CN117271522A - 一种物流数据的处理方法及系统 - Google Patents
一种物流数据的处理方法及系统 Download PDFInfo
- Publication number
- CN117271522A CN117271522A CN202311330517.2A CN202311330517A CN117271522A CN 117271522 A CN117271522 A CN 117271522A CN 202311330517 A CN202311330517 A CN 202311330517A CN 117271522 A CN117271522 A CN 117271522A
- Authority
- CN
- China
- Prior art keywords
- logistics
- information
- analyzed
- processing
- data
- 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
Links
- 238000003672 processing method Methods 0.000 title description 3
- 238000012545 processing Methods 0.000 claims abstract description 145
- 238000012512 characterization method Methods 0.000 claims abstract description 66
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 36
- 238000005065 mining Methods 0.000 claims description 60
- 238000001228 spectrum Methods 0.000 claims description 30
- 238000013507 mapping Methods 0.000 claims description 27
- 238000007906 compression Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 13
- 230000006835 compression Effects 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 238000007499 fusion processing Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 description 7
- 230000007547 defect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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
- G06F16/23—Updating
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的一种物流数据的处理方法及系统，涉及数据处理技术领域。在本发明中，对待处理的历史物流数据和目标物流数据进行数据更新管控，以得到保存的待分析物流数据；对待分析物流数据包括的多条待分析物流信息，按照预设内容进行分类处理，以输出多条待分析物流信息对应的多个信息集合；至少基于两种关联性计算规则，分别计算每两个信息集合对应的预设内容之间的关联性表征参数；基于每两个信息集合对应的预设内容之间的关联性表征参数，对多个信息集合对应的多个预设内容进行关联管控处理。基于上述方法，可以提高物流数据关联管控的可靠度。
Description
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种物流数据的处理方法及系统。
背景技术
物流数据的应用场景较多，应用价值也较高，因此，会对物流数据进行采集并存储，但是，物流数据的数据量也是非常大的，因而，也需要对存储的数据进行更新，如将不需要的物流数据丢弃，仅保存部分物流数据等。其中，对于保存的物流数据，可以进行数据对比分析，以确定出不同对象(如用户或位置)之间的关联性，使得可以对不同对象进行关联性管控处理。但是，在现有技术中，存在着关联管控的可靠度不佳的问题。
发明内容
有鉴于此，本发明的目的在于提供一种物流数据的处理方法及系统，以提高物流数据关联管控的可靠度。
为实现上述目的，本发明实施例采用如下技术方案：
一种物流数据的处理方法，包括：
对待处理的历史物流数据和待处理的目标物流数据进行数据更新管控，以得到保存的待分析物流数据；
对所述待分析物流数据包括的多条待分析物流信息，按照预设内容进行分类处理，以输出所述多条待分析物流信息对应的多个信息集合，每一个所述信息集合包括至少一条待分析物流信息，属于同一个所述信息集合中的任意两条待分析物流信息对应的预设内容一致，属于不同所述信息集合中的任意两条待分析物流信息对应的预设内容不一致；
至少基于两种关联性计算规则，分别计算每两个所述信息集合对应的预设内容之间的关联性表征参数；
基于每两个所述信息集合对应的预设内容之间的关联性表征参数，对所述多个信息集合对应的多个预设内容进行关联管控处理。
在一些优选的实施例中，在上述物流数据的处理方法中，所述对所述待分析物流数据包括的多条待分析物流信息，按照预设内容进行分类处理，以输出所述多条待分析物流信息对应的多个信息集合的步骤，包括：
分别对所述待分析物流数据包括的多条待分析物流信息中的每一条待分析物流信息进行物流货物用户的确定处理；
对所述待分析物流数据包括的多条待分析物流信息，按照物流货物用户进行分类处理，以输出所述多条待分析物流信息对应的多个信息集合，每一个所述信息集合包括至少一条待分析物流信息，属于同一个所述信息集合中的任意两条待分析物流信息对应的物流货物用户一致，属于不同所述信息集合中的任意两条待分析物流信息对应的物流货物用户不一致。
在一些优选的实施例中，在上述物流数据的处理方法中，所述对所述待分析物流数据包括的多条待分析物流信息，按照预设内容进行分类处理，以输出所述多条待分析物流信息对应的多个信息集合的步骤，包括：
分别对所述待分析物流数据包括的多条待分析物流信息中的每一条待分析物流信息进行物流货物接收地的确定处理；
