CN117689394A - 农产品流通数据处理方法、装置、电子设备及存储介质 - Google Patents
农产品流通数据处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117689394A CN117689394A CN202311688277.3A CN202311688277A CN117689394A CN 117689394 A CN117689394 A CN 117689394A CN 202311688277 A CN202311688277 A CN 202311688277A CN 117689394 A CN117689394 A CN 117689394A
- Authority
- CN
- China
- Prior art keywords
- information
- agricultural product
- circulation
- target
- price
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000003672 processing method Methods 0.000 title abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 69
- 238000012545 processing Methods 0.000 claims abstract description 59
- 238000000605 extraction Methods 0.000 claims abstract description 51
- 230000009193 crawling Effects 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims description 52
- 238000004458 analytical method Methods 0.000 claims description 31
- 230000008451 emotion Effects 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 22
- 238000010801 machine learning Methods 0.000 claims description 14
- 238000003306 harvesting Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 238000004519 manufacturing process Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 10
- 238000007689 inspection Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000010219 correlation analysis Methods 0.000 description 5
- 238000012098 association analyses Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 230000004720 fertilization Effects 0.000 description 3
- 238000012731 temporal analysis Methods 0.000 description 3
- 238000000700 time series analysis Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 235000015278 beef Nutrition 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
- 238000009333 weeding Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种农产品流通数据处理方法、装置、电子设备及存储介质。本申请的方法包括:从至少一个数据渠道爬取目标农产品在多个流通环节的基础数据,基础数据中记录有所述目标农产品的流通信息;基于预设的信息抽取模型,从基础数据中抽取目标农产品在至少一个信息类型上的流通信息;将目标农产品在至少一个信息类型上的流通信息写入预先构建的农产品信息资源区块链中,以供用户查询。通过本申请的农产品流通数据处理方法,可拓宽目标农产品的流通信息的采集范围,进而向用户提供大量关于目标农产品的真实且完善的流通信息,避免现有技术中用户难以了解农产品的真实情况的问题,为用户的决策提供便利。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种农产品流通数据处理方法、装置、电子设备及存储介质。
背景技术
在传统的农产品推荐领域中,推荐平台仅通过简单的产品描述向用户展示商品,例如在传统的电商直播场景中,直播方仅通过主播口头描述的方式向用户讲解农产品的情况。由于信息不透明,用户难以了解农产品的真实质量和生产过程,可能导致购买到低质量或不符合期望的产品。
发明内容
本申请实施例通过提供一种农产品流通数据处理方法、装置、电子设备及存储介质,解决了现有技术中用户难以了解农产品的真实情况的问题,可向用户提供大量关于农产品的真实且完善的流通信息,为用户的决策提供便利。
第一方面,本申请提供了一种农产品流通数据处理方法,包括:
从至少一个数据渠道爬取目标农产品在多个流通环节的基础数据,所述基础数据中记录有所述目标农产品的流通信息;
基于预设的信息抽取模型,从所述基础数据中抽取所述目标农产品在至少一个信息类型上的流通信息;
将所述目标农产品在至少一个信息类型上的流通信息写入预先构建的农产品信息资源区块链中,以供用户查询。
可选地,所述信息抽取模型包括特征提取模型,所述基于预设的信息抽取模型,从所述基础数据中抽取所述目标农产品在至少一个信息类型上的流通信息,包括:
通过所述特征提取模型从所述基础数据中确定用于标识各个信息类型的关键字段;
根据所述关键字段,从所述基础数据中获取所述目标农产品在所述至少一个信息类型上的流通信息。
可选地,所述信息抽取模型包括关联规则学习模型和价格预测模型,所述基于预设的信息抽取模型,从所述基础数据中抽取所述目标农产品在至少一个信息类型上的流通信息,包括:
基于所述基础数据,通过所述关联规则学习模型确定所述目标农产品的价格影响因素;
根据所述价格影响因素,从所述基础数据中获取所述目标农产品的价格关联信息;
基于所述价格关联信息,通过价格预测模型确定所述目标农产品的第一价格信息;
