资源的合理开发和利用的有效性。

Description

一种ERP系统的资源调度方法及其系统
技术领域
本申请涉及企业资源计划与调度领域，且更为具体地，涉及一种ERP系统的资源调度方法及其系统。
背景技术
ERP即企业资源计划，是指建立在信息技术基础上，以系统化的管理思想，为企业决策层及员工提供决策运行手段的管理平台。
现有大多数ERP系统针对于资源调度管理采用微观层次的信息资源管理技术，即为达到预定的目标运用现代的管理方法和手段对与企业相关的具体信息资源和信息活动进行组织、规划、协调和控制，以实现对企业信息资源的合理开发和有效利用。而随着企业信息与文件资料的激增，微观层次的信息资源管理技术在处理企业内外信息的有效性上具有局限性，从而降低企业决策的正确性和有效性。
因此，期待一种优化的ERP系统的资源调度方案。
发明内容
为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种ERP系统的资源调度方法及其系统，其利用基于深度学习及人工智能的自然语言处理技术，以通过基于转换器的上下文编码器来提取企业资源供应方的供应资源描述文本和企业资源需求方的需求资源描述文本中所蕴含的高维隐含语义关联信息，并将两者进行对比分析以刻画所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度，最后基于匹配度结果来生成资源调度结果。这样，以基于公司战略的眼光来分析企业内外资源信息中的宏观环境信息，提高企业决策的正确性和有效性，进而提高对企业资源的合理开发和利用的有效性。
根据本申请的一个方面，提供了一种ERP系统的资源调度方法，其包括：
获取企业资源供应方的供应资源描述文本，以及，企业资源需求方的需求资源描述文本；
将所述供应资源描述文本和所述需求资源描述文本分别进行分词处理后通过词嵌入层以得到供应词嵌入向量的序列和需求词嵌入向量的序列；
将所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别通过基于转换器的上下文编码器以得到供应方语义特征向量和需求方语义特征向量；
计算所述供应方语义特征向量和所述需求方语义特征向量之间的差分特征向量；
将所述差分特征向量通过解码器进行回归解码以得到解码值，所述解码值用于表示所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度；以及
基于所述解码值与预定阈值之间的比较，生成资源调度结果。
在上述ERP系统的资源调度方法中，将所述供应资源描述文本和所述需求资源描述文本分别进行分词处理后通过词嵌入层以得到供应词嵌入向量的序列和需求词嵌入向量的序列，包括：对所述供应资源描述文本和所述需求资源描述文本分别进行分词处理以获得供应词的序列和需求词的序列；以及，将所述供应词的序列和所述需求词的序列分别通过词嵌入层以将所述供应词的序列和所述需求词的序列中各个供应词和各个需求词分别转化为供应词嵌入向量和需求词嵌入向量以得到供应词嵌入向量的序列和需求词嵌入向量的序列，其中，所述词嵌入层使用可学习的嵌入矩阵对所述各个供应词和所述各个需求词分别进行嵌入编码。
在上述ERP系统的资源调度方法中，将所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别通过基于转换器的上下文编码器以得到供应方语义特征向量和需求方语义特征向量，包括：将所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别通过所述基于转换器的上下文编码器以得到多个供应方特征向量和多个需求方特征向量；以及，将所述多个供应方特征向量进行级联以得到所述供应方语义特征向量，并将所述多个需求方特征向量进行级联以得到所述需求方语义特征向量。
在上述ERP系统的资源调度方法中，将所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别通过所述基于转换器的上下文编码器以得到多个供应方特征向量和多个需求方特征向量，包括：将所述供应词嵌入向量的序列排列为输入向量；将所述输入向量通过可学习嵌入矩阵分别转化为查询向量和关键向量；计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；以及，将所述自注意力特征矩阵与以所述供应词嵌入向量的序列中各个供应词嵌入向量作为值向量分别进行相乘以得到所述多个供应方特征向量。
在上述ERP系统的资源调度方法中，计算所述供应方语义特征向量和所述需求方语义特征向量之间的差分特征向量，包括：以如下公式来计算所述供应方语义特征向量和所述需求方语义特征向量之间的差分特征向量；其中，所述公式为：
Figure BDA0004160341750000031
其中，V1表示所述供应方语义特征向量，V2表示所述需求方语义特征向量，Vd表示所述差分特征向量，/>
Figure BDA0004160341750000032
表示按位置作差。
在上述ERP系统的资源调度方法中，将所述差分特征向量通过解码器进行回归解码以得到解码值，所述解码值用于表示所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度，包括：使用所述解码器以如下公式对所述差分特征向量进行解码回归以获得所述解码值；其中，所述公式为：
Figure BDA0004160341750000033
其中X是所述差分特征向量，Y是所述解码值，M是权重矩阵，/>
Figure BDA0004160341750000034
表示矩阵乘。
在上述ERP系统的资源调度方法中，基于所述解码值与预定阈值之间的比较，生成资源调度结果，包括：响应于所述解码值大于等于预定阈值，所述资源调度结果为向所述企业资源需求方调度所述企业资源供应方的供应资源。
