基于动态多任务图卷积的冷链多温混配推荐方法及装置制造方法及图纸

本发明专利技术公开了一种基于动态多任务图卷积的冷链多温混配推荐方法及装置，对货源信息和车源信息标签作标记处理和定义，得到标签空间和标签集合，由途径路线得到动态更新数据集；利用PMI分别基于冷链货源信息标签集合和冷链车源信息标签集合计算标签权重，构建货源关联图、车货源关联图以及动态更新关联图；将货源与车货源关联图输入GAT，通过计算注意力相关系数更新节点邻域新特征集合，输入GCN使用新权重得到关键特征表示，再通过Softmax分类选择推荐合适温度。本发明专利技术使用图注意力网络和图卷积神经网络结合多任务动态更新方法对分类有重要的作用和意义，普遍适用于动态匹配选择冷链物流中货源信息和车源信息，提高运载效率，减少运输成本以及空车率。减少运输成本以及空车率。减少运输成本以及空车率。

【技术实现步骤摘要】
基于动态多任务图卷积的冷链多温混配推荐方法及装置


[0001]本专利技术属于图注意力、图卷积和多温度运输配载
，特别涉及一种基于动态多任务图卷积的冷链多温混配推荐方法及装置。

技术介绍

[0002]我国冷链物流的发展还处于起步阶段，冷链物流成本居高不下，使得在冷链物流中常常因节约成本而出现“断链”现象。配送作为冷链物流中极为重要环节，它占据着冷链物流成本的很大比重。现有技术中冷链配载通过供需方提出的订单量，在车辆装载最大化的情况下计算出冷链配载路线，实现冷链货物运输。
[0003]对冷链多温混配中的最佳车货源配送进行动态选择，在现有的方法中，更多的是基于路径的最优、最短距离等路线上的推荐，温度并非首选，这样导致车辆不能满载运输，以及随着订单动态批量增加，不能实现最优化路线，出现冷链车辆碳排量增大，冷链物流成本提高。针对这些问题，本专利技术在途径路线中对不同车货源匹配进行选择时，以温度为首位，车辆配载最大化的前提下综合动态货物信息和动态路线给出最优选择，提升运输效率同时节约了运输成本，实现供需双方共赢。