将所述第一价格信息确定为所述目标农产品在农产品销售信息类型上的流通信息。
可选地,所述方法还包括:
接收第一终端发送的针对所述目标农产品的流通信息查询请求;
根据所述流通信息查询请求确定待查询的流通信息所对应的目标信息类型;
从所述农产品信息资源区块链中读取所述目标信息类型对应的流通信息;
向所述第一终端所述目标信息类型对应的流通信息。
可选地,所述方法还包括:
获取所述目标农产品在多个直播平台的直播过程中的直播评价信息和直播销售信息;
基于所述直播评价信息和直播销售信息,通过机器学习模型确定各个所述直播平台的评分;
将各个所述直播平台的评分写入所述农产品信息资源区块链中,以供用户查询。
可选地,所述方法还包括:
根据所述直播评价信息和所述直播销售信息确定所述目标农产品的第二价格信息;
将所述第二价格信息写入所述农产品信息资源区块链中,以供用户查询。
可选地,所述根据所述直播评价信息和所述直播销售信息确定所述目标农产品的第二价格信息,包括:
对所述直播评价信息进行情感增强处理,得到增强处理后的直播评价信息;
按照提示学习策略,对所述增强处理后的直播评价信息进行文本情感分析,得到分析结果;
根据所述分析结果和所述直播销售信息确定所述目标农产品的第二价格信息。
可选地,所述方法还包括:
接收第二终端发送的针对所述目标农产品的直播信息查询请求;
响应所述直播信息查询请求,从所述农产品信息资源区块链中读取所述目标农产品对应的各个直播平台的评分;
向所述第二终端发送所述各个直播平台的评分。
可选地,所述信息类型包括农产品种植信息、农产品采收信息、农产品运输信息、农产品加工信息、农产品质检信息、农产品储存信息、农产品销售信息中的至少一个。
第二方面,本申请提供了一种农产品流通数据处理装置,包括:
爬取模块,用于从至少一个数据渠道爬取目标农产品在多个流通环节的基础数据,所述基础数据中记录有所述目标农产品的流通信息;
抽取模块,用于基于预设的信息抽取模型,从所述基础数据中抽取所述目标农产品在至少一个信息类型上的流通信息;
第一写入模块,用于将所述目标农产品在至少一个信息类型上的流通信息写入预先构建的农产品信息资源区块链中,以供用户查询。
可选地,所述信息抽取模型包括特征提取模型,所述抽取模块包括:
第一确定子模块,用于通过所述特征提取模型从所述基础数据中确定用于标识各个信息类型的关键字段;
第一获取子模块,用于根据所述关键字段,从所述基础数据中获取所述目标农产品在所述至少一个信息类型上的流通信息。
可选地,所述信息抽取模型包括关联规则学习模型和价格预测模型,所述抽取模块包括:
第二确定子模块,用于基于所述基础数据,通过所述关联规则学习模型确定所述目标农产品的价格影响因素;
第二获取子模块,用于根据所述价格影响因素,从所述基础数据中获取所述目标农产品的价格关联信息;
第三确定子模块,用于基于所述价格关联信息,通过价格预测模型确定所述目标农产品的第一价格信息;
第四确定子模块,用于将所述第一价格信息确定为所述目标农产品在农产品销售信息类型上的流通信息。
可选地,所述装置还包括:
第一接收模块,用于接收第一终端发送的针对所述目标农产品的流通信息查询请求;
第一确定模块,用于根据所述流通信息查询请求确定待查询的流通信息所对应的目标信息类型;
第一读取模块,用于从所述农产品信息资源区块链中读取所述目标信息类型对应的流通信息;
第一发送模块,用于向所述第一终端所述目标信息类型对应的流通信息。
可选地,所述装置还包括:
获取模块,用于获取所述目标农产品在多个直播平台的直播过程中的直播评价信息和直播销售信息;
第二确定模块,用于基于所述直播评价信息和直播销售信息,通过机器学习模型确定各个所述直播平台的评分;
第二写入模块,用于将各个所述直播平台的评分写入所述农产品信息资源区块链中,以供用户查询。
可选地,所述装置还包括:
第三确定模块,用于根据所述直播评价信息和所述直播销售信息确定所述目标农产品的第二价格信息;
第三写入模块,用于将所述第二价格信息写入所述农产品信息资源区块链中,以供用户查询。
可选地,所述第三确定模块包括:
处理子模块,用于对所述直播评价信息进行情感增强处理,得到增强处理后的直播评价信息;
分析子模块,用于按照提示学习策略,对所述增强处理后的直播评价信息进行文本情感分析,得到分析结果;
第五确定子模块,用于根据所述分析结果和所述直播销售信息确定所述目标农产品的第二价格信息。
可选地,所述装置还包括:
第二接收模块,用于接收第二终端发送的针对所述目标农产品的直播信息查询请求;
第二读取模块,用于响应所述直播信息查询请求,从所述农产品信息资源区块链中读取所述目标农产品对应的各个直播平台的评分;
第二发送模块,用于向所述第二终端发送所述各个直播平台的评分。
可选地,所述信息类型包括农产品种植信息、农产品采收信息、农产品运输信息、农产品加工信息、农产品质检信息、农产品储存信息、农产品销售信息中的至少一个。
第三方面,本申请提供了一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行以实现如本申请第一方面所述的一种农产品流通数据处理方法。
第四方面,本申请提供了一种非临时性计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行实现如本申请第一方面所述的农产品流通数据处理方法。
在本实施例中,首先从至少一个数据渠道爬取目标农产品在多个流通环节的记录有目标农产品的流通信息的基础数据,然后通过预设的信息抽取模型对基础数据进行分析,进而得到目标农产品在至少一个信息类型上的流通信息,最后再将目标农产品的流通信息写入农产品信息资源区块链中,方便用户查询。该农产品流通数据处理方法具备如下技术效果:
第一、本申请通过从至少一个数据渠道爬取记录有目标农产品的流通信息的基础数据,拓宽了流通信息的采集范围,使得最终写入农产品信息资源区块链的流通信息更真实且更完善。
第二、本申请通过信息抽取模型对基础数据进行分析,可实现对基础数据的进一步挖掘和深度分析,进一步增强了最终写入农产品信息资源区块链的流通信息的准确性。
第三、本申请通过将目标农产品在至少一个信息类型上的流通信息写入农产品信息资源区块链,支持用户随时查询目标农场品的真实流通情况,可为用户的决策提供便利。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例示出的一种农产品流通数据处理方法的流程图;
图2是本申请一实施例示出的一种目标农产品的流通信息示意图;
图3是本申请一实施例示出的第二价格信息的获取过程示意图;
图4是本申请一实施例示出的确定各个直播平台的评分的过程示意图;
图5是本申请一实施例提供的一种农产品流通数据处理装的结构框图;
图6是本申请一实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
