CN117973961B - 一种水泥产品智能运发方法及系统 - Google Patents
一种水泥产品智能运发方法及系统 Download PDFInfo
- Publication number
- CN117973961B CN117973961B CN202311827996.9A CN202311827996A CN117973961B CN 117973961 B CN117973961 B CN 117973961B CN 202311827996 A CN202311827996 A CN 202311827996A CN 117973961 B CN117973961 B CN 117973961B
- Authority
- CN
- China
- Prior art keywords
- order information
- user order
- knowledge
- target
- information
- 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.)
- Active
Links
- 239000004568 cement Substances 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000012634 fragment Substances 0.000 claims abstract description 26
- 238000000611 regression analysis Methods 0.000 claims abstract description 25
- 238000000605 extraction Methods 0.000 claims abstract description 20
- 238000013473 artificial intelligence Methods 0.000 claims description 25
- 238000011156 evaluation Methods 0.000 claims description 19
- 238000002372 labelling Methods 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims 1
- 238000002716 delivery method Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Medical Informatics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
Abstract
本申请提供的一种水泥产品智能运发方法及系统，对需要进行处理的水泥订单信息进行知识片段抽取，得到需要进行处理的水泥订单信息的第一知识片段链；对第一知识片段链进行目标用户订单信息回归分析，确定第一知识片段链中目标所在的第一用户订单信息；依据第一用户订单信息，对第一知识片段链进行重要节点识别，确定需要进行处理的水泥订单信息的目标重要节点信息，根据目标重要节点信息确定水泥产品运发信息。本申请能够提高订单信息的准确定，从而实现水泥产品能够精确且可靠地进行智能运发。
Description
技术领域
本申请涉及订单智能运发技术领域，具体而言，涉及一种水泥产品智能运发方法及系统。
背景技术
人工智能应用的场景越来越多，人工智能具体与工业园区相互结合时，存在订单信息不准确的问题，从而不能实现水泥产品进行智能运发。因此，亟需一种技术方案以改善上述技术问题。
发明内容
为改善相关技术中存在的技术问题，本申请提供了一种水泥产品智能运发方法及系统。
第一方面，提供一种水泥产品智能运发方法，包括：对需要进行处理的水泥订单信息进行知识片段抽取，得到所述需要进行处理的水泥订单信息的第一知识片段链；对所述第一知识片段链进行目标用户订单信息回归分析，确定所述第一知识片段链中目标所在的第一用户订单信息；依据所述第一用户订单信息，对所述第一知识片段链进行重要节点识别，确定所述需要进行处理的水泥订单信息的目标重要节点信息，根据所述目标重要节点信息确定水泥产品运发信息。