对所述待分析物流数据包括的多条待分析物流信息，按照物流货物接收地进行分类处理，以输出所述多条待分析物流信息对应的多个信息集合，每一个所述信息集合包括至少一条待分析物流信息，属于同一个所述信息集合中的任意两条待分析物流信息对应的物流货物接收地一致，属于不同信息集合中的任意两条待分析物流信息对应的物流货物接收地不一致。
在一些优选的实施例中，在上述物流数据的处理方法中，所述至少基于两种关联性计算规则，分别计算每两个所述信息集合对应的预设内容之间的关联性表征参数的步骤，包括：
对于每一个所述信息集合，对该信息集合包括的待分析物流信息进行组合处理，以形成对应的组合待分析物流信息，并对该组合待分析物流信息进行关键词提取处理，以输出对应的关键词集合，对于每两个信息集合，对该两个信息集合对应的关键词集合进行重合度计算，以输出该两个信息集合对应的预设内容之间的第一关联性参数；
分别对每一个所述组合待分析物流信息进行关键信息挖掘处理，以输出每一个所述组合待分析物流信息对应的组合关键信息特征表示；
对于每两个信息集合，对该两个信息集合对应的组合关键信息特征表示进行匹配度计算，以输出该两个信息集合对应的预设内容之间的第二关联性参数，以及，将该第二关联性参数和对应的第一关联性参数进行融合处理，以输出该两个信息集合对应的预设内容之间的关联性表征参数。
在一些优选的实施例中，在上述物流数据的处理方法中，所述分别对每一个所述组合待分析物流信息进行关键信息挖掘处理，以输出每一个所述组合待分析物流信息对应的组合关键信息特征表示的步骤，包括：
对所述组合待分析物流信息进行分布域的映射处理，以形成所述组合待分析物流信息对应的分布域映射特征表示；
对所述分布域映射特征表示进行第一参数压缩处理，以输出所述分布域映射特征表示对应的第一压缩特征表示，并对所述分布域映射特征表示进行第二参数压缩处理，以输出所述分布域映射特征表示对应的第二压缩特征表示，所述第一压缩特征表示和所述第二压缩特征表示的尺寸一致；
对所述分布域映射特征表示进行滤波处理，以输出所述分布域映射特征表示对应的滤波特征表示；
对所述第一压缩特征表示和所述第二压缩特征表示进行级联组合处理，以形成对应的第一组合特征表示，以及，对所述分布域映射特征表示和所述滤波特征表示进行级联组合处理，以形成对应的第二组合特征表示；
对所述第一组合特征表示进行特征表示参数的行列转换处理，以输出所述第一组合特征表示对应的第三组合特征表示；
对所述第三组合特征表示和所述第一组合特征表示进行相乘运算，以输出对应的第四组合特征表示，以及，获取到所述第一组合特征表示的维度参数，再基于所述维度参数，对所述第四组合特征表示进行线性映射处理，以输出对应的第五组合特征表示，以及，对所述第五组合特征表示进行非线性映射处理，以输出对应的第六组合特征表示；
对所述第六组合特征表示和所述第二组合特征表示进行相乘运算，以输出所述组合待分析物流信息对应的组合关键信息特征表示。
在一些优选的实施例中，在上述物流数据的处理方法中，所述基于每两个所述信息集合对应的预设内容之间的关联性表征参数，对所述多个信息集合对应的多个预设内容进行关联管控处理的步骤，包括：
对所述多个信息集合对应的多个预设内容进行节点化处理，以形成对应数量的多个关系图谱成员；
将所述多个关系图谱成员中的每两个关系图谱成员进行连接处理，以形成每两个关系图谱成员之间的成员连接线，并基于所述关系图谱成员和所述成员连接线，构建出对应的初始关系图谱；
在所述初始关系图谱中，基于每两个关系图谱成员对应的预设内容之间的关联性表征参数，分别对对应的所述成员连接线进行标注处理，以形成所述初始关系图谱对应的目标关系图谱。
在一些优选的实施例中，在上述物流数据的处理方法中，所述对待处理的历史物流数据和待处理的目标物流数据进行数据更新管控，以得到保存的待分析物流数据的步骤，包括：
对待处理的历史物流数据进行关键信息挖掘处理，以输出所述历史物流数据对应的历史关键信息特征表示，所述历史物流数据包括历史时间段内的每一条历史物流信息，一条所述历史物流信息对应于一个物流货物；
对待处理的目标物流数据进行关键信息挖掘处理，以输出所述目标物流数据对应的目标关键信息特征表示，所述目标物流数据包括当前时间段内的每一条目标物流信息，一条所述目标物流信息对应于一个物流货物；
对所述历史关键信息特征表示和所述目标关键信息特征表示进行匹配度计算处理，以输出对应的特征表示匹配度；
基于所述特征表示匹配度，对所述历史物流数据和所述目标物流数据进行数据更新管控，以至少将所述目标物流数据进行保存。
本发明实施例还提供一种物流数据的处理系统，包括：
数据更新管控模块，用于对待处理的历史物流数据和待处理的目标物流数据进行数据更新管控，以得到保存的待分析物流数据；
分类处理模块，用于对所述待分析物流数据包括的多条待分析物流信息，按照预设内容进行分类处理，以输出所述多条待分析物流信息对应的多个信息集合，每一个所述信息集合包括至少一条待分析物流信息，属于同一个所述信息集合中的任意两条待分析物流信息对应的预设内容一致，属于不同信息集合中的任意两条待分析物流信息对应的预设内容不一致；
关联性计算模块，用于至少基于两种关联性计算规则，分别计算每两个所述信息集合对应的预设内容之间的关联性表征参数；
关联管控处理模块，用于基于每两个所述信息集合对应的预设内容之间的关联性表征参数，对所述多个信息集合对应的多个预设内容进行关联管控处理。
在一些优选的实施例中，在上述物流数据的处理系统中，所述关联性计算模块具体用于：
对于每一个所述信息集合，对该信息集合包括的待分析物流信息进行组合处理，以形成对应的组合待分析物流信息，并对该组合待分析物流信息进行关键词提取处理，以输出对应的关键词集合，对于每两个信息集合，对该两个信息集合对应的关键词集合进行重合度计算，以输出该两个信息集合对应的预设内容之间的第一关联性参数；
分别对每一个所述组合待分析物流信息进行关键信息挖掘处理，以输出每一个所述组合待分析物流信息对应的组合关键信息特征表示；
对于每两个信息集合，对该两个信息集合对应的组合关键信息特征表示进行匹配度计算，以输出该两个信息集合对应的预设内容之间的第二关联性参数，以及，将该第二关联性参数和对应的第一关联性参数进行融合处理，以输出该两个信息集合对应的预设内容之间的关联性表征参数。
在一些优选的实施例中，在上述物流数据的处理系统中，所述关联管控处理模块具体用于：
对所述多个信息集合对应的多个预设内容进行节点化处理，以形成对应数量的多个关系图谱成员；
将所述多个关系图谱成员中的每两个关系图谱成员进行连接处理，以形成每两个关系图谱成员之间的成员连接线，并基于所述关系图谱成员和所述成员连接线，构建出对应的初始关系图谱；