图1是本申请一实施例示出的一种农产品流通数据处理方法的流程图。参照图1,本申请的农产品流通数据处理方法包括以下步骤:
步骤S11:从至少一个数据渠道爬取目标农产品在多个流通环节的基础数据,基础数据中记录有目标农产品的流通信息。
在本实施例中,目标农产品主要包括种植业、畜牧业、渔业等行业类型的产品,且目标农产品包括未加工和加工后的产品。其中,种植业、畜牧业、渔业各自包含多种类型的产品,例如属于种植业的农产品可以进一步划分得到粮食作物、经济作物、蔬菜作物、绿肥作物、饲料作物、牧草、园艺作物等。本实施例对种植业、畜牧业、渔业各自包含的产品类别不作具体限制。
在本实施例中,流通环节主要包括:农业生产环节、收获环节、质检环节、运输环节、储存环节、销售环节等。
针对不同行业类型的农产品,流通环节也可以不同。例如,对属于种植业这一行业类型的农产品,流通环节可以包括:选种、播种、育苗、施肥、农药、采收、储存、运输、质检、加工、销售等。
在本实施例中,流通信息是指在流通环节产生的信息。例如对于施肥这一环节,所有关于施肥的信息都可以作为流通信息。再例如对于运输环节,所有关于运输的信息都可以作为流通信息。
在具体实施过程中,目标农产品在多个流通环节以及各个流通环节的流通信息可以根据实际需求设置,本申请实施例对此不作具体限制。
为便于后续实施例的陈述,在此特别说明,本申请后续的各个实施例中的目标农产品均是指种植业这一行业类型的农产品。其他行业类型的农产品的流通数据的处理方法的原理,与种植业这一行业类型的农产品的流通数据的处理方法的原理相同。
在本实施例中,由于目标农产品在多个流通环节的基础数据可以被存储在多个数据渠道,因此在步骤S11中,可以采用数据爬取技术,从至少一个数据渠道爬取目标农产品在多个流通环节的基础数据。
其中,数据渠道可以包括各类政务机构公开的关于工业、农业、安全生产、交通运输、信用服务、政策措施等数据。例如从公开的农业数据这一数据渠道,可以获得X省全年粮食作物生产信息、Y省粮食作物生产情况季报信息。再例如从公开的政策措施这一数据渠道,可以获得Y省M年的各类产品的价格调整指导标准。
在具体实施时,可以根据实际需求设置需要爬取基础数据的数据渠道。
在本实施例中,可以根据实际需求采用任意的信息爬取工具实现目标农产品在多个流通环节的基础数据的爬取。
在一种实施方式中,在获取到目标农产品在多个流通环节的基础数据之后,还可以对基础数据进行数据预处理,包括数据清洗、删除重复字段、填补空缺值以及更正错误信息等。数据预处理的具体处理方法可以根据实际需求选用,本实施例对此不作具体限制。
在本申请中,执行主体可以是农产品数据处理装置,具体将在后文详细陈述。
步骤S12:基于预设的信息抽取模型,从基础数据中抽取目标农产品在至少一个信息类型上的流通信息。
在本实施例中,信息类型包括以下任意一者:农产品种植信息、农产品采收信息、农产品运输信息、农产品加工信息、农产品质检信息、农产品储存信息、农产品销售信息。
在本实施例中,信息抽取模型至少具备对基础数据进行特征提取、特征分析的功能,可用于从基础数据中抽取目标农产品在至少一个信息类型上的流通信息。将基础数据输入预设的信息抽取模型之后,信息抽取模型自动对基础数据进行分析,输出目标农产品在至少一个信息类型上的流通信息。
在一种实施方式中,如果对基础数据进行了预处理,那么将预处理后的基础数据输入信息抽取模型,信息抽取模型自动对预处理后的基础数据进行分析,输出目标农产品在至少一个信息类型上的流通信息。
步骤S13:将目标农产品在至少一个信息类型上的流通信息写入预先构建的农产品信息资源区块链中,以供用户查询。
在本实施例中,采用区块链技术实现对目标农产品在至少一个信息类型上的流通信息的存储,即将目标农产品在至少一个信息类型上的流通信息写入预先构建的农产品信息资源区块链中。
在具体实施时,可以采用任意方式实现基于区块链技术的流通信息的存储,本实施例对此不作具体限制。例如,可以按照流通信息的产生时间的先后顺序,将流通信息依次存储在多个区块链中,最终形成农产品信息资源区块链。
在本实施例中,将目标农产品的流通信息写入农产品信息资源区块链之后,用户可以随时查询农产品信息资源区块链,以获得目标农产品在多个信息类型上的流通信息。
在一种实施方式中,可以从多个数据渠道获得基础数据,通过对从多个数据渠道获得的基础数据进行分析,可以获得更贴合实际情况的、更完善的信息流通信息,通过将这些更贴合实际情况的、更完善的信息流通信息存储到农产品信息资源区块链,可以满足用户多样化的数据查询需求,使得用户更加了解农产品的真实信息。
在本申请各个实施例中,可通过预先创建的智能合约将目标农产品的流通信息写入农产品信息资源区块链。在区块链中,智能合约是一种可以在区块链上执行的程序,它可以自动执行预定的条件和动作。
在本实施例中,首先从至少一个数据渠道爬取目标农产品在多个流通环节的记录有目标农产品的流通信息的基础数据,然后通过预设的信息抽取模型对基础数据进行分析,进而得到目标农产品在至少一个信息类型上的流通信息,最后再将目标农产品的流通信息写入农产品信息资源区块链中,方便用户查询。该农产品流通数据处理方法具备如下技术效果:
第一、本申请通过从至少一个数据渠道爬取记录有目标农产品的流通信息的基础数据,拓宽了流通信息的采集范围,使得最终写入农产品信息资源区块链的流通信息更真实且更完善。
第二、本申请通过信息抽取模型对基础数据进行分析,可实现对基础数据的进一步挖掘和深度分析,进一步增强了最终写入农产品信息资源区块链的流通信息的准确性。
第三、本申请通过将目标农产品在至少一个信息类型上的流通信息写入农产品信息资源区块链,支持用户随时查询目标农场品的真实流通情况,可为用户的决策提供便利。
结合以上实施例,在一种实施方式中,信息抽取模型包括特征提取模型,在此基础上,步骤S12可以包括:
通过特征提取模型从基础数据中确定用于标识各个信息类型的关键字段;
根据关键字段,从基础数据中获取目标农产品在至少一个信息类型上的流通信息。
在本实施例中,特征提取模型是预先训练的、可用于提取数据中的关键字段的模型。
在本实施例中,不同的信息类型可以对应至少一个关键字段。例如对于农产品种植信息这一信息类型,关键字段可以是:授粉、施肥、农药、除草等;对于农产品采收信息这一信息类型,关键字段可以是:数量、重量、农产品尺寸、采收工具等;对于农产品销售信息这一信息类型,关键字段可以是:成本、价格、销量、盈利等。不同的信息类型对应的各个关键字段可以根据实际需求设计,并对特征提取模型进行训练,使得特征提取模型具备从基础数据中确定各个信息类型对应的各个关键字段的功能。
在确定出各个信息类型对应的关键字段之后,可以从基础数据中获取与各个关键字段对应的信息,属于同一信息类型的各个关键字段所对应的信息即为该信息类型对应的流通信息。例如,对于农产品采收信息这一信息类型,在关键字段为数量、重量、农产品尺寸以及采收工具时,数量对应的信息、重量对应的信息、农产品尺寸对应的信息以及采收工具对应的信息的组合即为农产品采收信息对应的流通信息。