在一种独立实施的实施例中，对所述第一知识片段链进行目标用户订单信息回归分析，确定所述第一知识片段链中目标所在的第一用户订单信息，包括：对所述第一知识片段链进行基准知识片段抽取，得到第二知识片段链；从所述第二知识片段链的若干个知识片段点中确定出不少于一个用户订单信息基准，所述用户订单信息基准包括知识片段值不小于第一目标值的知识片段点；依据所述不少于一个用户订单信息基准中各用户订单信息基准对应的运输轨迹标签，确定所述各用户订单信息基准对应的所述第一用户订单信息的数据规模；依据所述各用户订单信息基准的位置及所述各用户订单信息基准对应的所述第一用户订单信息的数据规模，分别确定各所述第一用户订单信息。
在一种独立实施的实施例中，所述方法还包括：对所述需要进行处理的水泥订单信息中各目标的所述目标重要节点信息分别进行检测，确定所述各目标的第二用户订单信息；依据所述各目标的第二用户订单信息，确定所述需要进行处理的水泥订单信息的目标检测结果。
在一种独立实施的实施例中，依据所述第一用户订单信息，对所述第一知识片段链进行重要节点识别，确定所述需要进行处理的水泥订单信息的目标重要节点信息，根据所述目标重要节点信息确定水泥产品运发信息，包括：对所述第一知识片段链进行重要节点知识片段抽取，得到第三知识片段链；从所述第三知识片段链中与所述第一用户订单信息对应的知识片段用户订单信息中确定出所述目标的若干个重要节点；依据所述第三知识片段链中所述若干个重要节点的位置，确定所述需要进行处理的水泥订单信息的目标重要节点信息，根据所述目标重要节点信息确定水泥产品运发信息。
在一种独立实施的实施例中，从所述第三知识片段链中与所述第一用户订单信息对应的知识片段用户订单信息中确定出所述目标的若干个重要节点，包括：对所述知识片段用户订单信息的每一个运输轨迹分别进行重要节点识别，得到与所述每一个运输轨迹对应的重要节点。
在一种独立实施的实施例中，依据所述各目标的第二用户订单信息，确定所述需要进行处理的水泥订单信息的目标检测结果，包括：确定与所述第二用户订单信息对应的所述第一用户订单信息的第一可信系数评分，以及所述第二用户订单信息的全部或部分目标重要节点信息的第二可信系数评分；依据所述第一可信系数评分及所述第二可信系数评分，确定所述第二用户订单信息的第三可信系数评分；根据每一个第二用户订单信息的第三可信系数评分，确定需要进行处理的水泥订单信息的目标检测结果，所述目标检测结果包括第三可信系数评分不小于第二目标值的所述第二用户订单信息。
在一种独立实施的实施例中，所述方法通过人工智能线程实现，所述方法还包括：根据事先设定的配置集，配置所述人工智能线程，所述配置集包括若干个范例订单信息、所述若干个范例订单信息中的标注用户订单信息信息，及所述若干个范例订单信息中的标注重要节点信息。
在一种独立实施的实施例中，所述人工智能线程包括知识片段抽取线程、用户订单信息回归分析线程及重要节点识别线程，所述根据事先设定的配置集，配置所述人工智能线程，包括：通过所述知识片段抽取线程对范例订单信息进行处理，确定第一范例知识片段链；通过所述用户订单信息回归分析线程对所述第一范例知识片段链进行处理，确定第二范例知识片段链及所述第二范例知识片段链中的不少于一个范例用户订单信息；通过所述重要节点识别线程对所述第一范例知识片段链进行处理，确定第三范例知识片段链，所述第三范例知识片段链的内容与所述第二范例知识片段链内容相同；依据所述不少于一个范例用户订单信息，确定所述第三范例知识片段链的范例用户订单信息中的范例重要节点信息；依据所述范例订单信息的标注用户订单信息信息，确定所述范例订单信息的第一标注知识片段链，所述第一标注知识片段链的数据规模与所述第二范例知识片段链的数据规模相同，所述第一标注知识片段链的运输轨迹标签表示所述标注用户订单信息信息的数据规模；依据所述第一标注知识片段链和所述第二范例知识片段链之间的区分，确定所述范例订单信息针对所述用户订单信息回归分析线程的第一测评指标；依据所述标注重要节点信息与所述范例重要节点信息之间的区分，确定所述范例订单信息针对所述重要节点识别线程的第二测评指标；依据所述若干个范例订单信息的第一测评指标和第二测评指标，配置所述人工智能线程。
第二方面，提供一种水泥产品智能运发系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