在所述初始关系图谱中，基于每两个关系图谱成员对应的预设内容之间的关联性表征参数，分别对对应的所述成员连接线进行标注处理，以形成所述初始关系图谱对应的目标关系图谱。
本发明实施例提供的一种物流数据的处理方法及系统，可以对待处理的历史物流数据和目标物流数据进行数据更新管控，以得到保存的待分析物流数据；对待分析物流数据包括的多条待分析物流信息，按照预设内容进行分类处理，以输出多条待分析物流信息对应的多个信息集合；至少基于两种关联性计算规则，分别计算每两个信息集合对应的预设内容之间的关联性表征参数；基于每两个信息集合对应的预设内容之间的关联性表征参数，对多个信息集合对应的多个预设内容进行关联管控处理。基于上述内容，由于在计算预设内容之间的关联性表征参数的过程中，至少基于两种关联性计算规则，使得计算出的关联性表征参数的可靠度更高，从而提高物流数据关联管控的可靠度，改善现有技术中的不足。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
图1为本发明实施例提供的物流数据的处理平台的结构框图。
图2为本发明实施例提供的物流数据的处理方法包括的各步骤的流程示意图。
图3为本发明实施例提供的物流数据的处理系统包括的各模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
如图1所示，本发明实施例提供了一种物流数据的处理平台。其中，所述物流数据的处理平台可以包括存储器和处理器。
详细地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式，存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例(如后文所述)提供的物流数据的处理方法。
可以选择的是，在一些实施方式中，所述存储器可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(Erasable ProgrammableRead-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory，EEPROM)等。
可以选择的是，在一些实施方式中，所述处理器可以是一种通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)、片上系统(System on Chip，SoC)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以选择的是，在一些实施方式中，所述物流数据的处理平台可以是一种具备数据处理能力的服务器。
结合图2，本发明实施例还提供一种物流数据的处理方法，可应用于上述物流数据的处理平台。其中，所述物流数据的处理方法有关的流程所定义的方法步骤，可以由所述物流数据的处理平台实现。
下面将对图2所示的具体流程，进行详细阐述。
步骤S100，对待处理的历史物流数据和待处理的目标物流数据进行数据更新管控，以得到保存的待分析物流数据。
在本发明实施例中，所述物流数据的处理平台可以对待处理的历史物流数据和待处理的目标物流数据进行数据更新管控，以得到保存的待分析物流数据。
步骤S200，对所述待分析物流数据包括的多条待分析物流信息，按照预设内容进行分类处理，以输出所述多条待分析物流信息对应的多个信息集合。
在本发明实施例中，所述物流数据的处理平台可以对所述待分析物流数据包括的多条待分析物流信息，按照预设内容进行分类处理，以输出所述多条待分析物流信息对应的多个信息集合。每一个所述信息集合包括至少一条待分析物流信息，属于同一个所述信息集合中的任意两条待分析物流信息对应的预设内容一致，属于不同所述信息集合中的任意两条待分析物流信息对应的预设内容不一致。
步骤S300，至少基于两种关联性计算规则，分别计算每两个所述信息集合对应的预设内容之间的关联性表征参数。
在本发明实施例中，所述物流数据的处理平台可以至少基于两种关联性计算规则，分别计算每两个所述信息集合对应的预设内容之间的关联性表征参数。
步骤S400，基于每两个所述信息集合对应的预设内容之间的关联性表征参数，对所述多个信息集合对应的多个预设内容进行关联管控处理。
在本发明实施例中，所述物流数据的处理平台可以基于每两个所述信息集合对应的预设内容之间的关联性表征参数，对所述多个信息集合对应的多个预设内容进行关联管控处理。
基于上述内容，由于在计算预设内容之间的关联性表征参数的过程中，至少基于两种关联性计算规则，使得计算出的关联性表征参数的可靠度更高，从而提高物流数据关联管控的可靠度，改善现有技术中的不足。
可以选择的是，在一些实施方式中，上述的步骤S100，即，可以进一步包括以下的详细内容，如步骤S110、步骤S120、步骤S130和步骤S140。
步骤S110，对待处理的历史物流数据进行关键信息挖掘处理，以输出所述历史物流数据对应的历史关键信息特征表示。
在本发明实施例中，所述物流数据的处理平台可以对待处理的历史物流数据进行关键信息挖掘处理，以输出所述历史物流数据对应的历史关键信息特征表示。所述历史物流数据包括历史时间段内的每一条历史物流信息，如历史物流信息1、历史物流信息2、历史物流信息3、历史物流信息4、历史物流信息5、历史物流信息6、历史物流信息7、历史物流信息8、历史物流信息9等，一条所述历史物流信息对应于一个物流货物。示例性地，所述历史物流信息可以包括所述物流货物的货物描述信息、物流发送地信息、物流接收地信息、对应的用户信息等。
步骤S120，对待处理的目标物流数据进行关键信息挖掘处理，以输出所述目标物流数据对应的目标关键信息特征表示。
在本发明实施例中，所述物流数据的处理平台可以对待处理的目标物流数据进行关键信息挖掘处理，以输出所述目标物流数据对应的目标关键信息特征表示。所述目标物流数据包括当前时间段内的每一条目标物流信息，如目标物流信息1、目标物流信息2、目标物流信息3、目标物流信息4、目标物流信息5、目标物流信息6、目标物流信息7、目标物流信息8、目标物流信息9等，一条所述目标物流信息对应于一个物流货物。示例性地，所述目标物流信息可以包括所述物流货物的货物描述信息、物流发送地信息、物流接收地信息、对应的用户信息等。
步骤S130，对所述历史关键信息特征表示和所述目标关键信息特征表示进行匹配度计算处理，以输出对应的特征表示匹配度。
在本发明实施例中，所述物流数据的处理平台可以对所述历史关键信息特征表示和所述目标关键信息特征表示进行匹配度计算处理，如余弦相似度的计算，以输出对应的特征表示匹配度。