在上述ERP系统的资源调度方法中，还包括训练步骤：对所述基于转换器的上下文编码器和所述解码器进行训练；其中，所述训练步骤，包括：获取企业资源供应方的训练供应资源描述文本，以及，企业资源需求方的训练需求资源描述文本，以及，所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度的真实值；将所述训练供应资源描述文本和所述训练需求资源描述文本分别进行分词处理后通过词嵌入层以得到训练供应词嵌入向量的序列和训练需求词嵌入向量的序列；将所述训练供应词嵌入向量的序列和所述训练需求词嵌入向量的序列分别通过所述基于转换器的上下文编码器以得到训练供应方语义特征向量和训练需求方语义特征向量；计算所述训练供应方语义特征向量和所述训练需求方语义特征向量之间的训练差分特征向量；将所述训练差分特征向量通过所述解码器以得到解码损失函数值；以及，基于所述解码损失函数值并通过梯度下降的方向传播来对所述基于转换器的上下文编码器和所述解码器进行训练，其中，在所述训练的每一轮迭代中，对所述解码器的权重矩阵进行权重矩阵的空间正则化约束迭代。
在上述ERP系统的资源调度方法中，在所述训练的每一轮迭代中，以如下公式对所述解码器的权重矩阵进行权重矩阵的空间正则化约束迭代；其中，所述公式为：
Figure BDA0004160341750000041
其中M是所述解码器的权重矩阵，‖·‖F表示矩阵的Frobenius范数，Mb是偏置矩阵，
Figure BDA0004160341750000042
表示矩阵乘法，⊕表示矩阵加法，⊙表示按位置点乘，exp(·)表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值，M′表示迭代后的所述解码器的权重矩阵。
根据本申请的另一方面，提供了一种ERP系统的资源调度系统，包括：
资源供需数据获取单元，用于获取企业资源供应方的供应资源描述文本，以及，企业资源需求方的需求资源描述文本；
结构化单元，用于将所述供应资源描述文本和所述需求资源描述文本分别进行分词处理后通过词嵌入层以得到供应词嵌入向量的序列和需求词嵌入向量的序列；
上下文语义理解单元，用于将所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别通过基于转换器的上下文编码器以得到供应方语义特征向量和需求方语义特征向量；
差异性度量单元，用于计算所述供应方语义特征向量和所述需求方语义特征向量之间的差分特征向量；
匹配度回归单元，用于将所述差分特征向量通过解码器进行回归解码以得到解码值，所述解码值用于表示所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度；以及
调度结果生成单元，用于基于所述解码值与预定阈值之间的比较，生成资源调度结果。
根据本申请的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的ERP系统的资源调度方法。
根据本申请的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的ERP系统的资源调度方法。
与现有技术相比，本申请提供的一种ERP系统的资源调度方法及其系统，其利用基于深度学习及人工智能的自然语言处理技术，以通过基于转换器的上下文编码器来提取企业资源供应方的供应资源描述文本和企业资源需求方的需求资源描述文本中所蕴含的高维隐含语义关联信息，并将两者进行对比分析以刻画所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度，最后基于匹配度结果来生成资源调度结果。这样，以基于公司战略的眼光来分析企业内外资源信息中的宏观环境信息，提高企业决策的正确性和有效性，进而提高对企业资源的合理开发和利用的有效性。
附图说明
通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1为根据本申请实施例的ERP系统的资源调度方法的流程图。
图2为根据本申请实施例的ERP系统的资源调度方法的架构图。
图3为根据本申请实施例的ERP系统的资源调度方法中对所述基于转换器的上下文编码器和所述解码器进行训练的流程图。
图4为根据本申请实施例的ERP系统的资源调度系统的框图。
图5为根据本申请实施例的ERP系统的资源调度系统中训练模块的框图。
图6为根据本申请实施例的电子设备的框图。
具体实施方式
下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
相应地，随着企业信息与文件资料的激增，微观层次的信息资源管理技术在处理企业内外信息的有效性上具有局限性，从而降低企业决策的正确性和有效性。
近年来，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。
深度学习以及神经网络的发展为构建ERP系统的资源调度方案提供了新的解决思路。
在本申请的技术方案中，期待基于企业资源供应方的供应资源描述文本和企业资源需求方的需求资源描述文本中分别提取高维隐含语义关联信息，并将两者进行对比分析以刻画所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度，最后基于匹配度结果来生成资源调度结果。这样，基于企业资源供应方的供应资源描述文本和企业资源需求方的需求资源描述文本来深度挖掘两者的隐含关联关系，以基于公司战略的眼光来分析企业内外信息中的宏观环境信息，突破微观层面上数据分析技术的局限性，进而提高企业决策的正确性和有效性。
具体地，在本申请的技术方案中，首先，获取企业资源供应方的供应资源描述文本，以及，企业资源需求方的需求资源描述文本。
由于所述供应资源描述文本和所述需求资源描述文本为文本数据，也就是说，所述供应资源描述文本和所述需求资源描述文本并非结构化数据，因此，在本申请的技术方案中，将所述供应资源描述文本和所述需求资源描述文本分别进行分词处理以避免词序混乱后通过词嵌入层以分别得到供应词嵌入向量的序列和需求词嵌入向量的序列，以此来将所述供应资源描述文本和所述需求资源描述文本中的语义信息分别转化为能用计算机处理的词嵌入向量的序列。这里，词嵌入层的作用是将一个词映射为一个词嵌入向量，所述词嵌入层可以基于词袋模型来构建，或者，基于低维语义嵌入模型来构建，例如，Word2Vec等。