在本实施例中,首先通过特征提取模型识别出各个信息类型分别对应的关键字段,再根据关键字段识别出各个信息类型对应的流通信息,进而获得目标农产品在至少一个信息类型上的流通信息。在该过程中,通过关键字段的识别,可避免将不符合信息类型的信息作为流通信息,保证最终写入农产品信息资源区块链的流通信息的准确性。
结合以上实施例,在一种实施方式中,信息抽取模型包括关联规则学习模型和价格预测模型。在此基础上,步骤S12可以包括:
基于基础数据,通过关联规则学习模型确定目标农产品的价格影响因素;
根据价格影响因素,从基础数据中获取目标农产品的价格关联信息;
基于价格关联信息,通过价格预测模型确定目标农产品的第一价格信息;
将第一价格信息确定为目标农产品在农产品销售信息类型上的流通信息。
在本实施例中,首先将基础数据输入关联规则学习模型,关联规则学习模型内部通过如下步骤获得价格影响因素:对基础数据进行分析,获得价格关联规则;根据价格关联规则,确定价格影响因素。
其中,价格关联规则例如可以是:种植面积-价格、运输成本-价格、农作物产量-价格、市场需求-价格、粮油储备价格-价格、城市活动-大运会-物价-价格、社会动态-疫情-物价-价格、国家政策-物价调控-价格等。本实施例对价格关联规则不作具体限制。
接着,可以根据价格关联规则中的字段,确定价格影响因素。例如对于城市活动-大运会-物价-价格,可以确定城市活动、大运会为价格影响因素;对于社会动态-疫情-物价-价格,可以确定社会动态、疫情为价格影响因素;对于国家政策-物价调控-价格,可以确定国家政策为价格影响因素。接着,可以将所有这些价格影响因素作为目标农产品的价格影响因素。
在本实施例中,在确定目标农产品的价格影响因素之后,可以根据目标农产品的价格影响因素,从基础数据中获取与目标农产品的价格相关联的信息(价格关联信息)。接上述例子,目标农产品的价格关联信息可以是目标农产品的生命周期中发生的城市活动、大运会、社会动态、疫情、国家政策等。
在本实施例中,在获得目标农产品的价格关联信息之后,可以将该价格预测模型输入价格预测模型,价格预测模型自动分析目标农产品的价格关联信息,确定目标农产品的第一价格信息。
其中,第一价格信息可以包括成本价格和预期价格。价格预测模型可以根据各类影响成本的价格影响因素(种植成本、采收成本、运输成本、储存成本等)确定目标农产品的成本价格。价格预测模型可以根据所有的价格影响因素确定目标农产品的预期价格。
在本实施例中,可以采用时间序列分析法,综合考虑各类影响成本的价格影响因素以及种植面积、农作物产量、市场需求、粮油储备价格、城市活动、大运会、社会动态、疫情、国家政策等,获得价格关联样本数据(与产品的价格相关联的样本数据),利用价格关联样本数据训练得到价格预测模型,本实施例对训练得到价格预测模型的过程不作具体限制。
其中,时间序列分析是一种对序列数据进行分析的方法,通过找出数据中的模式或预测未来事件,以便做出更好的决策。在价格预测模型中,时间序列分析可以用于理解和预测目标农产品价格的动态变化。
在本实施例中,通过价格预测模型确定目标农产品的第一价格信息(目标农产品的成本价格、目标农产品的预期价格)之后,可以将第一价格信息确定为目标农产品在农产品销售信息类型上的流通信息。
在本申请各个实施例中,可通过智能合约将目标农产品的第一价格信息写入农产品信息资源区块链。
在本实施例中,可以对目标农产品的价格进行分析,获得目标农产品的成本价格和预期价格,将这些价格信息存储到农产品信息资源区块链之后,用户可以查询到目标农产品的价格信息,便于用户做出决策。例如,在目标农产品的直播场景中,用户可通过查看目标农产品的第一价格信息,确定目标农产品是否值得购买。
在本申请中,通过关联规则学习模型除了可以获取到价格关联规则,还可以获取到其他的关联规则,例如种子信息-种植信息、种植信息-天气信息、城市活动-成交量、疫情-成交量、种子信息-疫情、天气信息-疫情。
对于种子信息与种植信息的关联性分析:种子信息包括种子的种类、产地、生长周期等,种植信息包含种植地点、种植时间、收获时间等。通过对种子信息与种植信息的关联进行分析,可以得出特定种子在特定地点种植的最佳时间、预期收获时间等。将这类关联性分析结果存储到农产品信息资源区块链中,可为农户选择种子和种植时间提供指导。
对于种植信息与天气信息的关联性分析:对种植信息和天气信息的关联性进行分析可以确定出特定农产品在特定气候条件下的生长情况,例如某种农产品在高温、高湿度的环境下是否生长良好。将这类关联性分析结果存储到农产品信息资源区块链中,可为农户提供科学的种植建议,提高农产品的产量和质量。
对于城市活动与成交量的关联性分析:如果某省市举办了农产品推广活动,导致农产品的成交量增加,则可认为该类型活动对推动农产品的销售。将这类关联性分析结果存储到农产品信息资源区块链中,对政府机构决定是否举办类似活动,以及如何举办活动具有参考价值。
对于疫情与农产品成交量的关联性分析:疫情对农产品的销售有较大影响,例如疫情严重时,人们可能会减少出门购物,从而影响农产品的销售。通过分析疫情信息与农产品成交量的关联,可以了解疫情对农产品销售的具体影响,将这类关联性分析结果存储到农产品信息资源区块链中,可为农产品的销售方提供销售策略方面的指导。
对于种子信息与疫情信息的关联性分析:种子的产地如果在疫情严重地区,可能会影响种子的供应,进而影响农产品的种植。分析这两者的关联性,将这类关联性分析结果存储到农产品信息资源区块链中,可以为农户提供预警,使农户提前做好种子的储备。
对于天气信息与疫情信息的关联性分析:某些疫情可能会受到天气因素的影响,比如湿度、温度等。分析这两者的关联性,可以预测在特定天气条件下疫情的可能变化,将这类关联性分析结果存储到农产品信息资源区块链中,可以为农产品的生产方提供生产策略方面的指导,以及为农产品的销售方提供销售策略方面的指导。
结合以上实施例,在一种实施方式中,农产品信息资源区块链具有唯一对应的特征标识,在目标农产品在至少一个信息类型上的流通信息(包括价格信息)存储到农产品信息资源区块链之后,用户可以根据农产品信息资源区块链的特征标识随时查询目标农产品的流通信息。具体地,本申请的方法还可以包括如下步骤:
接收第一终端发送的针对目标农产品的流通信息查询请求;
根据流通信息查询请求确定待查询的流通信息所对应的目标信息类型;
从农产品信息资源区块链中读取目标信息类型对应的流通信息;
向第一终端目标信息类型对应的流通信息。
在本实施例中,第一终端可以是任意的终端设备,例如用户的手机。用户可以在第一终端上发起针对目标农产品的流通信息查询请求,该流通信息查询请求中包括用户需要查询的流通信息对应的目标信息类型。农产品流通数据处理装置在接收到流通信息查询请求后,首先确定出请求中的目标信息类型,然后从农产品信息资源区块链中读取目标信息类型对应的流通信息,再将目标信息类型对应的流通信息发送到用户的第一终端。