本申请实施例所提供的一种水泥产品智能运发方法及系统，对需要进行处理的水泥订单信息进行知识片段抽取，得到需要进行处理的水泥订单信息的第一知识片段链；对第一知识片段链进行目标用户订单信息回归分析，确定第一知识片段链中目标所在的第一用户订单信息；依据第一用户订单信息，对第一知识片段链进行重要节点识别，确定需要进行处理的水泥订单信息的目标重要节点信息，根据目标重要节点信息确定水泥产品运发信息。本申请能够提高订单信息的准确定，从而实现水泥产品能够精确且可靠地进行智能运发。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例所提供的一种水泥产品智能运发方法的流程图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1，示出了一种水泥产品智能运发方法，该方法可以包括以下步骤S11-步骤S13所描述的技术方案。
在步骤S11中，对需要进行处理的水泥订单信息进行知识片段抽取，得到所述需要进行处理的水泥订单信息的第一知识片段链；
示例性的，水泥订单信息可以理解为客户在网上下单的水泥制品信息。
进一步地，知识片段可以理解为特征，其中，在订单信息中的客户下单信息中的客户下单金额、客户下单数量、客户联系方式以及客户位置信息等信息。
在步骤S12中，对所述第一知识片段链进行目标用户订单信息回归分析，确定所述第一知识片段链中目标所在的第一用户订单信息；
示例性的，知识片段链可以理解为特征图。
在步骤S13中，依据所述第一用户订单信息，对所述第一知识片段链进行重要节点识别，确定所述需要进行处理的水泥订单信息的目标重要节点信息，根据所述目标重要节点信息确定水泥产品运发信息。
举例而言，可能需要对需要进行处理的水泥订单信息中的目标进行识别。需要进行处理的水泥订单信息可以是订单信息采集设备等采集的订单信息，需要进行处理的水泥订单信息中可能存在待识别的目标。本公开对应用场景的类型、需要进行处理的水泥订单信息的获取方式以及目标的类型均不作限制。
在一种可能实施的实施例中，可在步骤S11中通过轻量级的识别单元对需要进行处理的水泥订单信息进行知识片段抽取，得到需要进行处理的水泥订单信息的第一知识片段链，从而降低订单信息的数据规模。该识别单元可譬如为卷积人工智能线程，本公开对此不作限制。
在一种可能实施的实施例中，可在步骤S12中对第一知识片段链进行目标用户订单信息回归分析，回归分析得到第一知识片段链可能存在目标的用户订单信息位置以及该用户订单信息的数据规模，给出数据规模用户订单信息识别核，也即目标所在的第一用户订单信息。
在一种可能实施的实施例中，在得到第一用户订单信息后，可在步骤S13中根据第一用户订单信息，对第一知识片段链进行重要节点识别，识别得到每一个第一用户订单信息中的目标重要节点的位置，譬如在目标为人脸时，得到人脸的眼睛、鼻子、嘴巴等重要节点的位置，从而确定出需要进行处理的水泥订单信息的目标重要节点信息，根据所述目标重要节点信息确定水泥产品运发信息。
根据本公开的实施例，能够获取订单信息的知识片段链，回归分析知识片段链中目标所在的用户订单信息，给出用户订单信息识别核；进而在用户订单信息识别核中识别重要节点，确定出订单信息的目标重要节点信息，从而提高识别速度和识别效果，实现快速准确的目标重要节点识别。
在一种可能实施的实施例中，可通过轻量级的识别单元(可称为知识片段抽取线程)对需要进行处理的水泥订单信息进行知识片段抽取。该知识片段抽取线程可为卷积人工智能线程。
在一种可能实施的实施例中，输入知识片段抽取线程的需要进行处理的水泥订单信息的数据规模，可通过对采集订单信息进行预处理得到该数据规模的需要进行处理的水泥订单信息。整个知识片段抽取线程的衍生倍数为4倍，这样，经知识片段抽取线程处理后，可得到数据规模的第一知识片段链。通过该轻量级的知识片段抽取线程，可快速抽取需要进行处理的水泥订单信息的知识片段，得到低数据规模的第一知识片段链，为后续处理提供基础。
在一种可能实施的实施例中，可在步骤S12中对第一知识片段链进行目标用户订单信息回归分析。其中，步骤S12可包括：对所述第一知识片段链进行基准知识片段抽取，得到第二知识片段链；从所述第二知识片段链的若干个知识片段点中确定出不少于一个用户订单信息基准，所述用户订单信息基准包括知识片段值不小于第一目标值的知识片段点；依据所述不少于一个用户订单信息基准中各用户订单信息基准对应的运输轨迹标签，确定所述各用户订单信息基准对应的所述第一用户订单信息的数据规模；依据所述各用户订单信息基准的位置及所述各用户订单信息基准对应的所述第一用户订单信息的数据规模，分别确定各所述第一用户订单信息。