然后，将所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别通过基于转换器的上下文编码器以分别提取企业资源供应方的供应资源描述文本和企业资源需求方的需求资源描述文本的高维隐含语义关联特征，从而得到供应方语义特征向量和需求方语义特征向量。也就是，基于transformer思想，利用转换器能够捕捉长距离上下文依赖的特性，对所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别进行基于全局的上下文语义编码以得到分别以所述供应词嵌入向量的序列和所述需求词嵌入向量的序列的整体语义关联为上下文背景的上下文语义关联特征表示，即，所述供应方语义特征向量和所述需求方语义特征向量。
在本申请的技术方案中，期待将所述企业资源供应方的供应资源描述文本和所述企业资源需求方的需求资源描述文本中所蕴含的隐含语义关联信息在高维空间中进行对比分析。优选地，计算所述供应方语义特征向量和所述需求方语义特征向量之间的差分特征向量。在一个具体示例中，可以计算所述供应方语义特征向量和所述需求方语义特征向量之间每个对应位置的特征值之间的差值以获得所述差分特征向量。
继而，在得到所述差分特征向量后，将其通过解码器进行回归解码以得到解码值，所述解码值用于表示所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度。在一个具体示例中，使用全连接层来构建解码器，所述解码器的全连接层能够充分利用所述差分特征向量中各个位置信息以提高解码精度。
在本申请的技术方案中，基于所述解码值与预定阈值之间的比较，生成资源调度结果。更具体地，响应于所述解码值大于等于预定阈值，所述资源调度结果为向所述企业资源需求方调度所述企业资源供应方的供应资源。
这里，计算所述供应方语义特征向量和所述需求方语义特征向量之间的差分特征向量之间的差分特征向量时，由于所述差分特征向量是通过所述供应方语义特征向量和所述需求方语义特征向量之间的逐位置差分计算得到的，因此并没有考虑其整体特征分布与所述供应方语义特征向量和所述需求方语义特征向量的整体特征分布之间的关联性。而由于所述供应资源描述文本和所述需求资源描述文本之间的文本语义分布的差异会在高维的上下文语义特征空间内被放大，所述差分特征向量的整体特征分布就会同时偏离供应方语义特征和需求方语义特征单独的特征表示的高维特征分布，从而使得在训练过程中所述解码器的权重矩阵的收敛速度慢，影响了模型的整体训练速度。
因此，在本申请的技术方案中，本申请的申请人在每次解码器的权重矩阵的迭代时进行权重矩阵的空间正则化约束，表示为：
Figure BDA0004160341750000081
M是解码器的权重矩阵，‖·‖F表示矩阵的Frobenius范数，Mb是偏置矩阵，例如可以初始设置为单位矩阵。
所述权重矩阵的空间正则化约束在权重矩阵与其自身转置进行空间嵌入得到的内生相关性矩阵的基础上，对权重矩阵进行基于其欧式空间的内生相关分布的L2正则化，从而与待加权特征的数值分布和按位置数值大小无关地，反映出权重空间对于特征所表达的特定模式的语义依赖程度，从而使得权重空间反应出所提取的特征的内在本质知识的传递效果，加快权重矩阵的收敛，从而提升模型的整体训练速度。
在介绍了本申请的基本原理之后，下面将参考附图来具体介绍本申请的各种非限制性实施例。
示例性方法
图1为根据本申请实施例的ERP系统的资源调度方法的流程图。如图1所示，根据本申请实施例的ERP系统的资源调度方法，包括：S110，获取企业资源供应方的供应资源描述文本，以及，企业资源需求方的需求资源描述文本；S120，将所述供应资源描述文本和所述需求资源描述文本分别进行分词处理后通过词嵌入层以得到供应词嵌入向量的序列和需求词嵌入向量的序列；S130，将所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别通过基于转换器的上下文编码器以得到供应方语义特征向量和需求方语义特征向量；S140，计算所述供应方语义特征向量和所述需求方语义特征向量之间的差分特征向量；S150，将所述差分特征向量通过解码器进行回归解码以得到解码值，所述解码值用于表示所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度；以及，S160，基于所述解码值与预定阈值之间的比较，生成资源调度结果。
图2为根据本申请实施例的ERP系统的资源调度方法的架构图。如图2所示，在该架构中，首先，获取企业资源供应方的供应资源描述文本，以及，企业资源需求方的需求资源描述文本；接着，将所述供应资源描述文本和所述需求资源描述文本分别进行分词处理后通过词嵌入层以得到供应词嵌入向量的序列和需求词嵌入向量的序列；然后，将所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别通过基于转换器的上下文编码器以得到供应方语义特征向量和需求方语义特征向量；继而，计算所述供应方语义特征向量和所述需求方语义特征向量之间的差分特征向量；再将所述差分特征向量通过解码器进行回归解码以得到解码值，所述解码值用于表示所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度；最后，基于所述解码值与预定阈值之间的比较，生成资源调度结果。
相应地，随着企业信息与文件资料的激增，微观层次的信息资源管理技术在处理企业内外信息的有效性上具有局限性，从而降低企业决策的正确性和有效性。
近年来，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。
深度学习以及神经网络的发展为构建ERP系统的资源调度方案提供了新的解决思路。
在本申请的技术方案中，期待基于企业资源供应方的供应资源描述文本和企业资源需求方的需求资源描述文本中分别提取高维隐含语义关联信息，并将两者进行对比分析以刻画所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度，最后基于匹配度结果来生成资源调度结果。这样，基于企业资源供应方的供应资源描述文本和企业资源需求方的需求资源描述文本来深度挖掘两者的隐含关联关系，以基于公司战略的眼光来分析企业内外信息中的宏观环境信息，突破微观层面上数据分析技术的局限性，进而提高企业决策的正确性和有效性。
