招商引资用建筑材料质量监管系统及其监管方法技术方案

本申请涉及建筑材料质量的智能监管领域，其具体地公开了一种招商引资用建筑材料质量监管系统及其监管方法，其通过采用基于深度神经网络模型来从材料相关文本描述和材料相关展示图片的高维特征空间中来判断其语义对应性，这样，能够对平台的材料展示图片和材料描述的对应性进行准确地验证，进而筛选出更为优质的供应商。质的供应商。质的供应商。

【技术实现步骤摘要】
招商引资用建筑材料质量监管系统及其监管方法


[0001]本专利技术涉及建筑材料质量的智能监管领域，且更为具体地，涉及一种招商引资用建筑材料质量监管系统及其监管方法。

技术介绍

[0002]政府搭建“大宗建筑材料质量监管平台”，指定专业公司作为平台运营服务商。引入施工企业、材料供应商进入平台，接受建筑材料的质量监管。平台提供材料商城、采购招标，合同网签、物流跟踪、双向评价等多业务模块支持，让多方顺利完成材料的采购流程和支付收款。同时引入合作银行，优化项目资金流(保证金缴纳、进度款拨付等)，并具备采购货款垫付功能，可缓解项目施工前期材料采购货款的周转压力。
[0003]平台可有效管控施工单位建材的使用情况、监管建筑材料质量，并有大屏直观地查看采购概况、税收增效等统计分析，更准确科学地进行决策管理。
[0004]在大宗建筑材料质量监管平台上，各家施工单位和材料供应商会录入材料相关数据，包括材料相关描述（例如，材料质地、等级、价格、纹理描述、风格描述等）和材料展示图片。但现有的平台无法对材料描述与材料展示图片之间的对应性进行验证，也就是，可能存在图片与描述不符的情况，并且，综合材料展示图片和材料描述还可以对供应商或者施工单位的信用度进行评估，以帮助筛选更为优质的供应商。
[0005]因此，期望一种招商引资用建筑材料质量监管系统，以对平台的材料展示图片和材料描述的对应性进行评估验证，进而筛选出更为优质的供应商。

