一种智慧供应链大数据共享方法及系统技术方案

本申请提供一种智慧供应链大数据共享方法及系统，通过获取各个智慧供应链服务终端所对应的供应链服务事件数据，依据供应链服务事件数据，基于深度学习训练完成的供应链关注挖掘模型获取供应链服务关注变量，基于供应链服务关注变量以及第一目标数量个衍生关注变量，从衍生供应链数据库中获取供应链服务事件数据的共享搜索数据，基于共享搜索数据，生成供应链服务事件数据的共享大数据，以结合供应链服务事件数据的共享大数据与供应链服务事件数据进行共享关联配置，从而可以在供应链服务事件数据的基础上进一步共享关联配置更多的共享大数据，从而为后续的数据整合提供关联数据支持。据支持。据支持。

【技术实现步骤摘要】
一种智慧供应链大数据共享方法及系统


[0001]本申请涉及大数据共享
，具体而言，涉及一种智慧供应链大数据共享方法及系统。

技术介绍

[0002]现如今，客户偏好的各种数据的持续增长正在迅速改变供应链服务商的经营方式，并突出了对加强数据管理和分析的强烈需求。大数据分析(指大型和复杂的数据集)的好处是显而易见的：大数据可以完全改变组织的工作方式，在效率、成本、可见性和客户满意度方面产生巨大差异。基于此，针对各种供应链服务节点（如分布在各种供应链区域的服务网点）的供应链服务事件数据，如何进一步共享关联配置更多的共享大数据，从而为后续的数据整合提供关联数据支持，是本领域亟待研究的重要方向。

