一种基于知识图谱的工厂样品推荐系统技术方案

本发明专利技术公开了一种基于知识图谱的工厂样品推荐系统，涉及数据挖掘技术领域，该推荐系统包括：知识图谱构建模块，用于根据客户实体、样品实体、供应链实体、设备实体、生产实体以及各实体之间的关联关系构建知识图谱；智能样品推荐模块，根据客户实体、样品实体、供应链实体、设备实体和生产实体的关系进行运用后完成样品推荐；数据传输模块，用于完成工厂样品推荐系统中所有数据的传输；系统门户模块，建立客户和推荐系统进行交互的界面。本发明专利技术通过在样品推荐过程中融合了知识图谱中的客户实体、样品实体、供应链实体、生产实体、设备实体以及各实体之间的关联关系，极大的增加了数据的可实用性，有效的缓解了数据稀疏性的问题。有效的缓解了数据稀疏性的问题。有效的缓解了数据稀疏性的问题。

【技术实现步骤摘要】
一种基于知识图谱的工厂样品推荐系统


[0001]本专利技术涉及数据挖掘
，具体是一种基于知识图谱的工厂样品推荐系统。

技术介绍

[0002]随着工业互联网和物联网的发展，工厂的数据规模呈现爆炸式增长，特别是随着小批量、定制化生产模式的兴起，工厂产生了大量的样品数据。样品大数据中蕴含了巨大的价值，但同时也来了“信息过载”的问题。为了解决这一问题，推荐系统作为一个广泛应用于互联网的信息过滤技术，目前被引进到智能制造领域，能够让工厂为客户提供很好的决策支持和个性化服务。
[0003]互联网领域的推荐系统大多使用专家规则或者协同过滤算法为客户推荐样品，但专家规则往往对不同类型工厂的客户了解不全面、不能够充分考虑到客户与被推荐样品之间的关系，而协同过滤算法虽然会利用客户的历史数据来理解客户意图并推荐适合的样品，在一定程度上避免了内容分析的不完全或不精确，但这种算法依赖大量数据，还会碰到新样品或者新客户需要冷启动等问题，而且无论是基于客户的协同过滤还是基于样品内容的协同过滤都面临着推荐样品过于相似和推荐样品多样性不足的问题。
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱的工厂样品推荐系统，其特征在于，包括：知识图谱构建模块，用于根据客户实体、样品实体、供应链实体、设备实体、生产实体以及各实体之间的关联关系构建知识图谱；智能样品推荐模块，根据客户实体、样品实体、供应链实体、设备实体和生产实体的关系进行运用后完成样品推荐；数据传输模块，用于完成工厂样品推荐系统中所有数据的传输；系统门户模块，建立客户和推荐系统进行交互的界面。2.根据权利要求1所述的基于知识图谱的工厂样品推荐系统，其特征在于，客户实体、样品实体、供应链实体、生产实体、设备实体之间的关联关系包括：客户实体与样品实体之间的关联关系、客户实体与供应链实体之间的关联关系、样品实体与供应链实体之间的关联关系、样品实体与生产实体之间的关联关系、样品实体与设备实体之间的关联关系、设备实体与生产实体之间的关联关系、不同客户实体之间的关联关系以及不同样品实体之间的关联关系。3.根据权利要求1所述的基于知识图谱的工厂样品推荐系统，其特征在于，客户实体包含客户的基本信息和客户标签数据，其中，客户标签数据包括客户状态、客户偏好，客户状态分为商机客户、方案客户、合同客户以及流失客户；客户状态根据客户的操作行为及交易记录情况划分；客户偏好由客户的历史浏览记录、历史询价记录、历史打样记录、历史交易记录得到。4.根据权利要求1所述的基于知识图谱的工厂样品推荐系统，其特征在于，样品实体包含样品的基本信息和样品标签数据，所述基本信息包含样品编号、样品名称、样品规格型号、样品属性和样品特性；样品标签数据包括样品分类、样品类型以及样品统计...

【专利技术属性】
技术研发人员：朱锐，吕泽民，任开春，孙西杰，
申请(专利权)人：上海提拾科技有限公司，
类型：发明
国别省市：