步骤S140，基于所述特征表示匹配度，对所述历史物流数据和所述目标物流数据进行数据更新管控，以至少将所述目标物流数据进行保存。
在本发明实施例中，所述物流数据的处理平台可以基于所述特征表示匹配度，对所述历史物流数据和所述目标物流数据进行数据更新管控，以至少将所述目标物流数据进行保存。
基于上述的内容，即步骤S110、步骤S120、步骤S130和步骤S140，由于是将历史物流数据和目标物流数据进行特征表示匹配度的计算，使得可以基于得到的特征表示匹配度对历史物流数据和目标物流数据进行数据更新管控，如此，相较于直接基于形成时间进行数据更新管控的常规技术方案，可以提高物流数据更新的可靠度，从而改善现有技术中的不足。
可以选择的是，在一些实施方式中，上述的步骤S110，即所述对待处理的历史物流数据进行关键信息挖掘处理，以输出所述历史物流数据对应的历史关键信息特征表示的步骤，可以进一步包括以下的一些内容：
利用优化关键信息挖掘网络，对待处理的历史物流数据进行关键信息挖掘处理，以输出所述历史物流数据对应的历史关键信息特征表示。
可以选择的是，在一些实施方式中，上述的步骤S120，即所述对待处理的目标物流数据进行关键信息挖掘处理，以输出所述目标物流数据对应的目标关键信息特征表示的步骤，可以进一步包括以下的一些内容：
利用所述优化关键信息挖掘网络，对待处理的目标物流数据进行关键信息挖掘处理，以输出所述目标物流数据对应的目标关键信息特征表示。
可以选择的是，在一些实施方式中，所述物流数据的处理方法还可以包括以下步骤，如进行网络优化处理，形成优化关键信息挖掘网络。基于此，所述进行网络优化处理，形成优化关键信息挖掘网络的步骤，可以进一步包括以下的一些内容：
提取到典型物流数据组合，以及，分析出所述典型物流数据组合对应的多维度物流表征数据，所述典型物流数据组合至少包括第一典型物流数据和第二典型物流数据，所述第二典型物流数据与所述第一典型物流数据之间的数据匹配关系符合预设数据匹配关系，所述多维度物流表征数据包括至少两个维度的物流表征数据，如图像维度和文本维度等；
将所述多维度物流表征数据中第一维度的物流表征数据进行隐藏操作，以输出对应的隐藏后的多维度物流表征数据，所述第一维度可以是所述至少两个维度中的任意一个维度，对此不做具体的限定，如所述第一维度属于图像维度时，可以将所述第一维度的物流表征数据对应的部分图像进行隐藏，如通过一帧全白的图像进行替换等；
通过初始关键信息挖掘网络，将所述隐藏后的多维度物流表征数据进行关键信息挖掘处理，以输出所述典型物流数据组合对应的典型关键信息特征表示和隐藏数据还原特征表示；
基于所述第一维度的物流表征数据、所述隐藏数据还原特征表示和所述典型关键信息特征表示，将所述初始关键信息挖掘网络进行学习代价值的确定操作，以输出所述初始关键信息挖掘网络对应的还原学习代价值和对应的关键信息学习代价值；
依据所述还原学习代价值和所述关键信息学习代价值，将所述初始关键信息挖掘网络进行优化处理，以形成优化关键信息挖掘网络，示例性地，可以对所述还原学习代价值和所述关键信息学习代价值进行加权求和，以输出总的学习代价值，然后，再基于所述总的学习代价值对所述初始关键信息挖掘网络进行优化处理，以形成优化关键信息挖掘网络。
可以选择的是，在一些实施方式中，所述通过初始关键信息挖掘网络，将所述隐藏后的多维度物流表征数据进行关键信息挖掘处理，以输出所述典型物流数据组合对应的典型关键信息特征表示和隐藏数据还原特征表示的步骤，可以进一步包括以下的一些内容：
将所述隐藏后的多维度物流表征数据进行分布域的整合处理，以输出位于同一分布域的每一个维度对应的初始特征表示，示例性地，可以将所述隐藏后的多维度物流表征数据分别映射到同一个分布域中，如此，可以得到位于同一分布域的每一个维度对应的初始特征表示，所述分布域也可以理解为特征空间或数据集等；
通过初始关键信息挖掘网络，将所述初始特征表示进行聚合处理，以输出所述典型物流数据组合中每一个典型物流数据对应的典型关键信息特征表示；
依据所述典型关键信息特征表示，将所述隐藏后的多维度物流表征数据中的隐藏数据进行还原处理，输出隐藏数据还原特征表示，也就是说，可以基于所述典型关键信息特征表示，对所述第一维度对应的特征表示进行关联分析预测，以输出对应的隐藏数据还原特征表示。
其中，可以选择的是，在一些实施方式中，所述通过初始关键信息挖掘网络，将所述初始特征表示进行聚合处理，以输出所述典型物流数据组合中每一个典型物流数据对应的典型关键信息特征表示的步骤，可以进一步包括以下的一些内容：
搭建初始关键信息挖掘网络，所述初始关键信息挖掘网络包括第一关键信息挖掘单元和第二关键信息挖掘单元；
通过所述第一关键信息挖掘单元，对所述初始特征表示进行级联组合，以输出对应的级联初始特征表示(如初始特征表示1-初始特征表示2-初始特征表示3-初始特征表示4)，再将所述级联初始特征表示进行关键信息挖掘处理，如进行卷积运算或滤波处理，输出第一典型关键信息特征表示；
通过所述第二关键信息挖掘单元，将各所述初始特征表示分别进行关键信息挖掘处理，如进行卷积运算或滤波处理，输出局部关键信息特征表示，再对各所述局部关键信息特征表示进行级联组合(如局部关键信息特征表示1-局部关键信息特征表示2-局部关键信息特征表示3-局部关键信息特征表示4)，输出第二典型关键信息特征表示；
对所述第一典型关键信息特征表示和所述第二典型关键信息特征表示进行级联组合(如第一典型关键信息特征表示-第二典型关键信息特征表示)，以输出所述典型物流数据组合对应的典型关键信息特征表示。
可以选择的是，在一些实施方式中，所述基于所述第一维度的物流表征数据、所述隐藏数据还原特征表示和所述典型关键信息特征表示，将所述初始关键信息挖掘网络进行学习代价值的确定操作，以输出所述初始关键信息挖掘网络对应的还原学习代价值和对应的关键信息学习代价值的步骤，可以进一步包括以下的一些内容：
基于所述第一维度的物流表征数据和所述隐藏数据还原特征表示，将所述初始关键信息挖掘网络进行第一学习代价值的确定操作，输出所述初始关键信息挖掘网络对应的还原学习代价值；
依据所述典型物流数据组合对应的典型关键信息特征表示，将所述初始关键信息挖掘网络进行第二学习代价值的确定操作，输出所述初始关键信息挖掘网络对应的关键信息学习代价值。
可以选择的是，在一些实施方式中，所述依据所述典型物流数据组合对应的典型关键信息特征表示，将所述初始关键信息挖掘网络进行第二学习代价值的确定操作，输出所述初始关键信息挖掘网络对应的关键信息学习代价值的步骤，可以进一步包括以下的一些内容：