在一种实施方式中,农产品信息资源区块链唯一对应的特征标识可以是二维码。在该场景下,用户可以通过手机扫描农产品信息资源区块链对应的二维码,从而向农产品流通数据处理装置发送流通信息查询请求。例如在销售目标农产品的直播场景下,用户通过手机扫描目标农产品的农产品信息资源区块链对应的二维码,可以更好地了解目标农产品在各个流通环节的情况,便于用户做出决策。
结合以上实施例,在一种实施方式中,本申请的方法还可以包括:
获取目标农产品在多个直播平台的直播过程中的直播评价信息和直播销售信息;
基于直播评价信息和直播销售信息,通过机器学习模型确定各个直播平台的评分;
将各个直播平台的评分写入农产品信息资源区块链中,以供用户查询。
在本实施例中,可以采用任意数据爬取技术获得目标农产品在多个直播平台的直播过程中的直播评价信息和直播销售信息。
在本实施例中,可以首先确定出销售过目标农产品的多个直播平台,针对这些直播平台中的每个直播平台,获取其针对目标农产品的所有的历史直播过程(历史直播过程也即历史直播视频),再提取这些历史直播过程中的直播评价信息和直播销售信息,将直播评价信息和直播销售信息输入机器学习模型,机器学习模型对每个直播平台的直播评价信息和直播销售信息进行分析,输出直播平台的评分。评分越高,表示销售目标农产品的业绩更好,分数越高的直播平台直播质量也越高。接着,将各个直播平台的评分写入农产品信息资源区块链中,以供用户了解各个直播平台的直播质量。
在一种实施方式中,直播评价信息主要包括观看直播的用户对主播的评价信息、对目标农产品的评价信息、对直播平台的评价信息等多方面的评价信息。直播销售信息主要包括:商品成交量、商品成交价格等。直播评价信息和直播销售信息可以根据实际需求设置。
在一种实施方式中,直播评价信息可以通过直播过程中的弹幕信息获得,通过protobuf(Google Protocol Buffer,一种混合语言数据标准,用于RPC系统和持续数据存储系统)解析弹幕信息,可以获得直播评价信息。
在一种实施方式中,机器学习模型可以使用循环神经网络(一种用于处理序列数据的神经网络)训练得到,本实施例对训练过程不作具体限制。
在一种实施方式中,除了将直播评价信息和直播销售信息输入机器学习模型,还可以将价格预测模型输出的预期价格输入机器学习模型,机器学习模型综合考虑直播评价信息、直播销售信息、预期价格等多方面的因素,为各个直播平台打分。
在本实施例中,针对多个销售过目标农产品的直播平台分别打分,并将各个直播平台的评分写入农产品信息资源区块链中,可方便用户查看各个直播平台的直播质量,便于用户决策。
结合以上实施例,在一种实施方式中,在将各个直播平台的评分写入农产品信息资源区块链之后,本申请的方法还可以包括:
接收第二终端发送的针对目标农产品的直播信息查询请求;
响应直播信息查询请求,从农产品信息资源区块链中读取目标农产品对应的各个直播平台的评分;
向第二终端发送各个直播平台的评分。
在本实施例中,第二终端可以是任意的终端设备,例如用户的手机。用户可以在第二终端上发起针对目标农产品的直播信息查询请求,该请求中包括用户需要查询的目标直播平台。农产品流通数据处理装置在接收到直播信息查询请求后,首先确定出请求中的目标直播平台,然后从农产品信息资源区块链中读取目标直播平台的评分,再将目标直播平台的评分发送到第二终端。
在一种实施方式中,农产品信息资源区块链唯一对应的特征标识可以是二维码。在该场景下,用户可以通过手机扫描农产品信息资源区块链对应的二维码,从而向农产品流通数据处理装置发送直播信息查询请求。例如在销售目标农产品的直播场景下,用户通过手机扫描目标农产品的农产品信息资源区块链对应的二维码,可以获取到销售过目标农产品的各个直播平台的评分,从而更好地判断当前直播平台的质量,便于用户做出决策。
结合以上实施例,在一种实施方式中,本申请的方法还可以包括:
获取目标农产品在多个直播平台的直播过程中的直播评价信息和直播销售信息;
基于直播评价信息、直播销售信息以及直播平台上的各个主播的信息,通过机器学习模型确定各个直播平台上的各个主播的评分;
将各个主播的评分写入农产品信息资源区块链中,以供用户查询。
在一种实施方式中,如果某个直播平台存在多个主播,那么可以根据各个主播针对目标农产品的历史销售状态,确定各个主播的评分。具体地,首先确定之前销售过目标农产品的多个直播平台,针对这些直播平台中的每个直播平台,获取其针对目标农产品的所有的历史直播过程,提取这些历史直播过程中的直播评价信息和直播销售信息,将直播评价信息、直播销售信息以及各个主播的信息输入机器学习模型,机器学习模型自动分析,输出直播平台上各个主播的评分。评分越高的主播直播质量(销售业绩)也越高。接着,将各个直播平台的评分和主播的ID写入农产品信息资源区块链中,以供用户查询。例如在销售目标农产品的直播场景下,用户通过手机扫描目标农产品的农产品信息资源区块链对应的二维码,可以获取各个主播的评分,从而更好地判断当前主播的质量,便于用户做出决策。
结合以上实施例,在一种实施方式中,还可以利用直播评价信息和直播销售信息得出一个更合理的第二价格信息,第二价格信息不同于第一价格信息。具体地,本申请地方法还可以包括:
根据直播评价信息和直播销售信息确定目标农产品的第二价格信息;
将第二价格信息写入农产品信息资源区块链中,以供用户查询。
在一种实施方式中,可以直接将直播评价信息和直播销售信息输入价格预测模型,价格预测模型输出第二价格信息。
在另一种实施方式中,还可以将直播评价信息、直播销售信息以及从基础数据中获取的目标农产品的价格关联信息输入价格预测模型,价格预测模型输出第二价格信息。
在又一种实施方式中,还可以将直播评价信息、直播销售信息以及第一价格信息输入价格预测模型,价格预测模型输出第二价格信息。
针对上述多种实施方式,可以预先对价格预测模型进行适应性训练,使得价格预测模型可以根据输入的信息进行相应分析并输出第二价格信息。
在本申请各个实施例中,可通过智能合约将目标农产品的第二价格信息写入农产品信息资源区块链。
在本实施例中,可以结合目标农产品在直播过程中的直播评价信息和直播销售信息获得更为合理的第二价格信息,如此,用户在购买目标农产品之前,可以根据目标农产品的第二价格信息判断目标农产品是否值得购买。
结合以上实施例,在一种实施方式中,根据直播评价信息和直播销售信息确定目标农产品的第二价格信息,可以包括:
对直播评价信息进行情感增强处理,得到增强处理后的直播评价信息;
按照提示学习策略,对增强处理后的直播评价信息进行文本情感分析,得到分析结果;
根据分析结果和直播销售信息确定目标农产品的第二价格信息。
以直播评价信息为弹幕信息为例,对直播评价信息进行情感增强处理的过程包括:使用ERNIE-GEN3(一种基于自然语言处理的信息提取工具,可以从文本中提取出实体,属性和关系)抽取直播评价信息中的实体、属性和关系,由于弹幕信息较短且文本不属于通用领域,由人工标注小部分弹幕信息做小样本学习。在标注时,抽取弹幕评论中的情感关键字,将情感关键字拼接在弹幕评论的结尾,使后续在进行文本情感分析时更侧重样本中的情感关键字。