技术实现思路

[0006]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种招商引资用建筑材料质量监管系统及其监管方法，其通过采用基于深度神经网络模型来从材料相关文本描述和材料相关展示图片的高维特征空间中来判断其语义对应性，这样，能够对平台的材料展示图片和材料描述的对应性进行准确地验证，进而筛选出更为优质的供应商。
[0007]根据本申请的一个方面，提供了一种招商引资用建筑材料质量监管系统，其包括：备案数据采集模块，用于获取备案用户录入的材料相关数据，其中，所述材料相关数据包括材料相关文本描述和材料相关展示图片；材料描述文本编码模块，用于将所述备案用户录入的材料相关数据中的材料相关文本描述和材料通过包含嵌入层的上下文编码器以得到材料文本描述特征向量；文本理解模块，用于将所述材料文本描述特征向量通过基于深度神经网络的文本理解图像生成器以得到材料描述理解图像；图像浅层编码模块，用于将所述备案用户录入的材料相关数据中的材料相关展示图片通过多层卷积层以得到材料展示特征图；图像深层编码模块，用于将所述材料描述理解图像和所述材料展示特征图分别通过使用空间注意力机制的卷积神经网络模型以得到第一特征矩阵和第二特征矩阵；
特征转移模块，用于计算所述第一特征矩阵相对于所述第二特征矩阵的转移矩阵；以及特征校正模块，用于基于所述转移矩阵的所有特征值的全局均值的倒数，对所述转移矩阵中各个位置的特征值进行校正以得到分类特征矩阵；监管结果生成模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示备案用户的材料相关文本描述与材料相关展示图像之间的语义对应性是否满足预定要求。
[0008]在上述招商引资用建筑材料质量监管系统中，所述材料描述文本编码模块，包括：分词单元，用于对所述备案用户录入的材料相关数据中的材料相关文本描述和材料进行分词处理以将所述备案用户录入的材料相关数据中的材料相关文本描述和材料转化为由多个词组成的词序列；嵌入编码单元，用于使用所述包含嵌入层的上下文编码器的嵌入层将所述词序列中各个词映射到词向量以获得词向量的序列；以及，上下文编码单元，用于使用所述包含嵌入层的上下文编码器的转化器对所述词向量的序列进行基于全局的上下文语义编码以获得所述材料文本描述特征向量。
[0009]在上述招商引资用建筑材料质量监管系统中，所述基于深度神经网络的文本理解图像生成器为对抗生成器模型。
[0010]在上述招商引资用建筑材料质量监管系统中，所述图像浅层编码模块，进一步用于使用所述多层卷积层中各个卷积层在层的正向传递中对所述材料相关展示图片分别进行卷积处理、池化处理和非线性激活处理以由所述多层卷积层中最后一个卷积层输出所述材料展示特征图。
[0011]在上述招商引资用建筑材料质量监管系统中，所述图像深层编码模块，进一步用于：使用所述空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行非线性激活以生成激活特征图；计算所述激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类Softmax函数值以获得空间得分矩阵；以及计算所述空间特征矩阵和所述空间得分图的按位置点乘以获得特征矩阵；其中，所述空间注意力机制的卷积神经网络模型的最后一层输出的所述特征矩阵为所述第一特征矩阵和所述第二特征矩阵。
[0012]在上述招商引资用建筑材料质量监管系统中，所述特征转移模块，进一步用于以如下公式计算所述第一特征矩阵相对于所述第二特征矩阵的转移矩阵；其中，所述公式为：S=M
t
*F其中F表示所述第一特征矩阵，M
t
表示所述转移矩阵，S表示所述第二特征矩阵。
[0013]在上述招商引资用建筑材料质量监管系统中，所述特征校正模块，进一步基于所述转移矩阵的所有特征值的全局均值的倒数，以如下公式对所述转移矩阵中各个位置的特
征值进行校正以得到所述分类特征矩阵；其中，所述公式为：M
t
是所述分类特征矩阵，M
c
是所述校正后分类特征矩阵，且是所述转移矩阵的所有特征值的全局均值的倒数，表示按位置点乘。
[0014]在上述招商引资用建筑材料质量监管系统中，所述监管结果生成模块，进一步用于：所述分类器以如下公式对所述分类特征矩阵进行处理以生成分类结果；其中，所述公式为：O=softmax{(W
n
,B
n
):...:(W1,B1)|Project(M
c
)}，其中Project(M
c
)表示将所述分类特征矩阵投影为向量，W1至W
n
为各层全连接层的权重矩阵，B1至B
n
表示各层全连接层的偏置矩阵。
[0015]根据本申请的另一方面，一种招商引资用建筑材料质量监管系统的监管方法，其包括：获取备案用户录入的材料相关数据，其中，所述材料相关数据包括材料相关文本描述和材料相关展示图片；将所述备案用户录入的材料相关数据中的材料相关文本描述和材料通过包含嵌入层的上下文编码器以得到材料文本描述特征向量；将所述材料文本描述特征向量通过基于深度神经网络的文本理解图像生成器以得到材料描述理解图像；将所述备案用户录入的材料相关数据中的材料相关展示图片通过多层卷积层以得到材料展示特征图；将所述材料描述理解图像和所述材料展示特征图分别通过使用空间注意力机制的卷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种招商引资用建筑材料质量监管系统，其特征在于，包括：备案数据采集模块，用于获取备案用户录入的材料相关数据，其中，所述材料相关数据包括材料相关文本描述和材料相关展示图片；材料描述文本编码模块，用于将所述备案用户录入的材料相关数据中的材料相关文本描述和材料通过包含嵌入层的上下文编码器以得到材料文本描述特征向量；文本理解模块，用于将所述材料文本描述特征向量通过基于深度神经网络的文本理解图像生成器以得到材料描述理解图像；图像浅层编码模块，用于将所述备案用户录入的材料相关数据中的材料相关展示图片通过多层卷积层以得到材料展示特征图；图像深层编码模块，用于将所述材料描述理解图像和所述材料展示特征图分别通过使用空间注意力机制的卷积神经网络模型以得到第一特征矩阵和第二特征矩阵；特征转移模块，用于计算所述第一特征矩阵相对于所述第二特征矩阵的转移矩阵；以及特征校正模块，用于基于所述转移矩阵的所有特征值的全局均值的倒数，对所述转移矩阵中各个位置的特征值进行校正以得到分类特征矩阵；监管结果生成模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示备案用户的材料相关文本描述与材料相关展示图像之间的语义对应性是否满足预定要求。2.根据权利要求1所述的招商引资用建筑材料质量监管系统，其特征在于，所述材料描述文本编码模块，包括：分词单元，用于对所述备案用户录入的材料相关数据中的材料相关文本描述和材料进行分词处理以将所述备案用户录入的材料相关数据中的材料相关文本描述和材料转化为由多个词组成的词序列；嵌入编码单元，用于使用所述包含嵌入层的上下文编码器的嵌入层将所述词序列中各个词映射到词向量以获得词向量的序列；以及上下文编码单元，用于使用所述包含嵌入层的上下文编码器的转化器对所述词向量的序列进行基于全局的上下文语义编码以获得所述材料文本描述特征向量。3.根据权利要求2所述的招商引资用建筑材料质量监管系统，其特征在于，所述基于深度神经网络的文本理解图像生成器为对抗生成器模型。4.根据权利要求3所述的招商引资用建筑材料质量监管系统，其特征在于，所述图像浅层编码模块，进一步用于使用所述多层卷积层中各个卷积层在层的正向传递中对所述材料相关展示图片分别进行卷积处理、池化处理和非线性激活处理以由所述多层卷积层中最后一个卷积层输出所述材料展示特征图。5.根据权利要求4所述的招商引资用建筑材料质量监管系统，其特征在于，所述图像深层编码模块，进一步用于：使用所述空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行非线性激活以生成激活特征图；
计算所述激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类Softmax函数值以获得空间得分矩阵；以及计算所述空间特征矩阵和所述空...

【专利技术属性】
技术研发人员：胡卫国，
申请(专利权)人：浙江悦链盛科技开发有限公司，
类型：发明
国别省市：