从所述典型物流数据组合包括的第二典型物流数据中，确定出相关典型物流数据和非相关典型物流数据，所述相关典型物流数据和所述第一典型物流数据具有匹配关系(如数据之间的匹配度大于第一预设匹配度，所述第一预设匹配度可以为0.6、0.8、0.9等)，所述非相关典型物流数据和所述第一典型物流数据不具有匹配关系(如数据之间的匹配度小于第二预设匹配度，所述第二预设匹配度可以为0.2、0.3、0.4等)；
依据所述典型关键信息特征表示，分析出所述第一典型物流数据和所述相关典型物流数据之间的匹配度，以输出对应的相关维度匹配度，以及，分析出所述第一典型物流数据和所述非相关典型物流数据之间的匹配度，以输出对应的非相关维度匹配度；
基于所述相关维度匹配度和所述非相关维度匹配度，分析出所述初始关键信息挖掘网络对应的关键信息学习代价值(示例性地，可以将所述相关维度匹配度和对应的实际匹配度进行误差计算，以及，将所述非相关维度匹配度和对应的实际匹配度进行误差计算，然后，再融合两个维度的误差，以得到所述关键信息学习代价值，或者，再不具有实际匹配度的情况下，可以将所述相关维度匹配度和1之间的绝对差值的正相关值作为对应的误差，将所述非相关维度匹配度和0之间的绝对差值的正相关值作为对应的误差，然后，再融合两个维度的误差，得到所述关键信息学习代价值)。
可以选择的是，在一些实施方式中，所述基于所述第一维度的物流表征数据和所述隐藏数据还原特征表示，将所述初始关键信息挖掘网络进行第一学习代价值的确定操作，输出所述初始关键信息挖掘网络对应的还原学习代价值的步骤，可以进一步包括以下的一些内容：
基于所述隐藏数据还原特征表示进行表征数据的还原处理，如关键信息挖掘的过程可以相反，以输出对应的还原物流表征数据；
依据所述第一维度的物流表征数据和所述还原物流表征数据，将所述初始关键信息挖掘网络进行第一学习代价值的确定操作，输出所述初始关键信息挖掘网络对应的还原学习代价值；也就是说，可以计算所述第一维度的物流表征数据和所述还原物流表征数据之间的差异，以得到所述初始关键信息挖掘网络对应的还原学习代价值。
可以选择的是，在一些实施方式中，上述的步骤S140，即所述基于所述特征表示匹配度，对所述历史物流数据和所述目标物流数据进行数据更新管控，以至少将所述目标物流数据进行保存的步骤，可以进一步包括以下的一些内容：
提取到预先配置的参考匹配度，所述参考匹配度的具体数值不受限制，可以根据实际需求进行选择配置，如0.3、0.5、0.7等；
将所述参考匹配度和所述特征表示匹配度进行大小比较处理；
在所述特征表示匹配度大于或等于所述参考匹配度的情况下，将所述历史物流数据和所述目标物流数据都进行保存；
在所述特征表示匹配度小于所述参考匹配度的情况下，将所述历史物流数据丢弃，并将所述目标物流数据进行保存。
其中，可以选择的是，在另一些实施方式中，上述的步骤S140，即所述基于所述特征表示匹配度，对所述历史物流数据和所述目标物流数据进行数据更新管控，以至少将所述目标物流数据进行保存的步骤，可以进一步包括以下的一些内容：
提取到预先配置的参考匹配度，所述参考匹配度的具体数值不受限制，可以根据实际需求进行选择配置，如0.3、0.5、0.7等；
将所述参考匹配度和所述特征表示匹配度进行大小比较处理；
在所述特征表示匹配度大于或等于所述参考匹配度的情况下，将所述历史物流数据和所述目标物流数据都进行保存；
在所述特征表示匹配度小于所述参考匹配度的情况下，将所述历史物流数据中的部分数据丢弃，并将未被丢弃的部分历史物流数据保存，以及，将所述目标物流数据进行保存。
可以选择的是，在一些实施方式中，上述的步骤S200，即所述对所述待分析物流数据包括的多条待分析物流信息，按照预设内容进行分类处理，以输出所述多条待分析物流信息对应的多个信息集合的步骤，可以进一步包括以下的详细内容：
分别对所述待分析物流数据包括的多条待分析物流信息中的每一条待分析物流信息进行物流货物用户的确定处理；
对所述待分析物流数据包括的多条待分析物流信息，按照物流货物用户进行分类处理，以输出所述多条待分析物流信息对应的多个信息集合，每一个所述信息集合包括至少一条待分析物流信息，属于同一个所述信息集合中的任意两条待分析物流信息对应的物流货物用户一致，属于不同所述信息集合中的任意两条待分析物流信息对应的物流货物用户不一致。
可以选择的是，在一些实施方式中，上述的步骤S200，即所述对所述待分析物流数据包括的多条待分析物流信息，按照预设内容进行分类处理，以输出所述多条待分析物流信息对应的多个信息集合的步骤，可以进一步包括以下的详细内容：
分别对所述待分析物流数据包括的多条待分析物流信息中的每一条待分析物流信息进行物流货物接收地的确定处理；
对所述待分析物流数据包括的多条待分析物流信息，按照物流货物接收地进行分类处理，以输出所述多条待分析物流信息对应的多个信息集合，每一个所述信息集合包括至少一条待分析物流信息，属于同一个所述信息集合中的任意两条待分析物流信息对应的物流货物接收地一致，属于不同信息集合中的任意两条待分析物流信息对应的物流货物接收地不一致，所述物流货物接收地的粒度不受限制，如小区、社区、街道等。
可以选择的是，在一些实施方式中，上述的步骤S300，即所述至少基于两种关联性计算规则，分别计算每两个所述信息集合对应的预设内容之间的关联性表征参数的步骤，可以进一步包括以下的详细内容：
对于每一个所述信息集合，对该信息集合包括的待分析物流信息进行组合处理，以形成对应的组合待分析物流信息，并对该组合待分析物流信息进行关键词提取处理，可以参照相关现有技术，以输出对应的关键词集合，对于每两个信息集合，对该两个信息集合对应的关键词集合进行重合度计算，以输出该两个信息集合对应的预设内容之间的第一关联性参数；
分别对每一个所述组合待分析物流信息进行关键信息挖掘处理，以输出每一个所述组合待分析物流信息对应的组合关键信息特征表示；
对于每两个信息集合，对该两个信息集合对应的组合关键信息特征表示进行匹配度计算，如余弦相似度的计算，以输出该两个信息集合对应的预设内容之间的第二关联性参数，以及，将该第二关联性参数和对应的第一关联性参数进行融合处理，如均值或加权求和计算等，以输出该两个信息集合对应的预设内容之间的关联性表征参数。
可以选择的是，在一些实施方式中，所述分别对每一个所述组合待分析物流信息进行关键信息挖掘处理，以输出每一个所述组合待分析物流信息对应的组合关键信息特征表示的步骤，可以进一步包括以下的详细内容：
对所述组合待分析物流信息进行分布域的映射处理，以形成所述组合待分析物流信息对应的分布域映射特征表示；