在步骤S110中，获取企业资源供应方的供应资源描述文本，以及，企业资源需求方的需求资源描述文本。
在步骤S120中，将所述供应资源描述文本和所述需求资源描述文本分别进行分词处理后通过词嵌入层以得到供应词嵌入向量的序列和需求词嵌入向量的序列。由于所述供应资源描述文本和所述需求资源描述文本为文本数据，也就是说，所述供应资源描述文本和所述需求资源描述文本并非结构化数据，因此，在本申请的技术方案中，将所述供应资源描述文本和所述需求资源描述文本分别进行分词处理以避免词序混乱后通过词嵌入层以分别得到供应词嵌入向量的序列和需求词嵌入向量的序列，以此来将所述供应资源描述文本和所述需求资源描述文本中的语义信息分别转化为能用计算机处理的词嵌入向量的序列。这里，词嵌入层的作用是将一个词映射为一个词嵌入向量，所述词嵌入层可以基于词袋模型来构建，或者，基于低维语义嵌入模型来构建，例如，Word2Vec等。
具体地，在本申请实施例中，将所述供应资源描述文本和所述需求资源描述文本分别进行分词处理后通过词嵌入层以得到供应词嵌入向量的序列和需求词嵌入向量的序列的编码过程，包括：首先，对所述供应资源描述文本和所述需求资源描述文本分别进行分词处理以获得供应词的序列和需求词的序列；然后，将所述供应词的序列和所述需求词的序列分别通过词嵌入层以将所述供应词的序列和所述需求词的序列中各个供应词和各个需求词分别转化为供应词嵌入向量和需求词嵌入向量以得到供应词嵌入向量的序列和需求词嵌入向量的序列，其中，所述词嵌入层使用可学习的嵌入矩阵对所述各个供应词和所述各个需求词分别进行嵌入编码。
在步骤S130中，将所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别通过基于转换器的上下文编码器以得到供应方语义特征向量和需求方语义特征向量。也就是，利用所述基于转换器的上下文编码器来分别提取企业资源供应方的供应资源描述文本和企业资源需求方的需求资源描述文本的高维隐含语义关联特征，从而得到供应方语义特征向量和需求方语义特征向量。在本申请的技术方案中，基于transformer思想，利用转换器能够捕捉长距离上下文依赖的特性，对所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别进行基于全局的上下文语义编码以得到分别以所述供应词嵌入向量的序列和所述需求词嵌入向量的序列的整体语义关联为上下文背景的上下文语义关联特征表示，即，所述供应方语义特征向量和所述需求方语义特征向量。
具体地，在本申请实施例中，将所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别通过基于转换器的上下文编码器以得到供应方语义特征向量和需求方语义特征向量的编码过程，包括：首先，将所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别通过所述基于转换器的上下文编码器以得到多个供应方特征向量和多个需求方特征向量；然后，将所述多个供应方特征向量进行级联以得到所述供应方语义特征向量，并将所述多个需求方特征向量进行级联以得到所述需求方语义特征向量。
更具体地，在本申请的一个具体示例中，将所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别通过所述基于转换器的上下文编码器以得到多个供应方特征向量和多个需求方特征向量的编码过程，包括：首先，将所述供应词嵌入向量的序列排列为输入向量；接着，将所述输入向量通过可学习嵌入矩阵分别转化为查询向量和关键向量；然后，计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；再对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；继而，将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；最后，将所述自注意力特征矩阵与以所述供应词嵌入向量的序列中各个供应词嵌入向量作为值向量分别进行相乘以得到所述多个供应方特征向量。
在步骤S140中，计算所述供应方语义特征向量和所述需求方语义特征向量之间的差分特征向量。在本申请的技术方案中，期待将所述企业资源供应方的供应资源描述文本和所述企业资源需求方的需求资源描述文本中所蕴含的隐含语义关联信息在高维空间中进行对比分析。优选地，计算所述供应方语义特征向量和所述需求方语义特征向量之间的差分特征向量。在一个具体示例中，可以计算所述供应方语义特征向量和所述需求方语义特征向量之间每个对应位置的特征值之间的差值以获得所述差分特征向量。
具体地，以如下公式来计算所述供应方语义特征向量和所述需求方语义特征向量之间的差分特征向量；其中，所述公式为：
Figure BDA0004160341750000111
其中，V1表示所述供应方语义特征向量，V2表示所述需求方语义特征向量，Vd表示所述差分特征向量，/>
Figure BDA0004160341750000112
表示按位置作差。
在步骤S150中，将所述差分特征向量通过解码器进行回归解码以得到解码值，所述解码值用于表示所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度。在一个具体示例中，使用全连接层来构建解码器，所述解码器的全连接层能够充分利用所述差分特征向量中各个位置信息以提高解码精度。
更具体地，在本申请实施例中，使用所述解码器以如下公式对所述差分特征向量进行解码回归以获得所述解码值；其中，所述公式为：
Figure BDA0004160341750000121
其中X是所述差分特征向量，Y是所述解码值，M是权重矩阵，/>
Figure BDA0004160341750000122
表示矩阵乘。
在步骤S160中，基于所述解码值与预定阈值之间的比较，生成资源调度结果。更具体地，响应于所述解码值大于等于预定阈值，所述资源调度结果为向所述企业资源需求方调度所述企业资源供应方的供应资源。