举例而言，可通过卷积人工智能线程抽取第一知识片段链的基准知识片段，得到第二知识片段链(也可称为细粒度数据规模估计知识片段链)。第二知识片段链中包括若干个知识片段点，任一知识片段点的知识片段值可表示该知识片段点为目标所在用户订单信息的用户订单信息基准的可能性或可信系数，该知识片段点所在的运输轨迹标签可表示该知识片段点为用户订单信息基准时，相应用户订单信息的数据规模。
在一种可能实施的实施例中，可预设有第一目标值，将知识片段值不小于第一目标值的知识片段点确定为目标所在用户订单信息的用户订单信息基准。这样，可从第二知识片段链的若干个知识片段点中确定出一个或若干个用户订单信息基准。本公开对第一目标值的具体取值不作限制。
在一种可能实施的实施例中，在确定第二知识片段链中的用户订单信息基准后，可根据一个或若干个用户订单信息基准中各用户订单信息基准对应的运输轨迹标签，确定各用户订单信息基准对应的第一用户订单信息的数据规模；进而根据各用户订单信息基准的位置及各用户订单信息基准对应的第一用户订单信息的数据规模，分别确定各第一用户订单信息，也即估计出一个或若干个用户订单信息识别核。
通过这种方式，可以回归分析出订单信息中可能存在目标的位置及数据规模，得到目标所在用户订单信息的用户订单信息识别核，以便在后续处理中进行重要节点识别，提高识别效果。
在一种可能实施的实施例中，在得到第一用户订单信息后，可在S13中对所述第一知识片段链进行重要节点识别。其中，步骤S13可包括：对所述第一知识片段链进行重要节点知识片段抽取，得到第三知识片段链；从所述第三知识片段链中与所述第一用户订单信息对应的知识片段用户订单信息中确定出所述目标的若干个重要节点；依据所述第三知识片段链中所述若干个重要节点的位置，确定所述需要进行处理的水泥订单信息的目标重要节点信息，根据所述目标重要节点信息确定水泥产品运发信息。
举例而言，可通过卷积人工智能线程抽取第一知识片段链的重要节点知识片段，得到第三知识片段链(也可称为重要节点响应知识片段链)。
在一种可能实施的实施例中，根据前述步骤中确定的第一用户订单信息(也即用户订单信息识别核)，可确定出与第一用户订单信息对应的知识片段用户订单信息中的目标的若干个重要节点。
在一种可能实施的实施例中，从所述第三知识片段链中与所述第一用户订单信息对应的知识片段用户订单信息中确定出所述目标的若干个重要节点，包括：对所述知识片段用户订单信息的每一个运输轨迹分别进行重要节点识别，得到与所述每一个运输轨迹对应的重要节点。
这样，分别对知识片段用户订单信息R的K个运输轨迹进行计算，可得到知识片段用户订单信息R在K个运输轨迹上的K个知识片段点；进而，对第三知识片段链中所有的知识片段用户订单信息进行处理，可得到每一个知识片段用户订单信息中的K个知识片段点。根据第三知识片段链的每一个知识片段用户订单信息中的K个知识片段点的位置，以及第三知识片段链与需要进行处理的水泥订单信息之间的对应关系，可确定需要进行处理的水泥订单信息的目标重要节点信息，根据所述目标重要节点信息确定水泥产品运发信息。
在一种可能实施的实施例中，所述方法还包括：对所述需要进行处理的水泥订单信息中各目标的所述目标重要节点信息分别进行检测，确定所述各目标的第二用户订单信息；依据所述各目标的第二用户订单信息，确定所述需要进行处理的水泥订单信息的目标检测结果。
举例而言，在步骤S13中得到目标重要节点后，可对各目标的目标重要节点信息分别进行检测，得到目标所在的第二用户订单信息，使得用户订单信息的范围更准确。
在一种可能实施的实施例中，依据所述各目标的第二用户订单信息，确定所述需要进行处理的水泥订单信息的目标检测结果的步骤可包括：确定与所述第二用户订单信息对应的所述第一用户订单信息的第一可信系数评分，以及所述第二用户订单信息的全部或部分目标重要节点信息的第二可信系数评分；依据所述第一可信系数评分及所述第二可信系数评分，确定所述第二用户订单信息的第三可信系数评分；根据每一个第二用户订单信息的第三可信系数评分，确定需要进行处理的水泥订单信息的目标检测结果，所述目标检测结果包括第三可信系数评分不小于第二目标值的所述第二用户订单信息。