例如某个弹幕评论为:这个牛肉干很好吃,又香又嫩,值得推荐,进行情感增强处理,得到增强处理后的弹幕评论为:这个牛肉干很好吃,又香又嫩,值得推荐[好吃,香,嫩,值得推荐]。
接着,基于Prompt Learning(一种自然语言处理方法,可以通过输入一个简短的提示,来引导模型生成特定的输出)的文本情感分析方法,对增强处理后的直播评价信息进行文本情感分析,得到分析结果。最后根据分析结果和直播销售信息确定目标农产品的第二价格信息。
在本实施例中,依次对直播评价信息进行情感增强处理和文本情感分析处理,使得最终根据直播销售信息和处理后的直播评价信息确定的第二价格信息更为准确。
图2是本申请一实施例示出的一种目标农产品的流通信息示意图。结合图2,在一种实施方式中,目标农产品从种植到售卖的各个流通环节的流通信息可以包括:农产品种植信息、农产品生产企业信息、农产品运输企业信息、农产品质检信息、农产品价格信息等多种信息类型。其中,信息上链是指将流通信息写入产品溯源链(农产品信息资源区块链)。消费者通过手机扫描农产品溯源码以发起针对目标农产品的查询请求,农产品流通数据处理装置接收到查询请求后,从产品溯源链中获得目标农产品的详细信息,例如农产品溯源码、农产品ID、农产品名称、农产品种植地区、农产品种植面积、农产品生产企业经营信息、农产品生产流程信息、农产品运输企业经营信息、农产品运输流程信息、农产品质检信息、农产品销售价格信息(第一价格信息和/或第二价格信息)。在该实施方式中,消费者可以通过扫描农产品溯源码,查询到农产品在每个流通环节的信息,从而了解产品的生产过程、质量标准、安全性以及产品的价格,提高了消费者对农产品的信任度。
图3是本申请一实施例示出的第二价格信息的获取过程示意图。结合图3,在一种实施方式中,可以根据直播评价信息、直播销售信息以及从基础数据中获取的目标农产品的价格关联信息确定第二价格信息。在图3中,首先从多个直播平台获得关于目标农产品的弹幕信息,处理弹幕信息得到弹幕文本,对弹幕文本依次经过数据清洗、实体抽取、情感增强、文本情感分析等步骤(具体可参照前文实施例),得到针对目标农产品的情感分数曲线(情感分数曲线可表征消费者对目标农产品的喜爱程度)。接着,综合情感分数曲线、直播销售信息以及从基础数据中获取的目标农产品的价格关联信息(例如政府公开的各年份目标农产品的实际销售数据),得到第二价格信息。其中,直播销售信息以及从基础数据中获取的目标农产品的价格关联信息为历史价格信息。接着将第二价格信息存储到产品溯源链(农产品信息资源区块链),使得消费者可以通过扫描农产品溯源码,查询到农产品的第二价格信息。
图4是本申请一实施例示出的确定各个直播平台的评分的过程示意图。结合图4,在一种实施方式中,首先从多个直播平台获得关于目标农产品的弹幕信息,处理弹幕信息得到弹幕文本,对弹幕文本依次经过数据清洗、实体抽取、情感增强、文本情感分析等步骤(具体可参照前文实施例),得到针对直播平台的情感分数曲线。接着,根据情感分数曲线确定各个直播平台的评分,将各个直播平台的评分存储到产品溯源链(农产品信息资源区块链),使得消费者可以通过扫描农产品溯源码查询到各个直播平台的评分,进而了解各个各个直播平台的直播质量。
本申请的农产品流通数据处理方法不仅可以用于处理农产品的流通数据,还可以用于处理其他任意类型的产品(例如任意类型的工业产品)的流通数据,且处理其他任意类型的产品的流通数据的原理与本申请中处理农产品的流通数据的原理相同。
本申请可基于区块链技术,将目标农产品在生产、加工、运输以及质检等环节的关键信息存储到农产品信息资源区块链中,确保信息的透明度和不可篡改性,提高目标农产品的质量和安全性。其次,本申请利用时间经济序列构建农作物定价模型(价格预测模型),实现了目标农产品价格的科学评估和预测。其次,本申请将科学计算后的目标农产品的成本价格、预期价格以及合理价格(第二价格信息)存储至农产品信息资源区块链中,提高了农产品价格信息的准确性和透明度,有助于保护消费者权益和促进市场公平交易。
综合上述各个实施例,本申请的农产品流通数据处理方法具有如下多个技术效果:
第一,本申请通过区块链技术整合农产品生产、加工和运输等各个环节的公共数据并存储,消费者可以扫描农产品的溯源码,查询到每个环节的信息,从而了解产品的生产过程、质量标准、安全性以及产品的价格,提高了消费者对农产品的信任度。
第二,本申请可评估多个直播平台的业务能力,将业务能力对应的指标以不可篡改的方式存储在区块链上,不仅使消费者和商家可以查看各个直播平台的业务能力,为消费者和商家的决策提供便利,还可以为监管部门提供一种客观评估各个直播平台的业务能力和诚信度的方式,使监管部门可以针对不同主播采取相应的监管措施,进而从而促进直播行业的公平竞争环境。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请实施例并不受所描述的动作顺序的限制,因为依据本申请实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本申请实施例所必须的。
基于同一发明构思,本申请一实施例提供了一种农产品流通数据处理装500。参考图5,图5是本申请一实施例提供的一种农产品流通数据处理装的结构框图。如图5所示,该装置500包括:
爬取模块501,用于从至少一个数据渠道爬取目标农产品在多个流通环节的基础数据,基础数据中记录有目标农产品的流通信息;
抽取模块502,用于基于预设的信息抽取模型,从基础数据中抽取目标农产品在至少一个信息类型上的流通信息;
第一写入模块503,用于将目标农产品在至少一个信息类型上的流通信息写入预先构建的农产品信息资源区块链中,以供用户查询。
可选地,信息抽取模型包括特征提取模型,抽取模块502包括:
第一确定子模块,用于通过特征提取模型从基础数据中确定用于标识各个信息类型的关键字段;
第一获取子模块,用于根据关键字段,从基础数据中获取目标农产品在至少一个信息类型上的流通信息。
可选地,信息抽取模型包括关联规则学习模型和价格预测模型,抽取模块502包括:
第二确定子模块,用于基于基础数据,通过关联规则学习模型确定目标农产品的价格影响因素;
第二获取子模块,用于根据价格影响因素,从基础数据中获取目标农产品的价格关联信息;
第三确定子模块,用于基于价格关联信息,通过价格预测模型确定目标农产品的第一价格信息;
第四确定子模块,用于将第一价格信息确定为目标农产品在农产品销售信息类型上的流通信息。
可选地,装置500还包括:
第一接收模块,用于接收第一终端发送的针对目标农产品的流通信息查询请求;
第一确定模块,用于根据流通信息查询请求确定待查询的流通信息所对应的目标信息类型;
第一读取模块,用于从农产品信息资源区块链中读取目标信息类型对应的流通信息;
第一发送模块,用于向第一终端目标信息类型对应的流通信息。