在上述ERP系统的资源调度方法中，还包括训练步骤：对所述基于转换器的上下文编码器和所述解码器进行训练。
图3为根据本申请实施例的ERP系统的资源调度方法中对所述基于转换器的上下文编码器和所述解码器进行训练的流程图。如图3所示，所述训练步骤，包括：S210，获取企业资源供应方的训练供应资源描述文本，以及，企业资源需求方的训练需求资源描述文本，以及，所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度的真实值；S220，将所述训练供应资源描述文本和所述训练需求资源描述文本分别进行分词处理后通过词嵌入层以得到训练供应词嵌入向量的序列和训练需求词嵌入向量的序列；S230，将所述训练供应词嵌入向量的序列和所述训练需求词嵌入向量的序列分别通过所述基于转换器的上下文编码器以得到训练供应方语义特征向量和训练需求方语义特征向量；S240，计算所述训练供应方语义特征向量和所述训练需求方语义特征向量之间的训练差分特征向量；S250，将所述训练差分特征向量通过所述解码器以得到解码损失函数值；以及，S260，基于所述解码损失函数值并通过梯度下降的方向传播来对所述基于转换器的上下文编码器和所述解码器进行训练，其中，在所述训练的每一轮迭代中，对所述解码器的权重矩阵进行权重矩阵的空间正则化约束迭代。
这里，计算所述供应方语义特征向量和所述需求方语义特征向量之间的差分特征向量之间的差分特征向量时，由于所述差分特征向量是通过所述供应方语义特征向量和所述需求方语义特征向量之间的逐位置差分计算得到的，因此并没有考虑其整体特征分布与所述供应方语义特征向量和所述需求方语义特征向量的整体特征分布之间的关联性。而由于所述供应资源描述文本和所述需求资源描述文本之间的文本语义分布的差异会在高维的上下文语义特征空间内被放大，所述差分特征向量的整体特征分布就会同时偏离供应方语义特征和需求方语义特征单独的特征表示的高维特征分布，从而使得在训练过程中所述解码器的权重矩阵的收敛速度慢，影响了模型的整体训练速度。
因此，在本申请的技术方案中，本申请的申请人在每次解码器的权重矩阵的迭代时进行权重矩阵的空间正则化约束，表示为：
Figure BDA0004160341750000131
其中M是所述解码器的权重矩阵，‖·‖F表示矩阵的Frobenius范数，Mb是偏置矩阵，例如可以初始设置为单位矩阵，
Figure BDA0004160341750000132
表示矩阵乘法，⊕表示矩阵加法，⊙表示按位置点乘，exp(·)表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值，M′表示迭代后的所述解码器的权重矩阵。
所述权重矩阵的空间正则化约束在权重矩阵与其自身转置进行空间嵌入得到的内生相关性矩阵的基础上，对权重矩阵进行基于其欧式空间的内生相关分布的L2正则化，从而与待加权特征的数值分布和按位置数值大小无关地，反映出权重空间对于特征所表达的特定模式的语义依赖程度，从而使得权重空间反应出所提取的特征的内在本质知识的传递效果，加快权重矩阵的收敛，从而提升模型的整体训练速度。
综上，基于本申请实施例的ERP系统的资源调度方法被阐明，其利用基于深度学习及人工智能的自然语言处理技术，以通过基于转换器的上下文编码器来提取企业资源供应方的供应资源描述文本和企业资源需求方的需求资源描述文本中所蕴含的高维隐含语义关联信息，并将两者进行对比分析以刻画所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度，最后基于匹配度结果来生成资源调度结果。这样，以基于公司战略的眼光来分析企业内外资源信息中的宏观环境信息，提高企业决策的正确性和有效性，进而提高对企业资源的合理开发和利用的有效性。
示例性系统
图4为根据本申请实施例的ERP系统的资源调度系统的框图。如图4所示，根据本申请实施例的ERP系统的资源调度系统100，包括：资源供需数据获取单元110，用于获取企业资源供应方的供应资源描述文本，以及，企业资源需求方的需求资源描述文本；结构化单元120，用于将所述供应资源描述文本和所述需求资源描述文本分别进行分词处理后通过词嵌入层以得到供应词嵌入向量的序列和需求词嵌入向量的序列；上下文语义理解单元130，用于将所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别通过基于转换器的上下文编码器以得到供应方语义特征向量和需求方语义特征向量；差异性度量单元140，用于计算所述供应方语义特征向量和所述需求方语义特征向量之间的差分特征向量；匹配度回归单元150，用于将所述差分特征向量通过解码器进行回归解码以得到解码值，所述解码值用于表示所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度；以及，调度结果生成单元160，用于基于所述解码值与预定阈值之间的比较，生成资源调度结果。
图5为根据本申请实施例的ERP系统的资源调度系统中训练模块的框图。如图5所示，所述训练模块200，包括：训练资源供需数据获取单元210，用于获取企业资源供应方的训练供应资源描述文本，以及，企业资源需求方的训练需求资源描述文本，以及，所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度的真实值；训练结构化单元220，用于将所述训练供应资源描述文本和所述训练需求资源描述文本分别进行分词处理后通过词嵌入层以得到训练供应词嵌入向量的序列和训练需求词嵌入向量的序列；训练上下文语义理解单元230，用于将所述训练供应词嵌入向量的序列和所述训练需求词嵌入向量的序列分别通过所述基于转换器的上下文编码器以得到训练供应方语义特征向量和训练需求方语义特征向量；训练差异性度量单元240，用于计算所述训练供应方语义特征向量和所述训练需求方语义特征向量之间的训练差分特征向量；解码损失单元250，用于将所述训练差分特征向量通过所述解码器以得到解码损失函数值；以及，训练单元260，用于基于所述解码损失函数值并通过梯度下降的方向传播来对所述基于转换器的上下文编码器和所述解码器进行训练，其中，在所述训练的每一轮迭代中，对所述解码器的权重矩阵进行权重矩阵的空间正则化约束迭代。