对所述分布域映射特征表示进行第一参数压缩处理，以输出所述分布域映射特征表示对应的第一压缩特征表示，并对所述分布域映射特征表示进行第二参数压缩处理，以输出所述分布域映射特征表示对应的第二压缩特征表示，所述第一压缩特征表示和所述第二压缩特征表示的尺寸一致，示例性地，参数压缩处理可以是指，对所述分布域映射特征表示进行滑窗处理，然后，对每一个窗口内的参数进行压缩，即通过确定出一个代表参数来代表该窗口，如确定最大值、平均值、中位值等；
对所述分布域映射特征表示进行滤波处理，可以基于进行网络优化形成滤波矩阵实现，以输出所述分布域映射特征表示对应的滤波特征表示；
对所述第一压缩特征表示和所述第二压缩特征表示进行级联组合处理，以形成对应的第一组合特征表示，以及，对所述分布域映射特征表示和所述滤波特征表示进行级联组合处理，以形成对应的第二组合特征表示；
对所述第一组合特征表示进行特征表示参数的行列转换处理，以输出所述第一组合特征表示对应的第三组合特征表示；
对所述第三组合特征表示和所述第一组合特征表示进行相乘运算，以输出对应的第四组合特征表示，以及，获取到所述第一组合特征表示的维度参数，再基于所述维度参数，对所述第四组合特征表示进行线性映射处理，以输出对应的第五组合特征表示，以及，对所述第五组合特征表示进行非线性映射处理，以输出对应的第六组合特征表示；
对所述第六组合特征表示和所述第二组合特征表示进行相乘运算，以输出所述组合待分析物流信息对应的组合关键信息特征表示，基于此，可以实现对所述分布域映射特征表示的聚焦特征分析，使得得到的组合关键信息特征表示可以更好的反映所述组合待分析物流信息。
可以选择的是，在一些实施方式中，上述的步骤S400，即所述基于每两个所述信息集合对应的预设内容之间的关联性表征参数，对所述多个信息集合对应的多个预设内容进行关联管控处理的步骤，可以进一步包括以下的详细内容：
对所述多个信息集合对应的多个预设内容进行节点化处理，以形成对应数量的多个关系图谱成员，即一个预设内容对应一个关系图谱成员；
将所述多个关系图谱成员中的每两个关系图谱成员进行连接处理，以形成每两个关系图谱成员之间的成员连接线，并基于所述关系图谱成员和所述成员连接线，构建出对应的初始关系图谱；
在所述初始关系图谱中，基于每两个关系图谱成员对应的预设内容之间的关联性表征参数，分别对对应的所述成员连接线进行标注处理，以形成所述初始关系图谱对应的目标关系图谱。
结合图3，本发明实施例还提供一种物流数据的处理系统，可应用于上述物流数据的处理平台。其中，所述物流数据的处理系统可以包括：
数据更新管控模块，用于对待处理的历史物流数据和待处理的目标物流数据进行数据更新管控，以得到保存的待分析物流数据；
分类处理模块，用于对所述待分析物流数据包括的多条待分析物流信息，按照预设内容进行分类处理，以输出所述多条待分析物流信息对应的多个信息集合，每一个所述信息集合包括至少一条待分析物流信息，属于同一个所述信息集合中的任意两条待分析物流信息对应的预设内容一致，属于不同信息集合中的任意两条待分析物流信息对应的预设内容不一致；
关联性计算模块，用于至少基于两种关联性计算规则，分别计算每两个所述信息集合对应的预设内容之间的关联性表征参数；
关联管控处理模块，用于基于每两个所述信息集合对应的预设内容之间的关联性表征参数，对所述多个信息集合对应的多个预设内容进行关联管控处理。
可以选择的是，在一些实施方式中，所述关联性计算模块具体用于：
对于每一个所述信息集合，对该信息集合包括的待分析物流信息进行组合处理，以形成对应的组合待分析物流信息，并对该组合待分析物流信息进行关键词提取处理，以输出对应的关键词集合，对于每两个信息集合，对该两个信息集合对应的关键词集合进行重合度计算，以输出该两个信息集合对应的预设内容之间的第一关联性参数；
分别对每一个所述组合待分析物流信息进行关键信息挖掘处理，以输出每一个所述组合待分析物流信息对应的组合关键信息特征表示；
对于每两个信息集合，对该两个信息集合对应的组合关键信息特征表示进行匹配度计算，以输出该两个信息集合对应的预设内容之间的第二关联性参数，以及，将该第二关联性参数和对应的第一关联性参数进行融合处理，以输出该两个信息集合对应的预设内容之间的关联性表征参数。
可以选择的是，在一些实施方式中，所述关联管控处理模块具体用于：
对所述多个信息集合对应的多个预设内容进行节点化处理，以形成对应数量的多个关系图谱成员；
将所述多个关系图谱成员中的每两个关系图谱成员进行连接处理，以形成每两个关系图谱成员之间的成员连接线，并基于所述关系图谱成员和所述成员连接线，构建出对应的初始关系图谱；
在所述初始关系图谱中，基于每两个关系图谱成员对应的预设内容之间的关联性表征参数，分别对对应的所述成员连接线进行标注处理，以形成所述初始关系图谱对应的目标关系图谱。
综上所述，本发明提供的一种物流数据的处理方法及系统，可以对待处理的历史物流数据和目标物流数据进行数据更新管控，以得到保存的待分析物流数据；对待分析物流数据包括的多条待分析物流信息，按照预设内容进行分类处理，以输出多条待分析物流信息对应的多个信息集合；至少基于两种关联性计算规则，分别计算每两个信息集合对应的预设内容之间的关联性表征参数；基于每两个信息集合对应的预设内容之间的关联性表征参数，对多个信息集合对应的多个预设内容进行关联管控处理。基于上述内容，由于在计算预设内容之间的关联性表征参数的过程中，至少基于两种关联性计算规则，使得计算出的关联性表征参数的可靠度更高，从而提高物流数据关联管控的可靠度，改善现有技术中的不足。
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，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (10)
1.一种物流数据的处理方法，其特征在于，包括：
对待处理的历史物流数据和待处理的目标物流数据进行数据更新管控，以得到保存的待分析物流数据；
对所述待分析物流数据包括的多条待分析物流信息，按照预设内容进行分类处理，以输出所述多条待分析物流信息对应的多个信息集合，每一个所述信息集合包括至少一条待分析物流信息，属于同一个所述信息集合中的任意两条待分析物流信息对应的预设内容一致，属于不同所述信息集合中的任意两条待分析物流信息对应的预设内容不一致；
至少基于两种关联性计算规则，分别计算每两个所述信息集合对应的预设内容之间的关联性表征参数；
基于每两个所述信息集合对应的预设内容之间的关联性表征参数，对所述多个信息集合对应的多个预设内容进行关联管控处理。