技术实现思路

[0003]为了至少克服现有技术中的上述不足，本申请的目的在于提供一种智慧供应链大数据共享方法及系统。
[0004]第一方面，本申请提供一种智慧供应链大数据共享方法，应用于智慧供应链大数据共享系统，所述方法包括：获取各个智慧供应链服务终端所对应的供应链服务事件数据；依据所述供应链服务事件数据，基于深度学习训练完成的供应链本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智慧供应链大数据共享方法，其特征在于，应用于智慧供应链大数据共享系统，该方法包括：获取各个智慧供应链服务终端所对应的供应链服务事件数据；依据所述供应链服务事件数据，基于深度学习训练完成的供应链关注挖掘模型获取供应链服务关注变量；基于所述供应链服务关注变量以及第一目标数量个衍生关注变量，从衍生供应链数据库中获取所述供应链服务事件数据的共享搜索数据，其中，所述共享搜索数据包括第二目标数量个共享服务事件数据；基于所述共享搜索数据，生成所述供应链服务事件数据的共享大数据，以结合所述供应链服务事件数据的共享大数据与所述供应链服务事件数据进行共享关联配置。2.根据权利要求1所述的智慧供应链大数据共享方法，其特征在于，所述基于所述供应链服务关注变量以及第一目标数量个衍生关注变量，从衍生供应链数据库中获取所述供应链服务事件数据的共享搜索数据，包括：获取所述供应链服务关注变量与第一目标数量个衍生关注变量中各衍生关注变量之间的第一偏差度，确定第一目标数量个第一偏差度，其中，所述各衍生关注变量为一个关注分簇的关注分簇簇心；基于所述第一目标数量个第一偏差度，从第一目标数量个关注分簇成员中获取一个或多个关注分簇成员；获取所述供应链服务关注变量与所述一个或多个关注分簇成员中各共享服务事件数据之间的第二偏差度；基于所述各共享服务事件数据之间的第二偏差度，将所述衍生供应链数据库中的所述第二目标数量个共享服务事件数据作为所述供应链服务事件数据的所述共享搜索数据。3.根据权利要求1所述的智慧供应链大数据共享方法，其特征在于，所述供应链关注挖掘模型的训练步骤，包括：获取基础训练服务事件数据组合序列以及扩展训练服务事件数据组合序列，其中，所述基础训练服务事件数据组合序列包括用于对基础供应链关注挖掘模型进行模型调优的多个基础训练服务事件数据组合，所述扩展训练服务事件数据组合序列包括共享错误的多个扩展训练服务事件数据组合；基于所述扩展训练服务事件数据组合序列，获取所述基础训练服务事件数据组合序列中各基础训练服务事件数据组合的训练先验数据，确定延伸训练服务事件数据组合序列，其中，所述延伸训练服务事件数据组合序列包括标定了共享错误的延伸训练服务事件数据组合以及标定了共享正确的延伸训练服务事件数据组合；基于所述延伸训练服务事件数据组合序列以及所述扩展训练服务事件数据组合序列，配置训练服务事件数据矩阵序列，其中，所述训练服务事件数据矩阵序列包括一个或多个训练服务事件数据矩阵，训练服务事件数据矩阵包括多个标定了共享错误的训练服务事件数据或共享正确的训练服务事件数据；依据所述训练服务事件数据矩阵序列，基于初始化供应链关注挖掘模型获取各训练服务事件数据矩阵中各训练共享服务事件数据所对应的目标关注变量，其中，所述初始化供应链关注挖掘模型与所述基础供应链关注挖掘模型采用相同的模型权重信息层架构，且，
所述初始化供应链关注挖掘模型的模型权重信息层权重信息与所述基础供应链关注挖掘模型的模型权重信息层权重信息相同；针对于所述各训练服务事件数据矩阵，基于所述各训练服务事件数据所对应的训练先验数据以及所述各训练共享服务事件数据所对应的目标关注变量，对所述初始化供应链关注挖掘模型进行模型调优和参数层选取，直到模型收敛，确定深度学习训练完成的供应链关注挖掘模型。4.根据权利要求3所述的智慧供应链大数据共享方法，其特征在于，所述基于所述扩展训练服务事件数据组合序列，获取所述基础训练服务事件数据组合序列中各基础训练服务事件数据组合的训练先验数据，确定延伸训练服务事件数据组合序列，包括：依据所述基础训练服务事件数据组合序列，基于所述基础供应链关注挖掘模型获取各基础训练服务事件数据所对应的第一关注变量，其中，所述基础训练服务事件数据组合序列包括2Q个基础训练服务事件数据，Q为大于1的整数；依据所述扩展训练服务事件数据组合序列，基于所述基础供应链关注挖掘模型获取各扩展训练服务事件数据所对应的第二关注变量，其中，所述扩展训练服务事件数据组合序列包括2W个扩展训练服务事件数据，W为大于1的整数；基于所述各扩展训练服务事件数据所对应的第二关注变量，对所述2W个扩展训练服务事件数据进行分簇，确定多个关注分簇簇心，其中，各关注分簇簇心对应于一种共享错误的设定标识；基于所述多个关注分簇簇心，获取各扩展训练服务事件数据组合中各扩展训练服务事件数据所对应的最小偏差度，确定2W个最小偏差度；基于所述多个关注分簇簇心，获取所述各基础训练服务事件数据所对应的第一关注变量分别与各关注分簇簇心的偏差度；基于所述各基础训练服务事件数据所对应的第一关注变量分别与各关注分簇簇心的偏差度与设定偏差度之间的比较信息，对所述基础训练服务事件数据组合序列中的各基础训练服务事件数据组合进行训练依据标注，确定延伸训练服务事件数据组合序列，其中，所述设定偏差度为基于所述2W个最小偏差度确定的。5.根据权利要求4所述的智慧供应链大数据共享方法，其特征在于，所述基于所述各基础训练服务事件数据所对应的第一关注变量分别与各关注分簇簇心的偏差度与设定偏差度之间的比较信息，对所述基础训练服务事件数据组合序列中的各基础训练服务事件数据组合进行训练依据标注，确定延伸训练服务事件数据组合序列，包括：将所述2W个最小偏差度中的最大偏差度作为所述设定偏差度；如果第一关注变量与关注分簇簇心的偏差度小于所述设定偏差度，则将所述第一关注变量所对应的基础训练服务事件数据标定了共享错误的延伸训练服务事件数据；如果第一关注变量与关注分簇簇心的偏差度不小于所述设定偏差度，则将所述第一关注变量所对应的基础训练服务事件数据标定了共享正确的延伸训练服务事件数据；将对应于同一个基础训练服务事件数据组合的两个延伸训练服务事件数据作为一个延伸训练服务事件数据组合，直至得到所述延伸训练服务事件数据组合序列。6.根据权利要求5所述的智慧供应链大数据共享方法，其特征在于，所述将对应于同一个基础训练服务事件数据组合的两个延伸训练服务事件数据作为一个延伸训练服务事件
数据组合，包括：如果对应于同一个基础训练服务事件数据组合的一个延伸训练服务事件数据标定了共享错误的延伸训练服务事件数据，且，另一个延伸训练服务事件数据标定了共享正确的延伸训练服务事件数据，则将所述另一个延伸训练服务事件数据标定了共享错误的延伸训练服务事件数据。7.根据权利要求3所述的智慧供应链大数据共享方法，其特征在于，所述基于所述延伸训练服务事件数据组合序列以及所述扩展训练服务事件数据组合序列，配置训练服务事件数据矩阵序列，包括：从所述延伸训练服务事件数据组合序列以及所述扩展训练服务事件数据组合序列中获取关联训练服务事件数据组合；从所述延伸训练服务事件数据组合序列以及所述扩展训练服务事件数据组合序列中移除所述关联训练服务事件数据组合，确定(Q+W
‑
1)个训练服务事件数据组合，其中，所述延伸训...

【专利技术属性】
技术研发人员：刘振山，郭建军，薛勇，
申请(专利权)人：前海容安供应链管理深圳有限公司，
类型：发明
国别省市：