【技术实现步骤摘要】
用于分析信息的方法和装置
[0001]本申请的实施例涉及计算机
，具体涉及深度学习
，尤其涉及用于分析信息的方法和装置。
技术介绍
[0002]工业4.0的助推下，国内传统的大批量生产正在减少，“小而快”的市场需求，让品质稳定、生产周期短、交货快成为服装品牌的主要诉求。为了降低服装积货的问题，服装品牌开始推崇小单快反的模式，但由于小单的利润低，生产柔性要求高，很多服装生产工厂不愿意接单，如何匹配小单的供需资源成为行业内需解决的一个难题。
技术实现思路
[0003]本申请提供了一种用于分析信息的方法、装置、设备以及存储介质。
[0004]根据本申请的第一方面，提供了一种用于分析信息的方法，该方法包括：响应于接收到用户发送的订单请求，获取订单请求指示的订单信息和工厂信息、用户信息；利用聚类算法，对订单信息、用户信息和工厂信息进行分析，得到与订单请求对应的第一工厂列表和匹配结果，其中聚类算法用于表征基于工厂信息与用户信息的关联程度和工厂信息是否满足订单信息的需求对工厂信息进行选取；响应于匹配结果...
【技术保护点】
【技术特征摘要】
1.一种用于分析信息的方法，所述方法包括：响应于接收到用户发送的订单请求，获取所述订单请求指示的订单信息和工厂信息、所述用户信息；利用聚类算法，对所述订单信息、所述用户信息和所述工厂信息进行分析，得到与所述订单请求对应的第一工厂列表和所述匹配结果，其中所述聚类算法用于表征基于所述工厂信息与所述用户信息的关联程度和所述工厂信息是否满足所述订单信息的需求对所述工厂信息进行选取；响应于所述匹配结果指示所述第一工厂列表为空，利用资源匹配模型将所述订单的生产类型、所述订单的订货数量、所述订单的交期和所述工厂信息进行匹配，得到与所述订单请求对应的第二工厂列表，其中所述资源匹配模型基于所述工厂信息中的工厂交期与所述订单的交期的数值比对结果对所述工厂信息进行选取。2.根据权利要求1所述的方法，其中，所述利用聚类算法，对所述订单信息、所述用户信息和所述工厂信息进行分析，得到与所述订单请求对应的第一工厂列表和所述匹配结果，包括：对所述订单信息进行标注，生成所述订单的标签信息；利用基于平行因子分解的协同聚类算法，对所述订单的标签信息、所述用户信息和所述工厂信息进行分析，得到与所述订单请求对应的工厂列表集，其中所述基于平行因子分解的协同聚类算法用于表征基于所述工厂信息与所述用户信息的关联程度和所述工厂信息是否满足所述标签信息的要求对所述工厂信息进行选取；基于所述工厂列表集中各个工厂列表的权重，对所述工厂列表集进行选取；对选取后的所述工厂列表中的工厂信息进行排序，得到与所述订单请求对应的第一工厂列表；根据所述第一工厂列表，确定所述匹配结果。3.根据权利要求2所述的方法，其中，所述对所述订单信息进行标注，生成所述订单的标签信息，包括：对所述订单信息进行分词，并根据所述分词结果进行词语特征提取，生成所述订单的特征词集合；基于所述订单的特征词集合与学习得到的阈值的比对结果，对所述订单的特征词集合进行选取，其中所述阈值表征特征词出现频率的最大值；基于选取后的所述订单的特征词集合，对所述订单信息进行标注，生成所述订单的标签信息。4.根据权利要求2所述的方法，其中，所述利用基于平行因子分解的协同聚类算法，对所述订单的标签信息、所述用户信息和所述工厂信息进行分析，得到与所述订单请求对应的工厂列表集，包括：基于所述订单的标签信息、所述用户信息和所述工厂信息，构建三阶张量；基于所述三阶张量、所述订单的标签信息、所述用户信息、所述工厂信息中的工厂数量和预设阈值，利用基于平行因子分解的协同聚类算法确定与所述订单请求对应的工厂列表集，其中所述阈值用于表征对计算过程中得到的数据进行比对判定。5.根据权利要求2所述的方法，其中，在所述利用基于平行因子分解的协同聚类算法，对所述订单的标签信息、所述用户信息和所述工厂信息进行分析，得到与所述订单请求对
应的工厂列表集之后，还包括：根据所述用户的偏好程度，对每个工厂信息进行评分；基于所述评分结果对所述工厂列表集进行选取。6.根据权利要求1所述的方法，其中，所述资源匹配模型利用深度学习方法预先训练得到。7.根据权利要求1所述的方法，还包括：根据工厂发送规则，从所述第一工厂列表或所述第二工厂列表中选取工厂并向选取得到的工厂转发所述订单，其中所述工厂发送规则用于表征基于不同时长逐渐递增工厂的发送数量。8.一种用于分析信息的装置，所述装置包括：获取单元，被配置成响应于接收到用户发送的订单请求，获取所述订单请求指示的订单信息和工厂信息、所述用户信息...
【专利技术属性】
技术研发人员：姜盛乾，
申请(专利权)人：北京京东振世信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。