这里，本领域技术人员可以理解，上述ERP系统的资源调度系统100中的各个单元和模块的具体功能和操作已经在上面参考图1到图3的ERP系统的资源调度方法的描述中得到了详细介绍，并因此，将省略其重复描述。
如上所述，根据本申请实施例的ERP系统的资源调度系统100可以实现在各种终端设备中，例如适用于ERP系统的资源调度的服务器等。在一个示例中，根据本申请实施例的ERP系统的资源调度系统100可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该ERP系统的资源调度系统100可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该ERP系统的资源调度系统100同样可以是该终端设备的众多硬件模块之一。
替换地，在另一示例中，该ERP系统的资源调度系统100与该终端设备也可以是分立的设备，并且该ERP系统的资源调度系统100可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。
示例性电子设备
下面，参考图6来描述根据本申请实施例的电子设备。图6为根据本申请实施例的电子设备的框图。如图6所示，电子设备10包括一个或多个处理器11和存储器12。
处理器11可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备10中的其他组件以执行期望的功能。
存储器12可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器11可以运行所述程序指令，以实现上文所述的本申请的各个实施例的ERP系统的资源调度方法中的功能以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如企业资源供应方的供应资源描述文本、企业资源需求方的需求资源描述文本等各种内容。
在一个示例中，电子设备10还可以包括：输入装置13和输出装置14，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
该输入装置13可以包括例如键盘、鼠标等等。
该输出装置14可以向外部输出各种信息，包括解码值、资源调度结果等。该输出装置14可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图6中仅示出了该电子设备10中与本申请有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备10还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的ERP系统的资源调度方法中的功能中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的ERP系统的资源调度方法中的功能中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (10)

1.一种ERP系统的资源调度方法，其特征在于，包括：
获取企业资源供应方的供应资源描述文本，以及，企业资源需求方的需求资源描述文本；
将所述供应资源描述文本和所述需求资源描述文本分别进行分词处理后通过词嵌入层以得到供应词嵌入向量的序列和需求词嵌入向量的序列；
将所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别通过基于转换器的上下文编码器以得到供应方语义特征向量和需求方语义特征向量；
计算所述供应方语义特征向量和所述需求方语义特征向量之间的差分特征向量；
将所述差分特征向量通过解码器进行回归解码以得到解码值，所述解码值用于表示所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度；以及
基于所述解码值与预定阈值之间的比较，生成资源调度结果。
2.根据权利要求1所述的ERP系统的资源调度方法，其特征在于，将所述供应资源描述文本和所述需求资源描述文本分别进行分词处理后通过词嵌入层以得到供应词嵌入向量的序列和需求词嵌入向量的序列，包括：
对所述供应资源描述文本和所述需求资源描述文本分别进行分词处理以获得供应词的序列和需求词的序列；以及
将所述供应词的序列和所述需求词的序列分别通过词嵌入层以将所述供应词的序列和所述需求词的序列中各个供应词和各个需求词分别转化为供应词嵌入向量和需求词嵌入向量以得到供应词嵌入向量的序列和需求词嵌入向量的序列，其中，所述词嵌入层使用可学习的嵌入矩阵对所述各个供应词和所述各个需求词分别进行嵌入编码。
3.根据权利要求2所述的ERP系统的资源调度方法，其特征在于，将所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别通过基于转换器的上下文编码器以得到供应方语义特征向量和需求方语义特征向量，包括：
将所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别通过所述基于转换器的上下文编码器以得到多个供应方特征向量和多个需求方特征向量；以及
将所述多个供应方特征向量进行级联以得到所述供应方语义特征向量，并将所述多个需求方特征向量进行级联以得到所述需求方语义特征向量。
4.根据权利要求3所述的ERP系统的资源调度方法，其特征在于，将所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别通过所述基于转换器的上下文编码器以得到多个供应方特征向量和多个需求方特征向量，包括：
将所述供应词嵌入向量的序列排列为输入向量；
将所述输入向量通过可学习嵌入矩阵分别转化为查询向量和关键向量；
计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；
对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；