可选地,装置500还包括:
获取模块,用于获取目标农产品在多个直播平台的直播过程中的直播评价信息和直播销售信息;
第二确定模块,用于基于直播评价信息和直播销售信息,通过机器学习模型确定各个直播平台的评分;
第二写入模块,用于将各个直播平台的评分写入农产品信息资源区块链中,以供用户查询。
可选地,装置500还包括:
第三确定模块,用于根据直播评价信息和直播销售信息确定目标农产品的第二价格信息;
第三写入模块,用于将第二价格信息写入农产品信息资源区块链中,以供用户查询。
可选地,第三确定模块包括:
处理子模块,用于对直播评价信息进行情感增强处理,得到增强处理后的直播评价信息;
分析子模块,用于按照提示学习策略,对增强处理后的直播评价信息进行文本情感分析,得到分析结果;
第五确定子模块,用于根据分析结果和直播销售信息确定目标农产品的第二价格信息。
可选地,装置500还包括:
第二接收模块,用于接收第二终端发送的针对目标农产品的直播信息查询请求;
第二读取模块,用于响应直播信息查询请求,从农产品信息资源区块链中读取目标农产品对应的各个直播平台的评分;
第二发送模块,用于向第二终端发送各个直播平台的评分。
可选地,信息类型包括农产品种植信息、农产品采收信息、农产品运输信息、农产品加工信息、农产品质检信息、农产品储存信息、农产品销售信息中的至少一个。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例还提供了一种电子设备,图6是本申请一实施例提供的一种电子设备的结构示意图。参照图6,该电子设备600包括:
处理器601;
用于存储所述处理器可执行指令的存储器602;
其中,所述处理器601被配置为执行以实现本申请实施例所述的一种农产品流通数据处理方法。
本申请实施例还提供了一种非临时性计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行实现本申请实施例所述的农产品流通数据处理方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种农产品流通数据处理方法,其特征在于,包括:
从至少一个数据渠道爬取目标农产品在多个流通环节的基础数据,所述基础数据中记录有所述目标农产品的流通信息;
基于预设的信息抽取模型,从所述基础数据中抽取所述目标农产品在至少一个信息类型上的流通信息;
将所述目标农产品在至少一个信息类型上的流通信息写入预先构建的农产品信息资源区块链中,以供用户查询。
2.根据权利要求1所述的方法,其特征在于,所述信息抽取模型包括关联规则学习模型和价格预测模型,所述基于预设的信息抽取模型,从所述基础数据中抽取所述目标农产品在至少一个信息类型上的流通信息,包括:
基于所述基础数据,通过所述关联规则学习模型确定所述目标农产品的价格影响因素;
根据所述价格影响因素,从所述基础数据中获取所述目标农产品的价格关联信息;
基于所述价格关联信息,通过价格预测模型确定所述目标农产品的第一价格信息;
将所述第一价格信息确定为所述目标农产品在农产品销售信息类型上的流通信息。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
接收第一终端发送的针对所述目标农产品的流通信息查询请求;
根据所述流通信息查询请求确定待查询的流通信息所对应的目标信息类型;
从所述农产品信息资源区块链中读取所述目标信息类型对应的流通信息;
向所述第一终端所述目标信息类型对应的流通信息。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述目标农产品在多个直播平台的直播过程中的直播评价信息和直播销售信息;
基于所述直播评价信息和直播销售信息,通过机器学习模型确定各个所述直播平台的评分;
将各个所述直播平台的评分写入所述农产品信息资源区块链中,以供用户查询。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
根据所述直播评价信息和所述直播销售信息确定所述目标农产品的第二价格信息;
将所述第二价格信息写入所述农产品信息资源区块链中,以供用户查询。
6.根据权利要求5所述的方法,其特征在于,所述根据所述直播评价信息和所述直播销售信息确定所述目标农产品的第二价格信息,包括:
对所述直播评价信息进行情感增强处理,得到增强处理后的直播评价信息;
按照提示学习策略,对所述增强处理后的直播评价信息进行文本情感分析,得到分析结果;
根据所述分析结果和所述直播销售信息确定所述目标农产品的第二价格信息。
7.根据权利要求4所述的方法,其特征在于,所述方法还包括:
接收第二终端发送的针对所述目标农产品的直播信息查询请求;
响应所述直播信息查询请求,从所述农产品信息资源区块链中读取所述目标农产品对应的各个直播平台的评分;
向所述第二终端发送所述各个直播平台的评分。
8.一种农产品流通数据处理装置,其特征在于,包括:
爬取模块,用于从至少一个数据渠道爬取目标农产品在多个流通环节的基础数据,所述基础数据中记录有所述目标农产品的流通信息;
抽取模块,用于基于预设的信息抽取模型,从所述基础数据中抽取所述目标农产品在至少一个信息类型上的流通信息;
写入模块,用于将所述目标农产品在至少一个信息类型上的流通信息写入预先构建的农产品信息资源区块链中,以供用户查询。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行以实现如权利要求1至7中任一项所述的农产品流通数据处理方法。
10.一种非临时性计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行实现如权利要求1至7中任一项所述的农产品流通数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311688277.3A CN117689394A (zh) | 2023-12-08 | 2023-12-08 | 农产品流通数据处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311688277.3A CN117689394A (zh) | 2023-12-08 | 2023-12-08 | 农产品流通数据处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117689394A true CN117689394A (zh) | 2024-03-12 |
Family
ID=90138446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311688277.3A Pending CN117689394A (zh) | 2023-12-08 | 2023-12-08 | 农产品流通数据处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117689394A (zh) |