举例而言，在得到需要进行处理的水泥订单信息中各目标的第二用户订单信息后，可确定每一个第二用户订单信息的可信系数评分，用于表示第二用户订单信息是当前目标所在用户订单信息的可能性。
在一种可能实施的实施例中，对于任意一个第二用户订单信息，可确定与该第二用户订单信息对应的第一用户订单信息(也即用户订单信息识别核)的第一可信系数评分，该第一可信系数评分可以为第一用户订单信息的用户订单信息基准的知识片段值，或与用户订单信息基准的知识片段值相对应。同时，可确定第二用户订单信息的全部或部分目标重要节点信息的第二可信系数评分，也即可采用全部的目标重要节点进行计算，也可采用一部分重要的目标重要节点进行计算，本公开对此不作限制。
在一种可能实施的实施例中，可预设有可信系数评分的第二目标值。如果第二用户订单信息的第三可信系数评分不小于该第二目标值，则可认为该第二用户订单信息是当前目标所在的用户订单信息，可作为目标检测结果；反之，如果第二用户订单信息的第三可信系数评分小于该第二目标值，则可认为该第二用户订单信息不是当前目标所在的用户订单信息，可从目标检测结果中去除。本公开对第二目标值的具体取值不作限制。
在一种可能实施的实施例中，根据本公开实施例的水泥产品智能运发方法可通过人工智能线程实现，该人工智能线程包括知识片段抽取线程、用户订单信息回归分析线程及重要节点识别线程，分别用于进行知识片段抽取、目标用户订单信息回归分析及重要节点识别。
在一种可能实施的实施例中，在应用根据本公开实施例的水泥产品智能运发方法的人工智能线程之前，可对人工智能线程进行配置。其中，所述方法还包括：根据事先设定的配置集，配置所述人工智能线程，所述配置集包括若干个范例订单信息、所述若干个范例订单信息中的标注用户订单信息信息，及所述若干个范例订单信息中的标注重要节点信息。
举例而言，可预设有配置集，配置集中包括若干个范例订单信息，各范例订单信息中包括待识别的目标，各范例订单信息已标注有每一个目标的标注用户订单信息信息及标注重要节点信息。可将配置集中的范例订单信息输入人工智能线程中处理，得到范例订单信息的目标检测结果；根据检测结果与标注信息之间的区分，优化人工智能线程的参数。经多次迭代后，得到配置后的人工智能线程。
在一种可能实施的实施例中，根据事先设定的配置集，配置所述人工智能线程的步骤包括：通过所述知识片段抽取线程对范例订单信息进行处理，确定第一范例知识片段链；通过所述用户订单信息回归分析线程对所述第一范例知识片段链进行处理，确定第二范例知识片段链及所述第二范例知识片段链中的不少于一个范例用户订单信息；通过所述重要节点识别线程对所述第一范例知识片段链进行处理，确定第三范例知识片段链，所述第三范例知识片段链的内容与所述第二范例知识片段链内容相同；依据所述不少于一个范例用户订单信息，确定所述第三范例知识片段链的范例用户订单信息中的范例重要节点信息；依据所述范例订单信息的标注用户订单信息信息，确定所述范例订单信息的第一标注知识片段链，所述第一标注知识片段链的数据规模与所述第二范例知识片段链的数据规模相同，所述第一标注知识片段链的运输轨迹标签表示所述标注用户订单信息信息的数据规模；依据所述第一标注知识片段链和所述第二范例知识片段链之间的区分，确定所述范例订单信息针对所述用户订单信息回归分析线程的第一测评指标；依据所述标注重要节点信息与所述范例重要节点信息之间的区分，确定所述范例订单信息针对所述重要节点识别线程的第二测评指标；依据所述若干个范例订单信息的第一测评指标和第二测评指标，配置所述人工智能线程。
举例而言，对于配置集中的任意一个范例订单信息，可将该范例订单信息输入知识片段抽取线程中处理，输出第一范例知识片段链，以降低订单信息的数据规模。再将第一范例知识片段链输入用户订单信息回归分析线程中处理，得到第二范例知识片段链及第二范例知识片段链中的不少于一个范例用户订单信息(也即用户订单信息识别核)。
在一种可能实施的实施例中，针对范例订单信息的第二范例知识片段链，可根据事先设定的目标值(譬如第一目标值)，从第二范例知识片段链中确定出若干个中心知识片段点；根据中心知识片段点所在的运输轨迹，可利用知识片段点所在的用户订单信息的数据规模，从而可确定出第二范例知识片段链中的不少于一个范例用户订单信息(也即用户订单信息识别核)。