技术实现思路

[0004]专利技术目的：针对上述问题，本专利技术提供了一种基于动态多任务图卷积的冷链多温混配推荐方法及装置，能够有效地对多图结构的提取特征以及不依赖图结构进行节点动态更新，解决车货匹配不是最优问题。
[0005]技术方案：本专利技术公开一种基于动态多任务图卷积的冷链多温混配推荐方法，包括如下步骤：
[0006]步骤1：对货源信息数据集D和车源信息数据集D1进行去重、去空，清洗和提取标签后得到货源信息标签数据集D2和车源信息标签数据集D3；
[0007]步骤2：对数据集D2和D3进行统计概括和筛选，筛选出构建车货源关联图所需要的标签数据集D4作为车货源关联图的基础数据集，统计出其余货源信息数据集标签D5作为构建货源关联图的基础数据集，数据集D6为动态更新后的车源和货源数据集标签；
[0008]步骤3：使用PMI构建货源关联图G
i
＝(V
i
，E
i
)和车货源关联图G
j
＝(V
j
，E
j
)，通过对统计出的车货源信息标签数据集D4和其余货源信息数据集标签D5进行相应关键词提取，再进行关联图连边权重计算，分别得到货源关联图和车货源关联图；
[0009]步骤4：对货源关联图G
i
＝(V
i
，E
i
)和车货源关联图G
j
＝(V
j
，E
j
)提取特征，使用GAT特征变换形成新特征集合，对动态更新后的关联图通过注意力相关系数计算节点的邻域新特征；
[0010]步骤5：将更新的数据动态构建为更新关联图G
m
＝(V
m
，E
m
)，依据动态邻域节点计算更新关联图的节点注意力相关系数，通过节点注意力相关系数判断动态新邻域节点对原节点的权重w，邻域新特征输入GCN判断更新关联图G
m
＝(V
m
，E
m
)的节点权重u，使用新的权重进
行卷积得到特征表示，使用Softmax层对不同货物进行计算选择，最终选择出最适合货物。
[0011]进一步地，所述步骤1的具体方法为：
[0012]步骤1.1：定义Text为单个货源文本待清洗信息集，定义id1，content1，content2，content3，content4分别为货物序号、货物基本信息、货物起始地、适宜保存温度、运输时间限制，并且满足关系Text＝{id1，content1，content2，content3，content4}；
[0013]步骤1.2：定义Text1为单个车源文本待清洗信息集，定义id2，content5，content6，content7分别为冷藏车序号、可配载货物类型、剩余车厢体积大小、途径路线标签标记处理，并且满足关系Text1＝{id，content5，content6，content7}；
[0014]步骤1.3：定义D为货源信息待清洗数据集，D1为车源信息待清洗数据集，D＝{Text1，Text2，
…
，Text
a
，
…
，TeXt
len(D)
}，Text
a
为D中第a个待清洗货源数据，D1＝{Text11，Text12，
…
，Text1
b
，
…
，Text1
len(D1)
}，Text1
b
为D1中第b个待清洗车源数据，分别对数据集中的文本进行去重、去空以及对待清洗信息集中的content进行标签提取；
[0015]步骤1.4：对数据集D、D1进行数据清洗和提取标签后得到货源信息标签数据集D2和车源信息标签数据集D3，D2＝{T1，T2，
…
，T
c
，
…
，T
len(D2)
}，T
c
为D2中第c个文本数据，其中变量c∈[1，len(D2)]；D3＝{T11，T12，
…
，T1
d
，
…
，T1
len(D3)
}，T1
d
为D3中第d个文本数据，其中变量d∈[1，len(D3)]；
[0016]步骤1.5：定义货源关联图G
i
＝(V
i
，E
i
)，节点v
1i
∈V
i
，边e
1i
∈E
i
，车货源关联图G
j
＝(V
j
，E
j
)，节点v
2j
∈V
j
，边e
2j
∈E
j
。
[0017]进一步地，所述步骤2的具体方法为：
[0018]步骤2.1：对标签数据集D2、D3中的标签进行统计，概括出如货物起始地、冷藏车途径路线等标签数据集，定义为D4；
[0019]步骤2.2：标签数据集D4中单个文本信息集为Text2＝{id3，label1，label2，label3，label4，label5}，id3，label1，label2，label3，label4，label5分别为文本信息序号、冷藏车可配载货物类型标签、剩余车厢体积大小标签、货物起始地标签、途径路线标签、车货交易运输次数；
[0020]步骤2.3：将标签数据集D2、D3统计后，剩余标签数据概括为标签数据集D5，作为构建货源关联图的基础数据集；
[0021]步骤2.4：标签数据集D5中单个文本信息集为Text3＝{id4，label6，label7，l本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态多任务图卷积的冷链多温混配推荐方法，其特征在于，包括如下步骤：步骤1：对货源信息数据集D和车源信息数据集D1进行去重、去空，清洗和提取标签后得到货源信息标签数据集D2和车源信息标签数据集D3；步骤2：对数据集D2和D3进行统计概括和筛选，筛选出构建车货源关联图所需要的标签数据集D4作为车货源关联图的基础数据集，统计出其余货源信息数据集标签D5作为构建货源关联图的基础数据集，数据集D6为动态更新后的车源和货源数据集标签；步骤3：使用PMI构建货源关联图G
i
＝(V
i
，E
i
)和车货源关联图G
j
＝(V
j
，E
j
)，通过对统计出的车货源信息标签数据集D4和其余货源信息数据集标签D5进行相应关键词提取，再进行关联图连边权重计算，分别得到货源关联图和车货源关联图；步骤4：对货源关联图G
i
＝(V
i
，E
i
)和车货源关联图G
j
＝(V
j
，E
j
)提取特征，使用GAT特征变换形成新特征集合，对动态更新后的关联图通过注意力相关系数计算节点的邻域新特征；步骤5：将更新的数据动态构建为更新关联图G
m
＝(V
m
，E
m
)，依据动态邻域节点计算更新关联图的节点注意力相关系数，通过节点注意力相关系数判断动态新邻域节点对原节点的权重w，邻域新特征输入GCN判断更新关联图G
m
＝(V
m
，E
m
)的节点权重u，使用新的权重进行卷积得到特征表示，使用Softmax层对不同货物进行计算选择，最终选择出最适合货物。2.根据权利要求1所述的基于动态多任务图卷积的冷链多温混配推荐方法，其特征在于，所述步骤1的具体方法为：步骤1.1：定义Text为单个货源文本待清洗信息集，定义id1，content1，content2，content3，content4分别为货物序号、货物基本信息、货物起始地、适宜保存温度、运输时间限制，并且满足关系Text＝{id1，content1，content2，content3，content4}；步骤1.2：定义Text1为单个车源文本待清洗信息集，定义id2，content5，content6，content7分别为冷藏车序号、可配载货物类型、剩余车厢体积大小、途径路线标签标记处理，并且满足关系Text1＝{id，content5，content6，content7}；步骤1.3：定义D为货源信息待清洗数据集，D1为车源信息待清洗数据集，D＝{Text1，Text2，
…
，Text
a
，
…
，Text
len(D)
}，Text
a
为D中第a个待清洗货源数据，D1＝{Text11，Text12，
…
，Text1
b
，
…
，Text1
len(D1)
}，Text1
b
为D1中第b个待清洗车源数据，分别对数据集中的文本进行去重、去空以及对待清洗信息集中的content进行标签提取；步骤1.4：对数据集D、D1进行数据清洗和提取标签后得到货源信息标签数据集D2和车源信息标签数据集D3，D2＝{T1，T2，
…
，T
c
，
…
，T
len(D2)
}，T
c
为D2中第c个文本数据，其中变量c∈[1，len(D2)]；D3＝{T11，T12，
…
，T1
d
，
…
，T1
len(D3)
}，T1
d
为D3中第d个文本数据，其中变量d∈[1，len(D3)]；步骤1.5：定义货源关联图G
i
＝(V
i
，E
i
)，节点v
1i
∈V
i
，边e
1i
∈E
i
，车货源关联图G
j
＝(V
j
，E
j
)，节点v
2j
∈V
j
，边e
2j
∈E
j
。3.根据权利要求1所述的基于动态多任务图卷积的冷链多温混配推荐方法，其特征在于，所述步骤2的具体方法为：步骤2.1：对标签数据集D2、D3中的标签进行统计，概括出如货物起始地、冷藏车途径路线等标签数据集，定义为D4；步骤2.2：标签数据集D4中单个文本信息集为Text2＝{id3，label1，label2，label3，
label4，label5}，id3，label1，label2，label3，label4，label5分别为文本信息序号、冷藏车可配载货物类型标签、剩余车厢体积大小标签、货物起始地标签、途径路线标签、车货交易运输次数；步骤2.3：将标签数据集D2、D3统计后，剩余标签数据概括为标签数据集D5，作为构建货源关联图的基础数据集；步骤2.4：标签数据集D5中单个文本信息...

【专利技术属性】
技术研发人员：李翔，丁婧娴，谢乾，孙纪舟，朱全银，周泓，任柯，陈帅，费晶茹，张曼，洪玉昆，徐伟，杨秋实，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：