-
2023
- 2023-12-08 CN CN202311688277.3A patent/CN117689394A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pathak et al. | A systematic literature review of the factors affecting the precision agriculture adoption process | |
Pivoto et al. | Scientific development of smart farming technologies and their application in Brazil | |
Notenbaert et al. | Targeting, out-scaling and prioritising climate-smart interventions in agricultural systems: Lessons from applying a generic framework to the livestock sector in sub-Saharan Africa | |
Pacini et al. | Combining multi-dimensional scaling and cluster analysis to describe the diversity of rural households | |
Pedersen et al. | Adoption and perspectives of precision farming in Denmark | |
Diazabakana et al. | A Review of Farm Level Indicators of Sustainability with a Focus on CAP and FADN | |
US12004444B2 (en) | Predictive agricultural management system and method | |
Webb et al. | Integrating biophysical and socio-economic evaluations to improve the efficacy of adaptation assessments for agriculture | |
Rakhra et al. | [Retracted] Implementing Machine Learning for Supply‐Demand Shifts and Price Impacts in Farmer Market for Tool and Equipment Sharing | |
Robertson et al. | Whole-farm models: a review of recent approaches | |
US20210256631A1 (en) | System And Method For Digital Crop Lifecycle Modeling | |
Soberon et al. | Whole farm nutrient balance calculator for New York dairy farms | |
Ngqangweni et al. | Measuring and tracking smallholder market access in South Africa | |
Saha et al. | A comparative study on grey relational analysis and C5. 0 classification algorithm on adventitious rhizogenesis of Eucalyptus | |
Thornton et al. | Measuring the potential impacts of improved food-feed crops: methods for ex ante assessment | |
Chemeltorit et al. | Food traceability in the domestic horticulture sector in Kenya: An overview | |
Stevenson et al. | The rigor revolution: New standards of evidence for impact assessment of international agricultural research | |
CN117689394A (zh) | 农产品流通数据处理方法、装置、电子设备及存储介质 | |
Machethe | Economic and marketing analysis of smallholder broiler production in Mopani District of Limpopo Province, South Africa | |
WO2020229987A1 (en) | A method and system for comprehensive management of farming/agricultural activities | |
Waluyo | Utilization of digital technology in marketing agribusiness products | |
Naglis-Liepa et al. | Integrated impact assessment of agricultural GHG abatement measures | |
Pabalkar et al. | Implication of technology on economic progress of farmers: a case of India | |
Everaers | The present state of agricultural statistics in developed countries: situation and challenges | |
Casten Carlberg et al. | Artificial Intelligence in Agriculture: Opportunities and Challenges |
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 |