2.如权利要求1所述的物流数据的处理方法，其特征在于，所述对所述待分析物流数据包括的多条待分析物流信息，按照预设内容进行分类处理，以输出所述多条待分析物流信息对应的多个信息集合的步骤，包括：
分别对所述待分析物流数据包括的多条待分析物流信息中的每一条待分析物流信息进行物流货物用户的确定处理；
对所述待分析物流数据包括的多条待分析物流信息，按照物流货物用户进行分类处理，以输出所述多条待分析物流信息对应的多个信息集合，每一个所述信息集合包括至少一条待分析物流信息，属于同一个所述信息集合中的任意两条待分析物流信息对应的物流货物用户一致，属于不同所述信息集合中的任意两条待分析物流信息对应的物流货物用户不一致。
3.如权利要求1所述的物流数据的处理方法，其特征在于，所述对所述待分析物流数据包括的多条待分析物流信息，按照预设内容进行分类处理，以输出所述多条待分析物流信息对应的多个信息集合的步骤，包括：
分别对所述待分析物流数据包括的多条待分析物流信息中的每一条待分析物流信息进行物流货物接收地的确定处理；
对所述待分析物流数据包括的多条待分析物流信息，按照物流货物接收地进行分类处理，以输出所述多条待分析物流信息对应的多个信息集合，每一个所述信息集合包括至少一条待分析物流信息，属于同一个所述信息集合中的任意两条待分析物流信息对应的物流货物接收地一致，属于不同信息集合中的任意两条待分析物流信息对应的物流货物接收地不一致。
4.如权利要求1所述的物流数据的处理方法，其特征在于，所述至少基于两种关联性计算规则，分别计算每两个所述信息集合对应的预设内容之间的关联性表征参数的步骤，包括：
对于每一个所述信息集合，对该信息集合包括的待分析物流信息进行组合处理，以形成对应的组合待分析物流信息，并对该组合待分析物流信息进行关键词提取处理，以输出对应的关键词集合，对于每两个信息集合，对该两个信息集合对应的关键词集合进行重合度计算，以输出该两个信息集合对应的预设内容之间的第一关联性参数；
分别对每一个所述组合待分析物流信息进行关键信息挖掘处理，以输出每一个所述组合待分析物流信息对应的组合关键信息特征表示；
对于每两个信息集合，对该两个信息集合对应的组合关键信息特征表示进行匹配度计算，以输出该两个信息集合对应的预设内容之间的第二关联性参数，以及，将该第二关联性参数和对应的第一关联性参数进行融合处理，以输出该两个信息集合对应的预设内容之间的关联性表征参数。
5.如权利要求4所述的物流数据的处理方法，其特征在于，所述分别对每一个所述组合待分析物流信息进行关键信息挖掘处理，以输出每一个所述组合待分析物流信息对应的组合关键信息特征表示的步骤，包括：
对所述组合待分析物流信息进行分布域的映射处理，以形成所述组合待分析物流信息对应的分布域映射特征表示；
对所述分布域映射特征表示进行第一参数压缩处理，以输出所述分布域映射特征表示对应的第一压缩特征表示，并对所述分布域映射特征表示进行第二参数压缩处理，以输出所述分布域映射特征表示对应的第二压缩特征表示，所述第一压缩特征表示和所述第二压缩特征表示的尺寸一致；
对所述分布域映射特征表示进行滤波处理，以输出所述分布域映射特征表示对应的滤波特征表示；
对所述第一压缩特征表示和所述第二压缩特征表示进行级联组合处理，以形成对应的第一组合特征表示，以及，对所述分布域映射特征表示和所述滤波特征表示进行级联组合处理，以形成对应的第二组合特征表示；
对所述第一组合特征表示进行特征表示参数的行列转换处理，以输出所述第一组合特征表示对应的第三组合特征表示；
对所述第三组合特征表示和所述第一组合特征表示进行相乘运算，以输出对应的第四组合特征表示，以及，获取到所述第一组合特征表示的维度参数，再基于所述维度参数，对所述第四组合特征表示进行线性映射处理，以输出对应的第五组合特征表示，以及，对所述第五组合特征表示进行非线性映射处理，以输出对应的第六组合特征表示；
对所述第六组合特征表示和所述第二组合特征表示进行相乘运算，以输出所述组合待分析物流信息对应的组合关键信息特征表示。
6.如权利要求1所述的物流数据的处理方法，其特征在于，所述基于每两个所述信息集合对应的预设内容之间的关联性表征参数，对所述多个信息集合对应的多个预设内容进行关联管控处理的步骤，包括：
对所述多个信息集合对应的多个预设内容进行节点化处理，以形成对应数量的多个关系图谱成员；
将所述多个关系图谱成员中的每两个关系图谱成员进行连接处理，以形成每两个关系图谱成员之间的成员连接线，并基于所述关系图谱成员和所述成员连接线，构建出对应的初始关系图谱；
在所述初始关系图谱中，基于每两个关系图谱成员对应的预设内容之间的关联性表征参数，分别对对应的所述成员连接线进行标注处理，以形成所述初始关系图谱对应的目标关系图谱。
7.如权利要求1-6任意一项所述的物流数据的处理方法，其特征在于，所述对待处理的历史物流数据和待处理的目标物流数据进行数据更新管控，以得到保存的待分析物流数据的步骤，包括：
对待处理的历史物流数据进行关键信息挖掘处理，以输出所述历史物流数据对应的历史关键信息特征表示，所述历史物流数据包括历史时间段内的每一条历史物流信息，一条所述历史物流信息对应于一个物流货物；
对待处理的目标物流数据进行关键信息挖掘处理，以输出所述目标物流数据对应的目标关键信息特征表示，所述目标物流数据包括当前时间段内的每一条目标物流信息，一条所述目标物流信息对应于一个物流货物；
对所述历史关键信息特征表示和所述目标关键信息特征表示进行匹配度计算处理，以输出对应的特征表示匹配度；
基于所述特征表示匹配度，对所述历史物流数据和所述目标物流数据进行数据更新管控，以至少将所述目标物流数据进行保存。
8.一种物流数据的处理系统，其特征在于，包括：
数据更新管控模块，用于对待处理的历史物流数据和待处理的目标物流数据进行数据更新管控，以得到保存的待分析物流数据；
分类处理模块，用于对所述待分析物流数据包括的多条待分析物流信息，按照预设内容进行分类处理，以输出所述多条待分析物流信息对应的多个信息集合，每一个所述信息集合包括至少一条待分析物流信息，属于同一个所述信息集合中的任意两条待分析物流信息对应的预设内容一致，属于不同信息集合中的任意两条待分析物流信息对应的预设内容不一致；
关联性计算模块，用于至少基于两种关联性计算规则，分别计算每两个所述信息集合对应的预设内容之间的关联性表征参数；
关联管控处理模块，用于基于每两个所述信息集合对应的预设内容之间的关联性表征参数，对所述多个信息集合对应的多个预设内容进行关联管控处理。
9.如权利要求8所述的物流数据的处理系统，其特征在于，所述关联性计算模块具体用于：