在一种可能实施的实施例中，可根据若干个范例订单信息的第一测评指标和第二测评指标，确定人工智能线程的总体测评指标，譬如将第一测评指标与第二测评指标的加权和确定为人工智能线程的总体测评指标。根据人工智能线程的总体测评指标，可进行反向传播以优化人工智能线程的线程参数；经过多轮迭代优化，在满足事先设定的配置要求(譬如线程收敛)的前提下，可得到配置后的人工智能线程，完成整个配置过程。
通过这种方式，可实现人工智能线程的配置过程，得到高精度的人工智能线程。
在上述基础上，提供了一种水泥产品智能运发装置，所述装置包括：
知识片段链得到模块，用于对需要进行处理的水泥订单信息进行知识片段抽取，得到所述需要进行处理的水泥订单信息的第一知识片段链；
信息回归分析模块，用于对所述第一知识片段链进行目标用户订单信息回归分析，确定所述第一知识片段链中目标所在的第一用户订单信息；
运发信息确定模块，用于依据所述第一用户订单信息，对所述第一知识片段链进行重要节点识别，确定所述需要进行处理的水泥订单信息的目标重要节点信息，根据所述目标重要节点信息确定水泥产品运发信息。
在上述基础上，示出了一种水泥产品智能运发系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
综上，基于上述方案，对需要进行处理的水泥订单信息进行知识片段抽取，得到需要进行处理的水泥订单信息的第一知识片段链；对第一知识片段链进行目标用户订单信息回归分析，确定第一知识片段链中目标所在的第一用户订单信息；依据第一用户订单信息，对第一知识片段链进行重要节点识别，确定需要进行处理的水泥订单信息的目标重要节点信息，根据目标重要节点信息确定水泥产品运发信息。本申请能够提高订单信息的准确定，从而实现水泥产品能够精确且可靠地进行智能运发。
应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
Claims (6)
1.一种水泥产品智能运发方法，其特征在于，所述方法包括：
对需要进行处理的水泥订单信息进行知识片段抽取，得到所述需要进行处理的水泥订单信息的第一知识片段链；
对所述第一知识片段链进行目标用户订单信息回归分析，确定所述第一知识片段链中目标所在的第一用户订单信息；
依据所述第一用户订单信息，对所述第一知识片段链进行重要节点识别，确定所述需要进行处理的水泥订单信息的目标重要节点信息，根据所述目标重要节点信息确定水泥产品运发信息；
其中，对所述第一知识片段链进行目标用户订单信息回归分析，确定所述第一知识片段链中目标所在的第一用户订单信息，包括：
对所述第一知识片段链进行基准知识片段抽取，得到第二知识片段链；
从所述第二知识片段链的若干个知识片段点中确定出不少于一个用户订单信息基准，所述用户订单信息基准包括知识片段值不小于第一目标值的知识片段点；
依据所述不少于一个用户订单信息基准中各用户订单信息基准对应的运输轨迹标签，确定所述各用户订单信息基准对应的所述第一用户订单信息的数据规模；
依据所述各用户订单信息基准的位置及所述各用户订单信息基准对应的所述第一用户订单信息的数据规模，分别确定各所述第一用户订单信息；
其中，依据所述第一用户订单信息，对所述第一知识片段链进行重要节点识别，确定所述需要进行处理的水泥订单信息的目标重要节点信息，根据所述目标重要节点信息确定水泥产品运发信息，包括：
对所述第一知识片段链进行重要节点知识片段抽取，得到第三知识片段链；
从所述第三知识片段链中与所述第一用户订单信息对应的知识片段用户订单信息中确定出所述目标的若干个重要节点；
依据所述第三知识片段链中所述若干个重要节点的位置，确定所述需要进行处理的水泥订单信息的目标重要节点信息，根据所述目标重要节点信息确定水泥产品运发信息；
其中，从所述第三知识片段链中与所述第一用户订单信息对应的知识片段用户订单信息中确定出所述目标的若干个重要节点，包括：对所述知识片段用户订单信息的每一个运输轨迹分别进行重要节点识别，得到与所述每一个运输轨迹对应的重要节点；
其中，知识片段链为特征图。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述需要进行处理的水泥订单信息中各目标的所述目标重要节点信息分别进行检测，确定所述各目标的第二用户订单信息；
依据所述各目标的第二用户订单信息，确定所述需要进行处理的水泥订单信息的目标检测结果。
3.根据权利要求2所述的方法，其特征在于，依据所述各目标的第二用户订单信息，确定所述需要进行处理的水泥订单信息的目标检测结果，包括：