将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；以及
将所述自注意力特征矩阵与以所述供应词嵌入向量的序列中各个供应词嵌入向量作为值向量分别进行相乘以得到所述多个供应方特征向量。
5.根据权利要求4所述的ERP系统的资源调度方法，其特征在于，计算所述供应方语义特征向量和所述需求方语义特征向量之间的差分特征向量，包括：
以如下公式来计算所述供应方语义特征向量和所述需求方语义特征向量之间的差分特征向量；
其中，所述公式为：
Figure FDA0004160341710000021
其中，V1表示所述供应方语义特征向量，V2表示所述需求方语义特征向量，Vd表示所述差分特征向量，/>
Figure FDA0004160341710000022
表示按位置作差。
6.根据权利要求5所述的ERP系统的资源调度方法，其特征在于，将所述差分特征向量通过解码器进行回归解码以得到解码值，所述解码值用于表示所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度，包括：
使用所述解码器以如下公式对所述差分特征向量进行解码回归以获得所述解码值；其中，所述公式为：
Figure FDA0004160341710000031
其中X是所述差分特征向量，Y是所述解码值，M是权重矩阵，/>
Figure FDA0004160341710000032
表示矩阵乘。
7.根据权利要求6所述的ERP系统的资源调度方法，其特征在于，基于所述解码值与预定阈值之间的比较，生成资源调度结果，包括：
响应于所述解码值大于等于预定阈值，所述资源调度结果为向所述企业资源需求方调度所述企业资源供应方的供应资源。
8.根据权利要求7所述的ERP系统的资源调度方法，其特征在于，还包括训练步骤：对所述基于转换器的上下文编码器和所述解码器进行训练；
其中，所述训练步骤，包括：
获取企业资源供应方的训练供应资源描述文本，以及，企业资源需求方的训练需求资源描述文本，以及，所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度的真实值；
将所述训练供应资源描述文本和所述训练需求资源描述文本分别进行分词处理后通过词嵌入层以得到训练供应词嵌入向量的序列和训练需求词嵌入向量的序列；
将所述训练供应词嵌入向量的序列和所述训练需求词嵌入向量的序列分别通过所述基于转换器的上下文编码器以得到训练供应方语义特征向量和训练需求方语义特征向量；
计算所述训练供应方语义特征向量和所述训练需求方语义特征向量之间的训练差分特征向量；
将所述训练差分特征向量通过所述解码器以得到解码损失函数值；以及
基于所述解码损失函数值并通过梯度下降的方向传播来对所述基于转换器的上下文编码器和所述解码器进行训练，其中，在所述训练的每一轮迭代中，对所述解码器的权重矩阵进行权重矩阵的空间正则化约束迭代。
9.根据权利要求8所述的ERP系统的资源调度方法，其特征在于，在所述训练的每一轮迭代中，以如下公式对所述解码器的权重矩阵进行权重矩阵的空间正则化约束迭代；
其中，所述公式为：
Figure FDA0004160341710000041
其中M是所述解码器的权重矩阵，‖·‖F表示矩阵的Frobenius范数，Mb是偏置矩阵，
Figure FDA0004160341710000042
表示矩阵乘法，/>
Figure FDA0004160341710000043
表示矩阵加法，⊙表示按位置点乘，exp(·)表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值，M′表示迭代后的所述解码器的权重矩阵。
10.一种ERP系统的资源调度系统，其特征在于，包括：
资源供需数据获取单元，用于获取企业资源供应方的供应资源描述文本，以及，企业资源需求方的需求资源描述文本；
结构化单元，用于将所述供应资源描述文本和所述需求资源描述文本分别进行分词处理后通过词嵌入层以得到供应词嵌入向量的序列和需求词嵌入向量的序列；
上下文语义理解单元，用于将所述供应词嵌入向量的序列和所述需求词嵌入向量的序列分别通过基于转换器的上下文编码器以得到供应方语义特征向量和需求方语义特征向量；
差异性度量单元，用于计算所述供应方语义特征向量和所述需求方语义特征向量之间的差分特征向量；
匹配度回归单元，用于将所述差分特征向量通过解码器进行回归解码以得到解码值，所述解码值用于表示所述企业资源供应方所提供的供应资源与所述企业资源需求方所需的需求资源之间的匹配度；以及
调度结果生成单元，用于基于所述解码值与预定阈值之间的比较，生成资源调度结果。
CN202310347588.7A 2023-03-28 2023-03-28 一种erp系统的资源调度方法及其系统 Pending CN116307624A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310347588.7A CN116307624A (zh) 2023-03-28 2023-03-28 一种erp系统的资源调度方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310347588.7A CN116307624A (zh) 2023-03-28 2023-03-28 一种erp系统的资源调度方法及其系统

Publications (1)

Publication Number Publication Date
CN116307624A true CN116307624A (zh) 2023-06-23

Family

ID=86803202

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310347588.7A Pending CN116307624A (zh) 2023-03-28 2023-03-28 一种erp系统的资源调度方法及其系统

Country Status (1)

Country Link