对于每一个所述信息集合，对该信息集合包括的待分析物流信息进行组合处理，以形成对应的组合待分析物流信息，并对该组合待分析物流信息进行关键词提取处理，以输出对应的关键词集合，对于每两个信息集合，对该两个信息集合对应的关键词集合进行重合度计算，以输出该两个信息集合对应的预设内容之间的第一关联性参数；
分别对每一个所述组合待分析物流信息进行关键信息挖掘处理，以输出每一个所述组合待分析物流信息对应的组合关键信息特征表示；
对于每两个信息集合，对该两个信息集合对应的组合关键信息特征表示进行匹配度计算，以输出该两个信息集合对应的预设内容之间的第二关联性参数，以及，将该第二关联性参数和对应的第一关联性参数进行融合处理，以输出该两个信息集合对应的预设内容之间的关联性表征参数。
10.如权利要求8所述的物流数据的处理系统，其特征在于，所述关联管控处理模块具体用于：
对所述多个信息集合对应的多个预设内容进行节点化处理，以形成对应数量的多个关系图谱成员；
将所述多个关系图谱成员中的每两个关系图谱成员进行连接处理，以形成每两个关系图谱成员之间的成员连接线，并基于所述关系图谱成员和所述成员连接线，构建出对应的初始关系图谱；
在所述初始关系图谱中，基于每两个关系图谱成员对应的预设内容之间的关联性表征参数，分别对对应的所述成员连接线进行标注处理，以形成所述初始关系图谱对应的目标关系图谱。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311330517.2A CN117271522A (zh) | 2023-10-13 | 2023-10-13 | 一种物流数据的处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311330517.2A CN117271522A (zh) | 2023-10-13 | 2023-10-13 | 一种物流数据的处理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117271522A true CN117271522A (zh) | 2023-12-22 |
Family
ID=89219595
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311330517.2A Pending CN117271522A (zh) | 2023-10-13 | 2023-10-13 | 一种物流数据的处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117271522A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117807377A (zh) * | 2024-03-01 | 2024-04-02 | 深圳市快金数据技术服务有限公司 | 多维度物流数据挖掘与预测方法及系统 |
-
2023
- 2023-10-13 CN CN202311330517.2A patent/CN117271522A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117807377A (zh) * | 2024-03-01 | 2024-04-02 | 深圳市快金数据技术服务有限公司 | 多维度物流数据挖掘与预测方法及系统 |
| CN117807377B (zh) * | 2024-03-01 | 2024-05-14 | 深圳市快金数据技术服务有限公司 | 多维度物流数据挖掘与预测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110991170B (zh) | 基于电子病历信息的中文疾病名称智能标准化方法与系统 | |
| CN115236260B (zh) | 一种色谱数据储存方法、装置、电子设备及存储介质 | |
| CN117271522A (zh) | 一种物流数据的处理方法及系统 | |
| CN117112628A (zh) | 一种物流数据的更新方法及系统 | |
| CN112085565A (zh) | 基于深度学习的信息推荐方法、装置、设备及存储介质 | |
| CN112508456A (zh) | 食品安全风险评估方法、系统、计算机设备及存储介质 | |
| CN111724084A (zh) | 数据资产的价值显示方法、装置、设备及存储介质 | |
| CN113345080A (zh) | 一种供应商画像建模方法及系统 | |
| CN115718846B (zh) | 用于智能化交互网络的大数据挖掘方法及系统 | |
| CN111652661B (zh) | 一种手机客户端用户流失预警处理方法 | |
| CN115687674A (zh) | 服务于智慧云服务平台的大数据需求分析方法及系统 | |
| CN114676279A (zh) | 图像检索方法、装置、设备及计算机可读存储介质 | |
| CN116720119A (zh) | 应用于多端业务交互的大数据识别方法及系统 | |
| CN115757900B (zh) | 应用人工智能模型的用户需求分析方法及系统 | |
| CN116702220A (zh) | 基于加密特征分析的数据比对方法及系统 | |
| CN113535815B (zh) | 适于电子商务的业务操作行为大数据挖掘方法及系统 | |
| CN115757365A (zh) | 多维时序数据异常检测方法、模型训练方法及装置 | |
| CN112598185A (zh) | 农业舆情分析方法、装置、设备及存储介质 | |
| CN113537363B (zh) | 一种异常对象检测方法及装置、电子设备及存储介质 | |
| CN117236617B (zh) | 一种企业业务管理方法及系统 | |
| CN117221134A (zh) | 一种基于互联网的状态分析方法及系统 | |
| CN115658946B (zh) | 基于5g互联网的监控数据可视化方法及系统 | |
| CN116415068A (zh) | 基于人工智能的数字金融业务推送方法及系统 | |
| CN116150221B (zh) | 服务于企业电商运营管理的信息交互方法及系统 | |
| CN117349531A (zh) | 一种基于智慧家居的用户信息推荐方法及系统 |
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 |