确定与所述第二用户订单信息对应的所述第一用户订单信息的第一可信系数评分，以及所述第二用户订单信息的全部或部分目标重要节点信息的第二可信系数评分；
依据所述第一可信系数评分及所述第二可信系数评分，确定所述第二用户订单信息的第三可信系数评分；
根据每一个第二用户订单信息的第三可信系数评分，确定需要进行处理的水泥订单信息的目标检测结果，所述目标检测结果包括第三可信系数评分不小于第二目标值的所述第二用户订单信息。
4.根据权利要求1所述的方法，其特征在于，所述方法通过人工智能线程实现，所述方法还包括：根据事先设定的配置集，配置所述人工智能线程，所述配置集包括若干个范例订单信息、所述若干个范例订单信息中的标注用户订单信息信息，及所述若干个范例订单信息中的标注重要节点信息。
5.根据权利要求4所述的方法，其特征在于，所述人工智能线程包括知识片段抽取线程、用户订单信息回归分析线程及重要节点识别线程，所述根据事先设定的配置集，配置所述人工智能线程，包括：
通过所述知识片段抽取线程对范例订单信息进行处理，确定第一范例知识片段链；
通过所述用户订单信息回归分析线程对所述第一范例知识片段链进行处理，确定第二范例知识片段链及所述第二范例知识片段链中的不少于一个范例用户订单信息；
通过所述重要节点识别线程对所述第一范例知识片段链进行处理，确定第三范例知识片段链，所述第三范例知识片段链的内容与所述第二范例知识片段链内容相同；
依据所述不少于一个范例用户订单信息，确定所述第三范例知识片段链的范例用户订单信息中的范例重要节点信息；
依据所述范例订单信息的标注用户订单信息信息，确定所述范例订单信息的第一标注知识片段链，所述第一标注知识片段链的数据规模与所述第二范例知识片段链的数据规模相同，所述第一标注知识片段链的运输轨迹标签表示所述标注用户订单信息信息的数据规模；
依据所述第一标注知识片段链和所述第二范例知识片段链之间的区分，确定所述范例订单信息针对所述用户订单信息回归分析线程的第一测评指标；
依据所述标注重要节点信息与所述范例重要节点信息之间的区分，确定所述范例订单信息针对所述重要节点识别线程的第二测评指标；
依据所述若干个范例订单信息的第一测评指标和第二测评指标，配置所述人工智能线程。
6.一种水泥产品智能运发系统，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311827996.9A CN117973961B (zh) | 2023-12-28 | 2023-12-28 | 一种水泥产品智能运发方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311827996.9A CN117973961B (zh) | 2023-12-28 | 2023-12-28 | 一种水泥产品智能运发方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117973961A CN117973961A (zh) | 2024-05-03 |
| CN117973961B true CN117973961B (zh) | 2024-07-09 |
Family
ID=90846882
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311827996.9A Active CN117973961B (zh) | 2023-12-28 | 2023-12-28 | 一种水泥产品智能运发方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117973961B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109784820A (zh) * | 2019-03-28 | 2019-05-21 | 上海中通吉网络技术有限公司 | 一种快递路由智能解决方法、装置、终端设备及存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11392836B2 (en) * | 2018-09-24 | 2022-07-19 | Yewno, Inc. | Structuring data in a knowledge graph |