CN (1) CN116307624A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116767204A (zh) * 2023-07-12 2023-09-19 浙江加力仓储设备股份有限公司 基于车辆载荷的车速控制方法及其系统
CN117707501A (zh) * 2023-12-18 2024-03-15 广州擎勤网络科技有限公司 基于ai与大数据的代码自动生成方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101976414A (zh) * 2010-10-26 2011-02-16 复旦大学 服装大规模定制供应链网格模型实现系统
CN113222431A (zh) * 2021-05-14 2021-08-06 北京理工大学 一种面向作业计划阶段的设计资源替换方法
WO2021169288A1 (zh) * 2020-02-26 2021-09-02 平安科技（深圳）有限公司 语义理解模型训练方法、装置、计算机设备和存储介质
CN113988727A (zh) * 2021-12-28 2022-01-28 青岛海尔工业智能研究院有限公司 资源调度方法及系统
CN114066210A (zh) * 2021-11-11 2022-02-18 帝杰曼科技股份有限公司 大数据分布式任务调度系统及其调度方法
CN115660383A (zh) * 2022-12-12 2023-01-31 成都工业职业技术学院 农产品产销资源均衡分配分析方法、系统、终端及介质
CN115693918A (zh) * 2022-09-07 2023-02-03 浙江心友机电设备安装有限公司 一种建筑综合智能用电系统及其方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101976414A (zh) * 2010-10-26 2011-02-16 复旦大学 服装大规模定制供应链网格模型实现系统
WO2021169288A1 (zh) * 2020-02-26 2021-09-02 平安科技（深圳）有限公司 语义理解模型训练方法、装置、计算机设备和存储介质
CN113222431A (zh) * 2021-05-14 2021-08-06 北京理工大学 一种面向作业计划阶段的设计资源替换方法
CN114066210A (zh) * 2021-11-11 2022-02-18 帝杰曼科技股份有限公司 大数据分布式任务调度系统及其调度方法
CN113988727A (zh) * 2021-12-28 2022-01-28 青岛海尔工业智能研究院有限公司 资源调度方法及系统
CN115693918A (zh) * 2022-09-07 2023-02-03 浙江心友机电设备安装有限公司 一种建筑综合智能用电系统及其方法
CN115660383A (zh) * 2022-12-12 2023-01-31 成都工业职业技术学院 农产品产销资源均衡分配分析方法、系统、终端及介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116767204A (zh) * 2023-07-12 2023-09-19 浙江加力仓储设备股份有限公司 基于车辆载荷的车速控制方法及其系统
CN116767204B (zh) * 2023-07-12 2024-03-26 浙江加力仓储设备股份有限公司 基于车辆载荷的车速控制方法及其系统
CN117707501A (zh) * 2023-12-18 2024-03-15 广州擎勤网络科技有限公司 基于ai与大数据的代码自动生成方法及系统

Similar Documents

Publication Publication Date Title
CN109033068B (zh) 基于注意力机制的用于阅读理解的方法、装置和电子设备
CN115796173B (zh) 针对监管报送需求的数据处理方法和系统
CN108959482B (zh) 基于深度学习的单轮对话数据分类方法、装置和电子设备
CN116307624A (zh) 一种erp系统的资源调度方法及其系统
CN112288075B (zh) 一种数据处理方法及相关设备
CN111105029B (zh) 神经网络的生成方法、生成装置和电子设备
CN116415654A (zh) 一种数据处理方法及相关设备
CN116308754B (zh) 一种银行信贷风险预警系统及其方法
CN115783923B (zh) 基于大数据的电梯故障模式识别系统
CN115759658B (zh) 适用于智慧城市的企业能耗数据管理系统
CN115834433B (zh) 基于物联网技术的数据处理方法及系统
CN111797589A (zh) 一种文本处理网络、神经网络训练的方法以及相关设备
CN116257406A (zh) 用于智慧城市的网关数据管理方法及其系统
CN113434699A (zh) Bert模型的预训练方法、计算机装置和存储介质
CN116151604A (zh) 一种web环境下办公系统流程分析系统及其方法
CN117251699A (zh) 基于人工智能的医疗大数据分析方法及系统
CN111597816A (zh) 一种自注意力命名实体识别方法、装置、设备及存储介质
CN108875024B (zh) 文本分类方法、系统、可读存储介质及电子设备
CN114444476A (zh) 信息处理方法、装置和计算机可读存储介质
CN116404212B (zh) 锌铁液流电池系统容量均衡控制方法及系统
CN116739219A (zh) 熔喷布生产管理系统及其方法
CN114726870B (zh) 基于可视化拖拽的混合云资源编排方法、系统和电子设备
CN116383714A (zh) 用于斗轮机的设备保护系统及其方法
CN115759254A (zh) 基于知识增强生成式语言模型的问答方法、系统及介质
CN115221321A (zh) 一种基于多层次语义编码的特定目标情感分析方法及装置

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