| CN111639498A (zh) * | 2020-04-21 | 2020-09-08 | 平安国际智慧城市科技股份有限公司 | 知识抽取方法、装置、电子设备及存储介质 |
| CN114661724A (zh) * | 2022-04-02 | 2022-06-24 | 白艺铭 | 基于人工智能的电子商务数据存储方法、系统及云平台 |
| CN115689417A (zh) * | 2022-11-10 | 2023-02-03 | 佛山市顺德区捷通数码科技有限公司 | 物料运输管理方法、系统、终端设备及介质 |
| CN115760216A (zh) * | 2022-12-06 | 2023-03-07 | 菏泽文雅信息科技有限公司 | 基于人工智能的订单数据分析方法及系统 |
-
2023
- 2023-12-28 CN CN202311827996.9A patent/CN117973961B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109784820A (zh) * | 2019-03-28 | 2019-05-21 | 上海中通吉网络技术有限公司 | 一种快递路由智能解决方法、装置、终端设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117973961A (zh) | 2024-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109784391B (zh) | 基于多模型的样本标注方法及装置 | |
| CN101441701A (zh) | 信息处理系统及识别信息确定方法以及程序 | |
| CN113989549A (zh) | 一种基于伪标签的半监督学习图像分类优化方法及系统 | |
| KR102198920B1 (ko) | 온라인 학습을 이용한 객체 트래킹을 위한 방법 및 시스템 | |
| CN113723467A (zh) | 用于缺陷检测的样本收集方法、装置和设备 | |
| CN117973961B (zh) | 一种水泥产品智能运发方法及系统 | |
| CN109388568B (zh) | 代码测试方法和装置 | |
| CN111242042A (zh) | 基于车辆检测的检验时长判断方法、装置、设备和介质 | |
| CN117083621A (zh) | 检测器训练方法、装置及存储介质 | |
| CN116486269A (zh) | 基于图像分析的桥梁裂缝识别方法及系统 | |
| CN113723431B (zh) | 图像识别方法、装置以及计算机可读存储介质 | |
| CN113989759B (zh) | 用于自动驾驶的基于BiSeNet的车道线识别方法及装置 | |
| CN114565759A (zh) | 图像语义分割模型优化方法、装置、电子设备及存储介质 | |
| CN113361341A (zh) | 行李再识别方法、装置、设备及可读存储介质 | |
| CN113284141A (zh) | 用于缺陷检测的模型确定方法、装置和设备 | |
| CN113673589A (zh) | 基于边框距离度量的标签选择自适应增量检测方法及系统 | |
| CN110705479A (zh) | 模型训练方法和目标识别方法、装置、设备及介质 | |
| CN114359678A (zh) | 数据标注方法和装置 | |
| CN115802355B (zh) | 一种移动物联网卡管理方法、装置及云平台 | |
| CN115982058B (zh) | 一种计算流体力学代码错误定位方法、装置、设备及介质 | |
| CN112529038B (zh) | 一种主板物料的识别方法、装置及存储介质 | |
| CN116664658B (zh) | 一种障碍物检测方法、装置及终端设备 | |
| CN109376739B (zh) | 一种编组方式确定方法及装置 | |
| CN116030331A (zh) | 图像处理模型的训练方法、图像处理方法及装置 | |
| CN118297402A (zh) | 一种基于大数据的国土空间规划灾害风险评估方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |